【技术实现步骤摘要】
【国外来华专利技术】使用深度卷积神经网络确定束模型参数优先权本国际申请要求于2017年12月8日提交的美国申请序列号15/836,539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机器的束模型的参数。特别地，本专利技术涉及使用深度学习技术来确定放射机器的束模型参数。
技术实现思路
放射治疗用于治疗哺乳动物(例如人和动物)组织中的癌症和其他疾病。提供了使用线性加速器(LINAC)的示例性放射治疗，由此通过高能粒子(例如，电子、光子、离子等)照射靶(例如肿瘤)。在典型的基于LINAC的放射治疗中，多个放射束从不同角度朝向靶定向。周围的正常组织通常称为危及器官(OAR)。为了防止OAR受到由放射束造成的严重附带损害，应将这些OAR接收的剂量限制在一定水平。在治疗计划期间需要满足对OAR接收的剂量的这种限制(通常称为约束)。治疗计划是一个过程，涉及确定特定的放射治疗参数(例如，放射束角度、每个角度的放射强度水平等)，以在约束条件下实现治疗目标。治疗计划活动的结果是放射治疗...
【技术保护点】
1.一种用于训练深度卷积神经网络模型来提供放射机器的束模型以将放射治疗剂量实施至对象的计算机实现的方法，所述方法包括：/n确定与所述放射机器对应的束模型的至少一个参数的参数值的范围；/n生成多组束模型参数值，其中，相应的一组或更多组束模型参数值包括从所确定的范围的参数值中选择的参数值；/n提供分别与所述多组束模型参数值中的相应各组束模型参数值对应的多个相应剂量分布；以及/n使用所述多个束模型和所述相应剂量分布来训练所述神经网络模型。/n
【技术特征摘要】
【国外来华专利技术】20171208 US 15/836,5391.一种用于训练深度卷积神经网络模型来提供放射机器的束模型以将放射治疗剂量实施至对象的计算机实现的方法，所述方法包括：
确定与所述放射机器对应的束模型的至少一个参数的参数值的范围；
生成多组束模型参数值，其中，相应的一组或更多组束模型参数值包括从所确定的范围的参数值中选择的参数值；
提供分别与所述多组束模型参数值中的相应各组束模型参数值对应的多个相应剂量分布；以及
使用所述多个束模型和所述相应剂量分布来训练所述神经网络模型。
2.根据权利要求1所述的方法，包括使用至少一组束模型参数值和先前从至少一个放射机器收集的相应测量剂量分布来训练所述神经网络模型。
3.根据权利要求1所述的方法，其中，确定至少一个束模型参数的束模型参数值的范围包括确定多个放射机器中的每一个的束模型参数值。
4.根据权利要求1所述的方法，包括测量多个放射机器中的每一个的至少一个剂量分布。
5.根据权利要求4所述的方法，其中，训练所述神经网络模型包括：
将N组所生成的束模型参数值和相应剂量分布提供至所述神经网络模型；以及
将来自M个放射机器的剂量分布和相应的束模型参数提供至所述神经网络模型。
6.根据权利要求1所述的方法，包括从所确定的范围的束模型参数值中随机地或伪随机地选择所述束模型参数值以用于生成所述束模型参数值的组中的至少一个。
7.根据权利要求1所述的方法，其中，使用多个剂量分布生成各组束模型参数值，其中，所述多个相应剂量分布中的各个剂量分布包括随着进入靶样本的深度而变化的相对放射剂量。
8.根据权利要求1所述的方法，其中，确定束模型的至少一个参数的束模型参数值的范围包括确定与从所述放射机器的放射源发射的光子的能量分布有关的多个束模型参数值。
9.根据权利要求8所述的方法，其中，所述束模型参数包括放射源的大小、放射源的位置或放射源的能谱中的至少一个。
10.根据权利要求1所述的方法，其中，确定束模型的至少一个参数的束模型参数值的范围包括确定与从所述放射机器的放射源发射的电子的能量分布有关的多个束模型参数值。
11.一种使用深度卷积神经网络来确定放射机器的束模型的至少一个参数值的计算机实现的方法，所述方法包括：
接收先前使用多组束模型参数值和相应剂量分布训练的训练神经网络模型，所述训练神经网络模型被训练以用于根据一个或更多个测量放射机器剂量分布预测至少一个放射机器束模型参数值；
测量来自所述放射机器的多个剂量分布以将其作为输入提供至所述训练神经网络模型；以及
使用所述训练神经网络模型来确定所述放射机器的一组束模型参数值的至少一个束模型参数值。
12.根据权利要求11所述的方法，包括：根据包括所确定的至少一个束模型参数值的一组束模型参数值计...
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。