-
公开(公告)号：CN115920257A
公开(公告)日：2023-04-07
申请号：CN202310086294.3
申请日：2023-01-17
Applicant: 安徽大学
Abstract: 本发明属于调强放射治疗领域，公开了一种调强放射治疗射束角度优化系统，对放疗数据进行压缩并采用稀疏读取，然后计算剂量沉积矩阵；通过共轭梯度算法求解射束方向的强度分布矩阵；通过剂量沉积矩阵和强度分布矩阵计算剂量分布矩阵；通过侧抑制函数和邻近效应函数对射束方向约束；通过子野内体素剂量条件对剂量分布矩阵优化，得到每个射束方向的目标剂量；基于目标剂量、抑制值和邻近效应值计算射束方向的重要性；剔除重要性最低的射束方向，直至剩余射束方向数量等于预先设定的角度数量，然后将射束方向还原成射束角度，输出射束角度及其对应的目标剂量。本发明系统，提高了计算速度，有效避免射束角度过于集中和分散，提高了放疗效果。
-
公开(公告)号：CN119763783A
公开(公告)日：2025-04-04
申请号：CN202411899368.6
申请日：2024-12-23
Applicant: 安徽大学
IPC: G16H30/20 , G16H30/40 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种多准则医学图像剂量预测方法，首先获取医学图像并进行合并、裁剪、归一化等图像预处理；然后训练深度神经网络得到剂量预测基础模型；再取基础模型部分网络层的权重作为个体，使用进化算法优化得到剂量预测泛化模型；最后使用泛化模型预测剂量，得到多准则的剂量预测分布图。本发明将进化算法与深度神经网络相结合，通过进化算法优化深度神经网络模型，从而能提高医学图像剂量预测模型的通用性，更好地适应不同的放射系统。
-
公开(公告)号：CN117442889A
公开(公告)日：2024-01-26
申请号：CN202311602852.3
申请日：2023-11-28
Applicant: 安徽大学
IPC: A61N5/10
Abstract: 本发明公开了一种基于剂量分层的深度神经网络的调强放射剂量预测方法，包括：1、对数据进行预处理；2、全局剂量预测模块用于训练得到全局粗剂量预测模型，并得到粗略的剂量预测分布图；3、分层剂量预测模板用于分层训练得到局部精确剂量预测的各个子模型，并通过不同层的子模型得到精确的各分层剂量分布；4将最后各分层子模型得到的精确预测结果，进行集成拼接，得到最终的剂量分布。本发明通过将整个图像空间的剂量预测分解为一组基于剂量强度分层的预测任务，细化网络相对更容易学习每个分层区域的特征，从而得到更精确预测的剂量分布的同时，能够避免冷点热点问题，保留更多的医学特征，使预测的剂量分布图更加贴合实际应用。
-
公开(公告)号：CN117618800A
公开(公告)日：2024-03-01
申请号：CN202311602939.0
申请日：2023-11-28
Applicant: 安徽大学
Abstract: 本发明公开了一种基于大规模双编码组合多目标进化算法的射野优化方法，包括：步骤一、预设各种所需参数并初始化双编码种群以及目标函数；步骤二：利用修复策略，修复双编码种群中的所有无效解；步骤三、利用二元锦标赛选择父代并利用交叉变异算子产生子代，并提出一种交换双编码种群策略和一种优化光束权重策略，最终得到一组满足帕累托前沿面的最优的光束权重和多叶准直器(MLC)叶片位置的解。本发明能一次运行获得多种解决方案以满足不同射野需求，从而能提高IMRT规划方案制定效率和精度。
-
公开(公告)号：CN115985468A
公开(公告)日：2023-04-18
申请号：CN202310114826.X
申请日：2023-02-02
Applicant: 安徽大学
Abstract: 本发明公开了一种基于进化算法和聚类分组的照射野优化方法，包括：步骤一、初始化照射野能量沉积系数以及最小化目标函数；步骤二：生成初始种群，并设置初始参数值；步骤三、利用斯皮尔曼协同函数通过聚类对最小化目标函数进行分组降维，将目标函数从原始空间降维到低维空间，降低算法耗费成本；步骤四、通过进化算法优化照射野集合，利用交叉变异算子生成子代，并通过环境选择迭代选取个体，最终得到一组最优照射野集合方案。本发明能有效减少大规模照射野优化问题中所耗费的时间和空间，并保证所得照射野集合方案的高质量。
-
Patent Agency Ranking
公开(公告)号：CN115920257B
公开(公告)日：2024-07-16
申请号：CN202310086294.3
申请日：2023-01-17
Applicant: 安徽大学
Abstract: 本发明属于调强放射治疗领域，公开了一种调强放射治疗射束角度优化系统，对放疗数据进行压缩并采用稀疏读取，然后计算剂量沉积矩阵；通过共轭梯度算法求解射束方向的强度分布矩阵；通过剂量沉积矩阵和强度分布矩阵计算剂量分布矩阵；通过侧抑制函数和邻近效应函数对射束方向约束；通过子野内体素剂量条件对剂量分布矩阵优化，得到每个射束方向的目标剂量；基于目标剂量、抑制值和邻近效应值计算射束方向的重要性；剔除重要性最低的射束方向，直至剩余射束方向数量等于预先设定的角度数量，然后将射束方向还原成射束角度，输出射束角度及其对应的目标剂量。本发明系统，提高了计算速度，有效避免射束角度过于集中和分散，提高了放疗效果。
-
公开(公告)号：CN117524502A
公开(公告)日：2024-02-06
申请号：CN202410010897.X
申请日：2024-01-04
Applicant: 安徽大学
IPC: G16H50/70 , G06F30/20 , G06F17/16 , G06F111/06
Abstract: 本发明提供了一种基于模式挖掘的调强放射治疗多目标射束优化方法，包括以下步骤：数据输入：包含贡献度矩阵，靶区和周围危及器官的处方剂量约束；射束方向划分：按照贡献度矩阵划分若干等间距射束方向；构建多目标优化模型：将靶区和周围危及器官的处方剂量约束通过模式挖掘建模转化为一个包含两个优化目标的多目标优化问题；约束处理机制：选择不同解集所包含的最大射束数量和最小射束数量作为优化的约束;多目标优化：通过模式挖掘方法来引导多目标进行优化；输出结果：将模式挖掘进化优化得到的非劣解自动筛选出若干个代表性的解对应的剂量分布，包括等剂量线、剂量体积直方图，通过可视化的方式，供用户选择。
-
公开(公告)号：CN116341182A
公开(公告)日：2023-06-27
申请号：CN202211597273.X
申请日：2022-12-12
Applicant: 安徽大学
IPC: G06F30/20 , G06F18/24 , G06F111/04 , G06F111/06 , G06F111/08
Abstract: 本发明公开了一种基于多目标进化和传统优化方法协同的质子调强多目标优化方法，包括：(1)数据导入，导入贡献度矩阵及每个感兴趣区域中采样点的位置序列；(2)质子调强多目标优化模型的构建，将医生对靶区的期望剂量通过建模转化为包含三个目标的多目标优化的模型，作为进化算法优化的目标函数；(3)将医生对所有感兴趣区域的剂量目标及约束限值，通过加权的方式转化为一个单目标优化问题，作为传统优化方法优化的目标函数；(4)多目标进化算法和传统优化方法的协同优化；(5)将协同进化得到的非劣解集输出给用户，用户从中挑选符合临床治疗要求的治疗方案。还公开了一种基于多目标进化和传统优化方法协同的质子调强多目标优化系统。
-
公开(公告)号：CN119314619B
公开(公告)日：2025-03-18
申请号：CN202411855442.4
申请日：2024-12-17
Applicant: 安徽大学
IPC: G16H20/10 , G06F30/27 , G16H20/40 , G16H50/50 , G06N3/006 , A61N5/10 , G06F111/04 , G06F111/06
Abstract: 本发明提供了一种基于多任务进化的容积旋转调强优化方法及系统，包括：输入参数，导入放疗数据；构建约束多目标优化模型，将多叶准直器叶片的运动约束作为优化问题的约束，将靶区和周围危及器官的处方剂量要求作为优化目标，通过建模转化为一个包含两个优化目标的约束多目标优化问题；构建多任务进化框架；基于多任务进化方法引导约束多目标优化：筛选出若干个多任务进化算法优化得到的容积旋转调强治疗方案，每个治疗方案自动勾画出治疗方案中靶区和危及器官的轮廓，可视化器官的剂量并与临床要求对比，供医生选择。本发明通过基于多任务进化方法引导约束多目标优化，从而得到多个满足叶片运动约束，符合临床剂量要求的治疗方案，供医生选择。
-
公开(公告)号：CN119314619A
公开(公告)日：2025-01-14
申请号：CN202411855442.4
申请日：2024-12-17
Applicant: 安徽大学
IPC: G16H20/10 , G06F30/27 , G16H20/40 , G16H50/50 , G06N3/006 , A61N5/10 , G06F111/04 , G06F111/06
Abstract: 本发明提供了一种基于多任务进化的容积旋转调强优化方法及系统，包括：输入参数，导入放疗数据；构建约束多目标优化模型，将多叶准直器叶片的运动约束作为优化问题的约束，将靶区和周围危及器官的处方剂量要求作为优化目标，通过建模转化为一个包含两个优化目标的约束多目标优化问题；构建多任务进化框架；基于多任务进化方法引导约束多目标优化：筛选出若干个多任务进化算法优化得到的容积旋转调强治疗方案，每个治疗方案自动勾画出治疗方案中靶区和危及器官的轮廓，可视化器官的剂量并与临床要求对比，供医生选择。本发明通过基于多任务进化方法引导约束多目标优化，从而得到多个满足叶片运动约束，符合临床剂量要求的治疗方案，供医生选择。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.016 seconds)
