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：