[发明专利]一种放射治疗计划的自动设计方法

权利要求书

1.一种放射治疗计划的自动设计方法，其特征在于，包括：

获取多种同类型肿瘤治疗计划，并将其随机分类为第一数据集和第二数据集；所述第一数据集中的治疗计划被用于形成训练数据集，所述第二数据集中的治疗计划被用于形成更新优化的治疗计划集；

构建神经网络预测模型；

循环优化所述第一数据集和所述第二数据集：向所述神经网络预测模型输入所述第一数据集，经所述神经网络预测模型的预测后获得第一预测结果，基于所述第一预测结果优化所述第二数据集；再向所述神经网络预测模型输入优化的第二数据集，获得第二预测结果，基于所述第二预测结果优化所述第一数据集，得到优化的第一数据集；

重复进行上述步骤，直至所述第一数据集或所述第二数据集较获得的预测结果更优或相似时，获得最优第一数据集和最优第二数据集，得到最优同类型肿瘤治疗计划；

从所述最优同类型肿瘤治疗计划中提取治疗信息；基于所述治疗信息训练获得神经网络预测模型，获得已优化的预测模型；

获取目标患者的治疗信息，输入所述已优化的预测模型，自动获得目标患者的放射治疗计划。

2.如权利要求1所述的放射治疗计划的自动设计方法，其特征在于，构建神经网络预测模型的过程包括如下步骤：

a.构建神经网络的卷积层，所述卷积层用于将输入数据与核函数进行卷积，所得结果作为神经网络下一层的输入数据；

b.构建下一层神经网络的采样层，所述采样层用于计算输入数据内所有网格内数据的平均值，并将该平均值作为此网格的采样值，所得结果作为神经网络下一层的输入数据；

c.构建下一层神经网络的归一层，所述归一层运用如下公式(1)对该层输入数据进行处理，所得结果作为神经网络下一层的输入数据：

其中，是该层神经网络的输出，是该层神经网络的输入，n是该层核函数的数目，N,τ和ε是根据输入数据和网络结构确定的常数；

d.基于所述卷积层、所述采样层和所述归一层，构建残差神经网络，所述残差神经网络设有神经元的数目和深度参数。

3.如权利要求1或2所述的放射治疗计划的自动设计方法，其特征在于，基于所述第一预测结果，从中读取相应参数数值并将其输入所述神经网络预测模型，结合Auto-planning技术，通过模拟人工设计计划时的操作步骤，实现自动计算剂量分布、自动消除剂量冷点和热点，最终获得优化的所述第二数据集。

4.如权利要求1所述的放射治疗计划的自动设计方法，其特征在于，使用图像处理技术提取治疗信息，包括靶区和危及器官的位置、受照剂量。

5.如权利要求2所述的放射治疗计划的自动设计方法，其特征在于，进一步包括：

e.收录所述治疗信息，通过反复训练，确定所述残差神经网络中参数的数值，最终得到完整的神经网络预测模型。

6.如权利要求1所述的放射治疗计划的自动设计方法，其特征在于，获取目标患者的治疗信息时包括：预测患者CT图像每个层面的剂量分布，并计算得到危及器官的剂量-体积直方图。

7.如权利要求1所述的放射治疗计划的自动设计方法，其特征在于，获得目标患者的放射治疗计划后进一步设置目标函数对所述放射治疗计划做进一步优化，直至符合临床要求。

8.如权利要求1所述的放射治疗计划的自动设计方法，其特征在于，所述目标函数包括：危及器官的平均剂量、最大剂量、剂量高于一阈值的体积所占的百分比。