CN119499565A 一种用于患者放射治疗的自适应辅助决策方法、系统、设备及介质 （山东第一医科大学附属肿瘤医院(山东省肿瘤防治研究院、山东省肿瘤医院)）

一种用于患者放射治疗的自适应辅助决策本申请公开了一种用于患者放射治疗的自估放射治疗剂量分布，以生成多个替代治疗方多个操作，实现患者放射治疗的精准化和个性2获取用于患者放射治疗的原始数据；所述原始数据包括多模采用优化评估方法评估所述放射治疗剂量分布得到评估结基于最优治疗方案实施放射治疗，并在放射治疗过采用深度学习算法基于所述处理数据进行肿瘤和正常组7.一种用于患者放射治疗的自适应辅助决策数据采集与预处理模块，用于获取用于患者放射治疗的原始数据影像分析与分割模块，与所述数据采集与预处理模块连接，用于基于肿瘤靶区勾画模块，与所述影像分析与分割模块连接，用3剂量优化模块，与所述肿瘤靶区勾画模块连接，用于根治疗计划评估与优化模块，与所述剂量优化模块实时影像引导模块，与所述治疗计划评估与优化模块处理器执行时实现权利要求1_6中任一项所述的用于患者放射治疗的自适应辅助决策方4[0002]放射治疗是治疗多种癌症的主要手段之一，通过高能量的射线破坏癌细胞的DNA种技术，它通过在每次治疗前或治疗期间使用影像学技术【如锥形束CT(ComputedTherapy)通常仍然基于预先制定的静态计划，仅通过简单的位移调整来修正患者的位置。此方法虽然能部分改善治疗的精度，但依旧存在无法东涛追踪和调整治疗过程中肿瘤变化、需要大量手动干预、无法更精细的优化剂量分布的问题。自适应放射治疗(Adaptive5[0015]基于最优治疗方案实施放射治疗，并在放射治疗过程中实时监测患者的解剖变[0022]采用深度学习算法基于所述处理数据进行肿瘤和正常组织的自动分割及变化检6一项所述的用于患者放射治疗的自适应辅助算机程序被处理器执行时实现上述中任一项所述的用于患者放射治疗的自适应辅助决策[0042]图1为本申请一实施例提供的一种用于患者放射治疗的自适应辅助决策方法的流[0043]图2为本申请另一实施例提供的一种用于患者放射治疗的自适应辅助决策系统的7[0061](2)采用图像处理算法(如卷积滤波或自适应滤波)消除标准化数据中的噪声和伪8配准影像。其中参考影像是配准的基准影像Registration)和仿射配准(AffineRegistration)。刚性配准(RigidRegistration)中，像对齐的程度。对于多模态影像(如CT和MRI)，常用的相似性度量是互信息(Mutual的变换参数，不依赖于梯度信息，适合处理复杂的多模态影像配准问题。本实施例采用[0076]使用当前的仿射变换矩阵将待配准影像投影到参考影像空间，计算初始互信息9[0084]将配准后的待配准影像与参考影像进行叠加显示，通过可视化手段验证配准效[0086]使用定量指标如目标重合度(Dice系数)、平均表面距离(MeanSurface算法)计算放射治疗的剂量分布，确保肿瘤获得足够的治疗剂量，而正常组织的剂量最小[0098]2、射线源的物理建模。构建放射治疗设备中射线源的物理模型，如直线加速器[0119](3)实时计算并评估当前治疗计划中的剂量分布，特别关注肿瘤区和正常组织的例如设定肿瘤靶区剂量低于处方剂量95表示剂量不足。肿瘤靶区剂量高于处方剂量[0124]4、通过对比实时剂量分布与预设的剂量阈值，自动识别出剂量过高或不足的区围正常组织的详细信息。通过蒙特卡洛算法等方法预先计算不同放射束参数下的剂量分[0132]2、智能体初始化：初始化一个基于深度强化学习(DeepReinforcement果与副作用。者放射治疗的自适应辅助决策方法的用于患者放射治疗的提供的一个或多个用于患者放射治疗的自适应辅助决策系统实施例中的具体限定可以参[0175]基于上述描述，得到的系统可以通过网络连接至医院信正常组织的受损风险。系统会模拟不同替代治疗方案对肿瘤控制率和正常组织损伤的影算法)重新计算新的剂量分布，确保肿瘤获得足够的治疗剂量，同时减少对正常组织的辐该计算机程序被处理器执行时实现上述各方机程序被处理器执行时实现上述各方法实施例中非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read_(ReRAM)、磁变存储器(MagnetoresistiveRandomAccessMemory，MRAM)、铁电存储器(StaticRandomAccessMemory，SRAM)或动态随机存取存储器(DynamicRandomAccess[0210]本申请所提供的各