[发明专利]用于基于连续深度学习的放射疗法治疗规划的方法和系统

权利要求书

1.一种用于计算机系统基于连续深度学习来执行放射疗法治疗规划的方法，其中所述方法包括：

获取深度学习引擎，所述深度学习引擎被训练以基于第一训练数据来执行放射疗法治疗规划任务，所述第一训练数据与第一规划规则相关联；

基于与特定患者相关联的输入数据，使用所述深度学习引擎来执行所述放射疗法治疗规划任务，以生成与所述特定患者相关联的输出数据；

获取经修改的输出数据，所述经修改的输出数据包括对由所述深度学习引擎生成的所述输出数据的一个或多个修改；

基于所述经修改的输出数据，生成与第二规划规则相关联的第二训练数据；以及

通过使用所述第一训练数据和所述第二训练数据的组合重新训练所述深度学习引擎来生成经修改的深度学习引擎。

2.根据权利要求1所述的方法，其中生成所述经修改的深度学习引擎包括：

通过修改与所述深度学习引擎的多个处理层相关联的权重数据来生成与所述经修改的深度学习引擎的多个处理层相关联的一组经修改的权重数据。

3.根据权利要求1或2所述的方法，其中获取所述深度学习引擎包括：

从中央规划系统获取所述深度学习引擎，所述中央规划系统被配置为基于所述第一训练数据来训练所述深度学习引擎，其中所述第一训练数据表示全局训练数据，并且所述第二训练数据表示所述计算机系统可访问的本地训练数据。

4.根据权利要求1、2或3所述的方法，其中获取所述经修改的输出数据包括：

获取包括由特定规划方根据所述第二规划规则做出的所述一个或多个修改的所述经修改的输出数据。

5.根据权利要求1至4中任一项所述的方法，其中执行所述放射疗法治疗规划任务包括以下中的一项：

基于与所述特定患者相关联的输入图像数据，执行自动分割以生成输出结构数据；

基于与所述特定患者相关联的输入图像数据和输入结构数据，执行剂量预测以生成输出剂量数据；以及

基于与所述特定患者相关联的输入剂量数据，执行治疗递送数据预测以生成治疗递送数据。

6.根据权利要求1至5中任一项所述的方法，其中获取所述经修改的输出数据包括：

获取包括以下修改中的至少一项修改的经修改的输出结构数据：围绕结构的经修改的分割边距；结构在特定方向上的延伸；结构的一个部分的剖切；结构的经修改的剖切面；以及结构的不同侧的经修改的边距。

7.根据权利要求1至5中任一项所述的方法，其中获取所述经修改的输出数据包括：

获取包括以下修改中的至少一项修改的经修改的输出剂量数据：经修改的器官保留、经修改的目标覆盖、经修改的目标剂量处方、以及经修改的正常组织剂量处方。

8.一种非瞬态计算机可读存储介质，包括一组指令，所述一组指令响应于由计算机系统的处理器的执行而使所述处理器执行基于连续深度学习的放射疗法治疗规划方法，其中所述方法包括：

获取深度学习引擎，所述深度学习引擎被训练以基于第一训练数据来执行放射疗法治疗规划任务，所述第一训练数据与第一规划规则相关联；

基于与特定患者相关联的输入数据，使用所述深度学习引擎来执行所述放射疗法治疗规划任务，以生成与所述特定患者相关联的输出数据；

获取经修改的输出数据，所述经修改的输出数据包括对由所述深度学习引擎生成的所述输出数据的一个或多个修改；

基于所述经修改的输出数据，生成与第二规划规则相关联的第二训练数据；以及

通过使用所述第一训练数据和所述第二训练数据的组合重新训练所述深度学习引擎来生成经修改的深度学习引擎。

9.根据权利要求8所述的非瞬态计算机可读存储介质，其中生成所述经修改的深度学习引擎包括：

通过修改与所述深度学习引擎的多个处理层相关联的权重数据来生成与所述经修改的深度学习引擎的多个处理层相关联的一组经修改的权重数据。