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; ...
【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...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。