CN117379707A - 一种磁共振图像引导离子束放疗参数设置方法和系统 - Google Patents

Abstract

本发明涉及一种磁共振图像引导离子束放疗参数设置方法和系统，输入患者的影像数据及勾画数据，获得治疗计划射野参数；以治疗计划射野参数为基础进行扩增，获得射野参数集合；对射野参数的能量层和扫描点分别范围进行扩增；获得入射笔形束的剂量分布矩阵，将剂量分布矩阵输入无磁场‑有磁场矩阵转换模型中获得在磁场下入射笔形束的剂量分布矩阵；对射野参数集合进行评估，根据评估结果，对射野参数集合进行修正，直至获得最佳的射野参数集合；通过精确算法获得准确的在磁场下入射笔形束的剂量分布矩阵，并将其作为经过优化的剂量分布参数输入放疗系统。其解决了现有技术中存在流程复杂、耗时、低效等问题，其提高MR磁场条件下高效、便捷性。

Description

一种磁共振图像引导离子束放疗参数设置方法和系统

技术领域

本发明涉及一种磁共振图像引导离子束放疗参数设置方法和系统，属于放射治疗领域中的离子束放疗技术领域。

背景技术

放射治疗是恶性肿瘤的主要治疗手段之一。当前离子束放射治疗技术，如质子放疗、碳离子放疗等，受到了广泛的关注，其原因在于离子束具有倒转的深度剂量分布，即布拉格(Bragg)峰，可以将大部分剂量递送到肿瘤靶体内，避免对正常组织产生严重的毒副作用。高能离子束携带正电荷，在垂直运动方向的磁场下受洛伦兹力作用会发生偏转。利用这一特性，离子束放疗通常采用点扫描照射技术，即将靶体分割成若干个等能量层，每个等能量层再分割成若干个点，即扫描点。束流配送系统利用X、Y两个方向的正交磁铁引导加速器提供的笔形束，逐点照射完一个能量层上的所有扫描点后，再切换到下一能量层照射，直至所有的能量层和扫描点完成照射。该照射方法不需要患者特异的辅助器件，实施灵活，肿瘤靶区剂量适形度高，是当前离子束放疗的首选束流配送技术。

磁共振图像(MRI)引导放射治疗技术不会对患者产生额外的电离辐射，可以在治疗照射过程中实时成像，跟踪肿瘤运动，提高靶区定位精度，同样受到业界关注。利用实时MRI可以实现基于运动幅度的门控照射，提高照射精度和可靠性。此外，磁共振图像对软组织具有更好的对比度，更加适合胸腹部易受运动影响的肿瘤治疗。高能离子束在磁场中会发生偏转，所以磁共振(MR)引导离子束放射治疗会改变离子束在患者体内的预期路径，从而导致剂量分布产生畸变。因此，在制定放疗计划时必需考虑MR磁场对离子束的偏转影响，获得满足临床需求的MRI引导离子束放疗计划。为了达到这一目的，人们提出了若干方法修正离子束在磁场中的偏转。这些方法大致的流程是，在无磁场条件下制定参考计划，参考计划中具有多个笔形束照射参数，比如扫描点位置(即X，Y方向束流偏转角)，机架角以及束流能量等。对笔形束的Bragg峰束斑而言，若采用参考计划中的入射角和能量，在磁场影响下将偏离原来的扫描点位置。因此，若还要对该扫描点位置实施Bragg峰束斑照射，则需对束流入射角度、入射位置或能量进行修正。在磁场条件下，使得笔形束Bragg峰束斑落在特定的扫描点上，可以采取多种修正方法，如入射位置偏移、入射角度偏移、能量调节修正及其相互组合。为了最大程度将MR磁场下的修正计划还原成无磁场下的参考计划，一般要求磁场条件下修正的笔形束路径与参考条件下笔形束入射路径差异最小化。在磁场下制定离子放疗修正计划，目前大多数研究提出的方法是查找表法。首先根据特定MR设备在均匀模体中建立不同能量、不同入射角度、不同入射位置的笔形束Bragg峰束斑的位置与无磁场条件下的位置偏差，从而反推笔形束入射参数的修正值。然后再利用蒙卡软件模拟特定患者环境下，初始修正后笔形束斑的偏移量，根据偏移量进一步迭代修正笔形束入射参数。经过多次迭代得到与参考计划差异较小的修正计划。

上述方法在制定离子束治疗计划时，以参考计划为标准，追求最大化接近参考计划。这种方法存在一些缺点。首先，建立的束斑位置偏移查找表建立在均匀模体内，不能反应患者真实情况，所以需要在特定患者场景下多次使用蒙卡模拟，对束斑位置进行迭代修正，流程复杂且耗时。其次，当确定笔形束修正参数后，仍需要蒙卡模拟每个笔形束的剂量分布，获得剂量贡献矩阵。最后，该方法基于单个笔形束参数的修正，可能会将原计划的射野、能量层、扫描点的层级结构打乱，影响束流的配送效率，因为不同笔形束可能需要不同的机架角度来提供入射角度修正。

发明内容

针对上述问题，本发明的目的是提供了一种磁共振图像引导离子束放疗参数设置方法和系统，其解决了当前MR磁场条件下离子束治疗计划中存在流程复杂、耗时、低效等问题，其提高MR磁场条件下高效、便捷性。

为实现上述目的，本发明提出了以下技术方案：一种磁共振图像引导离子束放疗参数设置方法，包括以下步骤：输入患者的影像数据及勾画数据，根据所述影像数据及勾画数据获得治疗计划射野参数；以所述治疗计划射野参数为基础进行扩增，获得射野参数集合；获得各个所述计划射野参数对应的能量层和扫描点分布范围，对所述能量层和扫描点分别范围进行扩增，以获得各个所述射野的入射笔形束的参数；根据所述入射笔形束的参数获得所述入射笔形束的剂量分布矩阵，将所述剂量分布矩阵输入无磁场-有磁场矩阵转换模型中获得在磁场下所述入射笔形束的剂量分布矩阵；根据在磁场下所述入射笔形束的剂量分布矩阵对所述射野参数集合进行评估，根据评估结果，对所述射野参数集合进行修正，直至获得最佳的射野参数集合；根据所述最佳的射野参数集合，通过精确算法获得准确的在磁场下所述入射笔形束的剂量分布矩阵，并将其作为经过优化的剂量分布参数输入放疗系统。

进一步，所述无磁场-有磁场矩阵转换模型的训练方法为：准备患者影像数据，根据所述患者影像数据确定笔形束参数；根据所述笔形束参数，计算每个笔形束的剂量分布矩阵，并根据所述精确算法获得准确的在磁场下所述入射笔形束的剂量分布矩阵，将所述笔形束的剂量分布矩阵作为训练集数据，将在磁场下所述入射笔形束的剂量分布矩阵作为验证集数据；通过所述训练集数据对人工智能网络模型进行训练；通过所述验证集数据对经过训练的人工智能网络进行验证，直至所述人工智能网络满足预设条件，生成无磁场-有磁场矩阵转换模型。

进一步，根据精确算法获得准确的在磁场下所述入射笔形束的剂量分布矩阵为：根据选定的蒙特卡罗模拟软件的要求，对MR设备的磁场强度分布进行建模；通过蒙特卡罗模拟软件准确模型离子笔形束流在人体内的剂量分布，生成在磁场下所述入射笔形束的剂量分布矩阵。

进一步，所述笔形束参数包括能量、机架角度、床角、束斑磁场参数、束流X方向入射位置和束流Y方向入射位置。

进一步，所述治疗计划射野参数根据MR设备磁场的大小、离子束种类确定参数的扩增范围，根据参数修正方式选择扩增的计划参数，在参考计划的射野基础上获得多个射野参数，所述射野参数覆盖了笔形束修正参数范围，在所述笔形束修正参数范围内，按照预设间隔采样，形成若干个射野参数集合。

进一步，所述获得各个射野的入射笔形束的参数的方法为：通过射野参数集合每个参数制定参考计划，根据所述参考计划获得各个所述计划射野参数对应的能量层和扫描点分布范围，对能量层和扫描点分布范围进行扩展，使所述能量层和扫描点分布范围覆盖靶区的范围超过MR磁场对束流的偏移量，以获得各射野入射笔形束的参数。

进一步，根据在磁场下所述入射笔形束的剂量分布矩阵对所述射野参数集合进行评估方法为：根据磁场下单个入射笔形束的剂量分布矩阵，判断所述入射笔形束的Bragg峰束斑是否落在靶区内，若所述入射笔形束的Bragg峰束斑不在靶区内，也不在靶区边缘，则舍弃；据此确定各个射野中的有效能量层和扫描点范围，并根据评价指标评价各射野的优劣。

进一步，评价指标包括射野有效能量层的能量大小、笔形束束斑在靶区内的分布情况、笔形束与OAR(周围危及器官)的重叠情况、笔形束路劲长度和笔形束经过的组织不均匀性情况。

本发明还公开了一种磁共振图像引导离子束放疗参数设置系统，包括：治疗计划射野参数模块，用于输入患者的影像数据及勾画数据，根据所述影像数据及勾画数据获得治疗计划射野参数；射野参数集合获取模块，用于以所述治疗计划射野参数为基础进行扩增，获得射野参数集合；入射笔形束的参数获得模块，用于获得各个所述计划射野参数对应的能量层和扫描点分布范围，对所述能量层和扫描点分别范围进行扩增，以获得各个所述射野的入射笔形束的参数；无磁场-有磁场矩阵转换模块，用于根据所述入射笔形束的参数获得所述入射笔形束的剂量分布矩阵，将所述剂量分布矩阵输入无磁场-有磁场矩阵转换模型中获得在磁场下所述入射笔形束的剂量分布矩阵；最佳的射野参数集合获取模块，用于根据在磁场下所述入射笔形束的剂量分布矩阵对所述射野参数集合进行评估，根据评估结果，对所述射野参数集合进行修正，直至获得最佳的射野参数集合；输出模块，用于根据所述最佳的射野参数集合，通过精确算法获得准确的在磁场下所述入射笔形束的剂量分布矩阵，并将其作为经过优化的剂量分布参数输入放疗系统。

本发明还公开了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行以实现上面所述的磁共振图像引导离子束放疗参数设置方法。

本发明由于采取以上技术方案，其具有以下优点：

1、本发明充分利用AI模型的优势，根据参考计划中的笔形束剂量分布，即D_ij矩阵预测MR磁场下的矩阵，可以加快MR磁场下的剂量计算速度，即使AI模型能预测的/>矩阵与MR磁场下实际笔形束剂量分布存在较小差异，也可以通过选定的照射参数，只需进行一次MR磁场条件下的笔形束/>矩阵蒙特卡罗模拟计算，不必使用蒙特卡罗模拟迭代计算，因此本发明方案可以更加快速地获得计划参数。

2、本发明在多个射野扩增集合中，评估选择最优的射野或射野组合，可以根据治疗计划制定者的偏好选定计划质量更高的离子束治疗计划。

3、本发明以射野为单位，按照现有的加速器机器参数进行计划的制定，而不是修正参考计划中的每个笔形束参数，可以保证计划参数层次结构的一致性，无需考虑实际配送的效率问题。

附图说明

图1是本发明一实施例中磁共振图像引导离子束放疗参数设置方法的流程图；

图2是本发明一实施例中无磁场-有磁场矩阵转换模型训练方法的流程图；

图3是本发明一实施例中“散弹枪”法笔形束扩增及选择示意图。

具体实施方式

为了使本领域技术人员更好的理解本发明的技术方案，通过具体实施例对本发明进行详细的描绘。然而应当理解，具体实施方式的提供仅为了更好地理解本发明，它们不应该理解成对本发明的限制。在本发明的描述中，需要理解的是，所用到的术语仅仅是用于描述的目的，而不能理解为指示或暗示相对重要性。

为了解决现有技术中存在的需要在特定患者场景下多次使用蒙卡模拟，对束斑位置进行迭代修正，流程复杂且耗时，以及基于单个笔形束参数的修正，可能会将原计划的射野、能量层、扫描点的层级结构打乱，影响束流的配送效率，因为不同笔形束可能需要不同的机架角度来提供入射角度修正等问题。本发明提供了一种磁共振图像引导离子束放疗参数设置方法和系统，传统方法，用形象的比喻，是一种“狙击”法，即通过一次次射击试验，修正射击参数，使得Bragg峰束斑落在靶点上。本发明提出的方法，则类似于“散弹枪”法，即通过使用大量笔形束Bragg峰束斑在磁场条件下射击靶体，再在有效入射参数集中找到最优的照射参数。此外，本发明方法通过人工智能模型加速获得磁场条件下笔形束在患者CT图像上的剂量分布，以提高离子放疗计划的设计效率。下面结合附图通过实施例对本发明方案进行详细阐述。

实施例一

本实施例公开了一种磁共振图像引导离子束放疗参数设置方法，如图1所示，包括以下步骤：

S1输入患者的影像数据及勾画数据等，根据影像数据及勾画数据等获得治疗计划射野参数。

影像数据及勾画数据除了有患者三维CT数据，也可以支持其他类型设备输入，比如2D图像，MR图像等，还需要制定计划的勾画数据，以确定治疗计划所需要的参数，比如患者皮肤轮廓、靶区轮廓、OAR轮廓等，另外还包含治疗计划剂量处方及剂量约束等。

治疗计划射野参数根据MR设备磁场的大小、离子束种类确定参数的扩增范围，根据参数修正方式选择扩增的计划参数，在参考计划的射野基础上获得多个射野参数，射野参数覆盖了笔形束修正参数范围，在笔形束修正参数范围内，按照预设间隔采样，形成若干个射野参数集合。

本实施例中治疗计划射野参数包括但不限于预期机架角、治疗床角度和等中心坐标等参考计划的参数。

S2以治疗计划射野参数为基础进行扩增，获得射野参数集合。

以参考计划射野参数为基础扩增获得多个计划射野参数，计划射野参数可以根据MR磁场的大小，离子束的种类等确定参数的扩增范围，还需要根据参数修正方式选择扩增那些计划参数，形成射野集合。该步骤的目的是在参考计划的射野基础上获得多个射野，这些射野参数涵盖了笔形束修正参数的范围。在修正范围内，按照一定间隔进行采样，形成若干个射野集合。例如，只考虑入射角度修正，若参考计划具有一个0°入射的射野，则该射野经过扩增后可形成-2°、0°、2°、4°等多个角度的射野，具体值需根据采样分辨率和设定的范围而定。

S3获得各个计划射野参数对应的能量层和扫描点分布范围，对能量层和扫描点分别范围进行扩增，以获得各个射野的入射笔形束的参数。

如图3所示，获得各个射野的入射笔形束的参数的方法为：通过射野参数集合每个参数制定参考计划，根据参考计划获得各个计划射野参数对应的能量层和扫描点分布范围，对能量层和扫描点分布范围进行扩展，使能量层和扫描点分布范围覆盖靶区的范围超过MR磁场对束流的偏移量，以获得各射野入射笔形束的参数。对某一个入射方向的射野，采取能量层和扫描点扩增，可以保证该射野中的笔形束在MR磁场存在下能照射到肿瘤靶体上。

S4根据入射笔形束的参数获得入射笔形束的剂量分布矩阵，即D_ij矩阵将剂量分布矩阵输入无磁场-有磁场矩阵转换模型中获得在磁场下入射笔形束的剂量分布矩阵，即转换成矩阵。获得各个扩增后的射野、能量层及扫描点的/>矩阵。

无磁场-有磁场矩阵转换模型用来预测在MR磁场条件下，单个笔形束在患者体内的剂量分布，通过剂量分布可以用于扫描点的选择，精度允许也可以用于最终治疗计划的优化。若治疗计划系统采用常规的解析计算方法能获得较高精度的MR磁场下的笔形束剂量分布，则该步骤可以省略。

如图2所示，无磁场-有磁场矩阵转换模型的训练方法为：

S4.1准备患者影像数据，该患者影像数据用于治疗计划系统的剂量计算，该数据主要有患者三维CT数据，也可以支持其他类型设备输入，比如2D图像，MR图像等等，这些数据可以直接或间接用于离子束剂量计算。由于无磁场-有磁场矩阵转换模型训练的需要，患者数据可包含多个患者相同部位的数据，也可以包含多个患者不同部位的数据。

根据患者影像数据、具体的MR设备和离子束治疗设备的参数确定笔形束参数，本实施例中笔形束参数包括能量、机架角度、床角、束斑磁场参数、束流X方向入射位置和束流Y方向入射位置等，但不以此为限，具体选择何种笔形束参数根据实际需要确定。笔形束参数可以删减，比如MR图像引导设备不支持床角，则不需要设定床角，若加速器支持不同的束斑尺寸，则还需考虑束斑磁场采样。束斑的参数的采用应仅可能覆盖大多数场景，使得训练得到的人工智能模型尽可能准确。

S4.2根据上一步确定的单个笔形束参数，计算每个笔形束的剂量分布矩阵，即一个笔形束的D_ij矩阵，其中i表示剂量网格坐标，j表示笔形束序号，并根据精确算法获得准确的在磁场下入射笔形束的剂量分布矩阵，用矩阵表示，将笔形束的剂量分布矩阵作为训练集数据，将在磁场下入射笔形束的剂量分布矩阵作为验证集数据；

本实施例中根据精确算法获得准确的在磁场下入射笔形束的剂量分布矩阵为：将磁共振设备的磁场强度分布进行三维建模，导入到蒙特卡罗模拟软件中，根据选定的蒙特卡罗模拟软件的要求，对MR设备的磁场强度分布进行建模；通过蒙特卡罗模拟软件准确模型离子笔形束流在人体内的剂量分布，生成在磁场下入射笔形束的剂量分布矩阵。本实施例中蒙卡模拟软件可以选用Gate、Topas或Fluka等软件。

S4.3通过训练集数据对人工智能网络模型进行训练；通过验证集数据对经过训练的人工智能网络进行验证，直至人工智能网络满足预设条件，生成无磁场-有磁场矩阵转换模型。

用于从一个3D矩阵数据预测另一个3D矩阵数据的人工智能网络模型有很多，比如对抗生成网络(GAN)模型等。

S5根据在磁场下入射笔形束的剂量分布矩阵对射野参数集合进行评估，根据评估结果，对射野参数集合进行修正，直至获得最佳的射野参数集合，不含各笔形束照射权重。

根据在磁场下入射笔形束的剂量分布矩阵，即矩阵对射野参数集合进行评估方法为：根据磁场下单个入射笔形束的剂量分布矩阵，判断入射笔形束的Bragg峰束斑是否落在靶区内，若入射笔形束的Bragg峰束斑不在靶区内，也不在靶区边缘，则舍弃；据此确定各个射野中的有效能量层和扫描点范围，并根据评价指标评价各射野的优劣。在这些射野中，可以分别或综合考虑射野的评价指标。

本实施例中，评价指标包括射野有效能量层的能量大小、笔形束束斑在靶区内的分布情况、笔形束与OAR(周围危及器官)的重叠情况、笔形束路劲长度和笔形束经过的组织不均匀性情况。

最佳的射野参数集合包括射野入射方向(机架角、床角)、能量层、各能量层的扫描点位置、射野整体偏移(即等中心点偏移)等除每个笔形束照射权重之外的所有参数。

S6根据最佳的射野参数集合，通过精确算法获得准确的在磁场下入射笔形束的剂量分布矩阵，并将其作为经过优化的剂量分布参数输入放疗系统。

本实施例中根据精确算法获得准确的在磁场下入射笔形束的剂量分布矩阵为：将磁共振设备的磁场强度分布进行三维建模，导入到蒙特卡罗模拟软件中，根据选定的蒙特卡罗模拟软件的要求，对MR设备的磁场强度分布进行建模；通过蒙特卡罗模拟软件准确模型离子笔形束流在人体内的剂量分布，生成在磁场下入射笔形束的剂量分布矩阵。即精确算法获得准确的在磁场下入射笔形束的剂量分布矩阵和无磁场-有磁场矩阵转换模型训练时获得精确的在磁场下入射笔形束的剂量分布矩阵的方法相同。

本实施例中方法与现有技术中制定MR磁场下确定治疗计划的方法不同，传统方法修正入射离子笔形束的能量、入射位置及方向等参数，匹配没有磁场下参考计划笔形束Bragg峰束斑位置，而本实施例中方法直接使用MR磁场下的笔形束剂量分布进行治疗计划的制定。

本实施例方法与传统制定MR磁场下的治疗计划的方法不同，传统方法修正入射离子笔形束的能量、入射位置及方向等参数，匹配没有磁场下参考计划笔形束Bragg峰束斑位置，而本实施例方法直接使用MR磁场下的笔形束剂量分布进行治疗计划的制定。

实施例二

基于相同的发明构思，本实施例公开了一种磁共振图像引导离子束放疗参数设置系统，包括：

治疗计划射野参数模块，用于输入患者的影像数据及勾画数据，根据影像数据及勾画数据获得治疗计划射野参数；

射野参数集合获取模块，用于以治疗计划射野参数为基础进行扩增，获得射野参数集合；

入射笔形束的参数获得模块，用于获得各个计划射野参数对应的能量层和扫描点分布范围，对能量层和扫描点分别范围进行扩增，以获得各个射野的入射笔形束的参数；

无磁场-有磁场矩阵转换模块，用于根据入射笔形束的参数获得入射笔形束的剂量分布矩阵，将剂量分布矩阵输入无磁场-有磁场矩阵转换模型中获得在磁场下入射笔形束的剂量分布矩阵；

最佳的射野参数集合获取模块，用于根据在磁场下入射笔形束的剂量分布矩阵对射野参数集合进行评估，根据评估结果，对射野参数集合进行修正，直至获得最佳的射野参数集合；

输出模块，用于根据最佳的射野参数集合，通过精确算法获得准确的在磁场下入射笔形束的剂量分布矩阵，并将其作为经过优化的剂量分布参数输入放疗系统。

实施例三

基于相同的发明构思，本实施例公开了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行以实现上面的磁共振图像引导离子束放疗参数设置方法。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。上述内容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以权利要求的保护范围为准。

Claims (10)

1.一种磁共振图像引导离子束放疗参数设置方法，其特征在于，包括以下步骤：

输入患者的影像数据及勾画数据，根据所述影像数据及勾画数据获得治疗计划射野参数；

以所述治疗计划射野参数为基础进行扩增，获得射野参数集合；

获得各个所述计划射野参数对应的能量层和扫描点分布范围，对所述能量层和扫描点分别范围进行扩增，以获得各个所述射野的入射笔形束的参数；

根据所述入射笔形束的参数获得所述入射笔形束的剂量分布矩阵，将所述剂量分布矩阵输入无磁场-有磁场矩阵转换模型中获得在磁场下所述入射笔形束的剂量分布矩阵；

根据在磁场下所述入射笔形束的剂量分布矩阵对所述射野参数集合进行评估，根据评估结果，对所述射野参数集合进行修正，直至获得最佳的射野参数集合；

根据所述最佳的射野参数集合，通过精确算法获得准确的在磁场下所述入射笔形束的剂量分布矩阵，并将其作为经过优化的剂量分布参数输入放疗系统。

2.如权利要求1所述的磁共振图像引导离子束放疗参数设置方法，其特征在于，所述无磁场-有磁场矩阵转换模型的训练方法为：

准备患者影像数据，根据所述患者影像数据确定笔形束参数；

根据所述笔形束参数，计算每个笔形束的剂量分布矩阵，并根据所述精确算法获得准确的在磁场下所述入射笔形束的剂量分布矩阵，将所述笔形束的剂量分布矩阵作为训练集数据，将在磁场下所述入射笔形束的剂量分布矩阵作为验证集数据；

通过所述训练集数据对人工智能网络模型进行训练；

通过所述验证集数据对经过训练的人工智能网络进行验证，直至所述人工智能网络满足预设条件，生成无磁场-有磁场矩阵转换模型。

3.如权利要求2所述的磁共振图像引导离子束放疗参数设置方法，其特征在于，根据精确算法获得准确的在磁场下所述入射笔形束的剂量分布矩阵为：

根据选定的蒙特卡罗模拟软件的要求，对MR设备的磁场强度分布进行建模；通过蒙特卡罗模拟软件准确模型离子笔形束流在人体内的剂量分布，生成在磁场下所述入射笔形束的剂量分布矩阵。

4.如权利要求2所述的磁共振图像引导离子束放疗参数设置方法，其特征在于，所述笔形束参数包括能量、机架角度、床角、束斑磁场参数、束流X方向入射位置和束流Y方向入射位置。

5.如权利要求1所述的磁共振图像引导离子束放疗参数设置方法，其特征在于，所述治疗计划射野参数根据MR设备磁场的大小、离子束种类确定参数的扩增范围，根据参数修正方式选择扩增的计划参数，在参考计划的射野基础上获得多个射野参数，所述射野参数覆盖了笔形束修正参数范围，在所述笔形束修正参数范围内，按照预设间隔采样，形成若干个射野参数集合。

6.如权利要求1所述的磁共振图像引导离子束放疗参数设置方法，其特征在于，所述获得各个射野的入射笔形束的参数的方法为：

通过射野参数集合每个参数制定参考计划，根据所述参考计划获得各个所述计划射野参数对应的能量层和扫描点分布范围，对能量层和扫描点分布范围进行扩展，使所述能量层和扫描点分布范围覆盖靶区的范围超过MR磁场对束流的偏移量，以获得各射野入射笔形束的参数。

7.如权利要求1所述的磁共振图像引导离子束放疗参数设置方法，其特征在于，根据在磁场下所述入射笔形束的剂量分布矩阵对所述射野参数集合进行评估方法为：

根据磁场下单个入射笔形束的剂量分布矩阵，判断所述入射笔形束的Bragg峰束斑是否落在靶区内，若所述入射笔形束的Bragg峰束斑不在靶区内，也不在靶区边缘，则舍弃；据此确定各个射野中的有效能量层和扫描点范围，并根据评价指标评价各射野的优劣。

8.如权利要求7所述的磁共振图像引导离子束放疗参数设置方法，其特征在于，评价指标包括射野有效能量层的能量大小、笔形束束斑在靶区内的分布情况、笔形束与OAR的重叠情况、笔形束路劲长度和笔形束经过的组织不均匀性情况。

9.一种磁共振图像引导离子束放疗参数设置系统，其特征在于，包括：

治疗计划射野参数模块，用于输入患者的影像数据及勾画数据，根据所述影像数据及勾画数据获得治疗计划射野参数；

射野参数集合获取模块，用于以所述治疗计划射野参数为基础进行扩增，获得射野参数集合；

入射笔形束的参数获得模块，用于获得各个所述计划射野参数对应的能量层和扫描点分布范围，对所述能量层和扫描点分别范围进行扩增，以获得各个所述射野的入射笔形束的参数；

无磁场-有磁场矩阵转换模块，用于根据所述入射笔形束的参数获得所述入射笔形束的剂量分布矩阵，将所述剂量分布矩阵输入无磁场-有磁场矩阵转换模型中获得在磁场下所述入射笔形束的剂量分布矩阵；

最佳的射野参数集合获取模块，用于根据在磁场下所述入射笔形束的剂量分布矩阵对所述射野参数集合进行评估，根据评估结果，对所述射野参数集合进行修正，直至获得最佳的射野参数集合；

输出模块，用于根据所述最佳的射野参数集合，通过精确算法获得准确的在磁场下所述入射笔形束的剂量分布矩阵，并将其作为经过优化的剂量分布参数输入放疗系统。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行以实现如权利要求1-8任一项所述的磁共振图像引导离子束放疗参数设置方法。