本發(fā)明涉及深度學習，尤其涉及一種腫瘤放射治療的實時劑量監(jiān)測調整方法及系統(tǒng)。

背景技術：

1、腫瘤放射治療是癌癥治療的重要手段之一，其治療效果和患者預后直接依賴于精確的劑量分布。然而，傳統(tǒng)的放射治療方法往往難以實時監(jiān)測和調整劑量分布，導致治療效果的不確定性和潛在的副作用風險。隨著醫(yī)療技術的發(fā)展，實時劑量監(jiān)測和調整成為提高放射治療精確度的關鍵。

2、現有的劑量監(jiān)測方法大多依賴于離線測量或簡化模型，無法準確反映治療過程中的實時劑量分布變化。此外，患者的呼吸運動、器官變形等因素也會導致實際劑量分布與計劃劑量產生偏差。這些問題嚴重制約了放射治療的精確性和個體化水平，亟需一種能夠實時、準確監(jiān)測劑量分布并進行動態(tài)調整的方法。

技術實現思路

1、本發(fā)明提供了一種腫瘤放射治療的實時劑量監(jiān)測調整方法及系統(tǒng)，用于整合多源異構數據，構建精確的劑量分布預測模型，以及實現放療設備參數的智能調整。

2、第一方面，本發(fā)明提供了一種腫瘤放射治療的實時劑量監(jiān)測調整方法，所述腫瘤放射治療的實時劑量監(jiān)測調整方法包括：

3、對治療區(qū)域進行實時劑量數據采集，得到表面劑量分布數據和ph值變化數據，并對患者進行呼吸運動特征識別，生成呼吸運動特征集合；

4、對所述治療區(qū)域進行四維時空劃分，構建以時空區(qū)塊為節(jié)點的動態(tài)網絡結構，得到動態(tài)劑量分布網絡；

5、根據所述動態(tài)劑量分布網絡，對所述表面劑量分布數據和所述ph值變化數據進行特征提取和整合，得到融合分布特征集合；

6、將所述融合分布特征集合和所述呼吸運動特征集合輸入預置的劑量分布預測模型進行實時劑量分布預測，得到實時劑量分布預測數據；

7、根據所述實時劑量分布預測數據，對放療設備的原始控制參數進行動態(tài)調整，得到所述放療設備的目標控制參數。

8、第二方面，本發(fā)明提供了一種腫瘤放射治療的實時劑量監(jiān)測調整系統(tǒng)，所述腫瘤放射治療的實時劑量監(jiān)測調整系統(tǒng)包括：

9、采集模塊，用于對治療區(qū)域進行實時劑量數據采集，得到表面劑量分布數據和ph值變化數據，并對患者進行呼吸運動特征識別，生成呼吸運動特征集合；

10、構建模塊，用于對所述治療區(qū)域進行四維時空劃分，構建以時空區(qū)塊為節(jié)點的動態(tài)網絡結構，得到動態(tài)劑量分布網絡；

11、提取模塊，用于根據所述動態(tài)劑量分布網絡，對所述表面劑量分布數據和所述ph值變化數據進行特征提取和整合，得到融合分布特征集合；

12、預測模塊，用于將所述融合分布特征集合和所述呼吸運動特征集合輸入預置的劑量分布預測模型進行實時劑量分布預測，得到實時劑量分布預測數據；

13、調整模塊，用于根據所述實時劑量分布預測數據，對放療設備的原始控制參數進行動態(tài)調整，得到所述放療設備的目標控制參數。

14、本發(fā)明第三方面提供了一種計算機設備，包括：存儲器和至少一個處理器，所述存儲器中存儲有指令；所述至少一個處理器調用所述存儲器中的所述指令，以使得所述計算機設備執(zhí)行上述的腫瘤放射治療的實時劑量監(jiān)測調整方法。

15、本發(fā)明的第四方面提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質中存儲有指令，當其在計算機上運行時，使得計算機執(zhí)行上述的腫瘤放射治療的實時劑量監(jiān)測調整方法。

16、本發(fā)明提供的技術方案中，通過采集表面劑量分布數據、ph值變化數據和呼吸運動特征，實現了多源異構數據的有效整合，提供了更全面的治療區(qū)域信息，采用四維時空劃分和動態(tài)網絡結構，能夠更好地捕捉治療區(qū)域的時空變化特征，提高了劑量分布預測的準確性和時空分辨率。結合3dcnn、gcn和gru的混合架構，充分利用了空間、圖結構和時序信息，顯著提升了劑量分布預測的精度和泛化能力?；陔p重q網絡的強化學習算法，實現了放療設備參數的智能化實時調整，有效應對了治療過程中的不確定性因素。通過外部傳感器實現劑量和生理參數的實時監(jiān)測，避免了傳統(tǒng)侵入式方法的潛在風險，提高了患者的舒適度和治療依從性?？紤]了患者的呼吸運動特征，實現了更為精確的個體化劑量分布預測和調整，有助于提高治療效果并減少副作用。采用多層次的特征提取和優(yōu)化策略，在保證預測精度的同時，提高了算法的計算效率，滿足了實時監(jiān)測和調整的需求。

17、本發(fā)明的其他特征和優(yōu)點將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者通過實施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點在說明書、權利要求書以及附圖中所特別指出的結構來實現和獲得。

18、為使本發(fā)明的上述目的、特征和優(yōu)點能更明顯易懂，下文特舉較佳實施例，并配合所附附圖，作詳細說明如下。

技術特征：

1.一種腫瘤放射治療的實時劑量監(jiān)測調整方法，其特征在于，所述方法包括：

2.根據權利要求1所述的腫瘤放射治療的實時劑量監(jiān)測調整方法，其特征在于，所述對治療區(qū)域進行實時劑量數據采集，得到表面劑量分布數據和ph值變化數據，并對患者進行呼吸運動特征識別，生成呼吸運動特征集合，包括：

3.根據權利要求1所述的腫瘤放射治療的實時劑量監(jiān)測調整方法，其特征在于，所述對所述治療區(qū)域進行四維時空劃分，構建以時空區(qū)塊為節(jié)點的動態(tài)網絡結構，得到動態(tài)劑量分布網絡，包括：

4.根據權利要求1所述的腫瘤放射治療的實時劑量監(jiān)測調整方法，其特征在于，所述根據所述動態(tài)劑量分布網絡，對所述表面劑量分布數據和所述ph值變化數據進行特征提取和整合，得到融合分布特征集合，包括：

5.根據權利要求1所述的腫瘤放射治療的實時劑量監(jiān)測調整方法，其特征在于，所述將所述融合分布特征集合和所述呼吸運動特征集合輸入預置的劑量分布預測模型進行實時劑量分布預測，得到實時劑量分布預測數據，包括：

6.根據權利要求5所述的腫瘤放射治療的實時劑量監(jiān)測調整方法，其特征在于，所述將所述加權時序特征輸入三維反卷積網絡進行劑量分布預測，得到實時劑量分布預測數據，三維反卷積網絡包含4個3d反卷積層，每層后接三維實例歸一化和relu激活函數，最后一層使用tanh激活函數，包括：

7.根據權利要求1所述的腫瘤放射治療的實時劑量監(jiān)測調整方法，其特征在于，所述根據所述實時劑量分布預測數據，對放療設備的原始控制參數進行動態(tài)調整，得到所述放療設備的目標控制參數，包括：

8.一種腫瘤放射治療的實時劑量監(jiān)測調整系統(tǒng)，其特征在于，用于執(zhí)行如權利要求1-7中任一項所述的腫瘤放射治療的實時劑量監(jiān)測調整方法，所述系統(tǒng)包括：

9.一種計算機設備，其特征在于，所述計算機設備包括：存儲器和至少一個處理器，所述存儲器中存儲有指令；

10.一種計算機可讀存儲介質，所述計算機可讀存儲介質上存儲有指令，其特征在于，所述指令被處理器執(zhí)行時實現如權利要求1-7中任一項所述的腫瘤放射治療的實時劑量監(jiān)測調整方法。

技術總結
本發(fā)明涉及深度學習技術領域，公開了一種腫瘤放射治療的實時劑量監(jiān)測調整方法及系統(tǒng)，其中，該方法包括：對治療區(qū)域進行實時劑量數據采集，得到表面劑量分布數據和pH值變化數據，并對患者進行呼吸運動特征識別，生成呼吸運動特征集合；進行四維時空劃分，構建動態(tài)劑量分布網絡；進行特征提取和整合，得到融合分布特征集合；將融合分布特征集合和呼吸運動特征集合輸入預置的劑量分布預測模型進行實時劑量分布預測，得到實時劑量分布預測數據；對放療設備的原始控制參數進行動態(tài)調整，得到目標控制參數，該方法整合了多源異構數據，構建了精確的劑量分布預測模型，以及實現了放療設備參數的智能調整。

技術研發(fā)人員：伍艷玲,賈亞軍,桑勇,代智濤,馬俊,劉晨彬
受保護的技術使用者：中國醫(yī)學科學院腫瘤醫(yī)院深圳醫(yī)院
技術研發(fā)日：
技術公布日：2024/12/30