1 |
1
방사선 치료 계획의 검증 방법이 소프트웨어로써 구현된 메모리를 탑재한 적어도 하나의 프로세서에 의해 수행되는 방사선 치료 계획의 검증 방법에 있어서, 상기 프로세서가 환자의 생체 정보 및 상기 환자에 대한 방사선 치료 계획(radiation therapy plan, RTP)에 따른 선량-체적 히스토그램(dose volume histogram, DVH)을 입력받는 단계;상기 프로세서가 방사선 치료의 부작용에 관한 복수의 문헌 자료 또는 사례 정보를 데이터마이닝하여 선량-체적 간의 관계에 따른 임계 기준을 추출하는 단계; 및상기 프로세서가 추출된 상기 임계 기준을 학습시키고 입력된 상기 선량-체적 히스토그램을 이용하여 상기 환자에 대한 방사선 치료 계획의 부작용을 예측하는 단계를 포함하며, 상기 방사선 치료 계획의 부작용을 예측하는 단계는부작용 등급(toxicity level)을 다수개로 세분화하고, 상기 부작용 등급 각각에서의 부작용 증상 및 부작용 발생 확률을 산출 및 안내하며, 상기 임계 기준을 추출하는 단계는 상기 복수의 문헌이나 사례 정보의 데이터마이닝 결과를 기반으로 부작용 연관 인자를 결정하고, 결정된 상기 부작용 연관 인자에 해당하는 사례 값을 수집함으로써 임계 기준을 추출하되, 상기 부작용 연관 인자가 다수개인 경우에는 검출 빈도가 높은 순으로 소정 개수의 부작용 연관 인자만을 선택 및 이용하는 것을 특징으로 하는 방사선 치료 계획의 검증 방법
|
2 |
2
삭제
|
3 |
3
삭제
|
4 |
4
제 1 항에 있어서,상기 부작용 연관 인자를 결정하는 단계는,물리학적 지표(dosimetrical index), 생물학적 지표(biological index) 및 RTOG(radiation therapy oncology group) 장기 견딤 선량 데이터 중 적어도 하나를 고려하여 결정되는 것을 특징으로 하는 방사선 치료 계획의 검증 방법
|
5 |
5
제 1 항에 있어서,상기 방사선 치료 계획의 부작용을 예측하는 단계는,추출된 상기 임계 기준에 대하여 기계 학습(machine learning) 알고리즘을 이용하여 부작용 예측 모델을 생성하는 단계; 및생성된 상기 부작용 예측 모델에 상기 환자의 생체 정보 및 상기 선량-체적 히스토그램을 입력함으로써 상기 환자에 대한 방사선 치료 계획의 부작용 정도를 평가하는 단계를 포함하는 방사선 치료 계획의 검증 방법
|
6 |
6
제 5 항에 있어서,상기 부작용 예측 모델을 생성하는 단계는,추출된 상기 임계 기준에 따라 부작용이 발생하는 사례 값을 결정 트리(decision tree)의 각 노드(node)로 설정함으로써 선량에 따른 부작용 발생 여부를 결정하는 부작용 예측 모델을 생성하는 것을 특징으로 하는 방사선 치료 계획의 검증 방법
|
7 |
7
제 5 항에 있어서,상기 부작용 예측 모델을 생성하는 단계는,추출된 상기 임계 기준에 따라 부작용이 발생하는 사례 값을 서포트 벡터(support vector)를 이용하여 학습시킴으로써 방사선 치료에 따른 생존 가능성을 그룹별로 분류하는 부작용 예측 모델을 생성하는 것을 특징으로 하는 방사선 치료 계획의 검증 방법
|
8 |
8
제 5 항에 있어서,상기 부작용 예측 모델을 생성하는 단계는,추출된 상기 임계 기준에 따라 부작용이 발생하는 사례 값을 신경망(neural network)으로 구성함으로써 입력된 선량에 따라 상기 신경망의 분기 및 출력까지의 도달 상황을 결정하는 부작용 예측 모델을 생성하는 것을 특징으로 하는 방사선 치료 계획의 검증 방법
|
9 |
9
제 1 항에 있어서,예측된 상기 방사선 치료 계획의 부작용에 대하여 부작용 등급(toxicity level) 및 해당 등급의 부작용이 발생할 확률을 산출하여 출력하는 단계를 더 포함하는 방사선 치료 계획의 검증 방법
|
10 |
10
제 9 항에 있어서,상기 부작용 등급 및 해당 등급의 부작용이 발생할 확률을 산출하여 출력하는 단계는,상기 방사선 치료 계획 또는 상기 부작용 연관 인자와 상기 부작용 등급 간에 평가 기준이 상이한 경우, 이종 평가 기준을 정합시키는 매칭 정보를 이용하여 상기 부작용 등급을 조정하는 단계를 더 포함하는 방사선 치료 계획의 검증 방법
|
11 |
11
제 1 항에 있어서,예측된 상기 방사선 치료 계획의 부작용이 미리 설정된 임계 범위를 벗어나는 경우 상기 환자의 생체 정보 및 상기 방사선 치료 계획 내의 부작용 연관 인자를 고려하여 상기 방사선 치료 계획의 수정을 유도하는 단계를 더 포함하는 방사선 치료 계획의 검증 방법
|
12 |
12
방사선 치료 계획의 검증 방법이 소프트웨어로써 구현된 메모리를 탑재한 적어도 하나의 프로세서에 의해 수행되는 방사선 치료 계획의 검증 방법에 있어서, 상기 프로세서가 환자의 생체 정보 및 상기 환자에 대한 방사선 치료 계획(radiation therapy plan, RTP)에 따른 선량-체적 히스토그램(dose volume histogram, DVH)을 입력받는 단계;상기 프로세서가 방사선 치료의 부작용에 관한 비정형 데이터를 포함하는 복수의 문헌 자료, 판독문 또는 사례 정보를 데이터마이닝하여 선량-체적 간의 관계에 따른 임계 기준을 추출하여 정형화하는 단계; 및상기 프로세서가 정형화된 상기 임계 기준을 학습시키고 입력된 상기 선량-체적 히스토그램을 이용하여 상기 환자에 대한 방사선 치료 계획의 부작용을 예측하는 단계를 포함하며, 상기 방사선 치료 계획의 부작용을 예측하는 단계는부작용 등급(toxicity level)을 다수개로 세분화하고, 상기 부작용 등급 각각에서의 부작용 증상 및 부작용 발생 확률을 산출 및 안내하며, 상기 임계 기준을 추출하여 정형화하는 단계는 상기 복수의 문헌이나 사례 정보의 데이터 마이닝 결과를 기반으로 부작용 연관 인자를 결정하고, 결정된 상기 부작용 연관 인자에 해당하는 사례 값을 수집함으로써 임계 기준을 추출하되, 상기 부작용 연관 인자가 다수개인 경우에는 검출 빈도가 높은 순으로 소정 개수의 부작용 연관 인자만을 선택 및 이용하는 것을 특징으로 하는 방사선 치료 계획의 검증 방법
|
13 |
13
제 12 항에 있어서,상기 임계 기준을 추출하여 정형화하는 단계는,방사선 치료 대상 장기들에 대한 방사선 치료 계획 내의 부작용 연관 인자를 고려하여 데이터 추출 패턴을 설정하는 단계;설정된 상기 데이터 추출 패턴을 이용하여 방사선 치료의 부작용에 관한 복수의 문헌 자료, 판독문 또는 사례 정보 내에 포함된 비정형 데이터를 분해하는 단계; 및분해된 상기 비정형 데이터의 각 항목으로부터 상기 부작용 연관 인자에 해당하는 사례 값을 정형화된 형식(format)으로 가공하여 수집하는 단계를 포함하는 방사선 치료 계획의 검증 방법
|
14 |
14
제 13 항에 있어서,상기 부작용 연관 인자는,물리학적 지표(dosimetrical index), 생물학적 지표(biological index) 및 RTOG(radiation therapy oncology group) 장기 견딤 선량 데이터 중 적어도 하나를 고려하여 결정되는 것을 특징으로 하는 방사선 치료 계획의 검증 방법
|
15 |
15
제 13 항에 있어서,상기 임계 기준을 추출하여 정형화하는 단계는,상기 부작용 연관 인자에 대해 미리 수집된 임상 한계치를 이용하여 상기 수집된 사례 값에 오류가 존재하는지 여부를 감지하는 단계를 더 포함하는 방사선 치료 계획의 검증 방법
|
16 |
16
제 15 항에 있어서,상기 임계 기준을 추출하여 정형화하는 단계는,상기 감지 결과, 오류가 존재하는 경우, 상기 수집된 사례 값 및 임상 한계치를 함께 입력 오류로서 표시하는 단계를 더 포함하는 방사선 치료 계획의 검증 방법
|
17 |
17
제 12 항에 있어서,상기 방사선 치료 계획의 부작용을 예측하는 단계는,추출된 상기 임계 기준에 대하여 기계 학습(machine learning) 알고리즘을 이용하여 부작용 예측 모델을 생성하는 단계; 및생성된 상기 부작용 예측 모델에 상기 환자의 생체 정보 및 상기 선량-체적 히스토그램을 입력함으로써 상기 환자에 대한 방사선 치료 계획의 부작용 정도를 평가하는 단계를 포함하는 방사선 치료 계획의 검증 방법
|