CN116350958A - 放疗计划参数的设定方法、装置、设备、介质和程序产品 - Google Patents
放疗计划参数的设定方法、装置、设备、介质和程序产品 Download PDFInfo
- Publication number
- CN116350958A CN116350958A CN202111615601.XA CN202111615601A CN116350958A CN 116350958 A CN116350958 A CN 116350958A CN 202111615601 A CN202111615601 A CN 202111615601A CN 116350958 A CN116350958 A CN 116350958A
- Authority
- CN
- China
- Prior art keywords
- radiation treatment
- parameters
- radiotherapy
- target area
- treatment plan
- 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
- 238000001959 radiotherapy Methods 0.000 title claims abstract description 117
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000005855 radiation Effects 0.000 claims abstract description 173
- 238000003062 neural network model Methods 0.000 claims abstract description 82
- 210000000920 organ at risk Anatomy 0.000 claims abstract description 63
- 210000000056 organ Anatomy 0.000 claims abstract description 33
- 238000012549 training Methods 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 25
- 238000004891 communication Methods 0.000 description 8
- 238000002721 intensity-modulated radiation therapy Methods 0.000 description 5
- 206010028980 Neoplasm Diseases 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 201000003741 Gastrointestinal carcinoma Diseases 0.000 description 1
- 230000003042 antagnostic effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 210000002216 heart Anatomy 0.000 description 1
- 201000002313 intestinal cancer Diseases 0.000 description 1
- 210000000936 intestine Anatomy 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Images
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
- A61N5/1031—Treatment planning systems using a specific method of dose optimization
-
- 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
- A61N5/1039—Treatment planning systems using functional images, e.g. PET or MRI
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management 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
本申请涉及一种放疗计划参数的设定方法、装置、设备、介质和程序产品，该方法包括获取放射治疗计划医学影像中靶区和危及器官的勾画结果；根据靶区和危及器官的勾画结果获取放疗结构文件；根据放疗结构文件和预设的神经网络模型，得到放射治疗计划参数；放射治疗计划参数包括射野参数和/或准直器角度，射野参数包括射野数量、射野角度和射野能量中的至少一种。能够根据接收到的医生勾画好的靶区及危及器官的勾画结果自动设置放射治疗计划参数，无需人为根据经验确定放射治疗计划参数，提高了确定放射治疗计划参数的准确性，并根据靶区及危及器官的关系选择最优能量组合，支持准直器角度预测，提高靶区适形性，降低危及器官受量，避免对危及器官造成危害。
Description
技术领域
本申请涉及放射治疗技术领域，特别是涉及一种放疗计划参数的设定方法、装置、设备、介质和程序产品。
背景技术
放射治疗计划系统(Treatment Plan System，TPS)是放射治疗解决方案中不可或缺的核心部分。计划设计使用特定TPS对计划靶区(planning target volume,，PTV)和危及器官(organ at risk，OAR)设定目标限值来进行逆向优化，而计划设计中一个重要的环节是射野参数及准直器角度的设定。
传统技术中，射野参数及准直器角度的设定主要是通过物理师根据经验进行手动设定。因此，传统的射野参数及准直器角度的设定方法，存在准确度较低的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高准确度的放疗计划参数的设定方法、装置、设备、介质和程序产品。
第一方面，本申请提供了一种放疗计划参数的设定方法。该方法包括：
获取放射治疗计划医学影像中靶区和危及器官的勾画结果；
根据靶区和危及器官的勾画结果获取放疗结构文件；
根据放疗结构文件和预设的神经网络模型，得到放射治疗计划参数；放射治疗计划参数包括射野参数和/或准直器角度，射野参数包括射野数量、射野角度和射野能量中的至少一种。
在其中一个实施例中，神经网络模型为根据样本训练集对预设的初始神经网络模型进行训练得到的，样本训练集包括第一样本放疗结构文件和第一样本放射治疗计划参数、第二样本放疗结构文件和第二样本放射治疗计划参数；其中，第一样本放射治疗计划参数为单一能量的放射治疗计划参数；第二样本放射治疗计划参数为混合能量的放射治疗计划参数。
在其中一个实施例中，根据放疗结构文件和预设的神经网络模型，得到放射治疗计划参数，包括：
将放疗结构文件输入神经网络模型，得到射野参数和准直器角度。
在其中一个实施例中，神经网络模型包括第一神经网络模型和第二神经网络模型；根据放疗结构文件和预设的神经网络模型，得到放射治疗计划参数，包括：
将放疗结构文件输入第一神经网络模型，得到射野参数；
将射野参数中的射野角度输入第二神经网络模型，得到准直器角度。
在其中一个实施例中，根据靶区的勾画结果获取放疗结构文件，包括：
根据靶区的勾画结果，确定靶区的特征信息；
根据靶区的勾画结果，确定与靶区相关的危及器官的特征信息；
将靶区的特征信息和危及器官的特征信息，确定为放疗结构文件。
在其中一个实施例中，靶区的特征信息包括靶区的体积和靶区的几何中心坐标中的至少一种。
第二方面，本申请还提供了一种放疗计划参数的设定装置。该装置包括：
第一获取模块，用于获取放射治疗计划医学影像中靶区的勾画结果；
第二获取模块，用于根据靶区的勾画结果获取放疗结构文件；
第三获取模块，用于根据放疗结构文件和预设的神经网络模型，得到放射治疗计划参数；放射治疗计划参数包括射野参数和准直器角度；射野参数包括射野数量、射野角度和射野能量中的至少一种。
第三方面，本申请还提供了一种计算机设备。计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述第一方面任一项实施例中方法的步骤。
第四方面，本申请还提供了一种计算机可读存储介质。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上述第一方面任一项实施例中方法的步骤。
第五方面，本申请还提供了一种计算机程序产品。计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述第一方面任一项实施例中方法的步骤。
上述放疗计划参数的设定方法、装置、设备、介质和程序产品，通过获取放射治疗计划医学影像中靶区和危及器官的勾画结果；根据靶区和危及器官的勾画结果获取放疗结构文件；根据放疗结构文件和预设的神经网络模型，得到放射治疗计划参数；放射治疗计划参数包括射野参数和/或准直器角度，射野参数包括射野数量、射野角度和射野能量中的至少一种。能够通过将射野能量、数量、角度及准直器角度作为特征参与训练，根据接收到的放疗计划与医生勾画好的靶区及危及器官的勾画结果自动设置上述放射治疗计划参数，无需人为根据经验确定放射治疗计划参数，提高了确定放射治疗计划参数的准确性，并根据靶区及危及器官的关系选择最优能量组合，支持准直器角度预测，提高靶区适形性，降低危及器官受量，避免对危及器官造成危害。
附图说明
图1为一个实施例中放疗计划参数的设定方法的应用环境图；
图2为一个实施例中放疗计划参数的设定方法的流程示意图；
图3为另一个实施例中放疗计划参数的设定方法的流程示意图；
图4为另一个实施例中放疗计划参数的设定方法的流程示意图；
图5为另一个实施例中放疗计划参数的设定方法的流程示意图；
图6为另一个实施例中放疗计划参数的设定方法的流程示意图；
图7为一个实施例中放疗计划参数的设定装置的结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
调强放疗(intensity-modulated radiation therapy，IMRT)技术具有剂量分布高适形度、靶区外剂量跌落快以及周边正常组织保护较好等特性。放射治疗计划系统(Treatment Plan System，TPS)是放射治疗解决方案中不可或缺的核心部分。IMRT计划设计使用特定TPS对计划靶区(planning target volume，PTV)和危及器官(organ at risk，OAR)设定目标限值来进行逆向优化，制定出更加合理的治疗方案，从而有效地减少了放射治疗过程中的副作用，提高了治疗质量。IMRT计划设计中一个重要的环节是射野参数及准直器角度的设定，其中射野参数包括：射线种类(X射线，电子线或其他射线)、射线能量(6MV，10MV或者其他能量)、射野角度以及射野数量等。目前，上述参数需要物理师根据经验来手动设定。人工计划设计过程十分繁琐，对于经验不丰富的物理师来说，需要根据优化所得结果反复调整射野参数；对于经验丰富的物理师，需要手动输入射野参数，或多或少的都会耽误时间，效率低下。并且，人工进行设定得到的计划往往也不是最优的，仅仅是满足医生要求的、可以被临床接受的计划，存在准确度较低的问题。
基于此，本申请提供一种能够准确设定射野参数及准直器角度的放疗计划参数的设定。本申请实施例提供的放疗计划参数的设定方法，可以应用于如图1所示的计算机设备。该计算机设备可以是终端，其内部结构图可以如图1所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。处理器可以在根据获取到放射治疗计划医学影像中靶区和危及器官的勾画结果和预设的神经网络模型，得到放射治疗计划参数。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和计算机程序。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。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种放疗计划参数的设定方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种放疗计划参数的设定方法，以该方法应用于图1中的计算机设备为例进行说明，包括以下步骤：
S202，获取放射治疗计划医学影像中靶区和危及器官的勾画结果。
一般情况下，放射治疗计划可以包括医学图像、结构文件和计划文档三类文档。其中，医学影像可以为CT图像、MRI图像，用于为操作人员勾画靶区及危及器官提供依据，在此不加以限制。进一步地，靶区为肿瘤所在的位置；危及器官为心脏、大脑、肾脏等肿瘤危及的敏感部位且为非肿瘤位置。放疗结构文件为操作人员基于医学图像进行勾画后的到的结果文件，用于反映靶区的坐标信息、颜色信息和名称。放射治疗计划文档为操作人员的计划文件，包含准直器叶片的位置、角度等。
其中，危及器官的勾画结果为操作人员在放射治疗计划医学影像中标注出的靶区和危及器官后的图像，并可以将该勾画结果存储至数据库中。
可选的，计算机设备可以从数据库中直接获取放射治疗计划医学影像中靶区和危及器官的勾画结果，也可以将获取的放射治疗计划医学影像输入预设的勾画模型中，得到放射治疗计划医学影像中靶区和危机器官的勾画结果。
S204，根据靶区和危及器官的勾画结果获取放疗结构文件。
其中，放疗结构文件可以包括：靶区体积和几何中心坐标、各危及器官体积与几何中心坐标、各危及器官到靶区的最小距离、皮肤与靶区的最小距离与最大距离、靶区在不同射野角度下的投影形状、靶区的颜色信息和靶区名称等。
具体地，计算机设备可以根据靶区和危及器官的勾画结果，通过勾画结果的像素点坐标、靶区的像素点坐标、危及器官的像素点坐标计算得到靶区的特征信息、危机器官的特征信息，将靶区的特征信息和危及器官的特征信息作为放疗结果文件。也可以是通过将勾画结果输入预设的分割网络模型中，得到靶区的特征信息以及危及器官的特征信息，并将靶区的特征信息和危及器官的特征信息作为放疗结果文件，在此不加以限制。
S206，根据放疗结构文件和预设的神经网络模型，得到放射治疗计划参数；放射治疗计划参数包括射野参数和/或准直器角度，射野参数包括射野数量、射野角度和射野能量中的至少一种。
具体地，计算机设备可以通过将放疗结构文件输入预设的神经网络模型中，同时输出射野参数和/或准直器角度。也可以是将放疗结果文件输入至预设的神经网络模型中输出射野参数，再将射野参数输入至另一预设的神经网络模型中，得到准直器角度，在此不加以限制。其中预设的神经网络模型为根据样本训练集对预设的初始神经网络模型进行训练得到的。在训练过程中采用的样本训练集为大量的临床IMRT放疗计划样本。样本训练集中输入的样本可以包括基于医学影像勾画靶区和危及器官的勾画结果确定的放疗结果文件。可选的，样本训练集中输出的样本可以包括全部为单一能量的放射治疗计划参数的样本例如，输出的样本可以全部为正常放疗能量的放射治疗计划参数，或者，也可以全部为混合能量的放射治疗计划参数的样本，又或者，输出的样本集中可以包括50％混合能量的放射治疗计划参数和50％的正常放疗能量的放射治疗计划参数，又或者，输出的样本集中可以包括30％的正常放疗能量的放射治疗计划参数和70％的混合能量的放射治疗计划参数。可选地，本申请的神经网络模型可以针对不同部位的肿瘤进行特征提取；可选的，该神经网络模型可以为卷积神经网络、递归神经网络、对抗网络中的任一种神经网络，本实施例在此不加以限制。
示例地，以一直肠癌病例为例，危及器官有膀胱、左侧股骨头、右侧股骨头。输入神经网络模型的特征有：靶区(肠)体积、靶区几何中心坐标、膀胱的几何中心坐标与其到靶区的最小距离、左股骨头的几何中心坐标与其到靶区的最小距离、右股骨头的几何中心坐标与其到靶区的最小距离、靶区在不同射野角度下的投影。输出信息为射野能量、射野数量、射野角度、各个射野对应的准直器角度中的至少一种。本申请实施例中的“射野”也可称为“照射野”，可以理解为：放疗机发出射线，通过皮肤到达患者病变部位，通过模拟机在人体表划定一个范围。可选的，射野可位于检测对象的前后左右各个方向。
上述放疗计划参数的设定方法中，通过获取放射治疗计划医学影像中靶区和危及器官的勾画结果；根据靶区和危及器官的勾画结果获取放疗结构文件；根据放疗结构文件和预设的神经网络模型，得到放射治疗计划参数；放射治疗计划参数包括射野参数和/或准直器角度，射野参数包括射野数量、射野角度和射野能量中的至少一种。能够通过将射野能量、数量、角度及准直器角度作为特征参与训练，根据接收到的放疗计划与医生勾画好的靶区及危及器官的勾画结果自动设置上述放射治疗计划参数，无需人为根据经验确定放射治疗计划参数，提高了确定放射治疗计划参数的准确性，并根据靶区及危及器官的关系选择最优能量组合，支持准直器角度预测，提高靶区适形性，降低危及器官受量，避免对危及器官造成危害。
上述实施例对放疗计划参数的设定方法进行了说明，现以一个实施例对上述方法中采用的预设的神经网络模型进一步进行说明。在一个实施例中，神经网络模型为根据样本训练集对预设的初始神经网络模型进行训练得到的，样本训练集包括第一样本放疗结构文件和第一样本放射治疗计划参数、第二样本放疗结构文件和第二样本放射治疗计划参数；其中，第一样本放射治疗计划参数为单一能量的放射治疗计划参数；第二样本放射治疗计划参数为混合能量的放射治疗计划参数。
具体地，在对神经网络模型进行训练之前，可以通过预先对基于医学影像的勾画结果提取的第一结构放疗文件和第二结构放疗文件；第一结构放疗文件和第二结构放疗文件中可以包括靶区体积和几何中心坐标、各危及器官体积与几何中心坐标、各危及器官到靶区的最小距离、皮肤与靶区的最小距离与最大距离、靶区在不同射野角度下的投影形状等。同时可以对第一结构文件对应的第一样本放射治疗计划参数进行提取，对第二结构文件对应的第二样本放射治疗计划参数进行提取；其中，该第一样本放射治疗计划参数和第二样本放射治疗计划参数包括射野能量、射野数量、射野角度、各个射野对应的准直器角度。并且，其中第一样本放射治疗计划参数为单一能量的放射治疗计划参数，第二样本放射治疗计划参数为混合能量的放射治疗计划参数。第一样本放射治疗计划参数的所占总样本数量的比例和第二样本放射治疗计划参数占总样本数量的比例可以相等也可以不等。示例地，可以采用50％的能量为正常能量计划的第一样本放射治疗计划参数，以及50％的能量为混合能量计划的第二样本放射治疗计划参数。
当确定了训练样本后，可以通过将第一结构文件输入至初始神经网络模型中，输出预测的第一放射治疗计划参数，并利用预设的损失函数计算第一放射治疗计划参数与第一样本放射治疗计划参数之间的损失值，调整初始神经网络模型，直至第二放射治疗计划参数与第二样本放射治疗计划参数之间的损失值达到预设的损失阈值，并将第二结构文件输入至初始神经网络模型中，输出预测的第二放射治疗计划参数，并利用预设的损失函数计算第二放射治疗计划参数与第二样本放射治疗计划参数之间的损失值，调整初始神经网络模型直至第二放射治疗计划参数与第二样本放射治疗计划参数之间的损失值达到预设的损失阈值，训练结束，得到预设的神经网络模型。
本实施例中，由于神经网络模型为根据样本训练集对预设的初始神经网络模型进行训练得到的，样本训练集包括第一样本放疗结构文件和第一样本放射治疗计划参数、第二样本放疗结构文件和第二样本放射治疗计划参数；其中，第一样本放射治疗计划参数为单一能量的放射治疗计划参数；第二样本放射治疗计划参数为混合能量的放射治疗计划参数，能够基于混合能量的放射治疗计划，根据靶区及危及器官的关系选择最优能量组合，提高靶区适形性，降低危及器官受量。
上述实施例对如何得到预设的神经网络的模型进行了说明，现以一个实施例进一步对如何利用预设的神经网络模型得到放射治疗计划参数进行说明，在一个实施例中，根据放疗结构文件和预设的神经网络模型，得到放射治疗计划参数，包括：
将放疗结构文件输入神经网络模型，得到射野参数和准直器角度。
具体地，可以将放疗结构文件输入至神经网络模型中，输出放射治疗计划参数中的射野参和准直器角度。也可以是将放疗结构文件输入至神经网络模型中，输出放射治疗计划参数中的射野参数；再将射野参数输入至另一预设的神经网络模型中，输出准直器角度。
进一步地，在一个实施例中，如图3所示，神经网络模型包括第一神经网络模型和第二神经网络模型；根据放疗结构文件和预设的神经网络模型，得到放射治疗计划参数，包括：
S302，将放疗结构文件输入第一神经网络模型，得到射野参数；
S304，将射野参数中的射野角度输入第二神经网络模型，得到准直器角度。
具体地，再将放疗结构文件输入至第一神经网络之前，可以先对放疗结构文件中的特征信息进行提取，得到将靶区体积和几何中心坐标、各危及器官体积与几何中心坐标、各危及器官到靶区的最小距离、皮肤与靶区的最小距离与最大距离、靶区在不同射野角度下的投影形状，并将特征信息输入至第一神经网络模型中，得到射野参数。射野参数可以包括射野能量、射野数量、射野角度。
查找射野参数中的射野角度，并将射野角度输入至第二神经网络模型中，输出准直器角度。第二神经网络模型用于确定准直器角度。该模型可以通过将射野角度作为输入、准直器角度作为输出，训练第二初始神经网络模型，并在模型收敛时，确定第二神经网络模型。
在本实施例中，通过将放疗结构文件输入第一神经网络模型，得到射野参数；将射野参数中的射野角度输入第二神经网络模型，得到准直器角度。能够支持准直器角度预测，提高靶区适形性，降低危及器官受量。
上述实施例对如何确定放射治疗计划参数进行了说明，现以一个实施例对如何获取放疗结构文件进行说明，在一个实施例中，如图4所示，根据靶区的勾画结果获取放疗结构文件，包括：
S402，根据靶区的勾画结果，确定靶区的特征信息；
S404，根据靶区的勾画结果，确定与靶区相关的危及器官的特征信息；
S406，将靶区的特征信息和危及器官的特征信息，确定为放疗结构文件。
可选地，靶区的特征信息包括靶区的体积和靶区的几何中心坐标中的至少一种。
可选地，危及器官的特征信息包括危机器官的体积、危及器官的几何中心坐标、危及器官与靶区件的最小距离、靶区在不同射野角度下的投影形状中额至少一种。
具体地，由于勾画结果对靶区和危及器官均进行了区分显示，靶区和危及器官的位置和颜色也均有不同，按照在勾画结果中的像素点信息以及像素值信息，可以进一步确定靶区的特征信息以及危及器官的特征信息，即可以确定靶区和危及器官的几何坐标、及体积信息；也可以确定危及器官与靶区件的最小距离、靶区在不同射野角度下的投影形状。基于此，将靶区的特征信息以及危及器官的特征信息作为医疗结构文件。
在本实施例中，通过根据靶区的勾画结果，确定靶区的特征信息以及与靶区相关的危及器官的特征信息，将靶区的特征信息和危及器官的特征信息，确定为放疗结构文件。能够基于勾画结果确定出放疗结构文件，无需人工手动多次设置射野参数，得到优化结果反复调整射野参数，确定目标射野参数，提高了射野参数的确定效率，以及提高射野参数设置的准确性。
为了便于本领域技术人员的理解，现以一个实施例进一步对放疗计划参数的设定方法进行说明，在一个实施例中，如图5所示，放疗计划参数的设定方法，包括：
S502，获取放射治疗计划医学影像中靶区和危及器官的勾画结果；
S504，根据靶区的勾画结果，确定靶区的特征信息；
S506，根据靶区的勾画结果，确定与靶区相关的危及器官的特征信息；
S508，将靶区的特征信息和危及器官的特征信息，确定为放疗结构文件。靶区的特征信息包括靶区的体积和靶区的几何中心坐标中的至少一种；
S510，将放疗结构文件输入神经网络模型，得到射野参数和准直器角度。
在本实施例中，通过获取放射治疗计划医学影像中靶区和危及器官的勾画结果；根据靶区和危及器官的勾画结果获取放疗结构文件；根据放疗结构文件和预设的神经网络模型，得到放射治疗计划参数；放射治疗计划参数包括射野参数和/或准直器角度，射野参数包括射野数量、射野角度和射野能量中的至少一种。能够通过将射野能量、数量、角度及准直器角度作为特征参与训练，根据接收到的放疗计划与医生勾画好的靶区及危及器官的勾画结果自动设置上述放射治疗计划参数，无需人为根据经验确定放射治疗计划参数，提高了确定放射治疗计划参数的准确性，并根据靶区及危及器官的关系选择最优能量组合，支持准直器角度预测，提高靶区适形性，降低危及器官受量，避免对危及器官造成危害。
为了便于本领域技术人员的理解，现以另一个实施例进一步对放疗计划参数的设定方法进行说明，在一个实施例中，如图6所示，放疗计划参数的设定方法，包括：
S602，获取放射治疗计划医学影像中靶区和危及器官的勾画结果；
S604，根据靶区的勾画结果，确定靶区的特征信息；
S606，根据靶区的勾画结果，确定与靶区相关的危及器官的特征信息；
S608，将靶区的特征信息和危及器官的特征信息，确定为放疗结构文件；靶区的特征信息包括靶区的体积和靶区的几何中心坐标中的至少一种；
S610，将放疗结构文件输入第一神经网络模型，得到射野参数；
S612，将射野参数中的射野角度输入第二神经网络模型，得到准直器角度。
在本实施例中，通过获取放射治疗计划医学影像中靶区和危及器官的勾画结果；根据靶区和危及器官的勾画结果获取放疗结构文件；根据放疗结构文件和预设的神经网络模型，得到放射治疗计划参数；放射治疗计划参数包括射野参数和/或准直器角度，射野参数包括射野数量、射野角度和射野能量。能够通过将射野能量、数量、角度及准直器角度作为特征参与训练，根据接收到的放疗计划与医生勾画好的靶区及危及器官的勾画结果自动设置上述放射治疗计划参数，无需人为根据经验确定放射治疗计划参数，提高了确定放射治疗计划参数的准确性，并根据靶区及危及器官的关系选择最优能量组合，支持准直器角度预测，提高靶区适形性，降低危及器官受量，避免对危及器官造成危害。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的放疗计划参数的设定方法的放疗计划参数的设定装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个放疗计划参数的设定装置实施例中的具体限定可以参见上文中对于放疗计划参数的设定方法的限定，在此不再赘述。
在一个实施例中，如图7所示，提供了一种放疗计划参数的设定装置，包括：
第一获取模块702，用于获取放射治疗计划医学影像中靶区的勾画结果；
第二获取模块704，用于根据靶区的勾画结果获取放疗结构文件；
第三获取模块706，用于根据放疗结构文件和预设的神经网络模型，得到放射治疗计划参数；放射治疗计划参数包括射野参数和准直器角度；射野参数包括射野数量、射野角度和射野能量中的至少一种。
可选地，神经网络模型为根据样本训练集对预设的初始神经网络模型进行训练得到的，样本训练集包括第一样本放疗结构文件和第一样本放射治疗计划参数、第二样本放疗结构文件和第二样本放射治疗计划参数；其中，第一样本放射治疗计划参数为单一能量的放射治疗计划参数；第二样本放射治疗计划参数为混合能量的放射治疗计划参数。
在本实施例中，第一获取模块获取放射治疗计划医学影像中靶区和危及器官的勾画结果；第二获取模块根据靶区和危及器官的勾画结果获取放疗结构文件；第三获取模块根据放疗结构文件和预设的神经网络模型，得到放射治疗计划参数；放射治疗计划参数包括射野参数和/或准直器角度，射野参数包括射野数量、射野角度和射野能量。能够通过将射野能量、数量、角度及准直器角度作为特征参与训练，根据接收到的放疗计划与医生勾画好的靶区及危及器官的勾画结果自动设置上述放射治疗计划参数，无需人为根据经验确定放射治疗计划参数，提高了确定放射治疗计划参数的准确性，并根据靶区及危及器官的关系选择最优能量组合，支持准直器角度预测，提高靶区适形性，降低危及器官受量，避免对危及器官造成危害。
在一个实施例中，第三获取模块，具体用于将放疗结构文件输入神经网络模型，得到射野参数和准直器角度。
在一个实施例中，神经网络模型包括第一神经网络模型和第二神经网络模型；第三获取模块，具体用于将放疗结构文件输入第一神经网络模型，得到射野参数；将射野参数中的射野角度输入第二神经网络模型，得到准直器角度。
在一个实施例中，第二获取模块，包括：
第一确定单元，用于根据靶区的勾画结果，确定靶区的特征信息；
第二确定单元，用于根据靶区的勾画结果，确定与靶区相关的危及器官的特征信息；
第三确定单元，用于将靶区的特征信息和危及器官的特征信息，确定为放疗结构文件。
可选地，靶区的特征信息包括靶区的体积和靶区的几何中心坐标中的至少一种。
上述放疗计划参数的设定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。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图1所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。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和计算机程序。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。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种放疗计划参数的设定方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图1中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，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上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
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、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
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本申请专利范围的限制。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，本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种放疗计划参数的设定方法，其特征在于，所述方法包括：
获取放射治疗计划医学影像中靶区和危及器官的勾画结果；
根据所述靶区和危及器官的勾画结果获取放疗结构文件；
根据所述放疗结构文件和预设的神经网络模型，得到放射治疗计划参数；所述放射治疗计划参数包括射野参数和/或准直器角度，所述射野参数包括射野数量、射野角度和射野能量中的至少一种。
2.根据权利要求1所述的方法，其特征在于，所述神经网络模型为根据样本训练集对预设的初始神经网络模型进行训练得到的，所述样本训练集包括第一样本放疗结构文件和第一样本放射治疗计划参数、第二样本放疗结构文件和第二样本放射治疗计划参数；其中，所述第一样本放射治疗计划参数为单一能量的放射治疗计划参数；所述第二样本放射治疗计划参数为混合能量的放射治疗计划参数。
3.根据权利要求1或2所述的方法，其特征在于，所述根据所述放疗结构文件和预设的神经网络模型，得到放射治疗计划参数，包括：
将所述放疗结构文件输入所述神经网络模型，得到所述射野参数和所述准直器角度。
4.根据权利要求1或2所述的方法，其特征在于，所述神经网络模型包括第一神经网络模型和第二神经网络模型；所述根据所述放疗结构文件和预设的神经网络模型，得到放射治疗计划参数，包括：
将所述放疗结构文件输入所述第一神经网络模型，得到所述射野参数；
将所述射野参数中的所述射野角度输入所述第二神经网络模型，得到所述准直器角度。
5.根据权利要求1所述的方法，其特征在于，所述根据所述靶区的勾画结果获取放疗结构文件，包括：
根据所述靶区的勾画结果，确定所述靶区的特征信息；
根据所述靶区的勾画结果，确定与所述靶区相关的危及器官的特征信息；
将所述靶区的特征信息和所述危及器官的特征信息，确定为所述放疗结构文件。
6.根据权利要求5所述的方法，其特征在于，所述靶区的特征信息包括靶区的体积和所述靶区的几何中心坐标中的至少一种。
7.一种放疗计划参数的设定装置，其特征在于，所述装置包括：
第一获取模块，用于获取放射治疗计划医学影像中靶区的勾画结果；
第二获取模块，用于根据所述靶区的勾画结果获取放疗结构文件；
第三获取模块，用于根据所述放疗结构文件和预设的神经网络模型，得到放射治疗计划参数；所述放射治疗计划参数包括射野参数和准直器角度；所述射野参数包括射野数量、射野角度和射野能量中的至少一种。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一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权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111615601.XA CN116350958A (zh) | 2021-12-27 | 2021-12-27 | 放疗计划参数的设定方法、装置、设备、介质和程序产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111615601.XA CN116350958A (zh) | 2021-12-27 | 2021-12-27 | 放疗计划参数的设定方法、装置、设备、介质和程序产品 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116350958A true CN116350958A (zh) | 2023-06-30 |
Family
ID=86928833
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111615601.XA Pending CN116350958A (zh) | 2021-12-27 | 2021-12-27 | 放疗计划参数的设定方法、装置、设备、介质和程序产品 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116350958A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117577275A (zh) * | 2024-01-17 | 2024-02-20 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 基于壳结构的剂量信息确定装置、电子设备及存储介质 |
| CN117717723A (zh) * | 2024-02-08 | 2024-03-19 | 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 |
-
2021
- 2021-12-27 CN CN202111615601.XA patent/CN116350958A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117577275A (zh) * | 2024-01-17 | 2024-02-20 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 基于壳结构的剂量信息确定装置、电子设备及存储介质 |
| CN117577275B (zh) * | 2024-01-17 | 2024-04-19 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 基于壳结构的剂量信息确定装置、电子设备及存储介质 |
| CN117717723A (zh) * | 2024-02-08 | 2024-03-19 | 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 |
| 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 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhu et al. | Comparison of the automatic segmentation of multiple organs at risk in CT images of lung cancer between deep convolutional neural network-based and atlas-based techniques | |
| US10672128B2 (en) | Online learning enhanced atlas-based auto-segmentation | |
| EP3264298B1 (en) | Radiotherapy information system with treatment plan evaluation | |
| WO2020219620A1 (en) | Systems and methods for automated and interactive analysis of bone scan images for detection of metastases | |
| CN116350958A (zh) | 放疗计划参数的设定方法、装置、设备、介质和程序产品 | |
| US9498645B2 (en) | Dose deformation error calculation method and system | |
| CN110751187A (zh) | 异常区域图像生成网络的训练方法和相关产品 | |
| KR102275098B1 (ko) | 세기변조 방사선 치료계획 예측 시스템 및 방법 | |
| Chen et al. | A deep-learning method for generating synthetic kV-CT and improving tumor segmentation for helical tomotherapy of nasopharyngeal carcinoma | |
| Chen et al. | MR-based synthetic CT image for intensity-modulated proton treatment planning of nasopharyngeal carcinoma patients | |
| US9919163B2 (en) | Methods, systems and computer readable storage media for determining optimal respiratory phase for treatment | |
| Zhou et al. | Development of a deep learning‐based patient‐specific target contour prediction model for markerless tumor positioning | |
| CN116630239A (zh) | 影像分析方法、装置和计算机设备 | |
| Sumida et al. | Robust plan optimization using edge-enhanced intensity for intrafraction organ deformation in prostate intensity-modulated radiation therapy | |
| CN112037886A (zh) | 放疗计划制定装置、方法及存储介质 | |
| US20230222657A1 (en) | Comparing healthcare provider contours using automated tool | |
| CN114587533B (zh) | 穿刺位置引导方法、装置、设备、存储介质和程序产品 | |
| JP7360651B2 (ja) | 医用画像処理装置、医用画像処理プログラム、及び医用画像処理方法 | |
| CN110960804B (zh) | 包含基于时间的放射治疗标准的多标准优化工具 | |
| CN114529094A (zh) | 剂量分布预测方法、装置、设备、存储介质和产品 | |
| CN116091517A (zh) | 医学影像处理方法、装置、存储介质和计算机程序产品 | |
| Zhang et al. | Applying a novel two-step deep learning network to improve the automatic delineation of esophagus in non-small cell lung cancer radiotherapy | |
| CN115272674A (zh) | 图像分割模型的训练方法、图像分割的方法及装置 | |
| CN116704010A (zh) | 等中心点确定方法、装置和计算机设备 | |
| CN117689565A (zh) | 图像融合方法、装置和计算机设备 |
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 |