一种粒子治疗排程的数据处理方法及数据处理系统与流程

本发明涉及医疗排程数据处理的，具体涉及一种粒子治疗排程的数据处理方法及数据处理系统。

背景技术：

1、粒子放射治疗是一种精确的局部治疗技术，它利用布拉格效应，将能量集中在肿瘤位置释放而最大可能地避免危及肿瘤周边的正常组织及器官，广泛应用于常见的恶性肿瘤的治疗。在整个粒子治疗过程中，粒子照射的时间仅占非常小的部分，大多数的时间，是患者摆位。现有的粒子治疗排程的数据处理方法中，对患者摆位和治疗时间仅根据经验进行估计，导致患者在摆位完成至开始粒子照射治疗之间的等待时间较长，而过长的等待时间使患者容易出现心情焦虑、呼吸频率异常、麻醉失效等问题，进而会影响预期的治疗效果。

技术实现思路

1、鉴于以上现有技术的缺点，本发明提供一种粒子治疗排程的数据处理方法及数据处理系统，以改善现有粒子治疗排程的数据处理方法中患者在摆位完成后等待时间较长而影响预期治疗效果的技术问题。

2、为实现上述目的及其它相关目的，本发明提供一种粒子治疗排程的数据处理方法，应用于多治疗工位共用一个粒子治疗仪，该数据处理方法包括：获取下一治疗时间段的预约患者的预约顺序，并根据所述预约顺序生成患者治疗序列；获取所述患者治疗序列中患者的现行治疗方案；根据所述患者的现行治疗方案，预测对应患者的摆位时长和粒子束治疗时长；依序分析患者治疗序列，根据分析到的首位患者的摆位开始时间、摆位时长和粒子束治疗时长，预测所述当前患者的粒子束治疗结束时间；根据所述当前患者的粒子束治疗结束时间以及下一治疗工位的患者的摆位时长，预测所述下一治疗工位的患者的摆位开始时间；其中，所述下一治疗工位的患者的摆位开始时间等于所述当前患者的粒子束治疗结束时间减去所述下一治疗工位的患者的摆位时长。

3、在本发明数据处理方法一示例中，根据所述患者的现行治疗方案，预测对应患者的摆位时长和粒子束治疗时长，包括以下步骤：获取历史治疗方案中的患者信息及对应的摆位时长和粒子束治疗时长；构建深度学习模型，依据历史治疗方案中的患者信息及对应的摆位时长和粒子束治疗时长，优化深度学习模型；根据现行治疗方案中的患者信息，预测出对应患者的摆位时长和粒子治疗时长。

4、在本发明数据处理方法一示例中，优化深度学习模型，包括以下步骤：将获取的历史治疗方案中的患者信息及对应的摆位时长和粒子束治疗时长生成多组数据集；将多组所述数据集输入深度学习模型进行训练。

5、在本发明数据处理方法一示例中，根据现行治疗方案中的患者信息，预测出对应患者的摆位时长和粒子治疗时长，包括以下步骤：获取现行治疗方案中的患者信息；将所述患者信息生成数据，输入所述深度学习模型；利用所述深度学习模型训练时生成的训练结果模型文件预测出对应患者的摆位时长和粒子治疗时长。

6、在本发明数据处理方法一示例中，根据所述患者的现行治疗方案，预测对应患者的摆位时长和粒子束治疗时长，包括：获取粒子治疗仪的历史治疗方案及所述历史治疗方案对应的摆位时长和粒子束治疗时长；将所述现行治疗方案与所述历史治疗方案对比，确定与所述现行治疗方案对应的所述历史治疗方案；根据对应的所述历史治疗方案中记录的摆位时长和粒子束治疗时长，预测所述现行治疗方案的摆位时长和粒子束治疗时长。

7、在本发明数据处理方法一示例中，将所述现行治疗方案与所述历史治疗方案对比，确定与所述现行治疗方案对应的所述历史治疗方案，包括：判断所述现行治疗方案对应的患者是否为首次就诊患者；如若是首次就诊患者，则将所述现行治疗方案与所述粒子治疗仪的所有历史治疗方案进行对比；如若不是首次就诊患者，则将所述现行治疗方案与所述患者本身的历史治疗方案进行对比。

8、在本发明数据处理方法一示例中，当所述当前患者结束粒子束治疗时，多个所述治疗工位的其中之一具有完成摆位的患者。

9、在本发明数据处理方法一示例中，所述数据处理方法还包括：获取所述当前患者的实际摆位时长和实际粒子束治疗时长，并将所述实际摆位时长和实际粒子束治疗时长存储至所述当前患者的现行治疗方案中，以更新所述当前患者的现行治疗方案中的摆位时长和粒子束治疗时长。

10、在本发明数据处理方法一示例中，根据所述当前患者的所述实际摆位时长和所述实际粒子束治疗时长，修订所述患者治疗序列中还未开始摆位的患者的摆位开始时间。

11、本发明还提供一种粒子治疗排程的数据处理系统，应用于多治疗工位共用一粒子治疗仪，包括：患者排序采集模块、患者现行治疗方案收集模块、第一时长预测模块、第二时长预测模块和第三时长预测模块；患者排序采集模块用于获取下一治疗时间段的预约患者的预约顺序，并根据所述预约顺序生成患者治疗序列；患者现行治疗方案收集模块用于获取所述患者治疗序列中患者的现行治疗方案；第一时长预测模块用于根据所述患者的现行治疗方案，预测对应患者的摆位时长和粒子束治疗时长；第二时长预测模块用于依序分析患者治疗序列，根据分析到的首位患者的摆位开始时间、摆位时长和粒子束治疗时长，预测所述当前患者的粒子束治疗结束时间；第三时长预测模块用于根据所述当前患者的粒子束治疗结束时间以及下一治疗工位的患者的摆位时长，预测所述下一治疗工位的患者的摆位开始时间；其中，所述下一治疗工位的患者的摆位开始时间等于所述当前患者的粒子束治疗结束时间减去所述下一治疗工位的患者的摆位时长。

12、本发明提供的粒子治疗排程的数据处理方法，给出的下一治疗工位的患者的摆位开始时间等于所述当前患者的粒子束治疗结束时间减去所述下一治疗工位的患者的摆位时长，这样可以更加精准的预测下一治疗工位的患者的摆位开始时间，减少下一治疗工位的患者摆位完成至开始粒子治疗之间的等待时间，从而可以降低患者因为摆位等待时间较长而出现心情焦虑、呼吸频率异常、麻醉失效等问题，最终提高患者的预期治疗效果。

技术特征：

1.一种粒子治疗排程的数据处理方法，其特征在于，应用于多治疗工位共用一个粒子治疗仪，所述数据处理方法包括：

2.根据权利要求1所述的数据处理方法，其特征在于，根据所述患者的现行治疗方案，预测对应患者的摆位时长和粒子束治疗时长，包括以下步骤：

3.根据权利要求2所述的数据处理方法，其特征在于，优化深度学习模型，包括以下步骤：

4.根据权利要求3所述的数据处理方法，其特征在于，根据现行治疗方案中的患者信息，预测出对应患者的摆位时长和粒子治疗时长，包括以下步骤：

5.根据权利要求1所述的数据处理方法，其特征在于，根据所述患者的现行治疗方案，预测对应患者的摆位时长和粒子束治疗时长，包括：

6.根据权利要求5所述的数据处理方法，其特征在于，将所述现行治疗方案与所述历史治疗方案对比，确定与所述现行治疗方案对应的所述历史治疗方案，包括：

7.根据权利要求1所述的数据处理方法，其特征在于，当所述当前患者结束粒子束治疗时，多个所述治疗工位的其中之一具有完成摆位的患者。

8.根据权利要求1所述的数据处理方法，其特征在于，所述数据处理方法还包括：

9.根据权利要求8所述的数据处理方法，其特征在于，所述数据处理方法还包括：

10.一种粒子放疗排程的数据处理系统，应用于多治疗工位共用一个粒子治疗仪，其特征在于，包括：

技术总结本发明提供一种粒子治疗排程的数据处理方法及数据处理系统，数据处理方法包括：获取预约患者的预约顺序，并根据预约顺序生成患者治疗序列；获取患者治疗序列中患者的现行治疗方案；根据患者的现行治疗方案，预测患者的摆位时长和粒子束治疗时长；依序分析患者治疗序列，根据首位患者的摆位开始时间、摆位时长和粒子束治疗时长，预测当前患者粒子束治疗结束时间；根据当前患者粒子束治疗结束时间以及下一治疗工位的患者摆位时长，预测下一治疗工位的患者的摆位开始时间；下一治疗工位的患者摆位开始时间等于当前患者的粒子束治疗结束时间减去下一治疗工位的患者的摆位时长。本发明可以改善现有粒子治疗排程中患者在摆位完成后等待时间较长的问题。技术研发人员：王慧亮,钟铭,武影影,白鹤受保护的技术使用者：中广核金沃科技有限公司技术研发日：技术公布日：2024/9/2