本申請涉及電數(shù)字數(shù)據(jù)處理，尤其涉及一種用于硼中子俘獲治療系統(tǒng)的強流質子加速器系統(tǒng)。

背景技術：

1、強流質子加速器系統(tǒng)廣泛用于數(shù)據(jù)處理和圖像分析領域，尤其在醫(yī)學成像中具有重要應用。然而，當前強流質子加速器系統(tǒng)在處理復雜的醫(yī)學圖像數(shù)據(jù)和優(yōu)化系統(tǒng)參數(shù)方面仍存在不足，特別是在圖像預處理、特征提取和多模態(tài)數(shù)據(jù)融合中表現(xiàn)較弱。這導致了系統(tǒng)難以有效應對復雜腫瘤形態(tài)，影響了能量分配?，F(xiàn)有系統(tǒng)在圖像處理方面依賴靜態(tài)模型，難以實時優(yōu)化能量分配策略，尤其在應對不同腫瘤區(qū)域，缺乏自適應調整的能力。

2、例如，公開號為cn117875063a的專利公開了一種用于硼中子俘獲治療的生物劑量獲取方法，通過獲取生物體的三維硼-10濃度分布模型，并結合中子、光子的物理劑量模型，生成動態(tài)生物劑量模型。根據(jù)驗證合格的動態(tài)生物劑量模型，獲取生物體的生物劑量。通過該方法，可以確保動態(tài)生物劑量模型的準確性，從而保證根據(jù)該模型得到的生物劑量的準確性。

3、雖然該方法能夠實時調整治療計劃，但它主要依賴生物劑量模型的計算，對圖像數(shù)據(jù)處理和實時優(yōu)化的依賴較少。其缺點在于缺乏對復雜腫瘤形態(tài)和特征信息的多模態(tài)圖像處理和動態(tài)計算能力，不能有效應對不同腫瘤區(qū)域的個性化能量需求。

技術實現(xiàn)思路

1、針對現(xiàn)有技術的不足，本申請公開了一種用于硼中子俘獲治療系統(tǒng)的強流質子加速器系統(tǒng)，包括：

2、成像單元，基于多模態(tài)成像法生成目標組織的三維圖像數(shù)據(jù)；

3、處理單元，用于針對所述目標組織的三維圖像數(shù)據(jù)，基于邊緣檢測法，確定所述目標組織中的第一病變區(qū)域；基于密度梯度算法，確定所述第一病變區(qū)域中的核心區(qū)、邊緣區(qū)以及過渡區(qū)的區(qū)域范圍和區(qū)域信息；其中，所述區(qū)域信息包括：深度信息、密度信息以及形態(tài)特征信息；

4、控制單元，基于所述區(qū)域范圍，確定能量階梯切換點；將所述區(qū)域信息，輸入至神經(jīng)網(wǎng)絡模型中，生成能量階梯信息；基于所述能量階梯信息和所述能量階梯切換點，控制質子加速器在所述第一病變區(qū)域中的能量輸出。

5、作為一種可選的實施方式，所述多模態(tài)成像法包括：磁共振成像、正電子發(fā)射斷層掃描以及計算機斷層掃描；所述成像單元還用于：

6、獲取所述目標組織的治療信息；其中，所述治療信息包括：治療需求信息、設備條件信息以及用戶狀態(tài)信息；

7、基于所述目標組織的治療信息，使用所述多模態(tài)成像法中至少一種，生成目標組織的三維圖像數(shù)據(jù)。

8、作為一種可選的實施方式，所述確定所述第一病變區(qū)域中的核心區(qū)、邊緣區(qū)以及過渡區(qū)的區(qū)域范圍和區(qū)域信息包括：

9、計算所述目標組織中每個體素的密度梯度，生成密度梯度場；其中，所述密度梯度為相鄰體素之間的密度變化率；

10、在所述密度梯度場中，確定所述密度梯度高于第一梯度閾值的區(qū)域，作為候選區(qū)；

11、在所述候選區(qū)內，將所述密度梯度值高于第二梯度閾值，且密度變化率在第一區(qū)域范圍內連續(xù)分布的區(qū)域，作為核心區(qū)；

12、在所述候選區(qū)內，將具有目標梯度變化特征的區(qū)域，確定為邊緣區(qū)；

13、將所述候選區(qū)中的非核心區(qū)且非邊緣區(qū)的區(qū)域作為過渡區(qū)。

14、作為一種可選的實施方式，所述確定能量階梯切換點包括：基于所述核心區(qū)、邊緣區(qū)以及過渡區(qū)的區(qū)域范圍，確定所述核心區(qū)、邊緣區(qū)以及過渡區(qū)的區(qū)域交界；

15、將所述核心區(qū)與所述邊緣區(qū)的區(qū)域交界設為第一切換點；

16、將所述邊緣區(qū)與所述過渡區(qū)的區(qū)域交界設為第二切換點。

17、作為一種可選的實施方式，所述核心區(qū)的形態(tài)特征信息包括：第一形態(tài)特征；所述邊緣區(qū)的形態(tài)特征信息包括：第二形態(tài)特征；所述過渡區(qū)的形態(tài)特征信息包括：第三形態(tài)特征；

18、所述第一形態(tài)特征包括：密度集中度、體積均勻性以及形態(tài)對稱性；

19、所述第二形態(tài)特征包括：邊緣不規(guī)則性、多尺度形狀譜以及邊緣厚度變化；

20、所述第三形態(tài)特征包括：密度梯度平滑度、梯度方向一致性以及形態(tài)過渡特征。

21、作為一種可選的實施方式，所述能量階梯信息包括：邊緣區(qū)能量水平、核心區(qū)能量峰值以及過渡區(qū)能量衰減曲線；所述神經(jīng)網(wǎng)絡模型包括第一輸入通道、第二輸入通道以及第三輸入通道；

22、其中，所述第一輸入通道用于輸入所述第一形態(tài)特征；所述第二輸入通道用于輸入所述第二形態(tài)特征；所述第三輸入通道用于輸入所述第三形態(tài)特征；

23、所述神經(jīng)網(wǎng)絡模型的輸出節(jié)點包括：邊緣區(qū)能量水平、核心區(qū)能量峰值以及過渡區(qū)能量衰減曲線。

24、作為一種可選的實施方式，所述神經(jīng)網(wǎng)絡模型還包括：交叉融合層；所述交叉融合層用于融合所述第一形態(tài)特征、第二形態(tài)特征以及所述第三形態(tài)特征。

25、作為一種可選的實施方式，所述交叉融合層的特征融合方式為加權融合；所述加權融合的數(shù)學表達式為：

26、；

27、其中，為融合特征向量，為第一形態(tài)特征，為第二形態(tài)特征，為第三形態(tài)特征，、、分別為所述核心區(qū)、所述過渡區(qū)以及所述邊緣區(qū)的融合權重。

28、作為一種可選的實施方式，所述交叉融合層還包括：特征驅動模塊；所述特征驅動模塊用于調整所述核心區(qū)、所述過渡區(qū)以及所述邊緣區(qū)的融合權重；調整公式如下：

29、；

30、其中，、、分別為所述核心區(qū)、所述過渡區(qū)以及所述邊緣區(qū)的調整系數(shù)，為核心區(qū)基于相對密度的調整函數(shù)，是邊緣區(qū)基于形態(tài)復雜性的調整函數(shù)，是過渡區(qū)基于深度變化的調整函數(shù)。

31、與現(xiàn)有技術相比，本發(fā)明的有益效果是：通過結合多模態(tài)成像法、邊緣檢測和密度梯度算法，精確識別復雜腫瘤的核心區(qū)、邊緣區(qū)和過渡區(qū)，優(yōu)化了系統(tǒng)的圖像處理能力，并通過神經(jīng)網(wǎng)絡模型動態(tài)生成各區(qū)域的能量分配策略。系統(tǒng)集成了交叉融合層和特征驅動模塊，能夠對多模態(tài)圖像數(shù)據(jù)進行動態(tài)融合和權重調整，從而增強了對不同區(qū)域特征的適應性，顯著提升了圖像分析的精度。通過優(yōu)化的圖像處理流程，本系統(tǒng)在處理大規(guī)模醫(yī)學數(shù)據(jù)時展現(xiàn)出更高的效率和靈活性，為后續(xù)的能量分配和處理提供了更準確的輸入信息，進一步提高了整體系統(tǒng)的魯棒性。

技術特征：

1.一種用于硼中子俘獲治療系統(tǒng)的強流質子加速器系統(tǒng)，其特征在于，包括：

2.根據(jù)權利要求1所述的用于硼中子俘獲治療系統(tǒng)的強流質子加速器系統(tǒng)，其特征在于，所述多模態(tài)成像法包括：磁共振成像、正電子發(fā)射斷層掃描以及計算機斷層掃描；所述成像單元還用于：

3.根據(jù)權利要求2所述的用于硼中子俘獲治療系統(tǒng)的強流質子加速器系統(tǒng)，其特征在于，所述確定所述第一病變區(qū)域中的核心區(qū)、邊緣區(qū)以及過渡區(qū)的區(qū)域范圍和區(qū)域信息包括：

4.根據(jù)權利要求3所述的用于硼中子俘獲治療系統(tǒng)的強流質子加速器系統(tǒng)，其特征在于，所述確定能量階梯切換點包括：基于所述核心區(qū)、邊緣區(qū)以及過渡區(qū)的區(qū)域范圍，確定所述核心區(qū)、邊緣區(qū)以及過渡區(qū)的區(qū)域交界；

5.根據(jù)權利要求4所述的用于硼中子俘獲治療系統(tǒng)的強流質子加速器系統(tǒng)，其特征在于，所述核心區(qū)的形態(tài)特征信息包括：第一形態(tài)特征；所述邊緣區(qū)的形態(tài)特征信息包括：第二形態(tài)特征；所述過渡區(qū)的形態(tài)特征信息包括：第三形態(tài)特征；

6.根據(jù)權利要求5所述的用于硼中子俘獲治療系統(tǒng)的強流質子加速器系統(tǒng)，其特征在于，所述能量階梯信息包括：邊緣區(qū)能量水平、核心區(qū)能量峰值以及過渡區(qū)能量衰減曲線；所述神經(jīng)網(wǎng)絡模型包括第一輸入通道、第二輸入通道以及第三輸入通道；

7.根據(jù)權利要求6所述的用于硼中子俘獲治療系統(tǒng)的強流質子加速器系統(tǒng)，其特征在于，所述神經(jīng)網(wǎng)絡模型還包括：交叉融合層；所述交叉融合層用于融合所述第一形態(tài)特征、第二形態(tài)特征以及所述第三形態(tài)特征。

8.根據(jù)權利要求7所述的用于硼中子俘獲治療系統(tǒng)的強流質子加速器系統(tǒng)，其特征在于，所述交叉融合層的特征融合方式為加權融合；所述加權融合的數(shù)學表達式為：

9.根據(jù)權利要求8所述的用于硼中子俘獲治療系統(tǒng)的強流質子加速器系統(tǒng)，其特征在于，所述交叉融合層還包括：特征驅動模塊；所述特征驅動模塊用于調整所述核心區(qū)、所述過渡區(qū)以及所述邊緣區(qū)的融合權重；調整公式如下：

技術總結
本申請公開了一種用于硼中子俘獲治療系統(tǒng)的強流質子加速器系統(tǒng)，涉及電數(shù)字數(shù)據(jù)處理技術領域，該系統(tǒng)包括成像單元、處理單元和控制單元；成像單元通過多模態(tài)成像法生成目標組織的三維圖像數(shù)據(jù)，處理單元基于邊緣檢測和密度梯度算法，識別并劃分出腫瘤的核心區(qū)、邊緣區(qū)及過渡區(qū)，并提取深度信息、密度信息和形態(tài)特征信息；控制單元使用神經(jīng)網(wǎng)絡模型，基于提取的特征生成能量階梯信息，并通過射頻系統(tǒng)控制質子加速器的能量輸出，實現(xiàn)對不同腫瘤區(qū)域的個性化治療；本系統(tǒng)通過動態(tài)調整各區(qū)域特征的融合權重，進一步優(yōu)化了能量分布，具有對復雜腫瘤形態(tài)和特征信息的多模態(tài)圖像處理和動態(tài)計算能力，提高了治療的有效性和安全性。

技術研發(fā)人員：陳子榮,朱湛,張泉偉,楊帆
受保護的技術使用者：四川省工程裝備設計研究院有限責任公司
技術研發(fā)日：
技術公布日：2024/12/19