【技术实现步骤摘要】
【国外来华专利技术】用于放射疗法的神经网络校准
[0001]本申请总体上涉及将外部训练的神经网络模型校准为在一组放射治疗机处接受治疗的患者的数据分布。
技术介绍
[0002]放射疗法治疗规划(RTTP)是一个复杂的过程,其包含如临床医生、医疗设备制造商、治疗医生等不同医疗专业人员所采用的特定指南、协议和说明。由于放射治疗机所发出的辐射的极端性质,必须严格遵守所有说明。如在RTTP的范畴中所使用的场几何形状是指当患者接受处方规定的放射疗法剂量时放射治疗机的各种属性或设置。例如,开处方的医生可以识别来源位置(例如待治疗的患者器官或待根除的肿瘤)和相应的剂量。此外,其他方(例如临床医生或机器制造商)可以确定机架和卧榻上的患者的定位属性(例如角度),以提供最佳治疗。
[0003]按照惯例,识别和应用实施放射疗法的指南由临床医生/技术人员执行。例如,为患者选择最合适的场几何形状是RTTP的一个方面,该方面已委托给临床医生,其利用自己的主观理解和技能结合各种外部和内部指南来识别每个患者的最佳场几何形状。然而,这种传统的方法可能是低效的。
[0004]例如,作为场几何形状选择的第一步,治疗医生可以识别治疗模式(例如在容积调强放射治疗(VMAT)或调强放射疗法(IMRT)之间进行选择)。然后,治疗医生可以决定优选的是共面治疗还是非共面治疗。然后,治疗医生可以确定用于治疗的射束限制装置角度。在IMRT的情况下,射束传输方向和射束数量是必须确定的特定相关变量,而对于VMAT,技术人员可能需要选择弧的数量及其相应的起始角和结束角。对于这些决定 ...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种方法,包括:通过一个或多个处理器访问基于第一组数据训练的神经网络,所述第一组数据从在一组一个或多个第一放射治疗机处接受治疗的第一组患者的多个特征值中生成;由所述一个或多个处理器使用第二组数据执行所述神经网络以输出一组治疗属性预测,所述第二组数据包括在一组一个或多个第二放射治疗机处接受治疗的第二组患者的多个特征值,所述第二组数据具有指示预期治疗属性预测的对应的多个标签;由所述一个或多个处理器使用所述一组治疗属性预测和指示预期治疗属性预测的所述多个标签来执行校准模型,以输出校准值;由所述一个或多个处理器使用在所述一组一个或多个第二放射治疗机处接受治疗的所述第二组患者中的第一患者的一组特征来执行所述神经网络,以输出与第一治疗属性相关联的第一置信度分数;并且由所述一个或多个处理器根据所述校准值调整所述第一置信度分数,以预测所述第一治疗属性。2.根据权利要求1所述的方法,进一步包括:由所述一个或多个处理器使用在所述一组一个或多个第二放射治疗机处接受治疗的所述第二组患者中的第二患者的一组特征来执行所述神经网络,以输出与第二治疗属性相关联的第二置信度分数,并且根据所述校准值调整所述第二置信度分数,以预测所述第二治疗属性。3.根据权利要求1或2所述的方法,其中预测所述第一治疗属性包括:将调整后的所述第一置信度分数与阈值进行比较,并且响应于确定调整后的所述第一置信度分数超过所述阈值,预测所述第一治疗属性。4.根据权利要求1、2或3所述的方法,进一步包括:由所述一个或多个处理器根据所述第一治疗属性来调整所述一组一个或多个第二放射治疗机中的第二放射治疗机的配置。5.根据权利要求1至4中任一项所述的方法,进一步包括:由所述一个或多个处理器在显示器上呈现调整后的所述第一置信度分数和所述第一治疗属性;由所述一个或多个处理器接收选择所述第一治疗属性的用户输入;并且响应于接收到所述用户输入,由所述一个或多个处理器基于所述第一治疗属性来调整所述一组一个或多个第二放射治疗机中的第二放射治疗机的配置。6.根据权利要求1至5中任一项所述的方法,其中所述神经网络是第一神经网络,并且所述校准值是第一校准值,所述方法进一步包括:由所述一个或多个处理器使用所述第一患者的所述一组特征来执行第二神经网络,以输出第二治疗属性的第二置信度分数;并且由所述一个或多个处理器根据对应于所述第二神经网络的第二校准值来调整与所述第二治疗属性相关联的所述第二置信度分数,所述第二校准值是基于所述第二组数据生成的;其中响应于所述第一置信度分数超过所述第二置信度分数,执行对所述第一治疗属性的预测。
7.根据权利要求1至6中任一项所述的方法,其中所述第一治疗属性是与放射治疗机的卧榻或机架相关联的角度。8.根据权利要求1至7中任一项所述的方法,其中预测所述第一治疗属性包括:由所述一个或多个处理器使用所述第一患者的所述一组特征来执行多个神经网络,以输出多个治疗属性的置信度分数,每个神经网络与不同的校准值相关联;由所述一个或多个处理器根据与相应神经网络相关联的校准值来调整所述多个神经网络中的每个神经网络的所输出的置信度分数;并且由所述一个或多个处理器通过聚合对应于个体治疗属性的调整后的所述置信度分数来预测所述第一治疗属性。9.根据权利要求1至8中任一项所述的方法,进一步包括:由所述一个或多个处理器响应于根据监督学习算法从根据放射治疗机是否基于所预测的治疗属性调整了该放射治疗机的配置而标记的值的训练集中训练所述神经网络,调整所述校准值。10.根据权利要求1至9中任一项所述的方法,其中所述校准模型是机器学习模型或数学优化算法。11.根据权利要求1至10中任一项所述的方法,进一步包括:由所述一个或多个处理器通过使用在所述第二放...
【专利技术属性】
技术研发人员:M,
申请(专利权)人:西门子医疗国际股份有限公司,
类型:发明
国别省市:
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。