西门子医疗国际股份有限公司专利技术

西门子医疗国际股份有限公司共有65项专利

  • 本文公开了用于预测虚拟组织等效物以生成放射疗法治疗计划的方法和系统,该方法包括:由处理器使用包括与先前执行的放射疗法治疗集合相对应的医学图像集合的训练数据集来训练202机器学习模型,每个医学图像包括至少一个计划靶体积和被添加到医学图像的...
  • 这些教导提供了访问(201)所存储的针对给定患者的患者表面信息和针对患者支撑设施的几何信息。然后,这些教导提供了至少部分地根据该患者服务信息和几何信息,来生成(202)患者位置解决方案,该患者位置解决方案将在放射处理的后续施用期间避免碰...
  • 提供了使用计划质量得分来优化放射治疗规划的系统和方法。用于辐射处置规划的系统和方法可以包括:计算系统优化目标函数以确定放射治疗计划。目标函数可以根据与放射治疗计划的参数相关的一个或多个优化目标来定义。计算机系统可以基于放射治疗计划的参数...
  • 提供了生成计划质量得分以优化放射治疗处置规划的系统和方法。用于辐射处置规划的系统和方法可以包括计算系统接收放射治疗处置计划的一个或多个临床目标的一个或多个指示,并且针对每个临床目标,确定对应质量度量区间。计算系统可以:在每个质量度量区间...
  • 一种控制电路对用于利用能量来对给定患者的治疗体积进行治疗性处理的能量治疗计划(诸如但不限于闪速能量治疗计划)进行优化,以提供优化的能量治疗计划。控制电路确定关于根据优化的能量治疗计划施加能量的至少一个递送剂量率,然后确定与该至少一个递送...
  • 本公开的各实施例涉及在线自适应放射疗法中的患者特异性自动分割。本文公开了用于自适应地训练用于医学图像的自动分割的机器学习模型的系统和方法。系统执行分割模型,该分割模型接收医学图像作为输入,并生成用于放射疗法治疗的医学图像的初始分割。该系...
  • 使用训练语料库来训练辐射处理计划三维剂量预测机器学习模型,所述训练语料库包括不特定于特定患者的多个辐射处理计划,并且其中所述训练语料库包括一些但不是全部可能的感兴趣的患者体积。关于患者的信息(包括关于未在训练语料库中表示的患者的至少一个...
  • 本文中描述的实施例提供了一种用于生成用于基于AI的图集映射切片定位的训练数据的方法(300)、以及一种用于使用训练数据来训练深度学习网络的系统和方法(400)。训练数据开发将输入医学图像的每个切片沿着身体纵向轴映射到全身参考图集(510...
  • 本文中描述的实施例提供用于训练用于自动器官分割的机器学习模型(111)。处理器使用图像来执行(202)机器学习模型,以针对图像的多个像素输出至少一个预测器官标签。在向校正计算设备传输(206)至少一个预测器官标签之后,处理器接收标识对至...
  • 本文中提出了用于配置用于放疗处理的计划优化器模型的方法(200)和系统,其中处理器迭代地训练(202)被配置为预测启发式参数的机器学习模型,其中对于每次迭代,机器学习模型的代理标识(204)测试启发式参数;向计划优化器模型传输(206)...
  • 本公开涉及使用基于射束硬化的核来估计由成像系统部件引起的X射线图像中的散射。一种减少对象的X射线投影图像中的散射的计算机实现的方法,该方法包括:利用由成像系统产生的成像束来生成对象的初始X射线投影图像;基于用于对象的第一透射指示符和用于...
  • 本公开的实施例涉及减少对象的X射线投影图像中的散射的方法和成像系统。该方法包括:利用成像射束和X射线检测器生成初始X射线投影图像;基于X射线检测器的检测器阵列中的第一位置,选择用于对初始投影图像的第一部分的卷积的第一核,其中该第一位置对...
  • 本公开涉及用于辐射治疗系统中的处置设置的虚拟射野图像。一种对患者的解剖区域内的靶标体积执行辐射治疗的计算机实现的方法包括:在该区域被定位在第一初步处置位置中的情况下采集该区域的锥形射束计算机断层摄影(CBCT)图像;基于该区域的CBCT...
  • 所提出的系统和方法能够实现高效且有效的稳健辐射处理计划和处理,包括剂量率稳健性的分析。在一个实施例中,一种方法(1900)包括:访问(1910)处理计划信息,访问(1920)对应于与辐射处理计划的实现相关联的不确定性的信息,以及生成(1...
  • 本文中描述的实施例提供了训练人工智能模型(211)以成为偏好感知模型。人工智能模型在人工智能模型(211)训练时学习偏好。强化学习用于训练(302‑312)人工智能模型(211)中的专家,使得每个专家被训练为收敛到独特偏好。人工智能模型...
  • 与辐射处理计划相关联的信息包括,例如,目标体积中每体素的剂量值、目标体积中每体素的剂量率值以及在生成每体素的剂量值和每体素的剂量率值时使用的参数值。显示包括例如目标体积或包括目标体积的图像514的渲染504以及辐射处理计划的所选择值的渲...
  • 局部评估网络结合了用作分类器的鉴别器(111a),其可被包括在生成式对抗性网络GAN(111)内。GAN(111)可包括用于创建分割的生成式网络,诸如U‑NET。局部评估网络在包括感兴趣的器官的医学图像和分割(掩模)图像的图像对(220...
  • 本文所描述的实施例提供了接收(304)包括描绘危及器官(OAR)分割的覆盖图的第二图像。该覆盖图由第一机器学习模型基于描绘当前患者的解剖区域的第一图像(302)而生成。第二机器学习模型接收(306)描绘先前患者OAR分割的第二图像和第三...
  • 本文公开了用于患者表面上的进行光场验证的方法、系统和计算机可读介质。至少一个示例实施例提供了一种方法,包括:获得第一图像,第一图像包括患者身上的光场,该光场由处理系统生成;获得处理计划轮廓,该处理计划轮廓包括患者的用于处理的区域;基于第...
  • 存储器(102)具有存储在其中的与特定患者相对应的注量图。该存储器还具有存储在其中的至少一个深度学习模型,该模型被训练以从注量图推断出针对多叶准直器的叶片序列。可操作地耦合到该存储器的控制电路(101)迭代地优化辐射治疗计划以通过至少部...