[发明专利]云放射治疗计划评估方法、设备与存储介质

说明书

本发明属于医疗和云服务技术领域，涉及一种云放射治疗计划评估方法、装置、设备与存储介质。该方法包括如下步骤：将待评估放射治疗计划数据按照标准格式输入到病人数据库中；采用机器学习方法产生待评估放射治疗计划对应的标准放射治疗计划；将待评估放射治疗计划与标准放射治疗计划自动比较进行评分；显示机器学习方法得到的评分结果并将结果报告输出。本发明提供的评估方法有利于汇集专家知识，形成专家知识库；同时降低人工的主观因素，提高客观性，减少误差。

技术领域

本发明属于医疗和云服务技术领域，涉及一种云放射治疗计划评估方法、装置、设备与存储介质。

背景技术

放射治疗是针对肿瘤和癌症等病症的一种有效治疗方法，其大致过程为：医生在放射治疗之前，获取包含患者病变器官的初始影像，并利用该初始影像进行治疗计划的制定。然后，利用制定的治疗计划分阶段/分疗程对患者进行放射治疗。

在放射治疗之前，为了解放射计划的优劣，医生需要对放射治疗计划进行评估，即评估治疗计划的是否能达到预期的准确性以及判断是否需要重新做放射治疗计划。在放射治疗期间，为了解放射治疗效果，医生需要对治疗效果进行评估，即评估治疗准确性以及判断是否需要调整治疗计划。医生通常会在患者疗程中定期获取阶段性影像。然后，通过阶段性影像判断病症(如肿瘤)位置、形状或大小等的变化，从而了解患者当次治疗的准确性及阶段性治疗的效果等。如果医生发现放射治疗效果有所偏差，可能需要调整治疗计划时，就需要获知准确的剂量评估结果。这时，医生就需要人为地将阶段性影像回传至治疗计划系统，由治疗计划系统计算出该阶段性影像的剂量值，之后，再参照该剂量值来调整治疗计划。

现有技术中，一个放射治疗计划的好坏往往根据医生的经验进行判断，一般通过观察剂量体积直方图以及等剂量线分布进行综合判断。这种判断方法由于基于专家的理解差异，从而导致误差比较大。

机器学习(Machine Learning,ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。

本发明的发明人正是将机器学习运用到放射治疗治疗计划评估中来解决现有技术中存在的上述问题。

发明内容

本发明的目的在于为克服现有技术的缺陷而提供一种云放射治疗计划评估方法、设备与存储介质。

为实现上述目的，本发明提供以下技术方案：

一种云放射治疗计划评估方法，适于在放射治疗计划评估设备中运行，包括如下步骤：

(1)数据输入：将待评估放射治疗计划数据按照标准格式上传到云服务器的病人数据库中，或者将用户在云服务器做好的放射治疗计划按照标准格式直接传输到云服务器的病人数据库中；

(2)标准放射治疗计划产生：采用机器学习方法产生与待评估放射治疗计划对应的标准放射治疗计划；

(3)评分：将待评估放射治疗计划与标准放射治疗计划自动比较进行评分；所述的自动比较是通过计算标准放射治疗计划与待评估放射治疗计划的相似度进行定义的；

(4)显示与报告输出：显示机器学习方法得到的评分结果并将结果报告输出到用户端。

步骤(1)中，采用DICOM标准格式定义放射治疗计划数据；(DICOM，DigitalImaging and Communications in Medicine，医学图像和相关信息的国际标准ISO-12052)。

所述的步骤(1)放射治疗计划数据包括以下一种或多种：器官名称、靶区位置、等剂量线分布、剂量体积直方图。

所述的机器学习方法包括如下步骤：