[发明专利]一种注量谱分布计算建模、注量谱分布计算方法及装置

权利要求书

1.一种注量谱分布计算建模方法，其特征在于，包括：

搜集图像数据，根据图像数据完成蒙特卡罗模拟计算，获得训练数据，所述训练数据包括粒子的入射注量谱分布和出射注量谱分布；

根据所述入射注量谱分布，对所述图像数据进行预处理，生成训练输入数据；将所述图像数据转换为电子密度分布图，并根据粒子的入射注量谱分布，构建入射注量谱分布矩阵；基于电子密度分布图，构建空间物理距离矩阵；将所述电子密度分布图、空间物理距离矩阵和入射注量谱分布矩阵进行连接整合，得到训练输入数据；

所述基于电子密度分布图，构建空间物理距离矩阵，具体为：根据电子密度分布图获取电子密度网格每个网格点对应的物理坐标，计算每个网格点与放射源的距离和放射源归一化距离，并构建源距离平方反比因子矩阵；根据电子密度分布图获取电子密度网格每个网格点对应的物理坐标，计算每个网格点到放射源所在中心轴的垂直距离，构建离轴距离矩阵；将所述源距离平方反比因子矩阵和所述离轴距离矩阵进行连接整合，获得空间物理距离矩阵；

基于图形处理器构建初始神经网络模型，并根据训练输入数据和训练数据对所述初始神经网络模型进行重复训练和评估，并更新模型参数；

直至达到预设条件后，停止训练迭代，保存模型参数，以完成神经网络模型的构建。

2.如权利要求1所述的注量谱分布计算建模方法，其特征在于，所述搜集图像数据，根据图像数据完成蒙特卡罗模拟计算，获得训练数据，所述训练数据包括粒子的入射注量谱分布和出射注量谱分布，具体为：

搜集图像数据，根据图像数据获取粒子信息，所述粒子信息包括介质条件、源的条件和粒子与介质相互作用的截面数据；

随机设置射野条件，根据粒子信息对粒子进行模拟抽样，完成蒙特卡罗模拟计算，以获得粒子的入射注量谱分布和出射注量谱分布；并将所述入射注量谱分布和出射注量谱分布作为训练数据。

3.如权利要求1所述的注量谱分布计算建模方法，其特征在于，在所述基于图形处理器构建初始神经网络模型，并根据训练输入数据和训练数据对所述初始神经网络模型进行重复训练和评估，并更新模型参数之前，还包括：

根据所述训练数据获得初始训练集和评估集；

对所述初始训练集进行扩充，随机抽取初始训练集中的多组入射注量谱分布和对应的出射注量谱分布作为扩充数据集；对扩充数据集中的入射注量谱分布和出射注量谱分布分别进行线性叠加，得到扩充入射注量谱分布和对应的扩充出射注量谱分布，并将所述扩充入射注量谱分布和所述扩充出射注量谱分布加入目标训练集，完成一次数据扩充；

多次重复数据扩充，直至初始训练集中所有入射注量谱分布和对应的出射注量谱均被抽取过，且所述目标训练集中的样本数量达到预设条件，停止数据扩充，得到目标训练集；所述目标训练集中还包括初始训练集。

4.如权利要求3所述的注量谱分布计算建模方法，其特征在于，所述基于图形处理器构建初始神经网络模型，并根据训练输入数据和训练数据对所述初始神经网络模型进行重复训练和评估，并更新模型参数，具体为：

基于图形处理器，构建初始神经网络模型，随即设置模型权值，采用自适应梯度方法对初始神经网络模型进行训练迭代；

在训练输入数据集中随机抽取多个数据样本，将所述多个数据样本输入初始神经网络模型，获取模型输出的第一出射注量谱分布；

在目标训练集中获取与所述多个数据样本的入射注量谱分布对应的第二出射注量谱分布；

根据第一出射注量谱分布和第二出射注量谱分布，计算损失值，基于损失值更新模型权值；

直至训练输入数据中所有数据样本均被抽取过，保存模型权值，基于评估集更新模型权值。

5.如权利要求4所述的注量谱分布计算建模方法，其特征在于，所述基于评估集更新模型权值，具体为：

计算评估集数据样本的当前训练周期的损失值；

比较当前训练周期的损失值和上一周期的损失值，若当前训练周期的损失值小于上一周期的损失值，更新保存的模型权值，否则不对模型权值进行更新。