[发明专利]基于深度学习的直肠癌放疗计划自动化设计方法在审
| 申请号： | 201910585772.9 | 申请日： | 2019-07-01 |
| 公开（公告）号： | CN110349665A | 公开（公告）日： | 2019-10-18 |
| 发明（设计）人： | 胡伟刚 | 申请（专利权）人： | 复旦大学附属肿瘤医院 |
| 主分类号： | G16H50/20 | 分类号： | G16H50/20;G16H20/40;G16H50/70;G06N3/08 |
| 代理公司： | 上海容慧专利代理事务所(普通合伙) 31287 | 代理人： | 于晓菁 |
| 地址： | 200032 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 放疗计划 直肠癌 靶区 病例数据库 自动化设计 神经网络 预测 剂量分布 计划系统 目标函数 学习 神经网络输出 剂量预测 文件传输 自动计划 个体化 调强 勾画 | ||
1.一种基于深度学习的直肠癌放疗计划自动化设计方法，其特征在于，包括：
搭建U-Net神经网络；
建立病例数据库，所述病例数据库为直肠癌的临床调强放疗计划数据，所述直肠癌的临床调强放疗计划数据至少包括病例靶区和病例剂量分布；
对所述病例数据库进行深度学习，以训练U-Net神经网络；
将CT定位数据的img文件传输给训练后的U-Net神经网络，以获得经训练后的U-Net神经网络输出的预测靶区和预测剂量分布；
根据所述预测剂量分布获取剂量目标函数；
使用Pinnacle计划系统根据所述预测靶区和所述剂量目标函数设计放疗计划。
2.如权利要求1所述的基于深度学习的直肠癌放疗计划自动化设计方法，其特征在于，所述U-Net神经网络的结构为VGG16网络结构。
3.如权利要求1所述的基于深度学习的直肠癌放疗计划自动化设计方法，其特征在于，所述病例靶区包括：直肠癌的临床靶区、计划靶区、膀胱、左股骨头及右股骨头。
4.如权利要求1所述的基于深度学习的直肠癌放疗计划自动化设计方法，其特征在于，所述预测靶区包括：直肠癌的临床靶区、计划靶区、膀胱、左股骨头及右股骨头。
5.如权利要求1所述的基于深度学习的直肠癌放疗计划自动化设计方法，其特征在于，所述根据所述预测剂量分布获取剂量目标函数包括：
所述预测剂量分布通过微分剂量体积关系得到对应的剂量体积直方图；
构成所述剂量体积直方图中曲线上的每个点均为一目标函数。
6.如权利要求1所述的基于深度学习的直肠癌放疗计划自动化设计方法，其特征在于，所述使用Pinnacle计划系统根据所述预测靶区和所述剂量目标函数设计放疗计划包括：
所述Pinnacle计划系统的自动计划模块按照所述预测靶区和所述剂量目标函数进行优化设计，以获得放疗计划。
7.如权利要求1～6中任一项所述的基于深度学习的直肠癌放疗计划自动化设计方法，其特征在于，所述CT定位数据的img文件基于Pinnacle计划系统处理获得。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于复旦大学附属肿瘤医院，未经复旦大学附属肿瘤医院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910585772.9/1.html，转载请声明来源钻瓜专利网。
