[发明专利]一种预测放疗计划的伽马通过率的方法有效
| 申请号： | 202110212153.2 | 申请日： | 2021-02-25 |
| 公开（公告）号： | CN112581475B | 公开（公告）日： | 2021-05-25 |
| 发明（设计）人： | 李光俊;张蕾;章毅;段炼;谢立章;胡婷;白龙;肖青;刘文杰 | 申请（专利权）人： | 四川大学华西医院 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/62;G06N3/04;G06N3/08;A61N5/10 |
| 代理公司： | 成都高远知识产权代理事务所(普通合伙) 51222 | 代理人： | 李高峡;张娟 |
| 地址： | 610000 四*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 预测 放疗 计划 通过 方法 | ||
1.一种预测放疗计划的伽马通过率的方法，其特征在于：包括以下步骤：
(1)从容积旋转放射治疗VMAT计划中提取全部控制点信息，它包括每个控制点对应的多叶准直器MLC孔径信息以及加速器跳数MU值信息；所述控制点有时间顺序；
(2)步骤(1)提取的MLC孔径信息转化为二维MLC孔径图像，所述二维MLC孔径图像按照控制点时间顺序结合形成三维MLC孔径图像；
(3)将步骤(2)得到的三维MLC孔径图像通过深度学习算法转化为MLC特征向量；
(4)步骤(1)提取的MU值信息按照控制点时间顺序转化为MU值向量；
(5)将步骤(3)得到的MLC特征向量和步骤(4)得到的MU值向量集成，通过深度学习算法输出预测的伽马通过率。
2.如权利要求1所述的方法，其特征在于：步骤(1)所述MLC孔径信息包含MLC位置信息；所述MU值信息包含MU权重。
3.如权利要求2所述的方法，其特征在于，所述MLC位置信息以MLC叶片坐标表示。
4.如权利要求2所述的方法，其特征在于，所述MU权重以该控制点MU值占计划总MU值的权重表示。
5.如权利要求1所述的方法，其特征在于，步骤(3)所述深度学习算法选自具有时间内核的三维深度卷积神经网络：三维残差神经网络3D-ResNet、3D ResNeXt、3D SqueezeNet、3D MobileNet、3D ShuffleNet、3D MobileNetv2、3D ShuffleNetv2中的至少一种。
6.如权利要求5所述的方法，其特征在于，所述深度学习算法为三维残差神经网络3D-ResNet。
7.如权利要求6所述的方法，其特征在于，所述三维残差神经网络3D-ResNet包括三维卷积层、池化层。
8.如权利要求7所述的方法，其特征在于，所述三维卷积层的卷积核大小是3×3×3，步幅为1。
9.如权利要求1所述的方法，其特征在于，步骤(5)所述深度学习算法为全连接神经网络。
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四川大学华西医院，未经四川大学华西医院许可，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/202110212153.2/1.html，转载请声明来源钻瓜专利网。
