公开(公告)号：CN113593672A

公开(公告)日：2021-11-02

申请号：CN202110443721.X

申请日：2021-04-23

Applicant: 安徽医科大学第一附属医院

Inventor： 梁伟 ,  吴及 ,  鹿晓亮 ,  贺志阳 ,  石佳玲 ,  丁小凤 ,  刘招弟 ,  吴昕悦

IPC: G16H20/40 ,  G06N3/04 ,  G06N3/08 ,  G06T7/10 ,  A61B6/00

Abstract: 本发明公开一种放疗靶区智能勾画方法，包括以下步骤：S1、利用稳健残差学习和挤压激励摸块得到了特征表示，并将它们合并到U‑Net结构中，作为医学图像分割的主干；S2、通过形状感知加权策略来调整模型的关注度，以突出前景面积较小的切片；S3、通过递归精化方法来精化预测，以适应更多的边界细节用于肿瘤临床靶区的勾画。本发明基于深度学习、形状感知加权策略和递归求精策略，得到一种端到端的三维卷积深度学习框架RS‑CTVNet，用于全自动全卷肿瘤临床靶区勾。

公开(公告)号：CN113593672B

公开(公告)日：2022-11-01

申请号：CN202110443721.X

申请日：2021-04-23

Applicant: 安徽医科大学第一附属医院

Inventor： 梁伟 ,  吴及 ,  鹿晓亮 ,  贺志阳 ,  石佳玲 ,  丁小凤 ,  刘招弟 ,  吴昕悦

IPC: G16H20/40 ,  G06N3/04 ,  G06N3/08 ,  G06T7/10 ,  A61B6/00

Abstract: 本发明公开一种放疗靶区智能勾画方法，包括以下步骤：S1、利用稳健残差学习和挤压激励摸块得到了特征表示，并将它们合并到U‑Net结构中，作为医学图像分割的主干；S2、通过形状感知加权策略来调整模型的关注度，以突出前景面积较小的切片；S3、通过递归精化方法来精化预测，以适应更多的边界细节用于肿瘤临床靶区的勾画。本发明基于深度学习、形状感知加权策略和递归求精策略，得到一种端到端的三维卷积深度学习框架RS‑CTVNet，用于全自动全卷肿瘤临床靶区勾。