CN116072263B - 基于放疗的计划参数预测装置 - Google Patents

基于放疗的计划参数预测装置 Download PDF

Info

Publication number
CN116072263B
CN116072263B CN202310203028.4A CN202310203028A CN116072263B CN 116072263 B CN116072263 B CN 116072263B CN 202310203028 A CN202310203028 A CN 202310203028A CN 116072263 B CN116072263 B CN 116072263B
Authority
CN
China
Prior art keywords
plan
dose distribution
radiotherapy
distribution data
target
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.)
Active
Application number
CN202310203028.4A
Other languages
English (en)
Other versions
CN116072263A (zh
Inventor
周琦超
刘耀颖
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.)
Manteia Data Technology Co ltd In Xiamen Area Of Fujian Pilot Free Trade Zone
Original Assignee
Manteia Data Technology Co ltd In Xiamen Area Of Fujian Pilot Free Trade Zone
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 Manteia Data Technology Co ltd In Xiamen Area Of Fujian Pilot Free Trade Zone filed Critical Manteia Data Technology Co ltd In Xiamen Area Of Fujian Pilot Free Trade Zone
Priority to CN202310203028.4A priority Critical patent/CN116072263B/zh
Publication of CN116072263A publication Critical patent/CN116072263A/zh
Application granted granted Critical
Publication of CN116072263B publication Critical patent/CN116072263B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/40ICT 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
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00Road transport of goods or passengers
    • Y02T10/10Internal combustion engine [ICE] based vehicles
    • Y02T10/40Engine management systems

Landscapes

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

Abstract

本申请公开了一种基于放疗的计划参数预测装置。其中,该装置包括:获取模块,用于获取目标对象对应的目标剂量分布数据;输入模块,用于将目标剂量分布数据输入至计划参数预测模型中,得到计划参数预测模型输出的目标计划参数;计划调整模块,用于依据目标计划参数对目标对象对应的初始放疗计划进行优化调整,得到目标放疗计划,其中,目标放疗计划中至少包括计划剂量分布数据,计划剂量分布数据用于表征在依据目标放疗计划对目标对象进行放疗时,目标对象的放疗靶区所对应的剂量分布信息以及目标对象的每个危及器官所对应的剂量分布信息。本申请解决了现有技术中由于过于依赖人工经验设置计划参数导致的放疗计划设计耗时长的技术问题。

Description

基于放疗的计划参数预测装置
技术领域
本申请涉及医疗科技领域,具体而言,涉及一种基于放疗的计划参数预测装置。
背景技术
放疗计划的设计是放射治疗的重要环节,其决定了治疗设备的运行以及患者接受照射的剂量分布,进而决定了患者的治疗效果。
其中,在放疗计划的设计过程中,计划参数的设置是必不可少的步骤,但是现有技术中主要依赖于人工经验设置计划参数,不仅人工成本高,而且效率较低,进而增加了整个放疗计划的设计耗时。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种基于放疗的计划参数预测装置,以至少解决现有技术中由于过于依赖人工经验设置计划参数导致的放疗计划设计耗时长的技术问题。
根据本申请实施例的一个方面,提供了一种基于放疗的计划参数预测装置,包括:获取模块,用于获取目标对象对应的目标剂量分布数据,其中,目标剂量分布数据用于表征在目标对象的放疗过程中针对目标对象的放疗靶区以及每个危及器官所期望达到的剂量分布状况;输入模块,用于将目标剂量分布数据输入至计划参数预测模型中,得到计划参数预测模型输出的目标计划参数;计划调整模块,用于依据目标计划参数对目标对象对应的初始放疗计划进行优化调整,得到目标放疗计划,其中,目标放疗计划中至少包括计划剂量分布数据,计划剂量分布数据用于表征在依据目标放疗计划对目标对象进行放疗时,目标对象的放疗靶区所对应的剂量分布信息以及目标对象的每个危及器官所对应的剂量分布信息。
进一步地,基于放疗的计划参数预测装置还包括:检测模块、模型调整模块以及第一确定模块。其中,检测模块,用于检测计划剂量分布数据与目标剂量分布数据是否相匹配;模型调整模块,用于在计划剂量分布数据与目标剂量分布数据不匹配的情况下,基于目标剂量分布数据对计划参数预测模型进行模型调整,其中,模型调整用于将计划参数预测模型更新为目标预测模型,目标预测模型在接收到目标剂量分布数据之后会输出第一计划参数,第一计划参数用于将初始放疗计划优化调整为第一放疗计划,第一放疗计划中至少包括第一计划剂量分布数据,第一计划剂量分布数据与目标剂量分布数据相匹配;第一确定模块,用于确定第一放疗计划为目标对象对应的执行放疗计划,其中,执行放疗计划为对目标对象进行放疗时所执行的计划。
进一步地,基于放疗的计划参数预测装置还包括:第二确定模块,用于在计划剂量分布数据与目标剂量分布数据相匹配的情况下,确定目标放疗计划为目标对象对应的执行放疗计划。
进一步地,模型调整模块还包括:第一执行单元、第二执行单元、第三执行单元、第四执行单元以及第五执行单元。其中,第一执行单元,用于执行步骤一,根据目标剂量分布数据从计划参数选取区间中随机选取一个计划参数,其中,计划参数选取区间中的每个数值用于表征一个计划参数;第二执行单元,用于执行步骤二,根据从计划参数选取区间中选取得到的计划参数对初始放疗计划进行优化调整,得到第二放疗计划,其中,第二放疗计划中至少包括第二计划剂量分布数据;第三执行单元,用于执行步骤三,通过第二计划剂量分布数据以及从计划参数选取区间中选取得到的计划参数对计划参数预测模型进行更新,得到第一模型;第四执行单元,用于执行步骤四,将目标剂量分布数据输入至第一模型中,得到第一模型输出的第二计划参数,依据第二计划参数对初始放疗计划进行优化调整,得到第三放疗计划,其中,第三放疗计划中至少包括第三计划剂量分布数据;第五执行单元,用于执行步骤五,检测第三计划剂量分布数据是否与目标剂量分布数据相匹配,在第三计划剂量分布数据与目标剂量分布数据相匹配时,确定第一模型为目标预测模型;在第三计划剂量分布数据与目标剂量分布数据不匹配时,重复执行步骤一至步骤五的过程,直至得到目标预测模型。
进一步地,目标剂量分布数据至少包括针对目标对象的放疗靶区所期望达到的第一剂量分布数据和针对目标对象的每个危及器官所期望达到的第二剂量分布数据。
进一步地,检测模块还包括:检测单元、第一确定单元以及第二确定单元。其中,检测单元,用于检测计划剂量分布数据中的第三剂量分布数据是否大于或等于第一剂量分布数据,以及计划剂量分布数据中的第四剂量分布数据是否小于或等于第二剂量分布数据,其中,第三剂量分布数据用于表征在依据目标放疗计划对目标对象进行放疗时目标对象的放疗靶区所对应的剂量分布信息,第四剂量分布数据用于表征在依据目标放疗计划对目标对象进行放疗时目标对象的每个危及器官所对应的剂量分布信息;第一确定单元,用于在第三剂量分布数据大于或等于第一剂量分布数据,并且第四剂量分布数据小于或等于第二剂量分布数据的情况下,确定计划剂量分布数据与目标剂量分布数据相匹配;第二确定单元,用于在第三剂量分布数据小于第一剂量分布数据,或,第四剂量分布数据大于第二剂量分布数据的情况下,确定计划剂量分布数据与目标剂量分布数据不匹配。
进一步地,基于放疗的计划参数预测装置还包括:第一获取模块和第一输入模块。其中,第一获取模块,用于获取历史病例对应的目标图像,其中,目标图像至少包括历史病例对应的CT图像、历史病例的放疗靶区的勾画图像以及历史病例的危及器官的勾画图像;第一输入模块,用于将目标图像输入至剂量预测模型中,得到剂量预测模型输出的剂量分布数据,其中,剂量预测模型用于根据目标图像的图像特征预估得到剂量分布数据,图像特征至少包括历史病例的放疗靶区的形状特征、历史病例的危及器官的形状特征以及历史病例的放疗靶区与历史病例的危及器官之间的相对位置特征。
进一步地,基于放疗的计划参数预测装置还包括:第一计算模块、第二计算模块、第二获取模块以及第三确定模块。其中,第一计算模块,用于依据预设系数对剂量分布数据进行放缩计算,得到剂量分布区间;第二计算模块,用于对剂量分布区间进行剂量体积直方图计算,得到计划参数剂量区间;第二获取模块,用于获取计划参数权重区间,其中,计划参数权重区间至少包括历史病例的放疗靶区所对应的第一权重区间、历史病例的每个危及器官所对应的第二权重区间,第一权重区间中的权重值用于表征在对历史病例制定放疗计划时历史病例的放疗靶区的重要程度,第二权重区间中的权重值用于表征在对历史病例制定放疗计划时历史病例的每个危及器官的重要程度;第三确定模块,用于依据计划参数权重区间和计划参数剂量区间确定计划参数选取区间,其中,计划参数选取区间中的每个数值用于表征一个计划参数。
进一步地,基于放疗的计划参数预测装置还包括:第三获取模块、参数选取模块、第一调整模块以及第四确定模块。其中,第三获取模块,用于获取历史病例对应的参考剂量分布数据,其中,参考剂量分布数据用于表征在历史病例的放疗过程中针对历史病例的放疗靶区以及历史病例的每个危及器官所期望达到的剂量分布状况;参数选取模块,用于根据参考剂量分布数据从计划参数选取区间中选取模型训练使用的第三计划参数;第一调整模块,用于根据第三计划参数对历史病例对应的历史初始放疗计划进行优化调整,得到第四放疗计划,其中,第四放疗计划中至少包括模型训练使用的第四计划剂量分布数据;第四确定模块,用于确定第四计划剂量分布数据和第三计划参数为训练数据,并依据训练数据训练得到计划参数预测模型。
本申请还提供了一种电子设备,包括一个或多个处理器和存储器,存储器用于存储一个或多个程序,其中,当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器控制上述的基于放疗的计划参数预测装置。
由上述内容可知,本申请通过计划参数预测模型预估得到与目标剂量分布数据相对应的目标计划参数,实现了自动化预估计划参数的目的,从而避免了现有技术中由于过于依赖人工经验设置计划参数导致的人工成本高以及计划参数确定效率低的问题,进而实现了缩短放疗计划的整体设计耗时的技术效果。
由此可见,本申请的技术方案至少解决了现有技术中由于过于依赖人工经验设置计划参数导致的放疗计划设计耗时长的技术问题。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的一种可选的基于放疗的计划参数预测装置的示意图;
图2是根据现有技术的一种执行放疗计划的生成过程的流程图;
图3是根据本申请实施例的一种生成执行放疗计划的流程图;
图4是根据本申请实施例的一种可选的生成计划参数选取区间的流程图;
图5是根据本申请实施例的一种可选的计划参数预测模型的训练流程图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,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的实施例,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,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
还需要说明的是,本申请所涉及的相关信息(包括但不限于用户设备信息、用户个人信息以及用户的电子病历信息等)和数据(包括但不限于用于展示的数据、分析的数据等),均为经用户授权或者经过各方充分授权的信息和数据。例如,本系统和相关用户或机构间设置有接口,在获取相关信息之前,需要通过接口向前述的用户或机构发送获取请求,并在接收到前述的用户或机构反馈的同意信息后,获取相关信息。
下面结合各实施例来进一步说明本申请。
实施例1
本实施例提供了一种可选的基于放疗的计划参数预测装置,该基于放疗的计划参数预测装置中的各个实施单元/模块对应于实施例1中各个实施步骤。
图1是根据本申请实施例的一种可选的基于放疗的计划参数预测装置的示意图,如图1所示,包括:获取模块101、输入模块102以及计划调整模块103。
具体的,获取模块101,用于获取目标对象对应的目标剂量分布数据,其中,目标剂量分布数据用于表征在目标对象的放疗过程中针对目标对象的放疗靶区以及每个危及器官所期望达到的剂量分布状况。
具体的,目标对象可以理解为是准备进行放疗的患者,在对目标对象执行放射治疗计划前,放疗物理师需要预设目标对象对应的目标剂量分布数据,并制定治疗计划,其中,目标剂量分布数据用于表征在目标对象的放疗过程中针对目标对象的放疗靶区以及每个危及器官,放疗物理师所期望达到的剂量分布状况。举例而言,根据目标对象的患病状况,放疗物理师期望在目标对象的靶区达到最低A剂量的剂量沉积,同时期望在目标对象的危及器官1达到最高B剂量的剂量沉积、在目标对象的危及器官2达到最高C剂量的剂量沉积。
在放疗物理师根据目标对象的患病状况制定完成目标对象对应的目标剂量分布数据之后,放疗物理师可以将目标剂量分布数据输入至基于放疗的计划参数预测装置中,从而使得基于放疗的计划参数预测装置获取得到目标对象对应的目标剂量分布数据。
输入模块102,用于将目标剂量分布数据输入至计划参数预测模型中,得到计划参数预测模型输出的目标计划参数。
可选的,基于放疗的计划参数预测装置中预先设置一个训练好的神经网络模型,即计划参数预测模型。需要注意到的是,计划参数预测模型用于接收目标对象对应的目标剂量分布数据,并依据目标剂量分布数据输出对应的目标计划参数。例如,目标计划参数包括但不限于射野的角度、数量、每个射野的权重。
需要注意到的是,在现有技术中,计划参数的设置通常是放疗物理师根据自身经验设置的,在这一过程中,将极大地依赖放疗物理师的经验和能力,不仅需要耗费大量的人力物理,而且每次设置的计划参数的准确性也不能得到有效的保证,导致计划参数的确定效率较低。
而在本申请中,通过计划参数预测模型预估得到与目标剂量分布数据相对应的目标计划参数,实现了自动化预估计划参数的目的,从而避免了现有技术中由于过于依赖人工经验设置计划参数导致的人工成本高以及计划参数确定效率低的问题。
计划调整模块103,用于依据目标计划参数对目标对象对应的初始放疗计划进行优化调整,得到目标放疗计划。
其中,目标放疗计划中至少包括计划剂量分布数据,计划剂量分布数据用于表征在依据目标放疗计划对目标对象进行放疗时,目标对象的放疗靶区所对应的剂量分布信息以及目标对象的每个危及器官所对应的剂量分布信息。
需要说明的是,放疗物理师在制定目标对象对应的目标剂量分布数据时,也会制定一个目标对象对应的初始放疗计划,例如,放疗物理师可以针对目标对象的放疗靶区和危及器官进行照射野设计,从而确定射线源释放的射线到达放疗靶区的路径,并且在该路径上尽可能地避开目标对象对应的危及器官。其中,设计完成后的放疗设备控制参数记录在一个电子文件中,该电子文件即为目标对象对应的初始放疗计划。
进一步地,还需要说明的是,初始放疗计划在制定完成后会储存至基于放疗的计划参数预测装置中。此外,初始放疗计划的制定过程中可以暂不考虑目标对象对应的目标剂量分布数据,后续基于放疗的计划参数预测装置可以通过目标计划参数对初始放疗计划进行优化调整(例如,调整每个照射野的角度以及每个照射野的权重),从而得到目标放疗计划,在目标放疗计划中至少包括计划剂量分布数据,计划剂量分布数据用于表征在依据目标放疗计划对目标对象进行放疗时,目标对象的放疗靶区所对应的剂量分布信息以及目标对象的每个危及器官所对应的剂量分布信息。在此基础上,如果目标放疗计划中的计划剂量分布数据与目标对象对应的目标剂量分布数据相匹配,则基于放疗的计划参数预测装置即可以确定目标放疗计划为目标对象对应的执行放疗计划。其中,执行放疗计划为对目标对象进行放疗时所执行的计划。
可选的,基于放疗的计划参数预测装置还包括:检测模块、模型调整模块以及第一确定模块。其中,检测模块,用于检测计划剂量分布数据与目标剂量分布数据是否相匹配;模型调整模块,用于在计划剂量分布数据与目标剂量分布数据不匹配的情况下,基于目标剂量分布数据对计划参数预测模型进行模型调整,其中,模型调整用于将计划参数预测模型更新为目标预测模型,目标预测模型在接收到目标剂量分布数据之后会输出第一计划参数,第一计划参数用于将初始放疗计划优化调整为第一放疗计划,第一放疗计划中至少包括第一计划剂量分布数据,第一计划剂量分布数据与目标剂量分布数据相匹配;第一确定模块,用于确定第一放疗计划为目标对象对应的执行放疗计划,其中,执行放疗计划为对目标对象进行放疗时所执行的计划。
为了更好地理解上述生成目标预测模型的过程,以下结合现有技术中执行放疗计划的生成过程与本申请中的执行放疗计划的生成过程进行对比说明。
首先,图2是根据现有技术的一种执行放疗计划的生成过程的流程图,如图2所示,在现有技术中,首先需要放疗物理师针对患者的患病状况拟定合理的目标剂量分布数据,并且针对患者的放疗靶区和危及器官制定一个初始放疗计划。随后放疗物理师凭借个人经验根据目标剂量分布数据设置计划参数,并将计划参数输入至基于放疗的计划参数预测装置中,基于放疗的计划参数预测装置会根据该计划参数对初始放疗计划进行优化调整,得到调整后的放疗计划,随后,基于放疗的计划参数预测装置还会模拟计算根据调整后的放疗计划对患者进行放疗时,患者的放疗靶区和危及器官的计划剂量分布数据。
容易理解的是,模拟计算到的计划剂量分布数据有可能会和目标剂量分布数据不匹配,即该剂量分布数据无法满足放疗物理师期望的剂量分布状况,因此,放疗物理师需要重新设置计划参数。由此可见,在模拟计算到的计划剂量分布数据反复无法与目标剂量分布数据相匹配时,需要放疗物理师人工反复地调整计划参数,从而导致放疗计划的设计过程耗时较长,计划参数的设置过于依赖人工经验,不仅计划参数的确定效率较低,而且容易出现准确性差的问题。
为了解决现有技术中存在的上述问题,本申请提出了一种基于放疗的计划参数预测方法的实施例,如图3所示,图3是根据本申请实施例的一种生成执行放疗计划的流程图。
具体的,依据本申请实施例的技术方案,在放疗物理师针对患者的患病状况拟定合理的目标剂量分布数据之后,放疗物理师可将目标剂量分布数据和初始放疗计划输入至基于放疗的计划参数预测装置中,然后基于放疗的计划参数预测装置依据计划参数预测模型结合目标剂量分布数据预测得到目标计划参数,然后基于放疗的计划参数预测装置根据目标计划参数对初始放疗计划进行优化调整,得到目标放疗计划,其中,目标放疗计划中还至少包括基于放疗的计划参数预测装置根据目标放疗计划所模拟计算的对患者进行放疗时,患者的放疗靶区和危及器官的剂量分布数据(即计划剂量分布数据)。
需要注意到的是,如图3所示,依据本申请的方案,如果计划剂量分布数据与目标剂量分布数据不匹配,则基于放疗的计划参数预测装置将会对计划参数预测模型进行模型调整(即图3中的对计划参数预设模型进行再训练),每次对计划参数预测模型进行一次再训练后,基于放疗的计划参数预测装置都会通过新得到的模型重新依据目标剂量分布数据预测得到一个计划参数,并使用该计划参数对初始放疗计划进行优化调整,得到新的计划剂量分布数据。如果新的计划剂量分布数据还无法与目标剂量分布数据相匹配,则继续对计划参数预测模型进行再训练。如果某次再训练得到的模型所输出的计划参数为第一计划参数,并且基于放疗的计划参数预测装置通过第一计划参数可将初始放疗计划优化调整为第一放疗计划,则基于放疗的计划参数预测装置确定该模型为目标预测模型,并且确定第一放疗计划为目标对象对应的执行放疗计划,同时基于放疗的计划参数预测装置还会停止对计划参数模型的模型调整,其中,第一放疗计划中至少包括第一计划剂量分布数据,第一计划剂量分布数据与目标剂量分布数据相匹配。
由上述内容可知,本申请的技术方案形成了基于神经网络预测计划参数的全自动放疗计划制定流程,替代了现有技术中人工密集的放疗计划制定流程,从而不仅能够每次都通过神经网络模型预测得到计划参数,实现减少人工参与的目的,还能够在计划参数不合适的情况下,自动重新预测新的计划参数,直至得到满足放疗物理师要求的计划参数,并生成对应的执行放疗计划,进而缩短了执行放疗计划的设计时长,提高了执行放疗计划的生成效率。
可选的,基于放疗的计划参数预测装置还包括:第二确定模块,用于在计划剂量分布数据与目标剂量分布数据相匹配的情况下,确定目标放疗计划为目标对象对应的执行放疗计划。
可选的,模型调整模块还包括:第一执行单元、第二执行单元、第三执行单元、第四执行单元以及第五执行单元。
其中,第一执行单元,用于执行步骤一,根据目标剂量分布数据从计划参数选取区间中随机选取一个计划参数,其中,计划参数选取区间中的每个数值用于表征一个计划参数。
举例而言,假设目标剂量分布数据为D,D所对应的计划参数选取区间为区间1,则基于放疗的计划参数预测装置将从区间1中随机选取一个计划参数,例如,计划参数E。
第二执行单元,用于执行步骤二,根据从计划参数选取区间中选取得到的计划参数对初始放疗计划进行优化调整,得到第二放疗计划,其中,第二放疗计划中至少包括第二计划剂量分布数据。
举例而言,基于放疗的计划参数预测装置会依据计划参数E对初始放疗计划进行优化调整,例如,将照射野的角度调整为第一角度,从而得到第二放疗计划,其中,第二放疗计划中至少包括第二计划剂量分布数据。第二计划剂量分布数据为基于放疗的计划参数预测装置在依据第二放疗计划进行模拟计算之后,得到的目标对象的放疗靶区和危及器官所对应的剂量分布信息。
第三执行单元,用于执行步骤三,通过第二计划剂量分布数据以及从计划参数选取区间中选取得到的计划参数对计划参数预测模型进行更新,得到第一模型。
举例而言,基于放疗的计划参数预测装置依据计划参数E和第二计划剂量分布数据对计划参数预测模型进行更新(即再训练),得到第一模型。
第四执行单元,用于执行步骤四,将目标剂量分布数据输入至第一模型中,得到第一模型输出的第二计划参数,依据第二计划参数对初始放疗计划进行优化调整,得到第三放疗计划,其中,第三放疗计划中至少包括第三计划剂量分布数据。
举例而言,基于放疗的计划参数预测装置将目标剂量分布数据D再次输入至第一模型中,得到第一模型输出的第二计划参数,例如计划参数F。基于放疗的计划参数预测装置会依据计划参数F对初始放疗计划进行优化调整,例如,将照射野的角度调整为第二角度,从而得到第三放疗计划,其中,第三放疗计划中至少包括第三计划剂量分布数据。第三计划剂量分布数据为基于放疗的计划参数预测装置在依据第三放疗计划进行模拟计算之后,得到的目标对象的放疗靶区和危及器官所对应的剂量分布信息。
第五执行单元,用于执行步骤五,检测第三计划剂量分布数据是否与目标剂量分布数据相匹配,在第三计划剂量分布数据与目标剂量分布数据相匹配时,确定第一模型为目标预测模型;在第三计划剂量分布数据与目标剂量分布数据不匹配时,重复执行步骤一至步骤五的过程,直至得到目标预测模型。
举例而言,如果第三计划剂量分布数据是否与目标剂量分布数据D相匹配,则基于放疗的计划参数预测装置确定第一模型为目标预测模型。如果第三计划剂量分布数据与目标剂量分布数据D不匹配,则基于放疗的计划参数预测装置将重复执行步骤一至步骤五的过程,直至得到目标预测模型。
可选的,目标剂量分布数据至少包括针对目标对象的放疗靶区所期望达到的第一剂量分布数据和针对目标对象的每个危及器官所期望达到的第二剂量分布数据。
可选的,检测模块还包括:检测单元、第一确定单元以及第二确定单元。
其中,检测单元,用于检测计划剂量分布数据中的第三剂量分布数据是否大于或等于第一剂量分布数据,以及计划剂量分布数据中的第四剂量分布数据是否小于或等于第二剂量分布数据,其中,第三剂量分布数据用于表征在依据目标放疗计划对目标对象进行放疗时目标对象的放疗靶区所对应的剂量分布信息,第四剂量分布数据用于表征在依据目标放疗计划对目标对象进行放疗时目标对象的每个危及器官所对应的剂量分布信息。
举例而言,假设根据目标对象的患病状况,放疗物理师期望在目标对象的靶区达到最低A剂量的剂量沉积,同时期望在目标对象的危及器官1达到最高B剂量的剂量沉积,则第一剂量分布数据可表征为A,第二剂量分布数据可表征为B。在此基础上,假设基于放疗的计划参数预测装置在依据目标放疗计划对目标对象进行放疗时目标对象的放疗靶区所对应的剂量分布数据为G,在目标对象的危及器官1所对应的剂量分布数据为H,则第三剂量分布数据为G,第四剂量分布数据为H。
第一确定单元,用于在第三剂量分布数据大于或等于第一剂量分布数据,并且第四剂量分布数据小于或等于第二剂量分布数据的情况下,确定计划剂量分布数据与目标剂量分布数据相匹配。
举例而言,如果第三剂量分布数据G大于或等于第一剂量分布数据A,并且第四剂量分布数据H小于或等于第二剂量分布数据B,则基于放疗的计划参数预测装置确定计划剂量分布数据与目标剂量分布数据相匹配。
第二确定单元,用于在第三剂量分布数据小于第一剂量分布数据,或,第四剂量分布数据大于第二剂量分布数据的情况下,确定计划剂量分布数据与目标剂量分布数据不匹配。
举例而言,如果第三剂量分布数据G小于第一剂量分布数据A,或者第四剂量分布数据H大于第二剂量分布数据B,则基于放疗的计划参数预测装置确定计划剂量分布数据与目标剂量分布数据不匹配。
在一种可选的实施例中,检测计划剂量分布数据与目标剂量分布数据是否相匹配的评估方法还可以采用3mm/3%和2mm/2%标准的伽马分析(用于评估两个剂量分布一致性的参数,分析结果数值与两个剂量分布一致性呈正相关),或者比对两个剂量分布的DVH曲线的一致性。其中,临床中常用的评价标准为3mm/3%和2mm/2%标准的伽马分析数值,分别大于95%与90%,则认为两个剂量分布数据相匹配。
可选的,基于放疗的计划参数预测装置还包括:第一获取模块和第一输入模块。其中,第一获取模块,用于获取历史病例对应的目标图像,其中,目标图像至少包括历史病例对应的CT图像、历史病例的放疗靶区的勾画图像以及历史病例的危及器官的勾画图像;第一输入模块,用于将目标图像输入至剂量预测模型中,得到剂量预测模型输出的剂量分布数据,其中,剂量预测模型用于根据目标图像的图像特征预估得到剂量分布数据,图像特征至少包括历史病例的放疗靶区的形状特征、历史病例的危及器官的形状特征以及历史病例的放疗靶区与历史病例的危及器官之间的相对位置特征。
可选的,基于放疗的计划参数预测装置还包括:第一计算模块、第二计算模块、第二获取模块以及第三确定模块。其中,第一计算模块,用于依据预设系数对剂量分布数据进行放缩计算,得到剂量分布区间;第二计算模块,用于对剂量分布区间进行剂量体积直方图计算,得到计划参数剂量区间;第二获取模块,用于获取计划参数权重区间,其中,计划参数权重区间至少包括历史病例的放疗靶区所对应的第一权重区间、历史病例的每个危及器官所对应的第二权重区间,第一权重区间中的权重值用于表征在对历史病例制定放疗计划时历史病例的放疗靶区的重要程度,第二权重区间中的权重值用于表征在对历史病例制定放疗计划时历史病例的每个危及器官的重要程度;第三确定模块,用于依据计划参数权重区间和计划参数剂量区间确定计划参数选取区间,其中,计划参数选取区间中的每个数值用于表征一个计划参数。
在一种可选的实施例中,如图4所示,在将目标剂量分布数据输入至计划参数预测模型中之前,基于放疗的计划参数预测装置还会获取历史病例对应的目标图像,其中,目标图像至少包括历史病例对应的CT图像、历史病例的放疗靶区的勾画图像以及历史病例的危及器官的勾画图像。然后,基于放疗的计划参数预测装置将目标图像输入至剂量预测模型中,得到剂量预测模型输出的剂量分布数据,其中,剂量预测模型用于根据目标图像的图像特征预估得到剂量分布数据,图像特征至少包括历史病例的放疗靶区的形状特征、历史病例的危及器官的形状特征以及历史病例的放疗靶区与历史病例的危及器官之间的相对位置特征。
可选的,剂量预测模型也是一个预先训练完成的神经网络模型。基于放疗的计划参数预测装置在获取得到目标对象对应的目标图像之后,对目标图像进行特征提取操作,主要提取到的图像特征至少包括历史病例的放疗靶区的形状特征、历史病例的危及器官的形状特征以及历史病例的放疗靶区与历史病例的危及器官之间的相对位置特征。将图像与图像特征输入至剂量预测模型中,剂量预测模型预测目标对象对应的剂量分布,例如,照射在目标对象的放疗靶区上的放射量是多少剂量,照射在目标对象的危及器官1上的放射量是多少剂量,照射在目标对象的危及器官2上的放射量是多少剂量。
进一步地,如图4所示,在得到剂量预测模型输出的剂量分布数据之后,基于放疗的计划参数预测装置会依据预设系数对剂量分布数据进行放缩计算,得到剂量分布区间,然后基于放疗的计划参数预测装置对剂量分布区间进行剂量体积直方图计算,得到计划参数剂量区间。同时,基于放疗的计划参数预测装置还会获取计划参数权重区间,并依据计划参数权重区间和计划参数剂量区间确定计划参数选取区间,其中,计划参数选取区间中的每个数值用于表征一个计划参数。
需要注意到的是,计划参数权重区间至少包括历史病例的放疗靶区所对应的第一权重区间、历史病例的每个危及器官所对应的第二权重区间,第一权重区间中的权重值用于表征在对历史病例制定放疗计划时历史病例的放疗靶区的重要程度,第二权重区间中的权重值用于表征在对历史病例制定放疗计划时历史病例的每个危及器官的重要程度。
举例而言,在得到剂量分布数据之后,基于放疗的计划参数预测装置会通过预设系数(例如0.8-1.2)对剂量分布数据进行放缩计算,从而得到剂量分布区间,随后基于放疗的计划参数预测装置对该剂量分布区间进行剂量体积直方图(dose volume histogram,DVH)计算并形成DVH区间(即计划参数剂量区间)。
进一步地,基于放疗的计划参数预测装置内部设置有计划参数权重区间,例如,计划参数权重区间中包括第一权重区间y-1,第二权重区间y-2,第三权重区间y-3,第一权重区间y-1与放疗靶区相对应,第二权重区间y-2与危及器官1相对应,第三权重区间y-3与危及器官2相对应。需要说明的是,计划参数权重区间的具体数值可自定义设置。例如,放疗物理师认为在对目标对象的放疗过程中,首先要保证放疗靶区得到足够剂量的照射,然后危及器官1相比于危及器官2对于病人的生理机能更加重要,因此危及器官1的重视程度要高于危及器官2,换言之,在放疗过程中,需要更优先的保证危及器官1对应的计划剂量分布更接近危及器官1对应的目标剂量分布,其次再保证危及器官2对应的计划剂量分布接近危及器官2对应的目标剂量分布。在此基础上,第一权重区间y-1可设置为[1000,1500],第二权重区间y-2可设置为[500,600],第三权重区间y-3可设置为[100,200],通过此设置,基于放疗的计划参数预测装置在确定计划参数时,会优先考虑保证放疗靶区对应的计划剂量分布要接近放疗靶区对应的目标剂量分布,然后再考虑保证危及器官1对应的计划剂量分布要接近危及器官1对应的目标剂量分布,最后再考虑保证危及器官2对应的计划剂量分布要接近危及器官2对应的目标剂量分布。
可选的,基于放疗的计划参数预测装置还包括:第三获取模块、参数选取模块、第一调整模块以及第四确定模块。其中,第三获取模块,用于获取历史病例对应的参考剂量分布数据,其中,参考剂量分布数据用于表征在历史病例的放疗过程中针对历史病例的放疗靶区以及历史病例的每个危及器官所期望达到的剂量分布状况;参数选取模块,用于根据参考剂量分布数据从计划参数选取区间中选取模型训练使用的第三计划参数;第一调整模块,用于根据第三计划参数对历史病例对应的历史初始放疗计划进行优化调整,得到第四放疗计划,其中,第四放疗计划中至少包括模型训练使用的第四计划剂量分布数据;第四确定模块,用于确定第四计划剂量分布数据和第三计划参数为训练数据,并依据训练数据训练得到计划参数预测模型。
在一种可选的实施例中,计划参数预测模型通过以下过程训练得到:
如图5所示,首先基于放疗的计划参数预测装置获取历史病例对应的参考剂量分布数据,其中,参考剂量分布数据用于表征在历史病例的放疗过程中针对历史病例的放疗靶区以及历史病例的每个危及器官所期望达到的剂量分布状况。然后,基于放疗的计划参数预测装置根据参考剂量分布数据从计划参数选取区间中选取模型训练使用的第三计划参数,并根据第三计划参数对历史病例对应的历史初始放疗计划进行优化调整,得到第四放疗计划,其中,第四放疗计划中至少包括模型训练使用的第四计划剂量分布数据。最后,基于放疗的计划参数预测装置确定第四计划剂量分布数据和第三计划参数为训练数据,并依据训练数据训练得到计划参数预测模型。
需要注意到的是,为了保证计划参数预测模型的鲁棒性,在训练过程中,需要获取足够多的历史病例对应的参考剂量分布数据进行训练,针对每个历史病例对应的参考剂量分布数据所进行的训练过程则与上述训练过程一致。
由上述内容可知,本申请所提供的基于放疗的计划参数预测方法可以最大限度地减少人工参与,提高临床效率,并且通过本申请所生成的执行放疗计划的质量不依赖人工经验,因此具有较高的稳健性与可靠性。本申请的技术方案在放疗领域中具有广泛的应用场景,对于不同的病种,不同的治疗设备,不同的放疗计划系统,都具有集成与应用能力,可协助临床实现全自动设计执行放疗计划。
本申请还提供了一种电子设备,包括一个或多个处理器和存储器,存储器用于存储一个或多个程序,其中,当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器控制上述的基于放疗的计划参数预测装置。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
在本申请的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元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,本申请的技术方案本质上或者说对现有技术做出贡献的部分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,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。

Claims (9)

1.一种基于放疗的计划参数预测装置,其特征在于,包括:
获取模块,用于获取目标对象对应的目标剂量分布数据,其中,所述目标剂量分布数据用于表征在所述目标对象的放疗过程中针对所述目标对象的放疗靶区以及每个危及器官所期望达到的剂量分布状况;
输入模块,用于将所述目标剂量分布数据输入至计划参数预测模型中,得到所述计划参数预测模型输出的目标计划参数;
计划调整模块,用于依据所述目标计划参数对所述目标对象对应的初始放疗计划进行优化调整,得到目标放疗计划,其中,所述目标放疗计划中至少包括计划剂量分布数据,所述计划剂量分布数据用于表征在依据所述目标放疗计划对所述目标对象进行放疗时,所述目标对象的放疗靶区所对应的剂量分布信息以及所述目标对象的每个危及器官所对应的剂量分布信息;
其中,所述基于放疗的计划参数预测装置还包括:
第一获取模块,用于获取历史病例对应的目标图像,其中,所述目标图像至少包括所述历史病例对应的CT图像、所述历史病例的放疗靶区的勾画图像以及所述历史病例的危及器官的勾画图像;
第一输入模块,用于将所述目标图像输入至剂量预测模型中,得到所述剂量预测模型输出的剂量分布数据,其中,所述剂量预测模型用于根据所述目标图像的图像特征预估得到所述剂量分布数据,所述图像特征至少包括所述历史病例的放疗靶区的形状特征、所述历史病例的危及器官的形状特征以及所述历史病例的放疗靶区与所述历史病例的危及器官之间的相对位置特征。
2.根据权利要求1所述的基于放疗的计划参数预测装置,其特征在于,所述基于放疗的计划参数预测装置还包括:
检测模块,用于检测所述计划剂量分布数据与所述目标剂量分布数据是否相匹配;
模型调整模块,用于在所述计划剂量分布数据与所述目标剂量分布数据不匹配的情况下,基于所述目标剂量分布数据对所述计划参数预测模型进行模型调整,其中,所述模型调整用于将所述计划参数预测模型更新为目标预测模型,所述目标预测模型在接收到所述目标剂量分布数据之后会输出第一计划参数,所述第一计划参数用于将所述初始放疗计划优化调整为第一放疗计划,所述第一放疗计划中至少包括第一计划剂量分布数据,所述第一计划剂量分布数据与所述目标剂量分布数据相匹配;
第一确定模块,用于确定所述第一放疗计划为所述目标对象对应的执行放疗计划,其中,所述执行放疗计划为对所述目标对象进行放疗时所执行的计划。
3.根据权利要求2所述的基于放疗的计划参数预测装置,其特征在于,所述基于放疗的计划参数预测装置还包括:
第二确定模块,用于在所述计划剂量分布数据与所述目标剂量分布数据相匹配的情况下,确定所述目标放疗计划为所述目标对象对应的执行放疗计划。
4.根据权利要求2所述的基于放疗的计划参数预测装置,其特征在于,所述模型调整模块还包括:
第一执行单元,用于执行步骤一:根据所述目标剂量分布数据从计划参数选取区间中随机选取一个计划参数,其中,所述计划参数选取区间中的每个数值用于表征一个所述计划参数;
第二执行单元,用于执行步骤二:根据从所述计划参数选取区间中选取得到的计划参数对所述初始放疗计划进行优化调整,得到第二放疗计划,其中,所述第二放疗计划中至少包括第二计划剂量分布数据;
第三执行单元,用于执行步骤三:通过所述第二计划剂量分布数据以及从所述计划参数选取区间中选取得到的计划参数对所述计划参数预测模型进行更新,得到第一模型;
第四执行单元,用于执行步骤四:将所述目标剂量分布数据输入至所述第一模型中,得到所述第一模型输出的第二计划参数,依据所述第二计划参数对所述初始放疗计划进行优化调整,得到第三放疗计划,其中,所述第三放疗计划中至少包括第三计划剂量分布数据;
第五执行单元,用于执行步骤五:检测所述第三计划剂量分布数据是否与所述目标剂量分布数据相匹配,在所述第三计划剂量分布数据与所述目标剂量分布数据相匹配时,确定所述第一模型为所述目标预测模型;在所述第三计划剂量分布数据与所述目标剂量分布数据不匹配时,重复执行步骤一至步骤五的过程,直至得到所述目标预测模型。
5.根据权利要求2所述的基于放疗的计划参数预测装置,其特征在于,所述目标剂量分布数据至少包括针对所述目标对象的放疗靶区所期望达到的第一剂量分布数据和针对所述目标对象的每个危及器官所期望达到的第二剂量分布数据。
6.根据权利要求5所述的基于放疗的计划参数预测装置,其特征在于,所述检测模块还包括:
检测单元,用于检测所述计划剂量分布数据中的第三剂量分布数据是否大于或等于所述第一剂量分布数据,以及所述计划剂量分布数据中的第四剂量分布数据是否小于或等于所述第二剂量分布数据,其中,所述第三剂量分布数据用于表征在依据所述目标放疗计划对所述目标对象进行放疗时所述目标对象的放疗靶区所对应的剂量分布信息,所述第四剂量分布数据用于表征在依据所述目标放疗计划对所述目标对象进行放疗时所述目标对象的每个危及器官所对应的剂量分布信息;
第一确定单元,用于在所述第三剂量分布数据大于或等于所述第一剂量分布数据,并且所述第四剂量分布数据小于或等于所述第二剂量分布数据的情况下,确定所述计划剂量分布数据与所述目标剂量分布数据相匹配;
第二确定单元,用于在所述第三剂量分布数据小于所述第一剂量分布数据,或,所述第四剂量分布数据大于所述第二剂量分布数据的情况下,确定所述计划剂量分布数据与所述目标剂量分布数据不匹配。
7.根据权利要求6所述的基于放疗的计划参数预测装置,其特征在于,所述基于放疗的计划参数预测装置还包括:
第一计算模块,用于依据预设系数对所述剂量分布数据进行放缩计算,得到剂量分布区间;
第二计算模块,用于对所述剂量分布区间进行剂量体积直方图计算,得到计划参数剂量区间;
第二获取模块,用于获取计划参数权重区间,其中,所述计划参数权重区间至少包括所述历史病例的放疗靶区所对应的第一权重区间、所述历史病例的每个危及器官所对应的第二权重区间,所述第一权重区间中的权重值用于表征在对所述历史病例制定放疗计划时所述历史病例的放疗靶区的重要程度,所述第二权重区间中的权重值用于表征在对所述历史病例制定放疗计划时所述历史病例的每个危及器官的重要程度;
第三确定模块,用于依据所述计划参数权重区间和所述计划参数剂量区间确定计划参数选取区间,其中,所述计划参数选取区间中的每个数值用于表征一个计划参数。
8.根据权利要求7所述的基于放疗的计划参数预测装置,其特征在于,所述基于放疗的计划参数预测装置还包括:
第三获取模块,用于获取所述历史病例对应的参考剂量分布数据,其中,所述参考剂量分布数据用于表征在所述历史病例的放疗过程中针对所述历史病例的放疗靶区以及所述历史病例的每个危及器官所期望达到的剂量分布状况;
参数选取模块,用于根据所述参考剂量分布数据从所述计划参数选取区间中选取模型训练使用的第三计划参数;
第一调整模块,用于根据所述第三计划参数对所述历史病例对应的历史初始放疗计划进行优化调整,得到第四放疗计划,其中,所述第四放疗计划中至少包括模型训练使用的第四计划剂量分布数据;
第四确定模块,用于确定所述第四计划剂量分布数据和所述第三计划参数为训练数据,并依据所述训练数据训练得到所述计划参数预测模型。
9.一种电子设备,其特征在于,包括一个或多个处理器和存储器,所述存储器用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器控制权利要求1至8中任意一项所述的基于放疗的计划参数预测装置。
CN202310203028.4A 2023-03-06 2023-03-06 基于放疗的计划参数预测装置 Active CN116072263B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310203028.4A CN116072263B (zh) 2023-03-06 2023-03-06 基于放疗的计划参数预测装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310203028.4A CN116072263B (zh) 2023-03-06 2023-03-06 基于放疗的计划参数预测装置

Publications (2)

Publication Number Publication Date
CN116072263A CN116072263A (zh) 2023-05-05
CN116072263B true CN116072263B (zh) 2023-06-09

Family

ID=86173287

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310203028.4A Active CN116072263B (zh) 2023-03-06 2023-03-06 基于放疗的计划参数预测装置

Country Status (1)

Country Link
CN (1) CN116072263B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116844734B (zh) * 2023-09-01 2024-01-16 福建自贸试验区厦门片区Manteia数据科技有限公司 剂量预测模型的生成方法、装置、电子设备及存储介质
CN117438062B (zh) * 2023-12-21 2024-04-19 福建自贸试验区厦门片区Manteia数据科技有限公司 剂量信息确定装置、电子设备及计算机可读存储介质
CN117717723B (zh) * 2024-02-08 2024-06-11 福建自贸试验区厦门片区Manteia数据科技有限公司 射野信息确定装置、处理器以及电子设备
CN118366614B (zh) * 2024-06-19 2024-09-13 华硼中子科技(杭州)有限公司 硼中子俘获治疗计划疗效预测模型构建方法和装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150094519A1 (en) * 2013-09-30 2015-04-02 Varian Medical Systems, Inc. Predicting achievable dose distribution using 3d information as an input
CN110124214B (zh) * 2019-05-24 2020-09-04 南方医科大学 预测剂量分布引导的调强放疗计划优化系统、介质及设备
CN114681813B (zh) * 2020-12-28 2023-07-14 北京医智影科技有限公司 放射治疗自动计划系统、自动计划方法及存储介质
CN115497597A (zh) * 2022-08-17 2022-12-20 中科超精(南京)科技有限公司 一种基于剂量和强度预测的自动计划系统的优化方法

Also Published As

Publication number Publication date
CN116072263A (zh) 2023-05-05

Similar Documents

Publication Publication Date Title
CN116072263B (zh) 基于放疗的计划参数预测装置
US10159851B2 (en) Systems and methods for automatic training of dose prediction models and treatment plans as a cloud service
RU2684173C2 (ru) Система и способ для автоматического планирования лечения
EP3639894A1 (en) Streamlined, guided on-couch adaptive workflow
CN114796891B (zh) 放疗系统
US20230173303A1 (en) Knowledge based multi-criteria optimization for radiotherapy treatment planning
US10864382B2 (en) System and method for radiation therapy treatment planning
EP3776567A1 (en) Decision support tool for adaptive radiotherapy in ct/linac console
CN109771843B (zh) 云放射治疗计划评估方法、设备与存储介质
CN114681813A (zh) 放射治疗自动计划系统、自动计划方法及计算机程序产品
CN116030938B (zh) 放疗剂量分布区间的确定装置及电子设备
CN117274235B (zh) 放疗疗效的确定装置、电子设备及存储介质
CN115938591B (zh) 基于放疗的剂量分布区间确定装置及电子设备
CN117438062B (zh) 剂量信息确定装置、电子设备及计算机可读存储介质
CN117690596B (zh) 器官耐受剂量的确定装置、电子设备及存储介质
CN117116421B (zh) 放疗计划的确定方法和装置
KR101968671B1 (ko) 지능형 자동 방사선 치료계획 수립방법 및 시스템
Reijtenbagh et al. Multi-center dosimetric predictions to improve plan quality for brachytherapy for cervical cancer treatment
CN115938587A (zh) 放疗计划的验证方法、装置、计算机设备和存储介质
WO2023006720A1 (en) An apparatus and a computer implemented method for calculating a radiotherapy dose distribution using monte carlo simulations
CN117238484B (zh) 智能化诊疗装置、电子设备及存储介质
KR20210063742A (ko) 인공지능에 기반하여 최적의 방사선 치료 방법을 예측하기 위한 방법 및 그 장치
CN116153465B (zh) 基于参考dvh的放疗计划生成装置、电子设备及存储介质
CN117717723B (zh) 射野信息确定装置、处理器以及电子设备
CN117219292A (zh) 肿瘤患者精准放疗前自动剂量验证评估方法及其装置

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