计算放射剂量的方法、装置、计算机设备及可读存储介质制造方法及图纸

本申请涉及一种计算放射剂量的方法、装置、计算机设备及可读存储介质。上述方法包括：针对同一个训练放射例，采用第一算法计算出放射剂量的快速计算值，采用第二算法计算出放射剂量的参考计算值；利用多个训练放射例的快速计算值和参考计算值训练神经网络，以得到误差修正神经网络模型；采用第一算法计算出当前放射例的放射剂量的待修正计算值后，利用误差修正神经网络模型对待修正计算值进行修正。上述方法分别采用两种算法对多个放射例进行剂量计算，得到训练数据以训练出误差修正神经网络模型，在之后的放射治疗中，通过此神经网络模型对第一算法的计算结果进行修正，从而使放射剂量的计算即能实现第一算法的速度，又能接近第二算法的精度。

Methods, devices, computer equipment and readable storage media for the calculation of radiation dose

The application relates to a method, a device, a computer device, and a readable storage medium for calculating the radiation dose. The method includes: for the same training were calculated for fast calculation of radiation, radiation dose values using the first algorithm to calculate the radiation dose calculated by reference second algorithm; using fast calculation of multiple training cases of radiation values and the reference values obtained by training the neural network, the neural network model of error correction is calculated; the radiation dose of radiation were calculated using the first algorithm to be amended after the use of error correction model of neural network to correct calculated correction. The method uses two algorithms for multiple dose calculation of radiation were obtained, the training data to train the neural network error correction model, after the radiotherapy, modified by the neural network model for calculation of the first algorithm, so that the calculation of radiation dose to achieve the first algorithm, and the accuracy of the algorithm can reach second.

【技术实现步骤摘要】
计算放射剂量的方法、装置、计算机设备及可读存储介质
本申请涉及放射医学领域，特别是涉及一种计算放射剂量的方法、装置、计算机设备及可读存储介质。
技术介绍
放射治疗是一种常用的肿瘤治疗手段，放射剂量的计算在放射医学中占有非常重要的地位，放射剂量不足易导致肿瘤复发，放射剂量过多又常引起放射损伤，为保证放射治疗的疗效，通常计算放射剂量的精确度需要控制在5％以内，快速准确的计算放射剂量是放射医学重要的发展方向。传统的计算放射剂量的方法包括笔形束(PencilBeam)、卷积(ConeConverlution)和蒙特卡罗(MonteCarlo)，其中笔形束算法和卷积算法是基于解析方法或经验方法，计算速度快，但由于人体内部射线散射及次级辐射过程的复杂性等原因，或者受到射线传输中电子失衡等物理过程的影响，导致利用卷积和笔形束算法计算放射剂量精度较差，特别是在密度不均匀的组织中和靠近不同组织分界面附近，计算精度误差甚至可达11％～32％。而蒙特卡罗算法是基于统计模拟方法，通过随机模拟大量粒子与物质相互作用的物理全过程，可以准确计算射束与介质作用后的能量沉积，反映了最真实的剂量分布，计算精度误差可以小于1％，计算结果相对精确，但计算过程复杂且速度较慢，所以通常被用于模拟验证，极少在临床中使用。
技术实现思路
基于此，有必要针对上述技术问题，提供一种计算放射剂量的方法、装置、计算机设备及可读存储介质，不仅能够保证较高的计算精度。同时又可以达到较快的计算速度。一种计算放射剂量的方法，包括：针对同一个训练放射例，采用第一算法计算出所述训练放射例的放射剂量的快速计算值，采用第二算法计算出该训练放射例的放射剂量的参考计算值；利用多个所述训练放射例的快速计算值和参考计算值训练神经网络，以得到误差修正神经网络模型；采用所述第一算法计算出当前放射例的放射剂量的待修正计算值后，利用所述误差修正神经网络模型对所述待修正计算值进行修正。上述计算放射剂量的方法，分别采用第一算法例如笔形束算法和第二算法例如蒙特卡罗算法对多个放射例进行放射剂量计算，得到大量训练数据以训练出放射剂量计算误差修正的神经网络模型，之后在实际的放射治疗中，通过此神经网络模型对第一算法计算的放射剂量结果进行误差修正，从而使放射剂量的计算即能实现第一算法的速度，又能达到接近第二算法的精度。在其中一个实施例中，所述利用多个所述训练放射例的快速计算值和参考计算值训练神经网络，以得到误差修正神经网络模型,包括：创建所述神经网络；以所述快速计算值作为所述神经网络的输入，获取所述神经网络的输出误差值；判断所述神经网络的输出误差值是否均小于预设值；在所述神经网络的输出误差值中存在输出误差值大于或等于所述预设值的情况下，调整所述神经网络，并以所述快速计算值作为调整后的神经网络的输入，获取所述调整后的神经网络的输出误差值并重新判断调整后的神经网络的输出误差值是否均小于所述预设值；在所述神经网络的输出误差值均小于所述预设值情况下，将所述神经网络保存为所述误差修正神经网络模型。在其中一个实施例中，所述采用所述第一算法计算出当前放射例的放射剂量的待修正计算值后，利用所述误差修正神经网络模型对所述待修正计算值进行修正，包括：将所述待修正计算值输入到所述误差修正神经网络模型，以获取放射剂量计算的修正值；将所述修正值与所述待修正计算值相加，以得到最终的放射剂量值。在其中一个实施例中，在基于同一放射例的情况下，采用所述第一算法计算出所述快速计算值所消耗的时间小于采用所述第二算法计算出所述参考计算值所消耗的时间；以及相对于所述放射例的实际放射剂量，所述快速计算值的误差大于所述参考计算值的误差。在其中一个实施例中，所述第一算法是笔形束算法，所述第二算法是蒙特卡罗算法。一种计算放射剂量的装置，包括：训练计算模块，用于在针对同一个训练放射例时，采用第一算法计算出所述训练放射例的放射剂量的快速计算值，采用第二算法计算出该训练放射例的放射剂量的参考计算值；模型训练模块，用于利用多个所述训练放射例的快速计算值和参考计算值训练神经网络，以得到误差修正神经网络模型；结果修正模块，用于采用所述第一算法计算出当前放射例的放射剂量的待修正计算值后，利用所述误差修正神经网络模型对所述待修正计算值进行修正。上述计算放射剂量的装置，分别采用第一算法例如笔形束算法和第二算法例如蒙特卡罗算法对多个放射例进行放射剂量计算，得到大量训练数据以训练出放射剂量计算误差修正的神经网络模型，之后在实际的放射治疗中，通过此神经网络模型对第一算法计算的放射剂量结果进行误差修正，从而使放射剂量的计算即能实现第一算法的速度，又能达到接近第二算法的精度。在其中一个实施例中，所述模型训练模块包括：网络创建单元，用于创建所述神经网络；误差计算单元，用于以所述快速计算值作为所述神经网络的输入，获取所述神经网络的输出误差值；误差判断单元，用于判断所述神经网络的输出误差值是否均小于预设值；网络调整单元，用于在所述神经网络的输出误差值中存在输出误差值大于或等于所述预设值的情况下，调整所述神经网络；模型保存单元，用于在所述神经网络的输出误差值均小于所述预设值情况下，将所述神经网络保存为所述误差修正神经网络模型；其中，所述误差计算单元还用于在网络调整单元调整所述神经网络后，以所述快速计算值作为调整后的神经网络的输入，重新获取所述调整后的神经网络的输出误差值。在其中一个实施例中，所述结果修正模块包括：修正获取单元，用于将所述待修正计算值输入到所述误差修正神经网络模型，以获取放射剂量计算的修正值；修正叠加单元，用于将所述修正值与所述待修正计算值相加，以得到最终的放射剂量值。在其中一个实施例中，在基于同一放射例的情况下，所述训练计算模块采用所述第一算法计算出所述快速计算值所消耗的时间小于采用所述第二算法计算出所述参考计算值所消耗的时间；其中，相对于所述放射例的实际放射剂量，所述快速计算值的误差大于所述参考计算值的误差。在其中一个实施例中，所述第一算法是笔形束算法，所述第二算法是蒙特卡罗算法。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，所述处理器执行所述程序时实现上述任意一项方法的步骤。一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一一项所述方法的步骤。附图说明图1为一个实施例中计算放射剂量的方法的流程示意图；图2为一个实施例中计算放射剂量的方法的步骤S14的流程示意图；图3为一个实施例中计算放射剂量的方法的步骤S16的流程示意图；图4为一个实施例中计算放射剂量的装置的结构示意图；图5为一个实施例中计算放射剂量的装置中的模型训练模块的结构示意图；图6为一个实施例中计算放射剂量的装置中的结果修正模块的结构示意图；图7为一个实施例中计算放射剂量的方法的具体流程示意图。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，此处所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。图1为一个实施例中的示意图，如图1所示，一种计算放射剂量的方法，包括以下步骤：步骤S12：针对同一个训练放射例，采用第一算法计算出训练放射例的放射剂量的快速计算值，采本文档来自技高网...

【技术保护点】
一种计算放射剂量的方法，其特征在于，包括：针对同一个训练放射例，采用第一算法计算出所述训练放射例的放射剂量的快速计算值，采用第二算法计算出该训练放射例的放射剂量的参考计算值；利用多个所述训练放射例的快速计算值和参考计算值训练神经网络，以得到误差修正神经网络模型；采用所述第一算法计算出当前放射例的放射剂量的待修正计算值后，利用所述误差修正神经网络模型对所述待修正计算值进行修正。

【技术特征摘要】
1.一种计算放射剂量的方法，其特征在于，包括：针对同一个训练放射例，采用第一算法计算出所述训练放射例的放射剂量的快速计算值，采用第二算法计算出该训练放射例的放射剂量的参考计算值；利用多个所述训练放射例的快速计算值和参考计算值训练神经网络，以得到误差修正神经网络模型；采用所述第一算法计算出当前放射例的放射剂量的待修正计算值后，利用所述误差修正神经网络模型对所述待修正计算值进行修正。2.根据权利要求1所述的方法，其特征在于，所述利用多个所述训练放射例的快速计算值和参考计算值训练神经网络，以得到误差修正神经网络模型,包括：创建所述神经网络；以所述快速计算值作为所述神经网络的输入，获取所述神经网络的输出误差值；判断所述神经网络的输出误差值是否均小于预设值；在所述神经网络的输出误差值中存在输出误差值大于或等于所述预设值的情况下，调整所述神经网络，并以所述快速计算值作为调整后的神经网络的输入，获取所述调整后的神经网络的输出误差值并重新判断调整后的神经网络的输出误差值是否均小于所述预设值；在所述神经网络的输出误差值均小于所述预设值情况下，将所述神经网络保存为所述误差修正神经网络模型。3.根据权利要求1所述的方法，其特征在于，所述采用所述第一算法计算出当前放射例的放射剂量的待修正计算值后，利用所述误差修正神经网络模型对所述待修正计算值进行修正，包括：将所述待修正计算值输入到所述误差修正神经网络模型，以获取放射剂量计算的修正值；将所述修正值与所述待修正计算值相加，以得到最终的放射剂量值。4.根据权利要求1～3中任意一项所述的方法，其特征在于，在基于同一放射例的情况下，采用所述第一算法计算出所述快速计算值所消耗的时间小于采用所述第二算法计算出所述参考计算值所消耗的时间；以及相对于所述放射例的实际放射剂量，所述快速计算值的误差大于所述参考计算值的误差。5.根据权利要求4所述的方法，其特征在于，所述第一算法为笔形束算法，所述第二算法为蒙特卡罗算法。6.一种计算放射剂量的装置，其特征在于，包括：训练计算模块，用于在针对同一个训练放射例时，采用第一算法计算出所述训练放射例的放射剂量的快速计算值，采用第二算法计算...

【专利技术属性】
技术研发人员：周强强，
申请(专利权)人：上海联影医疗科技有限公司，
类型：发明
国别省市：上海,31