[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

说明书

提供了用于基于连续深度学习的放射疗法治疗规划的示例方法和系统。一种示例方法可以包括：获取(210)深度学习引擎，该深度学习引擎被训练以基于与第一规划规则相关联的第一训练数据来执行放射疗法治疗规划任务。该方法还可以包括：基于与特定患者相关联的输入数据，使用深度学习引擎来执行(220)放射疗法治疗规划任务，以生成与特定患者相关联的输出数据；以及获取(230)经修改的输出数据，该经修改的输出数据包括对由深度学习引擎生成的输出数据的一个或多个修改。该方法还可以包括：基于经修改的输出数据，生成(240)与第二规划规则相关联的第二训练数据；并且通过使用第一训练数据和第二训练数据的组合重新训练深度学习引擎来生成(250)经修改的深度学习引擎。

背景技术

除非本文中另有说明，否则本节中描述的方法不是本申请中的权利要求的现有技术，并且不能因为包括在本节中而被承认为现有技术。

放射疗法是用于减少或消除患者的不想要的肿瘤的治疗的重要部分。不幸的是，所施加的放射本身并不能区分不想要的肿瘤与诸如器官等任何近端的健康结构。这需要小心管理以限制对肿瘤(即，目标)的放射。理想情况下，目标是向肿瘤递送致命或治愈的放射剂量，同时在近端健康结构中维持可接受的剂量水平。然而，为了实现这一目标，传统的放射疗法治疗规划可能是时间和劳动密集的。

发明内容

在一个方面，本发明提供了一种如权利要求1中限定的用于计算机系统执行放射疗法治疗规划的方法。可选特征在其从属权利要求中限定。

在另一方面，本发明提供了一种如权利要求8中限定的非瞬态计算机可读存储介质，该介质包括一组指令，该组指令响应于由计算机系统的处理器的执行而使该处理器执行放射疗法治疗规划方法。可选特征在其从属权利要求中限定。

在又一方面，本发明提供了一种如权利要求15中限定的计算机系统，该计算机系统被配置为执行放射疗法治疗规划。可选特征在其从属权利要求中限定。

根据本公开的示例，提供了用于基于连续深度学习(continuous deep learning)的放射疗法治疗规划的方法和系统。在这种情况下，一种示例方法可以包括：获取深度学习引擎，该深度学习引擎被训练以基于与第一规划规则相关联的第一训练数据来执行放射疗法治疗规划任务。该方法还可以包括：基于与特定患者相关联的输入数据，使用深度学习引擎来执行放射疗法治疗规划任务以生成与特定患者相关联的输出数据；以及获取经修改的输出数据，该经修改的输出数据包括对由深度学习引擎生成的输出数据的一个或多个修改。该方法还可以包括：基于经修改的输出数据，生成与第二规划规则相关联的第二训练数据；以及通过使用第一训练数据和第二训练数据的组合重新训练深度学习引擎来生成经修改的深度学习引擎。

附图说明

图1是示出用于放射疗法治疗的示例过程流程的示意图；

图2是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示例过程的流程图；

图3是示出根据图2中的示例的基于连续深度学习的示例放射疗法治疗规划的示意图；

图4是示出基于连续深度学习的示例自动分割的示意图；

图5是示出基于连续深度学习的示例剂量预测的示意图；

图6是示出可以在其中实现基于连续深度学习的放射疗法治疗规划的示例网络环境的示意图；

图7是用于治疗递送的示例治疗计划的示意图；以及

图8是用于基于连续深度学习执行放射疗法治疗规划的示例计算机系统的示意图。

具体实施方式

以下描述中阐述的技术细节使得本领域技术人员能够实现本公开的一个或多个实施例。