本发明涉及医用放射治疗技术领域，具体是指调强放疗中构建危及器官吸收剂量预测数学模型的方法。
背景技术：
肿瘤放射治疗是利用放射线治疗肿瘤的一种局部治疗方法，主要用于恶性肿瘤，与手术治疗、化学药物治疗组成了肿瘤三大治疗手段。统计数字表明，约有50％-70％的癌症患者需要不同程度地接收放射治疗。放射治疗的基本目的是提高放射治疗的治疗增益比，即最大限度地将放射线的剂量集中到靶区内，杀灭肿瘤细胞，而使周围正常组织少受或免受不必要的照射。适形放射治疗是一种提高治疗增益比的较为有效的物理方法。调强放疗即调强适形放射治疗是适形放疗的一种，它要求满足在照射方向上，照射野的形状必须与靶区形状一致、靶区内及表面剂量处处相等，每一个射野内诸点的输出剂量率能按要求的方式进行调整。
调强放疗技术提高了患者的疗效，改善了患者治疗后的生活质量，有效地提高了治疗增益比，但受优化方法、手段以及人为等因素影响，大多数放疗中心虽然危及器官控制在限定范围内，但由于缺少有效的预测评估方法，危及器官的最终吸收剂量更多地依赖于各放疗单位的经验，并未使其吸收剂量达到最小。
现有的预测评估方法通过提取治疗计划中危及器官每个采样点的剂量信息，建立调强放疗的预测模型，通过该模型在制作调强放疗计划前提前预测危及器官的剂量体积曲线，以保证调强计划的质量，其方法较为复杂，且作为商业软件出售价格高昂，难以在调强放疗计划制作中得到广泛具体的应用。
技术实现要素：
本发明的目的在于提供调强放疗中构建危及器官吸收剂量预测数学模型的方法，通过此数学模型实现制作调强治疗计划前，对危及器官的吸收剂量进行预测。
本发明通过下述技术方案实现：调强放疗中危及器官吸收剂量预测数学模型的构建方法，包括以下步骤：
(1)将危及器官划分成n个子器官，获取第n个子器官的归一化体积Vn/VOAR，其中，Vn为第n个子器官的体积，VOAR为危及器官的体积；
(2)根据调强治疗计划，获得危及器官的归一化吸收剂量Dn10～n100，其中，Dn10～n100为D10～100/Dp的比值，Dp为处方剂量，D10：是指10％的该危及器官体积所得到的吸收剂量；D20：是指20％的该危及器官体积所得到的吸收剂量；以此类推，D10～D100在放疗中专门用于评价危及器官吸收剂量；
(3)根据第n个子器官的归一化体积Vn/VOAR和危及器官的归一化吸收剂量Dn10～n100，获得预测数学模型。
为了更好地实现本发明的方法，进一步地，所述步骤(1)中，将危及器官划分成n个子器官的具体过程包括以下步骤：
(1.1)勾画低危区计划肿瘤靶区PCTV2以及危及器官；
(1.2)以低位区计划肿瘤靶区PCTV2为外扩源，创建一个宽度为0.2～0.5cm的环，得到第一个环ring1，再以ring1+PCTV2为外扩源，以相同宽度创建第二个环ring2，以此类推，以ring1+···+ringn-1+PCTV2为外扩源，以相同宽度即可创建第n个环ringn；
(1.3)每个环与危及器官的相交区域即为该危及器官的子器官。
为了更好地实现本发明的方法，进一步地，所述步骤(1.1)中勾画低危区 计划肿瘤靶区PCTV2以及危及器官的具体过程，包括以下步骤：
(1.1.1)通过CT机扫描出患者相应部位的横断面图像；
(1.1.2)将扫描出的CT图像传输至放疗计划软件；
(1.1.3)利用放疗计划软件中的勾画工具，在各CT横断面图像上勾画出各个危及器官与计划靶区，即得，并可通过放疗计划软件得出器官体积VOAR和靶区体积VTatget的体积大小。
使用的放疗计划软件为Pinnacle软件。
为了更好地实现本发明的方法，进一步地，所述步骤(1.2)中，创建的环的宽度为0.3cm。
为了更好地实现本发明的方法，进一步地，所述步骤(3)中，获得预测数学模型采用的方法为多元线性拟合方法或神经网络的数据拟合方法中的至少一种。
为了更好地实现本发明的方法，进一步地，所述多元线性拟合方法主要采用SPSS19软件进行预测数学模型的构建。
为了更好地实现本发明的方法，进一步地，采用多元线性拟合方法进行预测数学模型的构建，所得数学模型为：
Y＝Pc+P0×(V0/VOAR)+P1×(V1/VOAR)+…+Pn×(Vn/VOAR)；
其中，Y为危及器官的归一化吸收剂量Dn10～n100；
V0/VOAR为低危区计划肿瘤靶区PCTV2与危及器官的归一化相交体积，V1/VOAR为ring1与危及器官的归一化相交体积，以此类推，Vn为ringn与危及器官的归一化相交体积；
通过SPSS19软件，进行回归线性分析，即可得到该危及器官P1～Pn，以及Pc的取值。
为了更好地实现本发明的方法，进一步地，所述预测数学模型采用的方法主要采用Matlab神经网络工具箱进行基于BP神经网络的数据拟合。
本发明与现有技术相比，具有以下优点及有益效果：
(1)本发明探索调强放疗计划中临近靶区的危及器官吸收剂量预测的数学模型，实现在制作调强治疗计划前对危及器官的吸收剂量进行预测；
(2)本发明方法简单，数据易于采集，大多数放疗单位均可在通过本发明的方法在现有治疗计划系统的基础上建立起调强放疗中危及器官吸收剂量的预测数学模型，适宜广泛推广应用。
具体实施方式
下面结合实施例对本发明作进一步地详细说明，但本发明的实施方式不限于此，在不脱离本发明上述技术思想情况下，根据本领域普通技术知识和惯用手段，做出各种替换和变更，均应包括在本发明的范围内。
实施例1：
本实施例中选取鼻咽癌调强患者病历55份，并以内耳、口腔、腮腺、声门喉、环后区咽、食管六种危及器官作为模板进行研究，寻求调强放疗中危及器官吸收剂量的预测数学模型。
一、针对鼻咽癌靶区的处方剂量与计划评估要求：
(1)处方剂量定义为98％的计划靶区所接收的最低吸收剂量；
(2)PGTVnx，PGTVrnp单次剂量2.10-2.25Gy，总剂量66-70Gy；
PGTVnd单次剂量2.00-2.25Gy，总剂量66-70Gy；
PCTV1单次剂量1.80-2.05Gy，总剂量60-66Gy；
PCTV2单次剂量1.80Gy，总剂量54-56Gy。
(3)计划评估要求：
(3.1)PTV接受≥110％处方剂量的体积＜2％；
(3.2)PTV接受＜93％的处方剂量的体积＜1％。
二、针对选定危及器官的限定剂量：
单侧内耳平均剂量(Dme)≤45Gy；
口腔平均剂量(Dmo)≤40Gy；
腮腺平均剂量(Dmpa)≤26Gy，对于腮腺与PCTV2相交体积过大的情况至少单侧D50％<30Gy或剂量尽量低；
声门喉平均剂量(Dml)≤45Gy；
环后区咽平均剂量(Dmph)≤45Gy；
食管平均剂量(Dmes)≤45Gy。
三、治疗计划设计：
55例鼻咽癌病历中调强治疗计划均采用Pinnacle8.0治疗计划系统计划进行回顾性优化分析，鼻咽癌采用6兆伏X射线共面9野均分直接子野优化的设计方法。
具体探寻过程如下：
首先，病历中低危区计划肿瘤靶区PCTV2以及选定的危及器官的进行勾画，通过CT机扫描出患者相应部位的横断面图像；将扫描出的CT图像传输至pinnacle放疗计划软件；利用pinnacle软件中的勾画工具，在各CT横断面图像上勾画出各个危及器官与计划靶区，点击Volume工具，可计算出危及器官和靶区体积的体积大小。所有入组病历均由同一医师对靶区进行勾画。
其次，将PCTV2外扩为宽度为0.3cm的多个环ring1～ringn，将ring1～ringn与不同危及器官相交区域(ring1～ringn∩OAR)作为该危及器官独立的子器官进行参数优化。
最后，通过对各个患者的子器官的均匀剂量大小与权重的不断调整，在危及器官与靶区相交区域剂量认定为靶区处方剂量与保证靶区处方剂量满足评估要求的前提下，使得各个危及器官吸收剂量尽量低，由于优化时子器官数量较多，其权重参数应调整到相对于靶区权重较小的值。
四、鼻咽癌危及器官吸收剂量预测模型建立：
从55例鼻咽癌患者病历中的调强治疗计划得出各个危及器官的子器官归一化体积以及各个危及器官的归一化吸收剂量。
主要采用多元线性拟合方法进行数据拟合，具体通过SPSS19软件实现：点击SPSS19软件中分析-回归-线性工具，因变量选取需要分析的危及器官的归一化吸收剂量，自变量选取ring1～ringn与该危及器官相交区域的归一化体积，点击确定按钮，即可得到该危及器官P1～Pn，以及Pc的取值。
所得预测数学模型为：
Y＝Pc+P0×(V0/VOAR)+P1×(V1/VOAR)+…+Pn×(Vn/VOAR)；
其中，Y为危及器官的归一化吸收剂量Dn10～n100；
V0/VOAR为低危区计划肿瘤靶区PCTV2与危及器官的归一化相交体积，V1/VOAR为ring1与危及器官的归一化相交体积，以此类推，Vn为ringn与危及器官的归一化相交体积；
内耳的P0～Pn、Pc的取值为，如表1所示，
表1内耳
其中，Dn10为是指10％的该危及器官体积所得到的吸收剂量；
Dn20为是指10％的该危及器官体积所得到的吸收剂量；
以此类推，Dn10～Dn100专门用于评价危及器官的吸收剂量。
口腔的P1～Pn的取值为，如表2所示，
表2口腔
腮腺的P1～Pn的取值为，如表3所示，
表3腮腺
喉的P1～Pn的取值为，如表4所示，
表4喉
环后区咽的P1～Pn的取值为，如表5所示，
表5环后区咽
食管的P1～Pn的取值为，如表6所示，
表6食管
将表1～表6中的数据带入预测数学模型，通过SPSS19软件可得出所有方程模型的F统计量的p值均小于0.05，说明该数学模型是有效的，并测得该预 测数学模型的拟合优度值r，如表7所示。
表7不同危及器官采用SPSS19软件构建的预测数学模型预测危及器官吸收剂量的拟合优度r
由表7中拟合优度r可知，基于鼻咽癌而最终建立的数学模型的拟合程度非常好。
可以根据多元线性拟合方法建立预测数学模型，即可在已知危及器官的子器官归一化体积的前提下对危及器官的归一化吸收剂量进行预测。
实施例2：
本实施例在上述实施例的基础上，使用神经网络的进行数据拟合，具体过程为，采用Matlab神经网络工具箱进行数据拟合的具体过程为：matlab软件中输入nftool，打开神经网络数据拟合工具箱，点击next，Inputs选取需要分析的危及器官的归一化吸收剂量，Target选取ring1～ringn与该危及器官相交区域的归一化体积，点击next，点击Train按钮对数据进行训练，即可得数据拟合的Networks。
根据建立的Networks获得与实际危及器官的吸收剂量进行拟合，所得拟合优度，如表8所示，
表8不同危及器官通过BP神经网络构建的预测数学模型预测危及器官吸收剂量的拟合优度r
由表8中相关系数r可知，基于鼻咽癌而最终建立的BP神经网络数据拟合方式数学模型为拟合程度非常好，略好于多元线性拟合方法。
根据BP神经网络进行数据拟合后所得到的Networks，即可在已知危及器官的子器官归一化体积的前提下对危及器官的归一化吸收剂量进行预测。本实施例其他部分与上述实施例相同，这里不再赘述。本实施例其他部分与上述实施例相同，这里不再赘述。
实施例3：
本实施例公开了以PCTV2为外扩源，向外扩环的具体过程，将PCTV2外扩为宽度为0.3cm的多个环ring1～ringn的具体过程，首先利用Pinnacle8.0软件的感兴趣区(ROI)外扩程序，以PCTV2为外扩源，创建一个宽度为0.3的环，即可得到第1个环(ring1)；以PCTV2+ring1为外扩源，创建一个宽度为0.3的环，即可得到第2个环(ring2)；以此类推，以PCTV2+ring1+·+ringn-1为外扩源，创建一个宽度为0.3的环，即可得到第n个环(ringn)。
在Pinnacle软件具体的操作过程包括以下步骤：
(a)在Pinnacle软件中点击ROI Expansion/Contraction工具；
(b)source选取PCTV2，Create new ROI Name输入ring1，Uniform margin(cm)输入0.3，点击Create Ring ROI工具，即可得到一个新的感兴趣区ring1；
(c)点击ROI Expansion/Contraction工具；source选取PCTV2与ring1，Create new ROI Name输入ring2，Uniform margin(cm)输入0.3，点击Create Ring ROI工具，即可得到一个新的感兴趣区ring2；
(d)以此类推点击ROI Expansion/Contraction工具；
(e)source选取PCTV2、ring1、…、ringn-1，Create new ROI Name输入ringn，Uniform margin(cm)输入0.3，点击Create Ring ROI按钮，即可得到一个新的感兴趣区ringn。
本实施例其他部分与上述实施例相同，这里不再赘述。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。