[发明专利]一种注量谱分布计算建模、注量谱分布计算方法及装置

说明书

本发明公开了一种注量谱分布计算建模、注量谱分布计算方法及装置，包括：搜集图像数据，根据图像数据完成蒙特卡罗模拟计算，获得训练数据，所述训练数据包括粒子的入射注量谱分布和出射注量谱分布；根据所述入射注量谱分布，对所述图像数据进行预处理，生成训练输入数据；基于图形处理器构建初始神经网络模型，并根据训练输入数据和训练数据对所述初始神经网络模型进行重复训练和评估，并更新模型参数；直至达到预设条件后，停止训练迭代，保存模型参数，以完成神经网络模型的构建。本发明通过以蒙特卡罗模拟计算作为神经网络模型训练目标，保证了注量谱分布计算的精度和效率。

技术领域

本发明涉及粒子输运计算领域，尤其涉及一种注量谱分布计算建模、注量谱分布计算方法及装置。

背景技术

粒子注量定义为单位面积垂直通过记录平面的粒子数，注量谱分布是指对记录平面划分多个记录网格，记录每个网格中不同能量区间的注量。无论是放射治疗领域还是辐射防护领域，都需要计算射线在穿透一定结构介质后，所出射的注量谱分布，以方便进行下一步计算。例如对于辐射防护，需要评估射线穿透防护墙后的射线，以评估防护效果；对于放射治疗，需要获得穿透人体后注量谱分布，以进行在体剂量检测等。

目前，对于注量谱计算主流的技术有：以蒙特卡罗(Monte Carlo)算法为代表的基于粒子相互作用基本原理进行模拟抽样获得出射注量分布的算法；通过卷积(convolution/superposition)算法，利用卷积原理进行计算，例如笔形束卷积算法(PencilBeam convolution/superposition)，筒串卷积算法(collapsed coneconvolution/superposition)，计算出射注量谱分布。

现有的蒙特卡罗(Monte Carlo)算法为代表的基于粒子相互作用基本原理进行模拟抽样获得出射注量分布的算法，虽然精度高但由于剂量计算中粒子量大，计算效率较低。此外，现有一种注量谱分布计算方法，通过基于深度学习模型构建剂量计算模型，以医疗机器参数为输入，通过水中的剂量信息训练剂量计算模型，实现了自动建模，但剂量计算中神经元数量巨大，因此计算效率不高。

发明内容

本发明提供了一种注量谱分布计算建模、注量谱分布计算方法及装置，以解决注量谱计算中，计算效率和计算精度难以同时保证的技术问题。

为了解决上述技术问题，第一方面，本发明实施例提供了一种注量谱分布计算建模方法，包括：

搜集图像数据，根据图像数据完成蒙特卡罗模拟计算，获得训练数据，所述训练数据包括粒子的入射注量谱分布和出射注量谱分布；

根据所述入射注量谱分布，对所述图像数据进行预处理，生成训练输入数据；

基于图形处理器构建初始神经网络模型，并根据训练输入数据和训练数据对所述初始神经网络模型进行重复训练和评估，并更新模型参数；

直至达到预设条件后，停止训练迭代，保存模型参数，以完成神经网络模型的构建。

本发明通过蒙特卡罗模拟计算，获取粒子的入射注量谱分布和出射注量谱分布，并将蒙特卡罗模拟计算结果作为神经网络模型训练的目标，优化神经网络模型，提高模型计算精度，同时采用经过预处理的图像数据，通过图形处理器构建神经网络模型处理数据，能够并行处理注量谱分布计算中神经网络模型训练或应用产生的大量的神经元计算任务，提高注量谱分布计算效率。

进一步地，所述搜集图像数据，根据图像数据完成蒙特卡罗模拟计算，获得训练数据，所述训练数据包括粒子的入射注量谱分布和出射注量谱分布，具体为：

搜集图像数据，根据图像数据获取粒子信息，所述粒子信息包括介质条件、源的条件和粒子与介质相互作用的截面数据；

随机设置射野条件，并根据粒子信息对粒子进行模拟抽样，完成蒙特卡罗模拟计算，获得粒子的入射注量谱分布和出射注量谱分布；将所述入射注量谱分布和出射注量谱分布作为训练数据。