【技术实现步骤摘要】
【国外来华专利技术】使用机器学习的重建受运动影响的处置剂量的局部形变图
[0001]相关申请的交叉引用
[0002]本申请根据美国法典第35条第119(e)款而要求于2020年11月13日提交的美国专利申请17/098,215的权益,该美国专利申请要求于2019年11月25日提交的美国临时申请62/940,037的权益,这两个申请的公开内容通过引用而被全部包含于此。
[0003]本专利技术涉及用于重建受运动影响的处置剂量的局部形变图,并且特别涉及用于使用机器学习来生成和利用用于重建受运动影响的处置的局部形变图的系统和方法。
技术介绍
[0004]在放射处置中,经由来自患者体外的源的放射处置束而递送的放射剂量被递送至体内的靶区域,以破坏肿瘤细胞。必须注意以在使由处置剂量递送至预期处置区域的放射量最大化的同时、使被递送至非处置区域的放射量最小化。
附图说明
[0005]根据以下给出的详细描述以及本专利技术的各种实现的附图,将更全面地理解本专利技术。
[0006]图1A示出根据本文描述的实施例的螺旋放射递送系统。
[0007]图1B示出根据本文描述的实施例的可以使用的机器人放射处置系统。
[0008]图1C示出根据本文描述的实施例的基于C形臂机架的放射处置系统。
[0009]图2A描绘根据本专利技术实施例的自编码器和2D/3D配准的方法的流程图。
[0010]图2B描绘根据本专利技术实施例的学习规划图像的低维度变形的自编码器网络的方法的流程图。
[0011]图3A ...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种方法,包括:将靶对象的处置规划图像输入到机器学习系统中;通过所述机器学习系统,确定所述处置规划图像的第一靶对象特定模型;通过处理装置,将所述第一靶对象特定模型应用于所述处置规划图像,以生成与所述靶对象的多个位置中的第一位置相对应的经变换处置规划图像;将所述经变换处置规划图像与参考图像进行比较;基于所述比较,修改所述第一靶对象特定模型的一个或多于一个参数,以生成与所述多个位置中的第二位置相对应的第二靶对象特定模型;以及基于所述第二靶对象特定模型来控制处置装置以向所述靶对象递送处置。2.根据权利要求1所述的方法,其中,所述处置规划图像是3D解剖图像和4D解剖图像其中之一,以及其中,所述经变换处置规划图像和所述参考图像是2D图像。3.根据权利要求1所述的方法,其中,所述机器学习系统经训练,以根据所述靶对象的3D、4D或其他派生图像来构建所述第一靶对象特定模型。4.根据权利要求1所述的方法,其中,所述机器学习系统经训练,以根据所述靶对象和其他对象之间的至少一个可形变配准来构建所述第一靶对象特定模型。5.根据权利要求1所述的方法,其中,所述机器学习系统经训练,以根据第一时间的所述靶对象和第二时间的所述靶对象之间的至少一个可形变配准来构建所述第一靶对象特定模型。6.根据权利要求1所述的方法,其中,所述机器学习系统经训练,以根据所述靶对象和合成图谱对象之间的至少一个可形变配准来构建所述第一靶对象特定模型。7.根据权利要求1所述的方法,其中,所述机器学习系统使用训练对象的群体和与多个训练对象中的各训练对象相关联的多个图像作为训练数据。8.根据权利要求1所述的方法,其中,所述机器学习系统使用所计算出的对象特定模型作为训练数据。9.根据权利要求1所述的方法,其中,所述对象特定模型包括所述靶对象的中心图谱以及基变换的集合和外观变化,所述靶对象的中心图谱以及基变换的集合和外观变化被线性地组合以产生对能够找到所述靶对象的一个或多于一个构象的估计。10.根据权利要求1所述的方法,其中,所述对象特定模型包括模型合成函数,所述模型合成函数包括基函数的线性组合和神经网络中的至少一个。11.根据权利要求1所述的方法,其中,根据对真实数据和合成数据中的至少一个的集合的降维来开发所述对象特定模型。12.根据权利要求1所述的方法,其中,所述机器学习系统使用生成对抗网络,所述生成对抗网络产生对象特定模型作为所述生成对抗网络的输出。13.根据权利要求1所述的方法,其中,所述机器学习系统使用自编码器网络,其中根据所述自编码器网络,能够使用解码器组件作为第一对象特定模型。14.根据权利要求1所述的方法,其中,所述机器学习系统使用来自从对象产生对象特定模型的系统的迁移学习,以产生其他对象的对象特定模型。15.根据权利要求1所述的方法,还包括:接收辅助解剖信号或伪解剖信号。16.一种处置系统,包括:
存储器,用于存储靶对象的处置规划图像;以及处理装置,其操作地耦接到所述存储器,所述处理装置用于:将所述靶对象的所述处置规划图像输入到机器学习系统中;通过所述机器学习系统,确定所述处置规划图像的第一靶对象特定模型;将所述第一靶对象特定模型应用于所述处置规划图像,以生成与所述靶对象的多个位置中的第一位置相对应的经变换处置规划图像;将所述经变换处置规划图像与参考图像进行比较;基于所述比较,修改所述第一靶对象特定模型的一个或多于一个参数,以生成与所述多个位置中的第二位置相对应的第二靶对象特定模型;以及基于所述第二靶对象特定模型来控制处置装置以向所述靶对象递送处置。17.根据权利要求16所述的处置系统,其中,所述处置规划图像是3D解剖图像和4D解剖图像其中之一,以及其中,所述经变换处置规划图像和所述参考图像是2D图像。18.根据权利要求16所述的处置系统,其中,所述机器学习系统经训练,以根据所述靶对象的3D、4D或其他派生图像来构建所述第一靶对象特定模型。19.根据权利要求16所述的处置系统,其中,所述机器学习系统经训练,以根据所述靶对象和其他对象之间的至少一个可形变配准来构建所述第一靶对象特定模型。20.根据权利要求16所述的处置系统,其中,所述机器学习系统经训练,以根据第一时间的所述靶对象和第二时间的所述靶对象之间的至少一个可形变配准来构建所述第一靶对象特定模型。21.根据权利要求16所述的处置系统,其中,所述机器学习系统经训练,以根据所述靶对象和合成图谱对象之间的至少一个可形变配准来构建所述第一靶对象特定模型。22.根据权利要求16所述的处置系统,其中,所述机器学习系统使用训练对象的群体和与多个训练对象中的各训练对象相关联的多个图像作为训练数据。23.根据权利要求16所述的处置系统,其中,所述机器学习系统使用所计算出的对象特定模型作为训练数据。24.根据权利要求16所述的处置系统,其中,所述对象特定模型包括所述靶对象的中心图谱以及基变换的集合和外观变化,所述靶对象的中心图谱以及基变换的集合和外观变化被线性地组合以产生对能够找到所述靶对象的一个或多于一个构象的估计。25.根据权利要...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。