-
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：CN113192053A
公开(公告)日：2021-07-30
申请号：CN202110550959.2
申请日：2021-05-18
Applicant: 北京大学第三医院(北京大学第三临床医学院)
Abstract: 本发明公开了一种基于深度学习的宫颈肿瘤靶区智能勾画方法、设备和介质，该方法包括：将患者的待勾画宫颈肿瘤多模态影像数据进行预处理；将待勾画宫颈肿瘤多模态影像数据输入卷积神经网络模型中，得到预测靶区；基于专家知识库确定预测靶区的准确度；若准确度小于预设准确度阈值，对患者的待勾画宫颈肿瘤多模态影像数据进行人工勾画，以得到人工勾画靶区；基于专家知识库确定人工勾画靶区的准确度，若大于等于预设准确度阈值，则人工勾画结束。本发明的基于深度学习的宫颈肿瘤靶区智能勾画方法，利用卷积神经网络自动得到预测靶区，并结合专家知识库对预测靶区进行准确性核验，可提高卷积神经网络模型的鲁棒性，并显著提高智能勾画的准确性。
-
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：CN118797002A
公开(公告)日：2024-10-18
申请号：CN202410803324.2
申请日：2024-06-20
Applicant: 北京连心医疗科技有限公司 , 北京大学第三医院(北京大学第三临床医学院)
IPC: G06F16/332 , G06V30/148 , G06V30/19 , G06F40/253 , G16H10/20
Abstract: 本发明公开了一种基于大模型的临床路径图像识别方法和系统，属于人工智能技术领域，所述方法包括以下步骤：获得所述临床路径图像的文本；获得所述文本的医学主体和医学主体之间的逻辑关系；根据所述医学实体之间的逻辑关系，获得第一问题和第一答案；基于所述大模型，补全和修正所述第一问题和第一答案，获得第二问题和第二答案。在识别图像文本的基础上，通过识别医学主体及不同医学主体的逻辑关系，建立相关的问答对，实现临床路径的标准化；基于大模型对问答对进行补全，纠正识别过程中可能出现的错误，完善问答对内容，以生成高质量的问答对；提高问答对的可阅读性。
-
公开(公告)号：CN116779145A
公开(公告)日：2023-09-19
申请号：CN202310729928.2
申请日：2023-06-19
Applicant: 北京连心医疗科技有限公司 , 北京大学第三医院(北京大学第三临床医学院)
IPC: G16H50/20 , G06F18/214 , G16H20/10
Abstract: 本发明公开了一种宫颈癌放疗计划的预测方法及系统，包括从多个宫颈癌放疗病例中提取医学数据，医学数据包括年龄、病史、病理类型、放疗处方和射束通道；对提取到的医学数据进行预处理；数据预处理之后，输入至GPT模型中进行训练；将患者的医学数据输入至训练好的GPT模型中获得放疗计划预测结果；提取射束通道包括：基于3D的PTV数据，确定放疗射野角度；将射野角度投影到计划靶区上得到网络权重；对网络权重计算获取剂量。本发明通过GPT模型和射束通道的应用，可以更好地对患者的病情进行分析和预测，从而提高了放疗的精度和准确性。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN116672619A
公开(公告)日：2023-09-01
申请号：CN202310077390.1
申请日：2023-01-17
Applicant: 北京连心医疗科技有限公司 , 北京大学第三医院(北京大学第三临床医学院)
IPC: A61N5/10 , G06Q10/04 , G06N3/08 , G06N3/0475
Abstract: 本发明公开了一种基于生成对抗网络的放疗剂量预测方法和系统，属于放疗剂量预测技术领域，预测方法包括：获取训练集；获得射束角在目标区域的投影面积；获取投影面积大的多个射束角，多个射束角组成射束通道；基于射束通道，获取三维剂量；将三维剂量作为计划剂量图的第四通道，获得输入图；基于生成对抗网络，对输入图和真实剂量图进行训练，获得预测模型；基于预测模型，对待预测的靶区计划数据进行分析，获得预测放疗剂量。将射束通道的三维剂量作为第四通道合并到计划剂量图中，基于真实物理条件增加了限制，使生成对抗网络可用于不同类型放射治疗技术的混合训练集。
-
公开(公告)号：CN113256500B
公开(公告)日：2021-10-01
申请号：CN202110746839.X
申请日：2021-07-02
Applicant: 北京大学第三医院(北京大学第三临床医学院)
Abstract: 本发明涉及一种多模态图像合成的深度学习神经网络模型系统，包括由残差深度神经网络(RDNN)与多分辨率优化策略相结合形成的多分辨率残差深度神经网络；RDNN包括A个卷积层，B个脱落层,C个批归一化(Batch Normalization)层和D个长期残差连接；其中，卷积层用于图像特征的提取；脱落层用于避免网络过拟合；批归一化层用于对对应卷积核的输入进行标准化；长期残差连接用于保留输入图像中的结构信息；每个脱落层的两侧均设置有卷积层，每个脱落层与两侧相邻的卷积层均连接；每个脱落层和批归一化层之间均设置有一个卷积层；脱落层、卷积层和批归一化层之间依次连接；每个长期残差连接的一端连接在卷积层与批归一化层之间；另一端连接在另一组卷积层与批归一化层之间。
-
公开(公告)号：CN116779173B
公开(公告)日：2023-11-24
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：CN115994919B
公开(公告)日：2023-05-30
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)
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.027 seconds)
