CN115732086A - 一种基于层次分析法的脑胶质瘤囊结构治疗效果评判方法 - Google Patents
一种基于层次分析法的脑胶质瘤囊结构治疗效果评判方法 Download PDFInfo
- Publication number
- CN115732086A CN115732086A CN202211541668.8A CN202211541668A CN115732086A CN 115732086 A CN115732086 A CN 115732086A CN 202211541668 A CN202211541668 A CN 202211541668A CN 115732086 A CN115732086 A CN 115732086A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- sac
- effect
- brain glioma
- evaluation index
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000000694 effects Effects 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 33
- 201000007983 brain glioma Diseases 0.000 title claims abstract description 31
- 238000011156 evaluation Methods 0.000 claims abstract description 62
- 206010028980 Neoplasm Diseases 0.000 claims abstract description 38
- 239000002775 capsule Substances 0.000 claims abstract description 33
- 238000005457 optimization Methods 0.000 claims abstract description 22
- 238000010521 absorption reaction Methods 0.000 claims description 11
- 231100000987 absorbed dose Toxicity 0.000 claims description 6
- 210000000056 organ Anatomy 0.000 claims description 6
- 230000002093 peripheral effect Effects 0.000 claims description 4
- 230000001225 therapeutic effect Effects 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 2
- 230000035945 sensitivity Effects 0.000 claims description 2
- 238000001959 radiotherapy Methods 0.000 abstract description 12
- 238000011127 radiochemotherapy Methods 0.000 abstract description 4
- 239000011159 matrix material Substances 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002285 radioactive effect Effects 0.000 description 2
- 208000003174 Brain Neoplasms Diseases 0.000 description 1
- 210000001130 astrocyte Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000004071 biological effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 238000002512 chemotherapy Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 description 1
- 230000002518 glial effect Effects 0.000 description 1
- 238000007917 intracranial administration Methods 0.000 description 1
- 210000004498 neuroglial cell Anatomy 0.000 description 1
- 210000004248 oligodendroglia Anatomy 0.000 description 1
- 238000002727 particle therapy Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 210000004881 tumor cell Anatomy 0.000 description 1
Images
Landscapes
- Radiation-Therapy Devices (AREA)
Abstract
本发明公开了一种基于层次分析法的脑胶质瘤囊结构治疗效果评判方法，目的是解决传统放化疗计划中囊结构优化缺乏治疗评判标准的问题。具体包括以下步骤：首先，选取脑胶质瘤囊结构治疗效果的评价指标，确定各个评价指标的重要程度，运用层次分析法计算各个评价指标权重；然后，根据各个评价指标定义，计算脑胶质瘤囊结构各个评价指标效果得分；最后，对各个评价指标效果得分分别进行标准化，将标准化后的各个评价指标效果得分与评价指标对应权重作用，得到最终评判结果。本发明实现对各种参数的植入囊结构治疗效果评判，为得到最优化的植入囊结构和达到最佳放射治疗效果提供依据，可以最大程度放化疗肿瘤。
Description
技术领域
本发明涉及脑胶质瘤放化疗植入囊结构优化领域和治疗效果评估领域。具体涉及一种基于层次分析法的脑胶质瘤囊结构治疗效果评判方法。
背景技术
脑胶质瘤是一种起源于神经胶质细胞的肿瘤，是成人最常见的原发性脑肿瘤，主要来源于脑胶质细胞，如星形胶质细胞或少突胶质细胞。放射性粒子治疗作为一种内放射治疗被广泛地应用在全身实体肿瘤和部分腔道肿瘤的治疗，主要通过持续辐射低剂量率γ射线杀伤肿瘤细胞，具有特殊的生物学和物理学特性。随着放射性治疗在医学领域的进一步发展，大约有70％的癌症病人在治疗过程中会使用到放疗。
在放射治疗前，医生往往会根据CT诊断的结果来判定肿瘤组织的大小进而选择放射性治疗中使用的植入囊的大小，然后对植入囊结构参数进行优化，设计针对特定患者专属的植入囊，以此达到最佳的放射治疗效果。然而判断一种囊结构对脑胶质瘤治疗效果的好坏，由于缺乏治疗评判标准，往往需要依赖主治医师经验，同时也增加了医师诊断时间和工作量。为了解决这一问题，本发明提出了一种基于层次分析法的脑胶质瘤囊结构治疗效果评判方法，实现对各种参数的植入囊结构治疗效果评判，为得到最优化的植入囊结构和达到最佳放射治疗效果，可以最大程度放化疗肿瘤。本发明适用于放射性治疗术前为病患者制定植入囊的优化提供依据。
发明内容
1.本发明针对脑胶质瘤囊结构治疗效果缺乏治疗评判标准的问题，提供一种基于层次分析法的脑胶质瘤囊结构治疗效果评判方法：首先，选取脑胶质瘤囊结构治疗效果的评价指标，确定各个评价指标的重要程度，运用层次分析法计算各个评价指标权重；然后，根据各个评价指标定义，计算脑胶质瘤囊结构各个评价指标效果得分；最后，对各个评价指标效果得分分别进行标准化，将标准化后的各个评价指标效果得分与评价指标对应权重作用，得到最终评判结果。
为了实现上述目的，本发明采取的技术方案是：基于层次分析法的脑胶质瘤囊结构治疗效果评判方法，包括如下步骤：
步骤一：确定脑胶质瘤囊结构治疗效果的评价指标集；
步骤二：依据专家意见，确定各个评价指标的重要程度；
步骤三：运用层次分析法，计算各个评价指标权重；
步骤四：根据各个评价指标定义，计算脑胶质瘤囊结构各个评价指标效果得分；
步骤五：将各个评价指标效果得分分别进行标准化；
步骤六：将标准化后的各个评价指标效果得分与评价指标对应权重作用，得到最终评判结果。
2.作为进一步优化说明，步骤一中，脑胶质瘤囊结构治疗效果的评价指标集包含：中心与边界平均吸收剂量率比值、肿瘤区域有效剂量和非肿瘤区域有效剂量比值、囊结构平均形变、囊结构成本价值；
中心与边界平均吸收剂量率比值：中心位置吸收剂量率越高，将放射源植入病灶内部对肿瘤的杀伤力越高；边界位置吸收剂量率越低，说明对周边的组织放射性越小，可以减小对周围其他组织的损伤；因此，中心与边界平均吸收剂量率比值越大，对肿瘤辐照效果越好，对肿瘤周围组织器官伤害较低；
肿瘤区域有效剂量和非肿瘤区域有效剂量比值：肿瘤区域的有效剂量越高，对肿瘤治疗的疗效越好；非肿瘤区域有效剂量越低，对组织和重要器官的伤害越小；肿瘤区域有效剂量和非肿瘤区域比值越大，证明对应囊结构治疗效果更好；
囊结构平均形变：囊结构平均形变越大，说明囊受到颅内压强形变越大，会降低囊结构治疗效果；
囊结构成本价值：囊结构成本越大，对病患者经济负担越重。
3.作为进一步优化说明，步骤二中，确定各个评价指标的重要程度的计算公式为：
aij＝ai/aj(i＝1,2,3,4j＝1,2,3,4)
式中，aij为第i个元素和第j个元素的重要程度之比；ai为第i个元素的重要程度等级，aj为第j个元素的重要程度等级，重要程度等级根据层次分析法中量化的重要等级范围确定。
4.作为进一步优化说明，步骤三中，运用层次分析法，计算各个评价指标权重，中心与边界平均吸收剂量率比值、肿瘤区域有效剂量和非肿瘤区域有效剂量比值、囊结构平均形变、囊结构成本价值的权重分别为：ω1、ω2、ω3、ω4。
5.作为进一步优化说明，步骤四中，各个评价指标包含参数分别有：中心位置吸收剂量率为
边界位置吸收剂量率为
周围组织吸收剂量为
肿瘤吸收剂量为
重要器官吸收剂量为
组织器官的辐射敏感性为ε，i代表不同囊结构优化模型对应编号；各个评价指标定义分别为：
中心与边界平均吸收剂量率比值公式为：
肿瘤区域有效剂量和非肿瘤区域有效剂量比值公式为：
囊结构平均形变为：ES；
囊结构成本价值为：EW。
6.作为进一步优化说明，步骤五中，标准化公式为：
式中，t代表不同的脑胶质瘤囊结构总共个数，i代表不同囊结构优化模型对应编号，μ代表均值，σ2代表方差，E代表各个评价指标，
代表标准化后的评价指标。
7.作为进一步优化说明，步骤六中，将标准化后的
与权重参数ω进行作用得到最终评判结果S(i)，其公式为：
本发明与现有技术相比，具有如下的优点和有益效果：
本文提出一种基于层次分析法的脑胶质瘤囊结构治疗效果评判方法。目的是解决囊结构对脑胶质瘤治疗效果缺乏治疗评判标准，往往需要依赖主治医师经验的问题。本发明实现对各种参数的植入囊结构治疗效果评判，为得到最优化的植入囊结构和达到最佳放射治疗效果提供依据，可以最大程度放化疗肿瘤。本发明适用于放射性治疗术前为病患者制定植入囊的优化提供依据。
附图说明
图1为本发明中一种基于层次分析法的脑胶质瘤囊结构治疗效果评判方法的流程图。
具体实施方式：
为了使本发明的目的、技术方案及优点更加的清楚明白，以下结合附图及实施例，对本发明进一步详细说明，应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。
结合图1说明，本实例基于层次分析法的脑胶质瘤囊结构治疗效果评判方法按照以下步骤进行：
步骤一：确定脑胶质瘤囊结构治疗效果的评价指标集，脑胶质瘤囊结构治疗效果的评价指标集包含：中心与边界平均吸收剂量率比值、肿瘤区域有效剂量和非肿瘤区域有效剂量比值、囊结构平均形变、囊结构成本价值；
步骤二：依据专家意见，确定各个评价指标的重要程度；
本步骤中，结合现场实际和专家意见，根据重要性等级标度，确定各个影响因素的重要性等级，给出如表1所示的重要等级标度：
表1重要等级标度
| 因素i比因素j | 量化值 |
| 同等重要 | 1 |
| 略微重要 | 3 |
| 较强重要 | 5 |
| 强烈重要 | 7 |
| 极为重要 | 9 |
| 两相邻判断的中间值 | 2,4,6,8 |
结合现场实际和专家意见，确定4个评价指标的重要程度等级aij，构成判断矩阵，如：某主治医师根据病患者病情与家庭条件，确定a1、a2、a3、a4分别为中心与边界平均吸收剂量率比值、肿瘤区域有效剂量和非肿瘤区域有效剂量比值、囊结构平均形变、囊结构成本价值重要程度数值，给出判断矩阵如下：
根据判断矩阵，计算其最大特征值λmax＝4.0735，其对应的特征向量n＝(0.69410.6941 0.0831 0.1715)，进行一致性检验，验证矩阵H是否具有一致性或者满意的一致性，如果不具有一致性，则需要对该矩阵进行调整，如果满足一致性要求，则对特征向量进行归一化处理得到各个因素的权重向量w＝(0.42 0.42 0.05 0.11)，
步骤三：运用层次分析法，计算各个评价指标权重，中心与边界平均吸收剂量率比值、肿瘤区域有效剂量和非肿瘤区域有效剂量比值、囊结构平均形变、囊结构成本价值的权重分别为：ω1＝0.42、ω2＝0.42、ω3＝0.05、ω4＝0.11；
步骤四：根据各个评价指标定义，计算脑胶质瘤囊结构各个评价指标效果得分；其评价指标效果得分分别为
步骤五：将各个评价指标效果得分分别进行标准化，其标准化后的值分别为
步骤六：将标准化后的各个评价指标效果得分与评价指标对应权重作用，得到最终评判结果S(i)。
需要说明的是，以上内容仅仅说明了本发明的技术思想，不能以此限定本发明的保护范围，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰均落入本发明权利要求书的保护范围之内。
Claims (1)
1.一种基于层次分析法的脑胶质瘤囊结构治疗效果评判方法，其特征在于，该方法包括如下步骤：
步骤一：确定脑胶质瘤囊结构治疗效果的评价指标集；
作为进一步优化说明，步骤一中，脑胶质瘤囊结构治疗效果的评价指标集包含：中心与边界平均吸收剂量率比值、肿瘤区域有效剂量和非肿瘤区域有效剂量比值、囊结构平均形变、囊结构成本价值；
步骤二：依据专家意见，确定各个评价指标的重要程度；
步骤三：运用层次分析法，计算各个评价指标权重；
作为进一步优化说明，步骤三中，运用层次分析法，计算各个评价指标权重，中心与边界平均吸收剂量率比值、肿瘤区域有效剂量和非肿瘤区域有效剂量比值、囊结构平均形变、囊结构成本价值的权重分别为：ω1、ω2、ω3、ω4；
步骤四：根据各个评价指标定义，计算脑胶质瘤囊结构各个评价指标效果得分；
作为进一步优化说明，步骤四中，各个评价指标包含参数分别有：中心位置吸收剂量率为
边界位置吸收剂量率为
周围组织吸收剂量为
肿瘤吸收剂量为
重要器官吸收剂量为
组织器官的辐射敏感性为ε，i代表不同囊结构优化模型对应编号；各个评价指标定义分别为：
中心与边界平均吸收剂量率比值公式为：
肿瘤区域有效剂量和非肿瘤区域有效剂量比值公式为：
囊结构平均形变为：ES；
囊结构成本价值为：EW。
步骤五：将各个评价指标效果得分分别进行标准化；
作为进一步优化说明，步骤五中，标准化公式为：
式中，t代表不同的脑胶质瘤囊结构总共个数，i代表不同囊结构优化模型对应编号，μ代表均值，σ2代表方差，E代表各个评价指标；
代表标准化后的评价指标；
步骤六：将标准化后的各个评价指标效果得分与评价指标对应权重作用，得到最终评判结果；
作为进一步优化说明，步骤六中，将标准化后的
与权重参数ω进行作用得到最终评判结果S(i)，其公式为：
式中，i代表不同囊结构优化模型对应的编号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211541668.8A CN115732086A (zh) | 2022-12-03 | 2022-12-03 | 一种基于层次分析法的脑胶质瘤囊结构治疗效果评判方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211541668.8A CN115732086A (zh) | 2022-12-03 | 2022-12-03 | 一种基于层次分析法的脑胶质瘤囊结构治疗效果评判方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115732086A true CN115732086A (zh) | 2023-03-03 |
Family
ID=85300012
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211541668.8A Pending CN115732086A (zh) | 2022-12-03 | 2022-12-03 | 一种基于层次分析法的脑胶质瘤囊结构治疗效果评判方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115732086A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011147593A (ja) * | 2010-01-21 | 2011-08-04 | Mitsubishi Electric Corp | 放射線治療支援システム |
| US20170140109A1 (en) * | 2014-02-04 | 2017-05-18 | Optimata Ltd. | Method and system for prediction of medical treatment effect |
| CN106902480A (zh) * | 2017-03-07 | 2017-06-30 | 西安体医疗科技有限公司 | 一种并行量子退火靶点分布计算方法 |
| CN107545137A (zh) * | 2017-08-16 | 2018-01-05 | 强深智能医疗科技（昆山）有限公司 | 肿瘤放射治疗计划智能优化方法 |
| CN109118067A (zh) * | 2018-07-27 | 2019-01-01 | 华北电力大学 | 一种可再生能源发展潜力评估方法 |
| CN110404186A (zh) * | 2019-07-24 | 2019-11-05 | 戴建荣 | 一种设计非共面容积旋转调强放疗计划的方法 |
| CN115375981A (zh) * | 2022-07-31 | 2022-11-22 | 哈尔滨理工大学 | 一种基于蒙特卡洛采样算法的剂量场融合方法 |
-
2022
- 2022-12-03 CN CN202211541668.8A patent/CN115732086A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011147593A (ja) * | 2010-01-21 | 2011-08-04 | Mitsubishi Electric Corp | 放射線治療支援システム |
| US20170140109A1 (en) * | 2014-02-04 | 2017-05-18 | Optimata Ltd. | Method and system for prediction of medical treatment effect |
| CN106902480A (zh) * | 2017-03-07 | 2017-06-30 | 西安体医疗科技有限公司 | 一种并行量子退火靶点分布计算方法 |
| CN107545137A (zh) * | 2017-08-16 | 2018-01-05 | 强深智能医疗科技（昆山）有限公司 | 肿瘤放射治疗计划智能优化方法 |
| CN109118067A (zh) * | 2018-07-27 | 2019-01-01 | 华北电力大学 | 一种可再生能源发展潜力评估方法 |
| CN110404186A (zh) * | 2019-07-24 | 2019-11-05 | 戴建荣 | 一种设计非共面容积旋转调强放疗计划的方法 |
| CN115375981A (zh) * | 2022-07-31 | 2022-11-22 | 哈尔滨理工大学 | 一种基于蒙特卡洛采样算法的剂量场融合方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Emami | Tolerance of normal tissue to therapeutic radiation | |
| US9254396B2 (en) | Advanced radiotherapy treatment planning optimization | |
| Symons et al. | Volumetric modulated arc therapy for total body irradiation: a feasibility study using Pinnacle3 treatment planning system and Elekta Agility™ linac | |
| Dimitriadis et al. | A novel index for assessing treatment plan quality in stereotactic radiosurgery | |
| Esche et al. | Dosimetric methods in the optimization of radiotherapy for carcinoma of the uterine cervix | |
| Wang et al. | Monte Carlo evaluation of 6 MV intensity modulated radiotherapy plans for head and neck and lung treatments | |
| Mackay et al. | Predicting late rectal complications following prostate conformal radiotherapy using biologically effective doses and normalized dose-surface histograms. | |
| Chung et al. | Comparison of VMAT‐SABR treatment plans with flattening filter (FF) and flattening filter‐free (FFF) beam for localized prostate cancer | |
| CN109499013B (zh) | 一种肿瘤放射治疗中生物效应剂量确定方法及系统 | |
| Georg et al. | Assessment of improved organ at risk sparing for advanced cervix carcinoma utilizing precision radiotherapy techniques | |
| Allaveisi et al. | Comparison between the four-field box and field-in-field techniques for conformal radiotherapy of the esophagus using dose–volume histograms and normal tissue complication probabilities | |
| CN115732086A (zh) | 一种基于层次分析法的脑胶质瘤囊结构治疗效果评判方法 | |
| Xiang et al. | Which technique of positioning and immobilization is better for breast cancer patients in postmastectomy IMRT, single‐pole or double‐pole immobilization? | |
| Harmon et al. | Bladder distension improves the dosimetry of organs at risk during intracavitary cervical high-dose-rate brachytherapy | |
| Waheed et al. | Dosimetric comparison of whole breast radiotherapy using field-in-field and volumetric modulated arc therapy techniques in left-sided breast cancer patients | |
| Warrell et al. | Organ sparing of linac‐based targeted marrow irradiation over total body irradiation | |
| Huang et al. | Planning issues on linac-based stereotactic radiotherapy | |
| Sharyan et al. | Dosimetric comparison of 3DCRT versus RapidArc in terms of iso-dose distribution, dose volume histogram (DVH) and dosimetric results for the PTV and critical organs for glioblastoma (GBM) | |
| Elbaz et al. | Quality of Radiosurgical Plans by Leksell Gamma Knife Perfexion in the Treatment of Meningioma: Comparison between two isodose lines (50% and 75%) | |
| Vinh et al. | Research on using imrt plan for preoperative rectal cancer patients | |
| Fdhila et al. | Quantitative evaluation of the impact of heterogeneity correction on left breast cancer radiotherapy performed with respiratory gating | |
| Kim et al. | Comparison study of the partial-breast irradiation techniques: Dosimetric analysis of three-dimensional conformal radiation therapy, electron beam therapy, and helical tomotherapy depending on various tumor locations | |
| So et al. | Dosimetric comparison between partial and full arc volumetric modulated arc therapy (vmat) for rectal cancer radiotherapy | |
| Lutfin et al. | The effect of volume target on quality of radiotherapy using 3DCRT and IMRT: dosimetry and radiobiological evaluation | |
| Raina et al. | Comparison between Three-Dimensional Conformal Radiation Therapy (3DCRT) and Intensity-Modulated Radiation Therapy (IMRT) for Radiotherapy of Cervical Carcinoma: A Heterogeneous Phantom Study |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20230303 |
|
| WD01 | Invention patent application deemed withdrawn after publication |