公开(公告)号：CN120031925A

公开(公告)日：2025-05-23

申请号：CN202411852738.0

申请日：2024-12-16

Applicant: 复旦大学附属肿瘤医院

Inventor： 范嘉伟 ,  胡伟刚 ,  王佳舟

IPC: G06T7/32 ,  A61N5/10 ,  A61B5/055 ,  G06T7/00 ,  G06T15/06 ,  G06T15/08 ,  G06N3/0464 ,  G06N3/0455

Abstract: 本发明提供一种基于磁共振影像的放射剂量计算方法、装置、设备和存储介质，采用了一种受U‑Net启发的深度残差网络架构，作为专门为MRgART量身定制的可靠剂量计算引擎，其开发了一个有效的端到端网络，仅使用MR图像进行剂量计算，促进了MR专属放射治疗剂量计算。深度学习方法消除了对形变配准的需求，并在网络的学习阶段直接将MRI数据集成到剂量计算中，标志着相比于通常依赖CT图像进行剂量计算的传统技术，这是一个显著的进步，从而提高了MRgART治疗计划过程的效率和潜在精度。在图像领域，本发明建立了距离校正锥形(DCC)通量图与剂量分布之间的直接关系，绕过了深度学习(DL)剂量计算算法中通常需要的复杂且耗时的射线追踪步骤，本方法对于在线自适应工作流程尤其有利，适用于快速剂量计算与验证。

公开(公告)号：CN110021399A

公开(公告)日：2019-07-16

申请号：CN201710839275.8

申请日：2017-09-18

Applicant: 复旦大学附属肿瘤医院

Inventor： 胡伟刚 ,  范嘉伟 ,  王佳舟 ,  章真 ,  陈帜

IPC: G16H20/30

Abstract: 本发明公开了一种放射治疗计划的自动设计方法，包括：获取多种同类型肿瘤治疗计划，并将其随机分类为第一数据集和第二数据集；构建神经网络预测模型；循环优化第一数据集和第二数据集；重复进行上述步骤，直至第一数据集或第二数据集较获得的预测结果更优或相似时，获得最优第一数据集和最优第二数据集，得到最优同类型肿瘤治疗计划；从最优同类型肿瘤治疗计划中提取治疗信息；基于治疗信息训练获得神经网络预测模型，获得已优化的预测模型；获取目标患者的治疗信息，输入已优化的预测模型，自动获得目标患者的放射治疗计划。