CN117690596A - 器官耐受剂量的确定装置、电子设备及存储介质 - Google Patents
器官耐受剂量的确定装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117690596A CN117690596A CN202410157992.2A CN202410157992A CN117690596A CN 117690596 A CN117690596 A CN 117690596A CN 202410157992 A CN202410157992 A CN 202410157992A CN 117690596 A CN117690596 A CN 117690596A
- Authority
- CN
- China
- Prior art keywords
- organ
- dose
- probability
- voxel region
- voxel
- 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.)
- Granted
Links
- 210000000056 organ Anatomy 0.000 title claims abstract description 217
- 238000012545 processing Methods 0.000 claims abstract description 56
- 238000000034 method Methods 0.000 claims abstract description 11
- 238000013499 data model Methods 0.000 claims description 65
- 238000010276 construction Methods 0.000 claims description 31
- 238000012360 testing method Methods 0.000 claims description 27
- 238000001514 detection method Methods 0.000 claims description 12
- 230000005855 radiation Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 230000008602 contraction Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 238000004088 simulation Methods 0.000 claims description 4
- 230000000452 restraining effect Effects 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 abstract description 4
- 230000005305 organ development Effects 0.000 description 8
- 210000004072 lung Anatomy 0.000 description 5
- 238000001959 radiotherapy Methods 0.000 description 5
- 238000013178 mathematical model Methods 0.000 description 4
- 210000002216 heart Anatomy 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 210000004185 liver Anatomy 0.000 description 2
- 210000000278 spinal cord Anatomy 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Radiology & Medical Imaging (AREA)
- Dentistry (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请公开了一种器官耐受剂量的确定装置、电子设备及存储介质。其中，器官耐受剂量的确定装置包括：获取单元，用于获取目标器官上的各个体素区域的绝对体积信息；第一处理单元，用于根据各个体素区域的绝对体积信息确定在目标器官发生并发症的概率小于或等于预设阈值的情况下各个体素区域能够接受的最大照射剂量；第二处理单元，用于将各个体素区域能够接受的最大照射剂量的总和作为目标器官对应的耐受剂量。本申请解决了现有技术中无法对不同患者的器官评估得到基于个体化的耐受剂量信息的技术问题。
Description
技术领域
本申请涉及医疗科技领域，具体而言，涉及一种器官耐受剂量的确定装置、电子设备及存储介质。
背景技术
在现有技术中，通常会对不同患者的同类型器官设置统一的剂量限制（即耐受剂量），但是，尽管每种器官都有一定的耐受剂量区间，然而不同患者之间的个体化差异并未考虑在内，尤其是对肺、心脏、肝等并联器官，不同患者的器官之间的绝对体积差异会导致不同患者的器官对于耐受剂量的差异会有很大的不同，因此，现有技术中存在无法对不同患者的器官评估得到基于个体化的耐受剂量信息的技术问题。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本申请提供了一种器官耐受剂量的确定装置、电子设备及存储介质，以至少解决现有技术中无法对不同患者的器官评估得到基于个体化的耐受剂量信息的技术问题。
根据本申请的一个方面，提供了一种器官耐受剂量的确定装置，包括：获取单元，用于获取目标器官上的各个体素区域的绝对体积信息；第一处理单元，用于根据各个体素区域的绝对体积信息确定在目标器官发生并发症的概率小于或等于预设阈值的情况下各个体素区域能够接受的最大照射剂量；第二处理单元，用于将各个体素区域能够接受的最大照射剂量的总和作为目标器官对应的耐受剂量。
可选地，器官耐受剂量的确定装置还包括：第一构建单元，用于构建虚拟器官；调整单元，用于针对虚拟器官进行形变操作，其中，形变操作用于对虚拟器官的形状进行改变，并将形变操作后的虚拟器官作为仿真器官，其中，不同的仿真器官之间的体积差异用于模拟不同对象之间的器官体积差异。
可选地，器官耐受剂量的确定装置还包括：第一确定单元，用于基于仿真器官生成对应的剂量分布图，并从剂量分布图中确定仿真器官中的每个体素区域的绝对体积和剂量；第二确定单元，用于根据仿真器官中的每个体素区域的绝对体积和剂量确定仿真器官发生并发症的概率，其中，仿真器官发生并发症的概率表征在仿真器官的体素区域基于不同绝对体积对应的不同剂量时仿真器官发生并发症的概率；第二构建单元，用于根据仿真器官中的每个体素区域的绝对体积和剂量以及仿真器官发生并发症的概率构建得到目标模型；处理单元，用于将目标器官的各个体素区域的绝对体积信息输入至目标模型中，并通过目标模型输出在保证目标器官不发生并发症的情况下目标器官的各个体素区域能够接受的最大照射剂量。
可选地，形变操作包括以下至少一种操作：对虚拟器官进行整体向内收缩的操作；对虚拟器官进行整体向外扩大的操作；对虚拟器官随机一个方向上的部位进行形变的操作。
可选地，第二确定单元，包括：第一检测子单元，用于检测仿真器官中的每个体素区域的剂量是否大于预设安全剂量；第二检测子单元，用于检测仿真器官中的每个体素区域的绝对体积是否大于预设安全体积；第一确定子单元，用于在仿真器官的每个体素区域的剂量均小于或等于预设安全剂量并且每个体素区域的绝对体积均大于或等于预设安全体积的情况下，确定仿真器官发生并发症的概率为0；第一处理子单元，用于在仿真器官的任意一个体素区域的剂量大于预设安全剂量，并且该体素区域的绝对体积大于或等于预设安全体积的情况下，设置仿真器官由于该体素区域导致发生并发症的概率为第一预设概率；第二处理子单元，用于在仿真器官的任意一个体素区域的绝对体积小于预设安全体积，并且该体素区域的剂量小于或等于预设安全剂量的情况下，设置仿真器官由于该体素区域导致发生并发症的概率为第二预设概率；第三处理子单元，用于在仿真器官的任意一个体素区域的绝对体积小于预设安全体积，并且该体素区域的剂量大于预设安全剂量的情况下，设置仿真器官由于该体素区域导致发生并发症的概率为100%。
可选地，第二构建单元，包括：第一构建子单元，用于根据每个体素区域的绝对体积和剂量以及仿真器官发生并发症的概率构建第一数据模型；获取子单元，用于获取H个参照器官中的每个参照器官内的每个体素区域的实际剂量信息和绝对体积信息，其中，H为大于1的整数，每个参照器官为已经实际接受放射治疗的对象的器官；第二确定子单元，用于根据每个参照器官内的每个体素区域的实际剂量信息、绝对体积信息以及每个参照器官在实际治疗过程中是否发生并发症，确定在每个参照器官的体素区域基于不同绝对体积对应的不同剂量时每个参照器官发生并发症的概率；第二构建子单元，用于根据在每个参照器官的体素区域基于不同绝对体积对应的不同剂量时每个参照器官发生并发症的概率构建第二数据模型；第三构建子单元，用于根据第二数据模型和第一数据模型构建得到目标模型。
可选地，第三构建子单元，包括：获取模块，用于获取测试数据，其中，测试数据中包括绝对体积数据以及针对该绝对体积数据设置的耐受剂量数据；第一处理模块，用于将测试数据中的绝对体积数据和耐受剂量数据输入至第一数据模型中，得到第一预测并发症发生概率；第二处理模块，用于将测试数据中的绝对体积数据和耐受剂量数据输入至第二数据模型中，得到第二预测并发症发生概率；检测模块，用于检测第一预测并发症发生概率和第二预测并发症发生概率的差异值；构建模块，用于根据差异值和第一数据模型构建得到目标模型。
可选地，构建模块，包括：第一处理子模块，用于在差异值为0时，将第一数据模型作为目标模型。
可选地，构建模块，包括：第二处理子模块，用于在差异值为预设数据区间内的数值的情况下，通过预设置信区间对第一数据模型进行调整，并将调整后的第一数据模型作为目标模型，其中，预设置信区间用于约束第一数据模型的调整程度。
可选地，构建模块，包括：第三处理子模块，用于在差异值为预设数据区间之外的数值的情况下，通过第二预测并发症发生概率调整第一数据模型，直至调整后的第一数据模型基于测试数据预测的并发症发生概率为第二预测并发症发生概率；第四处理子模块，用于将调整后的第一数据模型作为目标模型。
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，其中，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运行上述任意一项的器官耐受剂量的确定装置。
根据本申请的另一方面，还提供了一种电子设备，其中，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任意一项的器官耐受剂量的确定装置运行。
在本申请中，采用根据患者的目标器官上的绝对体积信息确定目标器官的耐受剂量的方式，通过获取单元获取目标器官上的各个体素区域的绝对体积信息，通过第一处理单元根据各个体素区域的绝对体积信息确定在目标器官发生并发症的概率小于或等于预设阈值的情况下每个体素区域能够接受的最大照射剂量，通过第二处理单元将各个体素区域能够接受的最大照射剂量的总和作为目标器官对应的耐受剂量。
由上述内容可知，本申请通过获取目标器官上的各个体素区域的绝对体积信息，并且根据每个体素区域的绝对体积信息生成目标器官对应的耐受剂量，从而实现了在不同患者的目标器官的绝对体积存在差异时，针对每个患者的目标器官上的各个体素区域的绝对体积信息针对性地生成对应的耐受剂量，从而解决了现有技术中无法对不同患者的器官评估得到基于个体化的耐受剂量信息的技术问题。
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器官耐受剂量的确定装置的结构示意图；
图2是根据本申请实施例的一种可选的第一构建单元和调整单元的结构示意图；
图3是根据本申请实施例的另一种可选的器官耐受剂量的确定装置的结构示意图；
图4是根据本申请实施例的另一种可选的第二构建单元的结构示意图。
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和数据，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。
根据本申请实施例，提供了一种器官耐受剂量的确定装置的实施例，其中，图1是根据本申请实施例的一种可选的器官耐受剂量的确定装置的结构示意图，如图1所示，该装置包括：获取单元101、第一处理单元102以及第二处理单元103。
可选地，获取单元101，用于获取目标器官上的各个体素区域的绝对体积信息。
可选地，上述的目标器官可以是准备接受放射治疗的患者的并联器官，其中，在放疗领域，可以将器官组织划分为并行器官和串联器官。
可选地，类比于串联电路与并联电路，人体的器官组织也有串联与并联之分。其中，在串联电路中，只要电路中的任意一个电子元件出现故障，则整个串联电路就会出现故障，串联器官也是如此，只要串联器官的一个部位出现了异常，例如遭到了破坏和损伤，整个串联器官的功能就会受到很大的影响，最典型的串联器官是脊髓，在放射治疗中，对于脊髓，医生更关心的不是脊髓有多少体积受到照射，而是它受到的照射剂量的上限是多少。
可选地，并联器官跟串联器官正好是相对的，人体中典型的并联器官包括肺、心脏、肝等，对于并联器官，医生更关心的不是最大剂量，而是照射剂量对应的照射体积有多少，这也因此有了肺的V20和V30、心脏的V30和V40等。
可选地，目标器官的每个体素区域为由任意数量的体素点所组成的区域，其中，由于体素点的绝对体积是固定的，因此，组成一个体素区域的体素点的数量决定了该体素区域的绝对体积的大小，需要说明的是，不同的体素区域的绝对体积信息可能是不同的。另外，不同患者的器官的绝对体积也可能不同，举例而言，患者A的肺的绝对体积与患者B的肺的绝对体积不同。
可选地，还需要说明的是，体素区域的绝对体积指的是通过基于体素区域所占据的空间所计算得到的体积，并不等同于体素区域的照射体积。
在一种可选的实施例中，器官耐受剂量的确定装置中还包括第一处理单元102，其中，第一处理单元102用于根据各个体素区域的绝对体积信息确定在目标器官发生并发症的概率小于或等于预设阈值的情况下每个体素区域能够接受的最大照射剂量。
可选地，上述预设阈值可以自定义设置，例如，0或者0.0005%，在预设阈值为0时，第一处理单元102可以利用预先训练得到的模型（例如数学模型或神经网络模型）根据每个体素区域的绝对体积信息确定在目标器官不发生并发症的情况下该体素区域能够接受的最大照射剂量。
在一种可选的实施例中，器官耐受剂量的确定装置中还包括第二处理单元103，其中，第二处理单元103用于将各个体素区域能够接受的最大照射剂量的总和作为目标器官对应的耐受剂量。
可选地，在预设阈值为0时，目标器官对应的耐受剂量为在保证目标器官不发生并发症的情况下目标器官对应的最大剂量。
由上述内容可知，本申请通过获取目标器官上的各个体素区域的绝对体积信息，并且根据每个体素区域的绝对体积信息生成目标器官对应的耐受剂量，从而实现了在不同患者的目标器官的绝对体积存在差异时，针对每个患者的目标器官上的各个体素区域的绝对体积信息针对性地生成对应的耐受剂量，从而解决了现有技术中无法对不同患者的器官评估得到基于个体化的耐受剂量信息的技术问题。
在一种可选的实施例中，如图2所示，器官耐受剂量的确定装置还包括第一构建单元201和调整单元202。其中，第一构建单元201，用于构建虚拟器官；调整单元202，用于针对虚拟器官进行形变操作，其中，形变操作用于对虚拟器官的形状进行改变，并将形变操作后的虚拟器官作为仿真器官，其中，不同的仿真器官之间的体积差异用于模拟不同对象之间的器官体积差异。
可选地，针对同一类型的目标器官，可以建立M个虚拟器官，用于分别对应不同的M个患者，而且，通过调整单元202，还可以分别对每个虚拟器官进行形变操作，从而将得到的M个仿真器官用于模拟M个患者的真实器官，其中，不同的仿真器官之间的体积差异用于模拟不同患者之间的器官体积差异，M为大于1的整数。
在一种可选的实施例中，上述形变操作至少包括以下一种操作：对虚拟器官进行整体向内收缩的操作；对虚拟器官进行整体向外扩大的操作；对虚拟器官随机一个方向上的部位进行形变的操作。
可选地，如果一种器官在不同患者间的形状差异较小，则可以对这类器官对应的虚拟器官进行整体向内收缩的操作或整体向外扩大的操作，用于模拟不同患者的此类真实器官之间的绝对体积的差异。如果一种器官在不同患者间的形状差异较大，则可以首先对这类器官对应的虚拟器官进行整体向内收缩的操作或整体向外扩大的操作，然后再随机选取一个方向进行形变，用于模拟不同患者的此类真实器官之间的绝对体积的差异。
在一种可选的实施例中，如图3所示，器官耐受剂量的确定装置还包括：第一确定单元301、第二确定单元302、第二构建单元303以及处理单元304。
其中，第一确定单元301，用于基于仿真器官生成对应的剂量分布图，并从剂量分布图中确定仿真器官中的每个体素区域的绝对体积和剂量。
可选地，第一确定单元可以通过剂量计算引擎等软件系统对仿真器官进行射线照射，从而生成剂量分布图，其中，射线照射时采用的照射剂量可以随机设置，例如，随机设置1GY-100GY区间内的任意一种剂量作为照射剂量。
可选地，第二确定单元302，用于根据仿真器官中的每个体素区域的绝对体积和剂量确定仿真器官发生并发症的概率，其中，仿真器官发生并发症的概率表征在仿真器官的体素区域基于不同绝对体积对应的不同剂量时仿真器官发生并发症的概率。
可选地，可以依据历史经验根据仿真器官中的每个体素区域的绝对体积和剂量确定仿真器官发生并发症的概率，其中，历史经验可以是预设安全剂量，如果一个体素区域的剂量大于预设安全剂量，则便可能会由于该体素区域导致仿真器官发生并发症，并且体素区域的剂量相比于预设安全剂量越大，则由于该体素区域导致仿真器官发生并发症的概率越高。
可选地，历史经验还可以是预设安全体积，如果一个体素区域的绝对体积小于预设安全体积，则便可能会由于该体素区域导致仿真器官发生并发症，并且体素区域的绝对体积相比于预设安全体积越小，则由于该体素区域导致仿真器官发生并发症的概率越高。
需要说明的是，体素区域的绝对体积并不是体素区域的照射体积，在放疗领域，一个体素区域的绝对体积越大，表征着该体素区域在接受放射治疗之后可能发生并发症的概率越小。
可选地，第二构建单元303，用于根据仿真器官中的每个体素区域的绝对体积和剂量以及仿真器官发生并发症的概率构建得到目标模型；处理单元304，用于将目标器官的各个体素区域的绝对体积信息输入至目标模型中，并通过目标模型输出在目标器官发生并发症的概率小于或等于预设阈值的情况下各个体素区域能够接受的最大照射剂量。
在一种可选的实施例中，第二确定单元，包括：第一检测子单元、第二检测子单元、第一确定子单元、第一处理子单元、第二处理子单元以及第三处理子单元。
其中，第一检测子单元，用于检测仿真器官中的每个体素区域的剂量是否大于预设安全剂量；第二检测子单元，用于检测仿真器官中的每个体素区域的绝对体积是否大于预设安全体积。
可选地，第一确定子单元，用于在仿真器官的每个体素区域的剂量均小于或等于预设安全剂量并且每个体素区域的绝对体积均大于或等于预设安全体积的情况下，确定仿真器官发生并发症的概率为0。
可选地，假设预设安全体积为V-1，预设安全剂量为dose1，如果体素区域x的剂量dose-x小于或等于dose1，并且该体素区域x的绝对体积V-x大于或等于V-1，则确定由于该体素区域x导致仿真器官发生并发症的概率为0。
可选地，第一处理子单元，用于在仿真器官的任意一个体素区域的剂量大于预设安全剂量，并且该体素区域的绝对体积大于或等于预设安全体积的情况下，设置仿真器官由于该体素区域导致发生并发症的概率为第一预设概率。
可选地，假设预设安全体积为V-1，预设安全剂量为dose1，第一预设概率为P1，如果体素区域x的剂量dose-x大于dose1，并且该体素区域x的绝对体积V-x大于或等于V-1，则确定由于该体素区域x导致仿真器官发生并发症的概率为P1。
需要说明的是，在上述情况下，除了将仿真器官由于该体素区域导致发生并发症的概率设置为固定的第一预设概率之外，还可以采用另一种概率设置方式，即通过第一概率区间的方式设置仿真器官由于该体素区域导致发生并发症的概率，例如，在仿真器官的任意一个体素区域的剂量大于预设安全剂量，并且该体素区域的绝对体积大于或等于预设安全体积的情况下，计算该体素区域的剂量与预设安全剂量的差值，根据该差值的大小从第一概率区间中选取一个概率值作为仿真器官由于该体素区域导致发生并发症的概率，其中，该体素区域的剂量与预设安全剂量的差值越大，则从第一概率区间中选取的概率值越大。
可选地，第二处理子单元，用于在仿真器官的任意一个体素区域的绝对体积小于预设安全体积，并且该体素区域的剂量小于或等于预设安全剂量的情况下，设置仿真器官由于该体素区域导致发生并发症的概率为第二预设概率。
可选地，假设预设安全体积为V-1，预设安全剂量为dose1，第二预设概率为P2，如果体素区域x的剂量dose-x小于或等于dose1，并且该体素区域x的绝对体积V-x小于 V-1，则确定由于该体素区域x导致仿真器官发生并发症的概率为P2。
需要说明的是，在上述情况下，除了将仿真器官由于该体素区域导致发生并发症的概率设置为固定的第二预设概率之外，还可以采用另一种概率设置方式，即通过第二概率区间的方式设置仿真器官由于该体素区域导致发生并发症的概率，例如，在仿真器官的任意一个体素区域的绝对体积小于预设安全体积，并且该体素区域的剂量小于或等于预设安全剂量的情况下，计算预设安全体积和该体素区域的绝对体积的差值，根据该差值的大小从第二概率区间中选取一个概率值作为仿真器官由于该体素区域导致发生并发症的概率，其中，预设安全体积和该体素区域的绝对体积的差值越大，则从第二概率区间中选取的概率值越大。
可选地，第三处理子单元，用于在仿真器官的任意一个体素区域的绝对体积小于预设安全体积，并且该体素区域的剂量大于预设安全剂量的情况下，设置仿真器官由于该体素区域导致发生并发症的概率为100%。
可选地，假设预设安全体积为V-1，预设安全剂量为dose1，如果体素区域x的剂量dose-x大于 dose1，并且该体素区域x的绝对体积V-x小于V-1，则确定由于该体素区域x导致仿真器官发生并发症的概率为100%。
需要说明的是，在仿真器官包括K（K为大于1的整数）个体素区域的情况下，可以通过上述方式确定每个体素区域的剂量、绝对体积以及仿真器官由于该体素区域导致发生并发症的概率，共得到K组数据，其中，每组数据为一个体素区域的剂量、绝对体积以及仿真器官由于该体素区域导致发生并发症的概率。利用K组数据，可以建立一个数学模型Y1=T（V,dose），其中，V表征绝对体积信息，dose表征剂量信息，Y1表征不同绝对体积下对应的不同剂量时并发症发生的概率。
可选地，可以将建立的数据模型Y1=T（V,dose）作为本申请中的目标模型，在已知目标器官的每个体素区域的绝对体积信息的情况下，通过将Y1设置为预设阈值，便可以通过目标模型输出在目标器官发生并发症的概率小于或等于预设阈值的情况下每个体素区域能够接受的最大照射剂量（即在Y1为预设阈值，V为目标器官的每个体素区域的绝对体积信息时，目标模型求解得到的剂量dose）。
在一种可选的实施例中，如图4所示，第二构建单元303，包括：第一构建子单元401、获取子单元402、第二确定子单元403、第二构建子单元404以及第三构建子单元405。
其中，第一构建子单元401，用于根据仿真器官中的每个体素区域的绝对体积和剂量以及仿真器官发生并发症的概率构建第一数据模型。
可选地，第一数据模型即为上述的数学模型Y1=T（V,dose）。
可选地，获取子单元402，用于获取H个参照器官中的每个参照器官内的每个体素区域的实际剂量信息和绝对体积信息，其中，H为大于1的整数，每个参照器官为已经实际接受放射治疗的对象的器官。
可选地，本申请通过获取子单元可以建立用于进行回顾性分析的并行器官剂量数据库，其中，并行器官剂量数据库中所包含的数据至少包括已经实际接受放射治疗的对象（即参照对象）的参照器官的受照剂量影像、随访时间、是否发生并发症，发生并发症的分级等数据。此外，获取子单元402还可以获取每个参照对象的参照器官的绝对体积、表面积等个体化特征信息。
可选地，基于上述的并行器官剂量数据库中记录的每个参照器官内的每个体素区域的实际剂量信息、绝对体积信息以及每个参照器官在实际治疗过程中是否发生并发症，可以确定在每个参照器官的体素区域基于不同绝对体积对应的不同剂量时每个参照器官发生并发症的概率。
可选地，通过第二构建子单元404可以根据在每个参照器官的体素区域基于不同绝对体积对应的不同剂量时每个参照器官发生并发症的概率构建第二数据模型，例如，第二数据模型可以是数学模型，其中，Y2为产生并发症的概率，/>为参照器官的体素区域的绝对体积，/>为参照器官的体素区域的实际剂量。
可选地，通过第三构建子单元405，可以根据第二数据模型和第一数据模型构建得到目标模型，也就是利用第二数据模型对第一数据模型进行优化。
在一种可选的实施例中，第三构建子单元405包括：获取模块、第一处理模块、第二处理模块、检测模块以及构建模块。
可选地，获取模块，用于获取测试数据，其中，测试数据中包括绝对体积数据以及针对该绝对体积数据设置的耐受剂量数据。
可选地，测试数据可以是来自于已经接受过放射治疗的患者的真实数据，也可以是非真实数据。
可选地，第一处理模块，用于将测试数据中的绝对体积数据和耐受剂量数据输入至第一数据模型中，得到第一预测并发症发生概率；第二处理模块，用于将测试数据中的绝对体积数据和耐受剂量数据输入至第二数据模型中，得到第二预测并发症发生概率。
可选地，检测模块，用于检测第一预测并发症发生概率和第二预测并发症发生概率的差异值；构建模块，用于根据差异值和第一数据模型构建得到目标模型。
可选地，构建模型包括第一处理子模块，其中，第一处理子模块用于在差异值为0时，将第一数据模型作为目标模型。
可选地，假设测试数据中包括的绝对体积数据为V-test，测试数据中包括的针对该绝对体积数据设置的耐受剂量数据为dose-test，将V-test和dose-test代入第一数据模型Y1=T（V,dose）之后，得到第一预测并发症发生概率P-test1，将V-test和dose-test代入第二数据模型之后，得到第二预测并发症发生概率P-test2。
如果P-test1和P-test2相等，则将第一数据模型作为目标模型。
可选地，构建模块还包括第二处理子模块，其中，第二处理子模块，用于在差异值为预设数据区间内的数值的情况下，通过预设置信区间对第一数据模型进行调整，并将调整后的第一数据模型作为目标模型，其中，预设置信区间用于约束第一数据模型的调整程度。
可选地，如果P-test1和P-test2不相等，并且两者的差异值在预设数据区间内，则可以通过预设置信区间对第一数据模型进行调整，并将调整后的第一数据模型作为目标模型，例如，采用95%置信区间均值对第一数据模型进行校正。
可选地，构建模块还包括第三处理子模块和第四处理子模块。其中，第三处理子模块，用于在差异值为预设数据区间之外的数值的情况下，通过第二预测并发症发生概率调整第一数据模型，直至调整后的第一数据模型基于测试数据预测的并发症发生概率为第二预测并发症发生概率；第四处理子模块，用于将调整后的第一数据模型作为目标模型。
可选地，如果P-test1和P-test2不相等，并且两者的差异值超出了预设数据区间，则可以通过P-test2对第一数据模型进行调整，直至调整后的第一数据模型基于V-test和dose-test所预测的并发症发生概率为P-test2。
需要说明的是，第一数据模型是基于仿真器官的数据所构建的模型，因此第一数据模型的样本数据更容易获取，基于大量的样本数据所构建的第一数据模型的鲁棒性也较好，但是，由于第一数据模型的样本数据并不是真实的数据，因此可能在预测精度上有所欠缺，为了提高预测精度，可以结合第二数据模型对第一数据模型进行优化。
其中，还需要说明的是，第二数据模型的样本数据是真实的数据，但是在医学领域，出于保护患者隐私的顾虑，真实的患者数据往往难以获得，并且数量较少，因此，第二数据模型的预测精度虽高，但是模型鲁棒性可能不足，因此，本申请使用基于小样本数量的真实样本所构建的第二数据模型来优化基于大样本数量的非真实样本所构建的第二数据模型，实现了提升模型构建效率、降低模型构建成本以及提高模型预测准确度的技术效果。
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，其中，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运行上述任意一项的器官耐受剂量的确定装置。
根据本申请的另一方面，还提供了一种电子设备，其中，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任意一项的器官耐受剂量的确定装置运行。
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，例如所述单元的划分，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。
所述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。
所述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所述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。
以上所述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)
1.一种器官耐受剂量的确定装置，其特征在于，包括：
获取单元，用于获取目标器官上的各个体素区域的绝对体积信息；
第一处理单元，用于根据所述各个体素区域的绝对体积信息确定在所述目标器官发生并发症的概率小于或等于预设阈值的情况下所述各个体素区域能够接受的最大照射剂量；
第二处理单元，用于将所述各个体素区域能够接受的最大照射剂量的总和作为所述目标器官对应的耐受剂量。
2.根据权利要求1所述的器官耐受剂量的确定装置，其特征在于，所述器官耐受剂量的确定装置还包括：
第一构建单元，用于构建虚拟器官；
调整单元，用于针对所述虚拟器官进行形变操作，其中，所述形变操作用于对所述虚拟器官的形状进行改变，并将所述形变操作后的虚拟器官作为仿真器官，其中，不同的仿真器官之间的体积差异用于模拟不同对象之间的器官体积差异。
3.根据权利要求2所述的器官耐受剂量的确定装置，其特征在于，所述器官耐受剂量的确定装置还包括：
第一确定单元，用于基于所述仿真器官生成对应的剂量分布图，并从所述剂量分布图中确定所述仿真器官中的每个体素区域的绝对体积和剂量；
第二确定单元，用于根据所述仿真器官中的每个体素区域的绝对体积和剂量确定所述仿真器官发生并发症的概率，其中，所述仿真器官发生并发症的概率表征在所述仿真器官的体素区域基于不同绝对体积对应的不同剂量时所述仿真器官发生并发症的概率；
第二构建单元，用于根据所述仿真器官中的每个体素区域的绝对体积和剂量以及所述仿真器官发生并发症的概率构建得到目标模型；
处理单元，用于将所述目标器官的各个体素区域的绝对体积信息输入至所述目标模型中，并通过所述目标模型输出在所述目标器官发生并发症的概率小于或等于预设阈值的情况下所述各个体素区域能够接受的最大照射剂量。
4.根据权利要求2所述的器官耐受剂量的确定装置，其特征在于，所述形变操作包括以下至少一种操作：
对所述虚拟器官进行整体向内收缩的操作；
对所述虚拟器官进行整体向外扩大的操作；
对所述虚拟器官随机一个方向上的部位进行形变的操作。
5.根据权利要求3所述的器官耐受剂量的确定装置，其特征在于，所述第二确定单元，包括：
第一检测子单元，用于检测所述仿真器官中的每个体素区域的剂量是否大于预设安全剂量；
第二检测子单元，用于检测所述仿真器官中的每个体素区域的绝对体积是否大于预设安全体积；
第一确定子单元，用于在所述仿真器官的每个体素区域的剂量均小于或等于所述预设安全剂量并且所述每个体素区域的绝对体积均大于或等于所述预设安全体积的情况下，确定所述仿真器官发生并发症的概率为0；
第一处理子单元，用于在所述仿真器官的任意一个体素区域的剂量大于所述预设安全剂量，并且该体素区域的绝对体积大于或等于所述预设安全体积的情况下，设置所述仿真器官由于该体素区域导致发生并发症的概率为第一预设概率；
第二处理子单元，用于在所述仿真器官的任意一个体素区域的绝对体积小于所述预设安全体积，并且该体素区域的剂量小于或等于所述预设安全剂量的情况下，设置所述仿真器官由于该体素区域导致发生并发症的概率为第二预设概率；
第三处理子单元，用于在所述仿真器官的任意一个体素区域的绝对体积小于所述预设安全体积，并且该体素区域的剂量大于所述预设安全剂量的情况下，设置所述仿真器官由于该体素区域导致发生并发症的概率为100%。
6.根据权利要求3所述的器官耐受剂量的确定装置，其特征在于，所述第二构建单元，包括：
第一构建子单元，用于根据所述仿真器官中的每个体素区域的绝对体积和剂量以及所述仿真器官发生并发症的概率构建第一数据模型；
获取子单元，用于获取H个参照器官中的每个参照器官内的每个体素区域的实际剂量信息和绝对体积信息，其中，H为大于1的整数，所述每个参照器官为已经实际接受放射治疗的对象的器官；
第二确定子单元，用于根据所述每个参照器官内的每个体素区域的实际剂量信息、绝对体积信息以及所述每个参照器官在实际治疗过程中是否发生并发症，确定在所述每个参照器官的体素区域基于不同绝对体积对应的不同剂量时所述每个参照器官发生并发症的概率；
第二构建子单元，用于根据在所述每个参照器官的体素区域基于不同绝对体积对应的不同剂量时所述每个参照器官发生并发症的概率构建第二数据模型；
第三构建子单元，用于根据所述第二数据模型和所述第一数据模型构建得到所述目标模型。
7.根据权利要求6所述的器官耐受剂量的确定装置，其特征在于，所述第三构建子单元，包括：
获取模块，用于获取测试数据，其中，所述测试数据中包括绝对体积数据以及针对该绝对体积数据设置的耐受剂量数据；
第一处理模块，用于将所述测试数据中的绝对体积数据和耐受剂量数据输入至第一数据模型中，得到第一预测并发症发生概率；
第二处理模块，用于将所述测试数据中的绝对体积数据和耐受剂量数据输入至第二数据模型中，得到第二预测并发症发生概率；
检测模块，用于检测所述第一预测并发症发生概率和第二预测并发症发生概率的差异值；
构建模块，用于根据所述差异值和所述第一数据模型构建得到所述目标模型。
8.根据权利要求7所述的器官耐受剂量的确定装置，其特征在于，所述构建模块，包括：
第一处理子模块，用于在所述差异值为0时，将所述第一数据模型作为所述目标模型。
9.根据权利要求7所述的器官耐受剂量的确定装置，其特征在于，所述构建模块，包括：
第二处理子模块，用于在所述差异值为预设数据区间内的数值的情况下，通过预设置信区间对所述第一数据模型进行调整，并将调整后的第一数据模型作为所述目标模型，其中，所述预设置信区间用于约束所述第一数据模型的调整程度。
10.根据权利要求7所述的器官耐受剂量的确定装置，其特征在于，所述构建模块，包括：
第三处理子模块，用于在所述差异值为预设数据区间之外的数值的情况下，通过所述第二预测并发症发生概率调整所述第一数据模型，直至调整后的第一数据模型基于所述测试数据预测的并发症发生概率为所述第二预测并发症发生概率；
第四处理子模块，用于将所述调整后的第一数据模型作为所述目标模型。
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运行权利要求1至10中任意一项所述的器官耐受剂量的确定装置。
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中任意一项所述的器官耐受剂量的确定装置运行。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410157992.2A CN117690596B (zh) | 2024-02-04 | 2024-02-04 | 器官耐受剂量的确定装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410157992.2A CN117690596B (zh) | 2024-02-04 | 2024-02-04 | 器官耐受剂量的确定装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117690596A true CN117690596A (zh) | 2024-03-12 |
| CN117690596B CN117690596B (zh) | 2024-06-11 |
Family
ID=90130534
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410157992.2A Active CN117690596B (zh) | 2024-02-04 | 2024-02-04 | 器官耐受剂量的确定装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117690596B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118121858A (zh) * | 2024-05-08 | 2024-06-04 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 基于人体控制的自适应放疗装置、电子设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103394167A (zh) * | 2013-08-01 | 2013-11-20 | 山东省肿瘤医院 | 一种基于生物效应剂量的肿瘤放射治疗并发症的预测方法 |
| US20210256399A1 (en) * | 2020-02-19 | 2021-08-19 | Varian Medical Systems International Ag. | Generating and applying robust dose prediction models |
| CN113539420A (zh) * | 2021-06-30 | 2021-10-22 | 上海联影医疗科技股份有限公司 | 剂量控制系统、装置和存储介质 |
| CN115938591A (zh) * | 2023-02-23 | 2023-04-07 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 基于放疗的剂量分布区间确定装置及电子设备 |
| CN116262041A (zh) * | 2021-12-13 | 2023-06-16 | 佳能医疗系统株式会社 | 被辐射剂量管理装置、被辐射剂量管理方法及存储介质 |
| CN117456315A (zh) * | 2023-12-26 | 2024-01-26 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 剂量预测模型的训练方法、装置及计算机可读存储介质 |
-
2024
- 2024-02-04 CN CN202410157992.2A patent/CN117690596B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103394167A (zh) * | 2013-08-01 | 2013-11-20 | 山东省肿瘤医院 | 一种基于生物效应剂量的肿瘤放射治疗并发症的预测方法 |
| US20210256399A1 (en) * | 2020-02-19 | 2021-08-19 | Varian Medical Systems International Ag. | Generating and applying robust dose prediction models |
| CN113539420A (zh) * | 2021-06-30 | 2021-10-22 | 上海联影医疗科技股份有限公司 | 剂量控制系统、装置和存储介质 |
| CN116262041A (zh) * | 2021-12-13 | 2023-06-16 | 佳能医疗系统株式会社 | 被辐射剂量管理装置、被辐射剂量管理方法及存储介质 |
| CN115938591A (zh) * | 2023-02-23 | 2023-04-07 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 基于放疗的剂量分布区间确定装置及电子设备 |
| CN117456315A (zh) * | 2023-12-26 | 2024-01-26 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 剂量预测模型的训练方法、装置及计算机可读存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 王艾俊;李建国;韩宝华;马炳辉;王慧娟;曹少飞;: "用于生物剂量评价的体素模型建立及验证", 辐射防护通讯, no. 06, 20 December 2015 (2015-12-20) * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118121858A (zh) * | 2024-05-08 | 2024-06-04 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 基于人体控制的自适应放疗装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117690596B (zh) | 2024-06-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117690596B (zh) | 器官耐受剂量的确定装置、电子设备及存储介质 | |
| US11120551B2 (en) | Training a CNN with pseudo ground truth for CT artifact reduction | |
| US20200121953A1 (en) | System and method for modelling of dose calculation in radiotherapy treatment planning | |
| CN111507381A (zh) | 图像识别方法及相关装置、设备 | |
| US11887300B2 (en) | Method and apparatus for classifying a brain anomaly based on a 3D MRI image | |
| CN116072263B (zh) | 基于放疗的计划参数预测装置 | |
| JP2009536857A5 (ja) | 画像誘導型放射線治療のための画像の変形可能なレジストレーション | |
| EP3013418B1 (en) | Portal dosimetry system | |
| EP3111422A2 (en) | System and method for auto-contouring in adaptive radiotherapy | |
| CN111462916B (zh) | 一种放疗计划危及器官剂量体积直方图的预测方法和装置 | |
| US12053320B2 (en) | Computer-implemented method, computer program, systems and x-ray facility for correction of x-ray image data with regard to noise effects | |
| CN108885781B (zh) | 用于根据低剂量或低kV计算机断层扫描图像合成虚拟高剂量或高kV计算机断层扫描图像的方法和系统 | |
| CN116030938B (zh) | 放疗剂量分布区间的确定装置及电子设备 | |
| US12097038B2 (en) | Method and apparatus for determining degree of dementia of user | |
| CN112967386B (zh) | 生物力学建模方法、装置、电子设备及存储介质 | |
| CN116167990B (zh) | 基于图像的目标识别、神经网络模型处理方法 | |
| RU2719951C2 (ru) | Моделирование анатомической структуры методом конечных элементов | |
| CN114565554A (zh) | 一种基于超声冠状面图像的x光图像配准方法及装置 | |
| CN117274235A (zh) | 放疗疗效的确定装置、电子设备及存储介质 | |
| CN117116421B (zh) | 放疗计划的确定方法和装置 | |
| CN112035361B (zh) | 医疗诊断模型的测试方法、装置、计算机设备和存储介质 | |
| JP2020071516A (ja) | 情報処理装置、情報処理方法、及びプログラム | |
| CN117690551B (zh) | 基于等剂量线的并发症发生概率确定装置及电子设备 | |
| CN118397059B (zh) | 用于多模态影像增强与配准的模型训练方法及配准方法 | |
| JP7566792B2 (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 |
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 |