[發明專利]放療計劃推薦方法、裝置、設備及存儲介質在審
| 申請號： | 201910875109.2 | 申請日： | 2019-09-17 |
| 公開（公告）號： | CN110739043A | 公開（公告）日： | 2020-01-31 |
| 發明（設計）人： | 王季勇;毋戈 | 申請（專利權）人： | 平安科技(深圳)有限公司 |
| 主分類號： | G16H20/40 | 分類號： | G16H20/40;G06F16/532;G06N3/04 |
| 代理公司： | 11327 北京鴻元知識產權代理有限公司 | 代理人： | 李玉琦;張超艷 |
| 地址： | 518033 廣東省深圳市福田區福*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 放療 放療計劃 計量 匹配 圖樣 匹配樣本 人工智能技術 解剖學信息 存儲介質 冗余內容 網絡模型 大樣本 構建 預測 | ||
1.一種放療計劃推薦方法，應用于電子設備，其特征在于，包括：
構建放療計量圖樣本庫，所述放療計量圖樣本庫至少包括放療計量圖；
獲取CT圖像；
用預先訓練生成的放療計量預測網絡模型對所述CT圖像進行處理，得出與所述CT圖像對應的放療計量圖；
將所述放療計量圖與所述放療計量圖樣本庫中的放療計量圖樣本進行匹配，得到與所述放療計量圖對應的匹配樣本；
獲取與所述匹配樣本對應的放療計劃，作為所述CT圖像的推薦放療計劃。
2.根據權利要求1所述的放療計劃推薦方法，其特征在于，在獲取CT圖像之后，將所述放療計量圖與所述放療計量圖樣本庫中的放療計量圖樣本進行匹配之前，還包括：獲取與所述CT圖像對應的放療勾勒圖，所述放療勾勒圖包括靶區勾勒圖和/或器官勾勒圖；
用預先訓練生成的放療計量預測網絡模型對所述放療勾勒圖進行處理，得出與所述CT圖像對應的放療計量圖。
3.根據權利要求1所述的放療計劃推薦方法，其特征在于，所述放療計量預測網絡模型是端對端的V-net模型，包括輸入層、四個編碼層、四個解碼層以及輸出層，其中，所述輸入層和所述編碼層均包括3個卷積核，所述編碼層和所述解碼層的卷積步長均為2。
4.根據權利要求3所述的放療計劃推薦方法，其特征在于，所述輸入層、四個編碼層、四個解碼層和所述輸出層對應的特征通道數量分別為1、32、64、128、256、256、256、128、64和1。
5.根據權利要求3所述的放療計劃推薦方法，其特征在于，所述V-net模型還包括多個修正線性單元，每個修正線性單元均與一個解碼層對應連接。
6.根據權利要求3所述的放療計劃推薦方法，其特征在于，所述V-net模型采用群組歸一化處理。
7.根據權利要求1所述的放療計劃推薦方法，其特征在于，用預先訓練生成的放療計量預測網絡模型對所述CT圖像進行處理，得出與所述CT圖像對應的放療計量圖之前，還包括：
構建訓練樣本集，所述訓練樣本集中的訓練樣本包括CT圖像和對應的放療計量圖；
利用訓練樣本對所述放療計量預測網絡模型進行訓練，得到訓練放療計量圖；
生成所述訓練放療計量圖與訓練樣本中相應的放療計量圖間的相似度，當所述相似度大于預設相似度閾值時，結束對所述放療計量預測網絡模型的訓練過程。
8.一種放療計劃推薦裝置，其特征在于，包括：
樣本庫構建模塊，用于構建放療計量圖樣本庫，放療計量圖樣本至少包括放療計量圖；
圖像獲取模塊，用于獲取CT圖像；
計量圖輸出模塊，用于用預先訓練生成的放療計量預測網絡模型對所述CT圖像進行處理，得出與所述CT圖像對應的放療計量圖；
匹配模塊，用于將所述放療計量圖與所述放療計量圖樣本庫中的放療計量圖樣本進行匹配，得到與所述放療計量圖對應的匹配樣本；
推薦模塊，用于獲取與所述匹配樣本對應的放療計劃，作為所述CT圖像的推薦放療計劃。
9.一種電子設備，其特征在于，該電子設備包括：處理器和存儲器，所述存儲器中包括放療計劃推薦程序，所述放療計劃推薦程序被所述處理器執行時實現如權利要求1至7中任一項所述的放療計劃推薦方法。
10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質中包括放療計劃推薦程序，所述放療計劃推薦程序被處理器執行時，實現如權利要求1至7中任一項所述的放療計劃推薦方法。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于平安科技(深圳)有限公司，未經平安科技(深圳)有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201910875109.2/1.html，轉載請聲明來源鉆瓜專利網。
