CN108325094A - 基于人工智能与专家库的放射治疗计划制定方法 - Google Patents
基于人工智能与专家库的放射治疗计划制定方法 Download PDFInfo
- Publication number
- CN108325094A CN108325094A CN201810258570.9A CN201810258570A CN108325094A CN 108325094 A CN108325094 A CN 108325094A CN 201810258570 A CN201810258570 A CN 201810258570A CN 108325094 A CN108325094 A CN 108325094A
- Authority
- CN
- China
- Prior art keywords
- radiotherapy
- treatment planning
- artificial intelligence
- radiotherapy treatment
- patient
- 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
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/103—Treatment planning systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/103—Treatment planning systems
- A61N5/1039—Treatment planning systems using functional images, e.g. PET or MRI
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/103—Treatment planning systems
- A61N2005/1041—Treatment planning systems using a library of previously administered radiation treatment applied to other patients
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Radiation-Therapy Devices (AREA)
Abstract
本发明公开了一种基于人工智能与专家库的放射治疗计划制定方法,在传统的放射治疗计划制定方法的基础上,使用基于人工智能的自动器官勾画方法,计算机根据不同病种,自动勾画常见的肿瘤靶区和周围危及器官,减少因为临床经验造成的勾画差异,并有效缩减勾画的时间;同时基于专家库信息根据不同病种实现放疗计划的自动设计,减少因为临床经验造成的放疗计划差异。通过上述方式,本发明根据人工智能和专家库的辅助,提高了放射治疗计划制定中感兴趣区域勾画的准确性,保证放射治疗计划制定中计划的有效性,从而显著减少了放射治疗计划制定的时间,减少了对经验的依赖,降低了传统放射治疗计划制定方法的局限性。
Description
技术领域
本发明涉及核物理、核技术及应用、放射医学等多学科交叉领域中的精准放射治疗计划制定领域,特别是涉及一种基于人工智能与专家库的放射治疗计划制定方法。
背景技术
放射治疗计划制定方法,属于核物理、核技术及应用、放射医学等多学科交叉领域中的精准放射治疗计划方向。其中,感兴趣区域勾画和计划设计优化是放射治疗计划制定中的关键问题。
(1)感兴趣区域勾画:导入放疗计划系统的患者CT影像数据,经过物理师的初步检查和处理后,由医师完成患者的勾画信息,包括患者的放射治疗靶区,以及危机器官等感兴趣区域,并给出患者的放疗处方,即:靶区的剂量覆盖要求和危及器官的保护等。这个环节要求医师有丰富的临床医学影像勾画的经验,否则会影响勾画的准确性进而进一步影响计划的制定,并且耗费大量时间。
(2)放射治疗计划设计优化:完成靶区和重要组织轮廓的勾画后,物理师根据医师的放疗剂量处方要求,增加辅助计划优化的轮廓勾画,并设计放疗计划包括射野布局和优化目标参数等,再根据实际情况调整优化设置反复优化直至满足处方要求。这个环节要求物理师有丰富的放射治疗计划设计的经验,否则会花费大量时间进行计划的反复优化,甚至无法得到满足处方要求的放射治疗计划。
因此传统放射治疗计划制定方法在感兴趣区域勾画时需要使用者具备丰富的经验和反复的勾画/撤销,才能得到比较好的勾画效果,同时计划设计时也需要使用者具备丰富的经验和反复的计划优化,才能得到比较好的放疗效果,不仅耗费大量的时间,而且具有很大的局限性。
发明内容
本发明所要解决的技术问题是提供一种基于人工智能与专家库的放射治疗计划制定方法,能够保证勾画的准确性和放疗计划的有效性,并显著减少放射治疗计划制定的时间。
为解决上述技术问题,本发明采用的一个技术方案是:提供一种基于人工智能与专家库的放射治疗计划制定方法,包括以下步骤:
S1:获得定位图像:
放疗医师根据患者的详细病情和检查资料确定患者的放疗原则后,由物理师和技师为患者进行CT扫描,获取患者的影像资料后传输至放射治疗计划系统;
S2:基于人工智能的感兴趣区域勾画:
导入放射治疗计划系统的患者CT影像数据,经过物理师的初步检查和处理后,由计算机基于人工智能方法完成患者的勾画信息,由医师确认并给出患者的放疗剂量处方;
S3:基于专家库的放射治疗计划设计:
完成感兴趣区域勾画后,物理师根据医师的放疗剂量处方要求,并基于有各类病例的勾画、计划模板库的专家库信息增加辅助计划优化的轮廓勾画,并设计放疗计划,再根据实际情况调整优化设置直至满足处方要求。
在本发明一个较佳实施例中,在步骤S2中,基于计算机的人工智能方法如下:
构建深度学习的神经网络系统,利用现有的患者影像数据和医生已经勾画好的勾画信息训练深度学习算法后,使用其对实际病例感兴趣区域进行自动勾画。
在本发明一个较佳实施例中,所述感兴趣区域勾画信息包括患者的放射治疗靶区、危机器官。
在本发明一个较佳实施例中,在步骤S2中,所述放疗剂量处方包括靶区的剂量覆盖要求、危及器官的保护。
本发明的有益效果是:
(1)本发明在传统的放射治疗计划制定方法的基础上,使用基于人工智能的自动器官勾画方法,计算机根据不同病种,自动勾画常见的肿瘤靶区和周围危及器官,减少因为临床经验造成的勾画差异,并有效缩减勾画的时间;同时基于专家库信息根据不同病种实现放疗计划的自动设计,减少因为临床经验造成的放疗计划差异;
(2)本发明根据人工智能和专家库的辅助,提高了放射治疗计划制定中感兴趣区域勾画的准确性,保证放射治疗计划制定中计划的有效性,从而显著减少了放射治疗计划制定的时间,减少了对经验的依赖,降低了传统放射治疗计划制定方法的局限性。
附图说明
图1是本发明基于人工智能与专家库的放射治疗计划制定方法一较佳实施例的流程图。
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述,以使本发明的优点和特征能更易于被本领域技术人员理解,从而对本发明的保护范围做出更为清楚明确的界定。
请参阅图1,本发明实施例包括:
一种基于人工智能与专家库的放射治疗计划制定方法,包括以下步骤:
(1)获得定位图像:
放疗医师根据患者的详细病情和检查资料等确定患者的放疗原则后,由物理师和技师为患者选择和制作体位固定模具后,设置体表标记并进行CT扫描,获取患者的影像资料后传输至现有的放射治疗计划系统;
(2)基于人工智能的感兴趣区域勾画:
导入放射治疗计划系统的患者CT影像数据,经过物理师的初步检查和处理后,由计算机基于人工智能方法完成患者的勾画信息,包括患者的放射治疗靶区,以及危机器官等感兴趣区域,由医师确认,并给出患者的放疗处方,即:靶区的剂量覆盖要求和危及器官的保护等;
其中,基于人工智能的感兴趣区域勾画方法为:利用以往丰富的患者影像数据和勾画信息的训练,计算机采用深度学习算法,对感兴趣区域进行自动勾画,减少因为人为经验不同造成的勾画差异。具体步骤为构建深度学习的神经网络系统,利用现有的患者影像数据和医生已经勾画好的勾画信息训练深度学习算法后,使用其对实际病例感兴趣区域进行自动勾画。
(3)基于专家库的放射治疗计划设计;
完成靶区和重要组织轮廓的勾画后,物理师根据医师的放疗剂量处方要求,并基于专家库信息增加辅助计划优化的轮廓勾画,所述专家库为有各类病例的勾画、计划的模板库,并设计放疗计划包括射野布局和优化目标参数等,再根据实际情况调整优化设置反复优化直至满足处方要求。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (4)
1.一种基于人工智能与专家库的放射治疗计划制定方法,包括以下步骤:
S1:获得定位图像:
放疗医师根据患者的详细病情和检查资料确定患者的放疗原则后,由物理师和技师为患者进行CT扫描,获取患者的影像资料后传输至放射治疗计划系统;
S2:基于人工智能的感兴趣区域勾画:
导入放射治疗计划系统的患者CT影像数据,经过物理师的初步检查和处理后,由计算机基于人工智能方法完成患者的勾画信息,由医师确认并给出患者的放疗剂量处方;
S3:基于专家库的放射治疗计划设计:
完成感兴趣区域勾画后,物理师根据医师的放疗剂量处方要求,并基于有各类病例的勾画、计划模板库的专家库信息增加辅助计划优化的轮廓勾画,并设计放疗计划,再根据实际情况调整优化设置直至满足处方要求。
2.根据权利要求1所述的基于人工智能与专家库的放射治疗计划制定方法,其特征在于,在步骤S2中,基于计算机的人工智能方法如下:
构建深度学习的神经网络系统,利用现有的患者影像数据和医生已经勾画好的勾画信息训练深度学习算法后,使用其对实际病例感兴趣区域进行自动勾画。
3.根据权利要求1所述的基于人工智能与专家库的放射治疗计划制定方法,其特征在于,所述感兴趣区域勾画信息包括患者的放射治疗靶区、危机器官。
4.根据权利要求1所述的基于人工智能与专家库的放射治疗计划制定方法,其特征在于,在步骤S2中,所述放疗剂量处方包括靶区的剂量覆盖要求、危及器官的保护。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810258570.9A CN108325094A (zh) | 2018-03-27 | 2018-03-27 | 基于人工智能与专家库的放射治疗计划制定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810258570.9A CN108325094A (zh) | 2018-03-27 | 2018-03-27 | 基于人工智能与专家库的放射治疗计划制定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108325094A true CN108325094A (zh) | 2018-07-27 |
Family
ID=62931667
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810258570.9A Pending CN108325094A (zh) | 2018-03-27 | 2018-03-27 | 基于人工智能与专家库的放射治疗计划制定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108325094A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110141801A (zh) * | 2019-05-17 | 2019-08-20 | 天津大学 | 面向近距离粒子内放疗手术智能剂量规划方法 |
CN110534174A (zh) * | 2019-07-18 | 2019-12-03 | 北京全域医疗技术集团有限公司 | 放疗计划分析方法、装置及设备 |
CN111462116A (zh) * | 2020-05-13 | 2020-07-28 | 吉林大学第一医院 | 基于影像组学特征的多模态参数模型优化融合方法 |
CN113241151A (zh) * | 2021-02-25 | 2021-08-10 | 中科超精(南京)科技有限公司 | 一种智慧放疗云系统及实现方法 |
CN113877073A (zh) * | 2020-07-03 | 2022-01-04 | 中硼(厦门)医疗器械有限公司 | 放射治疗系统及其治疗计划生成方法 |
CN114049948A (zh) * | 2021-12-21 | 2022-02-15 | 山东第一医科大学附属肿瘤医院(山东省肿瘤防治研究院、山东省肿瘤医院) | 一种用于放射治疗流程的自动化质控方法、系统及平台 |
-
2018
- 2018-03-27 CN CN201810258570.9A patent/CN108325094A/zh active Pending
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110141801A (zh) * | 2019-05-17 | 2019-08-20 | 天津大学 | 面向近距离粒子内放疗手术智能剂量规划方法 |
CN110534174A (zh) * | 2019-07-18 | 2019-12-03 | 北京全域医疗技术集团有限公司 | 放疗计划分析方法、装置及设备 |
CN111462116A (zh) * | 2020-05-13 | 2020-07-28 | 吉林大学第一医院 | 基于影像组学特征的多模态参数模型优化融合方法 |
CN113877073A (zh) * | 2020-07-03 | 2022-01-04 | 中硼(厦门)医疗器械有限公司 | 放射治疗系统及其治疗计划生成方法 |
WO2022001594A1 (zh) * | 2020-07-03 | 2022-01-06 | 中硼(厦门)医疗器械有限公司 | 放射治疗系统及其治疗计划生成方法 |
CN113877073B (zh) * | 2020-07-03 | 2023-09-12 | 中硼(厦门)医疗器械有限公司 | 放射治疗系统及其治疗计划生成方法 |
CN113241151A (zh) * | 2021-02-25 | 2021-08-10 | 中科超精(南京)科技有限公司 | 一种智慧放疗云系统及实现方法 |
CN113241151B (zh) * | 2021-02-25 | 2024-04-02 | 中科超精(南京)科技有限公司 | 一种智慧放疗云系统及实现方法 |
CN114049948A (zh) * | 2021-12-21 | 2022-02-15 | 山东第一医科大学附属肿瘤医院(山东省肿瘤防治研究院、山东省肿瘤医院) | 一种用于放射治疗流程的自动化质控方法、系统及平台 |
CN114049948B (zh) * | 2021-12-21 | 2022-07-08 | 山东第一医科大学附属肿瘤医院(山东省肿瘤防治研究院、山东省肿瘤医院) | 一种用于放射治疗流程的自动化质控方法、系统及平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108325094A (zh) | 基于人工智能与专家库的放射治疗计划制定方法 | |
US11386557B2 (en) | Systems and methods for segmentation of intra-patient medical images | |
Tanderup et al. | Consequences of random and systematic reconstruction uncertainties in 3D image based brachytherapy in cervical cancer | |
CN109166613A (zh) | 基于机器学习的放射治疗计划评估系统及方法 | |
CN108367161A (zh) | 放疗系统、数据处理方法及存储介质 | |
Godley et al. | Automated registration of large deformations for adaptive radiation therapy of prostate cancer | |
CN103518194B (zh) | 基于知识的自动图像分段 | |
EP3075415B1 (en) | Method, computer program and system for dose calculation in radiotherapy | |
CN110481028A (zh) | 一种3d打印医疗仿真人体模型制造的方法 | |
CN111862021A (zh) | 基于深度学习的头颈部淋巴结及引流区自动勾画方法 | |
CN109513121A (zh) | 一种剂量引导自适应放射治疗计划重优化系统和方法 | |
CN107480416A (zh) | 一种放射治疗计划系统 | |
CN110349665A (zh) | 基于深度学习的直肠癌放疗计划自动化设计方法 | |
CN113181563A (zh) | 粒子植入肿瘤内放疗剂量规划方法、系统及介质 | |
Ramos | Emerging Technologies in Radiotherapy: Advances in Health Literacy and Healthcare Practice | |
CN104636618A (zh) | 放疗计划系统 | |
Zhu et al. | Preliminary clinical study of the differences between interobserver evaluation and deep convolutional neural network-based segmentation of multiple organs at risk in CT images of lung cancer | |
Jamema et al. | Commissioning and validation of commercial deformable image registration software for adaptive contouring | |
WO2022126475A1 (en) | Systems and methods for clinical target contouring in radiotherapy | |
Guthier et al. | Development and clinical implementation of semi‐automated treatment planning including 3D printable applicator holders in complex skin brachytherapy | |
CN105390056A (zh) | 用于变形配准算法精度验证的高仿真腹部变形模体及其制备方法 | |
CN104252580B (zh) | 一种在Pinnacle治疗计划系统上实现放疗计划移植的方法 | |
Schreibmann et al. | Automated population‐based planning for whole brain radiation therapy | |
US20200001112A1 (en) | Methods, Apparatuses, and Systems for Creating a Patient-Specific Soft Bolus for Radiotherapy Treatment | |
CN114596934A (zh) | 一种宫颈癌近距离治疗剂量预测系统 |
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 | ||
CB02 | Change of applicant information |
Address after: Room 406, block B, phase I, Zhongdan Ecological Life Science Industrial Park, No. 3-1, xinjinhu Road, Jiangbei new district, Nanjing City, Jiangsu Province Applicant after: Zhongke Chaojing (Nanjing) Technology Co., Ltd Address before: 230601 NO.560, Haiheng building, No.6 Cuiwei Road, Hefei Economic and Technological Development Zone, Anhui Province Applicant before: ZHONGKE CHAOJING (ANHUI) TECHNOLOGY Co.,Ltd. |
|
CB02 | Change of applicant information | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180727 |
|
RJ01 | Rejection of invention patent application after publication |