[发明专利]一种放射治疗自动计划设计系统及其构建方法

权利要求书

1.一种放射治疗自动计划设计系统，其特征在于，包括计划设计辅助轮廓生成模块、处方设置模块、添加射野模块、深度神经网络剂量预测模块及优化目标函数生成及计划设计模块；

所述计划设计辅助轮廓生成模块用于为了达到临床放射治疗计划设计的要求，生成辅助轮廓在逆向优化阶段进行目标优化；

所述处方设置模块用于根据肿瘤学医师的放射治疗处方在放射治疗计划系统中进行处方设置；

所述添加射野模块用于在放射治疗计划系统中添加射野；

所述深度神经网络剂量预测模块用于根据同病种获取的数据，对逆向优化过程给出合理的剂量设计目标；

所述优化目标函数生成及计划设计模块用于放射治疗计划设计逆向优化，根据深度神经网络剂量预测模块进行优化。

2.根据权利要求1所述的一种放射治疗自动计划设计系统，其特征在于，所述深度神经网络剂量预测模块使用深度神经网络框架，包括U-Net或DeepLabv3+。

3.根据权利要求1所述的一种放射治疗自动计划设计系统，其特征在于，使用深度神经网络剂量预测模块的结果进行放射治疗逆向优化参数设置。

4.基于一种放射治疗自动计划设计系统的构建方法，其特征在于，包括以下步骤：

步骤1：计划设计辅助轮廓生成；

步骤2：处方设置；

步骤3：添加射野；

步骤4：深度神经网络剂量预测：包括数据获取、模型训练及将训练好的深度神经网络剂量预测模型应用于预测对象；

步骤5：优化目标函数生成及计划设计。

5.根据权利要求4所述的一种放射治疗自动计划设计系统的构建方法，其特征在于，所述深度神经网络剂量预测主要分为三个步骤，分别是：

S1：数据获取：获取患者的放射治疗计划CT影像、放射治疗处方、靶区和危及器官和剂量分布数据；将数据分为两部分，训练集和验证集；其中训练集用于训练深度神经网络模型，验证集用于定量评价训练完成后的模型的分割效果；

S2：模型训练：基于深度神经网络剂量预测模型将训练集进行预处理操作，包括对CT数据根据窗位进行归一化、随机缩放、旋转、平移，实现增广训练样本的目的，最后根据增广得到的训练样本，训练深度神经网络分割模型；

S3：将训练好的深度神经网络剂量预测模型应用于预测对象，得到预测对象的剂量分布。

6.根据权利要求5所述的一种放射治疗自动计划设计系统的构建方法，其特征在于，将步骤S1中获得数据按照4:1随机分为训练集和验证集两部分。