关于使用历史信息优化辐射治疗方案的设备和方法

    公开(公告)号:CN104471608B

    公开(公告)日:2019-05-17

    申请号:CN201380038203.3

    申请日:2013-05-16

    Abstract: 一种控制电路,可操作地耦合到其中存储历史信息的存储器。这个历史信息包括关于针对多个不同体积呈现对非目标患者体积的给药辐射剂量的信息。控制电路使用该历史信息为具体方案迭代地优化辐射治疗方案。上述历史信息能够包括对应于给定患者内的不同相对距离的给药剂量量度。控制电路能够利用这种信息为离具体参考点指定距离的具体患者内的至少一个体积确定例如估算剂量(如果需要,包括估算剂量的相应范围)。控制电路能够比较这种历史信息和辐射治疗方案优化结果,以定性地评定辐射治疗方案优化结果。

    语义放射治疗计划优化指导

    公开(公告)号:CN103857439B

    公开(公告)日:2018-01-16

    申请号:CN201280048013.5

    申请日:2012-10-01

    CPC classification number: A61N5/1031 A61N2005/1041

    Abstract: 一种用于放射疗法治疗计划优化的方法,包括使用从数据库选择的治疗类型生成针对患者的第一放射疗法治疗计划并且优化第一放射疗法治疗计划。识别来自第一放射疗法治疗计划的度量选择并且与来自从数据库选择的合集先前患者记录的度量比较。识别影响第一放射疗法治疗计划满足识别的度量的能力的至少一个参数。用单一、临床有意义、人类可理解的语言语句定义至少一个参数。比较关于识别的度量的至少一个参数与关于竞争度量的至少一个参数并且确定用于治疗计划的至少一个备选治疗步骤,其将改变识别的至少一个参数以改善识别的度量。按照临床有意义、人类可理解的语言表达至少一个备选治疗步骤。

    针对基于深度迁移学习的放射疗法处理计划的方法和系统

    公开(公告)号:CN113272909B

    公开(公告)日:2024-11-29

    申请号:CN201980084493.2

    申请日:2019-05-30

    Abstract: 提供了用于放射疗法处理计划的深度迁移学习的示例方法和系统。一种示例方法可以包括:获得(310)基础深度学习引擎,其被预训练以执行基础放射疗法处理计划任务;以及基于基础深度学习引擎,生成目标深度学习引擎以执行目标放射疗法处理计划任务。目标深度学习引擎可以通过以下方式处理生成:在基础深度学习引擎的多个基础层中配置(330)可变基础层,并且通过修改可变基础层来生成(340)目标深度学习引擎的多个目标层中的一个目标层。备选地或附加地,目标深度学习引擎可通过以下方式处理生成:在多个基础层中配置(350)不变基础层,并且基于使用不变基础层所生成的特征数据生成(360)目标深度学习引擎的多个目标层中的一个目标层。

    训练用于放射疗法治疗计划的深度学习引擎

    公开(公告)号:CN114846476A

    公开(公告)日:2022-08-02

    申请号:CN202080088259.X

    申请日:2020-12-15

    Abstract: 提供了用于训练用于放射疗法治疗计划的深度学习引擎的示例方法和系统。一个示例方法可以包括:获得训练数据集合,训练数据集合包括无标签训练数据(710)和有标签训练数据(320);以及配置深度学习引擎以包括(a)主网络以及(b)从主网络分支出来的深度监督网络。该方法还可以包括:通过处理训练数据实例以生成(a)主输出数据和以及(b)深度监督输出数据,来训练深度学习引擎以执行放射疗法治疗计划任务;以及基于主输出数据和/或深度监督输出数据来更新与多个处理层中的至少一些处理层相关联的权重数据。在应用主网络来执行针对患者的放射疗法治疗计划任务之前,可以剪枝深度监督网络。

Patent Agency Ranking