【技术实现步骤摘要】
用于使用深度学习引擎进行自适应放射治疗计划的方法和系统
技术介绍
除非本文另外指明,否则本部分中描述的方法不是本申请中的权利要求的现有技术,并且不因为包括在本部分中就承认是现有技术。放射疗法是用于从患者减少或消除不期望的肿瘤的治疗的重要部分。遗憾的是,外加辐射本身不会区分不期望的肿瘤与任何近侧健康结构,诸如器官等。这需要谨慎的施用以将辐射限制于肿瘤(即,靶标)。理想地,目标是将致死或祛病辐射剂量递送到肿瘤,同时在近侧健康结构中维持可接受的剂量水平。然而,为了实现这个目标,常规放射治疗计划和/或自适应放射治疗计划可能是费时费力的。
技术实现思路
根据本公开的第一方面,提供了用于使用深度学习引擎进行放射治疗计划的示例方法和系统。将使用图1至图5来论述各种实例。深度学习引擎可以至少包括第一处理路径、第二处理路径和第三处理路径。一种示例方法可以包括:获得与患者相关联的第一图像数据;通过使用第一处理路径处理与第一分辨率水平相关联的第一图像数据来产生第一特征数据;通过使用第二处理路径处理与第二分辨率水平相关联的第二图像数据来产生第二特征数据;以及通过使用第三处理路径处理与第三分辨率水平相关联的第三图像数据来产生第三特征数据。示例方法还可以包括:基于第二特征数据和第三特征数据而产生与第二分辨率水平相关联的第一组和特征数据集;以及基于第一特征数据和第一组合集而产生与第一分辨率水平相关联的第二组和特征数据集。另外,示例方法可以包括产生与患者的放射治疗相关联的输出数据。例如,输出数据可以包括以下中的至少一者:与患者相关联的结构数据 ...
【技术保护点】
1.一种由计算机系统执行自适应放射治疗计划的方法,其中所述方法包括:/n获得与第一成像模态相关联的治疗图像数据,其中所述治疗图像数据是在患者的治疗阶段期间获取;/n获得与第二成像模态相关联的计划图像数据,其中所述计划图像数据是在所述治疗阶段之前获取以为所述患者产生治疗计划;/n确定所述治疗图像数据与所述计划图像数据之间的差异是否超过阈值;/n响应于确定所述差异超过所述阈值,/n对与所述第一成像模态相关联的所述治疗图像数据进行变换以产生与所述第二成像模态相关联的变换后的图像数据;以及/n使用第一深度学习引擎来处理所述变换后的图像数据以产生输出数据来更新所述治疗计划;/n否则使用第二深度学习引擎来处理所述治疗图像数据和所述计划图像数据以产生输出数据来更新所述治疗计划。/n
【技术特征摘要】
20180928 US 16/145,606;20180928 US 16/145,6731.一种由计算机系统执行自适应放射治疗计划的方法,其中所述方法包括:
获得与第一成像模态相关联的治疗图像数据,其中所述治疗图像数据是在患者的治疗阶段期间获取;
获得与第二成像模态相关联的计划图像数据,其中所述计划图像数据是在所述治疗阶段之前获取以为所述患者产生治疗计划;
确定所述治疗图像数据与所述计划图像数据之间的差异是否超过阈值;
响应于确定所述差异超过所述阈值,
对与所述第一成像模态相关联的所述治疗图像数据进行变换以产生与所述第二成像模态相关联的变换后的图像数据;以及
使用第一深度学习引擎来处理所述变换后的图像数据以产生输出数据来更新所述治疗计划;
否则使用第二深度学习引擎来处理所述治疗图像数据和所述计划图像数据以产生输出数据来更新所述治疗计划。
2.如权利要求1所述的方法,其中确定所述治疗图像数据与所述计划图像数据之间的所述差异是否超过阈值包括:
基于所述治疗图像数据与所述计划图像数据之间的比较,确定所述治疗图像数据与所述计划图像数据之间的所述差异是否超过所述阈值,所述阈值呈与以下中的至少一者相关的预定显著性阈值的形式:需要剂量递送的靶标的形状、尺寸或位置变化;以及接近于所述靶标的健康组织的形状、尺寸或位置变化。
3.如权利要求1或权利要求2所述的方法,其中对所述治疗图像数据进行变换包括:
使用另一深度学习引擎来对所述治疗图像数据进行变换以产生所述变换后的图像数据。
4.如权利要求1或权利要求2所述的方法,其中对所述治疗图像数据进行变换包括:
使用图像配准算法来将所述治疗图像数据变换为包括适合于治疗计划的数据的所述变换后的图像数据。
5.如权利要求1至4中任一项所述的方法,其中使用所述第一深度学习引擎来处理所述变换后的图像数据包括:
使用所述第一深度学习引擎的第一处理路径来处理所述变换后的图像数据以产生与第一分辨率水平相关联的第一特征数据;以及
使用所述第一深度学习引擎的第二处理路径来处理所述变换后的图像数据以产生与第二分辨率水平相关联的第二特征数据;
使用所述第一深度学习引擎的第三处理路径来处理所述变换后的图像数据以产生与第三分辨率水平相关联的第三特征数据;以及
基于所述第一特征数据、所述第二特征数据和所述第三特征数据而产生所述输出数据。
6.如权利要求1或权利要求2所述的方法,其中所述方法还包括:
在使用所述第二深度学习引擎来处理所述治疗图像数据和所述计划图像数据之前,通过相对于所述计划图像数据配准所述治疗图像数据来执行图像配准以产生变换后的图像...
【专利技术属性】
技术研发人员:H·拉克索南,J·诺德,S·P·珀图,
申请(专利权)人:瓦里安医疗系统国际股份公司,
类型:发明
国别省市:美国;US
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。