-
公开(公告)号：CN109859817B
公开(公告)日：2022-12-09
申请号：CN201910256615.3
申请日：2019-04-01
Applicant: 安徽大学
Abstract: 本发明公开一种食管放射治疗计划中风险器官剂量学评估方法，包括以下步骤：集食管癌病人的VMAT计划数据信息，得到DTH；对DTH的几何特征向量进行降维，得降维后的几何特征向量；建立深度置信网络模型，并完成深度置信网络模型的训练；非线性地拟合剂量特征向量和降维后几何特征向量之间的相关性，得到与降维后的几何特征向量的维度相同的剂量特征向量；通过自动编码器结构的解码层将从步骤五的剂量特征向量重构，得到与降维前的几何特征向量的维度相同的剂量特征向量，最终得到预测危险器官的DVH。本发明还公开一种食管放射治疗计划中风险器官剂量学评估系统。本发明具有显著缩短制定食管癌放疗计划时间以达到减轻物理放疗师的负担的优点。
-
公开(公告)号：CN113344876B
公开(公告)日：2023-05-12
申请号：CN202110637086.9
申请日：2021-06-08
Applicant: 安徽大学
Abstract: 本发明公开了一种CT和CBCT间可变形配准方法，所述方法包括：获取目标部位的CT图像与CBCT图像，并对CT图像与CBCT图像进行预处理得到数据集；构建双重监督的Unet配准模型；利用数据集对双重监督的Unet配准模型进行训练，得到最优化的模型；实时采集患者的CT图像和CBCT图像输入到最优化的模型中，得到配准后的CT图像和CBCT图像；本发明的优点在于：CT和CBCT间可变形配准的实时性较高，满足现在临床医学实时性的要求。
-
公开(公告)号：CN110456821B
公开(公告)日：2022-04-12
申请号：CN201910781009.3
申请日：2019-08-22
Applicant: 安徽大学
IPC: G05D1/10
Abstract: 本发明提供了一种基于动态触发机制的飞行器轨迹最优控制方法，包括：建立飞行器轨迹动力模型，基于期望状态和实际状态的偏差构建反馈控制器模型；基于反馈控制器模型，确定系统状态空间模型；定义Lyapunov函数，基于对系统状态空间模型的最优控制理论求解Lyapunov函数的参数；基于从输入到状态稳定判据引入包括内部动态变量的反馈控制器的触发条件；满足触发条件时，反馈控制器被触发调整飞行器运行参数。本发明提供的基于动态触发机制的飞行器轨迹最优控制方法的优点在于：基于实际状态和期望状态的偏差并加入内部动态变量对飞行轨迹进行调整，更加容易控制和调节系统的事件触发策略，减少了系统资源不必要的浪费，具有更好的实时性。
-
Patent Agency Ranking
公开(公告)号：CN113344876A
公开(公告)日：2021-09-03
申请号：CN202110637086.9
申请日：2021-06-08
Applicant: 安徽大学
Abstract: 本发明公开了一种CT和CBCT间可变形配准方法，所述方法包括：获取目标部位的CT图像与CBCT图像，并对CT图像与CBCT图像进行预处理得到数据集；构建双重监督的Unet配准模型；利用数据集对双重监督的Unet配准模型进行训练，得到最优化的模型；实时采集患者的CT图像和CBCT图像输入到最优化的模型中，得到配准后的CT图像和CBCT图像；本发明的优点在于：CT和CBCT间可变形配准的实时性较高，满足现在临床医学实时性的要求。
-
公开(公告)号：CN110456821A
公开(公告)日：2019-11-15
申请号：CN201910781009.3
申请日：2019-08-22
Applicant: 安徽大学
IPC: G05D1/10
Abstract: 本发明提供了一种基于动态触发机制的飞行器轨迹最优控制方法，包括：建立飞行器轨迹动力模型，基于期望状态和实际状态的偏差构建反馈控制器模型；基于反馈控制器模型，确定系统状态空间模型；定义Lyapunov函数，基于对系统状态空间模型的最优控制理论求解Lyapunov函数的参数；基于从输入到状态稳定判据引入包括内部动态变量的反馈控制器的触发条件；满足触发条件时，反馈控制器被触发调整飞行器运行参数。本发明提供的基于动态触发机制的飞行器轨迹最优控制方法的优点在于：基于实际状态和期望状态的偏差并加入内部动态变量对飞行轨迹进行调整，更加容易控制和调节系统的事件触发策略，减少了系统资源不必要的浪费，具有更好的实时性。
-
公开(公告)号：CN110354406A
公开(公告)日：2019-10-22
申请号：CN201910694051.1
申请日：2019-07-30
Applicant: 安徽大学
IPC: A61N5/10
Abstract: 本发明提供了一种放射治疗的三维剂量预测方法，包括以下步骤：步骤A：收集过往病例的放疗计划数据，对数据进行预处理得到能够被卷积神经网络训练的特征图像；步骤B：计算计划区域内每个体素到靶区边界的最小距离得到目标距离图；步骤C：基于卷积神经网络建立三维剂量预测网络；步骤D：利用步骤A中的特征图像训练三维剂量预测网络，通过交叉验证得到最优的三维剂量预测模型；步骤E：将待放射患者的数据输入三维剂量预测模型得到三维剂量分布图。本申请还提供了基于上述方法的预测系统。本发明提供的放射治疗的三维剂量预测方法和系统的优点在于：通过引入卷积神经网络的深度学习，降低了对物理师个人经验的依赖，减少人工预测的误差。
-
公开(公告)号：CN110211139A
公开(公告)日：2019-09-06
申请号：CN201910504373.5
申请日：2019-06-12
Applicant: 安徽大学
Abstract: 本发明公开了一种自动分割食管癌放疗靶区和危及器官的方法及系统，涉及医学图像分割领域，该方法包括以下步骤：通过残差网络提取输入的CT图像的特征，通过特征金字塔网络融合多尺度特征图；通过区域建议网络对特征图中每个点的感兴趣区域进行筛选；结合感兴趣区域对齐层将区域建议网络筛选出的感兴趣区域池化到一个固定尺寸；将池化到固定尺寸的感兴趣区域输入到全连接层进行器官分类，并进行器官位置边框回归；同时将池化到固定尺寸的感兴趣区域输入到器官分割网络。本发明的优点在于：提高了自动分割食管癌放疗靶区和多种危及器官的准确度。
-
公开(公告)号：CN109859817A
公开(公告)日：2019-06-07
申请号：CN201910256615.3
申请日：2019-04-01
Applicant: 安徽大学
Abstract: 本发明公开一种食管放射治疗计划中风险器官剂量学评估方法，包括以下步骤：集食管癌病人的VMAT计划数据信息，得到DTH；对DTH的几何特征向量进行降维，得降维后的几何特征向量；建立深度置信网络模型，并完成深度置信网络模型的训练；非线性地拟合剂量特征向量和降维后几何特征向量之间的相关性，得到与降维后的几何特征向量的维度相同的剂量特征向量；通过自动编码器结构的解码层将从步骤五的剂量特征向量重构，得到与降维前的几何特征向量的维度相同的剂量特征向量，最终得到预测危险器官的DVH。本发明还公开一种食管放射治疗计划中风险器官剂量学评估系统。本发明具有显著缩短制定食管癌放疗计划时间以达到减轻物理放疗师的负担的优点。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.021 seconds)
