论文部分内容阅读
癌症是威胁人类生命安全的主要因素之一,其治疗方法是广大患者和家属最关注的焦点,也是当今学者们的热门研究方向。由遗传基因、不良饮食习惯、细菌感染等多种因素导致的食管癌,已成为我国发病率较高的恶性肿瘤之一。放射治疗是目前食管癌的一种主要治疗手段,而调强放射治疗(Intensity modulated radiation therapy,IMRT)是目前应用最广泛的放射治疗技术,IMRT计划的质量与患者临床治疗效果密切相关。临床上通常应用靶区和危及器官的剂量体积直方图(Dose volume histogram,DVH)来评估计划的可行性和优劣程度。为了获得更优的DVH,计划人员通常使用人工试错的方式不断调整计划优化限制,这耗费了大量的时间和精力,使患者在治疗之前的等待时间变长,增加了其病情进一步加重的可能。本文在充分研究了支持向量回归(Support vector regression,SVR)、前馈反向传播(Back propagation,BP)神经网络学习方法的理论基础上,分别对食管癌建立了几何解剖结构与危及器官DVH的关联模型。通过实验发现,基于SVR学习方法的4种模型总体DVH差异范围为2.80%～5.85%,其中左肺模型总体DVH差异最小,右肺和脊髓次之,心脏最大;基于BP神经网络学习方法的4种模型总体DVH差异范围为4.71%～9.37%,其中左肺模型总体DVH差异最小,右肺和心脏次之,脊髓最大;另外,基于SVR方法建立的左肺、右肺、心脏、脊髓模型的总体DVH差异分别小于基于BP神经网络学习方法建立的对应危及器官模型。即基于SVR方法建立的模型预测效果优于BP神经网络,但两种方法均存在容易陷入局部极小值、模型稳定性和预测精度不足的问题。为了克服以上问题,本文提出了基于人工蜂群算法(Artificial bee colony,ABC)优化的BP神经网络学习方法,简称ABC-BP方法,并建立了食管癌危及器官的DVH预测模型,通过实验发现,基于ABC-BP方法建立的模型总体DVH差异范围为0.81%～1.38%,其中右肺模型的总体DVH差异最小,左肺和脊髓次之,心脏最大。通过对SVR、BP神经网络和ABC-BP方法比较发现,新提出的ABC-BP方法的总体DVH差异均小于前两者。即在危及器官模型的预测效果方面ABC-BP方法最优,SVR次之,BP神经网络最差。总之,本文应用SVR、BP神经网络和ABC-BP方法建立了食管癌患者几何解剖结构与危及器官DVH的关联模型,实验表明使用ABC-BP方法建立的危及器官DVH预测模型拥有更好的预测效果。该模型的建立不仅为计划制定者提供一个良好的前期优化限制和计划质量评估标准,还减少了食管癌IMRT计划优化耗时、患者等待时间和病情恶化的可能性。