-
公开(公告)号：CN119380931A
公开(公告)日：2025-01-28
申请号：CN202411424541.7
申请日：2024-10-12
Applicant: 南方医科大学
Abstract: 本发明公开了一种基于个体预后预测模型引导的调强放疗计划优化方法，包括以下步骤：(1)建立患者放疗的预后模型；(2)以最佳患者预后为优化主引导，联合步骤(1)建立的预后模型和剂量统计指标构建目标函数式；(3)对步骤(2)中的目标函数式设置参数并进行数值优化求解，得到调强放疗优化计划。本发明所提出的放疗计划设计的逆向优化目标函数由剂量分布的物理统计项和可致患者的个体预后计算项加权而成，通过对应的求解最优化问题的方法自动寻找逼近上述最优目标的放疗计划剂量分布，并计算该剂量分布对应的治疗机射野强度分布，实现放疗计划设计目标从物理剂量统计分布最优向最终治疗结果最优方向升华。
-
公开(公告)号：CN110124214A
公开(公告)日：2019-08-16
申请号：CN201910437520.1
申请日：2019-05-24
Applicant: 南方医科大学
Abstract: 本发明提供一种基于预测剂量分布引导的调强放疗计划优化方法及应用。该方法包括：将患者的感兴趣区域的几何结构特征输入到经训练的神经网络模型，获得危及器官的三维剂量分布预测；以所述三维剂量分布预测作为优化引导，以感兴趣区域内的体素作为优化约束，建立射野强度分布模型，其中，该射野强度分布模型的优化目标函数包括基于三维剂量分布预测的目标项和基于等效均匀剂量的目标项；基于所述优化目标函数求解该射野强度分布模型的优化问题，获得调强放疗计划。本发明的方法利用预测三维剂量分布引导调强放疗计划计划优化，能够实现个体性优化以及体素级的精准剂量优化。
-
公开(公告)号：CN108899093A
公开(公告)日：2018-11-27
申请号：CN201810450873.0
申请日：2018-05-11
Applicant: 南方医科大学
Abstract: 本发明公开了一种调强放疗计划中剂量学指征项的预测方法，步骤如下：(1)收集有效的调强放疗计划数据形成病例数据库；(2)计算患者危及器官的与靶区距离微分分布图(dDTH)作为患者的几何特征；(3)确定感兴趣的剂量学指征项；(4)建立患者几何特征和剂量学特征之间的线性关联模型；(5)构建目标函数；(6)使用改进的bagging集成学习算法，以患者几何特征和剂量学特征作为输入，求解目标函数，从而训练出二者的关联模型；(7)使用该线性关联模型预测新患者的计划剂量学指征项值。通过上述方式，本发明能够实现调强放疗计划的剂量学指征项预测，并可应用于质量控制环节。
-
公开(公告)号：CN112634308B
公开(公告)日：2023-07-25
申请号：CN202011561430.2
申请日：2020-12-25
Applicant: 南方医科大学
IPC: G06T7/136 , G06T9/00 , G06N3/0464 , G06V10/774 , G06V10/82 , G06V10/80
Abstract: 本发明涉及医学放射治疗技术领域，尤其涉及一种基于不同感受野的鼻咽癌靶区和危及器官的勾画方法，包括以下步骤：将患者的放疗数据经过预处理后，输入至分割网络模型中，利用基于空洞卷积和金字塔结合的模型提取特征，并结合解码器输出勾画标签。本发明提出的一种基于不同感受野的鼻咽癌靶区和危及器官的勾画方法，解决了现有的勾画方法存在网络显存占用多、参数量大和运算浮点数高的问题。
-
公开(公告)号：CN110085298B
公开(公告)日：2022-02-01
申请号：CN201910341687.8
申请日：2019-04-26
Applicant: 南方医科大学
Abstract: 本发明提供一种基于深度学习的调强放疗计划三维剂量分布的预测方法。该方法包括：收集有效的调强放疗计划数据形成病例数据库；从病例数据库提取每个患者的感兴趣区域的三维解剖结构轮廓特征；将患者的感兴趣区域的三维解剖结构轮廓划分为若干的二维轮廓切片图；从病例数据库提取每个患者的剂量特征，并划分为若干的二维剂量切片分布图；搭建深度卷积网络，输入患者的二维轮廓切片图和对应的二维剂量切片分布图，通过模型训练获得解剖结构轮廓特征和剂量特征之间的关联模型；使用所训练的关联模型预测新患者的三维剂量分布。利用本发明的方法，能够有效的获得解剖结构特征与剂量特征之间的关联关系，提高剂量预测的精确性。
-
Patent Agency Ranking
-
公开(公告)号：CN119580946A
公开(公告)日：2025-03-07
申请号：CN202411631662.9
申请日：2024-11-15
Applicant: 南方医科大学
Abstract: 本发明提供一种梯度增强粒子群求解的预后引导调强放疗计划优化方法，方法包括步骤S10：构建基于预后的射野通量强度分布优化模型；步骤S20：基于所述射野通量强度分布优化模型，在解空间内随机生成一组通量分布初始化粒子群体；步骤S30：通过随机对比交互信息和梯度信息对通量分布初始化粒子群体中的粒子进行迭代更新，以寻找全局最优通量；步骤S40：判断是否满足预设终止条件，若不满足预设终止条件，则转到步骤S30继续进行迭代，若满足预设终止条件，则输出当前寻得的全局最优通量以获得调强放疗计划。本发明能够高效、快速地为患者生成预后引导的个性化的调强放疗计划，为预后引导调强计划设计的广泛临床应用奠定技术基础。
-
-
公开(公告)号：CN115861464A
公开(公告)日：2023-03-28
申请号：CN202211534514.6
申请日：2022-12-01
Applicant: 南方医科大学
IPC: G06T11/00 , G06T3/00 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明涉及基于多模MRI同步生成的伪CT合成方法，属于医学图像处理领域。该方法将单个模态MRI作为输入，同时输出多个其余模态MRI和伪CT，具体步骤包括：获取单个模态MRI，输入预设的生成器，该生成器由一个共享编码器和J个解码器构成；首先获取前J‑1个解码器生成的同期多个模态的MRI，并将共享编码器和前J‑1个解码器的中间层特征融合，以获得融合特征；将第J个解码器和融合特征进一步融合，获得伪CT图像，J为自然数。本发明能够实现一对多的多模态MRI同步生成的伪CT合成，可解决临床多模态图像获取难、成本高的问题。
-
公开(公告)号：CN112634308A
公开(公告)日：2021-04-09
申请号：CN202011561430.2
申请日：2020-12-25
Applicant: 南方医科大学
Abstract: 本发明涉及医学放射治疗技术领域，尤其涉及一种基于不同感受野的鼻咽癌靶区和危及器官的勾画方法，包括以下步骤：将患者的放疗数据经过预处理后，输入至分割网络模型中，利用基于空洞卷积和金字塔结合的模型提取特征，并结合解码器输出勾画标签。本发明提出的一种基于不同感受野的鼻咽癌靶区和危及器官的勾画方法，解决了现有的勾画方法存在网络显存占用多、参数量大和运算浮点数高的问题。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.021 seconds)
