[發明專利]放療的控制方法及裝置

有效

• 申請號: 202011194094.2
• 申請日: 2020-10-30
• 公開（公告）號: CN112263787B
• 公開（公告）日: 2021-08-10
• 發明（設計）人: 周琦超;張煒;孔令軻;石麗婉;林勤
• 申請（專利權）人: 福建自貿試驗區廈門片區Manteia數據科技有限公司
• 主分類號: A61N5/10
• 分類號: A61N5/10
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 周春枚

1.一種放療的控制方法，其特征在于，包括：

獲取預設模型；

針對放療目標，通過所述預設模型輸出多葉準直器的目標葉片序列，得到計劃文件；

將所述計劃文件導入放療計劃系統控制直線加速器工作，以執行放療計劃；

其中，所述方法還包括：

獲取樣本數據，其中，所述樣本數據中包括：歷史計劃文件中的注量圖；

采用所述樣本數據，通過神經網絡模型進行強化學習訓練，生成所述預設模型；

在獲取樣本數據之前，所述方法還包括：

根據所述直線加速器的型號對訓練框架進行環境參數設定，其中，所述環境參數至少包括：每個葉片的葉片寬度，每個葉片的運動范圍，每個葉片的運動速度，所述多葉準直器的葉片總數量；

對所述訓練框架的葉片進行狀態設定，其中，所述狀態設定至少包括：當前葉片在所屬位置，當前得到的注量圖，目標注量圖；

對所述訓練框架的葉片設定獎勵函數，其中，所述獎勵函數用于計算當前輸出的注量圖和目標注量圖之間的差異，并按照葉片位置分配相應的獎勵。

2.根據權利要求1所述的方法，其特征在于，在獲取樣本數據之前，所述方法還包括：

根據設定的所述環境參數、所述狀態和所述獎勵函數，確定環境中模擬的多葉準直器的狀態。

3.根據權利要求2所述的方法，其特征在于，采用所述樣本數據，通過神經網絡模型進行強化學習訓練，生成所述預設模型包括：

將所述樣本數據和所述模擬的多葉準直器的狀態，通過神經網絡模型中的第一網絡進行強化學習訓練，得到多葉準直器的葉片序列，其中，所述模擬的多葉準直器的葉片序列中包括：葉片的坐標位置和照射野的權重；

通過所述神經網絡模型中的第二網絡對所述模擬的多葉準直器的葉片序列進行評估；

根據評估結果對所述神經網絡模型中的第一網絡和第二網絡中的參數進行調整，以生成所述預設模型。

4.根據權利要求1所述的方法，其特征在于，在將所述計劃文件導入放療計劃系統控制直線加速器工作，以執行放療計劃之后，所述方法還包括：

將所述計劃文件導入放療計劃系統控制所述直線加速器工作，獲取實際注量圖；

基于所述實際注量圖和目標注量圖對所述預設模型進行評估。

5.一種放療的控制裝置，其特征在于，包括：

第一獲取單元，用于獲取預設模型；

第二獲取單元，用于針對放療目標，通過所述預設模型輸出多葉準直器的目標葉片序列，得到計劃文件；

控制單元，用于將所述計劃文件導入放療計劃系統控制直線加速器工作，以執行放療計劃；

其中，所述裝置還包括：

第三獲取單元，用于在獲取預設模型之前，獲取樣本數據，其中，所述樣本數據中包括：歷史計劃文件中的注量圖；

生成單元，用于采用所述樣本數據，通過神經網絡模型進行強化學習訓練，生成所述預設模型；

所述裝置還包括：第一設置單元，用于在獲取樣本數據之前，根據直線加速器的型號對訓練框架進行環境參數設定，其中，環境參數至少包括：每個葉片的葉片寬度，每個葉片的運動范圍，每個葉片的運動速度，多葉準直器的葉片總數量；第二設置單元，用于對訓練框架的葉片進行狀態設定，其中，狀態設定至少包括：當前葉片在所屬位置，當前得到的注量圖，目標注量圖；第三設置單元，用于對訓練框架的葉片設定獎勵函數，其中，獎勵函數用于計算當前輸出的注量圖和目標注量圖之間的差異，并按照葉片位置分配相應的獎勵。

6.一種非易失性存儲介質，其特征在于，所述非易失性存儲介質包括存儲的程序，其中，所述程序運行時控制非易失性存儲介質所在的設備執行權利要求1至4中任意一項所述的方法。

7.一種電子裝置，其特征在于，包含處理器和存儲器；所述存儲器中存儲有計算機可讀指令，所述處理器用于運行所述計算機可讀指令，其中，所述計算機可讀指令運行時執行權利要求1至4中任意一項所述的方法。