KR101968671B1 - 지능형 자동 방사선 치료계획 수립방법 및 시스템 - Google Patents

지능형 자동 방사선 치료계획 수립방법 및 시스템 Download PDF

Info

Publication number
KR101968671B1
KR101968671B1 KR1020180006272A KR20180006272A KR101968671B1 KR 101968671 B1 KR101968671 B1 KR 101968671B1 KR 1020180006272 A KR1020180006272 A KR 1020180006272A KR 20180006272 A KR20180006272 A KR 20180006272A KR 101968671 B1 KR101968671 B1 KR 101968671B1
Authority
KR
South Korea
Prior art keywords
information
treatment plan
radiation
feature vector
prediction model
Prior art date
Application number
KR1020180006272A
Other languages
English (en)
Inventor
주상규
홍채선
안용찬
Original Assignee
사회복지법인 삼성생명공익재단
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 사회복지법인 삼성생명공익재단 filed Critical 사회복지법인 삼성생명공익재단
Priority to KR1020180006272A priority Critical patent/KR101968671B1/ko
Priority to PCT/KR2019/000636 priority patent/WO2019143120A1/ko
Application granted granted Critical
Publication of KR101968671B1 publication Critical patent/KR101968671B1/ko

Links

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
    • 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
    • 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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • 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
    • A61N2005/1041—Treatment planning systems using a library of previously administered radiation treatment applied to other patients

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Pathology (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Data Mining & Analysis (AREA)
  • Urology & Nephrology (AREA)
  • Surgery (AREA)
  • Databases & Information Systems (AREA)
  • Radiation-Therapy Devices (AREA)

Abstract

본 발명의 일 실시예는, 방사선 치료를 수행한 기존 환자들에 관한 신상정보, 진단 및 검사 정보, 병기(病氣)정보, 의료영상정보를 포함하는 제1 정보와, 상기 환자에 관한 방사선 치료에 수행된 방사선량(Dose) 정보 및 방사선 조사 정보를 포함하는 제2 정보와, 상기 제2 정보에 의해 방사선 치료를 진행한 후 도출되는 결과에 관한 제3 정보를 제공받아 데이터베이스에 저장하는 단계, 상기 제1 정보 내지 상기 제3 정보들을 인공지능 기반 상관관계 및 회귀분석을 수행하여 치료계획예측모델을 생성하는 단계, 상기 치료계획예측모델을 이용하여, 치료 전의 신상정보, 진단 및 검사 정보, 병기(病氣)정보, 의료영상정보를 포함하는 제4 정보를 갖는 신규 환자의 방사선 치료계획을 결정하는 단계 및 상기 제4 정보와, 상기 신규 환자의 상기 방사선 치료계획에 따라 방사선 치료를 수행한 후 도출되는 결과에 관한 제6 정보를 상기 데이터베이스에 저장하는 단계를 포함하는, 지능형 자동 방사선 치료계획 수립방법을 제공한다.

Description

지능형 자동 방사선 치료계획 수립방법 및 시스템{INTELLIGENT AUTOMATED METHOD AND SYSTEM FOR SETTING RADIATION THERAPY PLAN}
본 발명의 실시예들은 지능형 자동 방사선 치료계획 수립방법 및 시스템에 관한 것이다.
방사선 치료는 엑스선, 감마선과 같은 고에너지 파동 또는 전자선, 양성자선과 같은 고에너지 입자를 이용하여 타겟 조직에 손상을 가하거나 파괴함으로써 악성 조직의 성장을 지연시키거나 저지하거나 나아가 소멸시키는 방법이다. 방사선 치료는 암뿐 아니라, 양성 종양, 내과적 질병, 일부 피부질환의 치료에 이용되기도 한다. 최근에는 두개골을 절개하는 신경외과적 수술방식을 대체하여, 절개 수술 없이 한번에 다량의 방사선을 조사하여 치료하는 방사선 수술 방법도 개발되어 있다.
최근에는 암환자의 약 60% 이상이 방사선 치료를 받을 정도로 일반화되어 있다. 방사선 치료는 그 자체로 종양을 치료하는 데에 이용될 뿐 아니라, 종양이 크고 침습이 되어 수술이 어렵거나, 수술로 제거하지 못한 국부를 치료하는 다른 외과적 수술과 함께 사용되어 종양의 크기를 줄여 외과적 수술을 쉽게 만들거나 수술 후에 남은 악성 세포를 파괴하는 용도로 이용될 수 있다.
이처럼 환자의 종양 조직으로 방사선을 조사하기 전에, 환자의 현재 신체 조직 내 존재하는 종양의 크기, 위치 등을 고려하여 방사선의 조사 위치 및 방사선량을 결정하는 등 정밀한 방사선 치료계획이 요구된다. 종래에는 단층 영상을 이용해 종양의 위치를 설정한 후 선량 설계사의 경험과 물리적 지식을 기반으로 방사선의 조사 위치 및 방사선량 등을 조절하는 것에 의해 최적의 방사선 치료계획을 도출하였다. 그러나, 이러한 방법은 선량 설계사 및 방사선치료계획에 참여하는 임상 의료진의 능력과 경험에 따라 치료계획 결과의 질이 달라지며 치료계획 시간 및 업무가 증가한다. 특히 종양의 모양이 복잡하고 주변 정상 장기가 근접한 고난도 치료계획의 경우 주변 정상장기에 가는 선량을 낮추면서 종양에 고선량을 조사하는 우수한 치료계획을 얻기가 힘들다. 치료 결과에 대한 예측이 불가능해 다양한 환자 조건에 맞는 맞춤형 치료계획 수립이 불가능하다. 또한 치료계획 시간 및 업무가 증가하므로 기존 환자들의 종양의 크기 등이 변화하는 경우에 조기 감지 및 적극적인 치료계획 변경이 어렵다.
본 발명의 실시예들은 자동으로 방사선 치료계획을 수립할 수 있는 지능형 자동 방사선 치료계획 수립방법 및 시스템을 제공하고자 한다.
본 발명의 일 실시예는, 방사선 치료를 수행한 기존 환자들에 관한 신상정보, 진단 및 검사 정보, 병기(病氣)정보, 의료영상정보를 포함하는 제1 정보와, 상기 환자에 관한 방사선 치료에 수행된 방사선량(Dose) 정보 및 방사선 조사 정보를 포함하는 제2 정보와, 상기 제2 정보에 의해 방사선 치료를 진행한 후 도출되는 결과에 관한 제3 정보를 제공받아 데이터베이스에 저장하는 단계, 상기 제1 정보 내지 상기 제3 정보들을 인공지능 기반 상관관계 및 회귀분석을 수행하여 치료계획예측모델을 생성하는 단계, 상기 치료계획예측모델을 이용하여, 치료 전의 신상정보, 진단 및 검사 정보, 병기(病氣)정보, 의료영상정보를 포함하는 제4 정보를 갖는 신규 환자의 방사선 치료계획을 평가 및 결정하는 단계 및 상기 제4 정보와, 상기 신규 환자의 상기 방사선 치료계획에 따라 방사선 치료를 수행한 후 도출되는 결과에 관한 제6 정보를 상기 데이터베이스에 저장하는 단계를 포함하는, 지능형 자동 방사선 치료계획 수립방법을 제공한다.
본 발명의 일 실시예에 있어서, 상기 신규 환자의 치료 중 획득한 의료영상정보, 진단 및 검사 정보, 부작용정보를 포함하는 제5 정보를 제공받고, 상기 제4 정보와 상기 제5 정보를 비교한 후 차이가 발생하는 경우, 상기 치료계획예측모델 및 상기 제5 정보를 이용하여 상기 방사선 치료계획을 보정하는 단계를 더 포함하고, 상기 제6 정보는 상기 보정된 방사선 치료계획에 따라 방사선 치료를 수행한 후 도출되는 결과에 관한 정보일 수 있다.
본 발명의 일 실시예에 있어서, 상기 치료계획예측모델을 생성하는 단계는, 상기 제1 정보로부터 제1 특징 벡터(Characteristic Vector)를 생성하는 단계, 상기 제2 정보로부터 제2 특징 벡터를 생성하는 단계 및 상기 제1 정보 내지 상기 제3 정보 중 서로 다른 인자들을 조합하여 복수의 패턴을 생성하고, 상기 생성된 복수의 패턴에 대한 상관관계 분석 및 회귀분석을 수행하며, 상기 수행된 상관관계 분석 및 회귀분석 결과를 이용하여 상기 복수의 패턴 중 상기 제1 특징 벡터에 대한 특정패턴을 추출하고, 상기 추출된 특정패턴을 이용하여 상기 제2 특징 벡터를 결과값으로 도출하는 치료계획예측모델을 생성하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 치료계획예측모델을 생성하는 단계는, 상기 제3 정보로부터 제3 특징 벡터를 생성하고, 상기 제3 특징 벡터와 상기 특정패턴을 이용하여 가장 높은 생존율을 갖게 하는 제2 특징 벡터를 결과값으로 도출할 수 있다.
본 발명의 일 실시예는, 방사선 치료를 수행한 기존 환자들에 관한 신상정보, 진단 및 검사 정보, 병기(病氣)정보, 의료영상정보를 포함하는 제1 정보와, 상기 환자에 관한 방사선 치료에 수행된 방사선량(Dose) 정보 및 방사선 선원 정보를 포함하는 제2 정보와, 상기 제2 정보에 의해 방사선 치료를 진행한 후 도출되는 결과에 관한 제3 정보와, 신규 환자에 관한 치료 전의 신상정보, 진단 및 검사 정보, 병기(病氣)정보, 의료영상정보를 포함하는 제4 정보를 수신하는 통신부 및 상기 통신부로부터 수신된 상기 제1 정보 내지 상기 제4 정보를 데이터 표준화 포맷에 맞도록 수집하고, 상기 수집된 제1 정보 내지 제3 정보를 이용하여 치료계획예측모델을 생성하며, 상기 생성된 치료계획예측모델과 상기 제4 정보를 기반으로 상기 신규 환자의 방사선 치료계획을 결정하는 제어부를 포함하는, 지능형 자동 방사선 치료계획시스템을 제공한다.
본 발명의 일 실시예에 있어서, 상기 통신부는 상기 신규 환자의 치료 중 획득한 의료영상정보, 진단 및 검사 정보, 부작용 정보를 포함하는 제5 정보와, 상기 신규 환자의 상기 방사선 치료계획에 따라 방사선 치료를 수행한 후 도출되는 결과에 관한 제6 정보를 더 수신할 수 있다.
본 발명의 일 실시예에 있어서, 상기 제어부는 상기 제4 정보와 상기 제5 정보를 비교한 후 차이가 발생하는 경우, 상기 치료계획예측모델 및 상기 제5 정보를 이용하여 상기 방사선 치료계획을 보정할 수 있다.
본 발명의 일 실시예에 있어서, 상기 제6 정보는 상기 보정된 방사선 치료계획에 따라 방사선 치료를 수행한 후 도출되는 결과에 관한 정보일 수 있다.
본 발명의 일 실시예에 있어서, 상기 제어부는 상기 제1 정보 및 상기 제2 정보로부터 각각 제1 특징 벡터 및 제2 특징 벡터를 생성하고, 상기 제1 정보 내지 상기 제3 정보 중 서로 다른 인자들을 조합하여 복수의 패턴을 생성하고, 상기 생성된 복수의 패턴에 대한 상관관계 분석 및 회귀분석을 수행하며, 상기 수행된 상관관계 분석 및 회귀분석 결과를 이용하여 상기 복수의 패턴 중 상기 제1 특징 벡터에 대한 특정패턴을 추출하고, 상기 추출된 특정패턴을 이용하여 상기 제2 특징 벡터를 결과값으로 도출하는 치료계획예측모델을 생성할 수 있다.
본 발명의 일 실시예에 있어서, 상기 제어부는, 상기 제3 정보로부터 제3 특징 벡터를 생성하고, 상기 제3 특징 벡터와 상기 특정패턴을 이용하여 가장 높은 생존율을 갖게 하는 제2 특징 벡터를 결과값으로 도출할 수 있다.
본 발명의 일 실시예는, 컴퓨터를 이용하여 상기한 방법을 실행하기 위하여 매체에 저장된 컴퓨터 프로그램을 제공한다.
전술한 것 외의 다른 측면, 특징, 이점이 이하의 도면, 특허청구범위 및 발명의 상세한 설명으로부터 명확해질 것이다.
본 발명의 실시예들에 따른 지능형 자동 방사선 치료계획 수립방법은 기존에 치료했던 각종 환자 정보를 빅데이터(Big data)화하여 인공지능 알고리즘을 통해 최상의 결과를 도출할 수 있는 방사선 치료계획 예측모델을 생성할 수 있다. 이러한 치료계획예측모델은 새로운 환자의 전산화치료계획 시 적용하여 환자에게 맞는 최상의 치료계획을 생성할 수 있다. 또한, 지능형 자동 방사선 치료계획 수립방법은 치료 중 발생하는 다양한 정보를 토대로 적응방사선치료계획을 자동으로 수립하게 되며, 치료가 종료된 후, 치료 정보와 임상결과가 빅테이터 안으로 입력되어 향상 예측모델이 만들어지는 순환구조(continuous quality improvement)를 가질 수 있다.
도 1은 본 발명의 일 실시예에 따른 지능형 자동 방사선 치료계획 수립시스템을 개략적으로 도시한 도면이다.
도 2는 본 발명의 일 실시예에 따른 지능형 자동 방사선 치료계획 수립장치의 구성을 개략적으로 도시한 블록도이다.
도 3은 본 발명의 일 실시예에 따른 지능형 자동 방사선 치료계획 수립방법을 순차적으로 도시한 순서도이다.
도 4 및 도 5는 방사선 치료계획예측모델을 생성하는 방법을 설명하기 위한 도면이다.
본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 본 발명의 효과 및 특징, 그리고 그것들을 달성하는 방법은 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 다양한 형태로 구현될 수 있다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예들을 상세히 설명하기로 하며, 도면을 참조하여 설명할 때 동일하거나 대응하는 구성 요소는 동일한 도면부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
이하의 실시예에서, 제1, 제2 등의 용어는 한정적인 의미가 아니라 하나의 구성 요소를 다른 구성 요소와 구별하는 목적으로 사용되었다.
이하의 실시예에서, 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
이하의 실시예에서, 포함하다 또는 가지다 등의 용어는 명세서상에 기재된 특징, 또는 구성요소가 존재함을 의미하는 것이고, 하나 이상의 다른 특징들 또는 구성요소가 부가될 가능성을 미리 배제하는 것은 아니다.
이하의 실시예에서, 막, 영역, 구성 요소 등의 부분이 다른 부분 위에 또는 상에 있다고 할 때, 다른 부분의 바로 위에 있는 경우뿐만 아니라, 그 중간에 다른 막, 영역, 구성 요소 등이 개재되어 있는 경우도 포함한다.
도면에서는 설명의 편의를 위하여 구성 요소들이 그 크기가 과장 또는 축소될 수 있다. 예컨대, 도면에서 나타난 각 구성의 크기 및 두께는 설명의 편의를 위해 임의로 나타내었으므로, 본 발명이 반드시 도시된 바에 한정되지 않는다.
어떤 실시예가 달리 구현 가능한 경우에 특정한 공정 순서는 설명되는 순서와 다르게 수행될 수도 있다. 예를 들어, 연속하여 설명되는 두 공정이 실질적으로 동시에 수행될 수도 있고, 설명되는 순서와 반대의 순서로 진행될 수 있다.
이하의 실시예에서, 막, 영역, 구성 요소 등이 연결되었다고 할 때, 막, 영역, 구성 요소들이 직접적으로 연결된 경우뿐만 아니라 막, 영역, 구성요소들 중간에 다른 막, 영역, 구성 요소들이 개재되어 간접적으로 연결된 경우도 포함한다. 예컨대, 본 명세서에서 막, 영역, 구성 요소 등이 전기적으로 연결되었다고 할 때, 막, 영역, 구성 요소 등이 직접 전기적으로 연결된 경우뿐만 아니라, 그 중간에 다른 막, 영역, 구성 요소 등이 개재되어 간접적으로 전기적 연결된 경우도 포함한다.
도 1은 본 발명의 일 실시예에 따른 지능형 자동 방사선 치료계획 수립시스템을 개략적으로 도시한 도면이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 지능형 자동 방사선 치료계획 수립시스템은 서버(100), 사용자 단말(200), 외부장치(300) 및 이들을 연결하는 통신망(400)을 포함할 수 있다.
본 발명의 일 실시예에 따른 지능형 자동 방사선 치료계획 수립시스템은 서버(100)가 외부장치(300)로부터 환자의 정보 또는 방사선 치료계획 정보 등 환자의 방사선 치료 수행 시 필요한 정보들을 수신하고, 방사선 치료계획예측모델을 생성하여 자동화된 방사선 치료계획을 수립할 수 있다. 또한, 지능형 자동 방사선 치료계획 수립시스템은 사용자 단말(200)을 통해 치료 후의 상태 정보 등을 더 수신하고, 이를 방사선 치료계획예측모델의 생성함에 있어 적용시킬 수 있다.
외부 장치(300)는 서버(100) 및 사용자 단말(200)과 통신망(400)을 통하여 데이터를 송수신하는 다양한 장치를 의미할 수 있다. 구체적으로 본 발명에서 외부 장치(300)는 기존에 환자들의 임상 정보를 관리하는 의료 관리 시스템일수도 있고, 방사선 치료계획 정보를 생성하거나 관리하는 치료 시스템일 수 있다. 일 실시예로서, 외부 장치(300)는 방사선 치료계획에 사용되는 의료 영상 정보를 생성하는 장치일 수 있다. 예를 들면, 외부 장치(300)는 CT(Computed Tommography) 장치, MRI(Magnetic Resonance Imaging)장치, PET(Positron Emission Tomography) 장치, 컴퓨터단층촬영모의치료기(CT Simulator), CR(Computed Radiography) 등 일 수 있다. 외부 장치(300)는 환자들의 임상 정보 또는 방사선 치료계획 정보를 서버(100)로 제공하는 장치일 수 있다. 이와 같은 외부 장치(300)는 단수일 수도 있고, 복수일 수도 있다.
사용자 단말(200)은 방사선 치료 후 환자들의 삶의 질 평가 정보를 서버(100)로 전송하는 다양한 장치를 의미할 수 있다. 이때, 단말은 휴대용 단말(201)일 수도 있고, 퍼스널 컴퓨터(202)일 수도 있다.
사용자 단말(200)은 콘텐츠를 표시하기 위한 표시 수단, 이러한 콘텐츠에 대한 사용자의 입력을 획득하기 위한 입력 수단을 구비할 수 있다. 이때, 입력수단 및 표시수단은 다양하게 구성될 수 있다. 가령 입력수단은 키보드, 마우스, 트랙볼, 마이크, 버튼, 터치패널 등을 포함할 수 있으나 이에 한정되지 않는다.
여기서, 환자들의 삶의 질 평가 정보는 방사선 치료 중 또는 치료 후의 부작용 여부 등을 기록하고, 이를 이용하여 삶의 질을 평가하는 정보이다. 삶의 질 평가 정보는 환자들이 사용자 단말(200)을 통해, 방사선 치료로 인하여 나타날 수 있는 증상들에 대한 정도를 입력한 정보들의 집합일 수 있다. 또한, 삶의 질 평가 정보는 환자들이 사용자 단말(200)에 구비된 카메라(미도시)를 통해 치료 부위를 촬상한 피부 영상 정보를 포함할 수도 있다.
사용자 단말(200)은 상기한 정보들의 집합을 서버(100)로 전송할 수도 있고, 상기한 정보들을 사전에 설정된 알고리즘을 통해 가공하여 가공 데이터로서 서버(100)로 전송할 수도 있다.
본 발명에서 통신망(400)은 서버(100), 사용자 단말(200) 및 외부 장치(300)를 연결하는 역할을 수행한다. 예를 들어, 통신망(400)은 사용자 단말(200)이 서버(100)에 접속한 후 패킷 데이터를 송수신할 수 있도록 접속 경로를 제공한다. 통신망(400)은 예컨대 LANs(Local Area Networks), WANs(Wide Area Networks), MANs(Metropolitan Area Networks), ISDNs(Integrated Service Digital Networks) 등의 유선 네트워크나, 무선 LANs, CDMA, 블루투스, 위성 통신 등의 무선 네트워크를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.
본 발명에서 서버(100)는 외부장치(300)로부터 환자의 정보 또는 방사선 치료계획 정보 등 환자의 방사선 치료 수행 시 필요한 정보들을 수신하고, 방사선 치료계획예측모델을 생성하여 자동화된 방사선 치료계획을 수립할 수 있다. 또한, 서버(100)는 사용자 단말(200)을 통해 치료 후의 상태 정보 등을 더 수신하고, 이를 방사선 치료계획예측모델의 생성함에 있어 적용시킬 수 있다.
도 2는 본 발명의 일 실시예에 따른 지능형 자동 방사선 치료계획 수립장치(110)의 구성을 개략적으로 도시한 블록도이다.
도 2를 참조하면, 본 발명의 일 실시예에 따른 지능형 자동 방사선 치료계획 수립장치(110)는 통신부(111), 제어부(112) 및 메모리(113)를 포함할 수 있다. 또한, 도면에는 도시되지 않았으나, 본 발명의 일 실시예에 따른 지능형 자동 방사선 치료계획 수립장치(110)는 입/출력부, 프로그램 저장부 등을 더 포함할 수 있다.
통신부(111)는 지능형 자동 방사선 치료계획 수립장치(110)가 사용자 단말(200) 또는 외부 장치(300)와 같은 다른 네트워크 장치와 유무선 연결을 통해 제어 신호 또는 데이터 신호와 같은 신호를 송수신하기 위해 필요한 하드웨어 및 소프트웨어를 포함하는 장치일 수 있다.
제어부(112)는 프로세서(processor)와 같이 데이터를 처리할 수 있는 모든 종류의 장치를 포함할 수 있다. 여기서, '프로세서(processor)'는, 예를 들어 프로그램 내에 포함된 코드 또는 명령으로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다. 이와 같이 하드웨어에 내장된 데이터 처리 장치의 일 예로써, 마이크로프로세서(Microprocessor), 중앙처리장치(Central Processing Unit: CPU), 프로세서 코어(Processor Core), 멀티프로세서(Multiprocessor), ASIC(Application-Specific Integrated Circuit), FPGA(Field Programmable Gate Array) 등의 처리 장치를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.
메모리(113)는 지능형 자동 방사선 치료계획 수립장치(110)가 처리하는 데이터를 일시적 또는 영구적으로 저장하는 기능을 수행한다. 메모리(113)는 자기 저장 매체(Magnetic Storage Media) 또는 플래시 저장 매체(Flash Storage Media)를 포함할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.
이하에서는 지능형 자동 방사선 치료계획 수립장치(110)가 서버(100)에 구비되는 것을 전제로 설명하지만, 역할배분에 따라 지능형 자동 방사선 치료계획 수립장치(110)는 서버(100)와 별도로 구비될 수도 있다.
한편, 전술한 바와 같이 서버(100), 즉 지능형 자동 방사선 치료계획 수립장치(110)는 외부장치(300)로부터 환자의 정보 또는 방사선 치료계획 정보 등 환자의 방사선 치료 수행 시 필요한 정보들을 수신하고, 방사선 치료계획예측모델을 생성하여 자동화된 방사선 치료계획을 수립할 수 있다. 또한, 서버(100)는 사용자 단말(200)을 통해 치료 후의 상태 정보 등을 더 수신하고, 이를 방사선 치료계획예측모델의 생성함에 있어 적용시킬 수 있다.
이하에서는 도 3 내지 도 5를 참조하여, 서버(100), 즉 지능형 자동 방사선 치료계획 수립장치(110)에서 치료계획예측모델을 생성하고, 방사선 치료계획을 자동으로 수립하는 방법을 설명한다.
도 3은 본 발명의 일 실시예에 따른 지능형 자동 방사선 치료계획 수립방법을 순차적으로 도시한 순서도이고, 도 4 및 도 5는 방사선 치료계획예측모델을 생성하는 방법을 설명하기 위한 도면이다.
도 3 내지 도 5를 참조하면, 본 발명의 일 실시예에 따른 지능형 자동 방사선 치료계획 수립장치(110)의 통신부(111)는 기존 환자들의 제1 정보 내지 제3 정보를 외부 장치(300)로부터 제공받을 수 있다(S100).
이때, 제1 정보(A1)는 방사선 치료를 수행한 기존 환자들에 관한 신상정보, 진단 및 검사 정보, 병기(病氣)정보, 의료영상정보를 포함할 수 있다. 신상정보, 진단 및 검사 정보 및 병기 정보는 기존에 수행된 환자들의 의료 기록으로부터 도출된 정보일 수 있다. 의료영상정보는 의료 영상 장치로부터 생성된 정보일 수 있다. 예를 들면, CT(Computed Tommography) 장치, MRI(Magnetic Resonance Imaging)장치, PET(Positron Emission Tomography) 장치, 컴퓨터단층촬영모의치료기(CT Simulator), CR(Computed Radiography) 등과 같은 의료영상장치를 통해 방사선을 조사하고자 하는 생체를 촬영하여 의료영상정보가 생성될 수 있다. 생성된 의료영상정보는 의료 디지털 이미지 통신 규격(DICOM, Digital Imaging and Communications in Medicine)으로 변환하여 DICOM RT(Radiation Therapy) 데이터 파일 형태로 이루어지는 것을 나타낸다.
제2 정보(A2)는 환자에 관한 방사선 치료에 수행된 방사선량(Dose) 정보 및 방사선 조사 정보를 포함할 수 있다. 제2 정보(A2)는 방사선 치료에 수행된 치료데이터일 수 있으며, 방사선 치료에 요구되는 파라미터 정보들의 집합일 수 있다. 제2 정보(A2)는 방사선량 정보뿐만 아니라, 방사선량 제약정보(dose constraints), 체표윤곽 정보(contouring information), 빔 양상정보(beam modality), 방사선량 계획정보(dose schedule), 빔 파라미터정보(beam parameter), X-선, 전자선, 양성자와 같은 치료 선원의 종류, 치료선원의 에너지, 삼차원 및 세기조절과 같은 치료방법, 빔 방향 등의 방사선 조사 정보를 포함할 수 있다.
제3 정보(A3)는 제2 정보(A2)에 의해 방사선 치료를 진행한 후 도출된 결과에 관한 정보일 수 있다. 제3 정보(A3)는 방사선 치료를 수행한 기존 환자들에 대한 생존률 정보 또는 부작용 정보일 수 있다. 제3 정보(A3)의 부작용 정보는 의료기관에서 의사와 같은 전문가에 의해 판단되어 기록된 정보일 수 있다.
상기한 제1 정보(A1), 제2 정보(A2) 및 제3 정보(A3)는 메모리(113)에 데이터베이스로 저장될 수 있다(S200).
다음, 제어부(112)는 제공된 제1 정보(A1), 제2 정보(A2) 및 제3 정보(A3)를 인공지능 기반 상관관계 및 회귀분석을 수행하여 치료계획예측모델(M)을 생성할 수 있다(S300). 구체적으로, 제어부(112)는 제1 정보(A1)로부터 제1 특징 벡터(Characteristic Vector, 311)를 생성하고, 제2 정보(A2)로부터 제2 특징 벡터(313)를 생성할 수 있다. 제1 특징 벡터(311) 및 제2 특징 벡터(312)는 치료계획예측모델(M)을 결정함에 있어 직접적 또는 간접적으로 영향을 미치는 인자들에 대한 값일 수 있다. 예를 들면, 제1 특징 벡터(311) 및 제2 특징 벡터(312)는 선량-부피 히스토그램 관련한 인자, 생존 가능성 관련한 인자, 합병증 가능성 관련한 인자들에 대한 값일 수 있다. 또는, 제1 특징 벡터(311) 및 제2 특징 벡터(312)는 하나의 값이 아닌 값들의 집합 또는 조합일 수도 있다.
제어부(112)는 제1 정보 내지 제3 정보(A1 내지 A3) 중 서로 다른 인자들을 조합하여 복수의 패턴을 생성하고, 생성된 복수의 패턴에 대한 상관관계 분석 및 회귀 분석을 수행할 수 있다. 제어부(112)는 수행된 상관관계 분석 및 회귀분석 결과를 이용하여 복수의 패턴 중 제1 특징 벡터(311)에 대한 특정 패턴을 추출할 수 있다. 다시 말해, 상기한 특정 패턴은 기존 환자들로부터 추출된 정보가 원인이 되며 방사선 치료 후 치료 성적이 결과가 되는 패턴일 수 있다. 제어부(112)는 추출된 특정 패턴을 이용하여 제2 특징 벡터의 형태로 결과값(B1)을 도출하는 치료계획예측모델(M)을 생성할 수 있다.
제어부(112)는 제3 정보(A1)로부터 제3 특징 벡터(313)를 생성할 수 있다. 제어부(112)는 제3 특징 벡터(313)와 전술한 특징 패턴을 이용하여 가장 높은 생존율을 갖게 하는 제2 특징 벡터를 결과값(B1)으로 도출할 수 있다. 다시 말해, 제어부(112)는 치료계획예측모델(M)을 생성한 후 신규 환자에 대한 정보가 입력되면, 가장 높은 생존율을 갖게 하는 방사선 치료계획 정보를 제2 특징 벡터의 형태로 출력할 수 있다.
다른 실시예로서, 제어부(112)는 가장 낮은 부작용을 갖게 하는 제2 특징 벡터를 결과값(B1)으로 도출할 수 있다. 또는, 제어부(112)는 가장 높은 생존율 및 가장 낮은 부작용을 갖게 하는 제2 특징 벡터를 결과값(B1)으로 도출할 수 있다.
한편, 제어부(112)는 전술한 사용자 단말(200)을 통해 수집된 삶의 질 평가 정보를 더 반영하여 치료계획예측모델을 생성할 수 있다. 삶의 질 평가 정보는 치료 중 또는 치료 종료 후 부작용 정보, 기침, 구강 건조, 두통 등 질환별 환자 증상 정보, 통증 정보, 탈모나 피부 반응 정보 등을 포함할 수 있다.
제어부(112)는 제1 정보 내지 제3 정보(A1 내지 A3)를 분류하기 위해 Logistic regression, Decision tree, Nearest-neighbor classifier, Kernel discriminate analysis, Neural network, Support Vector Machine, Random forest, Boosted tree 등의 알고리즘 및/또는 방식(기법)을 사용할 수 있다.
제어부(112)는 치료계획을 예측하기 위해, Linear regression, Regression tree, Kernel regression, Support vector regression, Deep Learning 등의 알고리즘 및/또는 방식(기법)을 사용할 수 있다.
또한 제어부(112)는 벡터의 연산을 위해 Principal component analysis, Non-negative matrix factorization, Independent component analysis, Manifold learning, SVD 등의 알고리즘 및/또는 방식(기법)을 사용할 수 있다.
제어부(112)는 정보들의 그룹화를 위해 k-means, Hierarchical clustering, mean-shift, self-organizing maps(SOMs) 등의 알고리즘 및/또는 방식(기법)을 사용할 수 있다.
제어부(112)는 데이터 비교를 위해 Bipartite cross-matching, n-point correlation two-sample testing, minimum spanning tree 등의 알고리즘 및/또는 방식(기법)을 사용할 수 있다.
다만 전술한 알고리즘 및/또는 방식(기법)은 예시적인 것으로 본 발명의 사상이 이에 한정되는 것은 아니다.
다음, 제어부(112)는 치료계획예측모델(M)을 이용하여 치료 전의 제4 정보(A4)를 갖는 신규 환자의 방사선 치료계획을 결정할 수 있다(S400). 이때, 제4 정보는 제1 정보(A1)에 대응되는 신규 환자의 정보일 수 있다. 다시 말해, 제4 정보(A4)는 신규 환자의 신상정보, 진단 및 검사 정보, 병기 정보, 의료영상정보를 포함할 수 있다. 도 5에 도시된 바와 같이, 제어부(112)는 치료계획예측모델(M)에 신규 환자의 제4 정보(A4)를 입력하고, 가장 높은 생존율을 갖게 하는 제2 특징 벡터를 결과값(B1)으로 도출할 수 있다. 또한, 제어부(112)는 치료계획예측모델(M)을 이용하여 이러한 결과값(B1)을 통해 방사선 치료를 수행하는 경우 예상되는 생존율 또는 부작용 정도를 도출할 수 있다.
다음, 제어부(112)는 제4 정보(A4)와, 신규 환자의 방사선 치료계획에 따라 방사선 치료를 수행한 후 도출되는 결과에 관한 제6 정보(A6)를 제공받을 수 있다(S500). 이때, 신규 환자의 방사선 치료계획 정보는 상기 치료계획예측모델(M)로부터 최초로 도출된 결과값일 수 있으나, 방사선 치료 중 획득한 제5 정보를 이용하여 보정된 결과값일 수 있다. 다시 말해, 방사선 치료는 환자의 자세 불확실성, 치료용적의 변화, 환자 정상조직 및 체형의 변화 등으로 인하여 셋업 오차가 발생할 수 있다. 제어부(112)는 환자의 자세오차 정보를 수집하고, 이러한 자세오차를 반영한 치료계획용적의 여분(PTV margin)을 계산할 수 있다. 제5 정보는 상기한 치료계획용적의 여분이 반영된 정보일 수 있다.
제어부(112)는 상기한 제5 정보와 제4 정보에 차이가 발생하는 경우, 치료계획예측모델(M) 및 제5 정보를 이용하여 방사선 치료계획을 보정할 수 있다. 제어부(112)는 치료 반응 정도에 따라 치료용적 재설정 및 처방선량 변경, 그리고 이를 고려한 방사선 치료계획을 자동으로 생성할 수 있다.
다음 제어부(112)는 신규 환자에 대한 제4 정보 내지 제6 정보(A4 내지 A6)를 데이터베이스로 저장하여, 새로운 데이터로서 치료계획예측모델을 업데이트할 수 있다.
전술한 바와 같이, 본 발명의 실시예들에 따른 지능형 자동 방사선 치료계획 수립방법은 기존에 치료했던 각종 환자 정보를 빅데이터(Big data)화하여 인공지능 알고리즘을 통해 최상의 결과를 도출할 수 있는 방사선 치료계획 예측모델을 생성할 수 있다. 이러한 치료계획예측모델은 새로운 환자의 전산화치료계획 시 적용하여 환자에게 맞는 최상의 치료계획을 생성할 수 있다. 또한, 지능형 자동 방사선 치료계획 수립방법은 치료 중 발생하는 다양한 정보를 토대로 적응방사선치료계획을 자동으로 수립하게 되며, 치료가 종료된 후, 치료 정보와 임상결과가 빅테이터 안으로 입력되어 향상 예측모델이 만들어지는 순환구조(continuous quality improvement)를 가질 수 있다.
한편, 본 발명의 일 실시예에 따른 지능형 자동 방사선 치료계획 수립장치는 제1 정보 내지 제3 정보를 이용하여 인공지능형 체표윤곽 모델을 생성할 수 있다. 이러한 인공지능형 체표윤곽모델은 신규 환자의 방사선 치료계획 시, 해당 환자의 특성과 병기, 치료부위 등을 고려하여 육안적 종양용적 및 임상적 치료용적을 포함하는 치료 용적과, 정상장기를 인공지능으로 자동으로 생성할 수 있다.
이상 설명된 본 발명에 따른 실시예는 컴퓨터 상에서 다양한 구성요소를 통하여 실행될 수 있는 컴퓨터 프로그램의 형태로 구현될 수 있으며, 이와 같은 컴퓨터 프로그램은 컴퓨터로 판독 가능한 매체에 기록될 수 있다. 이때, 매체는 컴퓨터로 실행 가능한 프로그램을 저장하는 것일 수 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다.
한편, 상기 컴퓨터 프로그램은 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 프로그램의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함될 수 있다.
본 발명에서 설명하는 특정 실행들은 일 실시 예들로서, 어떠한 방법으로도 본 발명의 범위를 한정하는 것은 아니다. 명세서의 간결함을 위하여, 종래 전자적인 구성들, 제어 시스템들, 소프트웨어, 상기 시스템들의 다른 기능적인 측면들의 기재는 생략될 수 있다. 또한, 도면에 도시된 구성 요소들 간의 선들의 연결 또는 연결 부재들은 기능적인 연결 및/또는 물리적 또는 회로적 연결들을 예시적으로 나타낸 것으로서, 실제 장치에서는 대체 가능하거나 추가의 다양한 기능적인 연결, 물리적인 연결, 또는 회로 연결들로서 나타내어질 수 있다. 또한, "필수적인", "중요하게" 등과 같이 구체적인 언급이 없다면 본 발명의 적용을 위하여 반드시 필요한 구성 요소가 아닐 수 있다.
따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.
100: 서버
110: 피부 상태 평가 장치
111: 통신부
112: 제어부
113: 메모리
200: 사용자 단말
300: 외부장치
400: 통신망

Claims (11)

  1. 방사선 치료를 수행한 기존 환자들에 관한 신상정보, 진단 및 검사 정보, 병기(病氣)정보, 의료영상정보를 포함하는 제1 정보와, 상기 환자에 관한 방사선 치료에 수행된 방사선량(Dose) 정보 및 방사선 조사 정보를 포함하는 제2 정보와, 상기 제2 정보에 의해 방사선 치료를 진행한 후 도출되는 결과에 관한 제3 정보를 제공받아 데이터베이스에 저장하는 단계;
    상기 제1 정보, 상기 제2 정보 및 제3 정보를 인공지능 기반 상관관계 및 회귀분석을 수행하여 치료계획예측모델을 생성하는 단계;
    상기 치료계획예측모델을 이용하여, 치료 전의 신상정보, 진단 및 검사 정보, 병기(病氣)정보, 의료영상정보를 포함하는 제4 정보를 갖는 신규 환자의 방사선 치료계획을 평가 및 결정하는 단계; 및
    상기 제4 정보와, 상기 신규 환자의 상기 방사선 치료계획에 따라 방사선 치료를 수행한 후 도출되는 결과에 관한 제6 정보를 상기 데이터베이스에 저장하는 단계;를 포함하는, 지능형 자동 방사선 치료계획 수립방법.
  2. 제1 항에 있어서,
    상기 신규 환자의 치료 중 획득한 의료영상정보, 진단 및 검사 정보, 부작용정보를 포함하는 제5 정보를 제공받고, 상기 제4 정보와 상기 제5 정보를 비교한 후 차이가 발생하는 경우, 상기 치료계획예측모델 및 상기 제5 정보를 이용하여 상기 방사선 치료계획을 보정하는 단계; 를 더 포함하고,
    상기 제6 정보는 상기 보정된 방사선 치료계획에 따라 방사선 치료를 수행한 후 도출되는 결과에 관한 정보인, 지능형 자동 방사선 치료계획 수립방법.
  3. 제1 항에 있어서,
    상기 치료계획예측모델을 생성하는 단계는,
    상기 제1 정보로부터 제1 특징 벡터(Characteristic Vector)를 생성하는 단계;
    상기 제2 정보로부터 제2 특징 벡터를 생성하는 단계; 및
    상기 제1 정보 내지 상기 제3 정보 중 서로 다른 인자들을 조합하여 복수의 패턴을 생성하고, 상기 생성된 복수의 패턴에 대한 상관관계 분석 및 회귀분석을 수행하며, 상기 수행된 상관관계 분석 및 회귀분석 결과를 이용하여 상기 복수의 패턴 중 상기 제1 특징 벡터에 대한 특정패턴을 추출하고, 상기 추출된 특정패턴을 이용하여 상기 제2 특징 벡터를 결과값으로 도출하는 치료계획예측모델을 생성하는 단계;를 포함하는, 지능형 자동 방사선 치료계획 수립방법.
  4. 제3 항에 있어서,
    상기 치료계획예측모델을 생성하는 단계는,
    상기 제3 정보로부터 제3 특징 벡터를 생성하고,
    상기 제3 특징 벡터와 상기 특정패턴을 이용하여 상기 제3 정보 중 가장 높은 생존율을 갖게 하는 제2 특징 벡터를 결과값으로 도출하는, 지능형 자동 방사선 치료계획 수립방법.
  5. 방사선 치료를 수행한 기존 환자들에 관한 신상정보, 진단 및 검사 정보, 병기(病氣)정보, 의료영상정보를 포함하는 제1 정보와, 상기 환자에 관한 방사선 치료에 수행된 방사선량(Dose) 정보 및 방사선 선원 정보를 포함하는 제2 정보와, 상기 제2 정보에 의해 방사선 치료를 진행한 후 도출되는 결과에 관한 제3 정보와, 신규 환자에 관한 치료 전의 신상정보, 진단 및 검사 정보, 병기(病氣)정보, 의료영상정보를 포함하는 제4 정보를 수신하는 통신부; 및
    상기 통신부로부터 수신된 상기 제1 정보 내지 상기 제4 정보를 데이터 표준화 포맷에 맞도록 수집하고, 상기 수집된 제1 정보 내지 제3 정보를 이용하여 치료계획예측모델을 생성하며, 상기 생성된 치료계획예측모델과 상기 제4 정보를 기반으로 상기 신규 환자의 방사선 치료계획을 결정하는 제어부;를 포함하는, 지능형 자동 방사선 치료계획시스템.
  6. 제5 항에 있어서,
    상기 통신부는 상기 신규 환자의 치료 중 획득한 의료영상정보, 진단 및 검사 정보, 부작용 정보를 포함하는 제5 정보와, 상기 신규 환자의 상기 방사선 치료계획에 따라 방사선 치료를 수행한 후 도출되는 결과에 관한 제6 정보를 더 수신하는, 지능형 자동 방사선 치료계획시스템.
  7. 제6 항에 있어서,
    상기 제어부는 상기 제4 정보와 상기 제5 정보를 비교한 후 차이가 발생하는 경우, 상기 치료계획예측모델 및 상기 제5 정보를 이용하여 상기 방사선 치료계획을 보정하는, 지능형 자동 방사선 치료계획시스템.
  8. 제7 항에 있어서,
    상기 제6 정보는 상기 보정된 방사선 치료계획에 따라 방사선 치료를 수행한 후 도출되는 결과에 관한 정보인, 지능형 자동 방사선 치료계획시스템.
  9. 제5 항에 있어서,
    상기 제어부는 상기 제1 정보 및 상기 제2 정보로부터 각각 제1 특징 벡터 및 제2 특징 벡터를 생성하고, 상기 제1 정보 내지 상기 제3 정보 중 서로 다른 인자들을 조합하여 복수의 패턴을 생성하고, 상기 생성된 복수의 패턴에 대한 상관관계 분석 및 회귀분석을 수행하며, 상기 수행된 상관관계 분석 및 회귀분석 결과를 이용하여 상기 복수의 패턴 중 상기 제1 특징 벡터에 대한 특정패턴을 추출하고, 상기 추출된 특정패턴을 이용하여 상기 제2 특징 벡터를 결과값으로 도출하는 치료계획예측모델을 생성하는, 지능형 자동 방사선 치료계획시스템.
  10. 제9 항에 있어서,
    상기 제어부는, 상기 제3 정보로부터 제3 특징 벡터를 생성하고, 상기 제3 특징 벡터와 상기 특정패턴을 이용하여 상기 제3 정보 중 가장 높은 생존율을 갖게 하는 제2 특징 벡터를 결과값으로 도출하는, 지능형 자동 방사선 치료계획시스템.
  11. 컴퓨터를 이용하여 제1 항 내지 제4항 중 어느 한 항의 방법을 실행하기 위하여 매체에 저장된 컴퓨터 프로그램.
KR1020180006272A 2018-01-17 2018-01-17 지능형 자동 방사선 치료계획 수립방법 및 시스템 KR101968671B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020180006272A KR101968671B1 (ko) 2018-01-17 2018-01-17 지능형 자동 방사선 치료계획 수립방법 및 시스템
PCT/KR2019/000636 WO2019143120A1 (ko) 2018-01-17 2019-01-16 지능형 자동 방사선 치료계획 수립방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180006272A KR101968671B1 (ko) 2018-01-17 2018-01-17 지능형 자동 방사선 치료계획 수립방법 및 시스템

Publications (1)

Publication Number Publication Date
KR101968671B1 true KR101968671B1 (ko) 2019-04-12

Family

ID=66167620

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180006272A KR101968671B1 (ko) 2018-01-17 2018-01-17 지능형 자동 방사선 치료계획 수립방법 및 시스템

Country Status (2)

Country Link
KR (1) KR101968671B1 (ko)
WO (1) WO2019143120A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200134092A (ko) * 2019-05-21 2020-12-01 사회복지법인 삼성생명공익재단 기계학습을 이용한 호흡연동 방사선 치료 평가 시스템 및 그 방법

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111128340A (zh) * 2019-12-25 2020-05-08 上海联影医疗科技有限公司 放射治疗计划生成设备、装置和存储介质
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

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020016695A1 (en) * 2000-06-01 2002-02-07 Lee Eva K. Automated planning volume contouring algorithm for adjuvant brachytherapy treatment planning in sarcoma
JP2006167117A (ja) * 2004-12-15 2006-06-29 Toshiba Corp 放射線治療管理システム
KR20100086694A (ko) * 2009-01-23 2010-08-02 사회복지법인 삼성생명공익재단 방사선치료 관리 시스템 및 방법
KR20100119103A (ko) * 2009-04-30 2010-11-09 주식회사 서울씨앤제이 방사선 치료정보 저장관리시스템
KR20140009619A (ko) * 2012-07-12 2014-01-23 주식회사 인피니트헬스케어 방사선 치료 계획 장치 및 그 방법

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2507792B (en) * 2012-11-12 2015-07-01 Siemens Plc Combined MRI and radiation therapy system
KR101673931B1 (ko) * 2015-11-10 2016-11-08 한국원자력연구원 방사선 치료 장치

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020016695A1 (en) * 2000-06-01 2002-02-07 Lee Eva K. Automated planning volume contouring algorithm for adjuvant brachytherapy treatment planning in sarcoma
JP2006167117A (ja) * 2004-12-15 2006-06-29 Toshiba Corp 放射線治療管理システム
KR20100086694A (ko) * 2009-01-23 2010-08-02 사회복지법인 삼성생명공익재단 방사선치료 관리 시스템 및 방법
KR20100119103A (ko) * 2009-04-30 2010-11-09 주식회사 서울씨앤제이 방사선 치료정보 저장관리시스템
KR20140009619A (ko) * 2012-07-12 2014-01-23 주식회사 인피니트헬스케어 방사선 치료 계획 장치 및 그 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200134092A (ko) * 2019-05-21 2020-12-01 사회복지법인 삼성생명공익재단 기계학습을 이용한 호흡연동 방사선 치료 평가 시스템 및 그 방법
KR102273862B1 (ko) * 2019-05-21 2021-07-06 사회복지법인 삼성생명공익재단 기계학습을 이용한 호흡연동 방사선 치료 평가 시스템 및 그 방법

Also Published As

Publication number Publication date
WO2019143120A1 (ko) 2019-07-25

Similar Documents

Publication Publication Date Title
US10765888B2 (en) System and method for automatic treatment planning
US11944463B2 (en) Pseudo-CT generation from MR data using a feature regression model
US11557390B2 (en) Radiotherapy treatment plan modeling using generative adversarial networks
CN109069858B (zh) 一种放射治疗系统及计算机可读存储装置
CN108778416B (zh) 使用组织参数估计根据mr数据的伪ct生成的系统、方法和介质
RU2696428C2 (ru) Система и способ отслеживания целевого объекта с использованием показателя качества во время лучевой терапии
US20130251099A1 (en) Method and system for automatic patient identification
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
CN108367161A (zh) 放疗系统、数据处理方法及存储介质
JP2010051811A (ja) 照射プラン選択のための方法および装置並びに照射システム
KR101968671B1 (ko) 지능형 자동 방사선 치료계획 수립방법 및 시스템
EP3503971A1 (en) Medical image processing apparatus, treatment system, and medical image processing program
CN115666717A (zh) 用于导出和利用虚拟体积结构来预测在实施治疗的放射时的潜在碰撞的方法和装置
KR102098254B1 (ko) 방사선 피부염 평가시스템 및 이를 이용한 평가방법
CN116832348A (zh) 一种放疗信息数据的控制方法、系统及装置
US10799720B2 (en) Determining an irradiation region for radiotherapy based on model patient data and patient image data
Reijtenbagh et al. Multi-center dosimetric predictions to improve plan quality for brachytherapy for cervical cancer treatment
CN113631223A (zh) 确定放射疗法后的血液学毒性风险
CN117238484B (zh) 智能化诊疗装置、电子设备及存储介质
Oria Proton radiography for in vivo range verification in adaptive proton therapy
GUIDI et al. N. MAFFEI, G. GUIDI, C. VECCHI, G. BALDAZZI

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant