-
公开(公告)号：CN118797002A
公开(公告)日：2024-10-18
申请号：CN202410803324.2
申请日：2024-06-20
Applicant: 北京连心医疗科技有限公司 , 北京大学第三医院(北京大学第三临床医学院)
IPC: G06F16/332 , G06V30/148 , G06V30/19 , G06F40/253 , G16H10/20
Abstract: 本发明公开了一种基于大模型的临床路径图像识别方法和系统，属于人工智能技术领域，所述方法包括以下步骤：获得所述临床路径图像的文本；获得所述文本的医学主体和医学主体之间的逻辑关系；根据所述医学实体之间的逻辑关系，获得第一问题和第一答案；基于所述大模型，补全和修正所述第一问题和第一答案，获得第二问题和第二答案。在识别图像文本的基础上，通过识别医学主体及不同医学主体的逻辑关系，建立相关的问答对，实现临床路径的标准化；基于大模型对问答对进行补全，纠正识别过程中可能出现的错误，完善问答对内容，以生成高质量的问答对；提高问答对的可阅读性。
-
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
Applicant: 北京连心医疗科技有限公司 , 北京大学第三医院(北京大学第三临床医学院)
IPC: G16H50/20 , G06F18/214 , G16H20/10
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。
-
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
Applicant: 北京连心医疗科技有限公司 , 北京大学第三医院(北京大学第三临床医学院)
IPC: A61N5/10 , G06Q10/04 , G06N3/08 , G06N3/0475
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。
-
公开(公告)号：CN113327222A
公开(公告)日：2021-08-31
申请号：CN202010131314.0
申请日：2020-02-28
Applicant: 北京连心医疗科技有限公司 , 北京大学第三医院(北京大学第三临床医学院)
Abstract: 本发明公开了一种CT影像中俯仰体位的自动检测及校正方法、系统、介质和计算设备，包括：对全身CT影像进行二值化处理，得到二值化影像序列；对二值化影像序列的连通区域进行逐层查找，保留每层二值化影像的主要身体部位；主要身体部位包括盆部和腿部的身体区域；基于连续两层二值化影像的连通区域数量和面积，判断腿部与盆部的交界层；基于腿部与盆部的交界层，确定最佳盆骨层；对最佳盆骨层的盆骨区域进行椭圆拟合，记录盆骨质心和拟合椭圆质心；根据盆骨质心和拟合椭圆质心，确定体位；实施体位校正。本发明可以快速有效地检测CT影像中体位的朝向，进而为对体位校正提供准确的参数信息；具有计算复杂度低、耗时短、抗噪性高、数据适应好的优点。
-
公开(公告)号：CN111540437B
公开(公告)日：2023-05-12
申请号：CN202010328992.6
申请日：2020-04-23
Applicant: 北京大学第三医院(北京大学第三临床医学院)
IPC: G16H20/40 , G06F18/2431 , G06F18/214 , G06N20/00
Abstract: 本发明提供一种基于人工智能的剂量验证方法及系统，该方法包括：获取调强放疗计划的射野面积、射野调制复杂度、叶片运动和剂量特征参数；建立基于机器学习模型的回归模型，将所述特征参数作为所述机器学习模型的输入样本，设定标准γ通过率作为所述机器学习模型的输出；建立基于机器学习模型的分类模型，将所述特征参数作为所述机器学习模型的输入样本，所述标准γ通过率作为机器学习模型的输出；进行样本训练得到最佳预测的回归模型和分类模型，并根据所述最佳预测模型对待验证的所述特征参数进行预测γ通过率，进而对临床调强放疗计划进行预测和分类。本发明能解决现有放疗剂量验证工作存在花费时间长、人力成本高的问题，能提高效率和质量。
-
Patent Agency Ranking
公开(公告)号：CN117474784B
公开(公告)日：2025-04-01
申请号：CN202311544597.1
申请日：2023-11-20
Applicant: 北京航空航天大学 , 北京大学第三医院(北京大学第三临床医学院)
IPC: G06T5/50 , G06T3/14 , G06T3/4038 , G06T3/4023 , G06T7/11 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及基于深度学习的多模态图像合成方法，该方法包括：S1、数据收集：收集宫颈癌患者的CBCT图像和对应的计划CT图像；S2、图像预处理：将计划CT图像配准到CBCT图像，并将非解剖结构去除；邻域插值并裁剪图像至同一尺寸；调整窗宽，并将CT值转化为线性衰减系数；S3、构建深度学习模型框架；S4、分层训练：采用分层训练策略训练所述的深度学习模型，首先训练粗分辨率的残差U‑Net；然后以前一阶段为起点，继续用更高分辨率的图像训练所述的深度学习模型，以帮助深度学习模型学习更复杂的图像特征并捕获更精细的图像细节；S5、模型测试验证：使用分层训练好的深度学习模型直接从原始CBCT图像生成伪CT图像。
-
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)
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。
-
公开(公告)号：CN117474784A
公开(公告)日：2024-01-30
申请号：CN202311544597.1
申请日：2023-11-20
Applicant: 北京航空航天大学 , 北京大学第三医院(北京大学第三临床医学院)
IPC: G06T5/50 , G06T3/14 , G06T3/4038 , G06T3/4023 , G06T7/11 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及基于深度学习的多模态图像合成方法，该方法包括：S1、数据收集：收集宫颈癌患者的CBCT图像和对应的计划CT图像；S2、图像预处理：将计划CT图像配准到CBCT图像，并将非解剖结构去除；邻域插值并裁剪图像至同一尺寸；调整窗宽，并将CT值转化为线性衰减系数；S3、构建深度学习模型框架；S4、分层训练：采用分层训练策略训练所述的深度学习模型，首先训练粗分辨率的残差U‑Net；然后以前一阶段为起点，继续用更高分辨率的图像训练所述的深度学习模型，以帮助深度学习模型学习更复杂的图像特征并捕获更精细的图像细节；S5、模型测试验证：使用分层训练好的深度学习模型直接从原始CBCT图像生成伪CT图像。
-
公开(公告)号：CN116779173A
公开(公告)日：2023-09-19
申请号：CN202311069534.5
申请日：2023-08-24
Applicant: 北京大学第三医院(北京大学第三临床医学院)
Abstract: 本发明涉及一种基于人工智能的放射治疗剂量预测系统和方法，该系统包括3D‑Unet深度学习模型构建模块、第一模型训练模块和第二模型训练模块，3D‑Unet深度学习模型构建模块用于构建3D‑Unet深度学习模型；第一模型训练模块用于训练得到第一模型，并提取中间剂量；第二模型训练模块用于训练得到第二模型，输出最终剂量分布。该系统采用级联神经网络设计，进行多通道输入，引入了几何数据增强，增加了模型的普适性，防止了模型训练过拟合问题，充分利用了危及器官，靶区，以及各体素到靶区的距离分布图用于剂量预测，提高了模型的预测精度。
-
公开(公告)号：CN112972912B
公开(公告)日：2021-08-17
申请号：CN202110433107.5
申请日：2021-04-22
Applicant: 北京大学第三医院(北京大学第三临床医学院)
IPC: A61N5/10
Abstract: 本发明涉及一种非共面放疗射束入射路径优化方法，包括以下步骤：第一、获取病人的医疗图像；第二、根据病人的医疗图像得到患者的结构信息；第三、根据得到的患者的结构信息建立靶区与危及器官的三维分布模型；第四、通过光线追踪制作出各入射角度代价的代价图；第五、利用最短路径算法在代价图中找到总代价最小的路径作为非共面优化轨道。该方法是一种基于代价图的自动化路径选取方法，不需要人工选择，能够对三维空间中各种可能的入射角度进行评估，能针对不同病人以及不同治疗部位得到最优的非共面入射路径，该方法最终得到的非共面放疗射束路径是连续的，不需要在治疗过程中进入治疗机房移动治疗床，能够节省治疗时间。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.054 seconds)
