背景宮頸癌是女性腫瘤疾病中一種常見的惡性腫瘤疾病。在對(duì)宮頸癌患者進(jìn)行治療計(jì)劃設(shè)計(jì)時(shí),物理師首先根據(jù)自身計(jì)劃設(shè)計(jì)經(jīng)驗(yàn)對(duì)危及器官DVH(Dose volume histogram)參數(shù)做出估計(jì),然后不斷去調(diào)整靶區(qū)和OARs(Organs at risk)的限制參數(shù),TPS(Treatment planning system)根據(jù)目標(biāo)參數(shù)對(duì)治療計(jì)劃進(jìn)行不斷的迭代優(yōu)化。由于危及器官較多,各個(gè)危及器官劑量限值較為嚴(yán)格,經(jīng)常會(huì)出現(xiàn)膀胱、直腸、小腸及股骨頭劑量限值過(guò)低,導(dǎo)致靶區(qū)劑量均勻性和適形度較差,或靶區(qū)劑量均勻性和適形度較好,膀胱、直腸、小腸及股骨頭劑量指數(shù)超出臨床要求。物理師在治療計(jì)劃中需要不斷的進(jìn)行“試錯(cuò)”,直到設(shè)計(jì)的治療計(jì)劃符合臨床要求,但治療計(jì)劃通常達(dá)不到最優(yōu)化,計(jì)劃質(zhì)量不統(tǒng)一。機(jī)器學(xué)習(xí)中人工神經(jīng)網(wǎng)絡(luò)算法可以對(duì)已有“先驗(yàn)性知識(shí)”進(jìn)行學(xué)習(xí)后生成模型,使用該模型即可完成相關(guān)任務(wù)。將機(jī)器學(xué)習(xí)和宮頸癌VMAT治療計(jì)劃相結(jié)合生成自動(dòng)計(jì)劃,即可解決上述問(wèn)題,宮頸癌VMAT治療計(jì)劃設(shè)計(jì)復(fù)雜度將會(huì)降低,計(jì)劃設(shè)計(jì)效率和質(zhì)量將會(huì)得到提升。機(jī)器學(xué)習(xí)在宮頸癌VMAT治療計(jì)劃設(shè)計(jì)中的應(yīng)用具有較大的潛力。目的研究構(gòu)建基于機(jī)器學(xué)習(xí)的劑量預(yù)測(cè)模型實(shí)現(xiàn)對(duì)OARs劑量學(xué)指數(shù)的預(yù)測(cè),并將預(yù)測(cè)值作為優(yōu)化目標(biāo)實(shí)現(xiàn)自動(dòng)計(jì)劃。方法選取60例宮頸癌病例,在臨床計(jì)劃基礎(chǔ)之上繼續(xù)優(yōu)化生成優(yōu)化計(jì)劃。選擇其中45例優(yōu)化計(jì)劃作為訓(xùn)練集,剩余15例優(yōu)化計(jì)劃作為驗(yàn)證集。選擇訓(xùn)練集中的8例病例,分析膀胱、直腸、小腸及股骨頭層面上劑量跌落規(guī)律,建立OARs空間信息模型。分析空間距離指數(shù)與膀胱、直腸、小腸劑量學(xué)指數(shù)(V_(30)、V_(40)、V_(50))、股骨頭劑量學(xué)指數(shù)(V_(30)、V_(35)、V_(40))及自身體積的相關(guān)性�；赥ensorFlow搭建人工神經(jīng)網(wǎng)絡(luò),使用K折交叉驗(yàn)證法對(duì)訓(xùn)練集中OARs空間距離指數(shù)、靶區(qū)體積及其相應(yīng)的劑量學(xué)指數(shù)對(duì)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。根據(jù)泛化誤差確定隱藏層節(jié)點(diǎn)數(shù)量,根據(jù)均方根誤差選擇合適的人工神經(jīng)網(wǎng)絡(luò)作為OARs劑量學(xué)指數(shù)預(yù)測(cè)模型,并對(duì)驗(yàn)證集中的治療計(jì)劃OARs進(jìn)行劑量學(xué)指數(shù)預(yù)測(cè),將預(yù)測(cè)值與優(yōu)化計(jì)劃中劑量學(xué)指數(shù)進(jìn)行對(duì)比,評(píng)估預(yù)測(cè)模型的準(zhǔn)確性。將預(yù)測(cè)值輸入至設(shè)定的自動(dòng)計(jì)劃模板生成自動(dòng)計(jì)劃。將自動(dòng)計(jì)劃分別與臨床計(jì)劃及優(yōu)化計(jì)劃對(duì)比分析,評(píng)估自動(dòng)計(jì)劃、臨床計(jì)劃、優(yōu)化計(jì)劃的優(yōu)劣。結(jié)果劑量在各個(gè)OARs周圍跌落速度不同。膀胱、直腸、小腸的劑量學(xué)指數(shù)(V_(30)、V_(40)、V_(50))、股骨頭的劑量學(xué)指數(shù)(V_(30)、V_(35)、V_(40))與其自身的空間距離指數(shù)多數(shù)呈中度相關(guān)至強(qiáng)相關(guān),與其體積大小多數(shù)呈中度相關(guān)。膀胱、直腸、小腸及股骨頭劑量學(xué)指數(shù)預(yù)測(cè)模型的均方根誤差分別為18.74、15.86、1.53、1.71,隱藏層節(jié)點(diǎn)分別為12、20、10、10。OARs劑量學(xué)指數(shù)預(yù)測(cè)模型可較好的預(yù)測(cè)出膀胱、直腸、小腸劑量學(xué)指數(shù)(V_(30)、V_(40)、V_(50))及股骨頭劑量學(xué)指數(shù)(V_(30)、V_(35)、V_(40)),預(yù)測(cè)值和優(yōu)化計(jì)劃中劑量學(xué)指數(shù)相比差異無(wú)統(tǒng)計(jì)學(xué)意義。自動(dòng)計(jì)劃中劑量均勻性與臨床計(jì)劃、優(yōu)化計(jì)劃之間差異無(wú)統(tǒng)計(jì)學(xué)意義,但劑量適形度相對(duì)于臨床計(jì)劃和優(yōu)化計(jì)劃分別提高了5.0%、4.9%(Z=-2.05,-2.16,P0.05)。自動(dòng)計(jì)劃中多數(shù)OARs劑量學(xué)指數(shù)的平均值低于臨床計(jì)劃,其中自動(dòng)計(jì)劃中膀胱V_(50)指數(shù)比臨床計(jì)劃低2.95(%)(t=-2.912,P0.05)。自動(dòng)計(jì)劃中OARs多數(shù)劑量學(xué)指數(shù)和優(yōu)化計(jì)劃相接近,但其中小腸的V_(50)劑量學(xué)指數(shù)、股骨頭V_(35)和V_(40)劑量指數(shù)要比優(yōu)化計(jì)劃分別低0.84(%)、2.67(%)、1.96(%)(Z=-1.761,t=-3.93,Z=-3.51,P0.05)。結(jié)論基于機(jī)器學(xué)習(xí)中人工神經(jīng)網(wǎng)絡(luò)構(gòu)建的劑量指數(shù)預(yù)測(cè)模型可以準(zhǔn)確的預(yù)測(cè)出OARs的劑量學(xué)指數(shù)。自動(dòng)計(jì)劃中OARs劑量學(xué)指數(shù)、靶區(qū)劑量均勻性和適形度優(yōu)于臨床計(jì)劃和優(yōu)化計(jì)劃,滿足臨床計(jì)劃設(shè)計(jì)要求。將基于機(jī)器學(xué)習(xí)的OARs劑量指數(shù)預(yù)測(cè)模型和計(jì)劃模板相結(jié)合,生成宮頸癌VMAT自動(dòng)計(jì)劃是可行的。
【學(xué)位單位】：安徽醫(yī)科大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：R730.55;R737.33
【部分圖文】：

胱、直腸及股骨頭周圍劑量衰減統(tǒng)計(jì)示意圖(50Gy 至 45Gy 等tic diagram of dose attenuation around bladder, rectum and femor45Gy isodose line)

圖 2.2 小腸周圍劑量衰減統(tǒng)計(jì)示意圖(50Gy 至 45Gy 等劑量線atic diagram of dose attenuation around the small intestin距離選擇區(qū)外劑量衰減規(guī)律分析，對(duì)靶區(qū)輪廓進(jìn)行外擴(kuò)，外擴(kuò)

圖 2.3 TensorBoard 可視化向量相加計(jì)算圖.3 TensorBoard visualization vector addition calculation d絡(luò)原理工智能的一個(gè)分支。人工智能的研究歷史發(fā)展階段[38]。顯然，機(jī)器學(xué)習(xí)作為實(shí)現(xiàn)人工智能的

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孟雨;;機(jī)器學(xué)習(xí)讓計(jì)算機(jī)更智能[J];計(jì)算機(jī)與網(wǎng)絡(luò);2019年14期

2 高華川;;機(jī)器學(xué)習(xí)在經(jīng)濟(jì)學(xué)中的應(yīng)用[J];納稅;2019年24期

3 李兵;林文釗;羅崢尹;;基于機(jī)器學(xué)習(xí)的智慧農(nóng)業(yè)決策系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J];信息與電腦(理論版);2018年24期

4 舒娜;劉波;林偉偉;李鵬飛;;分布式機(jī)器學(xué)習(xí)平臺(tái)與算法綜述[J];計(jì)算機(jī)科學(xué);2019年03期

5 劉傳會(huì);汪小亞;郭增輝;;機(jī)器學(xué)習(xí)在反洗錢領(lǐng)域的應(yīng)用與發(fā)展[J];清華金融評(píng)論;2019年04期

6 朱輝;;機(jī)器學(xué)習(xí)在企業(yè)級(jí)場(chǎng)景中的實(shí)踐與探討[J];中國(guó)建設(shè)信息化;2018年03期

7 彭傳意;;機(jī)器學(xué)習(xí)——我們?cè)撊绾闻c機(jī)器競(jìng)爭(zhēng)[J];數(shù)字通信世界;2018年01期

8 陳軼翔;埃里克·布倫喬爾森;湯姆·米切爾;;機(jī)器學(xué)習(xí)的能力范圍及其對(duì)勞動(dòng)力的影響[J];世界科學(xué);2018年04期

9 趙長(zhǎng)林;;機(jī)器學(xué)習(xí)即服務(wù)[J];網(wǎng)絡(luò)安全和信息化;2017年10期

10 ;機(jī)器學(xué)習(xí)作用于信息安全的五大頂級(jí)案例[J];網(wǎng)絡(luò)安全和信息化;2018年01期

相關(guān)會(huì)議論文 前10條

1 王玨;;歸納機(jī)器學(xué)習(xí)[A];2001年中國(guó)智能自動(dòng)化會(huì)議論文集（上冊(cè)）[C];2001年

2 王衍魯;張利會(huì);張淑潔;石潔茹;王鵬;;大學(xué)新生學(xué)校適應(yīng)的個(gè)體與環(huán)境因素探究:基于機(jī)器學(xué)習(xí)的考察[A];第二十屆全國(guó)心理學(xué)學(xué)術(shù)會(huì)議--心理學(xué)與國(guó)民心理健康摘要集[C];2017年

3 張長(zhǎng)水;;大數(shù)據(jù)機(jī)器學(xué)習(xí)[A];2015年中國(guó)自動(dòng)化大會(huì)摘要集[C];2015年

4 何琳;侯漢清;;基于標(biāo)引經(jīng)驗(yàn)和機(jī)器學(xué)習(xí)相結(jié)合的多層自動(dòng)分類[A];2005年中國(guó)索引學(xué)會(huì)年會(huì)暨學(xué)術(shù)研討會(huì)論文集[C];2005年

5 李剛;郭崇慧;林鴻飛;楊志豪;唐煥文;;基于詞典法和機(jī)器學(xué)習(xí)法相結(jié)合的蛋白質(zhì)名識(shí)別[A];大連理工大學(xué)生物醫(yī)學(xué)工程學(xué)術(shù)論文集（第2卷）[C];2005年

6 徐禮勝;李乃民;王寬全;張冬雨;耿斌;姜曉睿;陳超海;羅貴存;;機(jī)器學(xué)習(xí)在中醫(yī)計(jì)算機(jī)診斷識(shí)別系統(tǒng)中的應(yīng)用思考[A];第一屆全國(guó)中西醫(yī)結(jié)合診斷學(xué)術(shù)會(huì)議論文選集[C];2006年

7 吳滄浦;;智能系統(tǒng)與機(jī)器學(xué)習(xí)的新領(lǐng)域[A];西部大開發(fā) 科教先行與可持續(xù)發(fā)展——中國(guó)科協(xié)2000年學(xué)術(shù)年會(huì)文集[C];2000年

8 蔡健平;林世平;;基于機(jī)器學(xué)習(xí)的詞語(yǔ)和句子極性分析[A];第三屆全國(guó)信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集[C];2007年

9 吳娜;刁聯(lián)旺;;基于機(jī)器學(xué)習(xí)的博弈對(duì)抗模型優(yōu)化框架軟件系統(tǒng)設(shè)計(jì)[A];第六屆中國(guó)指揮控制大會(huì)論文集（上冊(cè)）[C];2018年

10 蔣雍建;程楠;劉澤佳;周立成;湯立群;劉逸平;蔣震宇;;基于響應(yīng)統(tǒng)計(jì)特征和機(jī)器學(xué)習(xí)的橋梁損傷識(shí)別方法研究[A];2018年全國(guó)固體力學(xué)學(xué)術(shù)會(huì)議摘要集（下）[C];2018年

相關(guān)重要報(bào)紙文章 前10條

1 本報(bào)記者 馬愛平;聯(lián)邦學(xué)習(xí)或可破解機(jī)器學(xué)習(xí)數(shù)據(jù)獲取難題[N];科技日?qǐng)?bào);2019年

2 CIO.com資深作家 Clint Boulton 編譯 Charles;領(lǐng)先一步:機(jī)器學(xué)習(xí)的10個(gè)成功案例[N];計(jì)算機(jī)世界;2018年

3 Bob Violino 編譯 Charles;盲目冒進(jìn):機(jī)器學(xué)習(xí)的5個(gè)失敗案例[N];計(jì)算機(jī)世界;2018年

4 本報(bào)駐波士頓記者 侯麗;深入挖掘機(jī)器學(xué)習(xí)潛力[N];中國(guó)社會(huì)科學(xué)報(bào);2019年

5 王方 編譯;菌自何方 機(jī)器學(xué)習(xí)早知道[N];中國(guó)科學(xué)報(bào);2019年

6 Matt Asay 編譯 Monkey King;為什么機(jī)器學(xué)習(xí)沒(méi)有捷徑可循？[N];計(jì)算機(jī)世界;2019年

7 本報(bào)記者 操秀英;當(dāng)量子計(jì)算遇到機(jī)器學(xué)習(xí)會(huì)碰撞出什么火花？[N];科技日?qǐng)?bào);2019年

8 彭博企業(yè)數(shù)據(jù)業(yè)務(wù)全球負(fù)責(zé)人 Gerard Francis;金融數(shù)據(jù)質(zhì)量決定機(jī)器學(xué)習(xí)時(shí)代的投資回報(bào)[N];計(jì)算機(jī)世界;2019年

9 Isaac Sacolick 編譯 Charles;關(guān)于機(jī)器學(xué)習(xí)的5個(gè)要點(diǎn)[N];計(jì)算機(jī)世界;2019年

10 記者 張夢(mèng)然;全新算法助機(jī)器學(xué)習(xí)抵抗干擾[N];科技日?qǐng)?bào);2019年

相關(guān)博士學(xué)位論文 前10條

1 王磊;基于機(jī)器學(xué)習(xí)的藥物—靶標(biāo)相互作用預(yù)測(cè)研究[D];中國(guó)礦業(yè)大學(xué);2018年

2 張慶;鈣鈦礦型功能材料的基因組工程研究[D];上海大學(xué);2018年

3 管月;醫(yī)學(xué)腫瘤影像分類算法研究及其在肝癌上的應(yīng)用[D];南京大學(xué);2018年

4 郝小可;基于機(jī)器學(xué)習(xí)的影像遺傳學(xué)分析及其應(yīng)用研究[D];南京航空航天大學(xué);2017年

5 施建明;基于機(jī)器學(xué)習(xí)的產(chǎn)品剩余壽命預(yù)測(cè)方法研究[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院遙感與數(shù)字地球研究所);2018年

6 陳再毅;機(jī)器學(xué)習(xí)中的一階優(yōu)化算法收斂性研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2018年

7 陸海進(jìn);Zr合金熱動(dòng)力學(xué)研究及機(jī)器學(xué)習(xí)[D];上海大學(xué);2018年

8 戴望州;一階邏輯領(lǐng)域知識(shí)與機(jī)器學(xué)習(xí)的結(jié)合研究[D];南京大學(xué);2019年

9 符丹卉;基于MRI結(jié)構(gòu)成像與靜息態(tài)功能成像影像特征的機(jī)器學(xué)習(xí)法在AIDS患者中的應(yīng)用研究[D];廣西醫(yī)科大學(xué);2019年

10 Kashif Sultan（克希夫）;5G移動(dòng)通信網(wǎng)絡(luò)中的呼叫記錄分析[D];北京科技大學(xué);2019年

相關(guān)碩士學(xué)位論文 前10條

1 王健宇;基于機(jī)器學(xué)習(xí)的政務(wù)決策網(wǎng)絡(luò)支持度應(yīng)用研究[D];中北大學(xué);2019年

2 沈嘉怡;基于機(jī)器學(xué)習(xí)的圖劃分算法的可預(yù)測(cè)性研究[D];華東師范大學(xué);2019年

3 郭佳琦;基于機(jī)器學(xué)習(xí)的Gstore消費(fèi)額預(yù)測(cè)[D];天津商業(yè)大學(xué);2019年

4 李江濤;基于機(jī)器學(xué)習(xí)組合算法的Webshell檢測(cè)方法與實(shí)現(xiàn)[D];山東大學(xué);2019年

5 唐婧璇;基于機(jī)器學(xué)習(xí)的電力系統(tǒng)暫態(tài)穩(wěn)定性評(píng)估[D];山東大學(xué);2019年

6 劉巧利;基于機(jī)器學(xué)習(xí)的疾病自動(dòng)診斷研究[D];煙臺(tái)大學(xué);2019年

7 樓麗琪;基于機(jī)器學(xué)習(xí)的光網(wǎng)絡(luò)告警智能分析技術(shù)研究[D];北京郵電大學(xué);2019年

8 邵佳俊;基于機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)違規(guī)信息的分類系統(tǒng)[D];上海師范大學(xué);2019年

9 杜宇梅;政策不確定性與公司長(zhǎng)期投資[D];廈門大學(xué);2017年

10 尚書夏;基于機(jī)器學(xué)習(xí)的二維五邊形材料性質(zhì)預(yù)測(cè)[D];蘭州大學(xué);2019年

本文編號(hào)：2813253