放疗验证计划剂量生成方法、系统、电子设备及存储介质技术方案

本发明专利技术公开了一种放疗验证计划剂量生成方法、系统、电子设备及存储介质，用以解决现有放疗验证计划进行蒙特卡罗剂量计算时效率低的问题。方法包括获取病例验证计划数据集，通过数据解析获得计划射野的投影图信息；将所述病例验证计划数据集对应的模体CT图像数据、模体轮廓结构数据、投影图信息作为深度学习模型的输入数据，剂量分布图作为深度学习模型的输出，对深度学习模型进行训练，直到获得剂量计算网络模型；使用所述剂量计算网络模型对待计算病例信息进行剂量计算，能够快速生成患者验证计划的剂量，提高了计划验证的准确性；通过深度学习模型自动计算剂量，减少了人为因素的干扰，降低了错误率，提高了工作效率。提高了工作效率。提高了工作效率。

【技术实现步骤摘要】
放疗验证计划剂量生成方法、系统、电子设备及存储介质


[0001]本专利技术属于放射治疗剂量计算
，具体涉及放疗验证计划剂量生成方法、系统、电子设备及存储介质。

技术介绍

[0002]随着计算机和自动控制技术的进步，放射治疗技术越来越复杂，对剂量验证的要求也在不断提高。剂量验证是放疗过程中的一项关键安全管理措施。通过对计划剂量和实际测量剂量进行验证，可以及时发现和纠正治疗计划中潜在的错误或偏差。这有助于降低治疗中的风险，并确保患者在接受放疗时获得最大的安全保障。
[0003]目前临床放射治疗常用的剂量验证方式之一是使用探测器阵列。这种方法的基本过程是将治疗计划中患者的CT图像换为探测器阵列模体的CT图像，并进行剂量的重新计算。随后，使用治疗计划在加速器上对探测器阵列进行照射，模体阵列中的探测器能测量特定空间范围的剂量分布，并将其与计算得到的剂量分布进行比较，以确定计划能否通过验证。
[0004]通常剂量计算都是在各种计划系统中完成，不同的计划系统使用的算法不同。目前临床常用的剂量算法有：卷积类算法，优点是计算速度快，但是在非均匀组织和表面等边界位置计算误差偏大；蒙特卡罗（Monte Carlo）算法，这是一种模拟粒子传输的高精度算法，可以考虑各种物理过程和材料的异质性，然而这种方法需要大量的计算资源和时间；类蒙特卡罗算法，此类方法的计算精度和计算效率介于卷积类算法和蒙特卡罗算法之间。
[0005]不同的剂量计算算法在计算精度、计算速度和适用范围上存在差异。剂量计算精度对剂量验证的结果有重要影响。此外，大的医疗中心会有多个不同厂家型号的加速器治疗机，相应的可能会有多个不同的计划系统，每个计划系统使用不同的剂量计算算法。在进行放疗计划验证工作时需要验证计划，生成验证计划剂量时仍然需要大量的手工操作。目前，放疗计划的剂量验证特别需要一种计算速度快、精度高、自动化程度高的剂量计算方法。

技术实现思路

[0006]本专利技术的目的是提供放疗验证计划剂量生成方法、系统、电子设备及存储介质，用以解决现有放疗验证计划进行蒙特卡罗剂量计算时效率低的问题。
[0007]为了实现上述目的，本专利技术采用以下技术方案：本专利技术第一方面提供了一种放疗验证计划剂量生成方法，包括以下步骤：获取病例计划数据集，所述病例计划数据集包括若干份病例的放疗验证计划数据；所述放疗验证计划数据包括病例的模体CT图像数据、验证计划射野数据和模体轮廓结构数据；采用蒙特卡罗方法对所述放疗验证计划数据进行计算，获得体素上的剂量分布图；
对验证计划射野数据进行数据解析，所述验证计划包括多个射野，每个射野有多个子野；数据解析包括：提取每个射野中每个子野的MLC位置信息，将每个射野的全部子野MLC位置信息进行通量图转化，得到每个射野的通量图信息，再将所述通量图信息转化为体素中的投影图信息；选择深度学习模型，将所述模体CT图像数据、模体轮廓结构数据、投影图信息作为深度学习模型的输入数据，蒙特卡罗计算得到的体素上的剂量分布图作为深度学习模型的输出，对深度学习模型进行训练，直到获得剂量计算网络模型；获取待计算病例信息，使用所述剂量计算网络模型对待计算病例信息进行剂量计算，以便获得验证计划在模体上的剂量分布信息。
[0008]在一种可能设计中，通量图信息转化为投影图信息时，验证模体的每个体素点的投影赋值的大小定义为：其中，D
i
表示第i点体素的投影赋值，d
i
表述第i点体素到射线源的距离，F
ij
表示第i点体素和射线源连线与通量图交点j对应的通量图值。
[0009]在一种可能设计中，所述的深度学习网络模型是三维的Res
‑
Unet模型、Vgg
‑
Unet模型、Trans
‑
Unet模型或UNeXt模型。
[0010]在一种可能设计中，输出验证计划在模体上的剂量分布的方法还包括；将剂量分布信息转化为所需空间分辨率的三维矩阵，并将所述三维矩阵以预设格式进行导出。
[0011]本专利技术第二方面提供了一种放疗验证计划的自动剂量计算系统，数据获取模块，用于获取病例计划数据集，所述病例计划数据集包括若干份病例的放疗验证计划数据；所述放疗验证计划数据包括病例的模体CT图像数据、验证计划射野数据和模体轮廓结构数据；并将放疗验证计划数据传给第一计算模块，将验证计划射野数据传给数据解析模块；将所述模体CT图像数据和模体轮廓结构数据传给模型训练模块；第一计算模块，用于接收数据获取模块传来的放疗验证计划数据，采用蒙特卡罗方法对所述放疗验证计划数据进行计算，获得体素上的剂量分布图；并将所述体素上的剂量分布图传给模型训练模块；数据解析模块，用于接收所述数据获取模块传来的验证计划射野数据，并对验证计划射野数据进行数据解析，所述验证计划包括多个射野，每个射野有多个子野；数据解析包括：提取每个射野中每个子野的MLC位置信息，将每个射野的全部子野MLC位置信息进行通量图转化，得到每个射野的通量图信息，再将所述通量图转化为体素中的投影图信息；并将所述投影图信息传给模型训练模块；模型训练模块，用于接收所述数据获取模块传来的模体CT图像数据和模体轮廓结构数据，接收所述第一计算模块传来的体素上的剂量分布，接收所述数据解析模块传来的投影图信息，然后将所述模体CT图像数据、模体轮廓结构数据、投影图信息作为深度学习模型的输入数据，蒙特卡罗计算得到体素上的剂量分布图作为深度学习模型的输出，对深度学习模型进行训练，直到获得剂量计算网络模型；剂量计算模块，用于获取待计算病例信息，使用所述模型训练模块获得的剂量计
算网络模型对所述待计算病例信息进行剂量计算，以便获得验证计划在模体上的剂量分布信息。
[0012]在一种可能设计中，还包括剂量输出模块，所述剂量计算模块还将获得的验证计划在模体上的剂量分布信息传给剂量输出模块；所述剂量输出模块用于将剂量分布信息转化为所需空间分辨率的三维矩阵，并将所述三维矩阵以预设格式进行导出。
[0013]本专利技术第三方面提供一种电子设备，包括存储器和处理器，所述存储器与处理器之间通过总线相互连接；所述存储器存储计算机执行指令；所述处理器执行存储器存储的计算机执行指令，使得处理器执行如第一方面或第一方面中任意一项可能的设计中所述的放疗验证计划剂量生成方法。
[0014]本专利技术第四方面提供一种存储介质，所述存储介质上存储有指令，当所述指令在计算机上运行时，执行如第一方面或第一方面中任意一项可能的设计中所述的放疗验证计划剂量生成方法。
[0015]有益效果：本专利技术通过建立剂量计算网络模型，能够快速生成患者验证计划的剂量，提高了计划验证的准确性；通过深度学习模型自动计算剂量，减少了人为因素的干扰，降低了错误率，减少了医护人员的工作量，提高了工作效率；本专利技术可以对不同计划系统的验证计划进行统一计算和数据管理，方便后续的数据分析和研究。
附图说明
[0016]图1为本专利技术实施例所述的放疗验证计划剂量生成方法的流程图示意本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种放疗验证计划剂量生成方法，其特征在于，包括以下步骤：获取病例计划数据集，所述病例计划数据集包括若干份病例的放疗验证计划数据；所述放疗验证计划数据包括病例的模体CT图像数据、验证计划射野数据和模体轮廓结构数据；采用蒙特卡罗方法对所述放疗验证计划数据进行计算，获得体素上的剂量分布图；对验证计划射野数据进行数据解析，所述验证计划射野数据包括多个射野，每个射野有多个子野；对验证计划射野数据进行数据解析包括：提取每个射野中每个子野的MLC位置信息，对每个射野的全部子野MLC位置信息进行通量图转化，得到每个射野的通量图信息，再将所述通量图信息转化为体素中的投影图信息；选择深度学习模型，将所述模体CT图像数据、模体轮廓结构数据、投影图信息作为深度学习模型的输入数据，蒙特卡罗计算得到的体素上的剂量分布图作为深度学习模型的输出，以对深度学习模型进行训练，直到获得剂量计算网络模型；获取待计算病例信息，使用所述剂量计算网络模型对待计算病例信息进行剂量计算，以便获得验证计划在模体上的剂量分布信息，然后输出验证计划在模体上的剂量分布信息。2.根据权利要求1所述的放疗验证计划剂量生成方法，其特征在于，通量图信息转化为体素中的投影图信息时，是对相应验证模体的每个体素点进行投影赋值，投影赋值的大小定义为：其中，D
i
表示第i点体素的投影赋值，d
i
表述第i点体素到射线源的距离，F
ij
表示第i点体素和射线源连线与通量图交点j对应的通量图值。3.根据权利要求1所述的放疗验证计划剂量生成方法，其特征在于，所述的深度学习网络模型是三维的Res
‑
Unet模型、Vgg
‑
Unet模型、Trans
‑
Unet模型或UNeXt模型。4.根据权利要求1所述的放疗验证计划剂量生成方法，其特征在于，输出验证计划在模体上的剂量分布的方法还包括；将剂量分布信息转化为所需空间分辨率的三维矩阵，并将所述三维矩阵以预设格式进行导出。5.一种放疗验证计划的自动剂量计算系统，其特征在于，数据获取模块，用于获取病例计划数据集，所述病例计划数据集包括若干份病例的放疗验证计划数据；所述放疗验...

【专利技术属性】
技术研发人员：苗俊杰，
申请(专利权)人：中国医学科学院肿瘤医院，
类型：发明
国别省市：