放疗设备及其辐照损伤预测系统和方法与流程

本公开涉及放射治疗仪器，尤其涉及一种放疗设备及其辐照损伤预测系统和方法。

背景技术：

1、低能放疗对电子器件的整体辐照（辐射）耐受性要求相对较低，且环境中一般区域的电离辐照强度较为有限，但在强辐照区域（如治疗头内部），电子器件仍面临显著的辐照损伤风险。该区域的关键部件，如霍尔传感器、fpga（field programmable gate array，现场可编程门阵列）芯片等常出现性能退化甚至完全失效，严重影响设备的可靠性与治疗安全。中能放疗设备中辐照场强度较高，对电子器件的辐照耐受能力提出更严格要求。长期运行可能导致器件发生栅氧层损伤、载流子迁移率下降甚至局部烧毁等问题。flashrt（flashradiotherapy，闪光放射治疗）在极短时间内施加超高剂量率辐照，其辐照环境极为恶劣，对电子器件的损伤风险急剧增加，不仅可能引发瞬时功能中断、latch-up（闩锁效应）等严重故障，还可能导致器件发生不可逆的物理损坏。因此，随着放疗能级与剂量率的提升，电子器件所面临的辐照损伤风险不断加剧。

2、现有技术在放射治疗中，对于电子器件辐照损伤的检测和定位存在多方面的不足。首先，检测精度较低，现有的检测方法往往依赖于人工经验，难以实时、精确地定位到受辐照损伤的具体部件，导致在早期阶段难以发现潜在问题。其次，预警能力较弱，缺乏有效的早期预警机制，导致在辐照损伤达到故障甚至不可逆阶段后才发现问题，这不仅影响了治疗效果，还可能危及患者的安全。

3、因此，现有的辐照损伤检测和定位方法在实际应用中存在明显的局限性，推动辐照在线诊断定位与实时预警技术成为保障放疗设备可靠运行的核心挑战，亟需一种更加精准、智能和综合的解决方案。

技术实现思路

1、本公开要解决的技术问题是为了克服现有技术中上述的缺陷，提供一种放疗设备及其辐照损伤预测系统和方法。

2、本公开是通过下述技术方案来解决上述技术问题：

3、第一方面，提供一种放疗设备的辐照损伤预测系统，所述放疗设备包括辐照敏感器件，所述辐照损伤预测系统包括算力设备和辐照检测设备；

4、所述辐照检测设备和所述辐照敏感器件位于辐照敏感区域，所述算力设备位于辐照不敏感区域；

5、所述辐照检测设备用于检测所述辐照敏感器件在运行状态下的初始工作状态参数，并将所述初始工作状态参数传输至所述算力设备；

6、所述算力设备用于对所述初始工作状态参数进行预处理操作，得到处理后数据；

7、所述算力设备部署有预测模型，所述预测模型用于基于所述处理后数据，预测所述辐照敏感器件的最终剩余使用寿命。

8、可选地，所述算力设备为本地算力设备；

9、所述本地算力设备部署有所述预测模型，所述预测模型用于基于所述处理后数据，预测所述辐照敏感器件的所述最终剩余使用寿命；

10、或，所述算力设备为云端算力设备；

11、所述云端算力设备部署有所述预测模型，所述预测模型用于基于与所述辐照敏感器件对应的云端数据和所述处理后数据，预测所述辐照敏感器件的所述最终剩余使用寿命；

12、或，所述算力设备包括本地算力设备和云端算力设备；

13、所述本地算力设备用于对接收的所述初始工作状态参数进行预处理操作，得到处理后数据并发送至所述云端算力设备；

14、所述云端算力设备部署有云端预测模型，所述本地算力设备部署有本地预测模型，所述本地预测模型基于所述云端预测模型得到；

15、所述本地预测模型用于基于所述处理后数据，预测所述辐照敏感器件的第一剩余使用寿命；

16、所述本地算力设备用于将所述第一剩余使用寿命发送至所述云端算力设备；

17、所述云端预测模型用于基于与所述辐照敏感器件对应的云端数据和所述处理后数据，预测所述辐照敏感器件的第二剩余使用寿命；

18、所述云端算力设备用于基于所述第一剩余使用寿命和所述第二剩余使用寿命确定所述辐照敏感器件对应的所述最终剩余使用寿命。

19、可选地，若所述第一剩余使用寿命和所述第二剩余使用寿命的差值小于预设寿命差值，则将所述第一剩余使用寿命或所述第二剩余使用寿命作为所述最终剩余使用寿命；

20、若所述第一剩余使用寿命和所述第二剩余使用寿命的差值大于所述预设寿命差值，则将所述第二预测剩余寿命作为所述最终剩余使用寿命。

21、可选地，若所述第一剩余使用寿命和所述第二剩余使用寿命的差值大于预设寿命差值，所述云端算力设备用于发送更新数据包至所述本地算力设备；

22、所述本地算力设备用于基于所述更新数据包更新所述本地预测模型。

23、可选地，所述辐照损伤预测系统包括模数转换模块，所述本地算力设备包括控制器；

24、所述模数转换模块用于对接收的所述初始工作状态参数进行模数转换操作，并输出转换工作状态参数至所述控制器；

25、所述控制器用于对所述转换工作状态参数进行所述预处理操作，得到所述处理后数据。

26、可选地，所述控制器包括第一算力模块，所述第一算力模块用于运行所述本地预测模型；

27、或，所述本地算力设备包括第二算力模块，所述第二算力模块用于运行所述本地预测模型；

28、可选地，所述辐照检测设备为辐照不敏感设备；

29、和/或，所述初始工作状态参数包括电流、电压、噪声和温度中的任意一种；

30、和/或，所述辐照敏感器件包括hall ic（hall integrated circuit，霍尔集成电路）、fpga、mcu（microcontroller unit，微控制器）、asic（application-specificintegrated circuit，专用集成电路）、soc（system on chip，片上系统）、dsp（digitalsignal processor，数字信号处理器）、mpu（microprocessor unit，微处理器）中的任意一种或多种；

31、和/或，所述辐照损伤预测系统还包括客户端，所述云端算力设备还用于将所述最终剩余使用寿命发送至所述客户端；

32、和/或，所述云端算力设备还用于若所述最终剩余使用寿命小于预设寿命阈值，则发送告警信息至辐照损伤预测系统的客户端；

33、和/或，所述本地预测模型基于对所述云端预测模型进行压缩和优化后得到；

34、和/或，所述云端预测模型通过以样本辐照敏感器件的器件属性数据、使用数据和环境数据为输入，以样本辐照敏感器件的剩余使用寿命、辐照老化健康度评分、远期失效概率等级和电性能退化趋势为输出，训练预设模型得到。

35、第二方面，提供一种放疗设备的辐照损伤预测方法，所述辐照损伤预测方法基于上述所述的放疗设备的辐照损伤预测系统实现；

36、所述辐照损伤预测方法包括：

37、获取辐照敏感器件的初始工作状态参数；

38、对所述初始工作状态参数进行预处理操作得到处理后数据；

39、将所述处理后数据输入至预测模型，预测出所述辐照敏感器件对应的最终剩余使用寿命。

40、可选地，当所述辐照损伤预测系统的云端算力设备部署有云端预测模型，本地算力设备部署有本地预测模型时，所述将所述处理后数据输入至预测模型，预测出所述辐照敏感器件对应的最终剩余使用寿命的步骤包括：

41、将所述处理后数据输入至所述本地预测模型，预测出所述辐照敏感器件对应的第一剩余使用寿命；

42、获取与所述辐照敏感器件对应的云端数据；

43、将所述处理后数据和所述云端数据输入至所述预测模型，预测出所述辐照敏感器件对应的第二剩余使用寿命；

44、基于所述第一剩余使用寿命和所述第二剩余使用寿命确定所述辐照敏感器件对应的最终剩余使用寿命。

45、第三方面，提供一种放疗设备，所述放疗设备包括辐照敏感器件，所述放疗设备还包括上述所述的放疗设备的辐照损伤预测系统。

46、在符合本领域常识的基础上，上述各优选条件，可任意组合，即得本公开各较佳实例。

47、本公开的积极进步效果在于：

48、本公开的放疗设备及其辐照损伤预测系统和方法，辐照损伤预测系统包括算力设备和辐照检测设备，通过辐照检测设备检测辐照敏感器件在运行状态下的初始工作状态参数，并将初始工作状态参数传输至算力设备；通过算力设备对初始工作状态参数进行预处理操作，得到处理后数据，借助于部署在算力设备中的预测模型，基于处理后数据预测辐照敏感器件的最终剩余使用寿命；实现了对放疗设备中辐照敏感器件的辐照损伤的自动化检测，以及辐照敏感器件最终剩余使用寿命的自动化预测，便于设备维护人员及时知晓辐照敏感器件的寿命状态，为放疗设备的日常维护提供有力的数据支撑，在设备故障前完成维护和维修，实现用户（放疗设备使用者，如医生）使用的零故障感知，提升了用户使用体验。