公开(公告)号：CN111540437B

公开(公告)日：2023-05-12

申请号：CN202010328992.6

申请日：2020-04-23

Applicant: 北京大学第三医院(北京大学第三临床医学院)

Inventor： 杨瑞杰 ,  隋婧 ,  李佳奇 ,  王乐 ,  张书铭

IPC: G16H20/40 ,  G06F18/2431 ,  G06F18/214 ,  G06N20/00

Abstract: 本发明提供一种基于人工智能的剂量验证方法及系统，该方法包括：获取调强放疗计划的射野面积、射野调制复杂度、叶片运动和剂量特征参数；建立基于机器学习模型的回归模型，将所述特征参数作为所述机器学习模型的输入样本，设定标准γ通过率作为所述机器学习模型的输出；建立基于机器学习模型的分类模型，将所述特征参数作为所述机器学习模型的输入样本，所述标准γ通过率作为机器学习模型的输出；进行样本训练得到最佳预测的回归模型和分类模型，并根据所述最佳预测模型对待验证的所述特征参数进行预测γ通过率，进而对临床调强放疗计划进行预测和分类。本发明能解决现有放疗剂量验证工作存在花费时间长、人力成本高的问题，能提高效率和质量。

公开(公告)号：CN111540437A

公开(公告)日：2020-08-14

申请号：CN202010328992.6

申请日：2020-04-23

Applicant: 北京大学第三医院(北京大学第三临床医学院)

Inventor： 杨瑞杰 ,  隋婧 ,  李佳奇 ,  王乐 ,  张书铭

IPC: G16H20/40 ,  G06K9/62 ,  G06N20/00

Abstract: 本发明提供一种基于人工智能的剂量验证方法及系统，该方法包括：获取调强放疗计划的射野面积、射野调制复杂度、叶片运动和剂量特征参数；建立基于机器学习模型的回归模型，将所述特征参数作为所述机器学习模型的输入样本，设定标准γ通过率作为所述机器学习模型的输出；建立基于机器学习模型的分类模型，将所述特征参数作为所述机器学习模型的输入样本，所述标准γ通过率作为机器学习模型的输出；进行样本训练得到最佳预测的回归模型和分类模型，并根据所述最佳预测模型对待验证的所述特征参数进行预测γ通过率，进而对临床调强放疗计划进行预测和分类。本发明能解决现有放疗剂量验证工作存在花费时间长、人力成本高的问题，能提高效率和质量。