[发明专利]用于放疗靶区勾画的智能教学方法、系统、设备和介质

说明书

本发明的实施方式提供了一种用于放疗靶区勾画的智能教学方法、系统、设备和介质。该智能教学方法包括：自适应教学建模步骤；主动考核步骤；精准量化评估步骤；和自适应培训步骤；其中在自适应教学建模步骤中：利用卷积神经网络(CNN)技术对临床影像数据进行处理，以勾画出含有高阶图像特征信息的临床靶区区域，并且根据勾画标准在勾画后的临床影像数据上标注勾画知识点，从而获得公共教学临床影像数据；筛选出适合学员个人的学员个体化教学知识数据和学员个体化教学临床影像数据；并且建立学员个体化教学模型。因此，含有高阶图像特征信息的临床靶区区域被转化为以人类可以理解的方式表达的知识，从而极大地方便了学习。

技术领域

本发明涉及放疗靶区勾画教学技术领域，具体涉及一种用于放疗靶区勾画的智能教学方法、系统、设备和介质。

背景技术

放疗是肿瘤治疗的重要手段，70％左右的肿瘤患者在其疾病的某一阶段需要放疗。放疗技术中，以调强放疗为代表的精确放疗已成为当今的主流放疗技术。然而，精确放疗的前提是放疗靶区勾画的准确性。

放疗靶区勾画需要高水平的放疗医师，长期以来，优秀的放疗医师只能靠长期规范的临床教学实践来培养。目前，放疗靶区勾画教学仍以传统“师徒传承”为主。具体来说：

(1)放疗是交叉学科，涉及到解剖、病生理、肿瘤学、影像学、医学物理、放射生物等多学科内容，知识庞杂，难度大。放疗靶区勾画虽然总体有规范，但具体到每例患者，需要个性化，缺乏标准答案，这使得“师徒传承”仍是目前主流的教学模式。

(2)放疗靶区勾画数据量大，难以做到像素级精准评价。对于每例患者来说，需在其CT图像上勾画放疗靶区，每层CT图像包含512×512像素，每例患者通常有30-50层CT图像，这样每例患者数据均在1000万像素量级(512×512×40＝10485760)，这样的大数据，传统人工教学和评价的显然只能是比较粗略的。

(3)放疗是相对小众的学科，目前国内从业医师较少，放疗医师教育也处于相对初级的阶段，对教育界的理论和实践进展关注不足，自适应学习等教学理念尚未被广泛认知和接受。

目前，国内外尚不存在针对放疗靶区勾画教学的智能教学技术。

发明内容

本发明的目的在于提供一种用于放疗靶区勾画的智能教学方法、系统、设备和介质，其利用人工智能深度学习技术对大量的靶区勾画数据集进行学习，从而将复杂庞大的放疗影像数据的高层特征提取出来分解成各层次的知识点，并根据每个学习者的知识结构特点及学习特点进行学习环节的设计、实现学习内容的智能生成和调整，自适应地为学员个体化精细化地引导学员完成每个学习环节的培训、考核和评估步骤。

根据本发明的一个方面，提供了一种用于放疗靶区勾画的智能教学方法，所述智能教学方法基于包括公共教学数据的公共教学数据库和包括学员个体化数据的学员个体化数据库进行，所述公共教学数据包括公共教学知识数据和公共教学临床影像数据，所述公共教学知识数据包括根据临床指南及规范确定的勾画标准，所述学员个体化数据包括学员个体化教学知识数据、学员个体化教学临床影像数据、学员考核结果数据、学员评估数据、学员知识结构数据，并且所述智能教学方法包括：

自适应教学建模步骤，获得公共教学临床影像数据、筛选出学员个体化教学知识数据和学员个体化教学临床影像数据、并且建立学员个体化教学模型；

主动考核步骤，基于所述学员个体化教学模型，确定每一个学员的个体化的考核时间节点和从公共教学临床影像数据选取的考核内容；

精准量化评估步骤，将学员勾画的临床靶区区域与考核内容中的标准教学临床影像数据进行比对，生成每一个学员的评估数据；和

自适应培训步骤，根据所述评估数据生成所述学员知识结构数据，根据所述学员知识结构数据来规划和更新学员的学习路径；

其中在自适应教学建模步骤中：