放射疗法治疗计划的对抗性预测的制作方法

技术特征：
1.一种用于生成一个或更多个放射疗法治疗计划的计算机实现的方法，所述方法包括：接收针对放射疗法治疗机器的每个台架角度的一组图像数据对，其中，所述一组图像数据对中的每一对包括表示对象的解剖结构从给定台架角度的视图的给定投影图像以及基于所述给定投影图像在所述给定台架角度下多叶准直器(mlc)叶片位置的给定图形孔径图像；基于针对每个台架角度的一组图像数据对来训练生成式对抗网络(gan)模型；以及使用经训练的gan模型，基于表示感兴趣的解剖区域的视图的投影图像来预测mlc叶片位置针对期望台架角度的孔径图像。2.根据权利要求1所述的方法，其中，所述gan包括条件对抗网络(cgan)。3.根据权利要求1所述的方法，其中，所述gan包括循环一致性生成式对抗网络(cyclegan)。4.根据权利要求1所述的方法，其中，所述一组图像数据对中的第一对的给定台架角度与所述一组图像数据对中的第二对的给定台架角度相差预定量。5.根据权利要求1所述的方法，其中，所述gan被配置成使用判别模型来训练所述生成模型；使用所述判别模型与所述生成模型之间的对抗训练来建立由所述生成模型和所述判别模型应用的值；以及所述生成模型和所述判别模型包括各自的卷积神经网络。6.根据权利要求5所述的方法，其中，所述对抗训练包括：训练所述生成模型以根据投影图像来生成所述mlc叶片位置在第一台架角度下的第一合成图形孔径图像表示，所述投影图像表示训练对象解剖结构从所述第一台架角度的视图；以及训练所述判别模型以将所述第一合成图形孔径图像分类为合成训练示例图形孔径图像或真实训练示例图形孔径图像；以及所述生成模型的输出被用于训练所述判别模型，并且所述判别模型的输出被用于训练所述生成模型。7.根据权利要求6所述的方法，其中，使用包括所述生成模型和所述判别模型的循环一致性生成式对抗网络(cyclegan)来训练所述gan，其中，所述生成模型是第一生成模型，并且所述判别模型是第一判别模型，其中，所述cyclegan还包括：第二生成模型，所述第二生成模型被训练成：根据所述一组图像数据对中的给定对，处理所述mlc叶片位置在给定台架角度下的给定图形孔径图像表示作为输入；以及提供合成投影图像作为输出，所述合成投影图像表示训练对象解剖结构从所述给定台架角度的视图；以及第二判别模型，所述第二判别模型被训练成将所述合成投影图像分类为合成投影图像或真实投影图像。8.根据权利要求7所述的方法，其中，所述cyclegan包括用于训练所述第一生成模型的
第一部分，所述第一部分被训练成：从先前治疗中获得表示患者解剖结构的不同视图的一组训练投影图像，所述一组训练投影图像和与所述不同视图中的每一个对应的训练图形孔径图像配对，所述训练图形孔径图像中的每一个与所述训练投影图像中的相应训练投影图像对准；将所述一组训练投影图像传输到所述第一生成模型的输入端，以输出第一组图形孔径图像；在所述第一判别模型的输入端处接收所述第一组图形孔径图像，以将所述第一组图形孔径图像分类为一组合成训练图形孔径图像或一组真实训练图形孔径图像；以及在所述第二生成模型的输入端处接收所述第一组图形孔径图像，以生成用于计算循环一致性损失的第一组循环投影图像。9.根据权利要求8所述的方法，其中，所述cyclegan包括第二部分，所述第二部分被训练成：将与所述不同视图中的每一个对应的训练图形孔径图像传输到所述第二生成模型的输入端，以输出第一组合成投影图像；在所述第二判别模型的输入端处接收所述第一组合成投影图像，以将所述第一组合成投影图像分类为合成训练投影图像或真实训练投影图像；以及在所述第一生成模型的输入端处接收所述第一组合成投影图像，以生成用于计算循环一致性损失的第一组循环图形孔径图像。10.根据权利要求9所述的方法，其中，基于所述第一组循环投影图像与所述一组训练投影图像的比较以及所述第一组循环图形孔径图像与所述训练图形孔径图像的比较来生成所述循环一致性损失；所述第一生成模型被训练成：使第一损失项最小化或减小所述第一损失项，所述第一损失项表示多个合成图形孔径图像与分别配对的训练图形孔径图像之间的差异的预期；以及所述第二生成模型被训练成：使第二损失项最小化或减小所述第二损失项，所述第二损失项表示多个合成投影图像与分别配对的训练投影图像之间的差异的预期。11.根据权利要求1所述的方法，还包括：获得放射疗法治疗机器参数信息，所述放射疗法治疗机器参数信息表示在与由所述一组图像数据对的投影图像表示的视图中的每一个对应的台架角度下的mlc叶片位置以及与所述投影图像中的每一个对应的放射疗法射束强度；基于所获得的放射疗法治疗机器参数信息来生成训练图形孔径图像表示；以及将所生成的训练图形孔径图像表示中的每一个与对应的投影图像对准。12.根据权利要求11所述的方法，其中，所述训练图形孔径图像表示和所述对应的投影图像是二维图像或三维图像，所述二维图像或三维图像包括与整个治疗分次对应的二维投影图像和图形孔径图像对的堆叠。13.根据权利要求1所述的方法，还包括：从通过经训练的gan模型预测的孔径图像来生成一个或更多个放射疗法治疗机器参数。14.根据权利要求13所述的方法，还包括：基于所生成的一个或更多个放射疗法治疗机器参数来计算剂量体积直方图或三维剂量分布。
15.根据权利要求13所述的方法，其中，所述一个或更多个参数包括台架角度、mlc钳口位置、mlc叶片位置或放射治疗射束强度中的至少一个。16.根据权利要求13所述的方法，还包括：基于所生成的一个或更多个放射疗法治疗机器参数来计算剂量测定参数。17.根据权利要求1所述的方法，其中，通过射线跟踪或傅立叶重建来生成所述一组图像数据对中的给定投影图像。18.一种用于生成一个或更多个放射疗法治疗计划的系统，所述系统包括：一个或更多个处理器，所述一个或更多个处理器被配置成执行操作，所述操作包括：接收针对放射疗法治疗机器的每个台架角度的一组图像数据对，其中，所述一组图像数据对中的每一对包括表示对象的解剖结构从给定台架角度的视图的给定投影图像以及基于所述给定投影图像在所述给定台架角度下多叶准直器(mlc)叶片位置的给定图形孔径图像；基于针对每个台架角度的一组图像数据对来训练生成式对抗网络(gan)模型；以及使用经训练的gan模型，基于表示感兴趣的解剖区域的视图的投影图像来预测mlc叶片位置针对期望台架角度的孔径图像。19.根据权利要求18所述的系统，其中，所述gan包括条件对抗网络(cgan)或循环一致性生成式对抗网络(cyclegan)。20.根据权利要求18所述的系统，还包括用于生成多个二维投影图像作为所述一组图像数据对中的投影图像的操作，所述多个二维投影图像表示所述解剖结构从多个不同台架角度的多个二维视图。21.根据权利要求20所述的系统，其中，所述多个二维投影图像表示所述解剖结构在治疗期间跨所述放射疗法治疗机器的台架的运动弧的多个角度下的视图。22.一种非暂态计算机可读介质，所述非暂态计算机可读介质包括用于执行操作的非暂态计算机可读指令，所述操作包括：接收针对放射疗法治疗机器的每个台架角度的一组图像数据对，其中，所述一组图像数据对中的每一对包括表示对象的解剖结构从给定台架角度的视图的给定投影图像以及基于所述给定投影图像在所述给定台架角度下多叶准直器(mlc)叶片位置的给定图形孔径图像；基于针对每个台架角度的一组图像数据对来训练生成式对抗网络(gan)模型；以及使用经训练的gan模型，基于表示感兴趣的解剖区域的视图的投影图像来预测mlc叶片位置针对期望台架角度的孔径图像。

技术总结
公开了用于基于目标解剖结构的投影图像来生成放射疗法治疗机器参数的系统和方法。所述系统和方法包括操作，所述操作包括：接收针对放射疗法治疗机器的每个台架角度的一组图像数据对，其中，一组图像数据对中的每一对包括表示对象的解剖结构从给定台架角度的视图的给定投影图像以及基于给定投影图像在给定台架角度下多叶准直器(MLC)叶片位置的给定图形孔径图像；基于针对每个台架角度的一组图像数据对来训练生成式对抗网络(GAN)模型；以及使用经训练的GAN模型，基于表示感兴趣的解剖区域的视图的投影图像来预测MLC叶片位置针对期望台架角度的孔径图像。期望台架角度的孔径图像。期望台架角度的孔径图像。


技术研发人员：林登
受保护的技术使用者：医科达有限公司
技术研发日：2021.02.03
技术公布日：2022/11/18