[发明专利]用于放射治疗规划的质量感知持续学习的方法和系统

说明书

提供了用于放射治疗规划的质量感知持续学习的示例方法和系统。一种示例方法可以包括：获取(210)被训练以执行放射治疗规划任务的人工智能(AI)引擎。该方法还可以包括：基于与患者相关联的输入数据，使用AI引擎执行(220)放射治疗规划任务以生成与患者相关联的输出数据；以及获取(230)经修改的输出数据，该经修改的输出数据包括由治疗规划者对输出数据做出的一个或多个修改。该方法还可以包括：基于以下中的至少一项执行(240)质量评估：(a)与经修改的输出数据相关联的第一质量指标数据，以及(b)与治疗规划者相关联的第二质量指标数据。响应于用于接受的决定，可以通过基于经修改的输出数据重新训练AI引擎来生成(260)经修改的AI引擎。

背景技术

除非本文中另有说明，否则本节中描述的方法不是本申请中的权利要求的现有技术，并且不能因为被包括在本节中而被承认为现有技术。

放射疗法是用于减少或消除患者的不需要的肿瘤的治疗的重要部分。不幸的是，所施加的放射本身并不能区分不需要的肿瘤和诸如器官等任何附近的健康结构。这需要小心施用以限制对肿瘤(即，目标)的放射。理想情况下，目标是向肿瘤递送致命或治愈的放射剂量，同时在附近健康结构中保持可接受的剂量水平。然而，为了实现这一目标，传统的放射治疗规划可能耗费大量时间和劳动。

发明内容

在一个方面，本发明提供了一种计算机系统执行的用于放射治疗规划的质量感知持续学习的方法，如权利要求1中定义的。可选特征在从属权利要求中指定。

在另一方面，本发明提供了一种非暂态计算机可读存储介质，该介质包括一组指令，该一组指令响应于由计算机系统的处理器的执行而使处理器执行用于放射治疗规划的质量感知持续学习的方法，如权利要求9中定义的。可选特征在从属权利要求中指定。

在另一方面，本发明提供了一种计算机系统，该系统被配置为执行用于放射治疗规划的质量感知持续学习，如权利要求17中定义的。可选特征在从属权利要求中指定。

根据本公开的示例，提供了用于放射治疗规划的质量感知持续学习的方法和系统。在这种情况下，一个示例方法可以包括：获取被训练以执行放射治疗规划任务的人工智能(AI)引擎。该方法还可以包括：基于与患者相关联的输入数据，使用AI引擎执行放射治疗规划任务以生成与患者相关联的输出数据；以及获取经修改的输出数据，该经修改的输出数据包括由治疗规划者对输出数据做出的一个或多个修改。

示例方法还可以包括：基于(a)与经修改的输出数据相关联的第一质量指标数据和/或(b)与治疗规划者相关联的第二质量指标数据来执行质量评估。响应于用于接受的决定，可以通过基于经修改的输出数据重新训练AI引擎来生成经修改的AI引擎。

附图说明

图1是示出用于放射治疗的示例过程流程的示意图；

图2是计算机系统执行的用于放射治疗规划的质量感知持续学习的示例过程的流程图；

图3是示出根据图2中的示例的用于放射治疗规划的示例质量感知持续学习的示意图；

图4是示出用于自动分割的示例质量感知持续学习的示意图；

图5是用于促进用于放射治疗规划的质量感知持续学习的质量评估的示例过程的流程图；

图6是示出用于促进用于放射治疗规划的质量感知持续学习的可信度得分指派的示例过程的示意图；

图7是示出用于剂量预测的示例质量感知持续学习的示意图；

图8是示出使用多技术AI引擎的用于放射治疗规划的示例质量感知持续学习的示意图；

图9是基于可信度得分的专家组选择、规划任务指派和奖励确定的示例过程的流程图；

图10是用于治疗递送的示例治疗计划的示意图；以及