本发明提出了一种基于强化学习的肿瘤治疗辅助决策方法,所述方法构建并训练患者状态转移模型与治疗决策模型,所述患者状态转移模型通过循环神经网络对肿瘤患者的状态变化进行建模,利用实际诊疗中获取到的诊疗方案与检查指标作为数据来源,模拟肿瘤患者在某种诊疗方案下的状态变化;所述治疗决策模型通过强化学习对治疗肿瘤患者的过程进行建模,利用患者状态转移模型作为数据来源,构建深层Q网络(DQN)作为策略网络,以RECIST实体瘤疗效评价标准与TNM肿瘤影像学分期标准为基础构造激励函数,进行迭代训练。本发明可在一定程度上减轻肿瘤专科医生的工作量,模型所预测的治疗手段可作为决策参考而减少医生的决策失误,辅助医生指定可行的治疗方案。
声明:
“基于强化学习的肿瘤治疗辅助决策方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)