[发明专利]一种基于深度学习的实时放疗计划纠错系统的操作方法

权利要求书

1.一种基于深度学习的实时放疗计划纠错系统的操作方法，其特征在于，具体操作步骤如下：

步骤(1)、通过放疗计划系统打开患者数据并创建临床目标，放疗计划系统将患者数据和临床目标推送到实时放疗计划纠错系统；

步骤(2)、医生或物理师根据临床目标制定计划，放疗计划系统将计划方案推送到实时放疗计划纠错系统，等实时放疗计划纠错系统接收计划方案后与步骤(1)中患者数据和临床目标合并后发布一条深度学习分析任务到消息队列；

步骤(3)、实时放疗计划纠错系统中消息队列接收到分析任务后启动深度学习框架分析和处理，随后将处理结果生成为结构化文件推送到放疗计划系统；

步骤(4)、放疗计划系统接收到实时放疗计划纠错系统生成的结构化文件后，解析结构化文件并显示在界面上；

步骤(5)、医生或物理师根据异常信息和提示信息修改计划方案，重复步骤(2)至(5)直至计划方案确认为止；

步骤(6)、放疗计划系统将确认后的计划方案推送到实时放疗计划纠错系统，实时放疗计划纠错系统启动深度学习框架进行训练和更新模型。

2.根据权利要求1所述的一种基于深度学习的实时放疗计划纠错系统的操作方法，其特征在于，

在步骤(1)中，所述实时放疗计划纠错系统具体是，其独立于放疗计划系统，与放疗计划系统通过远程调用过程进行相互通讯，实时放疗计划纠错系统内部通过消息队列进行深度学习的分析处理。

3.根据权利要求1所述的一种基于深度学习的实时放疗计划纠错系统的操作方法，其特征在于，

将步骤(1)所述的患者数据和临床目标以及步骤(2)所述的计划方案转换为DICOM格式的数据。

4.根据权利要求1所述的一种基于深度学习的实时放疗计划纠错系统的操作方法，其特征在于，

在步骤(3)中，所述实时放疗计划纠错系统中消息队列接收到分析任务后启动深度学习框架分析和处理，随后将结果生成为结构化文件，该结构化文件中记录了计划方案评分、异常信息和提示信息。

5.根据权利要求1所述的一种基于深度学习的实时放疗计划纠错系统的操作方法，其特征在于，

在步骤(4)中，所述放疗计划系统接收到实时放疗计划纠错系统生成的结构化文件后，解析结构化文件并用红色感叹号显示在计划方案上，当鼠标滑动到红色叹号上展开具体异常信息列表，双击异常信息条目后弹出非模态对话框给出对应的提示信息。

6.根据权利要求1所述的一种基于深度学习的实时放疗计划纠错系统的操作方法，其特征在于，

在步骤(6)中，所述实时放疗计划纠错系统启动深度学习框架进行训练和更新模型，深度学习框架是基于SE模块和自注意力模块的U型结构网络。