本发明属于辐射剂量分布的，具体涉及一种高能x射线flash放疗人体三维辐射剂量分布重建方法。
背景技术：
1、高能x射线可以用于flash放疗时治疗恶性肿瘤并保护周围正常组织，为了在flash放疗过程中能够反馈引导并调节高能x射线照射剂量率，需要在高能x射线射人体内靶组织或靶器官时实时可视化靶组织或靶器官中的三维辐射剂量分布，并计算靶组织或靶器官中的累积剂量，以实现在对肿瘤提供足够辐射剂量的同时保护周围组织不受辐射损伤。
2、然而，现有图像引导flash放疗技术通常采用传统计算机断层扫描技术或铺设辐射阵列传感器，例如热/光学受激剂量计、塑料闪烁体以及金属氧化物半导体场效应晶体管等采集透射的x射线并成像，局限于人体外表面测量，无法在放疗期间进行实时三维剂量成像与剂量积累计算，难以满足临床实际需求。尽管新一代的辐射探测器能够部署到体内，但无法提供靶组织或靶器官的解剖学信息。因此，需要研究新的成像技术在高能x射线进行flash放疗时实现实时、高精度的三维辐射剂量成像。
3、在利用高能x射线对病人靶组织或靶器官进行flash放射治疗时，靶组织或靶器官会对x射线束能量进行吸收，然后产生热量，形成声波信号，且声波信号的强度与靶组织或靶器官吸收的能量或辐射剂量成正比。由于在采用高能x射线进行放疗时，医用直线加速器的脉冲宽度通常为几微秒，因此，声波信号的频率通常为几十khz到几百khz。此外，放射室内的噪声较大，为了采集到可靠的信号，需要利用多阵元与多通道放大器采集声波信号。在结束声信号采集后，通过图像重建算法构建出靶组织或器官中的三维辐射剂量分布。然后，通过融合匹配算法构建人体三维辐射剂量分布图，实现临床放疗期间实时的人体三维辐射剂量监测，反馈指导flash放疗。
4、然而，现有算法难以通过采集放大后的声波信号进行三维辐射剂量建模，因而无法在flash放疗时为操作人员提供反馈引导；除此，现有传统方法大多具有如下缺陷：
5、1、传统方法通常采用蒙特卡罗方法近似高能x射线束在其中的能量沉积分布或辐射剂量分布，并计算肿瘤放疗期间照射靶组织中的累积剂量。然而，靶点和正常组织在放疗时通常会运动，因此仿真治疗期间传递剂量时会有较大偏差，进而影响后续的放疗。
6、2、已有人体解剖结构图像重建算法通常利用辐射阵列探测器采集透射x射线，并通过重建算法如时间反转投影重建算法以及滤波反投影重建算法等构建出人体解剖结构图，然而，ct、mri或正电子发射断层扫描均不能监测高能x射线辐射束的位置，无法在放疗时提供实时剂量反馈引导。
7、3、在超声换能器获取到声波信号后，现有技术难以实现将声波信号反演获取x射线束在靶组织中的照射剂量分布及累积剂量分布，限制了x射线声成像技术在临床肿瘤flash治疗的研究与应用。
技术实现思路
1、本发明的目的在于针对现有技术中的上述不足，提供一种高能x射线flash放疗人体三维辐射剂量分布重建方法，以解决现有技术难以通过采集放大后的声波信号进行三维辐射剂量建模，进而无法在flash放疗时为操作人员提供反馈引导的问题。
2、为达到上述目的，本发明采取的技术方案是：
3、一种高能x射线flash放疗人体三维辐射剂量分布重建方法，其包括以下步骤：
4、s1、采用x射线照射靶组织，并通过阵列超声换能器采集靶组织产生的声波信号；
5、s2、利用延迟相乘叠加算法对声波信号进行反演处理，构建靶组织中的粗三维辐射剂量沉积图；
6、s3、基于深度卷积神经网络y-net优化粗三维辐射剂量沉积图，得到三维辐射剂量沉积图；
7、s4、将三维辐射剂量沉积图与靶组织解剖结构图进行融合，得到靶组织各部位的辐射累积剂量分布图。
8、进一步地，s1具体包括：
9、采用微波级脉冲x射线辐射束照射靶组织，x射线的能量被靶组织吸收进而转换为声波信号，该声波信号表示为：
10、
11、其中，为初始声波信号；为体积热膨胀系数；为声速；为比热容；为被靶组织吸收的能量转化为热量的百分比；为x射线的质量衰减系数；为组织密度；为x射线通量；
12、假设时刻在位置处组织中的辐射剂量沉积为，则基于波动方程得到在时刻阵列超声换能器在位置处探测到的声波信号为：
13、
14、其中，为阵列超声换能器时刻在位置处的声波信号；为grüneisen参数；为声源位置，时刻；为时刻在位置处组织中的辐射剂量沉积。
15、进一步地，grüneisen参数为：
16、
17、其中，为等温体积弹性模量。
18、进一步地，s2具体包括以下分步骤：
19、s21、采用延迟相乘叠加算法对声波信号进行处理：
20、
21、式中，为对应粗剂量沉积图像上的像素单元；为符号函数；，其中，为耦合后的信号，为阵列超声换能器探测位置，、表示两个不同信道，、表示不同信道上的声波信号样本；
22、s22、对完成s21处理后的声波信号进行带通或高通滤波处理；
23、s23、采用希尔伯特变换对完成带通或高通滤波处理后的声波信号进行包络线条检测，并进行归一化和对数压缩处理，构建得到靶组织中的粗三维辐射剂量沉积图。
24、进一步地，s3中深度卷积神经网络y-net包括编码器encoder i、编码器encoderii和解码器decoder；
25、编码器encoder i，用于对s1中的声波信号进行过滤，并采集声波信号中包含的物理特征；
26、编码器encoder ii，用于提取粗三维辐射剂量沉积图中的纹理信息；
27、解码器decoder，将编码器encoder i中的物理特征和编码器encoder ii中的纹理信息作为输入，并基于物理特征和纹理信息进行粗三维辐射剂量沉积图重建，得到三维辐射剂量沉积图。
28、进一步地，编码器encoder i双卷积运算操作的第k层矩阵为：
29、
30、其中，表示双卷积编码器的层矩阵表示，为双卷积编码器的层矩阵表示；、、表示批量归一化并进行线性单元校正操作；为池化操作；表示卷积操作；、表示不同的卷积核；
31、编码器encoder i的参数化表示为：
32、
33、其中，为encoder i的参数化形式；为特征图尺寸变换；为encoder i对应的参数矩阵；表示阵列超声换能器测量声波数据；为阵列超声换能器测量声波数据的层矩阵表示，为层矩阵表示。
34、进一步地，编码器encoder ii双卷积运算操作的第k层矩阵为：
35、
36、编码器encoder ii的参数化表示为：
37、
38、其中，为encoder ii的参数化形式；为第层矩阵表示；为encoder ii对应的参数矩阵；为粗三维辐射剂量沉积图矩阵。
39、进一步地，解码器decoder每一层包括三个输入，包括编码器encoder i和编码器encoder ii每一层通过跳跃连接为解码器decoder提供的物理特征和纹理信息，以及粗三维辐射剂量沉积图；
40、解码器decoder将物理特征、纹理信息和粗三维辐射剂量沉积图映射到剂量图上，以得到三维辐射剂量沉积图，解码器decoder具有跳跃连接的第k层矩阵为：
41、
42、其中，为上卷积操作；为调整操作；、表示跳跃特征；
43、解码器decoder包含encoder i与encoder ii的参数化表示为：
44、
45、其中，为解码器decoder的参数化形式；为参数化矩阵。
46、进一步地，s4中采用电子计算机断层扫描技术构建靶组织解剖结构图。
47、本发明提供的高能x射线flash放疗人体三维辐射剂量分布重建方法，具有以下有益效果：
48、1、本发明基于深度学习的神经网络方法，利用获取的声波信号重建出人体靶组织中的辐射剂量分布，并计算出照射靶组织中的累积辐射剂量，进而反馈指导操作人员进行flash放疗，相比于传统的成像算法，本发明采用x光声成像结合深度学习的神经网络方法，可实现高灵敏度与高分辨率的实时三维辐射剂量沉积图的成像。
49、2、本发明为了实时获取并显示flash放疗期间x光照射人体靶组织中的辐射剂量分布情况，采用基于x光声成像技术，利用几微秒的脉冲x射线辐射束照射靶组织，产生声波信号，然后，通过阵列超声换能器采集声波信号，由于声波信号的峰值与靶组织吸收的辐射剂量成正比，从而可通过声波信号获取靶组织中的辐射剂量累积分布情况。
50、3、本发明为了提高x射线照射靶组织时的三维辐射剂量成像分辨率，利用深度学习技术，通过获取的声波信号反演出靶组织吸收的辐射剂量累积分布图，获取靶组织不同部位的辐射剂量吸收情况，从而反馈引导后续放疗剂量规划。
51、4、本发明的声波信号通过dmas算法进行反演，从而得到靶组织中的粗三维辐射剂量沉积图；再通过深度卷积神经网络y-net进一步优化dmas算法的成像结果，降低低剂量区域的建图误差，精确绘制出三维辐射剂量沉积图。
52、5、本发明相比于反投影重构算法，dmas算法能够做到快速响应，通过声波信号反演出的粗三维辐射剂量沉积图能够清晰反映出照射组织内部的吸收剂量分布。相比das算法，dmas算法能够显著提升成像图像的对比度与分辨率，进而提高构建的辐射剂量分布图的成像质量。
53、6、本发明基于y-net卷积神经网络的深度学习方法能够提升建图精度，降低低剂量区域的成像误差。通过设计的encoder i采集原始声波信号数据中的复杂的物理特征，以作为波束形成过程中重建图像信息丢失的补充。同时，通过设计的编码器encoder ii提取dmas算法重建的粗三维辐射剂量沉积图的局部细节特征，提高辐射剂量图的精度，本发明比目前广泛使用的深度学习后处理（post-processing）方案能够获得更多的物理信息，从而提高了模型的泛化性。
1.一种高能x射线flash放疗人体三维辐射剂量分布重建方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的高能x射线flash放疗人体三维辐射剂量分布重建方法，其特征在于，所述s1具体包括：
3.根据权利要求2所述的高能x射线flash放疗人体三维辐射剂量分布重建方法，其特征在于，grüneisen参数为：
4.根据权利要求1所述的高能x射线flash放疗人体三维辐射剂量分布重建方法，其特征在于，所述s2具体包括以下分步骤：
5.根据权利要求1所述的高能x射线flash放疗人体三维辐射剂量分布重建方法，其特征在于，所述s3中深度卷积神经网络y-net包括编码器encoder i、编码器encoder ii和解码器decoder；
6.根据权利要求5所述的高能x射线flash放疗人体三维辐射剂量分布重建方法，其特征在于，编码器encoder i双卷积运算操作的第k层矩阵为：
7.根据权利要求6所述的高能x射线flash放疗人体三维辐射剂量分布重建方法，其特征在于，编码器encoder ii双卷积运算操作的第k层矩阵为：
8.根据权利要求7所述的高能x射线flash放疗人体三维辐射剂量分布重建方法，其特征在于，解码器decoder每一层包括三个输入，包括编码器encoder i和编码器encoder ii每一层通过跳跃连接为解码器decoder提供的物理特征和纹理信息，以及粗三维辐射剂量沉积图；
9.根据权利要求1所述的高能x射线flash放疗人体三维辐射剂量分布重建方法，其特征在于，所述s4中采用电子计算机断层扫描技术构建靶组织解剖结构图。
