基于深度学习方法预测的剂量分布优化的调强放疗自动计划技术研究

A treatment plan is the key to determining the effect of intensity modulated radiation therapy (IMRT). Due to the lack of quantitative criteria for setting the optimization objective function, the efficiency and quality of the treatment plan in various radiotherapy units are highly different which seriously affects the curative effect of the patient. Therefore, the development of an accurate and efficient IMRT automated treatment planning technique has become a hot research at home and abroad. At present, optimizing the objective function that is established from predicted dose distribution to obtain an optimal treatment plan has become a new way to realize the IMRT automated treatment planning. In particular, the rapid development of deep learning technique provides a new idea for dose distribution prediction, and also makes the IMRT automated treatment planning based on dose distribution optimization show great value in practical application. This project intends to use deep learning technique to predict the dose distribution, and explore a new technique of IMRT automated treatment planning based on dose distribution optimization. We will define a general method for establishing a dose distribution prediction model, and indicate a general procedure for IMRT automated treatment planning based on dose distribution optimization without guidance of any dose calculation auxiliary profile. This project performs a study on the IMRT automated treatment planning technique from a new perspective, and seeks new breakthroughs in the application of deep learning technique in the field of radiotherapy.

治疗计划的优劣是决定调强放射治疗效果的关键，由于目前缺乏设定优化目标函数的定量标准等因素，导致各放疗单位治疗计划设计效率和质量参差不齐，严重影响了患者的治疗疗效。因此，研发精准高效的调强放疗自动计划技术成为国内外的研究热点。目前，利用预测的剂量分布建立目标函数并优化得到治疗计划成为实现调强放疗自动计划技术的新途径，尤其是深度学习技术的迅猛发展为剂量分布预测提供了新的思路，也使基于剂量分布优化的调强放疗自动计划技术在实际应用方面显示出巨大价值。本项目拟首先采用深度学习技术预测剂量分布，并结合治疗计划设计软件，系统的研究和探索基于剂量分布优化的调强放疗自动计划设计新技术。明确建立剂量分布预测模型的一般方法，指明无任何剂量计算辅助轮廓引导的、基于剂量分布优化的调强放疗自动计划设计的一般步骤。从新的视角研究调强放疗自动计划技术，为深度学习技术在放射治疗领域的应用寻求新突破。

治疗计划的优劣是决定调强放射治疗效果的关键，由于目前缺乏设定优化目标函数的定量标准等因素，导致各放疗单位治疗计划设计效率和质量参差不齐，严重影响了患者的治疗疗效。本项目拟首先采用深度学习技术预测剂量分布，并结合治疗计划设计软件，系统的研究和探索基于剂量分布优化的调强放疗自动计划设计新技术。经过三年的努力，本项目已经完成了原定的计划目标，并取得了一系列的研究成果。具体如下：1）建立了包含有多种不同类型鼻咽癌的优质治疗计划数据库，为本项目顺利开展提供了数据保障，应用专业的医学图像处理软件VTK开发了适合本项目的DICOM数据处理分析程序，从临床数据库中成功解析出CT图像、肿瘤与正常组织的勾画图像、剂量分布图像等；2）搭建了深度网络模型，成功建立了勾画图像、CT图像与剂量分布图像之间的深入关联，实现了基于勾画图像、CT图像的剂量分布精准高效预测；3）成功构建了基于剂量分布的优化目标函数，利用计划系统matRad自主研发了基于这种新型优化目标函数的计划优化方法，无需传统的剂量计算辅助轮廓，优化一次即可得到治疗计划；4）在完成原定计划目标的基础上，本项目还开展了两项拓展研究。在前述开发的深度网络模型的基础上，深入探讨通量图像与剂量分布之间的关系，改进已有网络，建立了基于通量图像计算剂量分布的深度网络模型，在图像域实现了剂量计算，为剂量计算研究开辟了新思路；5）针对传统仅依靠测量的计划验证中存在的问题，本项目还研发了一种新型算法，利用深度神经网络实现从剂量分布到机器参数（包括MLC位置、形状和MU值）的精准高效计算，可以作为计划完成之后的独立验证工具，革新了传统的计划质控方式，实现了机器参数层面的计划质控。综上，本项目从新的视角建立了调强放疗自动计划技术，同时将深度学习技术引入到自动计划研究的各个方面，不仅为自动计划研究领域注入新的活力，也为深度学习技术在放射治疗领域的应用寻求了新突破。