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。

    使用人工智能(AI)引擎的断层摄影图像处理

    公开(公告)号:CN114846519A

    公开(公告)日:2022-08-02

    申请号:CN202080088411.4

    申请日:2020-12-11

    Abstract: 提供了用于断层摄影图像重建的示例方法和系统。一个示例方法可以包括:获得二维(2D)投影数据(310)并使用AI引擎(301)处理该2D投影数据,该AI引擎包括多个第一处理层(311),插入的后投影模块(312)和多个第二处理层(313)。使用AI引擎的示例处理可以包括:通过使用所述多个第一处理层处理所述2D投影数据来生成2D特征数据(320);使用所述后投影模块从所述2D特征数据重构所述第一三维(3D)特征体数据(330);以及通过使用所述多个第二处理层处理所述第一3D特征体数据来生成第二3D特征体数据(340)。还提供了用于断层摄影数据分析的方法和系统。

    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。

    使用深度学习引擎进行放射疗法治疗计划的方法和系统

    公开(公告)号:CN112770811A

    公开(公告)日:2021-05-07

    申请号:CN201980063861.5

    申请日:2019-09-24

    Abstract: 提供了使用深度学习引擎进行放射疗法治疗计划的示例方法。一个示例方法可以包括:获取与患者相关联的第一图像数据(211);通过使用第一处理路径(221)处理与第一分辨率水平相关联的第一图像数据来生成第一特征数据(241);通过使用第二处理路径(222)处理与第二分辨率水平相关联的第二图像数据(212)来生成第二特征数据(242);通过使用第三处理路径(223)处理与第三分辨率水平相关联的第三图像数据(213)来生成第三特征数据(243)。该示例方法还可以包括:生成与第二分辨率水平相关联的特征数据的第一组合集(252),并且基于第一特征数据和第一组合集来生成与第一分辨率水平相关联的特征数据的第二组合集。此外,该示例方法可以包括生成与患者的放射疗法治疗相关联的输出数据(260)。

    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