-
公开(公告)号：CN117011245B
公开(公告)日：2024-03-26
申请号：CN202310848903.4
申请日：2023-07-11
Applicant: 北京医智影科技有限公司 , 北京肿瘤医院(北京大学肿瘤医院)
Abstract: 本发明公开了一种融合MR信息指导CT的直肠癌肿瘤区自动勾画方法及装置，包括：获取MRI图像和CT图像；基于第一GTV分割模型，预测所述MRI图像上的第一GTV预测结果；利用刚体配准，将所述第一GTV预测结果映射到所述CT图像，得到所述CT图像对应的勾画上界和勾画下界；基于第二GTV分割模型，预测所述CT图像上的第二GTV预测结果；基于所述勾画上界和所述勾画下界，对所述第二GTV预测结果进行标注范围控制，得到所述CT图像上的目标GTV预测结果；输出所述目标GTV预测结果；可见，本发明能够结合核磁MRI对软组织和肿瘤敏感性高的优势，对照MRI图像信息辅助在CT图像上勾画，进一步提升CT图像上直肠癌GTV自动勾画的可靠性与准确性。
-
公开(公告)号：CN118628544B
公开(公告)日：2025-04-01
申请号：CN202410778589.1
申请日：2024-06-17
Applicant: 北京医智影科技有限公司 , 北京肿瘤医院(北京大学肿瘤医院)
Abstract: 本申请涉及一种内外照射剂量叠加方法、系统、终端及存储介质，涉及宫颈癌放射治疗技术领域，方法包括获取外照射定位图像和内照射定位图像；对全部内照射定位图像切片，将全部切片图像输入分割网络模型，识别目标特征并分割，得到分割结果；将切片图像中的目标部分按照指定值填充生成辅助切片图像；将相对应的切片图像、分割结果和辅助切片图像输入合成网络模型生成合成切片图像；将相应的合成切片图像整合得到合成定位图像；选取其中一张作为参考定位图像，并通过形变配准算法获得第一形变场和第二形变场；根据第一形变场采集外照射剂量，根据第二形变场采集相对应的内照射剂量，计算等效生物剂量。本申请能够准确计算内外照射剂量叠加结果。
-
公开(公告)号：CN118628544A
公开(公告)日：2024-09-10
申请号：CN202410778589.1
申请日：2024-06-17
Applicant: 北京医智影科技有限公司 , 北京肿瘤医院(北京大学肿瘤医院)
Abstract: 本申请涉及一种内外照射剂量叠加方法、系统、终端及存储介质，涉及宫颈癌放射治疗技术领域，方法包括获取外照射定位图像和内照射定位图像；对全部内照射定位图像切片，将全部切片图像输入分割网络模型，识别目标特征并分割，得到分割结果；将切片图像中的目标部分按照指定值填充生成辅助切片图像；将相对应的切片图像、分割结果和辅助切片图像输入合成网络模型生成合成切片图像；将相应的合成切片图像整合得到合成定位图像；选取其中一张作为参考定位图像，并通过形变配准算法获得第一形变场和第二形变场；根据第一形变场采集外照射剂量，根据第二形变场采集相对应的内照射剂量，计算等效生物剂量。本申请能够准确计算内外照射剂量叠加结果。
-
公开(公告)号：CN117011245A
公开(公告)日：2023-11-07
申请号：CN202310848903.4
申请日：2023-07-11
Applicant: 北京医智影科技有限公司 , 北京肿瘤医院(北京大学肿瘤医院)
Abstract: 本发明公开了一种融合MR信息指导CT的直肠癌肿瘤区自动勾画方法及装置，包括：获取MRI图像和CT图像；基于第一GTV分割模型，预测所述MRI图像上的第一GTV预测结果；利用刚体配准，将所述第一GTV预测结果映射到所述CT图像，得到所述CT图像对应的勾画上界和勾画下界；基于第二GTV分割模型，预测所述CT图像上的第二GTV预测结果；基于所述勾画上界和所述勾画下界，对所述第二GTV预测结果进行标注范围控制，得到所述CT图像上的目标GTV预测结果；输出所述目标GTV预测结果；可见，本发明能够结合核磁MRI对软组织和肿瘤敏感性高的优势，对照MRI图像信息辅助在CT图像上勾画，进一步提升CT图像上直肠癌GTV自动勾画的可靠性与准确性。
-
公开(公告)号：CN118799432A
公开(公告)日：2024-10-18
申请号：CN202411158290.2
申请日：2024-08-22
Applicant: 北京医智影科技有限公司
Abstract: 本发明涉及MR图像合成CT图像技术领域，公开了一种基于掩码引导无监督对抗扩散模型的MR图像合成CT图像方法，引入对抗扩散模型，利用有条件的扩散过程直接捕捉图像分布，通过逐步将噪声、源图像和相应掩码映射到目标图像上，改善图像转译效果；在逆向扩散过程中采用了大扩散步长和对抗映射，突破传统扩散模型方法计算效率瓶颈；利用掩码指导，显式地引导扩散模型的学习，实现高保真图像转译；引入基于非扩散模块和扩散模块的循环一致性架构，实现了源模态和目标模态之间的双向转译，确保了即使在沒有配对训练样本的情况下，图像转译过程依旧准确，从而显著增强模型在配对数据稀缺场景中的适用性。
-
Patent Agency Ranking
公开(公告)号：CN111784682B
公开(公告)日：2024-05-28
申请号：CN202010663227.X
申请日：2020-07-10
Applicant: 北京医智影科技有限公司
IPC: G06T7/00 , G06T7/11 , G06N3/0464 , G06N3/048 , G06N3/0455 , G06N3/08
Abstract: 公开了一种用于对图像进行自动处理的网络架构系统(1)，包括：用于输入待处理的图像的输入模块(11)；编码路径(12)，其被配置成使用双路径网络对输入的图像进行特征提取；解码路径(14)，其被配置成与编码路径建立连接；中央模块(13)，其被配置成用于从编码路径(12)到解码路径(14)的过渡，以提炼高维图像特征；以及输出模块(15)，其被配置成从解码路径输出图像处理结果；其中，所述解码路径被配置成使用Unet架构的解码路径对编码路径的相应编码结果以及中央模块的图像特征提炼结果进行解码操作。还公开了一种相应的方法、一种相应的程序载体及一种相应的工作站。根据本发明，可进行更好的图像分割和分类。
-
公开(公告)号：CN117197203B
公开(公告)日：2024-02-20
申请号：CN202311160138.3
申请日：2023-09-08
Applicant: 北京医智影科技有限公司
IPC: G06T7/33 , G06N3/0464 , G06N3/08 , G06N3/0455 , G06V10/40 , G06V10/82
Abstract: 本发明提供了一种形变配准模型训练方法、剂量叠加方法及装置，属于人工智能领域，包括：根据获取的放射治疗肿瘤CT定位图像确定移动图像和参考图像；将移动图像和参考图像输入形变配准网络进行特征提取，计算相关性特征；将相关性特征输入3D卷积神经网络构成的解码器得到形变场；根据形变场对移动图像进行空间形变得到配准后图像；对配准后图像和参考图像进行结构相似性损失计算，当损失值满足条件时得到形变配准模型；基于得到形变配准模型确定形变场，对放射治疗肿瘤CT定位图像进行形变配准；根据形变场和预设剂量叠加方法实现放射治疗的剂量叠加。本发明可以提高形变配准的精确度，进而实现放射治疗综合剂量的精确评估。
-
公开(公告)号：CN116206059B
公开(公告)日：2023-12-01
申请号：CN202310103180.5
申请日：2023-02-13
Applicant: 北京医智影科技有限公司
Abstract: 本申请的实施例提供了一种损失函数计算方法和模型训练方法，损失函数计算方法基于3DUnet网络模型计算，3DUnet网络模型为单编码器双解码器结构；方法包括：基于第一解码器输出的预测结果得到平均绝对误差损失；对第一解码器最后一层输出进行Dropout,对输出结果进行方差计算得到不确定性图，基于不确定性图计算不确定性损失；基于第二解码器输出的预测梯度图和采用Sobel算子提取GroundTruth边缘信息得到的GT梯度图，进行均方误差计算，得到梯度预测损失；基于3DUnet网络重建模型，基于编码器不同层的输出分别进行均方误差计算，得到感知损失；基于四种损失得到模型的损失函数。本申请能够实现更好的预测结果，提高模型的预测准确度。
-
公开(公告)号：CN115206146B
公开(公告)日：2023-09-22
申请号：CN202110398817.9
申请日：2021-04-14
Applicant: 北京医智影科技有限公司
IPC: G09B7/04 , G16H30/40 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明的实施方式提供了一种用于放疗靶区勾画的智能教学方法、系统、设备和介质。该智能教学方法包括：自适应教学建模步骤；主动考核步骤；精准量化评估步骤；和自适应培训步骤；其中在自适应教学建模步骤中：利用卷积神经网络(CNN)技术对临床影像数据进行处理，以勾画出含有高阶图像特征信息的临床靶区区域，并且根据勾画标准在勾画后的临床影像数据上标注勾画知识点，从而获得公共教学临床影像数据；筛选出适合学员个人的学员个体化教学知识数据和学员个体化教学临床影像数据；并且建立学员个体化教学模型。因此，含有高阶图像特征信息的临床靶区区域被转化为以人类可以理解的方式表达的知识，从而极大地方便了学习。
-
公开(公告)号：CN114681813B
公开(公告)日：2023-07-14
申请号：CN202011575203.5
申请日：2020-12-28
Applicant: 北京医智影科技有限公司
Abstract: 本发明提出一种放射治疗自动计划系统，包括信息输入单元、参数生成单元、剂量预测单元、评估单元及输出单元，信息输入单元用于输入包括医学图像信息、轮廓勾画信息和处方剂量信息的患者信息；参数生成单元基于第一神经网络模型，根据医学图像信息、轮廓勾画信息和处方剂量信息，生成初始化参数，并输出至TPS，使TPS能够利用初始化参数确定放射治疗计划；剂量预测单元基于第二神经网络模型，根据医学图像信息和轮廓勾画信息，预测TPS生成的放射治疗计划的剂量分布；评估单元将TPS确定的放射治疗计划的剂量分布与预测的剂量分布相比较，生成评估结果；输出单元根据评估结果，输出TPS生成的放射治疗计划。本发明可提高设计放射治疗计划的效率。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.045 seconds)
