-
公开(公告)号：CN116580814A
公开(公告)日：2023-08-11
申请号：CN202310290064.9
申请日：2023-03-23
Applicant: 北京大学第三医院(北京大学第三临床医学院)
Abstract: 本发明涉及一种基于深度学习的放疗计划自动生成系统和方法，该系统包括训练单元和后处理单元；训练单元包括输入模块、图像预处理模块、3D‑Unet深度学习模型构建模块、训练网络和输出模块；后处理单元包括输入端、置信图叠加输出模块、输出端、逆优化模块和转化模块；输入端用于输入新病人的CT影像、危及器官和靶区的勾画结构，得到三个不同的训练好的3D‑Unet深度学习模型各自的置信图；置信图叠加输出模块用于将三个置信图的最大处叠加，并取最优阈值，预测得到新患者剂量分布；逆优化模块用于将预测结果输入计划系统进行逆优化；转化模块用于将逆优化后的结果转化为加速器的机器参数，并形成新计划。
-
公开(公告)号：CN115994919A
公开(公告)日：2023-04-21
申请号：CN202310286877.0
申请日：2023-03-23
Applicant: 北京大学第三医院(北京大学第三临床医学院)
Abstract: 本发明涉及一种基于深度学习的膀胱壁自动分割工具和方法，该工具包括输入端、预训练Resnet50深度神经网络、输出端、训练验证和测试单元以及整合勾画单元；所述的输入端用于输入三幅一致的核磁共振图像，作为预训练Resnet50深度神经网络的输入端，所述的输出端为膀胱壁勾画图像，所述的训练验证和测试单元采用三个不同的损失函数进行训练验证和测试，得到三个不同的神经网络模型；所述的整合勾画单元用于基于三个神经网络模型的置信度分布图，结合阈值去整合勾画结果，得出最终膀胱壁的分割图。
-
公开(公告)号：CN112837782A
公开(公告)日：2021-05-25
申请号：CN202110157408.X
申请日：2021-02-04
Applicant: 北京大学第三医院(北京大学第三临床医学院)
Abstract: 本发明提供一种基于深度学习的放疗三维剂量预测方法，该方法包括：获取过往患者的CT数据和对应的剂量分布图，以形成数据集；对所述数据集进行预处理，并按设定比例分成训练集、验证集和测试集，以作为训练样本、验证样本和测试样本；建立U‑Net神经网络模型，利用所述训练样本进行训练学习，并根据所述验证样本对所述U‑Net神经网络模型进行交叉验证，以自适应调整所述U‑Net神经网络模型的结构；然后将待预测患者的CT数据输入所述U‑Net神经网络模型得到预测的三维剂量分布图。进而引入贝叶斯神经网络结构进行模型的鲁棒性测试，以增加其临床的使用安全性和鲁棒性。本发明能提升肿瘤放疗计划设计的质量和效率，提高临床治疗安全性。
-
公开(公告)号：CN119559339A
公开(公告)日：2025-03-04
申请号：CN202510098043.6
申请日：2025-01-22
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京航空航天大学
IPC: G06T17/00 , G06V10/774 , G06V10/82
Abstract: 本发明提供了一种基于深度学习的膀胱EIT三维形貌实时重建和容量测定方法，属于深度学习技术领域，包括：根据收集的三维CT图像生成三维腹部仿真模型，构建包含异常情况的膀胱EIT数据集；根据三维腹部仿真模型获取膀胱位置信息构建包含位置正则化的损失函数，并将膀胱EIT数据集中的EIT测量值作为深度学习网络的输入，建立EIT测量值与膀胱形貌之间的映射关系，保存训练之后的网络模型；将实际患者的EIT测量值作为训练后的网络模型的输入，并将得到的患者膀胱容量与放疗过程中患者CT真值计算的膀胱容量进行实时对比分析，对患者膀胱容量进行实时优化矫正。能够在不依赖传统影像技术的情况下，准确重建膀胱的三维形貌，并实时优化膀胱容量的测定。
-
公开(公告)号：CN119313678A
公开(公告)日：2025-01-14
申请号：CN202411864785.7
申请日：2024-12-18
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京联影智能影像技术研究院
IPC: G06T7/00 , G06T7/10 , G16H20/40 , G06V10/77 , G06V10/764 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种直肠癌放射治疗靶区的自动勾画方法及相关设备，应用于数据处理技术领域。本申请获取目标用户信息、目标靶区标签信息、待训练的靶区标签信息、与待训练的靶区标签信息相匹配的训练数据集、基于nnUNET的预设靶区自动勾画模型；基于待训练的靶区标签信息对训练数据集进行处理，生成预设勾画规则；对基于nnUNET的预设靶区自动勾画模型进行处理，生成目标靶区自动勾画模型；对目标用户信息进行处理，生成目标用户的多模态CT影像信息和与目标用户相匹配的临床先验知识信息；基于目标靶区自动勾画模型对目标用户的多模态CT影像信息、目标靶区标签信息和与目标用户相匹配的临床先验知识信息进行处理，生成目标靶区勾画信息。
-
Patent Agency Ranking
公开(公告)号：CN112837782B
公开(公告)日：2024-07-02
申请号：CN202110157408.X
申请日：2021-02-04
Applicant: 北京大学第三医院(北京大学第三临床医学院)
IPC: G16H20/40 , G06N3/0464 , G06N3/08 , G06N7/01
Abstract: 本发明提供一种基于深度学习的放疗三维剂量预测方法，该方法包括：获取过往患者的CT数据和对应的剂量分布图，以形成数据集；对所述数据集进行预处理，并按设定比例分成训练集、验证集和测试集，以作为训练样本、验证样本和测试样本；建立U‑Net神经网络模型，利用所述训练样本进行训练学习，并根据所述验证样本对所述U‑Net神经网络模型进行交叉验证，以自适应调整所述U‑Net神经网络模型的结构；然后将待预测患者的CT数据输入所述U‑Net神经网络模型得到预测的三维剂量分布图。进而引入贝叶斯神经网络结构进行模型的鲁棒性测试，以增加其临床的使用安全性和鲁棒性。本发明能提升肿瘤放疗计划设计的质量和效率，提高临床治疗安全性。
-
公开(公告)号：CN116779173A
公开(公告)日：2023-09-19
申请号：CN202311069534.5
申请日：2023-08-24
Applicant: 北京大学第三医院(北京大学第三临床医学院)
Abstract: 本发明涉及一种基于人工智能的放射治疗剂量预测系统和方法，该系统包括3D‑Unet深度学习模型构建模块、第一模型训练模块和第二模型训练模块，3D‑Unet深度学习模型构建模块用于构建3D‑Unet深度学习模型；第一模型训练模块用于训练得到第一模型，并提取中间剂量；第二模型训练模块用于训练得到第二模型，输出最终剂量分布。该系统采用级联神经网络设计，进行多通道输入，引入了几何数据增强，增加了模型的普适性，防止了模型训练过拟合问题，充分利用了危及器官，靶区，以及各体素到靶区的距离分布图用于剂量预测，提高了模型的预测精度。
-
公开(公告)号：CN116211353B
公开(公告)日：2023-07-04
申请号：CN202310498607.6
申请日：2023-05-06
Applicant: 北京大学第三医院(北京大学第三临床医学院)
IPC: A61B8/08 , G06T7/00 , G06T7/62 , G06T17/00 , G06V10/74 , A61B8/00 , A61B6/03 , A61B6/00 , A61N5/10
Abstract: 本发明涉及一种可穿戴超声膀胱容量测定与多模态影像形貌评估系统，该系统包括可穿戴部件、采集影像预处理单元、一致性评估单元和CBCT图像评估单元；采集影像预处理单元用于对超声、CT和CBCT采集影像进行预处理，得到膀胱容量值与膀胱三维形态；一致性评估单元用于基于模拟定位CT图像与超声图像的膀胱三维形态与容量值进行一致性评估，判断戴斯相似性系数、结构相似性SSIM和Hausdorff_95是否达到参数阈值；CBCT图像评估单元用于判断膀胱变形是否是由靶区变形导致的；如果是，则重新模拟定位和设计计划；如果否，则排除靶区变形之外的原因，进行相关治疗与处理后，判断是否重新定位和设计计划。
-
公开(公告)号：CN112569484A
公开(公告)日：2021-03-30
申请号：CN202011447436.7
申请日：2020-12-09
Applicant: 北京大学第三医院(北京大学第三临床医学院)
IPC: A61N5/10
Abstract: 本发明涉及一种直肠腔内可调整多分隔气囊多通道后装施源器，包括多通道挡铅施源器和多分隔气囊，所述的多通道挡铅施源器包括多个可替换独立模块，多个可替换独立模块组合拼接后形成柱状的多通道挡铅施源器；每个可替换独立模块的中心设置有弧形部，多个可替换独立模块组合拼接后每个可替换独立模块的所述的弧形部围成中心通道；每个可替换独立模块的内部设置有沿着轴向延伸的导源管通道，所述的中心通道和导源管通道均用于留置导源管；所述的多分隔气囊套在所述的多通道挡铅施源器的外周壁上，每个多分隔气囊均能够单独充气，从而形成对称或不对称外形，将所述的多通道挡铅施源器固定于直肠腔内。
-
公开(公告)号：CN116758089A
公开(公告)日：2023-09-15
申请号：CN202310290066.8
申请日：2023-03-23
Applicant: 北京大学第三医院(北京大学第三临床医学院)
IPC: G06T7/10 , G06V10/774
Abstract: 本发明涉及一种宫颈癌临床靶区和正常器官智能勾画系统和方法，该系统包括训练单元和预测单元；训练单元包括输入模块、图像预处理模块、3D‑Unet深度学习模型构建模块、训练网络和输出模块，预测单元包括输入端、置信图叠加输出模块和输出端；所述的输入端用于向三个不同的训练好的3D‑Unet深度学习模型分别输入新的相同的多模态影像，得到三个不同的训练好的3D‑Unet深度学习模型各自的置信图；所述的置信图叠加输出模块用于将三个不同的训练好的3D‑Unet深度学习模型各自的置信图的最大处叠加，并取最优阈值，预测得到宫颈癌CTV和正常器官分割结果，并将预测结果通过所述的输出端输出。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.034 seconds)
