CN114796892B 放疗系统、数据处理方法及存储介质 （西安大医集团股份有限公司）

201780003947.X2017.06.05区凤城十二路66号首创国际城商务中A,2015.12.02A,2015.08.26A,2015.09.02A,2008.09.17据库可以获取临床治疗过程中生成的多个样本多个样本数据进行深度学习，得到治疗算法模2所述标定数据库，用于从临床数据库中获取临床治疗过程中生成的多所述训练模块，用于在所述标定数据库中的样本数据的数量达到预设的数量要求时，所述数据处理模块，用于根据所述治疗算法模型，对临床治疗过所述训练模块，还用于接收针对指定样本数据的反馈等级，所述反所述训练模块，还用于根据所述指定样本数据的反馈等级调整所述指所述标定数据库，还用于接收修订样本数据，所述修订样本数据包括人员对所述初步治疗数据进行修订后得到的实际用于临床所述训练模块，还用于设置所述修订样本数据的权重值，使得所述修所述通信模块，用于将所述治疗算法模型发送至云服务器，以便或者，所述放疗系统部署于云服务器中，所述标定数述标定数据库中存储的多个样本数据是从指定医院的临床数据库所述数据处理模块，用于接收任一医院的本地服务器发送的检测数据，所述临床治疗过程包括：图像配准阶段，所述图像配准阶段生成的3所述每个样本数据中还包括一组附加数据，所述一组附加数据包所述数据处理模块在临床治疗过程中接收到的数据还包括与所述检测数据对应的附所述每个样本数据中还包括一组附加数据，所述一组附加数据包所述标定数据库，还用于根据每个样本数据的附加数据中目标病患属性信息的内容，所述训练模块，用于对所述标定数据库中存储的每一类样本数据分别进行深度学习，所述数据处理模块在临床治疗过程中接收到的数据还包括与所述检测数据对应的附获取临床治疗过程中生成的多个样本数据，其中每个样本4在标定数据库中的样本数据的数量达到预设的数量要求时，通根据所述治疗算法模型，对临床治疗过程中接收到的检测数据进行接收针对指定样本数据的反馈等级，所述反馈等级与所述指定根据所述指定样本数据的反馈等级调整所述指定样本数据的权接收修订样本数据，所述修订样本数据包括针对所述初步治疗数对所述标定数据库中更新后的样本数据进行在所述得到治疗算法模型之后，所述方法还包括：将所所述放疗系统部署于云服务器中，所述获取在所述得到治疗算法模型之后，所述方法还包括：将所述治从指定医院的临床数据库中获取所述多个样所述根据所述治疗算法模型，对临床治疗过程中接收到的检测数据进所述临床治疗过程包括：图像配准阶段，所述图像配准阶段生成的5所述临床治疗过程包括：治疗前摆位阶段，所述治疗前摆位阶段生所述每个样本数据中还包括一组附加数据，所述一组附加数据包所述临床治疗过程中接收到的数据还包括与所述检测数据对应的附加根据所述治疗算法模型，对所述接收到的检测数所述每个样本数据中还包括一组附加数据，所述一组附加数据包根据每个样本数据的附加数据中目标病患属性信息的内容，对所所述对所述标定数据库中存储的所述多个样本数据进行深度学习，得到治疗算法模对所述标定数据库中存储的每一类样本数据分别进行深度学习，得到所述临床治疗过程中接收到的数据还包括与所述检测数据对应的附加根据所述附加数据中目标病患属性信息的内容，从所述多种类型根据所述对应的治疗算法模型，对所述接收到的检测数据进行处理67画模块和治疗计划生成模块。其中医疗图像获取模块可以包括电子计算机断层扫描治疗计划。[0010]所述训练模块，用于对所述标定数据库中存储的所述多个样本数据进行深度学8数据为临床人员对所述初步治疗数据进行修订后得到的实际用于临型发送至云服务器，以便所述云服务器将所述治疗算法模型发送至其他医院的本地服务[0025]所述数据处理模块在临床治疗过程中接收到的数据还包括与所述检测数据对应9[0029]所述数据处理模块在临床治疗过程中接收到的数据还包括与检测数据对应的附多种类型的治疗算法模型中确定对应的治疗算法模型，并根据所述对应的治疗算法模型，[0031]获取临床治疗过程中生成的多个样本数据，其中每个样本数据包括一组检测数[0032]对所述标定数据库中存储的所述多个样本数据进行深度学习，得到治疗算法模[0035]接收修订样本数据，所述修订样本数据包括针对所述初[0043]所述放疗系统部署于云服务器中，所述获取临床治疗过程中生成的多个样本数[0052]根据所述治疗算法模型，对所述接收到的检测数据以及对应的附加数据进行处包括治疗前以及治疗中获取到的医疗影像数据，对应的治疗数据可以包括病患的摆位偏治疗阶段对应样本数据分别进行深度学习，进而得到针对该每个治疗阶段的治疗算法模[0084]在本申请实施例中，该训练模块20初次对标定数据库10中存储的数据进行训练该指定样本数据中治疗数据的治疗效果较差，因此可以将其对应的权重值也调整的较低，[0091]图3是本申请实施例提供的一种放疗系统的应用场景的示意图。在一种可实施方该治疗算法模型发送至其他医院的本地服务器中，例如可以发送至服务器02至服务器04，该通信模块用于将训练模块20训练得到的治疗算法模型发送至任一医院的本地服务器中，以便该医院的本地服务器可以根据该治疗算法模型对临床治疗过程中的检测数据进行处则部署于云服务器中的放疗系统可以从该服务器01和服务器02的临床数据库中获取样本可以将该配准模型发送至图像配准子模块301。该图像配准子模块301可以根据该配准模[0103]该勾画阶段生成的样本数据中，检测数据可以为该图像配准阶段生成的配准图病患身体后剩余的剂量。该调整数据中的剂量误差可以是指治疗计划中的放射剂量的误模块305可以根据该监控模型，对临床治疗过程中，在监控阶段获取到的监控数据进行处该训练模块20可以对该两类样本数据分别进行深度学习，分别得到针对病患属性信息为依次作为目标属性信息，对该多个样本数据进行多次分类。例如可以将该样本数据分别按块20可以根据每个病患属性信息所对应的多个类型的样本数据，分别进行训练得到多个治是针对病患属性信息：年龄的治疗算法模型，则该A1模型中具体可以包括针对病患属性信该A2模型中具体可以包括针对病患属性信息为“男”的子模型，以及针对病患属性信息为成初步治疗数据。由于该治疗算法模型是对大量的临床数据进行深度学习后训练得到的，[0127]本申请提供的一种数据处理方法，该方法可以应用于图1或图2所示的放疗系统体可以包括：从指定医院的临床数据库中获取该多组检测数据以及对应的多组治疗数据。像以及对应的治疗计划。深度学习后得到的训练模型还综合了附加数据的影响，使得该治疗算法模型进一步完善。[0155]上述步骤102具体可以包括：对该标定数据库中存储的每一类样本数据分别进行[0156]相应的，该临床治疗过程中接收到的数据还可以包括与检测数据对应的附加数由训练模块20执行的，步骤103可以是由数据处理模块执行的，该各个