用于生成虚拟组织等效物属性的机器学习建模制造技术

技术编号:41883334 阅读:22 留言:0更新日期:2024-07-02 00:38
本文公开了用于预测虚拟组织等效物以生成放射疗法治疗计划的方法和系统,该方法包括:由处理器使用包括与先前执行的放射疗法治疗集合相对应的医学图像集合的训练数据集来训练202机器学习模型,每个医学图像包括至少一个计划靶体积和被添加到医学图像的非解剖学区域;以及由处理器使用不包括在训练数据集内的医学图像来执行204机器学习模型,机器学习模型预测针对不包括在训练数据集中的该医学图像的非解剖学区域的属性。

【技术实现步骤摘要】
【国外来华专利技术】

本申请总体上涉及使用机器学习建模来建议放射疗法治疗过程中的放疗治疗属性,具体地,涉及预测虚拟组织等效物(bolus)属性。


技术介绍

1、放疗(基于放射的疗法)用作通过发射能够杀死细胞或缩小肿瘤的高剂量放射而进行的癌症治疗。意图接收放射的患者解剖学结构的目标区域(例如,肿瘤)被称为计划靶体积(planning target volume,ptv)。由于从放射疗法机器发射的放射的极端性质,必须精确地计算和遵循治疗计划。治疗计划的目标是允许放疗机向ptv输送足够的放射以杀死癌细胞。然而,该目标必须与损伤或伤害属于邻近或围绕ptv的其他器官或解剖学区域的其他细胞的风险相平衡。这些器官或解剖学区域被称为危及器官(organs at risk,oar)。

2、治疗计划可以标识为患者的治疗而配置的放疗机的各种属性,诸如强度调制放射疗法(intensity-modulated radiation therapy,imrt)参数(例如,放射射束的数量和射束角度(放射输送方向))、体积调制弧疗法(volumetric modulated arc therapy,本文档来自技高网...

【技术保护点】

1.一种方法,包括:

2.根据权利要求1所述的方法,其中所述非解剖学区域对应于被配置为减少或增加朝向所述计划靶体积被发射的放射的材料。

3.根据权利要求1或2所述的方法,其中所述非解剖学区域具有与人体肉体相对应的电子密度值或质量密度值。

4.根据权利要求1、2或3所述的方法,其中所述非解剖学区域的所述属性对应于所述非解剖学区域的厚度。

5.根据权利要求1至4中任一项所述的方法,其中所述非解剖学区域的所述属性对应于所述非解剖学区域相对于所述计划靶体积的位置。

6.根据权利要求1至5中任一项所述的方法,其中所述非解剖学区域的所述属性...

【技术特征摘要】
【国外来华专利技术】

1.一种方法,包括:

2.根据权利要求1所述的方法,其中所述非解剖学区域对应于被配置为减少或增加朝向所述计划靶体积被发射的放射的材料。

3.根据权利要求1或2所述的方法,其中所述非解剖学区域具有与人体肉体相对应的电子密度值或质量密度值。

4.根据权利要求1、2或3所述的方法,其中所述非解剖学区域的所述属性对应于所述非解剖学区域的厚度。

5.根据权利要求1至4中任一项所述的方法,其中所述非解剖学区域的所述属性对应于所述非解剖学区域相对于所述计划靶体积的位置。

6.根据权利要求1至5中任一项所述的方法,其中所述非解剖学区域的所述属性对应于所述非解剖学区域相较于患者器官的位置。

7.根据权利要求1至6中任一项所述的方法,其中所述医学图像集合中的每个医学图像包括对其对应的非解剖学区域是否可接受的指示。

8.根据权利要求1至7中任一项所述的方法,还包括:

9.根据权利要求1至8中任一项所述的方法,还包括:

10.根据权利要求1至9中任一项所述的方法,还包括:

11.一种系统,包括:

12.根据权利要求11所述的系统,其中所述非解剖学区域对应于被配置为减少或增加朝向所述计划靶体积被发射的放射的材料。

13.根据权利要求1...

【专利技术属性】
技术研发人员:H·海沃南H·拉克索南V·皮蒂拉
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:

网友询问留言 已有0条评论
  • 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。

1