剂量预测模型的生成方法、装置、电子设备及存储介质制造方法及图纸

本申请公开了一种剂量预测模型的生成方法、装置、电子设备及存储介质。其中，该方法包括：获取小样本数据集，其中，小样本数据集至少包括M个第一参照对象对应的医学图像和实际剂量分布图；基于第一参照对象对应的实际剂量分布图确定第一参照对象对应的实际等剂量线区域图和实际剂量变化梯度图；依据小样本数据集、第一参照对象对应的实际等剂量线区域图和实际剂量变化梯度图对第一编码器和第一解码器进行迭代训练，得到目标编码器和目标解码器；将目标编码器和目标解码器作为剂量预测模型。本申请解决了由于现有的剂量预测模型的训练方法对数据集的数据量要求较高，导致的剂量预测模型在大部分场景训练效果较差的技术问题。题。题。

【技术实现步骤摘要】
剂量预测模型的生成方法、装置、电子设备及存储介质


[0001]本申请涉及医疗科技领域，具体而言，涉及一种剂量预测模型的生成方法、装置、电子设备及存储介质。

技术介绍

[0002]目前，随着人工智能技术的发展，在医疗科技领域，尤其在放射治疗
，通常会通过训练剂量预测模型等深度学习模型来基于医学影像预测剂量分布信息。
[0003]但是，现有的剂量预测模型的训练方法对数据集的数据量要求较高，可是，由于涉及患者隐私数据等因素，获取大量的样本数据存在一定的难度，因此导致现有的剂量预测模型在大部分场景下训练效果较差的问题。
[0004]针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

[0005]本申请提供了一种剂量预测模型的生成方法、装置、电子设备及存储介质，以至少解决由于现有的剂量预测模型的训练方法对数据集的数据量要求较高，导致的剂量预测模型在大部分场景训练效果较差的技术问题。
[0006]根据本申请的一个方面，提供了一种剂量预测模型的生成方法，包括：获取小样本数据集，其中，小样本数据集至少包括M个第一参照对象对应的医学图像和实际剂量分布图，M为大于1的整数； 基于第一参照对象对应的实际剂量分布图确定第一参照对象对应的实际等剂量线区域图和实际剂量变化梯度图，其中，实际等剂量线区域图中的多粒度信息对应的鲁棒性高于实际剂量分布图中的多粒度信息对应的鲁棒性，实际剂量变化梯度图中的轮廓信息对应的精准度高于实际剂量分布图中的轮廓信息对应的精准度；依据小样本数据集、第一参照对象对应的实际等剂量线区域图和实际剂量变化梯度图对第一编码器和第一解码器进行迭代训练，得到目标编码器和目标解码器，其中，第一编码器和第一解码器为依据N个第二参照对象对应的医学图像和剂量分布图训练得到的编码器和解码器，其中， N为大于1的整数，并且N大于M；将目标编码器和目标解码器作为剂量预测模型。
[0007]可选地，剂量预测模型的生成方法还包括：在依据小样本数据集、第一参照对象对应的实际等剂量线区域图和实际剂量变化梯度图对第一编码器和第一解码器进行迭代训练，得到目标编码器和目标解码器之前，依据N个第二参照对象对应的医学图像和剂量分布图对预设的初始编码器和初始解码器进行预训练操作，其中，预训练操作用于通过初始编码器提取第二参照对象对应的医学图像的图像特征，并通过初始解码器依据初始编码器提取到的图像特征生成第二参照对象对应的预测剂量分布图，并依据第二参照对象对应的预测剂量分布图和第二参照对象对应的剂量分布图更新初始编码器的权重和初始解码器的权重；对初始编码器和初始解码器执行多次预训练操作，得到第一编码器和第一解码器。
[0008]可选地，剂量预测模型的生成方法还包括：通过第一编码器提取小样本数据集中的第一参照对象对应的医学图像的图像特征；执行第一任务操作，其中，第一任务操作用于
依据第一编码器提取到的图像特征和第一参照对象对应的实际剂量分布图更新第一编码器的权重和第一解码器的权重；执行第二任务操作，其中，第二任务操作用于依据第一编码器提取到的图像特征和第一参照对象对应的实际等剂量线区域图更新第一编码器的权重和第二解码器的权重；执行第三任务操作，其中，第三任务操作用于依据第一编码器提取到的图像特征和第一参照对象对应的实际剂量变化梯度图更新第一编码器和第三解码器的权重，第一解码器、第二解码器以及第三解码器为相互独立的解码器；通过并行的方式执行多次第一任务操作、第二任务操作以及第三任务操作，并将最后一次更新权重后的第一编码器作为目标编码器，将最后一次更新权重后的第一解码器作为目标解码器。
[0009]可选地，第一任务操作包括如下步骤：通过第一解码器依据第一编码器提取到的图像特征生成第一参照对象对应的第一预测剂量分布图；对第一参照对象对应的第一预测剂量分布图进行等剂量线化处理，得到第一参照对象对应的第一预测等剂量线区域图；对第一参照对象对应的第一预测剂量分布图进行剂量变化梯度处理，得到第一参照对象对应的第一预测剂量变化梯度图；根据第一参照对象对应的第一预测剂量分布图、第一预测等剂量线区域图、第一预测剂量变化梯度图以及第一参照对象对应的实际剂量分布图更新第一编码器的权重和第一解码器的权重。
[0010]可选地，剂量预测模型的生成方法还包括：将第一参照对象对应的第一预测剂量分布图和第一参照对象对应的实际剂量分布图之间的像素级差异信息作为第一参数；将第一参照对象对应的第一预测等剂量线区域图和第一参照对象对应的实际等剂量线区域图之间的像素级差异信息作为第二参数；将第一参照对象对应的第一预测剂量变化梯度图和第一参照对象对应的实际剂量变化梯度图之间的像素级差异信息作为第三参数；依据第一参数、第二参数以及第三参数更新第一编码器的权重和第一解码器的权重。
[0011]可选地，第二任务操作包括如下步骤：通过第二解码器依据第一编码器提取到的图像特征生成第一参照对象对应的第二预测等剂量线区域图；依据第一参照对象对应的第二预测等剂量线区域图和第一参照对象对应的实际等剂量线区域图之间的像素级差异信息更新第二解码器的权重和第一编码器的权重；和/或，第三任务操作包括如下步骤：通过第三解码器依据第一编码器提取到的图像特征生成第一参照对象对应的第二预测剂量变化梯度图；依据第一参照对象对应的第二预测剂量变化梯度图和第一参照对象对应的实际剂量变化梯度图之间的像素级差异信息更新第三解码器的权重和第一编码器的权重。
[0012]可选地，剂量预测模型的生成方法还包括：在将目标编码器和目标解码器作为剂量预测模型之后， 获取目标对象对应的医学图像；将目标对象对应的医学图像输入至剂量预测模型中，得到剂量预测模型输出的目标对象对应的剂量分布图。
[0013]可选地，第一参照对象对应的医学图像至少包括第一参照对象的放疗靶区对应的轮廓图像、第一参照对象的危及器官对应的轮廓图像以及第一参照对象对应的多模态医学图像。
[0014]根据本申请的另一个方面，还提供了一种剂量预测模型的生成装置，包括：获取单元，用于获取小样本数据集，其中，小样本数据集至少包括M个第一参照对象对应的医学图像和实际剂量分布图，M为大于1的整数；确定单元，用于基于第一参照对象对应的实际剂量分布图确定第一参照对象对应的实际等剂量线区域图和实际剂量变化梯度图，其中，实际等剂量线区域图中的多粒度信息对应的鲁棒性高于实际剂量分布图中的多粒度信息对应
的鲁棒性，实际剂量变化梯度图中的轮廓信息对应的精准度高于实际剂量分布图中的轮廓信息对应的精准度；训练单元，用于依据小样本数据集、第一参照对象对应的实际等剂量线区域图和实际剂量变化梯度图对第一编码器和第一解码器进行迭代训练，得到目标编码器和目标解码器，其中，第一编码器和第一解码器为依据N个第二参照对象对应的医学图像和剂量分布图训练得到的编码器和解码器，其中，N为大于1的整数，并且N大于M；处理单元，用于将目标编码器和目标解码器作为剂量预测模型。
[0015]根据本申请的另一个方面，还提供了一种计算机可读存储介质，其中，计本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种剂量预测模型的生成方法，其特征在于，包括：获取小样本数据集，其中，所述小样本数据集至少包括M个第一参照对象对应的医学图像和实际剂量分布图，M为大于1的整数；基于所述第一参照对象对应的实际剂量分布图确定所述第一参照对象对应的实际等剂量线区域图和实际剂量变化梯度图，其中，所述实际等剂量线区域图中的多粒度信息对应的鲁棒性高于所述实际剂量分布图中的多粒度信息对应的鲁棒性，所述实际剂量变化梯度图中的轮廓信息对应的精准度高于所述实际剂量分布图中的轮廓信息对应的精准度；依据所述小样本数据集、所述第一参照对象对应的实际等剂量线区域图和实际剂量变化梯度图对第一编码器和第一解码器进行迭代训练，得到目标编码器和目标解码器，其中，所述第一编码器和所述第一解码器为依据N个第二参照对象对应的医学图像和剂量分布图训练得到的编码器和解码器，其中，N为大于1的整数，并且N大于M；将所述目标编码器和所述目标解码器作为剂量预测模型。2.根据权利要求1所述的剂量预测模型的生成方法，其特征在于，在依据所述小样本数据集、所述第一参照对象对应的实际等剂量线区域图和实际剂量变化梯度图对第一编码器和第一解码器进行迭代训练，得到目标编码器和目标解码器之前，所述剂量预测模型的生成方法还包括：依据N个所述第二参照对象对应的医学图像和剂量分布图对预设的初始编码器和初始解码器进行预训练操作，其中，所述预训练操作用于通过所述初始编码器提取所述第二参照对象对应的医学图像的图像特征，并通过所述初始解码器依据所述初始编码器提取到的图像特征生成所述第二参照对象对应的预测剂量分布图，并依据所述第二参照对象对应的预测剂量分布图和所述第二参照对象对应的剂量分布图更新所述初始编码器的权重和所述初始解码器的权重；对所述初始编码器和所述初始解码器执行多次所述预训练操作，得到所述第一编码器和所述第一解码器。3.根据权利要求1所述的剂量预测模型的生成方法，其特征在于，依据所述小样本数据集、所述第一参照对象对应的实际等剂量线区域图和实际剂量变化梯度图对第一编码器和第一解码器进行迭代训练，得到目标编码器和目标解码器，包括：通过所述第一编码器提取所述小样本数据集中的第一参照对象对应的医学图像的图像特征；执行第一任务操作，其中，所述第一任务操作用于依据所述第一编码器提取到的图像特征和所述第一参照对象对应的实际剂量分布图更新所述第一编码器的权重和所述第一解码器的权重；执行第二任务操作，其中，所述第二任务操作用于依据所述第一编码器提取到的图像特征和所述第一参照对象对应的实际等剂量线区域图更新所述第一编码器的权重和第二解码器的权重；执行第三任务操作，其中，所述第三任务操作用于依据所述第一编码器提取到的图像特征和所述第一参照对象对应的实际剂量变化梯度图更新所述第一编码器和第三解码器的权重，所述第一解码器、所述第二解码器以及所述第三解码器为相互独立的解码器；通过并行的方式执行多次所述第一任务操作、所述第二任务操作以及所述第三任务操
作，并将最后一次更新权重后的第一编码器作为所述目标编码器，将最后一次更新权重后的第一解码器作为所述目标解码器。4.根据权利要求3所述的剂量预测模型的生成方法，其特征在于，所述第一任务操作包括如下步骤：通过所述第一解码器依据所述第一编码器提取到的图像特征生成所述第一参照对象对应的第一预测剂量分布图；对所述第一参照对象对应的第一预测剂量分布图进行等剂量线化处理，得到所述第一参照对象对应的第一预测等剂量线区域图；对所述第一参照对象对应的第一预测剂量分布图进行剂量变化梯度处理，得到所述第一参照对象对应的第一预测剂量变化梯度图；根据所述第一参照对象对应的所述第一预测剂量分布图、所述第一预测等剂量线区域图、所述第一预测剂量变化梯度图以及所述第一参照对象对应的实际剂量分布图更新所述第一编码器的权重和所述第一解码器的权重...

【专利技术属性】
技术研发人员：周琦超，冷子轩，
申请(专利权)人：福建自贸试验区厦门片区Manteia数据科技有限公司，
类型：发明
国别省市：