公开(公告)号：CN119579889A

公开(公告)日：2025-03-07

申请号：CN202411612708.2

申请日：2024-11-13

Applicant: 北京大学第三医院(北京大学第三临床医学院) ,  北京联影智能影像技术研究院

Inventor： 吉喆 ,  杨航 ,  杨梦颖 ,  孙海涛 ,  邱斌

IPC: G06V10/26 ,  G06T7/00 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 一种胰腺癌靶区分割模型的训练方法，属于靶区分割技术领域，解决了现有技术中靶区分割模型训练效率低的问题。方法包括：获取胰腺癌患者的平扫CT图像，基于增强CT图像生成模型生成所述平扫CT对应的增强CT图像；根据平扫CT图像及对应的OAR轮廓、增强CT图像及靶区轮廓构建样本得到训练样本集；构建联合训练模型，联合训练模型包括OAR分割模型、影像组学模型和GTV分割模型；OAR分割模型用于基于平扫CT图像进行OAR分割；影像组学模型用于进行肿瘤分布概率预测；GTV分割模型用于基于OAR分割和肿瘤分布概率进行胰腺癌GTV分割；基于训练样本集对所述联合模型进行联合训练，得到训练好的胰腺癌靶区分割联合模型。实现了高效准确的胰腺癌靶区分割。

公开(公告)号：CN119131531B

公开(公告)日：2025-04-25

申请号：CN202411612710.X

申请日：2024-11-13

Applicant: 北京大学第三医院(北京大学第三临床医学院) ,  北京联影智能影像技术研究院

Inventor： 吉喆 ,  杨航 ,  杨梦颖 ,  孙海涛 ,  邱斌

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/25 ,  G06V10/82 ,  G06T5/90

Abstract: 一种胰腺癌靶区自动勾画方法和系统，属于靶区勾画技术领域，解决了现有技术中自动勾画准确率低的问题。方法包括：获取胰腺癌患者的平扫CT图像、增强CT图像和对应的标签构建训练样本集；基于训练样本集分别训练构建的危及器官分割模型和影像组学模型；基于训练样本集、训练好的危及器官分割模型和影像组学模型训练构建的靶区分割模型得到训练好的靶区分割模型；基于训练好的危及器官分割模型和训练好的影像组学模型得到待勾画患者的危及器官分割结果和肿瘤分布概率预测结果，将增强CT图像、危及器官分割结果和肿瘤分布概率预测结果输入训练好的靶区分割模型，得到胰腺癌靶区勾画结果。实现了高效准确的胰腺癌靶区自动勾画。

公开(公告)号：CN119131531A

公开(公告)日：2024-12-13

申请号：CN202411612710.X

申请日：2024-11-13

Applicant: 北京大学第三医院(北京大学第三临床医学院) ,  北京联影智能影像技术研究院

Inventor： 吉喆 ,  杨航 ,  杨梦颖 ,  孙海涛 ,  邱斌

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/25 ,  G06V10/82 ,  G06T5/90

Abstract: 一种胰腺癌靶区自动勾画方法和系统，属于靶区勾画技术领域，解决了现有技术中自动勾画准确率低的问题。方法包括：获取胰腺癌患者的平扫CT图像、增强CT图像和对应的标签构建训练样本集；基于训练样本集分别训练构建的危及器官分割模型和影像组学模型；基于训练样本集、训练好的危及器官分割模型和影像组学模型训练构建的靶区分割模型得到训练好的靶区分割模型；基于训练好的危及器官分割模型和训练好的影像组学模型得到待勾画患者的危及器官分割结果和肿瘤分布概率预测结果，将增强CT图像、危及器官分割结果和肿瘤分布概率预测结果输入训练好的靶区分割模型，得到胰腺癌靶区勾画结果。实现了高效准确的胰腺癌靶区自动勾画。

公开(公告)号：CN119313678A

公开(公告)日：2025-01-14

申请号：CN202411864785.7

申请日：2024-12-18

Applicant: 北京大学第三医院(北京大学第三临床医学院) ,  北京联影智能影像技术研究院

Inventor： 王皓 ,  彭冉 ,  杨梦颖 ,  王明清 ,  李学敏 ,  王璐琪

IPC: G06T7/00 ,  G06T7/10 ,  G16H20/40 ,  G06V10/77 ,  G06V10/764 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供了一种直肠癌放射治疗靶区的自动勾画方法及相关设备，应用于数据处理技术领域。本申请获取目标用户信息、目标靶区标签信息、待训练的靶区标签信息、与待训练的靶区标签信息相匹配的训练数据集、基于nnUNET的预设靶区自动勾画模型；基于待训练的靶区标签信息对训练数据集进行处理，生成预设勾画规则；对基于nnUNET的预设靶区自动勾画模型进行处理，生成目标靶区自动勾画模型；对目标用户信息进行处理，生成目标用户的多模态CT影像信息和与目标用户相匹配的临床先验知识信息；基于目标靶区自动勾画模型对目标用户的多模态CT影像信息、目标靶区标签信息和与目标用户相匹配的临床先验知识信息进行处理，生成目标靶区勾画信息。