[发明专利]放射剂量的计算设备、装置和存储介质

权利要求书

1.一种放射剂量的计算设备，其特征在于，所述设备包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如下操作：

获取目标对象对应的信息，其中所述信息是指用于计算剂量分布的信息，所述目标对象对应的信息包括：所述目标对象对应的放疗计划数据和所述目标对象的密度分布；

根据蒙特卡罗算法和所述目标对象对应的信息，确定所述目标对象对应的第一剂量分布；

将所述第一剂量分布和所述目标对象对应的信息作为预设神经网络模型的输入，根据所述预设神经网络模型的输出结果，确定所述目标对象对应的第二剂量分布，其中，所述预设神经网络模型通过蒙特卡罗算法计算不同粒子数对应的对象样本训练得到；

其中，所述第二剂量分布的精度高于所述第一剂量分布的精度。

2.根据权利要求1所述的设备，其特征在于，所述目标对象的密度分布根据所述目标对象的影像数据获得。

3.根据权利要求1所述的设备，其特征在于，在使用所述预设神经网络模型之前，还包括所述预设神经网络模型的训练过程，具体包括：

获取多个训练样本；

将所述训练样本迭代地添加到预设神经网络模型，确定所述训练样本对应的训练误差；

在所述训练误差大于或等于预设误差时，将所述训练误差反向传播至所述预设神经网络模型，调整所述预设神经网络模型的网络参数；

在所述训练误差小于预设误差时，停止迭代添加，确定所述预设神经网络模型训练结束。

4.根据权利要求3所述的设备，其特征在于，所述获取多个训练样本，包括：

获取多个对象样本对应的样本信息；

根据所述蒙特卡罗算法和所述样本信息，确定在第一粒子数下每个对象样本对应的第一样本剂量分布，以及在第二粒子数下每个对象样本对应的第二样本剂量分布，其中，所述第二粒子数大于所述第一粒子数；

将每个对象样本对应的所述样本信息、所述第一样本剂量分布和所述第二样本剂量分布确定为一个训练样本。

5.根据权利要求4所述的设备，其特征在于，所述第二粒子数大于所述第一粒子数，包括：

所述第二粒子数比所述第一粒子数大至少两倍。

6.根据权利要求2所述的设备，其特征在于，根据蒙特卡罗算法和所述目标对象对应的信息，确定所述目标对象对应的第一剂量分布，包括：

根据粒子输运过程中的物理过程建立输运模型；

根据预设源分布和所述目标对象对应的放疗计划数据，抽样产生第一粒子数对应的第一粒子，所述第一粒子的信息包括空间位置分布、能量分布和运动方向分布；

根据所述目标对象对应的密度分布在所述输运模型中对所述第一粒子进行模拟输运；

根据输运结果确定所述目标对象对应的第一剂量分布。

7.根据权利要求1-6任一所述的设备，其特征在于，所述预设神经网络模型为第一预设网络模型；

相应地，将所述第一剂量分布和所述目标对象对应的信息作为预设神经网络模型的输入，根据所述预设神经网络模型的输出结果，确定所述目标对象对应的第二剂量分布，包括：

将所述第一剂量分布和所述目标对象对应的信息作为所述第一预设网络模型的输入，并将所述第一预设网络模型的输出结果确定为所述目标对象对应的第二剂量分布。

8.根据权利要求1-6任一所述的设备，其特征在于，所述预设神经网络模型为第二预设网络模型；

相应地，将所述第一剂量分布和所述目标对象对应的信息作为预设神经网络模型的输入，根据所述预设神经网络模型的输出结果，确定所述目标对象对应的第二剂量分布，包括：

将所述第一剂量分布和所述目标对象对应的信息作为所述第二预设网络模型的输入，并根据所述第二预设网络模型的输出结果确定所述目标对象对应的第一剂量分布的剂量分布误差；

根据所述第一剂量分布和所述剂量分布误差，确定所述目标对象 对应的第二剂量分布。