一种基于学习模型智能预测放疗中射野参数的方法和系统技术方案

本发明专利技术公开了一种基于学习模型智能预测放疗中射野参数的方法和系统，该方法包括以下步骤：S10、构建并训练得到神经网络的学习模型；S20、根据研究对象的原始图像及勾画后的解剖结构信息提取输入特征；S30、将输入特征导入学习模型，通过学习模型得到角度预测信息；S40、根据预测得到的角度，计算出每个角度对应的钨门大小及射野形状；以及S50、将预测得到射野角度及计算出的钨门大小、射野形状输出。本发明专利技术中预测得到的射野参数可以直接供放疗物理师计划设计时使用，从而避免了物理师手动反复调正带来的麻烦，省时省力，为提高物理师的工作效率提供了帮助。

A Method and System for Intelligent Prediction of Field Parameters in Radiotherapy Based on Learning Model

The invention discloses a method and system for intelligent prediction of field parameters in radiotherapy based on learning model, which includes the following steps: S10, building and training a learning model of neural network; S20, extracting input features according to the original image of the object of study and the anatomical structure information after sketching; S30, introducing input features into learning model, and obtaining angles through learning model. Prediction information; S40, according to the predicted angle, calculate the size of tungsten gate and the shape of the firing field corresponding to each angle; and S50, the predicted angle of the firing field, the calculated size of the tungsten gate and the output of the firing field shape. The predicted field parameters in the invention can be directly used in the planning and design of radiotherapy physicists, thereby avoiding the trouble caused by repeated manual adjustment by physicists, saving time and effort, and providing help for improving the work efficiency of physicists.

【技术实现步骤摘要】
一种基于学习模型智能预测放疗中射野参数的方法和系统
本专利技术涉及一种基于学习模型智能预测放疗中射野参数的系统，通过该系统可以根据医生勾画好的病人图像，智能化地预测放疗计划中照射野的参数。
技术介绍
放射治疗的目的是保护危及器官的同时，给靶区即肿瘤组织致死剂量。为了实现这个目标需要制定最优的放疗方案。放疗方案的制定过程是计划设计者为了满足治疗的目标，根据自己的经验选择射野方向、射野权重、射野大小等射野参数，利用优化算法或者凭经验确定每个射野的照射强度或附件，然后模拟计算出病人体内的剂量分布，并对计划进行评估。如果不满足要求，则需要对射野参数进行调整，反复进行，直到满足治疗要求。射野方向作为放疗计划制定的重要参数，需要凭经验进行不断地尝试，费时费力。为了提高放疗计划设计的效率，需要发展快速的最优射野方向确定方法。
技术实现思路
本专利技术的目的在于提供一种基于学习模型智能预测放射中射野参数的方法，以快速准确地预测射野参数，以避免凭借经验进行射野方向确定需要反复调整且不能保证最优的问题。本专利技术的目的在于提供一种基于学习模型智能预测放射中射野参数的系统，以快速准确地预测射野参数，以避免凭借经验进行射野方向确定需要反复调整且不能保证最优的问题。为此，本专利技术一方面提供了一种基于学习模型智能预测放疗中射野参数的方法，包括以下步骤：S10、构建并训练得到神经网络的学习模型，其中，所述学习模型的输入特征包括肿瘤靶区体积V、各危及器官中心与靶区中心连线在治疗坐标系下的角度，各危及器官以靶区中心为中心在治疗坐标系的最大角、最小角，各危及器官到肿瘤靶区的最大距离、最小距离；所述学习模型的输出层为针对放射治疗需要选择的射野角度；S20、根据研究对象的原始图像及勾画后的解剖结构信息提取输入特征；S30、将输入特征导入学习模型，通过学习模型得到角度预测信息；S40、根据预测得到的角度，计算出每个角度对应的钨门大小及射野形状；以及S50、将预测得到射野角度及计算出的钨门大小、射野形状输出。进一步地，针对不同部位的肿瘤单独构建神经网络学习模型。根据本专利技术的另一方面，提供了一种基于学习模型智能预测放射治疗中射野参数的系统，包括输入模块，用于按照放射治疗数据传输标准导入研究对象原始CT图像信息及分割后的肿瘤靶区、危及器官信息；处理模块，用于通过处理输入模块获取的信息提取出学习模型需要的输入特征；以及根据学习模型预测得到的射野角度计算出每个射野角度照射需要的坞门大小，射野形状；学习模块，用于构建基于神经网络的学习模型并通过临床病例样本训练该学习模型，然后根据输入特征预测各射野角度的数值，其中，所述学习模型的输入特征包括肿瘤靶区体积V、各危及器官中心与靶区中心连线在治疗坐标系下的角度，各危及器官以靶区中心为中心在治疗坐标系的最大角、最小角，各危及器官到肿瘤靶区的最大距离、最小距离；所述学习模型的输出层为针对放射治疗需要选择的射野角度；以及输出模块，用于将所有射野角度、各射野角度对应的钨门大小及射野形状打印输出，或直接输出给商用计划系统。在本专利技术中，首先建立射野参数预测的学习模型即神经网络模型，利用大量的临床病例进行模型的训练使得学习模型可以快速准确得预测射野的参数。然后针对新的研究对象，只要输入研究对象的原始图像及医生勾画后的解剖结构信息，该系统即可快速的预测出针对该研究对象的最优射野参数，供放疗计划设计者进行计划优化时使用，避免了凭借经验进行射野方向确定反复调整且不能保证最优的缺陷，不仅提高了放疗计划方案的质量，而且可以提高物理师的工作效率。除了上面所描述的目的、特征和优点之外，本专利技术还有其它的目的、特征和优点。下面将参照图，对本专利技术作进一步详细的说明。附图说明构成本申请的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1是基于学习模型智能预测放疗中射野参数的方法的流程图；图2为用于预测放疗中射野参数的学习模型的结构；以及图3为基于学习模型智能预测放疗中射野参数的系统的架构图。具体实施方式需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本专利技术。本专利技术提供了一种基于学习模型智能预测放疗中射野参数的系统。该系统首先建立射野参数预测的学习模型即神经网络模型，利用大量的临床病例进行模型的训练使得学习模型可以快速准确得预测射野的参数；然后针对新的研究对象(例如患者)只要输入研究对象的原始图像及医生勾画后的解剖结构信息，该系统即可快速的预测出针对该研究对象的最优射野参数，供放疗计划设计者进行计划优化时使用。其中，射野参数包括射野方向、射野对应坞门大小、以及射野形状。如图1所示，本专利技术的基于学习模型智能预测放疗中射野参数的方法包括以下步骤：S10、构建并训练得到神经网络的学习模型。S20、针对当前新的研究对象，根据研究对象的原始图像及勾画后的解剖结构信息提取输入特征。S30、将输入特征以输入向量形式导入学习模型，通过学习模型得到角度预测信息。若预测得到的一组角度中，如果两个角度的间隔大于5则为不同的角度，否则将其合并取两者的平均值为一个角度。例如有两个角度分别为170，174，则用(170+174)/2，即172作为角度值，并将角度个数删掉1个。S40、根据预测得到的角度，自动计算出每个角度对应的钨门大小及射野方向观(即从射野角度的方向看过去)所对应的靶区轮廓信息(即射野形状)。S50、将预测得到射野角度及计算出的钨门大小、射野方向观靶区外轮廓信息(即射野形状)通过该系统的输出模块打印输出，供物理师制定治疗计划时使用或者直接与商用系统计划模块连接，直接输出到商用计划系统。结合参考图2，构建并训练得到神经网络的学习模型的过程如下：首先确定神经网络输入层的输入向量为：肿瘤靶区体积V，各危及器官中心与靶区中心连线在治疗坐标系下的角度，各危及器官以靶区中心为中心在治疗坐标系的最大角、最小角，各危及器官到肿瘤靶区的最大距离，最小距离。比如，针对前列腺病例，勾画的靶区(PTV)，危及器官有直肠、膀胱、左右股骨头。则输入的向量为：PTV的体积，直肠中心与PTV中心连线在治疗坐标系的角度，直肠外轮廓与PTV中心的最大角、最小角，直肠到PTV的最大距离、最小距离，膀胱中心与PTV中心连线在治疗坐标系的角度，膀胱外轮廓与PTV中心的最大角、最小角，膀胱到靶区的最大距离、最小距离，左股骨头中心与PTV中心连线在治疗坐标系的角度，左股骨头外轮廓与PTV中心的最大角、最小角，左股骨头到PTV的最大距离、最小距离，右股骨头中心与PTV中心连线在治疗坐标系的角度，右股骨头外轮廓与PTV中心的最大角、最小角，右股骨头到PTV的最大距离、最小距离。然后确定神经网络的输出层为针对该研究对象放射治疗需要选择的射野方向即射野角度，由于神经网络的输出层信息要确定，而针对每个病例角度个数不一样，因此神经网络的输出选择9个角度(临床采用固定角度一般不超过9)。随后确定神经网络的隐藏层个数及每层的神经元个数，比如隐藏层个数为1，神经元个数为10，选择传递函数为Sigmoid函数，则网络模型确定。最后将收集到的样本病例按照比例分为训练样本集，测试样本集本文档来自技高网...

【技术保护点】
1.一种基于学习模型智能预测放疗中射野参数的方法，其特征在于，包括以下步骤：S10、构建并训练得到神经网络的学习模型，其中，所述学习模型的输入特征包括肿瘤靶区体积V、各危及器官中心与靶区中心连线在治疗坐标系下的角度，各危及器官以靶区中心为中心在治疗坐标系的最大角、最小角，各危及器官到肿瘤靶区的最大距离、最小距离；所述学习模型的输出层为针对放射治疗需要选择的射野角度；S20、根据研究对象的原始图像及勾画后的解剖结构信息提取输入特征；S30、将输入特征导入学习模型，通过学习模型得到角度预测信息；S40、根据预测得到的角度，计算出每个角度对应的钨门大小及射野形状；以及S50、将预测得到射野角度及计算出的钨门大小、射野形状输出。

【技术特征摘要】
1.一种基于学习模型智能预测放疗中射野参数的方法，其特征在于，包括以下步骤：S10、构建并训练得到神经网络的学习模型，其中，所述学习模型的输入特征包括肿瘤靶区体积V、各危及器官中心与靶区中心连线在治疗坐标系下的角度，各危及器官以靶区中心为中心在治疗坐标系的最大角、最小角，各危及器官到肿瘤靶区的最大距离、最小距离；所述学习模型的输出层为针对放射治疗需要选择的射野角度；S20、根据研究对象的原始图像及勾画后的解剖结构信息提取输入特征；S30、将输入特征导入学习模型，通过学习模型得到角度预测信息；S40、根据预测得到的角度，计算出每个角度对应的钨门大小及射野形状；以及S50、将预测得到射野角度及计算出的钨门大小、射野形状输出。2.根据权利要求1所述的基于学习模型智能预测放射治疗中射野参数的方法，其特征在于，针对不同部位的肿瘤单独构建神经网络学习模型。3.一种基于学习...

【专利技术属性】
技术研发人员：曹瑞芬，李国丽，
申请(专利权)人：安徽大学，
类型：发明
国别省市：安徽,34