一种基于加速器日志文件实现自动化剂量验证的方法

技术领域

本发明涉及医学放射治疗技术领域，尤其涉及一种基于加速器日志文件实现自动化剂量验证的方法。

背景技术

现代放疗技术复杂性不断增加，对剂量验证的数量和质量要求也随之不断提高。目前现代放疗技术进步主要体现在：1)适形性不断增加，以提高肿瘤靶区剂量，同时显著减少周边正常组织器官辐射受量；2)靶区内物理剂量分布按照要求进行有目的性分配；3)单次分割剂量提高。这些技术的发展，造成了计划设计和实施的复杂性显著提高，同时剂量误差的不确定性显著增加。因此，在现代放疗技术条件下，急需实施个体化放疗剂量验证以保证放疗质量和水平。

目前剂量验证包括基于测量的验证方法(电离室、胶片、二维矩阵、EPID、和三维矩阵)和基于计算的验证方法(蒙卡)，其中较为常用的是基于测量的剂量验证方法。剂量验证的结果分析方式包含剂量差异、吻合距离法、gamma分析法，其中使用最多的分析方式是结合剂量差异和吻合距离的gamma分析法。基于测量的剂量验证过程繁琐耗时且对设备的依赖程度较高，设备分辨率、探头角度响应等都会影响结果。现阶段个体化剂量验证方法中普遍存在效率低、验证的点和面具有较大的局限性等问题。这造成常规个体化的QA费时费力，使得本就任务繁重的治疗中心实现个体化QA的难度更大，因此寻找更加省时、省力且综合有效的剂量验证方法就显得非常重要和迫切。虽然已有的自动化个体化剂量验证方法中，利用机器学习方法基于计划复杂性参数建立二维通过率的预测模型，但是这种方法并没有考虑到加速器执行过程中真实参数对剂量验证的影响，因此并不适用于患者真实照射情况下的剂量验证。

发明内容

本发明所要解决的技术问题是提供一种基于加速器日志文件实现自动化剂量验证的方法，基于加速器日志文件的剂量验证预测模型能够准确预测不同阈值标准下的gamma通过率，提高剂量验证的效率。

为解决上述技术问题，本发明的技术方案是：一种基于加速器日志文件实现自动化剂量验证的方法，包括以下步骤，

SP

SP

SP

SP

SP

SP

SP

SP

SP

SP

SP

作为优选的技术方案，所述SP

作为优选的技术方案，所述SP

作为优选的技术方案，所述SP

作为优选的技术方案，所述SP

对5种训练集和验证集的划分方式进行分别训练，得到同一模型下的5种网络参数，然后对5种参数进行模型平均，得到最终的网络参数，并用此网络参数对测试集数据进行测试。

作为优选的技术方案，所述SP

作为优选的技术方案，所述SP

作为优选的技术方案，所述SP

作为对上述技术方案的改进，所述SP

由于采用了上述技术方案，本发明具有以下有益效果：利用深度学习算法，基于加速器日志文件建立不同阈值标准下gamma通过率的剂量验证预测模型，并验证了预测模型的准确性。基于加速器日志文件形成的通量图作为输入训练预测模型，考虑了真实递送参数,相比基于计划本身参数而言更加准确。基于日志文件的剂量验证预测模型可以准确预测个体化剂量验证结果，实现治疗前的自动化剂量验证，提高剂量验证的效率，允许物理师有更多的时间关注剂量验证失败的原因。

附图说明

以下附图仅旨在于对本发明做示意性说明和解释，并不限定本发明的范围。

其中：

图1是本发明实施例SP

具体实施方式

下面结合附图和实施例，进一步阐述本发明。在下面的详细描述中，只通过说明的方式描述了本发明的某些示范性实施例。毋庸置疑，本领域的普通技术人员可以认识到，在不偏离本发明的精神和范围的情况下，可以用各种不同的方式对所描述的实施例进行修正。因此，附图和描述在本质上是说明性的，而不是用于限制权利要求的保护范围。

如图1所示，一种基于加速器日志文件实现自动化剂量验证的方法，包括以下步骤：

SP

SP

本实施例中所用的直线加速器上的EPID成像仪类型为aS1000，其有效面积为30×40cm

SP

表1

通过上表中的数据可以看出，利用深度学习建立基于日志文件的预测模型能够准确预测gamma通过率。随着阈值标准的严格，预测模型的准确性下降，预测值和真实值的相关系数增加。

SP

SP

SP

SP

SP

SP

SP

SP

本发明利用深度学习算法，基于加速器日志文件建立了不同阈值标准下gamma通过率的剂量验证预测模型，并验证了预测模型的准确性。日志文件记录加速器真实执行过程的叶片位置、MU、机架角等参数，使用日志文件生成的通量图作为深度学习模型的输入，四种不同阈值标准的gamma通过率作为模型的输出响应。预测模型验证集和测试集中测量值和预测值较小的MAE和RMSE，较强或中等的线性。

基于加速器日志文件中形成的通量图作为输入训练预测模型，考虑了真实递送参数，相比基于计划本身的预测模型而言更准确。临床中IMRT计划数目很多，使用预测模型能够准确预测个体化剂量验证结果，实现治疗前的自动化剂量验证，辅助治疗前基于测量的QA工作，提高剂量验证的效率，允许物理师有更多的时间关注剂量验证失败的原因，为自动化个体化QA的进一步发展奠定了基础，有望成为IMRT QA的有力工具。

本发明的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。