[发明专利]用于放射机器的束模型的计算机实现的方法和系统

权利要求书

1.一种用于训练深度卷积神经网络模型来提供特定放射机器的束模型以将放射治疗剂量实施至对象的计算机实现的方法，所述方法包括：

确定与至少一个放射机器对应的束模型的至少一个束模型参数的束模型参数值的范围；

生成多组束模型参数值，其中，相应的一组或更多组束模型参数值包括从所确定的范围的束模型参数值中选择的束模型参数值；

提供分别与所述多组束模型参数值中的相应各组束模型参数值对应的多个相应剂量分布；以及

使用多个束模型和所述相应剂量分布来训练所述神经网络模型，所述神经网络模型被训练以从所述特定放射机器接收多个剂量分布作为输入并预测用于所述特定放射机器的多个束模型参数值作为输出。

2.根据权利要求1所述的方法，包括使用至少一组束模型参数值和先前从所述至少一个放射机器收集的相应测量剂量分布来训练所述神经网络模型。

3.根据权利要求1所述的方法，其中，确定至少一个束模型参数的束模型参数值的范围包括确定多个放射机器中的每一个的束模型参数值。

4.根据权利要求1所述的方法，包括测量多个放射机器中的每一个的至少一个剂量分布。

5.根据权利要求4所述的方法，其中，训练所述神经网络模型包括：

将N组所生成的束模型参数值和相应剂量分布提供至所述神经网络模型；以及

将来自M个放射机器的剂量分布和相应的束模型参数值提供至所述神经网络模型。

6.根据权利要求1所述的方法，包括从所确定的范围的束模型参数值中随机地或伪随机地选择所述束模型参数值以用于生成所述束模型参数值的组中的至少一个。

7.根据权利要求1所述的方法，其中，使用多个剂量分布生成各组束模型参数值，其中，所述多个相应剂量分布中的各个剂量分布包括随着进入靶样本的深度而变化的相对放射剂量。

8.根据权利要求1所述的方法，其中，确定束模型的至少一个束模型参数的束模型参数值的范围包括确定与从所述至少一个放射机器的放射源发射的光子的能量分布有关的多个束模型参数值。

9.根据权利要求8所述的方法，其中，所述束模型参数值包括放射源的大小、放射源的位置或放射源的能谱中的至少一个。

10.根据权利要求1所述的方法，其中，确定束模型的至少一个束模型参数的束模型参数值的范围包括确定与从所述至少一个放射机器的放射源发射的电子的能量分布有关的多个束模型参数值。

11.一种使用深度卷积神经网络来确定特定放射机器的束模型的至少一个束模型参数值的计算机实现的方法，所述方法包括：

接收先前使用多组束模型参数值和相应剂量分布训练的训练神经网络模型；

测量来自所述特定放射机器的多个剂量分布以将其作为输入提供至所述训练神经网络模型；以及

基于来自所述训练神经网络模型的输出确定所述特定放射机器的一组束模型参数值的至少一个束模型参数值；

其中，接收先前使用多组束模型参数值和相应剂量分布训练的训练神经网络模型包括接收先前根据第一方法训练的神经网络模型，所述第一方法包括：

确定与所述特定放射机器对应的束模型的至少一个束模型参数的束模型参数值的范围；

生成多组束模型参数值，其中，相应的一组或更多组束模型参数值包括从所确定的范围的束模型参数值中选择的束模型参数值；

提供分别与所述多组束模型参数值中的相应各组束模型参数值对应的多个相应剂量分布；以及

使用所述多组束模型参数值和所述相应剂量分布来训练所述神经网络模型，所述神经网络模型被训练以接收多个剂量分布作为输入并预测多个束模型参数值作为输出。