公开(公告)号：CN114155934B

公开(公告)日：2024-05-14

申请号：CN202111505915.4

申请日：2021-12-10

Applicant: 中南大学

Inventor： 赵于前 ,  杨金娜 ,  张帆 ,  杨晓喻 ,  邸拴虎

IPC: G16H20/40 ,  G06T7/00 ,  G06T7/73 ,  G06T9/00 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的肿瘤调强放疗剂量预测方法，其实施方案为：1)收集调强放疗计划数据；2)数据预处理；3)构建剂量预测模型；4)构建损失函数；5)训练预测模型；6)剂量预测。本发明构建的调强放疗剂量预测模型，将卷积编码器获得的深层语义特征输入到Transformer编码器，实现对语义特征重复利用的同时，通过对输入序列长距离建模获取多层次的全局特征，设计的语义场对齐模块能够灵活对齐相邻分辨率的特征图以保证强语义信息从深层到浅层的有效传播，提高了剂量预测的准确性和鲁棒性，能够快速实现剂量制定与计算，为加速放疗计划设计提供理论依据和技术支持。

公开(公告)号：CN114155934A

公开(公告)日：2022-03-08

申请号：CN202111505915.4

申请日：2021-12-10

Applicant: 中南大学

Inventor： 赵于前 ,  杨金娜 ,  张帆 ,  杨晓喻 ,  邸拴虎

IPC: G16H20/40 ,  G06T7/00 ,  G06T7/73 ,  G06T9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的肿瘤调强放疗剂量预测方法，其实施方案为：1)收集调强放疗计划数据；2)数据预处理；3)构建剂量预测模型；4)构建损失函数；5)训练预测模型；6)剂量预测。本发明构建的调强放疗剂量预测模型，将卷积编码器获得的深层语义特征输入到Transformer编码器，实现对语义特征重复利用的同时，通过对输入序列长距离建模获取多层次的全局特征，设计的语义场对齐模块能够灵活对齐相邻分辨率的特征图以保证强语义信息从深层到浅层的有效传播，提高了剂量预测的准确性和鲁棒性，能够快速实现剂量制定与计算，为加速放疗计划设计提供理论依据和技术支持。