【技术实现步骤摘要】
【国外来华专利技术】使用深度卷积网络的放射疗法计划优先权要求本申请要求于2017年7月26日提交的美国申请序列号15,658,484的优先权的权益,其全部内容通过引用并入本文中。
本专利技术的实施方式一般地涉及确定放射疗法治疗系统中的机器参数。特别地,本专利技术涉及使用深度学习技术来确定放射疗法系统中的用于治疗计划的机器参数。
技术介绍
放射疗法或“放射治疗”可以用于治疗哺乳动物(例如,人和动物)组织中的癌症或其他疾病。一种这样的放射治疗技术是伽马刀,通过伽马刀,患者受到大量低强度伽马射线的辐照,其中伽马射线以高强度和高精度会聚在靶(例如,肿瘤)处。在另一实施方式中,使用线性加速器提供放射治疗,由此肿瘤受到高能粒子(例如,电子、质子、离子、高能光子等)的辐照。放射束的定位和剂量必须被精确地控制,以确保肿瘤接收处方的辐射,并且束的定位应当为使得对周围健康组织——通常被称为危及器官(OAR)——的损伤最小化。辐射被称为“处方的”,原因是医师给肿瘤和周围器官开了类似于药物处方的预定量的辐射。通常,准直束形式的电离辐射从外部辐射源朝向患者定向。可以使用指定的或可选择的束能量例如用于实施诊断能级范围或治疗能级范围。放射束的调制可以由一个或更多个衰减器或准直器(例如多叶准直器)提供。可以通过准直来调节放射束的强度和形状,以通过使投射的束与靶向组织的轮廓共形来避免损伤与靶向组织相邻的健康组织(例如,危及器官)。治疗计划过程可以包括使用患者的三维图像来识别靶区(例如,肿瘤)以及识别肿瘤附近的关键器官。治疗计划的创建可能是 ...
【技术保护点】
1.一种用于训练深度卷积神经网络以提供患者放射治疗计划的方法,所述方法包括:/n从一组患者收集患者数据,所述患者数据包括患者解剖结构的至少一个图像和先前的治疗计划,其中,所述治疗计划包括预定的机器参数;以及/n通过使用所述先前的治疗计划和相应的收集的患者数据训练深度卷积神经网络以进行回归,来确定新治疗计划。/n
【技术特征摘要】
【国外来华专利技术】20170725 US 15/658,4841.一种用于训练深度卷积神经网络以提供患者放射治疗计划的方法,所述方法包括:
从一组患者收集患者数据,所述患者数据包括患者解剖结构的至少一个图像和先前的治疗计划,其中,所述治疗计划包括预定的机器参数;以及
通过使用所述先前的治疗计划和相应的收集的患者数据训练深度卷积神经网络以进行回归,来确定新治疗计划。
2.根据权利要求1所述的方法,其中,所述新治疗计划包括预测的机器参数。
3.根据权利要求1所述的方法,还包括通过调节所述深度卷积神经网络的一个或多个参数以最小化成本函数来训练所述深度卷积神经网络,所述成本函数包括预定的机器参数集与预测的机器参数集之间的差。
4.根据权利要求1至3中任一项所述的方法,其中,所述预定的机器参数包括台架角度、多叶准直器叶片位置或放射疗法束强度中的至少一个。
5.根据权利要求2至4中任一项所述的方法,其中,所述预测的机器参数包括台架角度、多叶准直器叶片位置或放射疗法束强度中的至少一个。
6.根据权利要求1至5中任一项所述的方法,还包括:从一组患者中的每个患者收集包括至少一个有符号距离图的患者数据。
7.根据权利要求1至6中任一项所述的方法,其中,所述患者解剖结构的所述至少一个图像包括来自患者的计划CT图像、解剖结构标签图、确定目标距离如有符号距离图中的至少一个。
8.一种使用深度卷积神经网络来提供放射治疗计划的方法,所述方法包括:
取得先前对来自一组患者的患者数据进行训练的经训练的深度卷积神经网络;
收集新的患者数据,其中,所述新的患者数据包括患者解剖结构的至少一个图像;以及
通过使用所述经训练的深度卷积神经网络进行回归,确定所述新的患者的新治疗计划,其中,所述新治疗计划具有新的机器参数集。
9.根据权利要求8所述的方法,其中,所述经训练的深度卷积神经网络可以提供包括所述机器参数集的新治疗计划,其中,所述机器参数集包括台架角度、多叶准直器叶片位置、或放射疗法束强度中的至少一个。
10.根据权利要求8或9中任一项所述的方法,其中,所述新治疗计划实时创建。
11.根据权利要求9所述的方法,其中,所述新治疗计划在放射疗法治疗期间实时创建。
12.一种放射疗法治疗系统,包括:
图像采集装置,所述图像采集装置收集包括患者解剖结构的至少一个图像的患者数据;
放射疗法装置,所述放射疗法装置对患者实施放射疗法;
非暂态机器可读介质,所述非暂态机器可读介质存储经训练的深度卷积神经网络和放射疗法的治疗计划;
处理器,所述处理器通过使用经训练的深度卷积...
【专利技术属性】
技术研发人员:林登·斯坦利·希巴德,
申请(专利权)人:医科达有限公司,
类型:发明
国别省市:美国;US
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。