CN113975661A - 一种监控治疗设备的质控方法、装置、系统及存储介质 - Google Patents

Abstract

本申请一些实施例提供了一种监控治疗设备的质控方法、装置、系统及存储介质，该方法包括获取包括感兴趣目标的三维点云图；将所述三维点云图输入子区域检测模型，获取感兴趣子区域点云图；根据所述感兴趣子区域点云图获取待评估信息；根据所述待评估信息和计划信息生成质控策略，其中，所述计划信息是根据病人的情况制定的计划治疗信息。本申请实施例提供的方法能够在治疗过程中对加速器进行自动实时监控，提升了治疗的有效性和准确性，为病人的治疗过程的安全性提供了保障。

Description

一种监控治疗设备的质控方法、装置、系统及存储介质

技术领域

本申请涉及医疗质控技术领域，具体而言，涉及一种监控治疗设备的质控方法、装置、系统及存储介质。

背景技术

医学上在疾病治疗(例如，肿瘤的放疗)中物理师需要根据病人的具体情况提前制定治疗计划，并对该治疗计划进行质量监控。

目前，治疗计划的质量检测主要是通过在线的软件计划验证和离线的电离室验证。上述两种方式不能在治疗中实施执行，不能反映治疗计划对病人实际执行的真实情况。另外，现有技术中有的采用在加速器内安装多个传感器来测量数据，但是由于控制设备的安全性较高导致测量数据无法从控制系统中实时导出进行分析。

因此，如何提供一种精准有效的监控治疗质控方法的技术方案成为亟需解决的技术问题。

发明内容

本申请实施例的目的在于提供一种监控治疗设备的质控方法、装置、系统及存储介质，通过本申请的实施例的技术方案可以实时采集治疗的视频帧图像，并通过获取该视频帧图像的三维点云图进而得到加速器机械臂相对于病人整体和机床的照射角度信息以及多叶光栅单元的照射剂量信息。经过实时信息和计划信息的对比生成质控策略。本申请一些实施例提供的监控治疗加速器的方法可以对治疗的过程实时把控，提升了对病人的治疗精度并保证了病人治疗过程的安全。

第一方面，本申请一些实施例提供了一种监控治疗设备的质控方法，包括：获取包括感兴趣目标的三维点云图；将所述三维点云图输入子区域检测模型，获取感兴趣子区域点云图；根据所述感兴趣子区域点云图获取待评估信息；根据所述待评估信息和计划信息生成质控策略，其中，所述计划信息是根据病人的情况制定的计划治疗信息。

本申请实施例通过包括感兴趣目标的三维点云图，获取感兴趣子区域点云图，然后根据感兴趣子区域点云图获取待评估信息，最后通过待评估信息和计划信息生成质控策略。本实施例能够实时获取治疗过程中感兴趣目标的实时待评估信息，得到的信息准确性较高，实现了对治疗场景的实时质控，提高了治疗的精准度。而且，整个治疗过程实现了自动化监控，提升了医疗资源的利用率。

在一些实施例，所述获取包括感兴趣目标的三维点云图，包括：获取包括加速器机械臂的三维点云图和包括多叶光栅单元的三维点云图；所述将所述三维点云图输入子区域检测模型，获取感兴趣子区域点云图，包括：将包括所述加速器机械臂的三维点云图和包括所述多叶光栅单元的三维点云图分别输入所述子区域检测模型，获取角度检测子区域点云图和形态子区域点云图，其中，所述角度检测子区域点云图至少包括：所述加速器机械臂、机床及病人整体，所述形态子区域点云图至少包括：加速器辐射头；所述根据所述感兴趣子区域点云图获取待评估信息，包括：根据所述角度检测子区域点云图获取所述加速器机械臂的待评估角度信息，其中，所述加速器机械臂的待评估角度信息包括所述加速器机械臂相对于所述病人整体的照射角度和所述加速器机械臂相对于所述机床的照射角度中的至少一个；根据所述形态子区域点云图获取所述多叶光栅单元的待评估剂量信息，其中，所述多叶光栅单元的待评估剂量信息包括所述加速器辐射头的照射剂量；其中，所述待评估信息包括所述加速器机械臂的待评估角度信息和所述多叶光栅单元的待评估剂量信息。

本申请实施例本实施例将加速器机械臂在转动过程中产生的角度信息和多叶光栅单元的加速器辐射头的实时照射剂量信息加入到质控方法中，有利于获取到加速器机械臂相对于病人整体或机床的照射角度，能够更准确的把握治疗过程中机械臂是否选择到位的治疗细节，提升了治疗过程的安全性，同时将多叶光栅单元治疗过程产生的偏差降低到最小，为后续需执行的治疗进程提供质量保障。

在一些实施例，所述获取包括感兴趣目标的三维点云图，包括：获取包括加速器机械臂的三维点云图和包括多叶光栅单元的三维点云图；所述将所述三维点云图输入子区域检测模型，获取感兴趣子区域点云图，包括：将包括所述加速器机械臂的三维点云图和包括所述多叶光栅单元的三维点云图分别输入所述子区域检测模型，获取角度检测子区域点云图和形态子区域点云图，其中，所述角度检测子区域点云图至少包括：所述加速器机械臂、机床及病人整体，所述形态子区域点云图至少包括：加速器辐射头；根据所述角度检测子区域点云图和所述形态子区域点云图在世界坐标系中的位置信息，将所述角度检测子区域点云图和所述形态子区域点云图融合，获取包括加速器整体子区域点云图；所述根据所述感兴趣子区域点云图获取待评估信息，包括：根据所述加速器整体子区域点云图获取所述加速器的待评估角度信息和待评估剂量信息，其中，所述待评估角度信息包括所述加速器机械臂相对于所述病人整体的照射角度，所述待评估剂量信息包括所述加速器辐射头的照射剂量；其中，所述待评估信息包括所述加速器机械臂的待评估角度信息和所述多叶光栅单元的待评估剂量信息。

本申请实施例通过根据所述角度检测子区域点云图和所述形态子区域点云图在世界坐标系中的位置信息，将两者融合获取加速器整体子区域点云图，进而得到待评估信息，之后与计划信息生成质控策略。在世界坐标系中得到的待评估信息的精准度较高，能够保证质控策略的合理性和治疗的安全性。

在一些实施例，通过如下方式获取所述加速器辐射头的照射剂量：基于摄像头与所述加速器辐射头的操作信息，获取所述加速器辐射头的辐射口的辐射参数，其中，所述辐射参数包括辐射口的形状和尺寸；根据所述辐射参数和辐射口相对于所述病人整体的位置信息，确定在所述病人整体上的辐射面积，其中，所述辐射口相对于所述病人整体的位置信息是在所述形态子区域点云图上获取的；根据所述病人整体的内部器官的三维信息、所述辐射面积和所述加速器辐射头的本次辐射强度信息，利用蒙特卡洛模拟算法获取所述加速器辐射头的本次照射剂量；将所述加速器辐射头的本次照射剂量与所述本次照射剂量之前的每次照射剂量求和，获取加速器辐射头的照射剂量。

本申请实施例通过加速器辐射头的辐射口的辐射参数，以及对病人整体的辐射面积，准确计算对病人的辐射剂量，实现了对数据的精准把控，有利于合理的制定质控策略，保证质控质量。

在一些实施例，在所述获取包括感兴趣目标的三维点云图之前，所述质控方法还包括：获取包括所述感兴趣目标的视频帧图像；利用图像深度算法获取与所述视频帧图像对应的深度图；根据内外参矩阵变换算法将所述深度图转化为包括感兴趣目标的所述三维点云图。

本申请实施例通过对获取的原始视频帧图像进行处理，能够获取到感兴趣目标的精准位置云图，使得后续更便捷的获取待评估信息同时保证了信息的准确性。

在一些实施例，所述根据所述角度检测子区域点云图获取所述加速器机械臂的待评估角度信息，包括：将所述感兴趣子区域点云图输入到目标角度检测模型，获取待评估角度初始信息，其中，所述目标角度检测模型是通过对深度学习网络模型进行训练得到的，或者，根据所述感兴趣子区域点云图在三维坐标网络中的位置，获取待评估角度初始信息；将所述待评估角度初始信息转化为世界坐标系下的角度信息得到所述待评估角度信息。

本申请实施例通过将获取的待评估角度初始信息转为世界坐标系下的角度信息，使得本实施例得到的角度信息更加贴近于真实的治疗场景，降低了通过视频帧图像得到的待评估信息的误差，实现了有效质控。

在一些实施例，所述根据所述待评估信息和计划信息生成质控策略，包括：若确认所述待评估角度信息与所述计划角度信息的差值小于或等于设定的误差阈值，则生成用于指示继续治疗的所述质控策略；若确认所述待评估角度信息与所述计划角度信息的差值大于设定的误差阈值，则生成用于指示暂停治疗的所述质控策略。

本申请实施例通过在安全治疗的原则下设定误差阈值，根据实时的治疗情况和计划治疗情况的差值，生成质控策略，保证了治疗过程的安全性和有效性。

在一些实施例，所述根据所述待评估信息和计划信息生成质控策略，包括：根据所述待评估角度信息和计划角度信息，并根据所述待评估剂量信息生成质控策略。

本申请实施例通过角度信息和剂量信息的双重评估，生成质控策略，提升了治疗效果，进一步提升了治疗的安全性。

在一些实施例，所述根据所述待评估信息和计算信息，并根据治疗剂量信息生成质控策略包括：若确认所述待评估角度信息与所述计划角度信息的差值小于或等于设定的误差阈值，且确认待评估剂量信息和计划剂量信息的差值小于或等于设定的剂量误差阈值，则生成用于指示继续治疗的所述质控策略；若确认所述待评估角度信息与所述计划角度信息的差值大于设定的误差阈值，且确认待评估剂量信息和计划剂量信息的差值大于设定的剂量误差阈值，则生成用于指示暂停治疗的所述质控策略。

本申请实施例通过病人的具体情况，在安全有效的原则下设定角度的误差阈值和剂量误差阈值，双重保证了病人治疗过程的有效性和安全性。

第二方面，本申请一些实施例提供了一种监控治疗设备的质控装置，包括：目标获取模块，被配置为获取包括感兴趣目标的三维点云图；区域检测模块，被配置为将所述三维点云图输入子区域检测模型，获取感兴趣子区域点云图；信息获取模块，被配置为根据所述感兴趣子区域点云图获取待评估信息；质控模块，被配置为根据所述待评估信息和计划信息生成质控策略，其中，所述计划信息是根据病人的情况制定的计划治疗信息。

第三方面，本申请一些实施例提供了一种系统，所述系统包括一个或多个计算机和存储指令的一个或多个存储设备，当所述指令由所述一个或多个计算机执行时，使得所述一个或多个计算机执行第一方面中的任意实施例所述的相应方法的操作。

第四方面，本申请一些实施例提供了存储指令的一个或多个计算机存储介质，当所述指令由一个或多个计算机执行时，使得所述一个或多个计算机执行第一方面中的任意实施例所述的相应方法的操作。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本申请实施例提供的一种监控治疗设备的质控方法的流程图；

图2为本申请实施例提供的治疗室内监控设备位置的示意图；

图3为本申请实施例提供的放疗加速器的质控方法的流程图；

图4为本申请实施例提供的监控治疗加速器待评估信息获取方法流程图；

图5为本申请实施例提供的一种监控治疗设备的质控装置的组成框图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

相关技术例中，现有的治疗监控技术中由于治疗数据的安全性较高，无法实时导出数据与第三方设备联动分析。如果想要获取实时数据可以通过提前设置好的设备，实现间接测量获取数据的方法，但是设备成本较高，获取的测量数据误差较大。或者物理师还可以手动定时检测，但是耗时耗力，检测范围也比较局限，无法保证对治疗加速器的有效质控。

鉴于此，本申请的一些实施例提供了一种监控治疗设备的质控方法、装置、系统及存储介质，实现了对治疗加速器的自动实时监控分析，提高了治疗的精准性和有效性。

下面示例性介绍本申请一些实施例提供的一种监控治疗设备的质控方法。

请参见附图1，图1为本申请的一些实施例提供了一种监控治疗设备的质控方法流程图，该质控方法可以包括：S110，获取包括感兴趣目标的三维点云图；S120将所述三维点云图输入子区域检测模型，获取感兴趣子区域点云图；S130，根据所述感兴趣子区域点云图获取待评估信息；S140，根据所述待评估信息和计划信息生成质控策略，其中，所述计划信息是根据病人的情况制定的计划治疗信息。

下面示例性阐述上述过程。

在本申请的一些实施例中，S110的三维点云图是深度图像得到的。例如，采用相机拍摄两幅视角不同的包括感兴趣目标的图像，之后在基于这两幅拍摄视角不同的图像得到与该帧图像对应的深度图，最后再根据深度图得到包括感兴趣目标的三维点云图。也就是说，在本申请的一些实施例中获取三维点云图的深度图是基于双目视觉方式得到的。可以理解的是，本申请一些实施例需要的深度图也可以是采用深度相机直接拍摄得到的。例如，利用基于结构光的深度相机、基于飞行时间法的深度相机或者基于深度学习网络模型来获取深度图像。

在本申请的一些实施例中，S110可以根据摄像头的内外参矩阵变换公式将深度图转换为点云图。例如，根据摄像头的内外参矩阵变换公式，可以将每个像素点由图像坐标系变换到世界坐标系，得到三维点云图。

在本申请的一些实施例中也可以基于视觉惯性里程计算法的方式通过加速器机械臂的运动直接获取该加速器机械臂的三维点云图。

在本申请的另外一些实施例中还可以首先通过深度学习算法获取深度图对应的加速器机械臂的三维点云图和MLC的三维点云图，之后利用视觉惯性里程计算法分别优化加速器机械臂的三维点云图和MLC的三维点云图，获取精度较高的加速器机械臂的三维点云图和MLC的三维点云图。

在本申请的一些实施例中，S120的感兴趣子区域点云图是通过将三维点云图输入到子区域检测模型得到的。其中，子区域检测模型是利用多幅三维点云图的标注数据和多幅感兴趣子区域点云图的标注数据对初始的子区域检测模型进行训练得到的。在本申请的一些实施例中，初始的子区域检测模型可以是FasterRCNN网络模型、YOlO模型和SSD等常用的三维深度学习检测模型中的任一种。

在本申请的一些实施例中，S130中获取待评估信息是通过检测感兴趣子区域点云图中的感兴趣目标的相对位置信息得到的。例如，感兴趣目标可以包括加速器机械臂、机床、病人整体和加速器辐射头。在本申请的一些实施例中，可以通过将感兴趣子区域点云图输入到目标角度检测模型得到待评估角度初始信息，或者获取加速器机械臂的关键点在三维坐标系中的位置信息得到待评估角度初始信息。再将待评估角度初始信息变换到世界坐标系得到最后的待评估角度信息。其中，目标角度检测模型可以是对目标检测模型或者深度学习网络模型训练得到的。

在本申请的一些实施例中，S140生成质控策略是根据实时获取的待评估信息和物理师提前根据病人实际情况制定的计划信息的差值与设定的误差阈值对比得到的。

为了对加速器机械臂的治疗情况进行实时监控，提升治疗的精准度。在本申请的一些实施例中，S110可以获取包括加速器机械臂的三维点云图。S120可以将包括所述加速器机械臂的三维点云图输入所述子区域检测模型，获取角度检测子区域点云图，其中，所述角度检测子区域点云图至少包括：所述加速器机械臂、机床及病人整体。S130可以根据所述角度检测子区域点云图获取所述加速器机械臂的待评估角度信息，其中，所述加速器机械臂的待评估角度信息包括所述加速器机械臂相对于所述病人整体的照射角度和所述加速器机械臂相对于所述机床的照射角度中的至少一个。S140可以根据所述加速器机械臂的待评估角度信息和所述加速器机械臂的计划角度信息生成质控策略。

需要说明的是，在本申请的一些实施例中，根据所述角度检测子区域点云图获取所述加速器机械臂的待评估角度信息还可以通过角度检测子区域点云图获取到加速器机械臂相对于病人整体的位移信息和加速器机械臂相对于机床的位移信息，然后基于位移信息获取加速器机械臂相对于病人整体的照射角度和加速器机械臂相对于机床的照射角度。

为了对多叶光栅单元的治疗情况进行实时监控，提升治疗的精准度。在本申请的一些实施例中，S110还可以获取包括多叶光栅单元的三维点云图。S120还可以将包括所述多叶光栅单元的三维点云图输入所述子区域检测模型，获取形态子区域点云图，其中，所述形态子区域点云图至少包括：加速器辐射头。S130还可以根据所述形态子区域点云图获取多叶光栅单元的待评估剂量信息，其中，所述多叶光栅单元的待评估剂量信息包括所述加速器辐射头的照射剂量。S140还可以根据所述多叶光栅单元的待评估剂量信息和所述多叶光栅单元的计划剂量信息生成质控策略。

在本申请的一些实施例中，形态子区域点云图中的加速器辐射头内设置有多个可调节方向的辐射口，例如可以调节辐射口在各个方向上的照射位置。每个辐射口还可以根据实际的治疗情况调整发出的射线形态和照射剂量。通过获取到加速器辐射头的当前位置信息和照射信息后，根据每个辐射口在各个时刻的位置信息和照射信息，利用蒙特卡洛模拟算法统计得到当前的剂量信息。最后累计各个时刻的照射剂量得到待评估剂量信息。

为了保证待评估信息的精度，提升信息的精准度。在本申请的一些实施例中，S110还可以包括：获取包括加速器机械臂的三维点云图和包括多叶光栅单元的三维点云图。S120还可以包括将包括所述加速器机械臂的三维点云图和包括所述多叶光栅单元的三维点云图分别输入所述子区域检测模型，获取角度检测子区域点云图和形态子区域点云图，其中，所述角度检测子区域点云图至少包括：所述加速器机械臂、机床及病人整体，所述形态子区域点云图至少包括：加速器辐射头；根据所述角度检测子区域点云图和所述形态子区域点云图在世界坐标系中的位置信息，将所述角度检测子区域点云图和所述形态子区域点云图融合，获取包括加速器整体子区域点云图。S130还可以包括：根据所述加速器整体子区域点云图获取所述加速器的待评估角度信息和待评估剂量信息，其中，所述待评估角度信息包括所述加速器机械臂相对于所述病人整体的照射角度，所述待评估剂量信息包括所述加速器辐射头的照射剂量；其中，所述待评估信息包括所述加速器机械臂的待评估角度信息和所述多叶光栅单元的待评估剂量信息。

在本申请的一些实施例中，为了获取所述加速器辐射头的照射剂量，可以采用如下方法：基于摄像头与所述加速器辐射头的操作信息，获取所述加速器辐射头的辐射口的辐射参数，其中，所述辐射参数包括辐射口的形状和尺寸；根据所述辐射参数和辐射口相对于所述病人整体的位置信息，确定在所述病人整体上的辐射面积，其中，所述辐射口相对于所述病人整体的位置信息是在所述形态子区域点云图上获取的；根据所述病人整体的内部器官的三维信息、所述辐射面积和所述加速器辐射头的本次辐射强度信息，利用蒙特卡洛模拟算法获取所述加速器辐射头的本次照射剂量；将所述加速器辐射头的本次照射剂量与所述本次照射剂量之前的每次照射剂量求和，获取加速器辐射头的照射剂量。

为了准确识别感兴趣目标的位置，提升获取信息的准确性。在本申请的一些实施例中，在S110之前，该质控方法还包括获取包括所述感兴趣目标的视频帧图像；利用图像深度算法获取与所述视频帧图像对应的深度图；根据内外参矩阵变换算法将所述深度图转化为包括感兴趣目标的所述三维点云图。

为了保证得到的感兴趣子区域更加贴近真实场景，使得获取的待评估信息的精准度较高。在本申请的一些实施例中，S130还可以包括将所述感兴趣子区域点云图输入到目标角度检测模型，获取待评估角度初始信息，其中，所述目标角度检测模型是通过对深度学习网络模型进行训练得到的，或者，根据所述感兴趣子区域点云图在三维坐标网络中的位置，获取待评估角度初始信息；将所述待评估角度初始信息转化为世界坐标系下的角度信息得到所述待评估角度信息。

为了合理的生成治疗过程的质控策略，保证治疗过程的安全有效。在本申请的一些实施例中，S140可以包括若确认所述待评估角度信息与所述计划角度信息的差值小于或等于设定的误差阈值，则生成用于指示继续治疗的所述质控策略；若确认所述待评估角度信息与所述计划角度信息的差值大于设定的误差阈值，则生成用于指示暂停治疗的所述质控策略。

为了进一步提升治疗过程的安全有效性，保证质控策略的合理性。在本申请的一些实施例中，S140还可以包括根据所述待评估角度信息和计划角度信息，并根据待评估剂量信息生成质控策略。若确认所述待评估角度信息与所述计划角度信息的差值小于或等于设定的误差阈值，且确认待评估剂量信息和计划剂量信息的差值小于或等于设定的剂量误差阈值，则生成用于指示继续治疗的所述质控策略；若确认所述待评估角度信息与所述计划角度信息的差值大于设定的误差阈值，且确认待评估剂量信息和计划剂量信息的差值大于设定的剂量误差阈值，则生成用于指示暂停治疗的所述质控策略。

在本申请的一些实施例中，待评估治疗剂量是通过蒙特卡洛算法对从开始治疗的时刻到获取视频帧图像的时刻之间，将各个时刻的照射剂量、各个时刻的照射强度(治疗计划中获得)以及病人整体数据的计算获得的。模拟后得到的待评估治疗剂量与计划治疗剂量进行对比生成质控策略。

可以理解的是，生成暂停质控策略后，可以通过声音提示、电脑信息显示或指示灯闪烁来发出示警信息，加速器可以自动暂停治疗，医护人员也可以人工暂停加速器治疗。

下面结合附图2具体阐述执行图3的质控方法。

参见附图2，附图2为本申请一些实施例提供的治疗室内监控设备位置的示意图。下面基于图2中监控设备位置，阐述图3为本申请一些实施例提供的放疗加速器的质控方法的流程图。

S31，采集当前加速器(作为感兴趣目标的一个具体示例)的视频帧图像。

例如，由于采集图像的装置安装的位置不一样，因此采集的加速器的视频帧图像主要分为两类：一类是加速器机械臂相对于病人和机床的角度的加速器机械臂图像，一类是加速器辐射头图像。

需要说明的是，本申请的一些实施例可以通过在治疗室放置一个或者多个摄像头(例如，双目摄像头或者深度摄像头)或者激光雷达。放置的位置根据实际情况具体考虑，目的是能够采集加速器的不同角度，避免死角或者遮挡。

作为本申请的一个示例，例如，如图2，在治疗室安装采集两个监控加速器机械臂、病人和机床的摄像头1和摄像头2，安装监控加速器辐射头的摄像头3，摄像头3可以安装在加速器机架头正对面，便于采集加速器辐射头的视频帧图像信息，摄像头3与加速器机架头一起运动，保证摄像头3在治疗过程中可以一直拍摄到MLC的详细信息。摄像头1和摄像头2面向加速器辐射头及病人，主要监控加速器辐射头位置及角度、治疗机床及病人整体的位置及偏移量等信息，摄像头3固定对准加速器辐射头，主要监控多叶光栅(MultileafCollimator，简称MLU)单元的照射细节。采集当前时刻摄像头1、摄像头2和摄像头3的视频帧图像，分别标记为图像1、图像2和图像3。

S32，获取视频帧图像的深度图。

利用图像深度算法获取与加速器机械臂图像和加速器辐射头图像对应的加速器机械臂深度图和加速器辐射头深度图。

需要说明的是，图像深度算法可以是双目视觉算法、飞行时间算法和深度学习算法中的任一种。

例如，上述示例中得到的3张图像，将图像1和图像2采用图像深度算法融合后得到深度图1，将图像3采用图像深度算法得到深度图2。

S33，深度图转化为三维点云图。

根据内外参矩阵变换算法将加速器机械臂深度图和加速器辐射头深度图分别转化为加速器机械臂的三维点云图和MLC单元的三维点云图。

例如，通过内外参矩阵变换算法分别获取上述深度图1和深度图2的三维点云图1和三维点云图2。

需要说明的是，在本申请的另外一个实施例中，可以利用视觉惯性里程计算法或者激光雷达的方法，将S31获取的加速器机械臂图像和加速器辐射头图像直接得到S33的加速器机械臂的三维点云图和MLU单元的三维点云图。

S34，通过三维点云图获取子区域点云图。

通过子区域检测模型分别识别加速器机械臂的三维点云图和MLU单元的三维点云图中的加速器机械臂、机床、病人整体和加速器辐射头，获取包括上述对象的角度检测子区域点云图和形态子区域点云图。

例如，通过子区域检测模型分别获取三维点云图1和三维点云图2对应的子区域点云图和形态点云图。

可以理解的是，上述的子区域检测模型是通过以下方法训练得到的：根据训练数据集对构建的初始子区域检测模型进行训练，得到所述子区域检测模型，其中，训练数据集包括多幅三维点云图，以及在各幅三维点云图上标注的感兴趣子区域点云图。其中，初始子区域检测模型可以是FasterRCNN网络模型、YOlO模型和SSD等常用的三维深度学习检测模型中的任一种。

S35，获取角度初始信息。

根据角度检测子区域点云图获取加速器机械臂相对于病人整体的照射角度的初始信息和加速器机械臂相对于机床的照射角度的初始信息。根据形态子区域点云图获取加速器辐射头的照射剂量的信息。

例如，在本申请的一些实施例可以将上述子区域点云图输入到目标角度检测模型，获取目标角度检测模型输出的角度初始信息。其中，目标角度检测模型是通过对深度学习网络模型或目标检测模型进行训练得到的。

在本申请的另外一些实施例中可以通过目标检测算法检测到加速器机械臂的关键点在三维网络坐标中的位置获取角度初始信息。通过检测加速器辐射头在形态子区域点云图中的位置信息获取加速器辐射头的位移信息，进而通过该位移信息模拟出加速器辐射头的照射剂量的信息。

S36，获取待评估信息。

将上述角度初始信息转化为世界坐标系下的角度信息得到待评估角度信息，即：加速器机械臂相对于病人整体的照射角度、加速器机械臂相对于机床的照射角度。

作为本申请的一个示例，在本申请的另外一些实施例中还可以将S35中的角度检测子区域点云图和形态子区域点云图按照获取的点云图的坐标位置信息，直接将角度检测子区域点云图和形态子区域点云图恢复到对应的角度检测区域原点云图和形态区域原点云图中的坐标位置，然后获取上述原点云图在世界坐标系中加速器机械臂相对于病人整体的位置信息、加速器机械臂相对于机床的位置信息和加速器辐射头的位置位移信息。通过加速器机械臂相对于病人整体的位置信息、加速器机械臂相对于机床的位置信息和加速器辐射头的位置位移信息，获取加速器机械臂相对于病人整体的照射角度、加速器机械臂相对于机床的照射角度和加速器辐射头的照射剂量。之后，执行S37。

S37，获取差值信息。

将加速器机械臂相对于病人整体的照射角度与加速器机械臂相对于病人整体的计划照射角度的差值作为第一差值；

将加速器辐射头的照射剂量与加速器辐射头的计划剂量信息的差值作为第二差值。

S38，角度差值信息与阈值对比。

若第一差值大于第一误差阈值，则暂停治疗并发出示警信息，否则执行S39。

若第二差值大于第二误差阈值，则暂停治疗并发出示警信息，否则执行S39。

可以理解的是，第一误差阈值和第二误差阈值均是在保证病人安全的情况下设定的安全阈值信息。

S39，剂量误差信息对比。

利用蒙特卡洛模拟算法获取从开始治疗到当前过程的治疗剂量，若该治疗剂量与计划治疗剂量的差值大于剂量误差阈值，则暂停治疗并发出示警信息，否则，继续治疗，并返回S31，获取下一帧视频图像，继续按照上述步骤进行监控治疗加速器。

下面结合附图4阐述在本申请的一些实施例中的监控治疗加速器待评估信息获取方法流程图。

请参考附图4，图4示出了本申请另一些实施例提供的监控治疗加速器待评估信息获取方法流程图。该方法具体包括如下步骤。

需要说明的是，获取子区域点云图的实现流程与图3中S31～S34的实现方法一致，为避免重复，在此不做赘述。以下在获取到子区域点云图的基础上，示例性具体阐述治疗加速器的质控方法。

第一步，获取角度检测子区域点云图和形态子区域点云图。

例如，角度检测子区域点云图为包括加速器机械臂、机床和病人整体的三维点云子区域图像，形态子区域点云图为包括加速器辐射头的三维点云子区域图像。

第二步，将包括加速器机械臂、机床和病人整体的三维点云子区域图像(即角度检测子区域点云图)输入到深度学习关键点检测模型，获取输出的加速器机械臂的前后端点和中心点位置信息。

将包括加速器机械臂、机床和病人整体的三维点云子区域图像输入到深度图像分割检测模型，检测出病人整体的轮廓区域信息。

将包括加速器辐射头的三维点云子区域图像(即形态子区域点云图)输入到深度学习目标检测模型，获取加速器辐射头的辐射口的位置信息，然后根据摄像头标定的参数信息以及摄像头与辐射口的距离信息，获取辐射口的开口形状和尺寸。

第三步，将包括加速器机械臂、机床和病人整体的三维点云子区域图像和包括加速器辐射头的三维点云子区域图像，结合第二步中得到的位置信息、轮廓区域信息以及形状信息，转换到世界坐标系中，获取包含有加速器机械臂、机床、病人整体和加速器辐射头的加速器整体子区域点云图。

通过上述图像和检测的信息结合后，获取到在世界坐标系中的子区域点云图的精度更加准确。

第四步，根据加速器机械臂的前后端点和中心点的连线，在世界坐标系中获取加速器机械臂相对于病人整体的照射角度。

根据当前时刻辐射口的形状、尺寸和辐射强度以及辐射口相对于病人整体的位置信息，计算当前时刻辐射到病人整体的具体部位和辐射面积。

第五步，根据病人CT(电子计算机断层扫描：Computed Tomography，)勾画图像确定病人内部的肿瘤和气管的三维信息、辐射面积和当前时刻的辐射强度，利用蒙特卡洛模拟算法得到当前时刻对病人身体内部肿瘤和器官的当前辐射剂量。

第六步，将当前的辐射剂量和之前各个时刻的辐射剂量累加得到加速器辐射头的照射剂量。

请参考图5，图5示出了本申请实施例提供的一种监控治疗设备的质控装置的组成框图。应理解，该质控装置与上述图1方法实施例对应，能够执行上述方法实施例涉及的各个步骤，该质控装置的具体功能可以参见上文中的描述，为避免重复，此处适当省略详细描述。

图5的监控治疗加速器的质控装置包括至少一个能以软件或固件的形式存储于存储器中或固化在监控治疗加速器的质控装置中的软件功能模块，该质控装置包括：目标获取模块510，被配置为获取包括感兴趣目标的三维点云图；区域检测模块520，被配置为将所述三维点云图输入子区域检测模型，获取感兴趣子区域点云图；信息获取模块530，被配置为根据所述感兴趣子区域点云图获取待评估信息；质控模块540，被配置为根据所述待评估信息和计划信息生成质控策略，其中，所述计划信息是根据病人的情况制定的计划治疗信息。

本申请的一些实施例还提供了一种系统，所述系统包括一个或多个计算机和存储指令的一个或多个存储设备，当所述指令由所述一个或多个计算机执行时，使得所述一个或多个计算机执行图1中任意实施例所述的相应方法的操作。

本申请的一些实施例还提供了一种存储指令的一个或多个计算机存储介质，当所述指令由一个或多个计算机执行时，使得所述一个或多个计算机执行执行图1中任意实施例所述的相应方法的操作。

以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

Claims (12)

1.一种监控治疗设备的质控方法，其特征在于，包括：

获取包括感兴趣目标的三维点云图；

将所述三维点云图输入子区域检测模型，获取感兴趣子区域点云图；

根据所述感兴趣子区域点云图获取待评估信息；

根据所述待评估信息和计划信息生成质控策略，其中，所述计划信息是根据病人的情况制定的计划治疗信息。

2.如权利要求1所述的质控方法，其特征在于，

所述获取包括感兴趣目标的三维点云图，包括：

获取包括加速器机械臂的三维点云图和包括多叶光栅单元的三维点云图；

所述将所述三维点云图输入子区域检测模型，获取感兴趣子区域点云图，包括：

将包括所述加速器机械臂的三维点云图和包括所述多叶光栅单元的三维点云图分别输入所述子区域检测模型，获取角度检测子区域点云图和形态子区域点云图，其中，所述角度检测子区域点云图至少包括：

所述加速器机械臂、机床及病人整体，所述形态子区域点云图至少包括：

加速器辐射头；

所述根据所述感兴趣子区域点云图获取待评估信息，包括：

根据所述角度检测子区域点云图获取所述加速器机械臂的待评估角度信息，其中，所述加速器机械臂的待评估角度信息包括所述加速器机械臂相对于所述病人整体的照射角度和所述加速器机械臂相对于所述机床的照射角度中的至少一个；

根据所述形态子区域点云图获取所述多叶光栅单元的待评估剂量信息，其中，所述多叶光栅单元的待评估剂量信息包括所述加速器辐射头的照射剂量；

其中，所述待评估信息包括所述加速器机械臂的待评估角度信息和所述多叶光栅单元的待评估剂量信息。

3.如权利要求1所述的质控方法，其特征在于，

所述获取包括感兴趣目标的三维点云图，包括：

获取包括加速器机械臂的三维点云图和包括多叶光栅单元的三维点云图；

所述将所述三维点云图输入子区域检测模型，获取感兴趣子区域点云图，包括：

将包括所述加速器机械臂的三维点云图和包括所述多叶光栅单元的三维点云图分别输入所述子区域检测模型，获取角度检测子区域点云图和形态子区域点云图，其中，所述角度检测子区域点云图至少包括：

所述加速器机械臂、机床及病人整体，所述形态子区域点云图至少包括：

加速器辐射头；

根据所述角度检测子区域点云图和所述形态子区域点云图在世界坐标系中的位置信息，将所述角度检测子区域点云图和所述形态子区域点云图融合，获取包括加速器整体子区域点云图；

所述根据所述感兴趣子区域点云图获取待评估信息，包括：

根据所述加速器整体子区域点云图获取所述加速器的待评估角度信息和待评估剂量信息，其中，所述待评估角度信息包括所述加速器机械臂相对于所述病人整体的照射角度，所述待评估剂量信息包括所述加速器辐射头的照射剂量；

其中，所述待评估信息包括所述加速器机械臂的待评估角度信息和所述多叶光栅单元的待评估剂量信息。

4.如权利要求2或3所述的质控方法，其特征在于，通过如下方式获取所述加速器辐射头的照射剂量：

基于摄像头与所述加速器辐射头的操作信息，获取所述加速器辐射头的辐射口的辐射参数，其中，所述辐射参数包括辐射口的形状和尺寸；

根据所述辐射参数和辐射口相对于所述病人整体的位置信息，确定在所述病人整体上的辐射面积，其中，所述辐射口相对于所述病人整体的位置信息是在所述形态子区域点云图上获取的；

根据所述病人整体的内部器官的三维信息、所述辐射面积和所述加速器辐射头的本次辐射强度信息，利用蒙特卡洛模拟算法获取所述加速器辐射头的本次照射剂量；

将所述加速器辐射头的本次照射剂量与所述本次照射剂量之前的每次照射剂量求和，获取加速器辐射头的照射剂量。

5.如权利要求1所述的质控方法，其特征在于，在所述获取包括感兴趣目标的三维点云图之前，所述质控方法还包括：

获取包括所述感兴趣目标的视频帧图像；

利用图像深度算法获取与所述视频帧图像对应的深度图；

根据内外参矩阵变换算法将所述深度图转化为包括感兴趣目标的所述三维点云图。

6.如权利要求2所述的质控方法，其特征在于，所述根据所述角度检测子区域点云图获取所述加速器机械臂的待评估角度信息，包括：

将所述感兴趣子区域点云图输入到目标角度检测模型，获取待评估角度初始信息，其中，所述目标角度检测模型是通过对深度学习网络模型进行训练得到的，或者，根据所述感兴趣子区域点云图在三维坐标网络中的位置，获取待评估角度初始信息；

将所述待评估角度初始信息转化为世界坐标系下的角度信息得到所述待评估角度信息。

7.如权利要求1-3中的任一项所述的质控方法，其特征在于，所述根据所述待评估信息和计划信息生成质控策略，包括：

若确认所述待评估角度信息与所述计划角度信息的差值小于或等于设定的误差阈值，则生成用于指示继续治疗的所述质控策略；

若确认所述待评估角度信息与所述计划角度信息的差值大于设定的误差阈值，则生成用于指示暂停治疗的所述质控策略。

8.如权利要求1-3中的任一项所述的质控方法，其特征在于，所述根据所述待评估信息和计划信息生成质控策略，包括：

根据所述待评估角度信息和所述计划角度信息，并根据所述待评估剂量信息生成质控策略。

9.如权利要求8所述的质控方法，其特征在于，所述根据所述待评估信息和计划信息生成质控策略，包括：

若确认所述待评估角度信息与所述计划角度信息的差值小于或等于设定的误差阈值，且确认待评估剂量信息和计划剂量信息的差值小于或等于设定的剂量误差阈值，则生成用于指示继续治疗的所述质控策略；

若确认所述待评估角度信息与所述计划角度信息的差值小于或等于设定的误差阈值，且确认待评估剂量信息和计划剂量信息的差值大于设定的剂量误差阈值，则生成用于指示暂停治疗的所述质控策略。

10.一种监控治疗设备的质控装置，其特征在于，包括：

目标获取模块，被配置为获取包括感兴趣目标的三维点云图；

区域检测模块，被配置为将所述三维点云图输入子区域检测模型，获取感兴趣子区域点云图；

信息获取模块，被配置为根据所述感兴趣子区域点云图获取待评估信息；

质控模块，被配置为根据所述待评估信息和计划信息生成质控策略，其中，所述计划信息是根据病人的情况制定的计划治疗信息。

11.一种系统，所述系统包括一个或多个计算机和存储指令的一个或多个存储设备，当所述指令由所述一个或多个计算机执行时，使得所述一个或多个计算机执行根据权利要求1-9中任一项所述的相应方法的操作。

12.一种存储指令的一个或多个计算机存储介质，当所述指令由一个或多个计算机执行时，使得所述一个或多个计算机执行根据权利要求1-9中任一项所述的相应方法的操作。

Images