CN115223683A - 一种放射治疗计划评估方法、装置、计算机设备及介质 - Google Patents

一种放射治疗计划评估方法、装置、计算机设备及介质 Download PDF

Info

Publication number
CN115223683A
CN115223683A CN202210999389.XA CN202210999389A CN115223683A CN 115223683 A CN115223683 A CN 115223683A CN 202210999389 A CN202210999389 A CN 202210999389A CN 115223683 A CN115223683 A CN 115223683A
Authority
CN
China
Prior art keywords
evaluation
factor
factors
evaluation factor
evaluated
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.)
Granted
Application number
CN202210999389.XA
Other languages
English (en)
Other versions
CN115223683B (zh
Inventor
陈利
邓小武
康德华
张丹丹
彭应林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sun Yat Sen University Cancer Center
Original Assignee
Sun Yat Sen University Cancer Center
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sun Yat Sen University Cancer Center filed Critical Sun Yat Sen University Cancer Center
Priority to CN202210999389.XA priority Critical patent/CN115223683B/zh
Publication of CN115223683A publication Critical patent/CN115223683A/zh
Application granted granted Critical
Publication of CN115223683B publication Critical patent/CN115223683B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Surgery (AREA)
  • Urology & Nephrology (AREA)
  • Bioethics (AREA)
  • Radiation-Therapy Devices (AREA)

Abstract

本申请属于治疗计划评估技术领域，公开了一种放射治疗计划评估方法、装置、计算机设备及介质，该方法包括：获取待评估放射治疗计划的DICOM数据和评估信息；根据DICOM数据得到多个评估因素的数值，并判断每个评估因素的数值是否符合该评估因素对应的评估要求；在多个评估因素中每个评估因素的数值均符合该评估因素对应的评估要求时，基于待评估放射治疗计划的同类放射治疗计划数据库，通过机器学习异常检测算法对多个评估因素的数值进行计算，得到各评估因素的评估结果；根据各评估因素的评估结果得到待评估放射治疗计划的评估结果。本申请可达到提高放射治疗计划评估的效率和质量的效果。

Description

一种放射治疗计划评估方法、装置、计算机设备及介质
技术领域
本申请涉及治疗计划评估技术领域，尤其涉及一种放射治疗计划评估方法、装置、计算机设备及介质。
背景技术
放射治疗是利用放射线治疗肿瘤的一种局部治疗方法。大约70％的癌症患者在治疗癌症的过程中需要用放射治疗，约有40％的癌症可以用放疗根治。放射治疗在肿瘤治疗中的作用和地位日益突出，已成为治疗恶性肿瘤的主要手段之一。在对患者进行放射治疗之前，为实现对放射治疗的质量控制，需要对制定好的放射治疗计划进行评估。
然而，目前的放射治疗计划评估方法一般采用医生独立评估的方式，由医生通过浏览计划参数、剂量体积参数、计划剂量分布等决定计划质量能否满足临床处方要求，给出计划质量通过或不通过的结论。上述方式由医生进行评估，执行时间长，评估效率低；而且评估结果很大程度上依赖于计划审核者的主观经验，难以客观地评估放射治疗计划的质量。可见，现有技术存在放射治疗计划的评估效率低且评估质量差的问题。
发明内容
本申请提供了一种放射治疗计划评估方法、装置、计算机设备及介质，能够提高放射治疗计划评估的效率和质量。
第一方面，本申请实施例提供了一种放射治疗计划评估方法，该方法包括：
获取待评估放射治疗计划的DICOM数据和评估信息，评估信息包括多个评估因素和多个评估因素中每个评估因素对应的评估要求；
根据DICOM数据得到多个评估因素的数值，并判断每个评估因素的数值是否符合该评估因素对应的评估要求；
在多个评估因素中每个评估因素的数值均符合该评估因素对应的评估要求时，基于待评估放射治疗计划的同类放射治疗计划数据库，通过机器学习异常检测算法对多个评估因素的数值进行计算，得到各评估因素的评估结果；
根据各评估因素的评估结果得到待评估放射治疗计划的评估结果。
在其中一个实施例中，基于待评估放射治疗计划的同类放射治疗计划数据库，通过机器学习异常检测算法对多个评估因素的数值进行计算，得到各评估因素的评估结果，包括：
基于待评估放射治疗计划的同类放射治疗计划数据库，计算得到多个评估因素中每个评估因素的历史均值和历史标准差；
根据各评估因素的历史均值和历史标准差以及各评估因素的数值，计算得到各评估因素的结果概率和边界阈值；
若评估因素为靶区评估因素，则在评估因素的结果概率小于等于该评估因素对应的概率阈值且评估因素的数值小于该评估因素的边界阈值时，判定评估因素的评估结果为异常；
若评估因素为正常组织评估因素，则在评估因素的结果概率小于等于该评估因素对应的概率阈值且评估因素的数值大于该评估因素的边界阈值时，判定评估因素的评估结果为异常。
在其中一个实施例中，根据各评估因素的评估结果得到待评估放射治疗计划的评估结果，包括：
在多个评估因素中任一评估因素的评估结果为异常时，判定待评估放射治疗计划的评估结果为不合格；
在多个评估因素的评估结果均为正常时，判定待评估放射治疗计划的评估结果为合格。
在其中一个实施例中，该方法还包括：
在待评估放射治疗计划的评估结果为不合格时，输出异常提示信息；异常提示信息中包含评估结果为异常的评估因素的信息；
在待评估放射治疗计划的评估结果为合格时，输出评估结果。
在其中一个实施例中，该方法还包括：
通过不同的颜色或进度条显示评估因素的数值在同类放射治疗计划数据库内的该评估因素历史数据分布中的位置；或者，
在评估因素的评估结果为正常时，将该评估因素的数值存入同类放射治疗计划数据库内，以对同类放射治疗计划数据库进行更新。
第二方面，本申请实施例提供了一种放射治疗计划评估装置，该装置包括：
计划数据获取模块，用于获取待评估放射治疗计划的DICOM数据和评估信息，评估信息包括多个评估因素和多个评估因素中每个评估因素对应的评估要求；
评估因素计算模块，用于根据DICOM数据得到多个评估因素的数值，并判断每个评估因素的数值是否符合该评估因素对应的评估要求；
评估因素评估模块，用于在多个评估因素中每个评估因素的数值均符合该评估因素对应的评估要求时，基于待评估放射治疗计划的同类放射治疗计划数据库，通过机器学习异常检测算法对多个评估因素的数值进行计算，得到各评估因素的评估结果；
放射治疗计划评估模块，用于根据各评估因素的评估结果得到待评估放射治疗计划的评估结果。
在其中一个实施例中，该装置还包括：
评估结果输出模块，用于在待评估放射治疗计划的评估结果为不合格时，输出异常提示信息；异常提示信息中包含评估结果为异常的评估因素的信息；在待评估放射治疗计划的评估结果为合格时，输出评估结果。
在其中一个实施例中，该装置还包括：
评估因素显示模块，用于通过不同的颜色或进度条显示评估因素的数值在同类放射治疗计划数据库内的该评估因素历史数据分布中的位置。
数据库更新模块，用于在评估因素的评估结果为正常时，将该评估因素的数值存入同类放射治疗计划数据库内，以对同类放射治疗计划数据库进行更新。
第三方面，本申请实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时执行如上述任一实施例的放射治疗计划评估方法的步骤。
第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如上述任一实施例的放射治疗计划评估方法的步骤。
综上，与现有技术相比，本申请实施例提供的技术方案带来的有益效果至少包括：
本申请实施例提供的一种放射治疗计划评估方法，能够获取待评估放射治疗计划的DICOM数据和评估信息，评估信息包括多个评估因素和多个评估因素中每个评估因素对应的评估要求；根据DICOM数据得到多个评估因素的数值，并判断每个评估因素的数值是否符合该评估因素对应的评估要求，以实现对待评估放射治疗计划的初步质量评估；在多个评估因素中每个评估因素的数值均符合该评估因素对应的评估要求时，基于待评估放射治疗计划的同类放射治疗计划数据库，通过机器学习异常检测算法对多个评估因素的数值进行计算，得到各评估因素的评估结果，以实现对各个评估因素的单独评估；根据各评估因素的评估结果得到待评估放射治疗计划的评估结果，即综合所有评估因素得到放疗计划的评估结果。上述方法可以根据待评估放射治疗计划的DICOM数据得到评估信息中多个评估因素的数值，在每个评估因素的数值均符合该评估因素对应的评估要求时，采用机器学习异常检测算法基于同类放射治疗计划数据库中的数据分布情况对各个评估因素进行异常检测，无需人工计算，提高了评估效率，同时还排除了主观因素干扰，可以得到更为客观的评估结果，能够提高放射治疗计划评估的效率和质量，可用于实现放射治疗计划的质量控制。
附图说明
图1为本申请一个示例性实施例提供的放射治疗计划评估方法的流程图。
图2为本申请另一个示例性实施例提供的放射治疗计划评估方法的流程图。
图3为本申请一个示例性实施例提供的放射治疗计划评估装置的结构图。
图4为本申请另一个示例性实施例提供的放射治疗计划评估装置的结构图。
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清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
请参见图1，本申请实施例提供了一种放射治疗计划评估方法，该方法可以应用于终端设备或服务器，以执行主体是终端设备为例进行说明，该方法具体包括以下步骤：
步骤S1，获取待评估放射治疗计划的DICOM数据和评估信息，评估信息包括多个评估因素和多个评估因素中每个评估因素对应的评估要求。
其中，DICOM(Digital Imaging and Communications in Medicine)即医学数字成像和通信，是医学图像和相关信息的国际标准(ISO 12052)，其定义了质量能满足临床需要的可用于数据交换的医学图像格式。DICOM数据被广泛应用于放射医疗，心血管成像以及放射诊疗诊断设备。在本实施例中，待评估放射治疗计划的DICOM数据可以包括患者病变器官图像RT_images、勾画的所有感兴趣区域(region of interest，ROI，包含肿瘤靶区和危及器官)文件RT_structures、计划文件RT_plan和剂量文件RT_dose等。例如，鼻咽癌患者的放疗计划应包含一套CT图像(约100张)、一个医师勾画确认的含有ROIs的文件、治疗计划系统产生的计划文件和剂量文件。
评估信息包括多个评估因素和其中每个评估因素对应的评估要求，以评估因素为靶区PTV为例，其对应的评估要求之一为PTVV100％≥95％。由于不同疾病种类对应的评估因素通常也是不同的，故需根据待评估放射治疗计划的疾病种类来确定需要由DICOM数据得到哪些评估因素的数值。可以将某一病种的放射治疗计划的所有评估因素设为Xi(从X1，X2，…，Xn)，n为一个正整数。评估因素通常可分为三类：对靶区的评估因素、对正常组织的评估因素和对剂量分布的评估因素。例如，鼻咽癌放疗计划的评估因素可以有：不同靶区的处方剂量覆盖率、最小剂量、最大剂量；脊髓最大剂量、脑干最大剂量等30余项；对肺癌放疗计划正常组织的评估因素可以包括肺V5Gy、V20Gy、心脏V30Gy等20余项。Gy为吸收剂量单位，其描述了单位质量物体吸收电离辐射能量的大小。具体实施时，评估因素的确定和设置可根据具体情况，参照国际相关指南设置，如美国国立综合癌症网络(National ComprehensiveCancer Network，NCCN)指南。
具体地，计划设计者可以将待评估放射治疗计划输出设置为DICOM标准格式的文件，终端设备获取上述DICOM文件；而对同类放疗计划，评估信息也可以提前通过模板预设，后续使用时可一键读取。在具体实施过程中，终端设备可以为物理师质检工作站。
步骤S2，根据DICOM数据得到多个评估因素的数值，并判断每个评估因素的数值是否符合该评估因素对应的评估要求。
具体地，先确定待评估放射治疗计划的疾病种类；再根据DICOM数据计算得到疾病种类对应的多个评估因素的数值，并判断各评估因素的数值是否符合其对应的评估要求，以实现对待评估放射治疗计划的的初步质检。具体实施时，有些评估因素的数值可以从DICOM数据中直接提取出来，还有一些评估因素的数值可以先从DICOM数据中提取出该评估因素对应的相关数据，再由相关数据计算得到该评估因素的数值。
本步骤中的多个评估因素可通过模板方式提前预设，以进一步提高评估效率。需要注意的是，如果提前预设，需要核查放射治疗计划内ROI和软件模板内ROI的名称一致性，必要时进行手动ROI名称配对，以实现数据命名的标准化，例如按照美国医学物理师协会推荐的放疗ROI标准来命名。
步骤S3，在多个评估因素中每个评估因素的数值均符合该评估因素对应的评估要求时，基于待评估放射治疗计划的同类放射治疗计划数据库，通过机器学习异常检测算法对多个评估因素的数值进行计算，得到各评估因素的评估结果。
其中，待评估放射治疗计划的同类放射治疗计划数据库可以为待评估放射治疗计划对应疾病种类的历史放射治疗计划数据库，可以包含大量同类病种的历史放射治疗计划数据，该同类放射治疗计划数据库用于为各个评估因素提供其在同类病种中的数据分布情况；同时，可以采用机器学习异常检测(Anomaly detection)算法通过计算来判断各个评估因素是否存在异常。异常检测算法可以采用LOF、autoencoders及Bayesian网络等，以上算法均为现有技术中成熟的技术，并且除了本实施例中提及的异常检测算法外，本实施例还可通过其他常见的异常检测算法对各个评估因素进行异常检测，同时本说明书中未作详细描述的内容均属于本领域技术人员公知的现有技术。
步骤S4，根据各评估因素的评估结果得到待评估放射治疗计划的评估结果。
其中，评估因素的评估结果可以为正常或异常，待评估放射治疗计划的评估结果可以为合格或不合格。
具体地，在多个评估因素中任一评估因素的评估结果为异常时，判定待评估放射治疗计划的评估结果为不合格；在多个评估因素的评估结果均为正常时，判定待评估放射治疗计划的评估结果为合格。
上述实施例中提供的一种放射治疗计划评估方法，能够获取待评估放射治疗计划的DICOM数据和评估信息，评估信息包括多个评估因素和多个评估因素中每个评估因素对应的评估要求；根据DICOM数据得到多个评估因素的数值，并判断每个评估因素的数值是否符合该评估因素对应的评估要求，以实现对待评估放射治疗计划的初步质量评估；在多个评估因素中每个评估因素的数值均符合该评估因素对应的评估要求时，基于待评估放射治疗计划的同类放射治疗计划数据库，通过机器学习异常检测算法对多个评估因素的数值进行计算，得到各评估因素的评估结果，以实现对各个评估因素的单独评估；根据各评估因素的评估结果得到待评估放射治疗计划的评估结果，即综合所有评估因素得到放疗计划的评估结果。上述方法可以根据待评估放射治疗计划的DICOM数据得到评估信息中多个评估因素的数值，在每个评估因素的数值均符合该评估因素对应的评估要求时，采用机器学习异常检测算法基于同类放射治疗计划数据库中的数据分布情况对各个评估因素进行异常检测，无需人工计算，提高了评估效率，同时还排除了主观因素干扰，可以得到更为客观的评估结果，能够提高放射治疗计划评估的效率和质量，可用于实现放射治疗计划的质量控制。
在一些实施例中，步骤S3具体包括以下步骤：
基于待评估放射治疗计划的同类放射治疗计划数据库，计算得到多个评估因素中每个评估因素的历史均值μi和历史标准差σi。
根据各评估因素的历史均值μi和历史标准差σi以及各评估因素的数值Xi，计算得到各评估因素的结果概率pi和边界阈值。
其中，评估因素可以为靶区评估因素或正常组织评估因素，靶区评估因素的边界阈值为下边界阈值LBi，正常组织评估因素的边界阈值为上边界阈值UBi。
对具体的评估因素，要考虑放疗的基本目的和目标，即靶区剂量应该尽可能高，而正常组织(OAR)剂量应该尽可能低。故对于靶区评估因素，在评估因素的结果概率pi小于等于该评估因素对应的概率阈值ε且评估因素的数值Xi小于该评估因素的边界阈值LBi时，判定评估因素的评估结果为异常；其它情况下，判定该评估因素的评估结果为正常。对于OAR评估因素，在评估因素的结果概率pi小于等于该评估因素对应的概率阈值ε且评估因素的数值Xi大于该评估因素的边界阈值UBi时，判定评估因素的评估结果为异常；其它情况下，判定该评估因素的评估结果为正常。
其中，评估因素的历史均值μi和历史标准差σi用于反应该评估因素在同类放射治疗计划数据库中的数据分布情况；概率阈值ε可人为设置，一般可设为0.05。
具体地，通过异常检测算法基于待评估放射治疗计划的同类放射治疗计划数据库得到每一个评估因素的历史均值μi和历史标准差σi，再根据每一个评估因素的历史均值μi、历史标准差σi和数值Xi计算该评估因素的结果概率pi和边界阈值LBi，计算公式如下：
Figure BDA0003806933010000071
LBi≈μi-1.96×σi，UBi≈μi+1.96×σi。
对于靶区评估因素，当pi≤ε且Xi＜LBi时，判定评估因素的评估结果为异常；其余情形，判定评估因素的评估结果为正常；对于OAR和剂量分布等评估因素，当pi≤ε且Xi＞UBi时，判定评估因素的评估结果为异常；其余情形，判定该评估因素的评估结果为正常。
上述实施例可以基于同类放射治疗计划数据库采样异常检测算法计算得到每一个评估因素的量化数据信息，数据计算的方法更客观，可很大程度上排除主观因素干扰和观察者之间差异造成的评估结果不确定性。
在一些实施例中，请参见图2，该方法还可以包括以下步骤：
步骤S5，输出并显示待评估放射治疗计划的评估结果。
具体地，步骤S5具体可以包括：在待评估放射治疗计划的评估结果为不合格时，输出异常提示信息；异常提示信息中包含评估结果为异常的评估因素的信息；在待评估放射治疗计划的评估结果为合格时，输出评估结果。
上述实施例可以输出并显示待评估放射治疗计划的评估结果，使得计划评估者能更直观地了解放射治疗计划的评估情况，以快速确认计划或返回给物理剂量师进行计划修改。
在一些实施例中，该方法还可以包括以下步骤：
通过不同的颜色或进度条显示评估因素的数值在同类放射治疗计划数据库内的该评估因素历史数据分布中的位置。
上述实施例可以通过显示评估因素的数值在其历史数据分布中的位置，能够给计划评估者提供直观的数据信息，有助于提高工作效率。
在一些实施例中，该方法还可以包括以下步骤：
在评估因素的评估结果为正常时，将该评估因素的数值存入同类放射治疗计划数据库内，以对同类放射治疗计划数据库进行更新。
上述实施例中，该方法可以将评估结果正常的评估因素数据放入同类放射治疗计划数据库内，能够进一步提升数据库内该评估因素的边界阈值，从而提升数据库中该评估因素的整体水平。
请参见图3，本申请另一实施例提供了一种放射治疗计划评估装置，该装置包括：
计划数据获取模块101，用于获取待评估放射治疗计划的DICOM数据和评估信息，评估信息包括多个评估因素和多个评估因素中每个评估因素对应的评估要求；
评估因素计算模块102，用于根据DICOM数据得到多个评估因素的数值，并判断每个评估因素的数值是否符合该评估因素对应的评估要求；
评估因素评估模块103，用于在多个评估因素中每个评估因素的数值均符合该评估因素对应的评估要求时，基于待评估放射治疗计划的同类放射治疗计划数据库，通过机器学习异常检测算法对多个评估因素的数值进行计算，得到各评估因素的评估结果；
放射治疗计划评估模块104，用于根据各评估因素的评估结果得到待评估放射治疗计划的评估结果。
在一些实施例中，请参见图4，该装置还包括：
评估结果输出模块105，用于在待评估放射治疗计划的评估结果为不合格时，输出异常提示信息；异常提示信息中包含评估结果为异常的评估因素的信息；在待评估放射治疗计划的评估结果为合格时，输出评估结果。
在一些实施例中，该装置还包括：
评估因素显示模块，用于通过不同的颜色或进度条显示评估因素的数值在同类放射治疗计划数据库内的该评估因素历史数据分布中的位置。
数据库更新模块，用于在评估因素的评估结果为正常时，将该评估因素的数值存入同类放射治疗计划数据库内，以对同类放射治疗计划数据库进行更新。
本实施例中提供的关于放射治疗计划评估装置的具体限定，可以参见上文中关于放射治疗计划评估方法的实施例，于此不再赘述。上述放射治疗计划评估装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
本申请实施例提供了一种计算机设备，该计算机设备可以包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。处计算机程序被处理器执行时，使得处理器执行如上述任一实施例的放射治疗计划评估方法的步骤。
本实施例提供的计算机设备的工作过程、工作细节和技术效果，可以参见上文中关于放射治疗计划评估方法的实施例，于此不再赘述。
本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如上述任一实施例的放射治疗计划评估方法的步骤。其中，所述计算机可读存储介质是指存储数据的载体，可以但不限于包括软盘、光盘、硬盘、闪存、优盘和/或记忆棒(Memory Stick)等，所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。
本实施例提供的计算机可读存储介质的工作过程、工作细节和技术效果，可以参见上文中关于放射治疗计划评估方法的实施例，于此不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种放射治疗计划评估方法，其特征在于，所述方法包括：
获取待评估放射治疗计划的DICOM数据和评估信息，所述评估信息包括多个评估因素和所述多个评估因素中每个评估因素对应的评估要求；
根据所述DICOM数据得到所述多个评估因素的数值，并判断每个评估因素的数值是否符合该评估因素对应的评估要求；
在所述多个评估因素中每个评估因素的数值均符合该评估因素对应的评估要求时，基于所述待评估放射治疗计划的同类放射治疗计划数据库，通过机器学习异常检测算法对所述多个评估因素的数值进行计算，得到各所述评估因素的评估结果；
根据各所述评估因素的评估结果得到所述待评估放射治疗计划的评估结果。
2.根据权利要求1所述的方法，其特征在于，所述基于所述待评估放射治疗计划的同类放射治疗计划数据库，通过机器学习异常检测算法对所述多个评估因素的数值进行计算，得到各所述评估因素的评估结果，包括：
基于所述待评估放射治疗计划的同类放射治疗计划数据库，计算得到所述多个评估因素中每个评估因素的历史均值和历史标准差；
根据各所述评估因素的历史均值和历史标准差以及各所述评估因素的数值，计算得到各所述评估因素的结果概率和边界阈值；
若所述评估因素为靶区评估因素，则在所述评估因素的结果概率小于等于该评估因素对应的概率阈值且所述评估因素的数值小于该评估因素的边界阈值时，判定所述评估因素的评估结果为异常；
若所述评估因素为正常组织评估因素，则在所述评估因素的结果概率小于等于该评估因素对应的概率阈值且所述评估因素的数值大于该评估因素的边界阈值时，判定所述评估因素的评估结果为异常。
3.根据权利要求2所述的方法，其特征在于，所述根据各所述评估因素的评估结果得到所述待评估放射治疗计划的评估结果，包括：
在所述多个评估因素中任一评估因素的评估结果为异常时，判定所述待评估放射治疗计划的评估结果为不合格；
在所述多个评估因素的评估结果均为正常时，判定所述待评估放射治疗计划的评估结果为合格。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
在所述待评估放射治疗计划的评估结果为不合格时，输出异常提示信息；所述异常提示信息中包含评估结果为异常的评估因素的信息；
在所述待评估放射治疗计划的评估结果为合格时，输出所述评估结果。
5.根据权利要求1至4任一项所述的方法，其特征在于，所述方法还包括：
通过不同的颜色或进度条显示所述评估因素的数值在所述同类放射治疗计划数据库内的该评估因素历史数据分布中的位置；或者，
在所述评估因素的评估结果为正常时，将该评估因素的数值存入所述同类放射治疗计划数据库内，以对所述同类放射治疗计划数据库进行更新。
6.一种放射治疗计划评估装置，其特征在于，所述装置包括：
计划数据获取模块，用于获取待评估放射治疗计划的DICOM数据和评估信息，所述评估信息包括多个评估因素和所述多个评估因素中每个评估因素对应的评估要求；
评估因素计算模块，用于根据所述DICOM数据得到所述多个评估因素的数值，并判断每个评估因素的数值是否符合该评估因素对应的评估要求；
评估因素评估模块，用于在所述多个评估因素中每个评估因素的数值均符合该评估因素对应的评估要求时，基于所述待评估放射治疗计划的同类放射治疗计划数据库，通过机器学习异常检测算法对所述多个评估因素的数值进行计算，得到各所述评估因素的评估结果；
放射治疗计划评估模块，用于根据各所述评估因素的评估结果得到所述待评估放射治疗计划的评估结果。
7.根据权利要求6所述的装置，其特征在于，所述装置还包括：
评估结果输出模块，用于在所述待评估放射治疗计划的评估结果为不合格时，输出异常提示信息；所述异常提示信息中包含评估结果为异常的评估因素的信息；在所述待评估放射治疗计划的评估结果为合格时，输出所述评估结果。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括：
评估因素显示模块，用于通过不同的颜色或进度条显示所述评估因素的数值在所述同类放射治疗计划数据库内的该评估因素历史数据分布中的位置；
数据库更新模块，用于在所述评估因素的评估结果为正常时，将该评估因素的数值存入所述同类放射治疗计划数据库内，以对所述同类放射治疗计划数据库进行更新。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述方法的步骤。
CN202210999389.XA 2022-08-19 2022-08-19 一种放射治疗计划评估方法、装置、计算机设备及介质 Active CN115223683B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210999389.XA CN115223683B (zh) 2022-08-19 2022-08-19 一种放射治疗计划评估方法、装置、计算机设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210999389.XA CN115223683B (zh) 2022-08-19 2022-08-19 一种放射治疗计划评估方法、装置、计算机设备及介质

Publications (2)

Publication Number Publication Date
CN115223683A true CN115223683A (zh) 2022-10-21
CN115223683B CN115223683B (zh) 2023-08-25

Family

ID=83616563

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210999389.XA Active CN115223683B (zh) 2022-08-19 2022-08-19 一种放射治疗计划评估方法、装置、计算机设备及介质

Country Status (1)

Country Link
CN (1) CN115223683B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002263208A (ja) * 2001-03-07 2002-09-17 Mitsubishi Electric Corp 放射線治療計画装置及び放射線治療計画方法
WO2005035061A2 (en) * 2003-10-07 2005-04-21 Nomos Corporation Planning system, method and apparatus for conformal radiation therapy
CN101443780A (zh) * 2004-12-30 2009-05-27 普罗文蒂斯公司 用于开发和使用用于预测多种医学结果、评价介入策略以及同时验证生物标志物诱因的预测模型的方法、系统和计算机程序产品
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
CN108648811A (zh) * 2018-05-11 2018-10-12 南方医科大学 一种基于指征项预测的自动放疗计划质量评价方法
CN109166613A (zh) * 2018-08-20 2019-01-08 北京东方瑞云科技有限公司 基于机器学习的放射治疗计划评估系统及方法
CN109771843A (zh) * 2017-11-10 2019-05-21 北京连心医疗科技有限公司 云放射治疗计划评估方法、设备与存储介质
CN111584034A (zh) * 2020-04-14 2020-08-25 四川省肿瘤医院 基于人工智能的放射治疗实施质量控制方法及系统
CN114566251A (zh) * 2022-01-25 2022-05-31 苏州雷泰医疗科技有限公司 一种基于无监督学习的放射治疗计划评估方法及装置
CN114866137A (zh) * 2022-04-21 2022-08-05 国网青海省电力公司信息通信公司 电力光缆网的检测方法及装置

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002263208A (ja) * 2001-03-07 2002-09-17 Mitsubishi Electric Corp 放射線治療計画装置及び放射線治療計画方法
WO2005035061A2 (en) * 2003-10-07 2005-04-21 Nomos Corporation Planning system, method and apparatus for conformal radiation therapy
CN101443780A (zh) * 2004-12-30 2009-05-27 普罗文蒂斯公司 用于开发和使用用于预测多种医学结果、评价介入策略以及同时验证生物标志物诱因的预测模型的方法、系统和计算机程序产品
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
CN109771843A (zh) * 2017-11-10 2019-05-21 北京连心医疗科技有限公司 云放射治疗计划评估方法、设备与存储介质
CN108648811A (zh) * 2018-05-11 2018-10-12 南方医科大学 一种基于指征项预测的自动放疗计划质量评价方法
CN109166613A (zh) * 2018-08-20 2019-01-08 北京东方瑞云科技有限公司 基于机器学习的放射治疗计划评估系统及方法
CN111584034A (zh) * 2020-04-14 2020-08-25 四川省肿瘤医院 基于人工智能的放射治疗实施质量控制方法及系统
CN114566251A (zh) * 2022-01-25 2022-05-31 苏州雷泰医疗科技有限公司 一种基于无监督学习的放射治疗计划评估方法及装置
CN114866137A (zh) * 2022-04-21 2022-08-05 国网青海省电力公司信息通信公司 电力光缆网的检测方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"Predictive factors for well-being inadvanced cancer patients referred for palliative rediotherapy", 《CLINICAL ONCOLOGY》, pages 443 - 451 *
"独立准直器调强技术在鼻咽癌放射治疗的应用评估", 《南方医科大学学报》, vol. 30, no. 10, pages 2229 - 2232 *
顾慧宽等: "鼻咽癌调强放疗计划质量量化评价方法研究", 《中国医学物理学杂志》, vol. 38, no. 10, pages 1196 - 1202 *

Also Published As

Publication number Publication date
CN115223683B (zh) 2023-08-25

Similar Documents

Publication Publication Date Title
Li et al. Clinical evaluation of a commercial orthopedic metal artifact reduction tool for CT simulations in radiation therapy
CN107072624B (zh) 用于自动治疗计划的系统和方法
EP3052188B1 (en) Predicting achievable dose distribution using 3d information as an input
Korsholm et al. A criterion for the reliable use of MRI-only radiotherapy
US20210031054A1 (en) Decision support tool for adaptive radiotherapy in ct/linac console
US20160331999A1 (en) Systems and methods for automatic training of dose prediction models and treatment plans as a cloud service
CN110866909B (zh) 图像生成网络的训练方法、图像预测方法和计算机设备
Mullins et al. Treatment planning for metals using an extended CT number scale
Palma et al. Modelling the risk of radiation induced alopecia in brain tumor patients treated with scanned proton beams
CN116072263B (zh) 基于放疗的计划参数预测装置
Wang et al. Adaptive radiotherapy based on statistical process control for oropharyngeal cancer
Ten Eikelder et al. Optimal treatment plan adaptation using mid-treatment imaging biomarkers
Fiagan et al. In vivo dosimetry for patients with prostate cancer to assess possible impact of bladder and rectum preparation
US20150095051A1 (en) Automated algorithm and framework for multi-patient treatment plan access in radiation therapy
Kawamura et al. Revolutionizing radiation therapy: the role of AI in clinical practice
CN115223683B (zh) 一种放射治疗计划评估方法、装置、计算机设备及介质
Salimi et al. Real-time, acquisition parameter-free voxel-wise patient-specific Monte Carlo dose reconstruction in whole-body CT scanning using deep neural networks
Bak et al. Clinical experiences with online adaptive radiotherapy of vulvar carcinoma
McQuinlan et al. An investigation into the risk of population bias in deep learning autocontouring
CN115297926A (zh) 用于生成自适应放射治疗计划的系统和方法
Damato et al. Validation of mathematical models for the prediction of organs‐at‐risk dosimetric metrics in high‐dose‐rate gynecologic interstitial brachytherapy
CN113631223B (zh) 确定放射疗法后的血液学毒性风险
CN116262041A (zh) 被辐射剂量管理装置、被辐射剂量管理方法及存储介质
Astaburuaga et al. Incorporation of dosimetric gradients and parotid gland migration into xerostomia prediction
Nag et al. Definition of medical event is to be based on the total source strength for evaluation of permanent prostate brachytherapy: A report from the American Society for Radiation Oncology

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
GR01 Patent grant
GR01 Patent grant