CN110465004A - 一种云放射治疗计划系统及放射治疗计划的生成方法 - Google Patents
一种云放射治疗计划系统及放射治疗计划的生成方法 Download PDFInfo
- Publication number
- CN110465004A CN110465004A CN201910711805.XA CN201910711805A CN110465004A CN 110465004 A CN110465004 A CN 110465004A CN 201910711805 A CN201910711805 A CN 201910711805A CN 110465004 A CN110465004 A CN 110465004A
- Authority
- CN
- China
- Prior art keywords
- treatment planning
- radiotherapy
- plan
- 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
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
本发明公开了一种云放射治疗计划系统及放射治疗计划的生成方法、计算机存储介质、计算设备，可以使不同地域的患者享受同等优质的计划方案，极大地提高了我国的癌症患者的存活率，同时能够缩小地域间的医疗差距。其中云放射治疗计划系统包括：数据采集单元，适于采集一个或多个医院的患者数据；数据处理单元，适于对采集的患者数据进行处理，得到处理结果；治疗计划生成单元，适于将处理结果输入放射治疗计划算法模型，生成初始放射治疗计划；治疗计划评估单元，适于对初始放射治疗计划进行评估，并根据评估结果确定是否对初始放射治疗计划进行调整，进而得到精准放射治疗计划；治疗计划下发单元，适于下发精准放射治疗计划，供医生使用。
Description
技术领域
本发明涉及医疗技术领域，尤其是涉及到一种云放射治疗计划系统及放射治疗计划的生成方法、计算机存储介质、计算设备。
背景技术
放射治疗利用放射线治疗疾病，是进行肿瘤治疗的重要手段之一，对于改善人类健康和增益人类寿命有十分重大的意义。为了保证治疗的安全性和可靠性，TPS(Radiotherapy Treatment Planning System，放射治疗计划系统)随之出现。在TPS中，通过对放射源和患者建模，给患者制定放射计划，并模拟计划实施，当放射计划满足临床要求时，再进行临床治疗。
目前，各家医院各自在本地部署TPS，利用TPS调用、整合资源，制定放射治疗计划。然而，基于本地化的TPS，调用、整合资源的效率低，数据库信息不全面，医院间相互学习沟通、借鉴不便，造成医疗服务水平参差不齐，就医环境不够良好，医院就诊比例不协调，各地域间的医疗差距较大，我国的癌症患者的存活率低。因此，亟待解决这一技术问题。
发明内容
有鉴于此，本发明提供了一种云放射治疗计划系统及放射治疗计划的生成方法、计算机存储介质、计算设备，可以使不同地域的患者享受同等优质的计划方案，极大地提高了我国的癌症患者的存活率，同时能够缩小地域间的医疗差距。
根据本发明的一个方面，提供了一种云放射治疗计划系统，包括：
数据采集单元，适于采集一个或多个医院的患者数据；
数据处理单元，适于对所述数据采集单元采集的患者数据进行处理，得到处理结果；
治疗计划生成单元，适于将所述数据处理单元得到的处理结果输入放射治疗计划算法模型，生成初始放射治疗计划；
治疗计划评估单元，适于对所述治疗计划生成单元得到的初始放射治疗计划进行评估，并根据评估结果确定是否对初始放射治疗计划进行调整，进而得到精准放射治疗计划；
治疗计划下发单元，适于下发所述治疗计划评估单元得到的精准放射治疗计划，供医生使用。
可选地，所述云放射治疗计划系统还包括：
展示单元，适于展示所述治疗计划评估单元得到的精准放射治疗计划的参数数据。
可选地，所述云放射治疗计划系统还包括：
数据共享单元，适于向外部系统或平台提供共享数据。
可选地，所述数据采集单元还适于：
从各个医院的指定路径采集患者数据；和/或
从云存储服务器采集患者数据，其中，所述云存储服务器存储有各个医院上传的患者数据。
可选地，所述数据处理单元包括：
影像分析模块，适于对所述数据采集单元采集的患者数据进行展示和/或诊断。
可选地，所述数据处理单元包括：
第一靶区勾画模块，适于接收来自医生用户的针对所述数据采集单元采集的患者数据进行靶区勾画的操作指令，进而根据操作指令对患者的靶区以及危及器官进行勾画；和/或
第二靶区勾画模块，适于将所述数据采集单元采集的患者数据输入预先训练的勾靶算法模型，输出包含患者的靶区以及危及器官的勾靶图像。
可选地，所述治疗计划生成单元还适于：
在将所述数据处理单元得到的处理结果输入放射治疗计划算法模型之前，调用与指定参数匹配的放射治疗计划算法模型；其中，所述指定参数包括患者的肿瘤位置、计划方式、感兴趣区ROI、处方值、治疗分次、治疗的等中心、要执行计划的机器、CT定位影像所采用的电子密度表中的一个或者多个。
可选地，所述治疗计划评估单元包括：
等剂量线模块，适于对所述治疗计划生成单元得到的初始放射治疗计划进行评估；和/或
剂量体积直方图模块，适于对所述治疗计划生成单元得到的初始放射治疗计划进行评估。
可选地，所述治疗计划下发单元还适于：
将所述治疗计划评估单元得到的精准放射治疗计划下发到患者所在的医院，供医生使用；和/或
将所述治疗计划评估单元得到的精准放射治疗计划保存到云存储服务器，从而各个医院从所述云存储服务器获取患者的精准放射治疗计划，供医生使用。
根据本发明的另一方面，提供了一种放射治疗计划的生成方法，包括：
采集一个或多个医院的患者数据；
对采集的患者数据进行处理，得到处理结果；
将处理结果输入放射治疗计划算法模型，生成初始放射治疗计划；
对初始放射治疗计划进行评估，并根据评估结果确定是否对初始放射治疗计划进行调整，进而得到精准放射治疗计划；
下发精准放射治疗计划，供医生使用。
可选地，所述放射治疗计划的生成方法还包括：
展示精准放射治疗计划的参数数据。
可选地，所述放射治疗计划的生成方法应用于云放射治疗计划系统，所述方法还包括：
向外部系统或平台提供共享数据。
可选地，所述采集一个或多个医院的患者数据包括：
从各个医院的指定路径采集患者数据；和/或
从云存储服务器采集患者数据，其中，所述云存储服务器存储有各个医院上传的患者数据。
可选地，所述对采集的患者数据进行处理包括：
对采集的患者数据进行展示和/或诊断。
可选地，所述对采集的患者数据进行处理包括：
接收来自医生用户的针对所述数据采集单元采集的患者数据进行靶区勾画的操作指令，进而根据操作指令对患者的靶区以及危及器官进行勾画；
和/或
将所述数据采集单元采集的患者数据输入预先训练的勾靶算法模型，输出包含患者的靶区以及危及器官的勾靶图像。
可选地，所述将处理结果输入放射治疗计划算法模型之前还包括：
调用与指定参数匹配的放射治疗计划算法模型；其中，所述指定参数包括患者的肿瘤位置、计划方式、感兴趣区ROI、处方值、治疗分次、治疗的等中心、要执行计划的机器、CT定位影像所采用的电子密度表中的一个或者多个。
可选地，所述对初始放射治疗计划进行评估包括：
采用等剂量线对初始放射治疗计划进行评估；和/或
采用剂量体积直方图对初始放射治疗计划进行评估。
可选地，所述下发精准放射治疗计划包括：
将精准放射治疗计划下发到患者所在的医院；和/或
将精准放射治疗计划保存到云存储服务器，从而各个医院从所述云存储服务器获取患者的精准放射治疗计划。
根据本发明的又一个方面，还提供了一种计算机存储介质，所述计算机存储介质存储有计算机程序代码，当所述计算机程序代码在计算设备上运行时，导致所述计算设备执行上述的放射治疗计划的生成方法。
根据本发明的再一个方面，还提供了一种计算设备，包括：处理器；存储有计算机程序代码的存储器；当所述计算机程序代码被所述处理器运行时，导致所述计算设备执行上述的放射治疗计划的生成方法。
借由上述技术方案，本发明提供的云放射治疗计划系统能够采集一个或多个医院的患者数据，并基于患者数据生成精准放射治疗计划，进而下发精准放射治疗计划，供医生使用，可以使不同地域的患者享受同等优质的计划方案，使其调用、整合资源效率提高，数据库信息更全面，医院间相互学习沟通、借鉴极大便利，从而也极大地提高了我国的癌症患者的存活率，同时能够缩小地域间的医疗差距。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
根据下文结合附图对本发明具体实施例的详细描述，本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1示出了根据本发明一实施例的云放射治疗计划系统的结构示意图；
图2示出了根据本发明另一实施例的云放射治疗计划系统的结构示意图；
图3示出了根据本发明又一实施例的云放射治疗计划系统的结构示意图；
图4示出了根据本发明一实施例的放射治疗计划的生成方法的流程图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
为解决上述技术问题，本发明实施例提供了一种云放射治疗计划系统。图1示出了根据本发明一实施例的云放射治疗计划系统的结构示意图。如图1所示，云放射治疗计划系统可以包括数据采集单元110、数据处理单元120、治疗计划生成单元130、治疗计划评估单元140以及治疗计划下发单元150，具体地，云放射治疗计划系统各部分的功能及各部分间的连接关系如下：
数据采集单元110，适于采集一个或多个医院的患者数据；
数据处理单元120，适于对数据采集单元110采集的患者数据进行处理，得到处理结果；
治疗计划生成单元130，适于将数据处理单元120得到的处理结果输入放射治疗计划算法模型，生成初始放射治疗计划；
治疗计划评估单元140，适于对治疗计划生成单元130得到的初始放射治疗计划进行评估，并根据评估结果确定是否对初始放射治疗计划进行调整，进而得到精准放射治疗计划；
治疗计划下发单元150，适于下发治疗计划评估单元140得到的精准放射治疗计划，供医生使用。
本发明实施例提供的云放射治疗计划系统能够采集一个或多个医院的患者数据，并基于患者数据生成精准放射治疗计划，进而下发精准放射治疗计划，供医生使用，可以使不同地域的患者享受同等优质的计划方案，使其调用、整合资源效率提高，数据库信息更全面，医院间相互学习沟通、借鉴极大便利，从而也极大地提高了我国的癌症患者的存活率，同时能够缩小地域间的医疗差距。
上文提及的患者数据可以是患者的CT(Computed Tomography，X线计算机断层摄影)、MRI(Magnetic Resonance Imaging，磁共振成像)等数据，还可以是患者的年龄、体重、身高、既往病史、药物过敏史、家族史等基本信息数据，本发明实施例对此不作限制。
在具体应用场景中，医院可以将患者数据存储到本院的指定路径，也可以将患者数据存储到云存储服务器中。在本发明的可选实施例中，数据采集单元110可以从各个医院的指定路径采集患者数据，也可以从云存储服务器采集患者数据，这里的云存储服务器存储有各个医院上传的患者数据，云存储服务器可以是公共云服务器、私有云服务器或者两者的混合云服务器。
数据采集单元110在采集患者数据时，可以在指定时间周期从各个医院的指定路径采集或者从云存储服务器采集，这里的指定时间周期可以根据实际需求进行设置，例如1分钟、10分钟、60分钟等，本发明实施例对此不作限制。
数据采集单元110在采集患者数据时，也可以根据提示信息从各个医院的指定路径采集或者从云存储服务器采集。具体地，医院将患者数据存储到本院的指定路径时向云放射治疗计划系统发送提示信息，云放射治疗计划系统的数据采集单元110接收到提示信息，从各个医院的指定路径采集患者数据。医院将患者数据存储到云存储服务器时向云放射治疗计划系统发送提示信息，云放射治疗计划系统的数据采集单元110接收到提示信息，从云存储服务器采集患者数据。
在本发明的可选实施例中，如图2所示，数据处理单元120可以包括影像分析模块121，适于对数据采集单元110采集的患者数据进行展示；或者对数据采集单元110采集的患者数据进行诊断；或者对数据采集单元110采集的患者数据进行展示和诊断。这里，对患者数据进行展示的方式，可以是文字或各种图形，如轴位图、冠状位图、矢状位图等。
在本发明的可选实施例中，如图2所示，数据处理单元120还可以包括第一靶区勾画模块122，适于接收来自医生用户的针对数据采集单元110采集的患者数据进行靶区勾画的操作指令，进而根据操作指令对患者的靶区以及危及器官进行勾画。这里，医生用户可以通过客户端或浏览器页面获取到云放射治疗计划系统的数据采集单元110采集的患者数据，并利用勾靶工具针对患者数据进行靶区勾画的操作，之后向云放射治疗计划系统提交操作指令，进而第一靶区勾画模块122可以根据操作指令对患者的靶区以及危及器官进行勾画。此外，第一靶区勾画模块122还可以对勾画的靶区以及危及器官进行展示。
在本发明的可选实施例中，数据处理单元120还可以包括第二靶区勾画模块123，适于将数据采集单元110采集的患者数据输入预先训练的勾靶算法模型，输出包含患者的靶区以及危及器官的勾靶图像。这里，利用勾靶算法模型可以实现自动勾靶，具体地，可以通过预存的感兴趣区域列表对患者数据中的图像数据进行识别，获取图像中的疑似区域，将疑似区域在图像中勾画出来，之后将已勾画疑似区域的图像输入预先训练的全卷积神经网络，输出勾画出至少一个感兴趣区域的勾靶图像，这里的感兴趣区域包含有靶区以及危及器官。此外，第二靶区勾画模块123还可以对包含有靶区以及危及器官的勾靶图像进行展示。
在本发明的可选实施例中，治疗计划生成单元130在将数据处理单元120得到的处理结果输入放射治疗计划算法模型之前，可以调用与指定参数匹配的放射治疗计划算法模型。这里，指定参数可以包括患者的肿瘤位置、计划方式、ROI、处方值、治疗分次、治疗的等中心、要执行计划的机器、CT定位影像所采用的电子密度表中的一个或者多个，可以根据实际需求选取指定参数，本发明对此不作限制。此外，这里的计划方式可以如IMRT(IntensityModulated Radiation Therapy，调强放射治疗)、VMAT(Volumetric Modulated ArcTherapy，容积旋转调强放射治疗)等。
以指定参数为要执行计划的机器为例，在实际应用中，不同医院的治疗机(如医用加速器、钴机等)参数可能不同，本发明提供的云放射治疗计划系统可以针对不同医院的治疗机提供相应的放射治疗计划。具体地，数据采集单元110采集的患者数据中包含患者所在医院的放射治疗机参数，治疗计划生成单元130可以调用与患者所在医院的放射治疗机参数匹配的放射治疗计划算法模型，进而将数据处理单元120得到的处理结果输入放射治疗计划算法模型，生成初始放射治疗计划。
上文提及的治疗计划评估单元140，可以对治疗计划生成单元130得到的初始放射治疗计划进行评估，并根据评估结果确定是否对初始放射治疗计划进行调整，进而得到精准放射治疗计划。具体地，如果根据评估结果确定需要对初始放射治疗计划进行调整，则将调整后的放射治疗计划作为精准放射治疗计划；如果根据评估结果确定不需要对初始放射治疗计划进行调整，则直接可以将初始放射治疗计划作为精准放射治疗计划。
在本发明的可选实施例中，如图2所示，治疗计划评估单元140可以包括等剂量线模块141，适于对治疗计划生成单元130得到的初始放射治疗计划进行评估。
在本发明的可选实施例中，如图2所示，治疗计划评估单元140还可以包括剂量体积直方图模块142，适于对治疗计划生成单元130得到的初始放射治疗计划进行评估。
在进行放射治疗计划评估时，治疗计划评估单元140还可以对初始放射治疗计划进行解析，得到放疗信息和靶区属性信息，然后将放疗信息输入到预先训练的深度学习模型中进行训练，之后判断解析得到的靶区属性信息是否符合深度学习模型输出的靶区属性信息，若不符合，则确定初始放射治疗计划存在异常，需要调整；若符合，则确定初始放射治疗计划正常并输出初始放射治疗计划通过验证的提示信息。
这里，放疗信息可以包括患者图像信息、肿瘤部件标签信息、感兴趣区数据集、放射治疗结构信息等。患者图像信息可以为患者医学数字成像和通信(Digital imaging andcommunications in medicine，Dicom)图像信息，患者Dicom图像包括了以亨氏单位计量的组织密度值、图像在人体参考坐标系中的坐标值。患者Dicom图像具体可以为头部图像、胸部图像、腹部图像等。肿瘤部件标签信息可以为乳腺、胰腺、肺癌、膀胱等标签信息。感兴趣区数据集可以包括感兴趣区明细数据信息和感兴趣区属性信息，感兴趣区明细数据信息可以包括左肺信息、右肺信息、心脏信息、肿瘤区信息、临床靶区信息、计划靶区信息等；感兴趣区属性信息可以包括感兴趣区的中心点坐标信息、体积信息、中心距信息等。靶区属性信息可以包括靶区范围信息或者靶区剂量信息等。
深度学习模型用于根据放疗信息与靶区属性信息之间的映射关系输出靶区属性信息。这里的深度学习模型可以基于非线性函数实现，具体地，深度学习模型可以为利用已通过验证放疗计划中解析出的放疗信息和靶区属性信息训练得到的。
此外，深度学习模型可以包括输入层、隐藏层和输出层，输入层对应于输入的放疗信息；隐藏层用于根据放疗信息和靶区属性信息之间的映射关系计算靶区属性信息；输出层用于将计算得到的靶区属性信息进行输出，隐藏层即为利用非线性函数对输入的放疗信息进行计算的层。
需要说明的是，深度学习模型输出的靶区属性信息为临床上可接受的且合理的靶区属性信息，通过深度学习模型输出的靶区属性信息对患者进行放射治疗，不会给患者带来并发症。
因此，若判断解析得到的靶区属性信息不符合深度学习模型输出的靶区属性信息，则说明通过初始放射治疗计划中靶区属性信息对患者进行放射治疗，会给患者带来并发症，初始放射治疗计划存在异常。若判断解析得到的靶区属性信息符合深度学习模型输出的靶区属性信息，则说明通过初始放射治疗计划中靶区属性信息对患者进行放射治疗，不会给患者带来并发症，初始放射治疗计划正常。
数据处理单元120、治疗计划生成单元130以及治疗计划评估单元140在自动计划的过程中，能够自动完成辅助器官的勾画、光线beam的选择、目标函数的设定、计划的优化等。
在本发明的可选实施例中，治疗计划下发单元150还适于将治疗计划评估单元140得到的精准放射治疗计划直接下发到患者所在的医院，供医生使用。此外，治疗计划下发单元150还适于将治疗计划评估单元140得到的精准放射治疗计划保存到云存储服务器，从而各个医院从云存储服务器获取患者的精准放射治疗计划，供医生使用。
在本发明的可选实施例中，如图3所示，云放射治疗计划系统还可以包括展示单元160，适于展示治疗计划评估单元140得到的精准放射治疗计划的参数数据。这里的参数数据可以是医院的加速器参数，如剂量中的X线、电子线的具体参数等，可以是能量、条件、误差范围、实测平均值、偏差、备注等信息，还可以是机械中的激光灯、光距尺、机架角度指示器、准直器角度指示器、铅门指示、治疗床运动等信息。
在本发明的可选实施例中，如图3所示，云放射治疗计划系统还可以包括数据共享单元170，适于向外部系统或平台提供共享数据。具体地，外部系统可以是精准云放疗质控系统、精准云放疗协作系统、AOIS(Allcure Oncology Information Management System，全域肿瘤信息管理系统)等，外部平台可以是肿瘤医院远程医学平台等，本发明实施例对此不作限制。具体地，数据共享单元170提供自定义的共享数据的接口，外部系统或平台可以通过自定义的接口调用云放射治疗计划系统，可以获取患者的病例数据，提高调用、整合资源的效率。这里，外部系统或平台与云放射治疗计划系统可以在一个局域网中，也可以在广域网中。
需要说明的是，实际应用中，上述所有可选实施方式可以采用结合的方式任意组合，形成本发明的可选实施例，在此不再一一赘述。
基于上文各个实施例提供的云放射治疗计划系统，基于同一发明构思，本发明实施例还提供了一种放射治疗计划的生成方法。如图4所示，该方法可以包括以下步骤S401至步骤S405：
S401，采集一个或多个医院的患者数据；
S402，对采集的患者数据进行处理，得到处理结果；
S403，将处理结果输入放射治疗计划算法模型，生成初始放射治疗计划；
S404，对初始放射治疗计划进行评估，并根据评估结果确定是否对初始放射治疗计划进行调整，进而得到精准放射治疗计划；
S405，下发精准放射治疗计划，供医生使用。
上面步骤S401提及的患者数据可以是患者的CT、MRI等数据，还可以是患者的年龄、体重、身高、既往病史、药物过敏史、家族史等基本信息数据，本发明实施例对此不作限制。
在具体应用场景中，医院可以将患者数据存储到本院的指定路径，也可以将患者数据存储到云存储服务器中。在本发明的可选实施例中，步骤S401中采集一个或多个医院的患者数据，可以从各个医院的指定路径采集患者数据，也可以从云存储服务器采集患者数据，这里的云存储服务器存储有各个医院上传的患者数据，云存储服务器可以是公共云服务器、私有云服务器或者两者的混合云服务器。
进一步地，步骤S401在采集患者数据时，可以在指定时间周期从各个医院的指定路径采集或者从云存储服务器采集，这里的指定时间周期可以根据实际需求进行设置，例如1分钟、10分钟、60分钟等，本发明实施例对此不作限制。
步骤S401在采集患者数据时，也可以根据提示信息从各个医院的指定路径采集或者从云存储服务器采集。具体地，上述步骤S401至步骤S405的方法应用在云放射治疗计划系统，医院将患者数据存储到本院的指定路径时向云放射治疗计划系统发送提示信息，云放射治疗计划系统接收到提示信息，从各个医院的指定路径采集患者数据。医院将患者数据存储到云存储服务器时向云放射治疗计划系统发送提示信息，云放射治疗计划系统接收到提示信息，从云存储服务器采集患者数据。
上面步骤S402对采集的患者数据进行处理，可以对采集的患者数据进行展示；或者对采集的患者数据进行诊断；或者对采集的患者数据进行展示和诊断。这里，对患者数据进行展示的方式，可以是文字或各种图形，如轴位图、冠状位图、矢状位图等。
上面步骤S402对采集的患者数据进行处理，还可以由医生用户手动对患者的靶区以及危及器官进行勾画，或者通过AI(Artificial Intelligence，人工智能)进行自动勾画。
具体地，可以接收来自医生用户的针对采集的患者数据进行靶区勾画的操作指令，进而根据操作指令对患者的靶区以及危及器官进行勾画。这里，医生用户可以通过客户端或浏览器页面获取到患者数据，并利用勾靶工具针对患者数据进行靶区勾画的操作，之后向云放射治疗计划系统提交操作指令，进而云放射治疗计划系统可以根据操作指令对患者的靶区以及危及器官进行勾画。
在通过AI进行自动勾画时，可以将患者数据输入预先训练的勾靶算法模型，输出包含患者的靶区以及危及器官的勾靶图像。这里，利用勾靶算法模型可以实现自动勾靶，具体地，可以通过预存的感兴趣区域列表对患者数据中的图像数据进行识别，获取图像中的疑似区域，将疑似区域在图像中勾画出来，之后将已勾画疑似区域的图像输入预先训练的全卷积神经网络，输出勾画出至少一个感兴趣区域的勾靶图像，这里的感兴趣区域包含有靶区以及危及器官。此外，AI自动勾画可以连接勾靶服务器，由勾靶服务器进行自动勾靶并返回结果，进而展示勾画好的靶区以及危及器官。
上面步骤S403在将处理结果输入放射治疗计划算法模型之前，可以调用与指定参数匹配的放射治疗计划算法模型。这里，指定参数可以包括患者的肿瘤位置、计划方式、ROI、处方值、治疗分次、治疗的等中心、要执行计划的机器、CT定位影像所采用的电子密度表中的一个或者多个，可以根据实际需求选取指定参数，本发明对此不作限制。此外，这里的计划方式可以如IMRT、VMAT等。
以指定参数为要执行计划的机器为例，在实际应用中，不同医院的治疗机(如医用加速器、钴机等)参数可能不同，本发明实施例可以针对不同医院的治疗机提供相应的放射治疗计划。具体地，采集的患者数据中包含患者所在医院的放射治疗机参数，步骤S403将处理结果输入放射治疗计划算法模型治疗计划之前，可以调用与患者所在医院的放射治疗机参数匹配的放射治疗计划算法模型，进而将处理结果输入放射治疗计划算法模型，生成初始放射治疗计划。
上面步骤S404对初始放射治疗计划进行评估，并根据评估结果确定是否对初始放射治疗计划进行调整，进而得到精准放射治疗计划。具体地，如果根据评估结果确定需要对初始放射治疗计划进行调整，则将调整后的放射治疗计划作为精准放射治疗计划；如果根据评估结果确定不需要对初始放射治疗计划进行调整，则直接可以将初始放射治疗计划作为精准放射治疗计划。
在本发明的可选实施例中，在对初始放射治疗计划进行评估时，可以采用等剂量线对初始放射治疗计划进行评估，也可以采用剂量体积直方图对初始放射治疗计划进行评估。
上面步骤S402至步骤S404在自动计划的过程中，能够自动完成辅助器官的勾画、光线beam的选择、目标函数的设定、计划的优化等。
在本发明的可选实施例中，上面步骤S405下发精准放射治疗计划，可以将精准放射治疗计划直接下发到患者所在的医院，也可以将精准放射治疗计划保存到云存储服务器，从而各个医院从云存储服务器获取患者的精准放射治疗计划。
在本发明的可选实施例中，在得到精准放射治疗计划后，还可以展示精准放射治疗计划的参数数据，供医生用户查阅。这里的参数数据可以是医院的加速器参数，如剂量中的X线、电子线的具体参数等，可以是能量、条件、误差范围、实测平均值、偏差、备注等信息，还可以是机械中的激光灯、光距尺、机架角度指示器、准直器角度指示器、铅门指示、治疗床运动等信息。
在本发明的可选实施例中，还可以向外部系统或平台提供共享数据。具体地，外部系统可以是精准云放疗质控系统、精准云放疗协作系统、AOIS肿瘤信息管理系统等，外部平台可以是肿瘤医院远程医学平台等，本发明实施例对此不作限制。
基于同一发明构思，本发明实施例还提供了一种计算机存储介质，该计算机存储介质存储有计算机程序代码，当计算机程序代码在计算设备上运行时，导致计算设备执行上述的放射治疗计划的生成方法。
基于同一发明构思，本发明实施例还提供了一种计算设备，包括：处理器；存储有计算机程序代码的存储器；当计算机程序代码被处理器运行时，导致计算设备执行上述的放射治疗计划的生成方法。
所属领域的技术人员可以清楚地了解到，上述描述的系统、装置、单元和模块的具体工作过程，可以参考前述方法实施例中的对应过程，为简洁起见，在此不另赘述。
另外，在本发明各个实施例中的各功能单元可以物理上相互独立，也可以两个或两个以上功能单元集成在一起，还可以全部功能单元都集成在一个处理单元中。上述集成的功能单元既可以采用硬件的形式实现，也可以采用软件或者固件的形式实现。
本领域普通技术人员可以理解：所述集成的功能单元如果以软件的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，其包括若干指令，用以使得一台计算设备(例如个人计算机，服务器，或者网络设备等)在运行所述指令时执行本发明各实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM)、随机存取存储器(RAM)，磁碟或者光盘等各种可以存储程序代码的介质。
或者，实现前述方法实施例的全部或部分步骤可以通过程序指令相关的硬件(诸如个人计算机，服务器，或者网络设备等的计算设备)来完成，所述程序指令可以存储于一计算机可读取存储介质中，当所述程序指令被计算设备的处理器执行时，所述计算设备执行本发明各实施例所述方法的全部或部分步骤。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：在本发明的精神和原则之内，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案脱离本发明的保护范围。
本发明实施例的一方面，提供了A1.一种云放射治疗计划系统，包括：
数据采集单元，适于采集一个或多个医院的患者数据；
数据处理单元，适于对所述数据采集单元采集的患者数据进行处理，得到处理结果；
治疗计划生成单元，适于将所述数据处理单元得到的处理结果输入放射治疗计划算法模型，生成初始放射治疗计划；
治疗计划评估单元，适于对所述治疗计划生成单元得到的初始放射治疗计划进行评估，并根据评估结果确定是否对初始放射治疗计划进行调整，进而得到精准放射治疗计划；
治疗计划下发单元，适于下发所述治疗计划评估单元得到的精准放射治疗计划，供医生使用。
A2.根据A1所述的云放射治疗计划系统，还包括：
展示单元，适于展示所述治疗计划评估单元得到的精准放射治疗计划的参数数据。
A3.根据A1所述的云放射治疗计划系统，还包括：
数据共享单元，适于向外部系统或平台提供共享数据。
A4.根据A1-A3中任一项所述的云放射治疗计划系统，所述数据采集单元还适于：
从各个医院的指定路径采集患者数据；和/或
从云存储服务器采集患者数据，其中，所述云存储服务器存储有各个医院上传的患者数据。
A5.根据A1-A3中任一项所述的云放射治疗计划系统，所述数据处理单元包括：
影像分析模块，适于对所述数据采集单元采集的患者数据进行展示和/或诊断。
A6.根据A1-A3中任一项所述的云放射治疗计划系统，所述数据处理单元包括：
第一靶区勾画模块，适于接收来自医生用户的针对所述数据采集单元采集的患者数据进行靶区勾画的操作指令，进而根据操作指令对患者的靶区以及危及器官进行勾画；和/或
第二靶区勾画模块，适于将所述数据采集单元采集的患者数据输入预先训练的勾靶算法模型，输出包含患者的靶区以及危及器官的勾靶图像。
A7.根据A1-A3中任一项所述的云放射治疗计划系统，所述治疗计划生成单元还适于：
在将所述数据处理单元得到的处理结果输入放射治疗计划算法模型之前，调用与指定参数匹配的放射治疗计划算法模型；其中，所述指定参数包括患者的肿瘤位置、计划方式、感兴趣区ROI、处方值、治疗分次、治疗的等中心、要执行计划的机器、CT定位影像所采用的电子密度表中的一个或者多个。
A8.根据A1-A3中任一项所述的云放射治疗计划系统，所述治疗计划评估单元包括：
等剂量线模块，适于对所述治疗计划生成单元得到的初始放射治疗计划进行评估；和/或
剂量体积直方图模块，适于对所述治疗计划生成单元得到的初始放射治疗计划进行评估。
A9.根据A1-A3中任一项所述的云放射治疗计划系统，所述治疗计划下发单元还适于：
将所述治疗计划评估单元得到的精准放射治疗计划下发到患者所在的医院，供医生使用；和/或
将所述治疗计划评估单元得到的精准放射治疗计划保存到云存储服务器，从而各个医院从所述云存储服务器获取患者的精准放射治疗计划，供医生使用。
本发明实施例的另一方面，还提供了B10.一种放射治疗计划的生成方法，包括：
采集一个或多个医院的患者数据；
对采集的患者数据进行处理，得到处理结果；
将处理结果输入放射治疗计划算法模型，生成初始放射治疗计划；
对初始放射治疗计划进行评估，并根据评估结果确定是否对初始放射治疗计划进行调整，进而得到精准放射治疗计划；
下发精准放射治疗计划，供医生使用。
B11.根据B10所述的放射治疗计划的生成方法，还包括：
展示精准放射治疗计划的参数数据。
B12.根据B10所述的放射治疗计划的生成方法，所述方法应用于云放射治疗计划系统，所述方法还包括：
向外部系统或平台提供共享数据。
B13.根据B10-B12中任一项所述的放射治疗计划的生成方法，所述采集一个或多个医院的患者数据包括：
从各个医院的指定路径采集患者数据；和/或
从云存储服务器采集患者数据，其中，所述云存储服务器存储有各个医院上传的患者数据。
B14.根据B10-B12中任一项所述的放射治疗计划的生成方法，所述对采集的患者数据进行处理包括：
对采集的患者数据进行展示和/或诊断。
B15.根据B10-B12中任一项所述的放射治疗计划的生成方法，所述对采集的患者数据进行处理包括：
接收来自医生用户的针对所述数据采集单元采集的患者数据进行靶区勾画的操作指令，进而根据操作指令对患者的靶区以及危及器官进行勾画；
和/或
将所述数据采集单元采集的患者数据输入预先训练的勾靶算法模型，输出包含患者的靶区以及危及器官的勾靶图像。
B16.根据B10-B12中任一项所述的放射治疗计划的生成方法，所述将处理结果输入放射治疗计划算法模型之前还包括：
调用与指定参数匹配的放射治疗计划算法模型；其中，所述指定参数包括患者的肿瘤位置、计划方式、感兴趣区ROI、处方值、治疗分次、治疗的等中心、要执行计划的机器、CT定位影像所采用的电子密度表中的一个或者多个。
B17.根据B10-B12中任一项所述的放射治疗计划的生成方法，所述对初始放射治疗计划进行评估包括：
采用等剂量线对初始放射治疗计划进行评估；和/或
采用剂量体积直方图对初始放射治疗计划进行评估。
B18.根据B10-B12中任一项所述的放射治疗计划的生成方法，所述下发精准放射治疗计划包括：
将精准放射治疗计划下发到患者所在的医院；和/或
将精准放射治疗计划保存到云存储服务器，从而各个医院从所述云存储服务器获取患者的精准放射治疗计划。
本发明实施例的又一方面，还提供了C19.一种计算机存储介质，所述计算机存储介质存储有计算机程序代码，当所述计算机程序代码在计算设备上运行时，导致所述计算设备执行B10-B18中任一项所述的放射治疗计划的生成方法。
本发明实施例的再一方面，还提供了D20.一种计算设备，包括：处理器；存储有计算机程序代码的存储器；当所述计算机程序代码被所述处理器运行时，导致所述计算设备执行B10-B18中任一项所述的放射治疗计划的生成方法。
Claims (10)
1.一种云放射治疗计划系统，其特征在于，包括：
数据采集单元，适于采集一个或多个医院的患者数据；
数据处理单元，适于对所述数据采集单元采集的患者数据进行处理，得到处理结果；
治疗计划生成单元，适于将所述数据处理单元得到的处理结果输入放射治疗计划算法模型，生成初始放射治疗计划；
治疗计划评估单元，适于对所述治疗计划生成单元得到的初始放射治疗计划进行评估，并根据评估结果确定是否对初始放射治疗计划进行调整，进而得到精准放射治疗计划；
治疗计划下发单元，适于下发所述治疗计划评估单元得到的精准放射治疗计划，供医生使用。
2.根据权利要求1所述的云放射治疗计划系统，其特征在于，还包括：
展示单元，适于展示所述治疗计划评估单元得到的精准放射治疗计划的参数数据。
3.根据权利要求1所述的云放射治疗计划系统，其特征在于，还包括：
数据共享单元，适于向外部系统或平台提供共享数据。
4.根据权利要求1-3中任一项所述的云放射治疗计划系统，其特征在于，所述数据采集单元还适于：
从各个医院的指定路径采集患者数据；和/或
从云存储服务器采集患者数据，其中，所述云存储服务器存储有各个医院上传的患者数据。
5.根据权利要求1-3中任一项所述的云放射治疗计划系统，其特征在于，所述数据处理单元包括：
影像分析模块，适于对所述数据采集单元采集的患者数据进行展示和/或诊断。
6.根据权利要求1-3中任一项所述的云放射治疗计划系统，其特征在于，所述数据处理单元包括：
第一靶区勾画模块，适于接收来自医生用户的针对所述数据采集单元采集的患者数据进行靶区勾画的操作指令，进而根据操作指令对患者的靶区以及危及器官进行勾画；和/或
第二靶区勾画模块，适于将所述数据采集单元采集的患者数据输入预先训练的勾靶算法模型，输出包含患者的靶区以及危及器官的勾靶图像。
7.根据权利要求1-3中任一项所述的云放射治疗计划系统，其特征在于，所述治疗计划生成单元还适于：
在将所述数据处理单元得到的处理结果输入放射治疗计划算法模型之前，调用与指定参数匹配的放射治疗计划算法模型；其中，所述指定参数包括患者的肿瘤位置、计划方式、感兴趣区ROI、处方值、治疗分次、治疗的等中心、要执行计划的机器、CT定位影像所采用的电子密度表中的一个或者多个。
8.一种放射治疗计划的生成方法，其特征在于，包括：
采集一个或多个医院的患者数据；
对采集的患者数据进行处理，得到处理结果；
将处理结果输入放射治疗计划算法模型，生成初始放射治疗计划；
对初始放射治疗计划进行评估，并根据评估结果确定是否对初始放射治疗计划进行调整，进而得到精准放射治疗计划；
下发精准放射治疗计划，供医生使用。
9.一种计算机存储介质，所述计算机存储介质存储有计算机程序代码，当所述计算机程序代码在计算设备上运行时，导致所述计算设备执行权利要求8所述的放射治疗计划的生成方法。
10.一种计算设备，包括：处理器；存储有计算机程序代码的存储器；当所述计算机程序代码被所述处理器运行时，导致所述计算设备执行权利要求8所述的放射治疗计划的生成方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910711805.XA CN110465004A (zh) | 2019-08-02 | 2019-08-02 | 一种云放射治疗计划系统及放射治疗计划的生成方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910711805.XA CN110465004A (zh) | 2019-08-02 | 2019-08-02 | 一种云放射治疗计划系统及放射治疗计划的生成方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110465004A true CN110465004A (zh) | 2019-11-19 |
Family
ID=68509362
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910711805.XA Pending CN110465004A (zh) | 2019-08-02 | 2019-08-02 | 一种云放射治疗计划系统及放射治疗计划的生成方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110465004A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111408048A (zh) * | 2020-04-02 | 2020-07-14 | 河北普尼医疗科技有限公司 | 一种基于电场治疗监护子设备云组系统及模式 |
| CN113077433A (zh) * | 2021-03-30 | 2021-07-06 | 山东英信计算机技术有限公司 | 基于深度学习的肿瘤靶区云检测装置、系统、方法及介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104117151A (zh) * | 2014-08-12 | 2014-10-29 | 章桦 | 一种在线自适应放疗计划优化方法 |
| CN105358217A (zh) * | 2013-06-18 | 2016-02-24 | 杜克大学 | 在特定治疗标准及特定治疗参数下用于特定患者放射治疗计划的系统和方法 |
| CN105358219A (zh) * | 2013-05-21 | 2016-02-24 | 瓦里安医疗系统国际股份公司 | 用于自动产生剂量预测模型以及作为云服务的疗法治疗计划的系统和方法 |
| CN105688335A (zh) * | 2015-11-23 | 2016-06-22 | 北京全域医疗技术有限公司 | 云放疗远程协作的方法 |
| CN107358600A (zh) * | 2017-06-14 | 2017-11-17 | 北京全域医疗技术有限公司 | 放疗计划中的自动勾靶方法、装置和电子设备 |
| CN107767947A (zh) * | 2017-09-28 | 2018-03-06 | 北京全域医疗技术有限公司 | 放疗计划评估方法及装置 |
| CN108367161A (zh) * | 2017-06-05 | 2018-08-03 | 西安大医数码科技有限公司 | 放疗系统、数据处理方法及存储介质 |
| CN109300515A (zh) * | 2018-09-28 | 2019-02-01 | 安徽名流健康管理有限公司 | 基于大数据分析的健康管理系统 |
| CN110060765A (zh) * | 2018-01-19 | 2019-07-26 | 北京连心医疗科技有限公司 | 一种标准化云放疗计划方法、存储介质和系统 |
-
2019
- 2019-08-02 CN CN201910711805.XA patent/CN110465004A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105358219A (zh) * | 2013-05-21 | 2016-02-24 | 瓦里安医疗系统国际股份公司 | 用于自动产生剂量预测模型以及作为云服务的疗法治疗计划的系统和方法 |
| US9409039B2 (en) * | 2013-05-21 | 2016-08-09 | Varian Medical Systems International Ag | Systems and methods for automatic creation of dose prediction models and therapy treatment plans as a cloud service |
| CN105358217A (zh) * | 2013-06-18 | 2016-02-24 | 杜克大学 | 在特定治疗标准及特定治疗参数下用于特定患者放射治疗计划的系统和方法 |
| CN104117151A (zh) * | 2014-08-12 | 2014-10-29 | 章桦 | 一种在线自适应放疗计划优化方法 |
| CN105688335A (zh) * | 2015-11-23 | 2016-06-22 | 北京全域医疗技术有限公司 | 云放疗远程协作的方法 |
| CN108367161A (zh) * | 2017-06-05 | 2018-08-03 | 西安大医数码科技有限公司 | 放疗系统、数据处理方法及存储介质 |
| CN107358600A (zh) * | 2017-06-14 | 2017-11-17 | 北京全域医疗技术有限公司 | 放疗计划中的自动勾靶方法、装置和电子设备 |
| CN107767947A (zh) * | 2017-09-28 | 2018-03-06 | 北京全域医疗技术有限公司 | 放疗计划评估方法及装置 |
| CN110060765A (zh) * | 2018-01-19 | 2019-07-26 | 北京连心医疗科技有限公司 | 一种标准化云放疗计划方法、存储介质和系统 |
| CN109300515A (zh) * | 2018-09-28 | 2019-02-01 | 安徽名流健康管理有限公司 | 基于大数据分析的健康管理系统 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111408048A (zh) * | 2020-04-02 | 2020-07-14 | 河北普尼医疗科技有限公司 | 一种基于电场治疗监护子设备云组系统及模式 |
| CN111408048B (zh) * | 2020-04-02 | 2023-08-08 | 河北普尼医疗科技有限公司 | 一种基于电场治疗监护子设备云组系统及模式 |
| CN113077433A (zh) * | 2021-03-30 | 2021-07-06 | 山东英信计算机技术有限公司 | 基于深度学习的肿瘤靶区云检测装置、系统、方法及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107072624B (zh) | 用于自动治疗计划的系统和方法 | |
| RU2699052C2 (ru) | Трехмерная локализация движущейся мишени для адаптивной радиационной терапии | |
| Batista et al. | Clinical paradigms and challenges in surface guided radiation therapy: Where do we go from here? | |
| WO2017133654A1 (en) | Systems and methods for radiation treatment planning | |
| US20060285639A1 (en) | System and method of treating a patient with radiation therapy | |
| Barragán-Montero et al. | Deep learning dose prediction for IMRT of esophageal cancer: the effect of data quality and quantity on model performance | |
| US20100228116A1 (en) | System and method of optimizing a heterogeneous radiation dose to be delivered to a patient | |
| CN107708808A (zh) | 用于在放射治疗期间使用质量指标进行靶追踪的系统和方法 | |
| JP2007514499A (ja) | 外部ビーム照射療法用の治療計画の全体的最適化のためのシステム及び方法 | |
| US10342994B2 (en) | Methods and systems for generating dose estimation models for radiotherapy treatment planning | |
| CN108367161A (zh) | 放疗系统、数据处理方法及存储介质 | |
| US11786204B2 (en) | Automatically-registered patient fixation device images | |
| US11478660B2 (en) | Automatically-planned radiation-based treatment | |
| WO2022200178A1 (en) | Artificial intelligence modeling for radiation therapy dose distribution analysis | |
| CN107480416A (zh) | 一种放射治疗计划系统 | |
| CN110465004A (zh) | 一种云放射治疗计划系统及放射治疗计划的生成方法 | |
| CN115666717A (zh) | 用于导出和利用虚拟体积结构来预测在实施治疗的放射时的潜在碰撞的方法和装置 | |
| EP4313286A1 (en) | Artificial intelligence modeling for radiation therapy dose distribution analysis | |
| US20210121715A1 (en) | Cardiac ablation using an mr linac | |
| CN115364385A (zh) | 一种应用于直肠癌的一站式智能放疗系统 | |
| CN113941100A (zh) | 根据三维空间剂量分布生成可交付放疗计划的方法及装置 | |
| Lin et al. | Developing an AI-assisted planning pipeline for hippocampal avoidance whole brain radiotherapy | |
| Purdy et al. | Three-dimensional treatment planning and conformal therapy | |
| US20230222657A1 (en) | Comparing healthcare provider contours using automated tool | |
| Kostovski | Artificial Intelligence in Radiotherapy |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191119 |