[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

说明书

本发明公开了一种基于深度学习的实时放疗计划纠错系统的操作方法。属于放疗计划设计领域。具体包括放疗计划系统与实时放疗计划纠错系统通过远程调用过程进行相互通讯，其操作步骤：先放疗计划系统将患者数据、临床目标和计划方案转换为DICOM格式数据推送到实时放疗计划纠错系统，后实时放疗计划纠错系统创建和发布任务到消息队列中，在消息队列中启动深度学习框架进行分析和处理，将处理后的结果合并为结构化文件并推送到放疗计划系统，然后放疗计划系统解析和显示结构化文件，医生或物理师根据异常信息和提示信息修改计划，重复相同步骤直至计划确认为止，最后将确认后的计划推送到实时放疗计划纠错系统进行训练和更新模型，从而提高分析和处理的准确性。

技术领域

本发明属于放疗计划设计领域，涉及了一种基于深度学习的实时放疗计划纠错系统，具体的，是涉及一种基于深度学习的实时放疗计划纠错系统的操作方法。

背景技术

现有技术中，放疗是根据肿瘤原发病灶及临床目标制定计划方案，使用高能量强度的射线破坏肿瘤病灶以及周边细胞以达到治疗目的，已经成为常用的治疗恶性肿瘤的手段之一。

放疗是一个复杂的过程，其中制定放疗计划方案是重要的一环，直接影响了治疗结果。由于医生或物理师因经验技巧等方面的差异导致设计计划时需要投入大量时间和精力且结果不可控，无法实时判断计划有效性以及合理性。

发明内容

发明目的：本发明的目的是提供了一种基于深度学习的实时放疗计划纠错系统的操作方法。

技术方案：本发明所述的一种基于深度学习的实时放疗计划纠错系统，包括以下步骤：

步骤S1：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S2：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 S1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S3：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S4：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S5：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 S2至S5直至计划方案确认为止；

步骤S6：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。

进一步的，在步骤S1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。

进一步的，将步骤S1所述的患者数据和临床目标以及步骤S2所述的计划方案转换为DICOM格式的数据。

进一步的，在步骤S3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。

进一步的，在步骤S4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。

进一步的，在步骤S6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。