用于基于连续深度学习的放射疗法治疗规划的方法和系统

    公开(公告)号:CN113891742A

    公开(公告)日:2022-01-04

    申请号:CN202080040121.2

    申请日:2020-06-04

    Abstract: 提供了用于基于连续深度学习的放射疗法治疗规划的示例方法和系统。一种示例方法可以包括:获取(210)深度学习引擎,该深度学习引擎被训练以基于与第一规划规则相关联的第一训练数据来执行放射疗法治疗规划任务。该方法还可以包括:基于与特定患者相关联的输入数据,使用深度学习引擎来执行(220)放射疗法治疗规划任务,以生成与特定患者相关联的输出数据;以及获取(230)经修改的输出数据,该经修改的输出数据包括对由深度学习引擎生成的输出数据的一个或多个修改。该方法还可以包括:基于经修改的输出数据,生成(240)与第二规划规则相关联的第二训练数据;并且通过使用第一训练数据和第二训练数据的组合重新训练深度学习引擎来生成(250)经修改的深度学习引擎。

    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:CN113272909A

    公开(公告)日:2021-08-17

    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。

    用于使用深度学习引擎进行自适应放射治疗计划的方法和系统

    公开(公告)号:CN110960803A

    公开(公告)日:2020-04-07

    申请号:CN201910918486.X

    申请日:2019-09-26

    Abstract: 提供了使用深度学习引擎进行自适应放射治疗计划的示例方法。一种示例方法可以包括获得与第一成像模态相关联的治疗图像数据。所述治疗图像数据可以在患者的治疗阶段期间获取。另外,可以在所述治疗阶段之前获取与第二成像模态相关联的计划图像数据以为所述患者产生治疗计划。所述方法还可以包括:响应于确定需要对所述治疗计划进行更新,对与所述第一成像模态相关联的所述治疗图像数据进行变换以产生与所述第二成像模态相关联的变换后的图像数据。所述方法还可以包括:使用所述深度学习引擎来处理所述变换后的图像数据以产生输出数据来更新所述治疗计划。

    用于使用深度学习引擎进行自适应放射治疗计划的方法和系统

    公开(公告)号:CN114344740B

    公开(公告)日:2025-02-25

    申请号:CN202210168442.1

    申请日:2019-09-26

    Abstract: 提供了使用深度学习引擎进行自适应放射治疗计划的示例方法。一种示例方法可以包括获得与第一成像模态相关联的治疗图像数据。所述治疗图像数据可以在患者的治疗阶段期间获取。另外,可以在所述治疗阶段之前获取与第二成像模态相关联的计划图像数据以为所述患者产生治疗计划。所述方法还可以包括:响应于确定需要对所述治疗计划进行更新,对与所述第一成像模态相关联的所述治疗图像数据进行变换以产生与所述第二成像模态相关联的变换后的图像数据。所述方法还可以包括:使用所述深度学习引擎来处理所述变换后的图像数据以产生输出数据来更新所述治疗计划。

    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。

    用于基于连续深度学习的放射疗法治疗规划的方法和系统

    公开(公告)号:CN113891742B

    公开(公告)日:2024-06-21

    申请号:CN202080040121.2

    申请日:2020-06-04

    Abstract: 提供了用于基于连续深度学习的放射疗法治疗规划的示例方法和系统。一种示例方法可以包括:获取(210)深度学习引擎,该深度学习引擎被训练以基于与第一规划规则相关联的第一训练数据来执行放射疗法治疗规划任务。该方法还可以包括:基于与特定患者相关联的输入数据,使用深度学习引擎来执行(220)放射疗法治疗规划任务,以生成与特定患者相关联的输出数据;以及获取(230)经修改的输出数据,该经修改的输出数据包括对由深度学习引擎生成的输出数据的一个或多个修改。该方法还可以包括:基于经修改的输出数据,生成(240)与第二规划规则相关联的第二训练数据;并且通过使用第一训练数据和第二训练数据的组合重新训练深度学习引擎来生成(250)经修改的深度学习引擎。

    用于使用深度学习引擎进行自适应放射治疗计划的方法和系统

    公开(公告)号:CN114344740A

    公开(公告)日:2022-04-15

    申请号:CN202210168442.1

    申请日:2019-09-26

    Abstract: 提供了使用深度学习引擎进行自适应放射治疗计划的示例方法。一种示例方法可以包括获得与第一成像模态相关联的治疗图像数据。所述治疗图像数据可以在患者的治疗阶段期间获取。另外,可以在所述治疗阶段之前获取与第二成像模态相关联的计划图像数据以为所述患者产生治疗计划。所述方法还可以包括:响应于确定需要对所述治疗计划进行更新,对与所述第一成像模态相关联的所述治疗图像数据进行变换以产生与所述第二成像模态相关联的变换后的图像数据。所述方法还可以包括:使用所述深度学习引擎来处理所述变换后的图像数据以产生输出数据来更新所述治疗计划。

Patent Agency Ranking