的提交或者经由自动化的数据过滤过程提取或浓缩某些参数来保存患者隐私和匿名。
[0044]一旦生成剂量预测模型，可以在自动治疗计划过程期间使用模型。根据实施例，可以通过在用户与云服务提供商之间建立连接使用远程计算设备(诸如云服务器)上所托管的数据和/或在远程计算设备上执行的处理来自动生成治疗计划。然后可以提示用户(如果被授权)从预先构造的预测模型的组成存储库中选择预测模型。选择可以至少部分基于患者案例与预测模型之间的特性相似性(诸如几何结构、情况等)。
[0045]一旦选择预测模型，可以基于所选择的模型来预测剂量分布。随后，可以产生基于剂量预测的优化目标，并且然后可以产生基于优化目标的治疗计划。
[0046]示例性计算系统
[0047]如图4中所呈现的，本发明的实施例能够在其上实现的示例性系统400包括通用计算系统环境，诸如由远程用户操作的计算机或者云计算基础架构的服务器或虚拟服务器。图4中所描述以及以上所描述的成像设备409可以实现为例如计算系统。在其最基本的配置中，计算系统400通常包括至少一个处理单元401和存储器、以及用于通信信息的地址/数据总线409(或其它接口)。取决于计算系统环境的精确配置和类型，存储器可以是易失性的(诸如RAM402)、非易失性的(诸如ROM 403、闪存存储器等)或者这两者的某种组合。
[0048]计算机系统400还可以包括可选的图形子系统405，图形子系统405用于通过例如在用视频线缆411连接的所附接的显示设备410上显示信息来向计算机用户呈现信息。根据本要求保护的发明的实施例，图形子系统405可以通过视频线缆411直接耦合到显示设备410。例如可以在图形子系统405中生成用于显示由以上关于图1所描述的医疗成像设备生成的图像以及用于在计算机系统400中执行的应用的图形用户接口。在替选实施例中，显示设备410可以集成到计算系统(例如膝上型或上网本显示面板)中并且不需要视频线缆411。
[0049]另外，计算系统400还可以具有另外的特征/功能。例如，计算系统400还可以包括另外的存储装置(可移除的和/或非可移除的)，包括但不限于磁盘或光盘或者磁带。这样的另外的存储装置在图4中用数据存储设备407来图示。计算机存储介质包括使用用于存储信息(诸如计算机可读指令、数据结构、程序模块或其它数据)的任何方法或技术实现的易失性和非易失性、可移除和非可移除介质。RAM 402、ROM 403和数据存储设备407都是计算机存储介质的示例。
[0050]计算机系统400还包括可选的字母数字输入设备406、可选的光标控制或定向设备407、以及一个或多个信号通信接口(输入/输出设备，例如网络接口卡)409。可选的字母数字输入设备406可以向中央处理器401通信信息和命令选择。可选的光标控制或定向设备407耦合到总线409用于向中央处理器401通信用户输入信息和命令选择。也耦合到总线409的信号通信接口(输入/输出设备)409可以是串行端口。通信接口 409还可以包括无线通信机制。使用通信接口 409，计算机系统400可以通过通信网络(诸如因特网或以太网(例如局域网))在通信上耦合到其它计算机系统，或者可以接收数据(例如数字电视信号)。
[0051]在以上说明书中，已经参考可以随着实现的不同而变化的大量具体细节描述了实施例。因此，本发明以及申请人意在作为本发明的单独的以及排他性的指示符是由本申请产生的权利要求的集合，其是这样的权利要求的发布所采用的具体的形式，包括任何随后的修正。因此，在权利要求中没有明确给出的任何限制、元素、属性、特征、优点或性质都不应当以任何方式限制这样的权利要求的范围。因此，应当在说明意义上而非限制意义上来考虑说明书和附图。
【主权项】
1.一种用于选择用于剂量预测模型的数据的集合的方法，所述方法包括: 接收患者解剖数据的集合以及训练数据的集合，所述训练数据包括用于放射疗法的多个治疗计划并且基于所述多个治疗计划与所述患者解剖数据的集合的相似性从治疗计划数据库中来选择； 对所述患者解剖数据的集合以及所述训练数据的集合执行分析； 基于所述分析来训练剂量预测模型； 通过将所述剂量预测模型应用于所述患者解剖数据的集合来预测用于要由放射疗法设备来管理的放射疗法治疗计划的多个剂量参数；以及 使用所述放射疗法设备基于所述放射疗法治疗计划来管理与所述患者解剖数据对应的对患者的放射疗法， 其中所述接收、所述执行、所述训练以及所述预测在由计算设备的处理器执行的应用中来执行。2.根据权利要求1所述的方法，其中训练所述剂量预测模型包括使用包括多个DVH值的DVH估计模型来执行DVH估计。3.根据权利要求2所述的方法，其中执行所述分析包括: 识别所述多个治疗计划中所包括的多个危及器官(OAR); 分析用于所述多个OAR的解剖信息；以及 建模OAR对所述多个DVH值的影响。4.根据权利要求1所述的方法，还包括对所述训练数据的集合执行多个均匀性检查。5.根据权利要求1所述的方法，还包括将所述剂量预测模型和所述多个剂量参数中的至少一项存储在包括多个预先生成的剂量预测模型的知识库中。6.根据权利要求5所述的方法，其中所述多个预先生成的剂量预测模型包括在多个远程站点处生成的多个DVH估计模型。7.根据权利要求6所述的方法，其中所述知识库包括中央存储设备，所述多个远程站点处的多个计算设备能够访问所述中央存储设备。8.根据权利要求7所述的方法，其中所述中央存储设备包括云基础架构部件。9.根据权利要求1所述的方法，其中训练所述剂量预测模型包括: 分析所述训练数据的集合； 将所述训练数据的集合变换成多个数据曲线； 基于所述多个数据曲线来确定多个主分量； 对所述多个数据曲线执行参数化；以及 确定用于所述多个数据曲线的回归模型。10.根据权利要求9所述的方法，其中预测用于放射疗法治疗计划的所述多个剂量参数包括基于所述回归模型来预测所述多个剂量参数。11.根据权利要求9所述的方法，其中所述训练数据的集合包括包含以下各项的组中的至少一项: 结构集合和绝对剂量数据； 包括多个器官的空间信息以及所述治疗计划的靶标的多个结构集合； 多个预先优化的治疗计划；以及 来自所述多个先前优化的治疗计划的多个患者的对应的3D剂量分布。12.根据权利要求12所述的方法，其中将所述训练数据的集合变换成多个数据曲线包括以下各项中的至少一项: 将所述多个结构集合中的几何学信息变换成多个器官特定的距离-到-靶标直方图曲线；以及 将所述多个结构集合中所包括的多个剂量矩阵变换成多个器官特定的剂量-体积直方图曲线。13.根据权利要求13所述的方法，其中对所述多个数据曲线执行参数化包括: 根据所述多个结构集合来确定多个结构；以及 根据多个剂量矩阵来确定多个剂量参数。14.根据权利要求9所述的方法，其中对所述多个主分量执行参数化包括生成与所述多个结构集合中的结构对应的参数集合，参数集合根据包含以下各项的组中的至少一项来被包括: 所述DTH的多个主分量； 相对交叠体积； 相对出界体积； 绝对危及器官体积；以及 绝对靶标体积。15.根据权利要求9所述的方法，其中训练所述剂量预测模型包括根据所述剂量预测模型生成经训练的剂量预测模型，所述经训练剂量预测模型包括以下各项中的至少一项: 所述训练数据的集合中所包括的治疗计划的列表； 用于DVH的所识别的多个主分量以及用于所述剂量预测模型中所包括的多个OAR结构的 DTH ； 用于基于经训练的剂量预测模型的回归模型的多个系数；以及 用于所述训练数据的集合中所包括的多个解剖特征的平均和标准偏差。
【专利摘要】本发明提出了一种用于基于从多个源累积的现有的临床知识来自动产生剂量预测模型而没有合作者在彼此之间建立通信链接的方法。根据要求保护的主题的实施例，诊所可以通过将其治疗计划提交到远程计算机系统(诸如基于云的系统)中来在产生剂量预测模型时合作，远程计算机系统从各种合作者聚合信息并且产生从所有提交的治疗计划中捕获临床信息的模型。根据另外的实施例，该方法可以包含其中使得由诊所提交的所有患者数据匿名或者先于通过通信链路提交相关参数来提取和浓缩相关参数以便遵守地方性法规的步骤。
【IPC分类】A61N5/10
【公开号】CN105358219
【申请号】CN201480037517
【发明人】J·哈特曼, M·科德罗马科斯, E·屈塞拉, J·佩尔托拉, J·诺德
【申请人】瓦里安医疗系统国际股份公司
【公开日】2016年2月24日
【申请日】2014年5月21日
【公告号】EP2999518A1, US20140350863, WO2014187866A1