[发明专利]一种基于生成式对抗网络的肿瘤放疗计划自动设计方法

权利要求书

1.一种基于生成式对抗网络的肿瘤放疗计划自动设计方法，其特征在于包括以下步骤：

S1、信息预处理，调整剂量信息图像的矩阵大小以匹配CT图像的大小；

S2、建立生成式对抗网络的框架，采用pix2pix监督学习技术将源图像输出为目标图像，并将生成式对抗网络划分为生成器和判别器，训练生成器以生成模拟剂量分布，训练判别器以检测虚假剂量分布；

S3、根据步骤S2的结果设计放疗计划；

其中，所述源图像为CT图像，所述目标图像为CT图像相对应的剂量信息图像。

2.根据权利要求1所述的一种基于生成式对抗网络的肿瘤放疗计划自动设计方法，其特征在于所述步骤S1中的剂量信息图像的矩阵大小为16位的512*512像素大小，所述步骤S1还包括采用双线性插值将剂量信息图像的分辨率从2.5*2.5mm调整为1*1mm，剂量信息图像的保存单位为cGy。

3.根据权利要求1所述的一种基于生成式对抗网络的肿瘤放疗计划自动设计方法，其特征在于所述步骤S1中的CT图像包括原始CT图像或勾画CT图像，所述勾画CT图像被输入PTV、脑干、腮腺、垂体、晶体、脊髓、视神经、视交叉中的一种或多种信息。

4.根据权利要求1所述的一种基于生成式对抗网络的肿瘤放疗计划自动设计方法，其特征在于所述步骤S2中目标图像基于生成器G和鉴别符D的计算公式为：

其中，x是源图像，y是目标图像，G(x)是生成器生成的剂量图像，D(x，y)是判别器正确判断真实配对(x，y)为真的概率，D(x，G(x))是判别器正确判断虚假配对(x，G(x))为假的概率。

5.根据权利要求4所述的一种基于生成式对抗网络的肿瘤放疗计划自动设计方法，其特征在于所述步骤S2还包括：生成器通过使用L1距离来测量实际剂量分布y的图像与生成的剂量分布G(x)的图像接近程度，计算公式为：

结合目标图像的计算公式和的计算公式可得出最终目标的计算公式为：

其中，λ是生成器的L1项的权重。

6.根据权利要求1所述的一种基于生成式对抗网络的肿瘤放疗计划自动设计方法，其特征在于还包括：

S3、预测剂量的校准，计算原始计划于预测剂量的差异，计算公式为：

其中，D_prediction为根据预测剂量分布计算出的客观剂量学指标，D_groundtruth为根据原始剂量分布计算出的相应剂量学指标，D_prescription为PTV的处方剂量。