[发明专利]一种基于机器学习自动设计放射治疗方案的系统

说明书

本发明公开了一种基于机器学习自动设计放射治疗方案的系统，包括输入单元、射野参数预测单元、优化目标及约束条件预测单元、以及逆向计划优化单元，其中，输入单元用于获取病人原始图像及分割后的感兴趣区域信息；射野参数预测单元用于构建基于神经网络的学习模型，自动预测出射野参数；优化目标及约束条件预测单元用于构建基于神经网络的剂量分布预测模型，并且将预测的期望剂量分布自动转化成逆向优化需要的目标函数及约束条件；以及逆向计划优化单元用于根据目标函数、约束设置和射野参数采用优化方法优化得到每个射野方向对应的子野及其权重，完成计划设计。本系统实现了计划的自动设计，可以大幅减轻计划设计者的工作量，提高工作效率。

技术领域

本发明涉及一种基于机器学习自动设计放射治疗方案的系统，该系统可以协助放疗物理师导入病人勾画的医学图像信息，自动完成放疗计划的设计。

背景技术

放射治疗的目的是在保护危及器官的同时，给靶区即肿瘤组织致死剂量。为了实现这个目标需要制定最优的放疗方案即治疗计划。放疗物理师为了满足治疗的目标，借助商用放疗计划系统完成放射治疗计划的设计。

放疗方案的制定过程如下：首先放疗物理师根据经验选择射野方向、射野权重等射野参数，将医生预期期望的剂量要求输入到放疗计划系统中，利用放疗计划系统中的逆向优化技术或者凭经验确定每个射野的照射时间，射野形状及其它机器治疗参数，然后根据治疗计划系统计算出病人体内的剂量分布，并对计划进行评估。如果不满足要求，则需要调整治疗计划设计过程中的相应参数进行治疗过程的设计，模拟计划及计划评估等。反复进行，直到满足治疗要求。

整个治疗计划设计的过程繁琐耗时，而且不同的放疗物理师因经验不同制定的放疗计划也会不同，因此，为了保证治疗计划的质量，需要提供一种自动放疗计划设计的系统，从而将放疗物理师从繁琐重复性的工作中解放出来，提高工作效率。

发明内容

本发明的目的在于提供一种基于机器学习自动设计放射治疗方案的系统，以实现治疗计划的自动设计。

为此，本发明提供了一种基于机器学习自动设计放射治疗方案的系统，其特征在于，包括输入单元、射野参数预测单元、优化目标及约束条件预测单元、逆向计划优化单元，其中所述输入单元用于获取病人原始图像及分割后的感兴趣区域信息，感兴趣区域包括肿瘤靶区、危及器官及医生勾画的其它感兴趣的区域；所述射野参数预测单元用于构建基于神经网络的学习模型，该学习模型用于根据输入单元导入的数据预测出射野方向，并且根据射野方向计算出射野参数中的射野大小和射野形状；所述优化目标及约束条件预测单元用于构建基于神经网络的剂量分布预测模型，并且将所述剂量分布预测模型预测的期望剂量分布自动转化成逆向优化需要的目标函数及约束条件；以及逆向计划优化单元用于根据优化目标及约束条件预测单元提供的目标函数、约束设置和所述射野参数预测单元提供的射野参数采用优化方法优化得到每个射野方向对应的子野及其权重，完成计划设计。

根据本发明的系统，整个计划设计过程不需要放疗物理师手动进行射野参数设置及目标函数的设置。放疗物理师只需要通过本发明导入病人的数据后，对输出的治疗计划进行评估即可，实现了计划的自动设计，可以大幅减轻计划设计者的工作量，提高工作效率。

除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照图，对本发明作进一步详细的说明。

附图说明

构成本申请的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明的基于机器学习自动设计放射治疗方案的系统的结构示意图；

图2是根据本发明的射野参数预测单元的结构示意图；

图3是根据本发明的用于预测射野参数的神经网络学习模型的结构示意图；以及

图4是根据本发明的基于神经网络的剂量分布预测模型的结构示意图。