[发明专利]医疗数据生成方法、装置、电子设备及存储介质

权利要求书

1.一种医疗数据生成方法，其特征在于，包括以下步骤：

对原始医疗数据进行预处理，得到若干个真实样本数据；

将至少一个所述真实样本数据输入医疗数据扩增模型，得到生成样本数据；

将所述生成样本数据补充至所述真实样本数据，得到医疗样本数据。

2.根据权利要求1所述的医疗数据生成方法，其特征在于，所述对原始医疗数据进行预处理，得到若干个真实样本数据的方法，包括：

按照预设特征分类规则，将所述原始医疗数据分类为若干组，将同一类的若干原始医疗数据作为一组得到所述真实样本数据；其中，所述真实样本数据包括患者的CT勾画或计划剂量信息。

3.根据权利要求2所述的医疗数据生成方法，其特征在于，所述按照预设特征分类规则，将所述原始医疗数据分类为若干组的方法，包括：

按照病灶部位、病灶位置、放疗技术类型、放射粒子种类、处方和/或计划特点，对所述原始医疗数据进行分类。

4.根据权利要求1-3任一项所述的医疗数据生成方法，其特征在于，所述原始医疗数据包括若干个医学图像，所述医学图像包括CT设备、PET设备、SPECT设备、MRI设备和/或超声成像设备获得的图像。

5.根据权利要求4所述的医疗数据生成方法，其特征在于，在对原始医疗数据进行预处理之前，还包括：对所述原始医疗数据进行归一化处理为预设图像格式。

6.根据权利要求1所述的医疗数据生成方法，其特征在于，还包括采用以下方法得到所述医疗数据扩增模型：

获取初始生成对抗网络，包括初始化具有M个生成模型和N个判别模型的初始生成对抗网络，初始化所述生成模型和所述判别模型的参数，并根据预设医疗数据扩增目标，构造所述初始生成对抗网络的损失函数，其中，M≥1，N≥1；

将所述真实样本数据输入所述初始生成对抗网络，得到伪造样本数据；

使用所述真实样本数据和所述伪造样本数据，交替训练所述生成模型和所述判别模型，直至所述生成模型和所述判别模型收敛或达到预设训练次数，得到所述医疗数据扩增模型。

7.一种医疗数据生成装置，其特征在于，包括：

真实样本获取模块，被配置为对原始医疗数据进行预处理，得到若干个真实样本数据；

生成样本获取模块，被配置将至少一个所述真实样本数据，输入医疗数据扩增模型，得到生成样本数据；

医疗样本获取模块，被配置为将所述生成样本数据补充至所述真实样本数据，得到医疗样本数据。

8.一种医疗计划预测模型的获取方法，其特征在于，包括：

根据预设训练目标，利用权利要求1至7任一项所述的医疗样本数据，对深度学习网络进行训练，得到医疗计划预测模型。

9.一种电子设备，其特征在于，包括处理器以及存储设备，所述处理器适于实现各指令，所述存储设备适于存储多条指令，所述指令适于由处理器加载并执行医疗数据生成方法的步骤和/或如权利要求8所述的医疗计划预测模型的获取方法的步骤；

其中，所述医疗数据生成方法，包括：

对原始医疗数据进行预处理，得到若干个真实样本数据；

将至少一个所述真实样本数据，输入医疗数据扩增模型，得到生成样本数据；

将所述生成样本数据补充至所述真实样本数据，得到医疗样本数据。

10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机可执行的指令，其特征在于，当所述计算机可执行的指令被执行时实现权利要求1至6任一项所述的医疗数据生成方法的步骤和/或权利要求8所述的医疗计划预测模型的获取方法的步骤。