“亓孟科”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果9个，建议您升级VIP下载更多相关专利

[发明专利]基于不同感受野的鼻咽癌靶区和危及器官的勾画方法-CN202011561430.2有效
发明人：宋婷;刘裕良;周凌宏;亓孟科;陆星宇;蔡嘉俊;肖帆 -专利权人：南方医科大学
申请日： 2020-12-25 - 公布日： 2023-07-25 - 主分类号： G06T7/136 文献下载
摘要：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。
基于不同感受鼻咽癌危及器官勾画方法

[发明专利]基于多模MRI同步生成的伪CT合成方法-CN202211534514.6在审
发明人：宋婷;周炫汝;周凌宏;蔡家俊;肖帆;蔡雯雯;亓孟科;刘嘉雯 -专利权人：南方医科大学
申请日： 2022-12-01 - 公布日： 2023-03-28 - 主分类号： G06T11/00 文献下载
摘要：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。
基于 mri 同步生成 ct 合成方法

[发明专利]基于深度网络学习的调强放疗计划三维剂量分布预测方法-CN201910341687.8有效
发明人：宋婷;郭芙彤;周凌宏;吴艾茜;贾启源;亓孟科 -专利权人：南方医科大学
申请日： 2019-04-26 - 公布日： 2022-02-01 - 主分类号： G16H20/40 文献下载
摘要：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。
基于深度网络学习放疗计划三维剂量分布预测方法

[发明专利]一种高低能射束融合剂量分布的方法-CN202111158708.6在审
发明人：周凌宏;亓孟科;徐圆;宋婷;凌庆庆 -专利权人：南方医科大学
申请日： 2021-09-30 - 公布日： 2021-12-31 - 主分类号： A61N5/10 文献下载
摘要：一种高低能射束融合剂量分布的方法，通过5个步骤得到在混合照射时的最优组合和照射剂量。该高低能射束融合剂量分布的方法具有如下有益效果：(1)蒙特卡罗方法能准确实现高能电子线和低能X射线的剂量特性计算；(2)采用的迭代计算方法使得高低能照射剂量计算更加准确；(3)高低能混合照射方法消除了高能电子线和低能X射线的固有缺陷，使对象接收更加均匀的剂量照射。
一种低能融合剂量分布方法

[发明专利]基于预测剂量分布引导的调强放疗计划优化方法及应用-CN201910609968.7有效
发明人：宋婷;陆星宇;贾启源;吴艾茜;亓孟科;郭芙彤;刘裕良;周凌宏 -专利权人：南方医科大学
申请日： 2019-07-08 - 公布日： 2020-11-10 - 主分类号： A61N5/10 文献下载
摘要：本发明公开了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，该方法包括以下步骤：将患者的感兴趣区域的几何解剖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；以三维剂量分布预测作为优化引导，建立射野强度分布模型，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体积剂量的目标项；基于优化目标函数设置相关参数并求解，获得调强放疗优化计划。本发明利用预测三维剂量分布引导调强放疗计划优化，可实现个体性优化以及体素级的精准剂量优化；本发明构建等效体积目标以补偿较松的预测误差对其引导优化结果的影响，并同时提供更广阔的求解空间，保证计划最优化的前进方向。
基于预测剂量分布引导放疗计划优化方法应用

[发明专利]预测剂量分布引导的调强放疗计划优化系统、介质及设备-CN201910437520.1有效
发明人：宋婷;贾启源;陆星宇;吴艾茜;亓孟科;郭芙彤;周凌宏 -专利权人：南方医科大学
申请日： 2019-05-24 - 公布日： 2020-09-04 - 主分类号： A61N5/10 文献下载
摘要：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。
预测剂量分布引导放疗计划优化系统介质设备

[发明专利]一种基于深度卷积神经网络的伪CT合成方法及应用-CN201910773002.7在审
发明人：宋婷;亓孟科;吴艾茜;陆星宇;贾启源;郭芙彤;刘裕良;周凌宏 -专利权人：南方医科大学
申请日： 2019-08-21 - 公布日： 2019-11-19 - 主分类号： A61B5/055 文献下载
摘要：本申请涉及一种基于深度卷积神经网络的伪CT合成方法及应用。目前采用的模型需要人为提取特征，提取的特征直接影响了伪CT预测的准确性。本申请提供了一种基于深度卷积神经网络的伪CT合成方法，包括1:收集病人MRI图像、CT图像与放疗计划信息；2:将所述MRI图像体素大小与所述CT图像体素大小调整一致，然后将MRI图像和CT图像进行图像配准；3:采用深度卷积神经网络建立所述配准的MRI图像与CT图像间的关联模型，并采用深度卷积神经网络学习MRI体素强度值与CT灰度值之间的映射关系；4:使用所述关联模型预测患者的伪CT图像。合成的伪CT更加精确。
卷积神经网络体素关联模型合成大小调整放疗计划提取特征图像配准映射关系预测灰度配准申请应用学习

[发明专利]调强放疗计划中三维剂量分布的预测方法及其应用-CN201710851175.7有效
发明人：宋婷;周凌宏;孔繁图;吴艾茜;亓孟科 -专利权人：南方医科大学
申请日： 2017-09-20 - 公布日： 2019-06-07 - 主分类号： G01T1/29 文献下载
摘要：本发明公开了一种调强放疗计划中三维剂量分布的预测方法，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)根据CT图像的分辨率大小，将患者的靶区(PTV)、各个危及器官划分为若干个小体素；(3)提取数据库中每个患者的解剖特征；(4)提取数据库中每个患者的剂量特征；(5)搭建人工神经网络，输入患者的解剖特征和剂量特征，借助人工神经网络学习出解剖特征和剂量特征之间的映射关系，得到二者的关联模型；(6)使用关联模型预测新患者的三维剂量分布。上述方法的应用为采用上述剂量分布预测方法，进行患者危及器官的剂量预测，并实现质量控制。通过上述方式，本发明能够实现调强放疗计划的三维剂量分布预测，并可应用于质量控制环节。
放疗计划三维剂量分布预测方法及其应用

[发明专利]一种基于指征项预测的自动放疗计划质量评价方法-CN201810450181.6在审
发明人：宋婷;吴艾茜;亓孟科;郭芙彤;周凌宏 -专利权人：南方医科大学
申请日： 2018-05-11 - 公布日： 2018-10-12 - 主分类号： G16H40/20 文献下载
摘要：本发明公开了一种基于指征项预测的自动放疗计划质量评价方法，步骤如下：(1)确定感兴趣的剂量学指征项；(2)收集高质量的计划形成计划数据库，构建从该数据集中自动学习出的DEs项与患者解剖结构特性间的关联模型，并得到该模型在各指征项的普遍拟合误差分布；(3)计算误差均值μj和标准差σj；(4)确定误差容忍范围kj,从而设置置信区间；(5)对于数据库外的一个患者计划，根据第j个DEs项误差值落入置信区间内的不同位置，设定质量表现pj；(6)计算综合质量评分P＝∑jwjpj；(7)将综合质量评分P与已设定的阈值δ进行比较，当P≥δ时，认为该计划质量合格，否则认为计划质量不合格。
放疗计划置信区间质量评价计划数据库关联模型计算误差解剖结构拟合误差数据集中自动学习标准差剂量学预测构建数据库表现

1
共 9 条