使用机器学习进行的放射治疗规划制造技术

技术编号:43517712 阅读:21 留言:0更新日期:2024-12-03 12:08
一种控制电路(101)访问(201)多个先前优化放射治疗计划,并且还访问(202)多个优化前体信息项。该多个优化前体信息项中的每个优化前体信息项对应于多个先前优化放射治疗计划中的至少一个先前优化放射治疗计划。然后,控制电路(101)使用多个先前优化放射治疗计划和多个优化前体信息项来生成(203)机器学习模型。通过一种方法,多个优化前体信息项中的至少大多数优化前体信息项源自给定放射治疗设施,而不是源自无关(在物理或制度上)设施。这些教导将适应各种优化前体信息项中的任何一个优化前体信息项的使用。通过一种方法,多个优化前体信息项中的至少一些优化前体信息项包括临床目标。

【技术实现步骤摘要】
【国外来华专利技术】

这些教导总体上涉及用符合基于能量的治疗计划的能量来治疗患者的规划目标体积。


技术介绍

1、使用能量来治疗疾病包括现有技术的已知领域。例如,放射疗法是用于减少或消除不需要的肿瘤的很多治疗计划的重要组成部分。不幸的是,所施加的能量并不能固有地区分不需要的材料和对患者的持续生存是必要的或甚至是至关重要的相邻组织、器官等。因此,通常以谨慎给予的方式施加诸如辐射等能量以至少试图将能量限于给定目标体积。所谓的放射治疗计划通常在上述方面起作用。

2、放射治疗计划通常包括在多个连续场中的每个场期间各种治疗平台参数中的每个参数的指定值。放射治疗疗程的治疗计划通常是通过所谓的优化过程生成的。如本文中使用的,“优化”将被理解为是指改进候选治疗计划,而不一定确保优化结果实际上是唯一的最佳解决方案。这种优化通常包括自动调节一个或多个治疗参数(通常在观察这些方面的一个或多个对应限制的同时),并且从数学上计算可能的对应治疗结果,以标识一组给定治疗参数,这些参数表示期望治疗性结果与不期望副作用的避免之间的良好折衷。

3、典型的放射治疗计划创建在很大程度上依赖于专家本文档来自技高网...

【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,其中所述优化前体信息项中的至少一个优化前体信息项对应于所述多个先前优化放射治疗计划中的至少两个先前优化放射治疗计划。

3.根据权利要求1或2所述的方法,其中所述多个优化前体信息项中的至少大多数优化前体信息项源自给定放射治疗设施。

4.根据权利要求3所述的方法,其中所述多个优化前体信息项中的至少基本上全部优化前体信息项源自所述给定放射治疗设施。

5.根据前述权利要求中任一项所述的方法,其中所述多个优化前体信息项中的至少一些优化前体信息项包括临床目标。

6.根据前述权利要求中任一项...

【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,其中所述优化前体信息项中的至少一个优化前体信息项对应于所述多个先前优化放射治疗计划中的至少两个先前优化放射治疗计划。

3.根据权利要求1或2所述的方法,其中所述多个优化前体信息项中的至少大多数优化前体信息项源自给定放射治疗设施。

4.根据权利要求3所述的方法,其中所述多个优化前体信息项中的至少基本上全部优化前体信息项源自所述给定放射治疗设施。

5.根据前述权利要求中任一项所述的方法,其中所述多个优化前体信息项中的至少一些优化前体信息项包括临床目标。

6.根据前述权利要求中任一项所述的方法,其中所述多个优化前体信息项中的至少一些优化前体信息项包括优化目标。

7.根据前述权利要求中任一项所述的方法,其中使用所述多个先前优化放射治疗计划和所述多个优化前体信息项作为训练语料库来生成所述机器学习模型包括:根据所述多个优化前体信息项来至少部分评估所述多个先前优化放射治疗计划中的剂量分布以标识被强调特征。

8.根据权利要求7所述的方法,其中所述被强调特征包括以下中的至少一项:

9.根据前述权利要求中任一项所述的方法,其中使用所述多个先前优化放射治疗计划和所述多个优化前体信息项作为训练语料库来生成所述机器学习模型包括:至少部分选择在所述机器学习模型的训练期间要最小化的损失函数。

10.根据前述权利要求中任一项所述的方法,还包括:

11.一种装置,包括:

12.根据权利要求11所...

【专利技术属性】
技术研发人员:E·屈塞拉E·切兹勒
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