【技术实现步骤摘要】
本专利技术涉及人工智能，具体为一种基于扩散模型的ai辅助放疗计划方法。
技术介绍
1、基于深度学习的方法还面临以下挑战：由于损失函数的平均效应，这些方法通常缺乏高频细节预测。由于有些网络使用3d输入或者大型复杂的网络，其计算负担较大，难以应用于临床之中。目前方法的结果还难以直接应用于临床，特别是对于复杂癌症的自动放疗计划。
2、由于损失函数的平均效应，这些方法通常缺乏高频细节预测，难以满足放疗剂量分布精确化的要求：放疗计划的剂量分布通常是要求比较精确的。例如，对于乳腺癌的计划来说，心脏、神经、肺等危及器官的剂量分布对于病人预后的生活质量有着显著的影响，而靶区的均匀性，最大量等关键信息决定了病人在治疗中的实际感受，毒性反应情况。而剂量分布的高频细节对于剂量最大点的预测至关重要。但是，目前普遍采用的损失函数以及使用的网络结构通常会忽略高频细节。
3、由于有些网络使用3d输入或者大型复杂的网络，其计算负担较大，难以应用于临床之中：现有方法多是对一个层面的剂量预测或者对整个三维图像进行预测。对一个层面进行预测会缺乏三维信息，使剂量预测在轴位上精度难以达到要求。而将三维图像整个进行预测会使计算负担过大而难以直接应用于临床。
4、由于当前自动计划的实现通常采用一种标准化的方法，即默认给与一致的射野角度，难以应对复杂多变的临床情况：一致标准的方法很难考虑到不同病人之间的个体差异，难以精确地将这些个性化的限值纳入考量。
技术实现思路
1、本专利技术的目的在于提供
2、为了解决上述技术问题，本专利技术提供如下技术方案：一种基于扩散模型的ai辅助放疗计划方法，该方法包括以下步骤：
3、s1、数据集的收集和处理：收集癌症患者的定位ct图像、勾画信息和临床信息建立癌症放疗剂量数据库；
4、s2、构建剂量预测网络模型：基于任务及数据特点建立基于深度扩散生成模型的深度学习网络，利用其生成能力强、结果真实性高和细节丰富的特点得到具有泛化能力的模型；
5、s3、结合个体化信息的2.5d输入策略：结合2.5dct数据的切片策略和个体化信息，通过结合二维和三维的特点，难以精确地将这些个性化的限值纳入考量，嵌入个体化信息从而选择更为合适的优化参数，优化模型的结构和性能。
6、在步骤s1中，
7、所述数据集的收集和处理，具体包括以下步骤：
8、s2-1、收集癌症病例数100例，内容包括患者病程信息、定位ct图像、靶区及危及器官的勾画信息；
9、s2-2、对数据进行清洗，去除无效数据和错误的数据，包括缺失值、格式错误和类型错误；
10、s2-3、对数据进行预处理，包括图像格式转换、对比度调整、图像标准化和数据增强；
11、s2-4、创建数据库，存储的数据结构形式包括配对和不配对，记录每位患者的信息。
12、所述剂量预测网络模型包括结构编码器、剂量编码器和噪声预测器；该模型引入了一个逐步的扩散生成机制，解决了模式崩溃和训练过程中的不稳定性。
13、所述结构编码器由五个连续的步骤组成，第一个步骤中加入了解析个体化信息的embedding层；其余除了最后一个步骤外，每个步骤都包含一个残差块和一个下采样块；残差块由两个卷积单元构成，每个单元包括一个3×3的卷积层conv、一个分组归一化层gn和一个激活函数，以维持残差连接，防止训练过程中梯度消失的问题；下采样块则由一个步长为2的3×3卷积层conv组成。
14、所述剂量编码器由五个连续的步骤组成，负责从剂量图像中提取特征，合并结构特征，并将其输入到噪声预测器中；通过卷积层将输入内容编码为特征映射，然后通过逐元素相加的方式将两组特征图融合，允许将结构编码器中提取的结构信息传递给剂量编码器；接下来的两个下采样步骤继续使用加法操作来完成信息的融合，而随后的三个步骤则采用交叉注意力机制，以在更深层次上实现基于相似性的结构引导。
15、所述噪声预测器将剂量编码器捕获的特征表示恢复到最终输出，其中跳跃连接被保留下来，以用于多级特性的重用和聚合。
16、所述扩散生成机制具体为；
17、扩散生成过程分为两步，分别是前向扩散生成和反向扩散生成；前向扩散生成过程中模型根据当前样本和目标数据分布之间的差异程度，调整添加的噪声的大小和方向，以实现逐步收敛到目标数据分布的目的；而在反向扩散生成过程中模型根据当前样本和目标数据分布之间的差异程度，调整移除的信息的大小和方向，以实现逐步收敛到噪声样本的目的；
18、扩散生成机制的具体更新规则如下：
19、
20、其中，yt-1和yt表示扩散生成过程中的图像，均为不同噪声水平下的图像，yt-1通过前向扩散生成yt，yt通过反向扩散生成yt-1；αt和γt是两个控制参数，αt在该模型中用于调整噪声水平，γt用于控制噪声的添加方式；εt,θ是时间步t的噪声项，是模型输出的一个函数，其中包含参数θ；zt是一个随机噪声项，zt服从标准正态分布；
21、αt和γt参数控制了噪声的强度和分布，帮助模型在不同时间步之间平滑过渡；
22、噪声项εt,θ和zt保证了生成过程的随机性，使得模型生成多样的图像。
23、所述剂量预测模型的目的是训练噪声预测器和结构编码器，使反向过程中预测的噪声近似于正向过程中添加的噪声；使期望损失最小化，目标函数定义如下：
24、
25、其中，θ表示要优化的参数；e(x,y)表示对数据分布(x,y)的期望值；eε,γ表示对噪声ε和随机变量γ的期望值；f(xfeature,yt,γt)是一个关于特征xfeature，目标变量yt和随机变量γt的函数；εt是噪声项，εt服从正态分布。
26、为了降低三维神经网络模型的参数量，同时防止二维神经网络在处理二维图像切片时丢失不同层面间的相关性信息，该方法采用了一种2.5dct数据的切片策略；该策略旨在通过结合二维和三维的特点，优化模型的结构和性能；对于每一个层面的剂量预测，采取上下5层作为输入，每个2.5d层面内的信息在通道维度上连接起来，并将得到的多通道数据用作模型输入。
27、与现有技术相比，本专利技术所达到的有益效果是：
28、1.本专利技术高频细节表现优异：深度扩散生成模型能够捕捉到更多的高频细节，使得预测的剂量分布在细节和真实性方面优于现有的方法；
29、2.本专利技术采用2.5d方法，用2.5dct数据的切片策略，通过结合二维和三维的特点，优化模型的结构和性能；实现了轴位和计算负担的折中，既保证了计算效率，又不影响预测精度；轻量化设计使得系统在资源受限的环境中也能高效运行，适用于更多医疗机构；
30、3.本专利技术在自动计划系统中加入射野角度信息和个人剂量限值，实现了个体化定制的ai辅助计划，通过考虑射野角度和本文档来自技高网...
【技术保护点】
1.一种基于扩散模型的AI辅助放疗计划方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的一种基于扩散模型的AI辅助放疗计划方法，其特征在于：在步骤S1中，
3.根据权利要求1所述的一种基于扩散模型的AI辅助放疗计划方法，其特征在于：所述剂量预测网络模型包括结构编码器、剂量编码器和噪声预测器；该模型引入了一个逐步的扩散生成机制，解决了模式崩溃和训练过程中的不稳定性。
4.根据权利要求3所述的一种基于扩散模型的AI辅助放疗计划方法，其特征在于：所述结构编码器由五个连续的步骤组成，第一个步骤中加入了解析个体化信息的embedding层；其余除了最后一个步骤外，每个步骤都包含一个残差块和一个下采样块；残差块由两个卷积单元构成，每个单元包括一个3×3的卷积层Conv、一个分组归一化层GN和一个激活函数，以维持残差连接，防止训练过程中梯度消失的问题；下采样块则由一个步长为2的3×3卷积层Conv组成。
5.根据权利要求3所述的一种基于扩散模型的AI辅助放疗计划方法，其特征在于：所述剂量编码器由五个连续的步骤组成，负责从剂量图像中提
6.根据权利要求3所述的一种基于扩散模型的AI辅助放疗计划方法，其特征在于：所述噪声预测器将剂量编码器捕获的特征表示恢复到最终输出，其中跳跃连接被保留下来，以用于多级特性的重用和聚合。
7.根据权利要求3所述的一种基于扩散模型的AI辅助放疗计划方法，其特征在于：所述扩散生成机制具体为；
8.根据权利要求3所述的一种基于扩散模型的AI辅助放疗计划方法，其特征在于：所述剂量预测模型的目的是训练噪声预测器和结构编码器，使反向过程中预测的噪声近似于正向过程中添加的噪声；使期望损失最小化，目标函数定义如下：
9.根据权利要求1所述的一种基于扩散模型的AI辅助放疗计划方法，其特征在于：所述结合个体化信息的2.5D输入策略具体为：
...【技术特征摘要】
1.一种基于扩散模型的ai辅助放疗计划方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的一种基于扩散模型的ai辅助放疗计划方法，其特征在于：在步骤s1中，
3.根据权利要求1所述的一种基于扩散模型的ai辅助放疗计划方法，其特征在于：所述剂量预测网络模型包括结构编码器、剂量编码器和噪声预测器；该模型引入了一个逐步的扩散生成机制，解决了模式崩溃和训练过程中的不稳定性。
4.根据权利要求3所述的一种基于扩散模型的ai辅助放疗计划方法，其特征在于：所述结构编码器由五个连续的步骤组成，第一个步骤中加入了解析个体化信息的embedding层；其余除了最后一个步骤外，每个步骤都包含一个残差块和一个下采样块；残差块由两个卷积单元构成，每个单元包括一个3×3的卷积层conv、一个分组归一化层gn和一个激活函数，以维持残差连接，防止训练过程中梯度消失的问题；下采样块则由一个步长为2的3×3卷积层conv组成。
5.根据权利要求3所述的一种基于扩散模型的ai辅助放疗计划方法，其特征在于：所述剂量编码器由五个连续的步骤组成，负责从剂量图像...
【专利技术属性】
技术研发人员：李芦芦，邵呈君，
申请(专利权)人：山东省日照市人民医院，
类型：发明
国别省市：
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。