剂量分布预测模型的预训练方法、预训练系统、训练方法及训练系统与流程

本说明书涉及机器学习领域，特别涉及一种剂量分布预测模型的预训练方法、预训练系统、训练方法及训练系统。

背景技术：

1、放射治疗(简称放疗)是目前癌症治疗的重要手段之一，其主要目的是确保靶区接受的射线剂量达到处方剂量，并降低周围正常器官接受的射线剂量。随着imrt(intensity-modulated radiation therapy，调强放射治疗)和vmat(volumetric-modulated arctherapy，容积调强放射治疗)等先进治疗方法的发展，放疗计划的质量得到了显著提升。然而，制定高质量的放疗计划通常需要大量的人工干预，物理师可根据自身经验和医生的反馈反复调整计划参数，导致计划制定时间拉长，不利于肿瘤的控制和患者的生存。随着机器学习技术的发展，可以训练一个机器学习模型(如深度学习模型)来预测患者体内的剂量分布(简称剂量预测)，剂量预测可以提供一个合理的初始优化目标，可以有效缩短放疗计划的制定时间。

2、然而，目前一些实现剂量预测的机器学习方案泛化性较差，难以适应不同的目标(或称为任务)。例如，将原本用于鼻咽部位的剂量分布预测模型应用到前列腺部位的剂量预测中，其效果往往是很差的。

技术实现思路

1、本发明要解决的技术问题在于提供一种适用于多目标(任务)的剂量预测方法。

2、本说明书实施例之一提供一种剂量分布预测模型的预训练方法，所述方法可以包括：针对多个任务中的每一个，获取该任务下的一个或多个样本；基于多个任务下的样本获得预训练模型，以使：基于目标任务下的一个或多个样本对所述预训练模型进行调整，能够获得针对所述目标任务的剂量分布预测模型，针对所述目标任务的剂量分布预测模型输出所述目标任务下的预测剂量分布信息。其中，任一任务下的样本的标签可以包括该任务下的标注剂量分布信息。

3、在一些实施例中，可以通过例如元学习方法、迁移学习方法等方法获得所述预训练模型。

4、在一些实施例中，每个任务可以对应一位患者或一组患者，针对任一任务的剂量分布预测模型输出该任务对应的患者的预测剂量分布信息。任一任务下的样本的模型输入包括该任务对应的患者的参考信息，任一任务下的样本的标签包括该任务对应的患者的标注剂量分布信息。

5、在一些实施例中，每个任务可以对应一个权重组合，每个权重组合可以包括计划靶区权重和危及器官权重，所述计划靶区权重指示计划靶区的剂量要求，所述危及器官权重指示危及器官的剂量要求。任一任务下的样本的模型输入可以包括该任务对应的权重组合，任一任务下的样本的标签可以包括符合该任务下的剂量要求的标注剂量分布信息。

6、在一些实施例中，每个任务可以对应一个身体部位，针对任一任务的剂量分布预测模型可以输出该任务对应的身体部位的预测剂量分布信息。任一任务下的样本的模型输入可以包括该任务对应的身体部位的图像，任一任务下的样本的标签可以包括该任务对应的身体部位的标注剂量分布信息。

7、在一些实施例中，所述剂量分布预测模型的输入可以包括以下信息中的一种或多种：身体部位的图像、计划靶区的轮廓信息和危及器官的轮廓信息、计划靶区的剂量要求、危及器官接受的剂量要求。

8、在一些实施例中，所述预训练模型可以包括条件生成对抗网络，所述条件生成对抗网络中的生成器采用由编码器和解码器组成的u-net结构，且所述条件生成对抗网络中的生成器和判别器具有相同的下采样次数。

9、本说明书实施例之一提供一种剂量分布预测模型的预训练系统，所述系统可以包括：训练数据获取模块，用于针对多个任务中的每一个，获取该任务下的一个多个样本；预训练模块，用于基于多个任务下的样本获得预训练模型，以使：基于目标任务下的一个或多个样本对所述预训练模型进行调整，能够获得针对所述目标任务的剂量分布预测模型，针对所述目标任务的剂量分布预测模型输出所述目标任务下的预测剂量分布信息。其中，任一任务下的样本的标签可以包括该任务下的标注剂量分布信息。

10、本说明书实施例之一提供一种一种剂量分布预测模型的训练方法，所述方法可以包括：获取预训练模型；获取目标任务下的一个或多个样本，所述目标任务下的样本的标签可以包括所述目标任务下的标注剂量分布信息；基于所述目标任务下的一个或多个样本对所述预训练模型进行调整，得到针对所述目标任务的剂量分布预测模型，针对所述目标任务的剂量分布预测模型输出所述目标任务下的预测剂量分布信息。

11、在一些实施例中，所述一个或多个样本可以基于已有的治疗计划获得。所述方法还可以包括：获取目标患者的参考信息；将所述目标患者的参考信息输入针对所述目标任务的剂量分布预测模型，得到所述目标任务下的预测剂量分布信息，所述预测剂量分布信息可以用于为所述目标患者生成新的治疗计划。

12、本说明书实施例之一提供一种剂量分布预测模型的训练系统，所述系统可以包括：模型获取模块，用于获取预训练模型；训练数据获取模块，用于获取目标任务下的一个或多个样本，所述目标任务下的样本的标签可以包括所述目标任务下的标注剂量分布信息；模型调整模块，用于基于所述目标任务下的一个或多个样本对所述预训练模型进行调整，得到针对所述目标任务的剂量分布预测模型，针对所述目标任务的剂量分布预测模型可以输出所述目标任务下的预测剂量分布信息。

13、本说明书实施例之一提供一种计算机可读存储介质，所述存储介质存储有指令，当计算机执行所述存储介质中的指令时，可以实现如本说明书任一实施例所述的方法。

14、本说明书实施例提供一种剂量分布预测模型的预训练方法、预训练系统、训练方法及训练系统。在预训练阶段，可以通过元学习方法获得预训练模型。在微调阶段，可以通过目标任务下的少量样本对预训练模型进行调整，从而获得针对目标任务的剂量分布预测模型。对于不同的目标(如不同部位的剂量预测)，在微调阶段使用不同任务下的样本微调预训练模型即可。如此，可以在样本匮乏的条件下实现对不同目标(任务)的良好泛化性。

技术特征：

1.一种剂量分布预测模型的预训练方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，通过元学习方法获得所述预训练模型。

3.如权利要求1所述的方法，其特征在于，每个任务对应一位患者或一组患者，针对任一任务的剂量分布预测模型输出该任务对应的患者的预测剂量分布信息；任一任务下的样本的模型输入包括该任务对应的患者的参考信息，任一任务下的样本的标签包括该任务对应的患者的标注剂量分布信息。

4.如权利要求1所述的方法，其特征在于，每个任务对应一个权重组合，每个权重组合包括计划靶区权重和危及器官权重，所述计划靶区权重指示计划靶区的剂量要求，所述危及器官权重指示危及器官的剂量要求；任一任务下的样本的模型输入包括该任务对应的权重组合，任一任务下的样本的标签包括符合该任务下的剂量要求的标注剂量分布信息。

5.如权利要求1所述的方法，其特征在于，每个任务对应一个身体部位，针对任一任务的剂量分布预测模型输出该任务对应的身体部位的预测剂量分布信息；任一任务下的样本的模型输入包括该任务对应的身体部位的图像，任一任务下的样本的标签包括该任务对应的身体部位的标注剂量分布信息。

6.如权利要求1所述的方法，其特征在于，所述剂量分布预测模型的输入包括以下信息中的一种或多种：身体部位的图像、计划靶区的轮廓信息和危及器官的轮廓信息、计划靶区的剂量要求、危及器官的剂量要求。

7.一种剂量分布预测模型的预训练系统，其特征在于，包括：

8.一种剂量分布预测模型的训练方法，其特征在于，包括：

9.一种剂量分布预测模型的训练系统，其特征在于，包括：

10.一种计算机可读存储介质，所述存储介质存储有指令，其特征在于，当计算机执行所述存储介质中的指令时，实现如权利要求1～6、8中任一项所述的方法。

技术总结本说明书实施例提供一种剂量分布预测模型的预训练方法、预训练系统、训练方法及训练系统。在预训练阶段，可以通过元学习方法获得预训练模型。在微调阶段，可以通过目标任务下的少量样本对预训练模型进行调整，从而获得针对目标任务的剂量分布预测模型。对于不同的目标(如不同部位的剂量预测)，在微调阶段使用不同任务下的样本微调预训练模型即可。如此，可以在样本匮乏的条件下实现对不同目标(任务)的良好泛化性。技术研发人员：赵轲俊受保护的技术使用者：上海联影医疗科技股份有限公司技术研发日：技术公布日：2024/11/14