CN116030938B - 放疗剂量分布区间的确定装置及电子设备 - Google Patents
放疗剂量分布区间的确定装置及电子设备 Download PDFInfo
- Publication number
- CN116030938B CN116030938B CN202310318362.4A CN202310318362A CN116030938B CN 116030938 B CN116030938 B CN 116030938B CN 202310318362 A CN202310318362 A CN 202310318362A CN 116030938 B CN116030938 B CN 116030938B
- Authority
- CN
- China
- Prior art keywords
- dose distribution
- target
- distribution data
- historical
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Radiation-Therapy Devices (AREA)
Abstract
本申请公开了一种放疗剂量分布区间的确定装置及电子设备。其中,放疗剂量分布区间的确定装置包括:获取模块,用于获取目标对象对应的目标图像;第一输入模块,用于将目标图像输入至目标上界模型中,得到目标上界模型输出的第一剂量分布数据;第二输入模块,用于将目标图像输入至目标下界模型中,得到目标下界模型输出的第二剂量分布数据;确定模块,用于根据第一剂量分布数据和第二剂量分布数据确定目标对象对应的剂量分布区间,其中,第一剂量分布数据为剂量分布区间的上界剂量,第二剂量分布数据为剂量分布区间的下界剂量。本申请解决了现有技术中通过神经网络模型预测剂量分布数据的过程中存在的预测容错率低的技术问题。
Description
技术领域
本申请涉及医疗科技领域,具体而言,涉及一种放疗剂量分布区间的确定装置及电子设备。
背景技术
放射治疗计划的剂量预测过程对临床具有指导意义,其可辅助计划设计或帮助放疗物理师进行计划质量评估。当前较为先进的剂量预测方法是使用卷积神经网络进行预测,即使用CT图像和组织勾画,利用卷积神经网络预测剂量分布数据。
但是,现有技术中使用卷积神经网络预测剂量分布数据时,通常是仅预测单一剂量分布数据,即根据CT与组织勾画,预测出一个剂量分布数据,当该剂量分布数据预测不正确,则无法对临床提供帮助。由此可见,现有技术中预测剂量分布数据的过程中存在预测容错率的问题。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本申请提供了一种放疗剂量分布区间的确定装置及电子设备,以至少解决现有技术中通过神经网络模型预测剂量分布数据的过程中存在的预测容错率低的技术问题。
根据本申请的一个方面,提供了一种放疗剂量分布区间的确定装置,包括:获取模块,用于获取目标对象对应的目标图像,其中,目标图像至少包括目标对象对应的CT图像、目标对象的目标放疗靶区的轮廓勾画图像以及目标对象的每个目标危及器官对应的轮廓勾画图像;第一输入模块,用于将目标图像输入至目标上界模型中,得到目标上界模型输出的第一剂量分布数据,其中,目标上界模型用于依据目标图像预估目标对象对应的目标剂量分布数据的上界剂量;第二输入模块,用于将目标图像输入至目标下界模型中,得到目标下界模型输出的第二剂量分布数据,其中,目标下界模型用于依据目标图像预估目标对象对应的目标剂量分布数据的下界剂量;确定模块,用于根据第一剂量分布数据和第二剂量分布数据确定目标对象对应的剂量分布区间,其中,第一剂量分布数据为剂量分布区间的上界剂量,第二剂量分布数据为剂量分布区间的下界剂量。
进一步地,放疗剂量分布区间的确定装置还包括:第一获取模块,用于获取历史病例对应的历史图像和历史病例对应的实际剂量分布数据,其中,历史图像至少包括历史病例对应的CT图像、历史病例的放疗靶区的轮廓勾画图像以及历史病例的每个危及器官对应的轮廓勾画图像;模型生成模块,用于根据历史图像、实际剂量分布数据以及目标损失函数生成目标上界模型和目标下界模型。
进一步地,模型生成模块还包括:第一输入单元,用于将历史图像输入至初始上界模型中,得到初始上界模型输出的第一预估剂量分布数据,其中,第一预估剂量分布数据为初始上界模型依据历史图像预估的历史病例对应的剂量分布数据;第一计算单元,用于计算实际剂量分布数据与第一预估剂量分布数据之间的差值,得到第一差值;第二输入单元,用于将第一差值输入至激活函数中,得到第一激活函数值;第三输入单元,用于将第一激活函数值输入至目标损失函数中,得到第一损失函数值;第一模型调整单元,用于根据第一损失函数值对初始上界模型进行多次迭代优化,得到目标上界模型,其中,初始上界模型在每次迭代优化后重新预估一个剂量分布数据,并依据该剂量分布数据更新第一损失函数值,初始上界模型在最后一次迭代优化后得到的第一损失函数值处于收敛状态。
进一步地,模型生成模块还包括:第四输入单元,用于将历史图像输入至初始下界模型中,得到初始下界模型输出的第二预估剂量分布数据,其中,第二预估剂量分布数据为初始下界模型依据历史图像预估的历史病例对应的剂量分布数据;第二计算单元,用于计算第二预估剂量分布数据与实际剂量分布数据之间的差值,得到第二差值;第五输入单元,用于将第二差值输入至激活函数中,得到第二激活函数值;第六输入单元,用于将第二激活函数值输入至目标损失函数中,得到第二损失函数值;第二模型调整单元,用于根据第二损失函数值对初始下界模型进行多次迭代优化,得到目标下界模型,其中,初始下界模型在每次迭代优化后重新预估一个剂量分布数据,并依据该剂量分布数据更新第二损失函数值,初始下界模型在最后一次迭代优化后得到的第二损失函数值处于收敛状态。
进一步地,放疗剂量分布区间的确定装置还包括:第二获取模块,用于获取剂量分布区间对应的目标权重值,其中,目标权重值用于确定剂量分布区间的区间宽度,目标权重值与区间宽度之间为负相关的关系;第一确定模块,用于根据目标权重值确定目标损失函数。
进一步地,第二获取模块还包括:第一获取单元,用于根据目标对象对应的目标癌症种类获取多个第一历史剂量分布数据,其中,每个第一历史剂量分布数据为单个第一历史病例的实际剂量分布数据,第一历史病例对应的癌症种类为目标癌症种类;第一确定单元,用于根据多个第一历史剂量分布数据确定目标癌症种类对应的第一剂量分布波动率;第二确定单元,用于根据第一剂量分布波动率确定目标权重值。
进一步地,第二获取模块还包括:第二获取单元,用于根据目标对象的目标放疗靶区获取多个第二历史剂量分布数据,其中,每个第二历史剂量分布数据为单个第二历史病例的放疗靶区所对应的实际剂量分布数据,第二历史病例的放疗靶区和目标对象的目标放疗靶区之间的相似度大于预设相似度;第三确定单元,用于根据多个第二历史剂量分布数据确定目标对象的目标放疗靶区对应的第二剂量分布波动率;第四确定单元,用于根据第二剂量分布波动率确定目标放疗靶区对应的权重值,其中,目标权重值至少包括目标放疗靶区对应的权重值。
进一步地,第二获取模块还包括:第三获取单元,用于根据目标对象的目标危及器官获取多个第三历史剂量分布数据,其中,每个第三历史剂量分布数据为一个第三历史病例的危及器官所对应的实际剂量分布数据,第三历史病例的危及器官和目标对象的目标危及器官相同;第五确定单元,用于根据多个第三历史剂量分布数据确定目标对象的目标危及器官对应的第三剂量分布波动率;第六确定单元,用于根据第三剂量分布波动率确定目标危及器官对应的权重值,其中,目标权重值至少包括目标危及器官对应的权重值。
进一步地,目标危及器官至少包括第一危及器官和第二危及器官,其中,第六确定单元还包括:第一确定子单元,用于确定第一危及器官对应的剂量分布波动率为第四剂量分布波动率;第二确定子单元,用于确定第二危及器官对应的剂量分布波动率为第五剂量分布波动率,其中,第四剂量分布波动率大于第五剂量分布波动率;第三确定子单元,用于根据第四剂量分布波动率确定第一危及器官对应的权重值,并根据第五剂量分布波动率确定第二危及器官对应的权重值,其中,第一危及器官对应的权重值小于第二危及器官对应的权重值。
进一步地,放疗剂量分布区间的确定装置包括:第三输入模块,用于将目标图像、剂量分布区间输入至剂量分布预测模型中,得到目标对象对应的至少一个目标剂量分布数据,其中,目标剂量分布数据位于剂量分布区间内。
根据本申请的另一方面,还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有计算机程序,其中,在计算机程序运行时控制计算机可读存储介质所在设备控制上述的放疗剂量分布区间的确定装置。
根据本申请的另一方面,还提供了一种电子设备,电子设备包括一个或多个处理器和存储器,存储器用于存储一个或多个程序,其中,当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器控制上述的放疗剂量分布区间的确定装置。
由上述内容可知,本申请通过两个模型(目标上界模型和目标下界模型)分别预测目标对象对应的目标剂量分布数据的上界剂量和下界剂量,从而得到一个剂量分布区间,由于目标对象对应的目标剂量分布数据位于该剂量分布区间内即可,因此可以为放疗物理师提供更多的剂量分布数据的参考,而不再仅局限于提供一个剂量分布数据给放疗物理师进行参考,从而提高了剂量分布数据的预测容错率,进而还可以提高放疗计划的制定效率。
由此可见,本申请的技术方案达到了通过神经网络模型预测目标对象对应的剂量分布区间的目的,从而实现了为放疗物理师提供更多的剂量分布数据作为参考的技术效果,进而解决了现有技术中通过神经网络模型预测剂量分布数据的过程中存在的预测容错率低的技术问题。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的一种可选的放疗剂量分布区间的确定装置的示意图;
图2是根据本申请实施例的一种可选的剂量分布区间的示意图;
图3是根据现有技术的一种预测目标剂量分布数据的流程图;
图4是根据本申请实施例的一种预测剂量分布区间的流程图;
图5是根据本申请实施例的一种可选的目标上界模型的训练流程图;
图6是根据本申请实施例的一种可选的目标下界模型的训练流程图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
还需要说明的是,本申请所涉及的相关信息(包括但不限于用户设备信息、用户个人信息以及用户的电子病历信息等)和数据(包括但不限于用于展示的数据、分析的数据等),均为经用户授权或者经过各方充分授权的信息和数据。例如,本系统和相关用户或机构间设置有接口,在获取相关信息之前,需要通过接口向前述的用户或机构发送获取请求,并在接收到前述的用户或机构反馈的同意信息后,获取相关信息。
下面结合各实施例来进一步说明本申请。
实施例1
本实施例提供了一种可选的放疗剂量分布区间的确定装置,该放疗剂量分布区间的确定装置中的各个实施单元/模块对应于本实施例中各个实施步骤。
图1是根据本申请实施例的一种可选的放疗剂量分布区间的确定装置的示意图,如图1所示,包括:获取模块101、第一输入模块102、第二输入模块103以及确定模块104。
具体的,获取模块101,用于获取目标对象对应的目标图像,其中,目标图像至少包括目标对象对应的CT图像、目标对象的目标放疗靶区的轮廓勾画图像以及目标对象的每个目标危及器官对应的轮廓勾画图像。
可选的,目标对象可以理解为是准备进行放疗的患者,其中,在对目标对象正式进行放疗之前,放疗剂量分布区间的确定装置首先需要获取目标对象对应的CT图像、目标对象对应的目标放疗靶区的轮廓勾画图像以及目标对象的每个目标危及器官对应的轮廓勾画图像。
需要注意到的是,目标图像除了可以是上述的CT图像和轮廓勾画图像之外,还可以是其他能够表征目标对象的癌变区域信息以及相关危及器官区域信息的图像。
进一步地,放疗剂量分布区间的确定装置还包括第一输入模块102,用于将目标图像输入至目标上界模型中,得到目标上界模型输出的第一剂量分布数据。
其中,目标上界模型用于依据目标图像预估目标对象对应的目标剂量分布数据的上界剂量。
需要说明的是,目标上界模型可以是一个预先训练完成的神经网络模型,并且目标上界模型用于根据输入的目标图像预估得到一个第一剂量分布数据,其中,第一剂量分布数据为目标对象对应的目标剂量分布数据的上界剂量。换言之,在针对目标对象实际制定放疗计划时,放疗计划中的目标剂量分布数据理论是不超过第一剂量分布数据的。
另外,放疗剂量分布区间的确定装置还包括第二输入模块103,用于将目标图像输入至目标下界模型中,得到目标下界模型输出的第二剂量分布数据。
其中,目标下界模型用于依据目标图像预估目标对象对应的目标剂量分布数据的下界剂量。
需要注意到的是,与目标上界模型相同的是,目标下界模型也是一个预先训练完成的神经网络模型,但是,与目标上界模型不同的是,目标下界模型用于根据输入的目标图像预估得到一个第二剂量分布数据,其中,第二剂量分布数据为目标对象对应的目标剂量分布数据的下界剂量。换言之,在针对目标对象实际制定放疗计划时,放疗计划中的目标剂量分布数据理论是不低于第二剂量分布数据的。
此外,还需要注意到的是,目标上界模型和目标下界模型都预先部署在放疗剂量分布区间的确定装置中,放疗剂量分布区间的确定装置可以直接调用两个模型进行使用。
进一步地,放疗剂量分布区间的确定装置还包括确定模块104,用于根据第一剂量分布数据和第二剂量分布数据确定目标对象对应的剂量分布区间。
其中,第一剂量分布数据为剂量分布区间的上界剂量,第二剂量分布数据为剂量分布区间的下界剂量。
如图2所示,两个虚线分别表征第一剂量分布数据和第二剂量分布数据,实线表征目标对象对应的目标剂量分布数据。在放疗领域中,第一剂量分布数据、第二剂量分布数据以及目标剂量分布数据都可以使用DVH(Dose Volume Histogram,剂量体积直方图)来表示。其中,在图2中,纵坐标用于表征DVH中的体积参数,横坐标用于表征DVH中的剂量参数。具体的,左侧的虚线表征第一剂量分布数据,右侧的虚线表征第二剂量分布数据,容易注意到的是,目标剂量分布数据位于第一剂量分布数据和第二剂量分布数据之间。
需要注意到的是,为了给放疗物理师提供更多的目标剂量分布数据的选择,本申请通过第一剂量分布数据和第二剂量分布数据构成了目标对象对应的一个剂量分布区间。容易理解的是,如果图2中示出的目标剂量分布数据没有满足放疗物理师的要求,则放疗物理师可以在第一剂量分布数据和第二剂量分布数据之间再选取一个新的目标剂量分布数据(图2中未示出新选取的目标剂量分布数据),换言之,采用本申请的技术方案,由于目标对象对应的目标剂量分布数据只要位于目标对象对应的剂量分布区间内即可,因此可以为放疗物理师提供更多的目标剂量分布数据的参考,而不再仅局限于提供一个目标剂量分布数据给放疗物理师进行参考,从而提高了目标剂量分布数据的预测容错率,进而还可以提高放疗计划的制定效率。
在一种可选的实施例中,为了更好的对比现有技术与本申请的方案,以下对现有技术的方案和本申请的方案进行对比说明。
图3示出了根据现有技术的一种预测目标剂量分布数据的流程图,如图3所示,在现有技术中,通过将目标对象的CT图像、目标放疗靶区的轮廓勾画图像以及目标危及器官的轮廓勾画图像输入至一个剂量预测模型中,由剂量预测模型输出单个目标剂量分布数据。
由上述内容可知,在现有技术中,使用剂量预测模型预测得到目标剂量分布数据时,通常仅能预测得到一个目标剂量分布数据,当该目标剂量分布数据预测不正确时,则无法对临床提供帮助,由此可见,现有技术中使用剂量预测模型预测得到目标剂量分布数据的过程中存在预测容错率的问题。
图4示出了根据本申请实施例的一种预测剂量分布区间的流程图,如图4所示,在本申请中,通过将目标对象的CT图像、目标放疗靶区的轮廓勾画图像以及目标危及器官的轮廓勾画图像分别输入至目标上界模型和目标下界模型中,由目标上界模型输出一个第一剂量分布数据作为剂量分布区间的上界剂量,由目标下界模型输出一个第二剂量分布数据作为剂量分布区间的下界剂量。
需要注意到的,本申请的技术方案不再局限于仅为放疗物理师提供单个目标剂量分布数据,而是为放疗物理师提供一个剂量分布区间,从而放疗物理师可以在剂量分布区间中选取多个目标剂量分布数据,当一个目标剂量分布数据无法满足临床要求时,则可以换另外一个目标剂量分布数据,因此,本申请的技术方案可以为放疗物理师提供更多的目标剂量分布数据的选择,从而提高了目标剂量分布数据的预测容错率,进而还可以提高放疗计划的制定效率。
在一种可选的实施例中,放疗剂量分布区间的确定装置还包括:第一获取模块和模型生成模块。
其中,第一获取模块,用于获取历史病例对应的历史图像和历史病例对应的实际剂量分布数据,其中,历史图像至少包括历史病例对应的CT图像、历史病例的放疗靶区的轮廓勾画图像以及历史病例的每个危及器官对应的轮廓勾画图像;模型生成模块,用于根据历史图像、实际剂量分布数据以及目标损失函数生成目标上界模型和目标下界模型。
可选的,为了训练得到目标上界模型和目标下界模型,需要预先准备模型训练数据,其中,模型训练数据至少包括上述的历史病例对应的历史图像和历史病例对应的实际剂量分布数据。
需要说明的是,历史病例可以理解为是已经接受了放射治疗的患者,历史病例对应的实际剂量分布数据可以理解为是历史病例对应的执行放疗计划中所使用的剂量分布数据。此外,为了保证目标上界模型和目标下界模型的鲁棒性,历史病例的数量需要是多个,容易理解的是,模型训练数据的数量越多并且质量越好,所得到的模型的预测效果也就越好。
进一步地,模型生成模块还包括:第一输入单元,用于将历史图像输入至初始上界模型中,得到初始上界模型输出的第一预估剂量分布数据,其中,第一预估剂量分布数据为初始上界模型依据历史图像预估的历史病例对应的剂量分布数据;第一计算单元,用于计算实际剂量分布数据与第一预估剂量分布数据之间的差值,得到第一差值;第二输入单元,用于将第一差值输入至激活函数中,得到第一激活函数值;第三输入单元,用于将第一激活函数值输入至目标损失函数中,得到第一损失函数值;第一模型调整单元,用于根据第一损失函数值对初始上界模型进行多次迭代优化,得到目标上界模型,其中,初始上界模型在每次迭代优化后重新预估一个剂量分布数据,并依据该剂量分布数据更新第一损失函数值,初始上界模型在最后一次迭代优化后得到的第一损失函数值处于收敛状态。
可选的,在目标上界模型的训练过程中,首先放疗剂量分布区间的确定装置会将历史图像输入至一个初始上界模型中,随后初始上界模型会输出一个第一预估剂量分布数据(假设第一预估剂量分布数据为Y'),然后放疗剂量分布区间的确定装置会计算实际剂量分布数据(假设实际剂量分布数据为Y)与第一预估剂量分布数据之间的差值,得到第一差值(即Y- Y')。
进一步地,放疗剂量分布区间的确定装置将第一差值输入至激活函数中,得到第一激活函数值。其中,激活函数为relu激活函数,第一激活函数值可表示为relu(Y- Y'),随后,放疗剂量分布区间的确定装置将第一激活函数值输入至目标损失函数中,得到第一损失函数值。
可选的,目标损失函数可以用以下公式(1)表示:
其中,在公式(1)中,L表示损失函数值,reduce_mean表示矩阵求平均值,K表示激活函数值,表示剂量分布区间对应的目标权重值,用于调节剂量分布区间的区间宽度,/>为一个预设值,可取0.00001。
需要注意到的是,在训练目标上界模型的过程中,K= relu(Y - Y'),目标损失函数可以变换为上界损失函数,即公式(2):
可选的,图5示出了根据本申请实施例的一种可选的目标上界模型的训练流程图,如图5所示,在目标上界模型的训练过程中,首先放疗剂量分布区间的确定装置会将历史图像输入至一个初始上界模型中,随后初始上界模型会输出一个第一预估剂量分布数据,然后放疗剂量分布区间的确定装置会基于第一预估剂量分布数据和实际剂量分布数据进行上界损失函数的计算,得到第一损失函数值,随后放疗剂量分布区间的确定装置根据第一损失函数值对初始上界模型进行多次迭代优化,初始上界模型在每次迭代优化之后都会重新预估一个剂量分布数据,然后放疗剂量分布区间的确定装置根据该剂量分布数据和实际剂量数据重新进行上界损失函数的计算,得到更新后的第一损失函数值,如此执行多次,当放疗剂量分布区间的确定装置确定更新后的第一损失函数值处于收敛状态之后,则确定初始上界模型已经被训练为目标上界模型。
进一步地,模型生成模块还包括:第四输入单元,用于将历史图像输入至初始下界模型中,得到初始下界模型输出的第二预估剂量分布数据,其中,第二预估剂量分布数据为初始下界模型依据历史图像预估的历史病例对应的剂量分布数据;第二计算单元,用于计算第二预估剂量分布数据与实际剂量分布数据之间的差值,得到第二差值;第五输入单元,用于将第二差值输入至激活函数中,得到第二激活函数值;第六输入单元,用于将第二激活函数值输入至目标损失函数中,得到第二损失函数值;第二模型调整单元,用于根据第二损失函数值对初始下界模型进行多次迭代优化,得到目标下界模型,其中,初始下界模型在每次迭代优化后重新预估一个剂量分布数据,并依据该剂量分布数据更新第二损失函数值,初始下界模型在最后一次迭代优化后得到的第二损失函数值处于收敛状态。
可选的,在目标下界模型的训练过程中,首先放疗剂量分布区间的确定装置会将历史图像输入至一个初始下界模型中,随后初始下界模型会输出一个第二预估剂量分布数据(假设第二预估剂量分布数据也用来表示),然后放疗剂量分布区间的确定装置会计算第二预估剂量分布数据与实际剂量分布数据(假设实际剂量分布数据为Y)之间的差值,得到第二差值(即Y'-Y)。
进一步地,放疗剂量分布区间的确定装置将第二差值输入至激活函数中,得到第二激活函数值。其中,激活函数为relu激活函数,第二激活函数值可表示为relu(Y'-Y),随后,放疗剂量分布区间的确定装置将第二激活函数值输入至目标损失函数中,得到第二损失函数值。
需要注意到的是,在训练目标下界模型的过程中,K= relu(Y'-Y),目标损失函数可以变换为下界损失函数,即公式(3):
可选的,图6示出了根据本申请实施例的一种可选的目标下界模型的训练流程图,如图6所示,在目标下界模型的训练过程中,首先放疗剂量分布区间的确定装置会将历史图像输入至一个初始下界模型中,随后初始下界模型会输出一个第二预估剂量分布数据,然后放疗剂量分布区间的确定装置会基于第二预估剂量分布数据和实际剂量分布数据进行下界损失函数的计算,得到第二损失函数值,随后放疗剂量分布区间的确定装置根据第二损失函数值对初始下界模型进行多次迭代优化,初始下界模型在每次迭代优化之后都会重新预估一个剂量分布数据,然后放疗剂量分布区间的确定装置根据该剂量分布数据和实际剂量数据重新进行下界损失函数的计算,得到更新后的第二损失函数值,如此执行多次,当放疗剂量分布区间的确定装置确定更新后的第二损失函数值处于收敛状态之后,则确定初始下界模型已经被训练为目标下界模型。
在一种可选的实施例中,放疗剂量分布区间的确定装置还包括:第二获取模块,用于获取剂量分布区间对应的目标权重值,其中,目标权重值用于确定剂量分布区间的区间宽度,目标权重值与区间宽度之间为负相关的关系;第一确定模块,用于根据目标权重值确定目标损失函数。
可选的,目标损失函数中至少包含有目标权重值这一重要参数,目标权重值用于控制剂量分布区间的区间宽度,并且目标权重值与区间宽度之间为负相关的关系,即如果目标权重值的值设置的越大,则剂量分布区间的区间宽度越小,如果目标权重值的值设置的越小,则剂量分布区间的区间宽度越大。
在一种可选的实施例中,放疗剂量分布区间的确定装置可以根据目标对象对应的目标癌症种类确定目标权重值。
具体的,第二获取模块还包括:第一获取单元,用于根据目标对象对应的目标癌症种类获取多个第一历史剂量分布数据,其中,每个第一历史剂量分布数据为单个第一历史病例的实际剂量分布数据,第一历史病例对应的癌症种类为目标癌症种类;第一确定单元,用于根据多个第一历史剂量分布数据确定目标癌症种类对应的第一剂量分布波动率;第二确定单元,用于根据第一剂量分布波动率确定目标权重值。
举例而言,假设目标对象患有肺癌,即目标对象对应的目标癌症种类为肺癌,在此基础上,放疗剂量分布区间的确定装置获取多个同样患有肺癌的历史患者作为第一历史病例,并将这些第一历史病例对应的实际剂量分布数据作为第一历史剂量分布数据。最后,放疗剂量分布区间的确定装置通过分析这些第一历史剂量分布数据确定肺癌对应的剂量分布波动率(对应第一剂量分布波动率),并根据该剂量分布波动率确定目标权重值。
需要注意到的是,如果目标癌症种类对应的第一剂量分布波动率越大,则目标权重值设置的越小,目标对象对应的剂量分布区间越大。
容易理解的是,癌种或疗法的不同,导致不同患者其全部危机器官或靶区剂量可能出现较大的浮动与区别,例如头颈部微小器官对应的剂量在不同患者间会呈现较大区别;而宫颈癌患者中的危机器官体积大,其剂量在不同患者间的波动较小。而通过减小目标权重值以增大剂量分布区间的区间宽度,有利于更鲁棒地预测剂量波动较大病例的剂量分布区间,使其更好的包络可能出现的真实剂量。同理,通过增大目标权重值以减小剂量分布区间的区间宽度,有利于更准确地预测波动较小病例的剂量分布区间,使预测得到的剂量分布区间与真实的剂量分布数据的距离更近,从而增加临床指导意义。其中,对于目标权重值的选择,可根据癌种或疗法的历史病例库中的剂量分布波动率的大小进行判断,也可以由有经验的放疗物理师进行判断。
在一种可选的实施例中,第二获取模块还包括:第二获取单元,用于根据目标对象的目标放疗靶区获取多个第二历史剂量分布数据,其中,每个第二历史剂量分布数据为单个第二历史病例的放疗靶区所对应的实际剂量分布数据,第二历史病例的放疗靶区和目标对象的目标放疗靶区之间的相似度大于预设相似度;第三确定单元,用于根据多个第二历史剂量分布数据确定目标对象的目标放疗靶区对应的第二剂量分布波动率;第四确定单元,用于根据第二剂量分布波动率确定目标放疗靶区对应的权重值,其中,目标权重值至少包括目标放疗靶区对应的权重值。
举例而言,假设目标对象W对应的目标放疗靶区为靶区G1,在历史病例库中,存在对象1、对象2以及对象3共三个对象的放疗靶区与靶区G1之间的相似度大于预设相似度。在此基础上,对象1、对象2以及对象3可确定为第二历史病例,放疗剂量分布区间的确定装置可以分别获取对象1的放疗靶区所对应的实际剂量分布数据、对象2的放疗靶区所对应的实际剂量分布数据以及对象3的放疗靶区所对应的实际剂量分布数据,并将这三个实际剂量分布数据确定为三个第二历史剂量分布数据,随后,放疗剂量分布区间的确定装置通过分析这三个第二历史剂量分布数据,得到目标对象的目标放疗靶区对应的剂量分布波动率(即第二剂量分布波动率),并根据第二剂量分布波动率确定目标放疗靶区对应的权重值。
需要注意到的是,通过上述过程,本申请实现了针对目标对象的目标放疗靶区单独设置权重值的效果。
在一种可选的实施例中,第二获取模块还包括:第三获取单元,用于根据目标对象的目标危及器官获取多个第三历史剂量分布数据,其中,每个第三历史剂量分布数据为一个第三历史病例的危及器官所对应的实际剂量分布数据,第三历史病例的危及器官和目标对象的目标危及器官相同;第五确定单元,用于根据多个第三历史剂量分布数据确定目标对象的目标危及器官对应的第三剂量分布波动率;第六确定单元,用于根据第三剂量分布波动率确定目标危及器官对应的权重值,其中,目标权重值至少包括目标危及器官对应的权重值。
举例而言,假设目标对象W对应的一个目标危及器官为器官G2,在历史病例库中,对象4、对象5以及对象6的放疗过程中所涉及的危及器官也有器官G2。在此基础上,对象4、对象5以及对象6可确定为第三历史病例,放疗剂量分布区间的确定装置可以分别获取对象4的器官G2所对应的实际剂量分布数据、对象5的器官G2所对应的实际剂量分布数据以及对象6的器官G2所对应的实际剂量分布数据,并将这三个实际剂量分布数据确定为三个第三历史剂量分布数据,随后,放疗剂量分布区间的确定装置通过分析这三个第三历史剂量分布数据,得到目标对象的器官G2所对应的剂量分布波动率(即第三剂量分布波动率),并根据第三剂量分布波动率确定目标对象的器官G2对应的权重值。
需要注意到的是,通过上述过程,本申请实现了针对目标对象的目标危及器官单独设置权重值的效果。
另外,还需要注意到的是,目标对象的目标危及器官可以是多个,针对每个目标危及器官,都可以采用上述的过程单独设置对应的权重值。
容易理解的是,由于不同的目标危及器官所对应的剂量分布波动率各有不同,因此,通过针对每个目标危及器官单独设置对应的权重值,可以更有针对性地调整目标对象对应的剂量分布区间,当一个目标危及器官的剂量分布波动率较大时,则可以为其设置一个较小的权重值,从而在生成剂量分布区间时,确保针对该目标危及器官对应的区间宽度较大,进而确保剂量分布区间能够更好的包络该目标危及器官对应的可能出现的真实剂量分布数据。
另外,当另一个目标危及器官的剂量分布波动率较小时,可以为该目标危及器官设置一个较大的权重值,从而在生成剂量分布区间时,确保针对该目标危及器官对应的区间宽度较小,进而确保剂量分布区间能够与该目标危及器官对应的可能出现的真实剂量分布数据更加接近,增加临床指导意义。
其中,针对不同的目标危及器官设置对应的损失函数如下,仅以目标危及器官1和目标危及器官2为例:
上界损失函数可转换为公式(4):
下界损失函数可转换为公式(5):
其中,在公式(4)和公式(5)中,X1用于表征同样涉及目标危及器官1的第三历史病例所对应的第三历史剂量分布数据,X1'用于表征初始上界模型根据目标对象的目标危及器官1的轮廓勾画图像预测得到的剂量分布数据,λ1用于表征目标危及器官1对应的权重值,X2用于表征同样涉及目标危及器官2的第三历史病例所对应的第三历史剂量分布数据,X2'用于表征初始下界模型根据目标对象的目标危及器官2的轮廓勾画图像预测得到的剂量分布数据,λ2用于表征目标危及器官2对应的权重值。
另外,关于公式(4)公式(5)中的其他参数的相关定义解释可参考上述公式(1)、公式(2)以及公式(3)的参数解释。
在一种可选的实施例中,目标危及器官至少包括第一危及器官和第二危及器官。第六确定单元,包括:第一确定子单元,用于确定第一危及器官对应的剂量分布波动率为第四剂量分布波动率;第二确定子单元,用于确定第二危及器官对应的剂量分布波动率为第五剂量分布波动率,其中,第四剂量分布波动率大于第五剂量分布波动率;第三确定子单元,用于根据第四剂量分布波动率确定第一危及器官对应的权重值,并根据第五剂量分布波动率确定第二危及器官对应的权重值,其中,第一危及器官对应的权重值小于第二危及器官对应的权重值。
可选的,目标对象对应的目标危及器官可以是多个,当一个目标危及器官对应的剂量分布波动率大于另一个目标危及器官对应的剂量分布波动率时(即第一危及器官对应的第四剂量分布波动率大于第二危及器官对应的第五剂量分布波动率),则剂量分布波动率小的目标危及器官所对应的权重值要大于剂量分布波动率大的目标危及器官所对应的权重值,即一个目标危及器官的剂量分布波动率与该目标危及器官对应的权重值之间为负相关的关系,例如,上述的第一危及器官对应的权重值小于第二危及器官对应的权重值。
在一种可选的实施例中,放疗剂量分布区间的确定装置还包括:第三输入模块,用于将目标图像、剂量分布区间输入至剂量分布预测模型中,得到目标对象对应的至少一个目标剂量分布数据,其中,目标剂量分布数据位于剂量分布区间内。
可选的,本申请在得到剂量分布区间之后,可以将目标对象对应的目标图像和剂量分布区间一起输入至一个剂量分布预测模型中,其中,剂量分布预测模型用于依据接收的目标图像和剂量分布区间输出N个目标剂量分布数据,N为正整数,并且N个目标剂量分布数据全部位于剂量分布区间内。
容易注意到的是,与现有技术仅输出一个目标剂量分布数据不同,本申请最终可以输出多个目标剂量分布数据,从而可以为放疗物理师提供更多的目标剂量分布数据的选择,进而提高了目标剂量分布数据的预测容错率以及后续的放疗计划的制定效率。
本申请还提供了一种电子设备,包括一个或多个处理器和存储器,存储器用于存储一个或多个程序,其中,当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器控制上述的放疗剂量分布区间的确定装置。
本申请还提供了一种计算机可读存储介质,计算机可读存储介质中存储有计算机程序,其中,在计算机程序运行时控制计算机可读存储介质所在设备控制上述的放疗剂量分布区间的确定装置。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
在本申请的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (12)
1.一种放疗剂量分布区间的确定装置,其特征在于,包括:
获取模块,用于获取目标对象对应的目标图像,其中,所述目标图像至少包括所述目标对象对应的CT图像、所述目标对象的目标放疗靶区的轮廓勾画图像以及所述目标对象的每个目标危及器官对应的轮廓勾画图像;
第一输入模块,用于将所述目标图像输入至目标上界模型中,得到所述目标上界模型输出的第一剂量分布数据,其中,所述目标上界模型用于依据所述目标图像预估所述目标对象对应的目标剂量分布数据的上界剂量;第二输入模块,用于将所述目标图像输入至目标下界模型中,得到所述目标下界模型输出的第二剂量分布数据,其中,所述目标下界模型用于依据所述目标图像预估所述目标对象对应的目标剂量分布数据的下界剂量;
确定模块,用于根据所述第一剂量分布数据和所述第二剂量分布数据确定所述目标对象对应的剂量分布区间,其中,所述第一剂量分布数据为所述剂量分布区间的上界剂量,所述第二剂量分布数据为所述剂量分布区间的下界剂量;
其中,所述放疗剂量分布区间的确定装置还包括:
模型生成模块,用于根据历史病例对应的历史图像、所述历史病例对应的实际剂量分布数据以及目标损失函数生成所述目标上界模型和所述目标下界模型。
2.根据权利要求1所述的放疗剂量分布区间的确定装置,其特征在于,所述放疗剂量分布区间的确定装置还包括:
第一获取模块,用于获取所述历史病例对应的历史图像和所述历史病例对应的实际剂量分布数据,其中,所述历史图像至少包括所述历史病例对应的CT图像、所述历史病例的放疗靶区的轮廓勾画图像以及所述历史病例的每个危及器官对应的轮廓勾画图像。
3.根据权利要求2所述的放疗剂量分布区间的确定装置,其特征在于,所述模型生成模块还包括:
第一输入单元,用于将所述历史图像输入至初始上界模型中,得到所述初始上界模型输出的第一预估剂量分布数据,其中,所述第一预估剂量分布数据为所述初始上界模型依据所述历史图像预估的所述历史病例对应的剂量分布数据;
第一计算单元,用于计算所述实际剂量分布数据与所述第一预估剂量分布数据之间的差值,得到第一差值;
第二输入单元,用于将所述第一差值输入至激活函数中,得到第一激活函数值;
第三输入单元,用于将所述第一激活函数值输入至所述目标损失函数中,得到第一损失函数值;
第一模型调整单元,用于根据所述第一损失函数值对所述初始上界模型进行多次迭代优化,得到所述目标上界模型,其中,所述初始上界模型在每次迭代优化后重新预估一个剂量分布数据,并依据该剂量分布数据更新所述第一损失函数值,所述初始上界模型在最后一次迭代优化后得到的第一损失函数值处于收敛状态。
4.根据权利要求2所述的放疗剂量分布区间的确定装置,其特征在于,所述模型生成模块还包括:
第四输入单元,用于将所述历史图像输入至初始下界模型中,得到所述初始下界模型输出的第二预估剂量分布数据,其中,所述第二预估剂量分布数据为所述初始下界模型依据所述历史图像预估的所述历史病例对应的剂量分布数据;
第二计算单元,用于计算所述第二预估剂量分布数据与所述实际剂量分布数据之间的差值,得到第二差值;
第五输入单元,用于将所述第二差值输入至激活函数中,得到第二激活函数值;
第六输入单元,用于将所述第二激活函数值输入至所述目标损失函数中,得到第二损失函数值;
第二模型调整单元,用于根据所述第二损失函数值对所述初始下界模型进行多次迭代优化,得到所述目标下界模型,其中,所述初始下界模型在每次迭代优化后重新预估一个剂量分布数据,并依据该剂量分布数据更新所述第二损失函数值,所述初始下界模型在最后一次迭代优化后得到的第二损失函数值处于收敛状态。
5.根据权利要求2所述的放疗剂量分布区间的确定装置,其特征在于,所述放疗剂量分布区间的确定装置还包括:
第二获取模块,用于获取所述剂量分布区间对应的目标权重值,其中,所述目标权重值用于确定所述剂量分布区间的区间宽度,所述目标权重值与所述区间宽度之间为负相关的关系;
第一确定模块,用于根据所述目标权重值确定所述目标损失函数。
6.根据权利要求5所述的放疗剂量分布区间的确定装置,其特征在于,所述第二获取模块还包括:
第一获取单元,用于根据所述目标对象对应的目标癌症种类获取多个第一历史剂量分布数据,其中,每个第一历史剂量分布数据为单个第一历史病例的实际剂量分布数据,所述第一历史病例对应的癌症种类为所述目标癌症种类;
第一确定单元,用于根据所述多个第一历史剂量分布数据确定所述目标癌症种类对应的第一剂量分布波动率;
第二确定单元,用于根据所述第一剂量分布波动率确定所述目标权重值。
7.根据权利要求5所述的放疗剂量分布区间的确定装置,其特征在于,所述第二获取模块还包括:
第二获取单元,用于根据所述目标对象的目标放疗靶区获取多个第二历史剂量分布数据,其中,每个第二历史剂量分布数据为单个第二历史病例的放疗靶区所对应的实际剂量分布数据,所述第二历史病例的放疗靶区和所述目标对象的目标放疗靶区之间的相似度大于预设相似度;
第三确定单元,用于根据所述多个第二历史剂量分布数据确定所述目标对象的目标放疗靶区对应的第二剂量分布波动率;
第四确定单元,用于根据所述第二剂量分布波动率确定所述目标放疗靶区对应的权重值,其中,所述目标权重值至少包括所述目标放疗靶区对应的权重值。
8.根据权利要求5所述的放疗剂量分布区间的确定装置,其特征在于,所述第二获取模块还包括:
第三获取单元,用于根据所述目标对象的目标危及器官获取多个第三历史剂量分布数据,其中,每个第三历史剂量分布数据为一个第三历史病例的危及器官所对应的实际剂量分布数据,所述第三历史病例的危及器官和所述目标对象的目标危及器官相同;
第五确定单元,用于根据所述多个第三历史剂量分布数据确定所述目标对象的目标危及器官对应的第三剂量分布波动率;
第六确定单元,用于根据所述第三剂量分布波动率确定所述目标危及器官对应的权重值,其中,所述目标权重值至少包括所述目标危及器官对应的权重值。
9.根据权利要求8所述的放疗剂量分布区间的确定装置,其特征在于,所述目标危及器官至少包括第一危及器官和第二危及器官,所述第六确定单元,包括:
第一确定子单元,用于确定所述第一危及器官对应的剂量分布波动率为第四剂量分布波动率;
第二确定子单元,用于确定所述第二危及器官对应的剂量分布波动率为第五剂量分布波动率,其中,所述第四剂量分布波动率大于所述第五剂量分布波动率;
第三确定子单元,用于根据所述第四剂量分布波动率确定所述第一危及器官对应的权重值,并根据所述第五剂量分布波动率确定所述第二危及器官对应的权重值,其中,所述第一危及器官对应的权重值小于所述第二危及器官对应的权重值。
10.根据权利要求1所述的放疗剂量分布区间的确定装置,其特征在于,所述放疗剂量分布区间的确定装置包括:
第三输入模块,用于将所述目标图像、所述剂量分布区间输入至剂量分布预测模型中,得到所述目标对象对应的至少一个所述目标剂量分布数据,其中,所述目标剂量分布数据位于所述剂量分布区间内。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备控制权利要求1至10中任意一项所述的放疗剂量分布区间的确定装置。
12.一种电子设备,其特征在于,包括一个或多个处理器和存储器,所述存储器用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器控制权利要求1至10中任意一项所述的放疗剂量分布区间的确定装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310318362.4A CN116030938B (zh) | 2023-03-29 | 2023-03-29 | 放疗剂量分布区间的确定装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310318362.4A CN116030938B (zh) | 2023-03-29 | 2023-03-29 | 放疗剂量分布区间的确定装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116030938A CN116030938A (zh) | 2023-04-28 |
CN116030938B true CN116030938B (zh) | 2023-06-13 |
Family
ID=86077950
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310318362.4A Active CN116030938B (zh) | 2023-03-29 | 2023-03-29 | 放疗剂量分布区间的确定装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116030938B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116844734B (zh) * | 2023-09-01 | 2024-01-16 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 剂量预测模型的生成方法、装置、电子设备及存储介质 |
CN117238488B (zh) * | 2023-11-16 | 2024-01-30 | 四川省肿瘤医院 | 一种基于图像分析的直肠癌放疗反应分析方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109982748A (zh) * | 2016-09-22 | 2019-07-05 | 瓦里安医疗系统国际股份公司 | 在外部射束放射治疗中控制在治疗靶标之外的剂量分布并使所述剂量分布成形 |
CN111241331A (zh) * | 2020-01-14 | 2020-06-05 | 平安科技(深圳)有限公司 | 基于人工智能的图像搜索方法、装置、设备及介质 |
WO2021209436A1 (en) * | 2020-04-16 | 2021-10-21 | F. Hoffmann-La Roche Ag | Drug prediction using a machine learning model |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11449208B2 (en) * | 2017-07-06 | 2022-09-20 | Varian Medical Systems International Ag | Interactive and intuitive method to shape 3D dose distribution during optimization of IMRT plans |
CN115862812B (zh) * | 2023-02-28 | 2023-05-05 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 放疗计划的处理装置、存储介质及电子设备 |
-
2023
- 2023-03-29 CN CN202310318362.4A patent/CN116030938B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109982748A (zh) * | 2016-09-22 | 2019-07-05 | 瓦里安医疗系统国际股份公司 | 在外部射束放射治疗中控制在治疗靶标之外的剂量分布并使所述剂量分布成形 |
CN111241331A (zh) * | 2020-01-14 | 2020-06-05 | 平安科技(深圳)有限公司 | 基于人工智能的图像搜索方法、装置、设备及介质 |
WO2021209436A1 (en) * | 2020-04-16 | 2021-10-21 | F. Hoffmann-La Roche Ag | Drug prediction using a machine learning model |
Also Published As
Publication number | Publication date |
---|---|
CN116030938A (zh) | 2023-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116030938B (zh) | 放疗剂量分布区间的确定装置及电子设备 | |
US10159851B2 (en) | Systems and methods for automatic training of dose prediction models and treatment plans as a cloud service | |
US9757589B2 (en) | Radiation therapy treatment plan improvement through use of a knowledge base | |
RU2436161C2 (ru) | Регистрация изображений при деформации для лучевой терапии с управлением по изображениям | |
US20160059039A1 (en) | System and method for robust intensity-modulated proton therapy planning | |
CN116072263B (zh) | 基于放疗的计划参数预测装置 | |
US10864382B2 (en) | System and method for radiation therapy treatment planning | |
CN109771843B (zh) | 云放射治疗计划评估方法、设备与存储介质 | |
US9498645B2 (en) | Dose deformation error calculation method and system | |
CN115938591B (zh) | 基于放疗的剂量分布区间确定装置及电子设备 | |
US8908940B1 (en) | System and method of applying an arbitrary angle to reformat medical images | |
CN117690596B (zh) | 器官耐受剂量的确定装置、电子设备及存储介质 | |
CN117438062B (zh) | 剂量信息确定装置、电子设备及计算机可读存储介质 | |
CN117116421B (zh) | 放疗计划的确定方法和装置 | |
US9919163B2 (en) | Methods, systems and computer readable storage media for determining optimal respiratory phase for treatment | |
Reijtenbagh et al. | Multi-center dosimetric predictions to improve plan quality for brachytherapy for cervical cancer treatment | |
CN116569190B (zh) | 用于放疗治疗计划的剂量图预测的方法和计算机程序产品 | |
CN113631223A (zh) | 确定放射疗法后的血液学毒性风险 | |
US8160203B2 (en) | Calculation of probable accumulated dosages based on patient movement | |
EP3888745A1 (en) | Computer-implemented method for radiotherapy treatment planning, computer program product and computer system for performing the method | |
US20220309673A1 (en) | Using radiation dose information for automatic organ segmentation model training | |
EP3888744A1 (en) | Computer-implemented method for radiotherapy treatment planning, computer program product and computer system for performing the method | |
JP2022536280A (ja) | 機械学習モデルを訓練するため、および患者の推定体内画像を提供するためのシステムおよび方法 | |
CN117717723A (zh) | 射野信息确定装置、处理器以及电子设备 | |
CN117531131A (zh) | 一种基于4d ct的自适应放疗方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |