-
公开(公告)号：CN116206059A
公开(公告)日：2023-06-02
申请号：CN202310103180.5
申请日：2023-02-13
申请人： 北京医智影科技有限公司
摘要： 本申请的实施例提供了一种损失函数计算方法和模型训练方法，损失函数计算方法基于3DUnet网络模型计算，3DUnet网络模型为单编码器双解码器结构；方法包括：基于第一解码器输出的预测结果得到平均绝对误差损失；对第一解码器最后一层输出进行Dropout,对输出结果进行方差计算得到不确定性图，基于不确定性图计算不确定性损失；基于第二解码器输出的预测梯度图和采用Sobel算子提取GroundTruth边缘信息得到的GT梯度图，进行均方误差计算，得到梯度预测损失；基于3DUnet网络重建模型，基于编码器不同层的输出分别进行均方误差计算，得到感知损失；基于四种损失得到模型的损失函数。本申请能够实现更好的预测结果，提高模型的预测准确度。
-
公开(公告)号：CN116152437A
公开(公告)日：2023-05-23
申请号：CN202310103177.3
申请日：2023-02-13
申请人： 北京医智影科技有限公司
摘要： 本申请的实施例提供了一种施源器重建方法、装置、电子设备和计算机可读存储介质，该方法包括：基于施源器管体的轴位掩膜图像，生成施源器管体的三维掩膜图像，施源器管体至少包括直线部分和弯曲部分；在预设三维坐标系下，对三维掩膜图像进行切割、旋转，使得直线部分与第一坐标轴重合、弯曲部分位于第一平面或第二平面上；生成施源器管体的冠状位切面和矢状位切面。本申请能够更精确地获取得到施源器的驻留位置，从而能够确定放射源可停留的治疗位置、可能治疗位置相对于靶区以及危及器官的距离。
-
公开(公告)号：CN116109605A
公开(公告)日：2023-05-12
申请号：CN202310149664.3
申请日：2023-02-13
申请人： 北京医智影科技有限公司
IPC分类号： G06T7/00 , G06T7/11 , G06T17/00 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 本发明涉及医学影像分割技术领域，具体涉及一种医学影像肿瘤分割系统、训练集构建方法和模型训练方法，旨在提高分割精度。本发明的医学影像肿瘤分割系统包括：粗分割模型，用于根据输入的医学影像对目标肿瘤进行粗分割；定位模块，用于根据粗分割的结果计算目标肿瘤的位置，得到第一位置数据；重采样模块，用于对医学影像进行重采样得到三维数据，并基于三维数据对第一位置数据进行更新，得到第二位置数据；裁剪模块，用于根据第二位置数据对三维数据进行裁剪；精分割模型，用于根据剪裁后的数据对目标肿瘤进行精分割；尺寸还原模块，用于对精分割后的结果进行尺寸还原。其中的精分割模型采用改进后的Unet3D。本发明有效地提高了分割精度。
-
公开(公告)号：CN118799432A
公开(公告)日：2024-10-18
申请号：CN202411158290.2
申请日：2024-08-22
申请人： 北京医智影科技有限公司
摘要： 本发明涉及MR图像合成CT图像技术领域，公开了一种基于掩码引导无监督对抗扩散模型的MR图像合成CT图像方法，引入对抗扩散模型，利用有条件的扩散过程直接捕捉图像分布，通过逐步将噪声、源图像和相应掩码映射到目标图像上，改善图像转译效果；在逆向扩散过程中采用了大扩散步长和对抗映射，突破传统扩散模型方法计算效率瓶颈；利用掩码指导，显式地引导扩散模型的学习，实现高保真图像转译；引入基于非扩散模块和扩散模块的循环一致性架构，实现了源模态和目标模态之间的双向转译，确保了即使在沒有配对训练样本的情况下，图像转译过程依旧准确，从而显著增强模型在配对数据稀缺场景中的适用性。
-
公开(公告)号：CN117197203B
公开(公告)日：2024-02-20
申请号：CN202311160138.3
申请日：2023-09-08
申请人： 北京医智影科技有限公司
IPC分类号： G06T7/33 , G06N3/0464 , G06N3/08 , G06N3/0455 , G06V10/40 , G06V10/82
摘要： 本发明提供了一种形变配准模型训练方法、剂量叠加方法及装置，属于人工智能领域，包括：根据获取的放射治疗肿瘤CT定位图像确定移动图像和参考图像；将移动图像和参考图像输入形变配准网络进行特征提取，计算相关性特征；将相关性特征输入3D卷积神经网络构成的解码器得到形变场；根据形变场对移动图像进行空间形变得到配准后图像；对配准后图像和参考图像进行结构相似性损失计算，当损失值满足条件时得到形变配准模型；基于得到形变配准模型确定形变场，对放射治疗肿瘤CT定位图像进行形变配准；根据形变场和预设剂量叠加方法实现放射治疗的剂量叠加。本发明可以提高形变配准的精确度，进而实现放射治疗综合剂量的精确评估。
-
公开(公告)号：CN116206059B
公开(公告)日：2023-12-01
申请号：CN202310103180.5
申请日：2023-02-13
申请人： 北京医智影科技有限公司
摘要： 本申请的实施例提供了一种损失函数计算方法和模型训练方法，损失函数计算方法基于3DUnet网络模型计算，3DUnet网络模型为单编码器双解码器结构；方法包括：基于第一解码器输出的预测结果得到平均绝对误差损失；对第一解码器最后一层输出进行Dropout,对输出结果进行方差计算得到不确定性图，基于不确定性图计算不确定性损失；基于第二解码器输出的预测梯度图和采用Sobel算子提取GroundTruth边缘信息得到的GT梯度图，进行均方误差计算，得到梯度预测损失；基于3DUnet网络重建模型，基于编码器不同层的输出分别进行均方误差计算，得到感知损失；基于四种损失得到模型的损失函数。本申请能够实现更好的预测结果，提高模型的预测准确度。
-
公开(公告)号：CN115359103B
公开(公告)日：2023-04-18
申请号：CN202211020524.8
申请日：2022-08-24
申请人： 北京医智影科技有限公司
摘要： 本申请涉及一种图像配准网络模型及其建立方法、设备及介质，其模型包括编码器和解码器，所述编码器包括参考图像编码器和移动图像编码器，所述参考图像编码器和所述移动图像编码器相互独立；解码器包括解码并行交叉注意力模块，所述解码并行交叉注意力模块以所述参考图像编码器、移动图像编码器不同尺度的编码获得的输出矢量序列作为输入。本申请参考图像编码器、移动图像编码器网络和解码器网络充分考虑了图像尺寸与分辨率的差异，基于并行交叉注意力模块进行网络设计，并融合不同尺度级别的并行交叉注意力模块获取的特征信息，使得不同尺寸、不同分辨率的多模态图像可直接进行配准，最终完成形变场估计。
-
公开(公告)号：CN118628544A
公开(公告)日：2024-09-10
申请号：CN202410778589.1
申请日：2024-06-17
申请人： 北京医智影科技有限公司 , 北京肿瘤医院(北京大学肿瘤医院)
摘要： 本申请涉及一种内外照射剂量叠加方法、系统、终端及存储介质，涉及宫颈癌放射治疗技术领域，方法包括获取外照射定位图像和内照射定位图像；对全部内照射定位图像切片，将全部切片图像输入分割网络模型，识别目标特征并分割，得到分割结果；将切片图像中的目标部分按照指定值填充生成辅助切片图像；将相对应的切片图像、分割结果和辅助切片图像输入合成网络模型生成合成切片图像；将相应的合成切片图像整合得到合成定位图像；选取其中一张作为参考定位图像，并通过形变配准算法获得第一形变场和第二形变场；根据第一形变场采集外照射剂量，根据第二形变场采集相对应的内照射剂量，计算等效生物剂量。本申请能够准确计算内外照射剂量叠加结果。
-
公开(公告)号：CN116109605B
公开(公告)日：2024-04-02
申请号：CN202310149664.3
申请日：2023-02-13
申请人： 北京医智影科技有限公司
IPC分类号： G06T7/00 , G06T7/11 , G06T17/00 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 本发明涉及医学影像分割技术领域，具体涉及一种医学影像肿瘤分割系统、训练集构建方法和模型训练方法，旨在提高分割精度。本发明的医学影像肿瘤分割系统包括：粗分割模型，用于根据输入的医学影像对目标肿瘤进行粗分割；定位模块，用于根据粗分割的结果计算目标肿瘤的位置，得到第一位置数据；重采样模块，用于对医学影像进行重采样得到三维数据，并基于三维数据对第一位置数据进行更新，得到第二位置数据；裁剪模块，用于根据第二位置数据对三维数据进行裁剪；精分割模型，用于根据剪裁后的数据对目标肿瘤进行精分割；尺寸还原模块，用于对精分割后的结果进行尺寸还原。其中的精分割模型采用改进后的Unet3D。本发明有效地提高了分割精度。
-
公开(公告)号：CN117197203A
公开(公告)日：2023-12-08
申请号：CN202311160138.3
申请日：2023-09-08
申请人： 北京医智影科技有限公司
IPC分类号： G06T7/33 , G06N3/0464 , G06N3/08 , G06N3/0455 , G06V10/40 , G06V10/82
摘要： 本发明提供了一种形变配准模型训练方法、剂量叠加方法及装置，属于人工智能领域，包括：根据获取的放射治疗肿瘤CT定位图像确定移动图像和参考图像；将移动图像和参考图像输入形变配准网络进行特征提取，计算相关性特征；将相关性特征输入3D卷积神经网络构成的解码器得到形变场；根据形变场对移动图像进行空间形变得到配准后图像；对配准后图像和参考图像进行结构相似性损失计算，当损失值满足条件时得到形变配准模型；基于得到形变配准模型确定形变场，对放射治疗肿瘤CT定位图像进行形变配准；根据形变场和预设剂量叠加方法实现放射治疗的剂量叠加。本发明可以提高形变配准的精确度，进而实现放射治疗综合剂量的精确评估。
-
-
-
-
-
-
-
-
-
搜索结果
22 条记录 (耗时 0.034 秒)
