基于多因素及非线性的摆位调节方法、系统、介质及程序产品

本申请涉及领域，特别是涉及基于多因素及非线性的摆位调节方法、系统、介质及程序产品。

背景技术：

1、在放疗中，摆位调节是确保治疗精准性的重要环节，它涉及到在治疗过程中对患者体位进行精确控制和调整，以确保放射性精确地照射到肿瘤组织上。

2、在患者体重变化，尤其是体重下降时，对放疗的摆位调节具有重要影响。体重下降通常伴随着体形的改变，特别是肌肉质量和脂肪组织的减少，这可能导致患者体表标志和解剖结构的变化，因而会影响体位固定和摆位的准确性。体重减轻可能会使得使用体位固定设备(如真空垫、泡沫垫、热塑膜等)更加困难，因为身体各部位的体积和形状可能发生变化，导致固定不稳定。体重下降使得身体组织变得更为松弛，缺乏足够的支撑，故会导致患者在治疗过程中的移动和摆位误差增加。以上种种原因，都需要在患者体重变化后及时做出摆位调节。

技术实现思路

1、鉴于以上所述现有技术的缺点，本申请的目的在于提供基于多因素及非线性的摆位调节方法、系统、介质及程序产品，用于解决如何在患者体重变化后及时做出摆位调节的技术问题。

2、为实现上述目的及其他相关目的，本申请的第一方面提供一种基于多因素及非线性的摆位调节方法，包括：获取历史数据，包括患者基本信息、每次治疗所对应的体重变化数据以及在标准体位固定技术下采集到的多种三维摆位误差数据；对采集到的历史数据进行标准化处理使其适合深度神经网络模型的训练后，输入至深度神经网络模型中进行训练，得到摆位误差预测模型；将所述摆位误差预测模型进行部署，以用于对体重变化的当前患者进行放疗摆位预测。

3、于本申请的第一方面的一些实施例中，所述多种三维摆位误差数据包括：头颈部放疗摆位误差数据、躯干部放疗摆位误差数据、脂肪肥厚部位放疗摆位误差数据。

4、于本申请的第一方面的一些实施例中，所述方法还包括：将所述历史数据按照一定比例分割为训练集、验证集、测试集；所述训练集用于训练深度神经网络模型，以使模型从训练集中学习规律和模式；所述验证集用于深度神经网络模型的调优和超参数选择，评估模型性能；所述测试集用于评估深度神经网络模型的泛化能力。

5、于本申请的第一方面的一些实施例中，所述历史数据还包括患者年龄数据和患者皮肤状态数据、患者体型数据、营养指标数据、肿瘤分期数据、照射剂量数据、化疗方案数据、治疗师经验年资数据、治疗周次数据、患者性别数据，以使所述深度神经网络模型输出适于各年龄段患者的摆位误差预测结果。

6、于本申请的第一方面的一些实施例中，所述皮肤状态数据包括如下任一种或多种：皮肤弹性数据、皮肤厚度数据、皮肤病变数据、皮肤对热塑材料的敏感性数据、皮肤温度数据、皮肤水分含量数据。

7、于本申请的第一方面的一些实施例中，所述历史数据还包括用以使深度神经网络模型辨别相同体重变化数据情况下不同摆位误差的特征数据，该些特征数据包括如下任一种或多种：患者的身体结构数据、患者所患肿瘤的类型和位置数据、放疗类型数据、体位固定设备数据、患者合作度数据。

8、为实现上述目的及其他相关目的，本申请的第二方面提供一种基于多因素及非线性的摆位调节系统，包括：数据获取模块，用于获取历史数据，包括患者基本信息、每次治疗所对应的体重变化数据以及在标准体位固定技术下采集到的多种三维摆位误差数据；模型构建模块，用于对采集到的历史数据进行标准化处理使其适合深度神经网络模型的训练后，输入至深度神经网络模型中进行训练，得到摆位误差预测模型；模型部署模块，用于将所述摆位误差预测模型进行部署，以用于对体重变化的当前患者进行放疗摆位预测。

9、为实现上述目的及其他相关目的，本申请的第三方面提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述基于多因素及非线性的摆位调节方法。

10、为实现上述目的及其他相关目的，本申请的第四方面提供一种计算机程序产品，所述计算机程序产品中包括计算机程序代码，当所述计算机程序代码在计算机上运行时，使得所述计算机实现所述基于多因素及非线性的摆位调节方法。

11、为实现上述目的及其他相关目的，本申请的第五方面提供一种计算机装置，包括存储器、处理器及存储在存储器上的计算机程序；所述处理器执行所述计算机程序以实现所述基于多因素及非线性的摆位调节方法。

12、如上所述，本申请的基于多因素及非线性的摆位调节方法、系统、介质及程序产品，具有以下有益效果：本申请旨在构建一个深度神经网络模型，可基于人群的体重变化对特定身体部位(例如头颈部、胸腹盆部等脂肪较厚区域)轮廓的影响。此模型能够预测患者体重变化所引起的摆位移床值，特别是平躺状态下腹背方向的移床预测。尤其是，利用本申请的技术方案，可以在在无需额外进行定位验证片拍摄的情况下，直接对每次放疗摆位的床值进行调整，从而确保治疗的精确性。这种方法不仅提高了效率，而且减少了患者接受不必要辐射的风险，为放射治疗的精准实施提供了强有力的支持。此外，为了应对调整结果对患者是否可靠，常规放疗规定需行的每周一次验证ct还能进一步证实模型调整的准确性，也可以随时终止调整，为治疗师提供一种更多元的选择。

技术特征：

1.一种基于多因素及非线性的摆位调节方法，其特征在于，包括：

2.根据权利要求1所述的基于多因素及非线性的摆位调节方法，其特征在于，所述多种三维摆位误差数据包括：头颈部放疗摆位误差数据、躯干部放疗摆位误差数据、脂肪肥厚部位放疗摆位误差数据。

3.根据权利要求1所述的基于多因素及非线性的摆位调节方法，其特征在于，所述方法还包括：将所述历史数据按照一定比例分割为训练集、验证集、测试集；所述训练集用于训练深度神经网络模型，以使模型从训练集中学习规律和模式；所述验证集用于深度神经网络模型的调优和超参数选择，评估模型性能；所述测试集用于评估深度神经网络模型的泛化能力。

4.根据权利要求1所述的基于多因素及非线性的摆位调节方法，其特征在于，所述历史数据还包括患者年龄数据和患者皮肤状态数据、患者体型数据、营养指标数据、肿瘤分期数据、照射剂量数据、化疗方案数据、治疗师经验年资数据、治疗周次数据、患者性别数据，以使所述深度神经网络模型输出适于各年龄段患者的摆位误差预测结果。

5.根据权利要求4所述的基于多因素及非线性的摆位调节方法，其特征在于，所述皮肤状态数据包括如下任一种或多种：皮肤弹性数据、皮肤厚度数据、皮肤病变数据、皮肤对热塑材料的敏感性数据、皮肤温度数据、皮肤水分含量数据。

6.根据权利要求1所述的基于多因素及非线性的摆位调节方法，其特征在于，所述历史数据还包括用以使深度神经网络模型辨别相同体重变化数据情况下不同摆位误差的特征数据，该些特征数据包括如下任一种或多种：患者的身体结构数据、患者所患肿瘤的类型和位置数据、放疗类型数据、体位固定设备数据、患者合作度数据。

7.一种基于多因素及非线性的摆位调节系统，其特征在于，包括：

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述基于多因素及非线性的摆位调节方法。

9.一种计算机程序产品，其特征在于，所述计算机程序产品中包括计算机程序代码，当所述计算机程序代码在计算机上运行时，使得所述计算机实现如权利要求1至6中任一项所述基于多因素及非线性的摆位调节方法。

10.一种计算机装置，包括存储器、处理器及存储在存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1至6中任一项所述基于多因素及非线性的摆位调节方法。

技术总结本申请提供基于多因素及非线性的摆位调节方法、系统、介质及程序产品，本申请旨在构建一个深度神经网络模型，可基于人群的体重变化对特定身体部位(例如头颈部、胸腹盆部等脂肪较厚区域)轮廓的影响。此模型能够预测患者体重变化所引起的摆位移床值，特别是平躺状态下腹背方向的移床预测。尤其是，利用本申请的技术方案，可以在在无需额外进行定位验证片拍摄的情况下，直接对每次放疗摆位的床值进行调整，从而确保分次间治疗的精确性。这种方法不仅提高了效率，而且减少了患者接受不必要辐射的风险，为放射治疗的精准实施提供了强有力的支持。技术研发人员：王孝深,刘守鸿,郭嘉俊受保护的技术使用者：复旦大学附属眼耳鼻喉科医院技术研发日：技术公布日：2024/8/1