一种硼中子俘获治疗方法与装置

技术特征：
1.一种硼中子俘获治疗方法，其特征在于，包括：s1，获得多个病人mri初始扫描图像及对应的ct初始扫描图像；s2，搭建神经网络，利用多个所述mri初始扫描图像和对应的ct初始扫描图像对所述神经网络进行训练和验证，得到训练后的神经网络，其中所述训练后的神经网络能够根据mri初始扫描图像输出对应的伪ct图像，且所述伪ct图像与所述ct初始扫描图像的相似度在限定误差范围内；s3，利用所述伪ct图像，完成靶区及危及器官的勾画，拟定中子束流相对位置，计算得到放射剂量，实施硼中子俘获治疗。2.如权利要求1所述的硼中子俘获治疗方法，其特征在于，搭建并训练神经网络为：选用基于卷积神经网络的人工智能网络，搭建神经网络；在所述神经网络中引入注意力机制，且所述神经网络中包含注意力权重和卷积网络参数，在输出每个所述伪ct图像时，利用所述注意力机制计算对应的所述注意力权重，选取所述限定误差范围最小时的注意力权重和对应的所述卷积网络参数形成所述训练好的神经网络。3.如权利要求2所述的硼中子俘获治方法，其特征在于，计算所述注意力权重，并输出所述伪ct图像的方法为：所述注意力机制包括通道注意力机制，所述mri初始扫描图像包括初始特征f；所述通道注意力机制通过全局平均池化和最大池化方法将三维所述mri初始扫描图像处理为两个一维通道图像，再分别经过多层感知机mlp得到两个输出特征，两个所述输出特征相加后经过激活函数σ得到所述注意力权重系数vc，所述注意力权重系数vc与所述初始特征f的乘积即为所述伪ct图像；vc(f)＝σ(mlp(avgpool(f)) mlp(max pool(f)))式中max pool和avg pool分别为最大池化以及平均值池化操作，mlp为多层感知机,σ为激活函数，vc为注意力权重系数。4.如权利要求2所述的硼中子俘获治疗方法，其特征在于，计算所述注意力权重，并输出所述伪ct图像的方法为：所述注意力机制包括空间注意力机制，所述mri初始扫描图像包括初始特征f；所述空间注意力机制通过一个通道维度的平均池化和最大池化方法将三维所述mri初始扫描图像处理为两个二维通道图像，将两个所述二维通道图像按照通道拼接在一起，经过激活函数σ获得注意力权重系数vs，所述注意力权重系数vs与初始特征f的乘积为所述伪ct图像；v
s
(f)＝σ(f([avgpool(f)，maxpol(f)]))式中max pool和avg pool分别为最大池化以及平均值池化操作，mlp为多层感知机,σ为激活函数，vs为注意力权重系数。5.如权利要求2所述的硼中子俘获治疗方法，其特征在于，选取所述限定误差范围最小时的注意力权重的方法为：计算所述伪ct图像和所述初始ct图像的相似度的平均绝对误差或均方误差，选取所述平均绝对误差或均方误差最小时的权重，设置为所述神经网络中的权重值。6.如权利要求1所述的硼中子俘获治疗方法，其特征在于，所述mri初始扫描图像中包
括硼浓度分布信息，结合所述硼浓度分布信息，利用蒙特卡罗程序，计算所述放射剂量。7.如权利要求1所述的硼中子俘获治疗方法，其特征在于，还包括：利用最大类方差法将所述mri初始扫描图像，按照图像的灰度特性，分成背景和前景两部分，选取前景部分的mri输入图像，利用刚性迭代配准，将所述前景部分的mri初始扫描图像与对应的同一病人的ct的初始扫描图像进行刚性配准，得到配准后的mri输入图像为输入所述神经网络的mri初始图像。8.如权利要求7所述的硼中子俘获治疗的方法，其特征在于，所述刚性配准的方法为：利用simpleitk工具包执行所述刚性迭代配准，其中设置直方图分类数为50，抽样百分比为1％，插值器选用sitklinear。9.一种利用如权利要求1-8任一所述方法的离线硼中子俘获治疗的装置，其特征在于，包括：mri扫描仪，对病人病灶部位进行mri扫描成像；治疗床，承担病人并在所述mri扫描仪或粒子加速器内滑动；处理器，根据所述mri扫描成像，实施如权利要求1-8任一所述方法，输出伪ct图像，计算硼中子辐射剂量，发送指令至粒子加速器；粒子加速器，接收所述指令，并发射硼中子至所述病灶部位进行硼中子俘获治疗。10.一种利用如权利要求1-8任一所述方法的在线硼中子俘获治疗的装置，其特征在于，包括：mri-粒子加速器一体机，对病人病灶部位进行mri扫描成像，并输出硼浓度分布和解剖结构信息，并在接收指令后发射射束进行治疗；治疗床，承担病人并在所述mri-粒子加速器一体机内滑动；处理器，根据所述mri扫描成像，实施如权利要求1-8任一所述方法，输出伪ct图像，计算硼中子辐射剂量，根据所述硼浓度分布解剖结构信息和所述辐射剂量，拟定治疗计划，发送指令至所述mri-粒子加速器一体机。

技术总结
本申请公开一种硼中子俘获治疗方法，包括：S1，获得多个病人MRI初始扫描图像及对应的CT初始扫描图像；S2，搭建神经网络，利用多个所述MRI初始扫描图像和对应的CT初始扫描图像对所述神经网络进行训练和验证，得到训练后的神经网络，其中所述训练后的神经网络能够根据MRI初始扫描图像输出对应的伪CT图像，且所述伪CT图像与所述CT初始扫描图像的相似度在限定误差范围内；S3，利用所述伪CT图像，完成靶区及危及器官的勾画，拟定中子束流相对位置，计算得到放射剂量，实施硼中子俘获治疗。本方法可在治疗前无需CT扫描便可以实现放疗前的计划设计和剂量计算；MRI可以与加速器相结合可以在放疗过程中实现实时定位；MRI不会带来额外的辐射和引入金属伪影。外的辐射和引入金属伪影。外的辐射和引入金属伪影。


技术研发人员：耿长冉 赵胜 汤晓斌 刘渊豪 韩阳
受保护的技术使用者：南京航空航天大学
技术研发日：2022.05.18
技术公布日：2022/12/8