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)

Inventor： 王明清 ,  杨瑞杰 ,  张麒麟

IPC: G16H20/40 ,  G06N3/04 ,  G06N3/08 ,  G06N7/00

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：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)

Inventor： 王明清 ,  杨瑞杰 ,  张麒麟

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。