-
公开(公告)号：CN116258671B
公开(公告)日：2023-08-29
申请号：CN202211674850.0
申请日：2022-12-26
Applicant: 中山大学肿瘤防治中心(中山大学附属肿瘤医院、中山大学肿瘤研究所)
Abstract: 本发明公开了一种基于MR图像智能勾画方法、系统、设备及存储介质，包括：获取初始MR图像和初始CT图像，并分别进行划分，对应得到多组第一MRI图像和第一CT图像；并同时作为第一神经网络模型的输入，对应输出多组第一器官预测概率图；依次计算第一器官预测概率图中危及区域器官的中心位置坐标，对应得到危及器官所在的第一图像；依次对第一图像分类，并对应使用不同的分割方式，对应得到全部靶区和危及器官的第一分割结果；确定肿瘤分割的目标区域，并其对应的第一MRI图像、第一CT图像和各危及器官对应的第一分割结果作为第二神经网络模型的输入，输出对肿瘤的第二分割结果。本发明能够对基于MR图像进行多器官同时快速自动精细分割。
-
公开(公告)号：CN118022204B
公开(公告)日：2024-11-29
申请号：CN202410291327.2
申请日：2024-03-14
Applicant: 中山大学肿瘤防治中心(中山大学附属肿瘤医院、中山大学肿瘤研究所)
Abstract: 本申请属于医疗技术领域，公开了一种基于组织氧分布的辐射生物效应评估方法、装置、计算机设备及存储介质，该方法包括：获取待辐射组织的氧分布谱，基于氧分布谱将所述待辐射组织分割为若干个氧分布区间，确定每个氧分布区间对应组织的权重和初始氧含量；将总照射剂量划分为多个子照射剂量，计算子照射剂量的氧消耗量，按照氧消耗量对辐射过程中每个氧分布区间的氧含量进行动态调整，得到每个氧分布区间的修正氧含量；基于修正氧含量，利用引入氧增强比的生物效应模型计算经过总照射剂量辐射后的细胞存活分数；基于细胞存活分数对所述辐射生物效应进行评估。本申请可以达到提高评估辐射生物效应精确度的效果。
-
公开(公告)号：CN116503505B
公开(公告)日：2024-04-05
申请号：CN202310731867.3
申请日：2023-06-20
Applicant: 中山大学肿瘤防治中心(中山大学附属肿瘤医院、中山大学肿瘤研究所)
IPC: G06T11/00 , G06T5/70 , G06T7/136 , G06T7/33 , G06V10/774
Abstract: 本申请属于图像处理技术领域，公开了一种CBCT图像的伪影去除方法、装置、设备及介质。通过获取包含若干种不同伪影类型的CBCT图像和配对的CT图像，将所述CBCT图像和配对的CT图像进行图像配准，得到配准后的CBCT图像和CT图像；构建一个伪影去除模型，基于量化矢量变分自编码器构建的伪影去除模型包括第一编码网络、第一解码网络、第二编码网络、第二解码网络以及特征字典；利用配准后的CBCT图像和CT图像对伪影去除模型进行训练，得到训练好的伪影去除模型；将待处理CBCT图像输入到所述训练好的伪影去除模型中，得到待处理CBCT图像的去除伪影的CT重建图像。该方法具有较高的使用范围，提高伪影去除效果。
-
公开(公告)号：CN116188377B
公开(公告)日：2023-10-27
申请号：CN202211680648.9
申请日：2022-12-27
Applicant: 中山大学肿瘤防治中心(中山大学附属肿瘤医院、中山大学肿瘤研究所)
Abstract: 本发明公开了一种锥形束CT图像配准结果评价方法及系统，通过获取计划CT图像与CBCT图像的配准数据，配准数据包括计划靶区体积、靶区体积、计划CT体积和治疗前摆位CBCT图像中相应结构的体积，根据所述计划靶区体积和靶区体积得到计划靶区体积和靶区体积的覆盖率，根据计划CT体积和治疗前摆位CBCT图像中相应结构的体积得到相似性指数，通过相似性指数、靶区覆盖因子、危及器官安全因子、权重因子和各个器官的配准效果因子构建综合配准因子评价模型，将配准数据代入综合配准因子评价模型中得到综合配准得分，本方法通过设立和计算了不同解剖结构的配准权重因子，形成了可以量化评分的加权综合评价数学模型对配准结果进行评价，可以提高临床配准效果。
-
公开(公告)号：CN116503505A
公开(公告)日：2023-07-28
申请号：CN202310731867.3
申请日：2023-06-20
Applicant: 中山大学肿瘤防治中心(中山大学附属肿瘤医院、中山大学肿瘤研究所)
IPC: G06T11/00 , G06T5/00 , G06T7/136 , G06T7/33 , G06V10/774
Abstract: 本申请属于图像处理技术领域，公开了一种CBCT图像的伪影去除方法、装置、设备及介质。通过获取包含若干种不同伪影类型的CBCT图像和配对的CT图像，将所述CBCT图像和配对的CT图像进行图像配准，得到配准后的CBCT图像和CT图像；构建一个伪影去除模型，基于量化矢量变分自编码器构建的伪影去除模型包括第一编码网络、第一解码网络、第二编码网络、第二解码网络以及特征字典；利用配准后的CBCT图像和CT图像对伪影去除模型进行训练，得到训练好的伪影去除模型；将待处理CBCT图像输入到所述训练好的伪影去除模型中，得到待处理CBCT图像的去除伪影的CT重建图像。该方法具有较高的使用范围，提高伪影去除效果。
-
Patent Agency Ranking
公开(公告)号：CN117078612B
公开(公告)日：2024-06-14
申请号：CN202311000924.7
申请日：2023-08-09
Applicant: 中山大学肿瘤防治中心(中山大学附属肿瘤医院、中山大学肿瘤研究所)
Abstract: 本申请属于医学影像技术领域，公开了一种基于CBCT图像的快速三维剂量验证方法及装置，该方法包括：步骤S1，获取待分析CBCT图像和计划CT图像；步骤S2，基于训练好的图像转换网络将待分析CBCT图像转换成伪CT图像；步骤S3，将计划CT图像形变配准至伪CT图像；步骤S4，采用智能分割模型对伪CT图像进行智能勾画，得到器官结构图像；步骤S5，对伪CT图像进行剂量计算，得到剂量分布结果；步骤S6，基于剂量分布结果和器官结构图像进行剂量体积图分析。本申请能够实现了针对CBCT图像的快速三维剂量验证。
-
公开(公告)号：CN118022204A
公开(公告)日：2024-05-14
申请号：CN202410291327.2
申请日：2024-03-14
Applicant: 中山大学肿瘤防治中心(中山大学附属肿瘤医院、中山大学肿瘤研究所)
Abstract: 本申请属于医疗技术领域，公开了一种基于组织氧分布的辐射生物效应评估方法、装置、计算机设备及存储介质，该方法包括：获取待辐射组织的氧分布谱，基于氧分布谱将所述待辐射组织分割为若干个氧分布区间，确定每个氧分布区间对应组织的权重和初始氧含量；将总照射剂量划分为多个子照射剂量，计算子照射剂量的氧消耗量，按照氧消耗量对辐射过程中每个氧分布区间的氧含量进行动态调整，得到每个氧分布区间的修正氧含量；基于修正氧含量，利用引入氧增强比的生物效应模型计算经过总照射剂量辐射后的细胞存活分数；基于细胞存活分数对所述辐射生物效应进行评估。本申请可以达到提高评估辐射生物效应精确度的效果。
-
公开(公告)号：CN118718269A
公开(公告)日：2024-10-01
申请号：CN202410761759.5
申请日：2024-06-13
Applicant: 中山大学肿瘤防治中心(中山大学附属肿瘤医院、中山大学肿瘤研究所)
IPC: A61N5/10
Abstract: 本发明公开了靶区预测位置的验证方法、质控体模、装置、设备及介质，所述靶区预测位置的验证方法包括：获取当前患者的临床数据，控制预设的质控体模根据当前患者的临床数据进行当前患者的呼吸运动模拟，获取当前患者的靶区位移与呼吸运动的关系；通过预设的靶区位置预测模型获取当前患者的靶区预测位置；根据当前患者的靶区位移与呼吸运动的关系对当前患者的靶区预测位置进行验证；所述质控体模，包括：仿真体表、中控模块、气体输入输出模块、仿真肺部气囊、靶区标记模块和位移监测模块；本发明实现对预测模型的精度验证，对靶区预测模型在临床应用中进行质控，进一步拓展并加强放疗技术在临床医疗的应用。
-
公开(公告)号：CN117078612A
公开(公告)日：2023-11-17
申请号：CN202311000924.7
申请日：2023-08-09
Applicant: 中山大学肿瘤防治中心(中山大学附属肿瘤医院、中山大学肿瘤研究所)
Abstract: 本申请属于医学影像技术领域，公开了一种基于CBCT图像的快速三维剂量验证方法及装置，该方法包括：步骤S1，获取待分析CBCT图像和计划CT图像；步骤S2，基于训练好的图像转换网络将待分析CBCT图像转换成伪CT图像；步骤S3，将计划CT图像形变配准至伪CT图像；步骤S4，采用智能分割模型对伪CT图像进行智能勾画，得到器官结构图像；步骤S5，对伪CT图像进行剂量计算，得到剂量分布结果；步骤S6，基于剂量分布结果和器官结构图像进行剂量体积图分析。本申请能够实现了针对CBCT图像的快速三维剂量验证。
-
公开(公告)号：CN116258671A
公开(公告)日：2023-06-13
申请号：CN202211674850.0
申请日：2022-12-26
Applicant: 中山大学肿瘤防治中心(中山大学附属肿瘤医院、中山大学肿瘤研究所)
Abstract: 本发明公开了一种基于MR图像智能勾画方法、系统、设备及存储介质，包括：获取初始MR图像和初始CT图像，并分别进行划分，对应得到多组第一MRI图像和第一CT图像；并同时作为第一神经网络模型的输入，对应输出多组第一器官预测概率图；依次计算第一器官预测概率图中危及区域器官的中心位置坐标，对应得到危及器官所在的第一图像；依次对第一图像分类，并对应使用不同的分割方式，对应得到全部靶区和危及器官的第一分割结果；确定肿瘤分割的目标区域，并其对应的第一MRI图像、第一CT图像和各危及器官对应的第一分割结果作为第二神经网络模型的输入，输出对肿瘤的第二分割结果。本发明能够对基于MR图像进行多器官同时快速自动精细分割。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.06 seconds)
