[发明专利]一种智能放疗计划方法、设备和存储介质

权利要求书

1.一种智能放疗计划方法，适于在计算设备中执行，其特征在于：包括如下步骤：

(1)通过计划评估方法筛选理想学习库；

(2)根据筛选得到的理想学习库，通过机器学习方法建立预测理想放射治疗计划的方法：

i.通过机器学习方法学习形成第一和第二神经网络；

ii.当新病人影像或者模型导入后，通过第一神经网络完成靶区自动勾画；

iii.通过第二神经网络自动预测理想放射治疗计划与理想放射治疗计划结果；

(3)计划确定，通过基于剂量计算的计划确定方法或者基于逆向优化方法的计划确定方法实现。

2.根据权利要求1所述的智能放疗计划方法，其特征在于：步骤(1)中，计划评估方法筛选理想数据库是将待筛选的放射治疗计划与医嘱中的放射治疗剂量对比，将待筛选的放射治疗计划的剂量体积直方图和/或等剂量线中的各参数加权评分，判断与医嘱剂量的接近程度，评分结果满足接近程度打分阈值的放射治疗计划筛选进入理想学习库。

3.根据权利要求1所述的智能放疗计划方法，其特征在于：步骤(2)中，所述的理想放射治疗计划包括射野形状与方向、准直器运动序列与方向、剂量率、能量；所述的理想放射治疗计划结果包括理想剂量分布和/或理想剂量体积直方图。

4.根据权利要求1所述的智能放疗计划方法，其特征在于：步骤(3)中，所述的基于剂量计算的评估方法，包括如下步骤：

a)基于步骤(iii)中得到的理想放射治疗计划参数，结合新病人的影像或者模型重新进行剂量计算，得到实际放射治疗计划结果；

b)将步骤a)计算得到的实际放射治疗计划结果与理想放射治疗计划结果比较，如果比较结果在预设范围，则可执行该理想放射治疗计划；否则不通过，需要重新预测一个新的计划，直到通过评估。

5.根据权利要求4所述的智能放疗计划方法，其特征在于：步骤(a)中，所述的剂量计算方法为解析算法或非解析算法；其中解析算法选自笔形束或卷积叠加；所述的非解析算法为蒙特卡罗算法；

或步骤(a)中，实际放射治疗计划结果包括等剂量线、剂量统计直方图中的一种或多种。

6.根据权利要求1所述的智能放疗计划方法，其特征在于：步骤(3)中，所述的逆向优化评估方法，包括如下步骤：

A)结合新病人的影像或者模型，将步骤(iii)得到的理想放射治疗计划结果设置为优化模型中的目标函数或者约束条件，得到实际放射治疗计划；

B)将实际放射治疗计划与理想放射治疗计划比较，如果比较结果在预设范围，则可执行该理想放射治疗计划；否则不通过，需要重新预测一个新的计划，直到通过评估。

7.根据权利要求6所述的智能放疗计划方法，其特征在于：步骤(A)中，所述的优化模型为通量图优化法或直接子野优化法；

步骤(B)中，所述的实际放射治疗计划，包括实际射野形状与方向、准直器运动序列与方向、剂量率、能量；

或步骤(B)中，理想放射治疗计划结果包括剂量分布、剂量体积直方图的一种或者混合。

8.根据权利要求4或6中任一所述的智能放疗计划方法，其特征在于：步骤(b)、步骤(B)中，所述的比较方法包括剂量偏差，距离吻合度，伽马分析，剂量统计直方图。

9.一种计算设备，包括：

一个或多个处理器；

存储器；以及

一个或多个程序，其中所述一个或多个程序存储在所述存储器中并被配置为由一个或多个处理器执行，所述的一个或多个程序包括用于上述权利要求1-8中任一所述的智能放疗计划方法的指令。

10.一种存储一个或多个程序的计算机可读存储介质，所述的一个或多个程序包括指令，所述指令适于由存储器加载并执行上述权利要求1-8中任一所述的智能放疗计划方法。