一种宫颈癌放疗计划的预测方法及系统

    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

    Inventor: 李贵 章桦 杨瑞杰

    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。

    一种基于生成对抗网络的放疗剂量预测方法和系统

    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

    Inventor: 李贵 章桦 杨瑞杰

    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。

    基于深度学习的宫颈肿瘤靶区智能勾画方法、设备和介质

    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

    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。

Patent Agency Ranking