-
公开(公告)号：CN117292845A
公开(公告)日：2023-12-26
申请号：CN202311221605.9
申请日：2023-09-21
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京航空航天大学
IPC: G16H70/00 , G16H10/60 , G06N3/0499 , G06N3/08
Abstract: 本发明涉及一种肿瘤免疫治疗疗效和毒副作用的评价方法，包括：收集不同患者的临床信息和生物信息作为深度学习模型的输入数据；将所述输入数据划分为所述深度学习模型的训练集、测试集和验证集；根据所述训练集、所述测试集和所述验证集构建基于多层神经元的全连接神经网络的肿瘤免疫治疗疗效和毒副作用评价模型；所述肿瘤免疫治疗疗效和毒副作用评价模型输出评价结果。本发明提供的技术方案中能够在较短时间内对肿瘤免疫治疗进行评价，减少了传统的基因测序和数据分析的时间和成本。
-
公开(公告)号：CN113962984A
公开(公告)日：2022-01-21
申请号：CN202111345693.4
申请日：2021-11-15
Applicant: 北京航空航天大学
Abstract: 本申请涉及一种基于深度学习算法的质子CT成像方法、装置和电子设备。其中，通过获取待构建质子CT图像的身体部位对应的X光子CT图像；并将所述X光子CT图像输入至预先采用深度学习算法构建的质子CT成像模型，从而可以得到所述质子CT成像模型输出的质子CT图像。也即，通过深度学习算法可以实现从X光子CT图像域到质子CT图像域的非线性变换，实现从X光子线性衰减系数到质子CT相对阻止本领之间的跨模态数据变换，最终可以生成临床可用的合成质子CT图像，且避免了实际开发质子CT系统时所面临的技术上和工程上的困难。
-
公开(公告)号：CN115238887A
公开(公告)日：2022-10-25
申请号：CN202210847881.5
申请日：2022-07-19
Applicant: 北京航空航天大学杭州创新研究院
Abstract: 本发明公开了一种单/双能图像映射模型训练方法、系统及应用方法、系统，涉及CT成像领域，训练方法包括：基于降噪网络与图像映射网络，构建单/双能图像映射模型；获取低能CT图像和高能CT图像；采用降噪网络对低能CT图像和高能CT图像进行降噪处理；将低噪声高能CT图像和低噪声低能CT图像作差，得到低噪声高低能CT差值图像；将低噪声低能CT图像输入图像映射网络；根据图像映射网络的输出以及低噪声高低能CT差值图像，确定第一损失函数；根据第一损失函数优化图像映射网络中的参数，以对单/双能图像映射模型进行训练，得到训练好的模型。本发明能够在传统单能CT设备的基础上实现双能CT成像。
-
公开(公告)号：CN115205263A
公开(公告)日：2022-10-18
申请号：CN202210857619.9
申请日：2022-07-20
Applicant: 北京航空航天大学杭州创新研究院
Abstract: 本发明涉及一种双能CT成像模型的训练方法、系统、应用方法及系统，属于神经网络及医学影像领域，包括：构建双能CT成像模型；获取低能CT图像和对应的高能CT图像以及合成权重图；以低能CT图像为输入，以合成权重图为目标，对权重图合成子模型进行预训练；将低能CT图像输入双能CT成像模型，以高能CT图像为目标，对双能CT成像子模型的权重进行训练，得到训练好的双能CT成像子模型。本发明在双能CT成像模型中引入了增强注意力门控，通过增强注意力门控提高双能CT成像模型对于合成权重图中高、低能CT图像之间差异较大的区域的关注程度，提升了双能CT成像模型的成像精度。
-
-
-
Search Results
4
records
(took 0.06 seconds)
