CN109663221B - 一种人工智能的摆位装置及加速器治疗装置 - Google Patents

Abstract

本发明公开了一种人工智能的摆位装置及加速器治疗装置，通过大量实际MV成像数据与DRR图像数据(由CT成像数据生成)的配对，分析及寻找它们之间的关联因素，建立精确的数学模型(关联函数)，或者通过深度学习的方法，获得越来越精确的关联函数，则最终，由关联函数直接换算得到的换算DRR图像数据就能满足我们实际的应用需求，从而为加速器治疗设备的应用效率、治疗精度、医生的实施掌控度及便利性都提供了巨大而方便的技术手段，社会价值和经济价值都非常高。

Description

一种人工智能的摆位装置及加速器治疗装置

技术领域

本发明涉及一种医疗设备，特别涉及人工智能的摆位装置及加速器治疗装置。

背景技术

目前放射治疗装置在治疗时为了尽可能降低副作用的情况下达到最佳治疗目的，现有技术中，一般先用CT设备对病患做CT成像，以此为依据制定放射治疗计划，然后在加速器治疗设备(即MV级放射治疗设备)上按照放射治疗计划进行治疗，在加速器治疗设备上治疗前，需要将病患严格按照在CT上成像时的摆位坐标进行摆位，否则将导致放射治疗计划在执行时出现偏差，得不到理想的治疗效果，并使病患的健康基体受到损害，目前一般采用0°方向和90°方向这类正交野的人工配准摆位，首先在通过CT成像生成的0°/90°DRR图像数据上做DRR标记的描绘，考虑到MV成像数据的特点，一般选择在DRR图像及与之对应角度的MV成像上都比较清晰的骨骼部分做标记的描绘，完成DRR标记的描绘后，还要在MV成像上进行相同骨骼位置进行相同形状的标记描绘，完成MV标记，最后按照MV标记与DRR标记之间的坐标偏移，人工控制加速器治疗设备调整病患相对于等中心的坐标位置，直到0°方向与90°方向的MV标记与DRR标记完全重合，这样才能完成配准。这个工作需要医生有相当丰富的经验，人员不同，导致的精度就不同，且耗时费力，严重影响了设备的使用效率，因此亟需一种智能自动摆位配准方案。

发明内容

为解决上述问题，本发明的目的在于提供一种人工智能的摆位装置及加速器治疗装置。

为达到上述目的，本发明的技术方案是：

一种人工智能的摆位方法，包括学习步骤，以及利用学习步骤得到的关联函数进行摆位配准的步骤，所述学习步骤包括以下步骤：

获取CT成像数据，根据CT成像数据生成多个不同角度的DRR图像数据，所述DRR图像数据中包含针对特定目标的DRR标记；或，获取多个不同角度的KV成像数据，所述KV成像数据中包含针对特定目标的KV标记；

提供与DRR图像数据或KV成像数据对应角度拍摄的MV成像数据，所述MV成像数据中包含与DRR标记或KV标记目标及形状一致的MV标记；

分析基于同一目标同一角度成像的DRR图像数据和MV成像数据上的DRR标记及MV标记区域内所各自对应的DRR图像数据信息、MV成像数据信息，获得二者之间的关联因素，从而建立二者之间的关联函数；或，分析基于同一目标同一角度成像的KV成像数据和MV成像数据上的KV标记及MV标记区域内所各自对应的KV成像数据信息、MV成像数据信息，获得二者之间的关联因素，从而建立二者之间的关联函数。

本文所述的DRR图像数据是指包括但不限于专用CT成像设备(CT机)所获得的目标图像信息；CT摆位坐标信息是指在进行CT成像时目标(例如病患体内的病灶或专用模型)相对于等中心的三维坐标信息；DRR成像数据是指通过对三维的CT成像数据进行平面投影处理获取的二维图像信息；DRR摆位坐标信息是指在根据CT成像数据生成DRR图像数据时目标例如病患体内的病灶或专用模型相对于等中心的三维坐标信息；KV成像数据由专门的KV级球管成像设备或者集成在加速器治疗设备上的KV级射线成像装置所获得的目标图像信息；而MV成像数据是指MV级加速器配合MV级数字图像平板获取的MV成像信息；MV摆位坐标信息是指在获得MV成像数据时目标(例如病患的人体或专用模型)相对于等中心的三维坐标信息。不论CT成像数据、DRR图像数据、KV成像数据，还是MV成像数据，其坐标系都是基于等中心来建立，因此它们的坐标体系是相同的。医护人员先使用CT机(或集成在加速器治疗设备上的KV级CBCT放射装置)对病灶进行三维成像，由于所有机器都经过了图像中心点与等中心点的对正操作，因此可在CT机上获取病患的三维成像数据并制定治疗计划，此时，还可基于CT成像数据生成所需角度的DRR图像数据，并包含了该角度上目标(病灶)及其他健康的人体组织在该方向的投影，在该方向上目标及其他健康的人体组织相对于等中心点的坐标数据就体现在DRR图像数据中目标及其他健康的人体组织影像相对于DRR图像中心的位置关系，那么，如果设定等中心点为三维坐标系的原点，垂直轴为Z轴，右向坐标轴为X轴，前向坐标轴为Y轴，三轴相互垂直。那么，从Z轴向下进行成像设为0°成像，此时的CT成像数据为等中心及目标及其他健康的人体组织在XY平面上的投影，同时获得目标及其他健康的人体组织在XY平面的坐标信息。再从X轴方向进行成像设为90°成像，此时DRR图像数据为等中心、目标及其他健康的人体组织在YZ平面上的投影，同时获得目标及其他健康的人体组织在YZ平面上的坐标信息。根据上述两个平面的坐标数据，就可以获得目标及其他健康的人体组织相对于等中心点(原点)的三维坐标数据。同理，在进行加速器治疗设备的MV成像时，也可以基于上述原理获得目标及其他健康的人体组织在此时相对于等中心点的三维坐标数据。因此，基于成像角度(要相同)、及坐标信息，就可以得到CT成像时人体的摆位坐标及MV成像时的摆位坐标之间的偏移量，可以根据这个偏移量进行调整，使得人体在进行MV级加速器治疗时的摆位和在CT机上进行放射治疗计划制定时的摆位一致。以KV成像数据与MV成像数据配合进行摆位也同理。

这里的同角度的DRR图像数据和MV成像数据是指针对同一目标及其他健康的人体组织从同一角度获得的DRR图像数据(由三维的CT成像数据生成而来)和MV成像数据，二者本质上是同一物理信息的数字投影，一般来说，CT成像中含有更多更丰富的影像细节，特别是人体软组织的数据信息，由CT成像生成的DRR图像数据也具备上述特点，而MV成像数据中，这些影像细节就有很大的缺失，实际上人工是无法直接观察MV成像数据获得摆位需要的信息的。因此实际上要加速器治疗设备根据MV成像数据直接获得坐标数据是有难度的。

本发明创造性的将同角度的DRR图像数据或KV成像数据，和MV成像数据一一对应，再将对应的DRR图像或KV成像数据，和MV成像上的人体相同组织(例如同一块骨骼的影像)进行描绘相同的标记，即DRR标记或KV标记，和MV标记，二者对应一致，那么DRR标记KV标记，和MV标记相对于等中心的位置差异，就是我们需要调整的偏移量。分析DRR标记KV标记，及MV标记区域所各自对应的DRR图像数据信息或KV成像数据信息、MV成像数据信息，获得二者之间的关联因素，从而建立二者之间的关联函数。关联函数建立以后，无需再进行人工描绘DRR标记或KV标记，和MV标记，就可以利用关联函数自动分析对应的DRR图像数据或KV成像数据，及MV成像数据中的关联因素，从而建立对应的DRR标记或KV标记，及MV标记，根据MV标记及DRR标记之间(或MV标记和KV标记之间)相对于等中心的坐标差异，调整病患的位置，直到MV标记与DRR标记(或MV标记和KV标记)在三维坐标上的完全重合，实现自动化的摆位配准工作。

上述过程完成的次数越多，获得的关联函数越准确，也就是说，尽可能的提供更多的样本进行分析，如果，提供的样本(DRR图像数据、对应的MV成像数据，以及在二者上人工描绘的DRR标记和MV标记)是由业内专家提供的，那么大量样本分析后得到的关联函数就使得设备好像具备了专家的经验，这样既满足我们实际的应用需求，为加速器治疗设备的应用效率、治疗精度、医生快速摆位都提供了巨大而方便的技术手段，社会价值和经济价值都非常高。在实际应用中，例如，通过深度学习的方法就可以较简便的获得所述关联函数。

一般来说，最少通过两个角度(如0°位置的数据及90°位置的数据)配准，就可以使得在MV级加速器治疗时目标的摆位坐标与CT成像时的一致(即治疗时的坐标与制定治疗计划时的坐标一致)，保证了治疗的精度和高效。

而深度学习的相关技术以及图像关联因素分析的技术，已经有了基础理论及具体操作的方法，在此就不再赘述。但这些基础理论及操作方法用于本发明所述的领域，现有技术未有公开，也没有相关的技术启示和解决方案，甚至希望直接利用MV级图像装置来实现自动摆位，也从未有人提及，这个思路的本身就需要经过创造性的思维才能获得。没有创造性的本领域技术人员，是无法不经过创造性思维就发现这一点的，因为在本领域所有技术教导中都明确该技术所获得的图像数据缺乏必要的细节，而无法应用，本领域的技术人员不经过创造性的思维是无法克服这种技术偏见的。

进一步的，对同一目标进行多次所述学习步骤；和/或对不同目标进行一次或多次所述学习步骤；以获得优化的同角度DRR图像数据或KV成像数据与MV成像数据之间的关联函数。

进一步的，不断进行针对不同目标的学习步骤，和/或者针对同一目标不同角度的DRR图像数据或KV成像数据与MV成像数据的学习步骤，直到将任一角度的MV成像数据及对应的DRR图像数据或KV成像数据进行对比分析后，直接利用关联函数获得DRR标记或KV标记及MV标记，且DRR标记或KV标记及MV标记满足摆位配准的要求。

进一步的，所述学习步骤采用人工智能深度学习的方法。

进一步的，所述摆位配准步骤包括，获取已知角度的MV成像数据，调用相同角度的DRR图像数据或KV成像数据，根据关联函数，在MV成像数据和DRR图像数据或KV成像数据上完成MV标记和DRR标记或KV标记，再根据MV标记与DRR标记或KV标记之间的坐标偏移量进行调整，直到MV标记与对应的DRR标记或KV标记重合；或，根据关联函数，在MV成像数据和DRR图像数据或KV成像数据上完成一一对应的至少一个MV标记点和DRR标记点或KV标记点，再根据MV标记点与DRR标记点或KV标记点之间的坐标偏移量进行调整，直到MV标记与对应的DRR标记或KV标记点重合。

本发明还提供一种人工智能摆位装置，包括深度学习装置，所述深度学习装置包括：

数据采集模块，用于获取CT成像数据，并根据CT成像数据生成不同角度的DRR图像数据，所述DRR图像数据中包含针对特定目标的DRR标记；或，获取多个不同角度的KV成像数据，所述KV成像数据中包含针对特定目标的KV标记；

获取与DRR图像对应角度拍摄的MV成像数据，所述MV成像数据中包含与DRR标记或KV标记目标及形状一致的MV标记；

数据配对模块，将基于同一目标同一角度成像的DRR图像数据或KV成像数据和MV成像数据配对传送给深度学习模块；

深度学习模块，分析基于同一目标同一角度成像的DRR图像数据和MV成像数据上的DRR标记及MV标记区域内所各自对应的DRR图像数据信息、MV成像数据信息，获得二者之间的关联因素，从而建立二者之间的关联函数；或，分析基于同一目标同一角度成像的KV成像数据和MV成像数据上的KV标记及MV标记区域内所各自对应的KV成像数据信息、MV成像数据信息，获得二者之间的关联因素，从而建立二者之间的关联函数。

进一步的，还包括摆位配准装置，用于获取已知角度的MV成像数据，并调用相同拍摄角度的DRR图像数据或KV成像数据，根据关联函数，在MV成像数据和DRR图像数据或KV成像数据上完成MV标记和DRR标记或KV标记，再根据MV标记与DRR标记或KV标记之间的坐标偏移量进行调整，直到MV标记与对应的DRR标记或KV标记重合；或，根据关联函数，在MV成像数据和DRR图像数据或KV成像数据上完成一一对应的至少一个MV标记点和DRR标记点或KV标记点，再根据MV标记点与DRR标记点或KV标记点之间的坐标偏移量进行调整，直到MV标记与对应的DRR标记或KV标记重合。

本发明还提供一种加速器治疗装置，包括MV级加速器和主机架，还包括人工智能摆位装置，所述人工智能摆位装置设有深度学习装置，所述深度学习装置包括：

数据采集模块，用于获取CT成像数据，并根据CT成像数据生成不同角度的DRR图像数据，所述DRR图像数据中包含针对特定目标的DRR标记；或，获取多个不同角度的KV成像数据，所述KV成像数据中包含针对特定目标的KV标记；

获取与DRR图像对应角度拍摄的MV成像数据，所述MV成像数据中包含与DRR标记或KV标记目标及形状一致的MV标记；

数据配对模块，将基于同一目标同一角度成像的DRR图像数据或KV成像数据和MV成像数据配对传送给深度学习模块；

深度学习模块，分析基于同一目标同一角度成像的DRR图像数据和MV成像数据上的DRR标记及MV标记区域内所各自对应的DRR图像数据信息、MV成像数据信息，获得二者之间的关联因素，从而建立二者之间的关联函数；或，分析基于同一目标同一角度成像的KV成像数据和MV成像数据上的KV标记及MV标记区域内所各自对应的KV成像数据信息、MV成像数据信息，获得二者之间的关联因素，从而建立二者之间的关联函数。

进一步的，所述人工智能摆位装置还包括摆位配准装置，用于获取已知角度的MV成像数据，并调用相同拍摄角度的DRR图像数据或KV成像数据，根据关联函数，在MV成像数据和DRR图像数据或KV成像数据上完成MV标记和DRR标记或KV标记，再根据MV标记与DRR标记或KV标记之间的坐标偏移量进行调整，直到MV标记与对应的DRR标记或KV标记重合；或，根据关联函数，在MV成像数据和DRR图像数据或KV成像数据上完成一一对应的至少一个MV标记点和DRR标记点或KV标记点，再根据MV标记点与DRR标记点或KV标记点之间的坐标偏移量进行调整，直到MV标记与对应的DRR标记或KV标记重合。

进一步的，所述加速器治疗装置还包括：

MV级数字图像平板，用于与MV级加速器配合获取MV成像数据；

KV级射线装置，包括KV级射线发生装置和KV级数字图像平板，用以获取KV成像数据。

第二导轨，所述KV级射线装置安装于所述第二导轨上；

所述第二导轨可相对于主机架独立旋转，带动KV级射线装置绕等中心旋转；

或第二导轨相对于主机架固定不动，所述KV级射线装置可沿第二导轨往复滑动绕等中心旋转；

或所述第二导轨可相对于主机架独立旋转，带动KV级射线装置绕等中心旋转，同时所述KV级射线装置可沿第二导轨往复滑动绕等中心旋转。

附图说明

图1是本发明的示意图。

具体实施方式

下面结合附图和具体实施方式对本发明作进一步详细的说明。

如图1所示，一种人工智能的摆位方法，包括学习步骤，以及利用学习步骤得到的关联函数进行摆位配准的步骤，所述学习步骤包括以下步骤：

获取CT成像数据，根据CT成像数据生成多个不同角度的DRR图像数据，所述DRR图像数据中包含针对特定目标的DRR标记；或，获取多个不同角度的KV成像数据，所述KV成像数据中包含针对特定目标的KV标记；

提供与DRR图像数据或KV成像数据对应角度拍摄的MV成像数据，所述MV成像数据中包含与DRR标记或KV标记目标及形状一致的MV标记；

分析基于同一目标同一角度成像的DRR图像数据和MV成像数据上的DRR标记及MV标记区域内所各自对应的DRR图像数据信息、MV成像数据信息，获得二者之间的关联因素，从而建立二者之间的关联函数；或，分析基于同一目标同一角度成像的KV成像数据和MV成像数据上的KV标记及MV标记区域内所各自对应的KV成像数据信息、MV成像数据信息，获得二者之间的关联因素，从而建立二者之间的关联函数。

本文所述的DRR图像数据是指包括但不限于专用CT成像设备(CT机)所获得的目标图像信息；CT摆位坐标信息是指在进行CT成像时目标(例如病患体内的病灶或专用模型)相对于等中心的三维坐标信息；DRR成像数据是指通过对三维的CT成像数据进行平面投影处理获取的二维图像信息；DRR摆位坐标信息是指在根据CT成像数据生成DRR图像数据时目标例如病患体内的病灶或专用模型相对于等中心的三维坐标信息；KV成像数据由专门的KV级球管成像设备或者集成在加速器治疗设备上的KV级射线成像装置所获得的目标图像信息；而MV成像数据是指MV级加速器配合MV级数字图像平板获取的MV成像信息；MV摆位坐标信息是指在获得MV成像数据时目标(例如病患的人体或专用模型)相对于等中心的三维坐标信息。不论CT成像数据、DRR图像数据、KV成像数据，还是MV成像数据，其坐标系都是基于等中心来建立，因此它们的坐标体系是相同的。医护人员先使用CT机(或集成在加速器治疗设备上的KV级CBCT放射装置)对病灶进行三维成像，由于所有机器都经过了图像中心点与等中心点的对正操作，因此可在CT机上获取病患的三维成像数据并制定治疗计划，此时，还可基于CT成像数据生成所需角度的DRR图像数据，并包含了该角度上目标(病灶)及其他健康的人体组织在该方向的投影，在该方向上目标及其他健康的人体组织相对于等中心点的坐标数据就体现在DRR图像数据中目标及其他健康的人体组织影像相对于DRR图像中心的位置关系，那么，如果设定等中心点为三维坐标系的原点，垂直轴为Z轴，右向坐标轴为X轴，前向坐标轴为Y轴，三轴相互垂直。那么，从Z轴向下进行成像设为0°成像，此时的CT成像数据为等中心及目标及其他健康的人体组织在XY平面上的投影，同时获得目标及其他健康的人体组织在XY平面的坐标信息。再从X轴方向进行成像设为90°成像，此时DRR图像数据为等中心、目标及其他健康的人体组织在YZ平面上的投影，同时获得目标及其他健康的人体组织在YZ平面上的坐标信息。根据上述两个平面的坐标数据，就可以获得目标及其他健康的人体组织相对于等中心点(原点)的三维坐标数据。同理，在进行加速器治疗设备的MV成像时，也可以基于上述原理获得目标及其他健康的人体组织在此时相对于等中心点的三维坐标数据。因此，基于成像角度(要相同)、及坐标信息，就可以得到CT成像时人体的摆位坐标及MV成像时的摆位坐标之间的偏移量，可以根据这个偏移量进行调整，使得人体在进行MV级加速器治疗时的摆位和在CT机上进行放射治疗计划制定时的摆位一致。以KV成像数据与MV成像数据配合进行摆位也同理。

这里的同角度的DRR图像数据和MV成像数据是指针对同一目标及其他健康的人体组织从同一角度获得的DRR图像数据(由三维的CT成像数据生成而来)和MV成像数据，二者本质上是同一物理信息的数字投影，一般来说，CT成像中含有更多更丰富的影像细节，特别是人体软组织的数据信息，由CT成像生成的DRR图像数据也具备上述特点，而MV成像数据中，这些影像细节就有很大的缺失，实际上人工是无法直接观察MV成像数据获得摆位需要的信息的。因此实际上要加速器治疗设备根据MV成像数据直接获得坐标数据是有难度的。

本发明创造性的将同角度的DRR图像数据或KV成像数据，和MV成像数据一一对应，再将对应的DRR图像或KV成像数据，和MV成像上的人体相同组织(例如同一块骨骼的影像)进行描绘相同的标记，即DRR标记或KV标记，和MV标记，二者对应一致，那么DRR标记KV标记，和MV标记相对于等中心的位置差异，就是我们需要调整的偏移量。分析DRR标记KV标记，及MV标记区域所各自对应的DRR图像数据信息或KV成像数据信息、MV成像数据信息，获得二者之间的关联因素，从而建立二者之间的关联函数。关联函数建立以后，无需再进行人工描绘DRR标记或KV标记，和MV标记，就可以利用关联函数自动分析对应的DRR图像数据或KV成像数据，及MV成像数据中的关联因素，从而建立对应的DRR标记或KV标记，及MV标记，根据MV标记及DRR标记之间(或MV标记和KV标记之间)相对于等中心的坐标差异，调整病患的位置，直到MV标记与DRR标记(或MV标记和KV标记)在三维坐标上的完全重合，实现自动化的摆位配准工作。

上述过程完成的次数越多，获得的关联函数越准确，也就是说，尽可能的提供更多的样本进行分析，如果，提供的样本(DRR图像数据、对应的MV成像数据，以及在二者上人工描绘的DRR标记和MV标记)是由业内专家提供的，那么大量样本分析后得到的关联函数就使得设备好像具备了专家的经验，这样既满足我们实际的应用需求，为加速器治疗设备的应用效率、治疗精度、医生快速摆位都提供了巨大而方便的技术手段，社会价值和经济价值都非常高。在实际应用中，例如，通过深度学习的方法就可以较简便的获得所述关联函数。

一般来说，最少通过两个角度(如0°位置的数据及90°位置的数据)配准，就可以使得在MV级加速器治疗时目标的摆位坐标与CT成像时的一致(即治疗时的坐标与制定治疗计划时的坐标一致)，保证了治疗的精度和高效。

而深度学习的相关技术以及图像关联因素分析的技术，已经有了基础理论及具体操作的方法，在此就不再赘述。但这些基础理论及操作方法用于本发明所述的领域，现有技术未有公开，也没有相关的技术启示和解决方案，甚至希望直接利用MV级图像装置来实现自动摆位，也从未有人提及，这个思路的本身就需要经过创造性的思维才能获得。没有创造性的本领域技术人员，是无法不经过创造性思维就发现这一点的，因为在本领域所有技术教导中都明确该技术所获得的图像数据缺乏必要的细节，而无法应用，本领域的技术人员不经过创造性的思维是无法克服这种技术偏见的。

在实际应用中，为了进一步提高准确度，对同一目标进行多次所述学习步骤；和/或对不同目标进行一次或多次所述学习步骤；以获得优化的同角度DRR图像数据或KV成像数据与MV成像数据之间的关联函数。

我们可以将学习的步骤理解为一个数据库的建立，以及判断依据的丰富，以及判断经验的不断积累。就同一目标而言，不同角度、相同角度但不同时间的DRR图像数据及MV成像数据是可能不同的，就同一目标而言，进行多次学习的步骤，可以获得针对该目标精确的关联函数。同时，由于这种关联，对不同的目标，具有其共通性，因此由此获得的关联函数也具备通用性，因而可以适用于不同的目标。其中，在学习阶段，我们在完成大量(例如1000对或10000对DRR图像数据和MV成像数据)成对的DRR图像数据和MV成像数据，每对DRR图像数据和MV成像数据都基于同一目标且相同角度拍摄，然后请本领域的专家或技术经验丰富者，对每对DRR图像数据和MV成像数据制作DRR标记和MV标记，然后将这些标记好的DRR图像数据和MV成像数据输入数据采集模块当中，进而完成学习步骤，通过深度学习的方法或者其它关联因素的获取方法，建立数学模型，得到关联函数。关联函数是获取DRR图像数据和MV成像数据之间特定关联因素的钥匙，基于关联函数，可以获得和人工制作精度相当的DRR标记及MV标记，从而使加速器治疗设备具备了人工智能摆位配准的功能，并且其精度和本领域专家相当，具有人工配准不具备的稳定性和高效性。以KV成像数据与MV成像数据配合进行摆位也同理。

在实际应用中，学习样本(例如专家制作好标记的DRR图像数据和MV成像数据)的来源可以来源于单一目标的多角度成像，以及不同目标的多角度成像，不论一个目标只采用一个角度，还是每个目标都采用多个角度，最终目标都是需要获得的关联函数具有实际的应用价值，一般而言，学习样本的不断增加，会使该关联函数不断得到优化，直到进一步优化的效果可以忽略不计。

进一步的，不断进行针对不同目标的学习步骤，和/或者针对同一目标不同角度的DRR图像数据或KV成像数据与MV成像数据的学习步骤，直到将任一角度的MV成像数据及对应的DRR图像数据或KV成像数据进行对比分析后，直接利用关联函数获得DRR标记或KV标记及MV标记，且DRR标记或KV标记及MV标记满足摆位配准的要求。

依据本发明制备的设备，在出厂前就可以经过初步的学习步骤及关联函数的获得过程，使得其满足最低的应用需要，也可以根据客户的要求精度来完成该工作。还可以在实际应用中，通过内部设置学习管理模块，自动抓取需要角度的MV成像数据，并调用本加速器治疗设备的数据存储器里或医院及第三方云端服务器中存储的该目标对应角度的DRR图像数据，或加速器治疗设备本身集成的KV级射线装置获取的对应角度的DRR图像数据，并将同角度的DRR图像数据和MV成像数据成对发给指定的数据库或邮箱等，这些数据交由人工进行DRR标记和MV标记的制作，或者交由另一台设备(另一台具有高精度关联函数计算能力的加速器治疗设备或专用的辅助设备或云端服务器)进行DRR标记和MV标记的制作，再将制作好DRR标记和MV标记的DRR图像数据和MV成像数据发回给本设备进行学习步骤，不断的提升其关联函数的计算精度。

就目前技术环境而言，所述学习步骤采用人工智能深度学习的方法相对方便高效。通过深度学习的方法来获取关联函数，是比较简便易行的方式。本发明的加速器治疗设备可以内嵌深度学习装置，这样每一台加速器治疗设备都可以完成深度学习及关联函数的优化。为了优化成本，实现数据共享及大数据应用，也可以将深度学习装置安装于云端服务器，每一台加速器治疗设备只需要将需要角度的MV成像数据实时上传，而云端服务器中已经完成深度学习的步骤，已经获得关联函数供所有联网的加速器治疗设备调用。实际进行MV级加速器治疗前摆位时，按照设定的角度进行MV成像，获得MV成像数据，将其上传到云端服务器中，云端服务器中在之前已经获得了该目标在进行CT成像制定治疗计划时的对应角度的DRR图像数据(通过CT成像数据生成)，云端服务器将MV成像数据与对应角度的DRR图像数据进行对比分析，依据关联函数，完成DRR图像数据和MV成像数的DRR标记及MV标记的制作，再将上述数据发回请求的加速器治疗设备，加速器治疗设备根据DRR标记及MV标记进行摆位配准。

在学习步骤完成后，加速器治疗设备需要完成摆位配准步骤，将病患在MV加速器治疗设备上的摆位调整到与CT机上制作治疗计划时的摆位一致。在实际应用中，摆位配准步骤可以采用以下方案，将病患放置在MV加速器治疗设备上获取已知角度的MV成像数据，调用相同角度的DRR图像数据，根据关联函数，在MV成像数据和DRR图像数据上完成MV标记和DRR标记，再根据MV标记与DRR标记之间的坐标偏移量进行调整，直到MV标记与对应的DRR标记重合；或，根据关联函数，在MV成像数据和DRR图像数据上完成一一对应的至少一个MV标记点和DRR标记点，再根据MV标记点与DRR标记点之间的坐标偏移量进行调整，直到MV标记与对应的DRR标记重合。利用KV成像数据进行配合摆位配准也同理。

在实际应用中，为了实现上述方法，包括但不限于本发明提供以下方案。

一种人工智能摆位装置，包括深度学习装置，所述深度学习装置包括：

数据采集模块，用于获取CT成像数据，并根据CT成像数据生成不同角度的DRR图像数据，所述DRR图像数据中包含针对特定目标的DRR标记；或，获取多个不同角度的KV成像数据，所述KV成像数据中包含针对特定目标的KV标记；

获取与DRR图像对应角度拍摄的MV成像数据，所述MV成像数据中包含与DRR标记或KV标记目标及形状一致的MV标记；

数据配对模块，将基于同一目标同一角度成像的DRR图像数据或KV成像数据和MV成像数据配对传送给深度学习模块；

深度学习模块，分析基于同一目标同一角度成像的DRR图像数据和MV成像数据上的DRR标记及MV标记区域内所各自对应的DRR图像数据信息、MV成像数据信息，获得二者之间的关联因素，从而建立二者之间的关联函数；或，分析基于同一目标同一角度成像的KV成像数据和MV成像数据上的KV标记及MV标记区域内所各自对应的KV成像数据信息、MV成像数据信息，获得二者之间的关联因素，从而建立二者之间的关联函数。

该深度学习装置可以设置在每一台加速器治疗装置中，也可以安装在云端服务器，供所有联网的加速器治疗设备调用。

在一些实施例中，还包括摆位配准装置，用于获取已知角度的MV成像数据，并调用相同拍摄角度的DRR图像数据或KV成像数据，根据关联函数，在MV成像数据和DRR图像数据或KV成像数据上完成MV标记和DRR标记或KV标记，再根据MV标记与DRR标记或KV标记之间的坐标偏移量进行调整，直到MV标记与对应的DRR标记或KV标记重合；或，根据关联函数，在MV成像数据和DRR图像数据或KV成像数据上完成一一对应的至少一个MV标记点和DRR标记点或KV标记点，再根据MV标记点与DRR标记点或KV标记点之间的坐标偏移量进行调整，直到MV标记与对应的DRR标记或KV标记重合。

该装置可以单独制造，然后与现有的加速器治疗设备进行结合，从而使现有的加速器治疗设备具备学习功能和智能摆位配准功能。

对于已有MV级加速器及MV数字图像平板及KV级射线装置，但是没有深度学习功能的现有设备而言，这里的深度学习模块中的数据采集模块就是一个与MV数字图像平面、KV级数字图像平板进行数据通讯的一个数据抓取接口与装置，用于将来自二者的成像数据抓取出来，并标记其成像角度，对相同角度的成像数据进行配准。对于将深度学习装置(或偏移量函数计算装置)设置于云端服务器的情形，与此类似，就不再赘述。

本发明还提供一种加速器治疗装置，包括MV级加速器和主机架，还包括人工智能摆位装置，所述人工智能摆位装置设有深度学习装置，所述深度学习装置包括：

数据采集模块，用于获取CT成像数据，并根据CT成像数据生成不同角度的DRR图像数据，所述DRR图像数据中包含针对特定目标的DRR标记；或，获取多个不同角度的KV成像数据，所述KV成像数据中包含针对特定目标的KV标记；

获取与DRR图像对应角度拍摄的MV成像数据，所述MV成像数据中包含与DRR标记或KV标记目标及形状一致的MV标记；

数据配对模块，将基于同一目标同一角度成像的DRR图像数据或KV成像数据和MV成像数据配对传送给深度学习模块；

深度学习模块，分析基于同一目标同一角度成像的DRR图像数据和MV成像数据上的DRR标记及MV标记区域内所各自对应的DRR图像数据信息、MV成像数据信息，获得二者之间的关联因素，从而建立二者之间的关联函数；或，分析基于同一目标同一角度成像的KV成像数据和MV成像数据上的KV标记及MV标记区域内所各自对应的KV成像数据信息、MV成像数据信息，获得二者之间的关联因素，从而建立二者之间的关联函数。

进一步的，还包括人工智能摆位装置，所述人工智能摆位装置设有深度学习装置，所述深度学习装置包括：

数据采集模块，用于获取不同角度的CT成像数据，所述CT成像数据中包含针对特定目标的DRR标记；

获取与CT成像对应角度拍摄的MV成像数据，所述MV成像数据中包含与DRR标记目标及形状一致的MV标记；

数据配对模块，将基于同一目标同一角度成像的CT成像数据和MV成像数据配对传送给深度学习模块；

深度学习模块，分析基于同一目标同一角度成像的CT成像数据和MV成像数据上的DRR标记及MV标记区域内所各自对应的CT成像数据信息、MV成像数据信息，获得二者之间的关联因素，从而建立二者之间的关联函数。

进一步的，所述人工智能摆位装置还包括摆位配准装置，用于获取已知角度的MV成像数据，并调用相同拍摄角度的DRR图像数据或KV成像数据，根据关联函数，在MV成像数据和DRR图像数据或KV成像数据上完成MV标记和DRR标记或KV标记，再根据MV标记与DRR标记或KV标记之间的坐标偏移量进行调整，直到MV标记与对应的DRR标记或KV标记重合；或，根据关联函数，在MV成像数据和DRR图像数据或KV成像数据上完成一一对应的至少一个MV标记点和DRR标记点或KV标记点，再根据MV标记点与DRR标记点或KV标记点之间的坐标偏移量进行调整，直到MV标记与对应的DRR标记或KV标记重合。

进一步的，所述加速器治疗装置还包括：

MV级数字图像平板，用于与MV级加速器配合获取MV成像数据；

KV级射线装置，包括KV级射线发生装置和KV级数字图像平板，用以获取KV成像数据。

第二导轨，所述KV级射线装置安装于所述第二导轨上；

所述第二导轨可相对于主机架独立旋转，带动KV级射线装置绕等中心旋转；

或第二导轨相对于主机架固定不动，所述KV级射线装置可沿第二导轨往复滑动绕等中心旋转；

或所述第二导轨可相对于主机架独立旋转，带动KV级射线装置绕等中心旋转，同时所述KV级射线装置可沿第二导轨往复滑动绕等中心旋转。

设置第二导轨的意义非常重大，它使得MV级加速器和KV级射线装置可相对独立运动，从而可以大大提高配准所需的KV成像数据及MV成像数据的采集效率，及两套子系统的协同工作效率。例如，当MV级加速器完成某一角度的照射(包括治疗及MV成像)后，离开这一角度去其它位置工作，此时，具有第二导轨就可以将KV级射线装置移动到该角度完成KV成像，而现有技术中，KV级射线装置与MV级加速器相对位置固定不变的方案而言，就要便捷很多。

进一步的，所述加速器治疗装置还包括深度学习控制装置，所述深度学习控制装置用以控制加速器治疗装置完成以下工作：

控制MV级加速器和MV级数字图像平板获取不同角度的MV成像数据；

控制KV级射线装置获取与MV级图像数据相同成像角度的DRR图像数据。

理论上，相同型号的MV级加速器治疗设备可以共用一个关联函数，当然，每一台的MV级加速器治疗设备也可以自行完成关联函数的构建，也可以将多台的MV级加速器治疗设备获关联函数通过云端服务器中设置的融合优化模块进行优化，以使最终的融合关联函数满足所有的MV级加速器治疗设备的运用要求。或者，将多台(两台及以上)MV级加速器治疗设备获取的配准图像数据(MV级图像数据及相同角度的DRR图像数据)都传送到云端服务器的深度学习装置(或软件构成的深度学习模块)，由其通过所有的配准图像数据获得关联函数，并供所有与云端服务器连接的MV级加速器治疗设备调用。

以上所述的仅是本发明的优选实施方式，应当指出，对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

Claims (3)

1.一种人工智能摆位装置，其特征在于，包括深度学习装置，所述深度学习装置包括：

数据采集模块，用于获取CT成像数据，并根据CT成像数据生成不同角度的DRR图像数据，所述DRR图像数据中包含针对特定目标的DRR标记；或，获取多个不同角度的KV成像数据，所述KV成像数据中包含针对特定目标的KV标记；

获取与DRR图像对应角度拍摄的MV成像数据，所述MV成像数据中包含与DRR标记或KV标记目标及形状一致的MV标记；

数据配对模块，将基于同一目标同一角度成像的DRR图像数据或KV成像数据和MV成像数据配对传送给深度学习模块；

深度学习模块，分析基于同一目标同一角度成像的DRR图像数据和MV成像数据上的DRR标记及MV标记区域内所各自对应的DRR图像数据信息、MV成像数据信息，获得二者之间的关联因素，从而建立二者之间的关联函数；或，分析基于同一目标同一角度成像的KV成像数据和MV成像数据上的KV标记及MV标记区域内所各自对应的KV成像数据信息、MV成像数据信息，获得二者之间的关联因素，从而建立二者之间的关联函数；

还包括摆位配准装置，用于获取已知角度的MV成像数据，并调用相同拍摄角度的DRR图像数据或KV成像数据，根据关联函数，在MV成像数据和DRR图像数据或KV成像数据上完成MV标记和DRR标记或KV标记，再根据MV标记与DRR标记或KV标记之间的坐标偏移量进行调整，直到MV标记与对应的DRR标记或KV标记重合；或，根据关联函数，在MV成像数据和DRR图像数据或KV成像数据上完成一一对应的至少一个MV标记点和DRR标记点或KV标记点，再根据MV标记点与DRR标记点或KV标记点之间的坐标偏移量进行调整，直到MV标记与对应的DRR标记或KV标记重合。

2.一种加速器治疗装置，包括MV级加速器和主机架，其特征在于，还包括人工智能摆位装置，所述人工智能摆位装置设有深度学习装置，所述深度学习装置包括：

数据采集模块，用于获取CT成像数据，并根据CT成像数据生成不同角度的DRR图像数据，所述DRR图像数据中包含针对特定目标的DRR标记；或，获取多个不同角度的KV成像数据，所述KV成像数据中包含针对特定目标的KV标记；

获取与DRR图像对应角度拍摄的MV成像数据，所述MV成像数据中包含与DRR标记或KV标记目标及形状一致的MV标记；

数据配对模块，将基于同一目标同一角度成像的DRR图像数据或KV成像数据和MV成像数据配对传送给深度学习模块；

深度学习模块，分析基于同一目标同一角度成像的DRR图像数据和MV成像数据上的DRR标记及MV标记区域内所各自对应的DRR图像数据信息、MV成像数据信息，获得二者之间的关联因素，从而建立二者之间的关联函数；或，分析基于同一目标同一角度成像的KV成像数据和MV成像数据上的KV标记及MV标记区域内所各自对应的KV成像数据信息、MV成像数据信息，获得二者之间的关联因素，从而建立二者之间的关联函数；

所述人工智能摆位装置还包括摆位配准装置，用于获取已知角度的MV成像数据，并调用相同拍摄角度的DRR图像数据或KV成像数据，根据关联函数，在MV成像数据和DRR图像数据或KV成像数据上完成MV标记和DRR标记或KV标记，再根据MV标记与DRR标记或KV标记之间的坐标偏移量进行调整，直到MV标记与对应的DRR标记或KV标记重合；或，根据关联函数，在MV成像数据和DRR图像数据或KV成像数据上完成一一对应的至少一个MV标记点和DRR标记点或KV标记点，再根据MV标记点与DRR标记点或KV标记点之间的坐标偏移量进行调整，直到MV标记与对应的DRR标记或KV标记重合。

3.根据权利要求2所述的加速器治疗装置，其特征在于，所述加速器治疗装置还包括：

MV级数字图像平板，用于与MV级加速器配合获取MV成像数据；

KV级射线装置，包括KV级射线发生装置和KV级数字图像平板，用以获取KV成像数据；

第二导轨，所述KV级射线装置安装于所述第二导轨上；

所述第二导轨可相对于主机架独立旋转，带动KV级射线装置绕等中心旋转；

或第二导轨相对于主机架固定不动，所述KV级射线装置可沿第二导轨往复滑动绕等中心旋转；

或所述第二导轨可相对于主机架独立旋转，带动KV级射线装置绕等中心旋转，同时所述KV级射线装置可沿第二导轨往复滑动绕等中心旋转。

Images