买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：沈阳航空航天大学

摘要：本发明提供一种基于深度学习的宫颈癌放疗靶区及危及器官的自动勾画方法。该自动勾画方法包括：获取宫颈癌图像数据集，并按照预设比例将宫颈癌图像数据集划分为训练集、验证集和测试集；对训练集和验证集进行预处理；搭建ResAU‑Net分割模型；构建Lovász损失函数，用于衡量训练ResAU‑Net分割模型时输出的实际值和预测值之间的差异；基于Lovász损失函数，并使用预处理后的训练数据集对ResAU‑Net分割模型进行训练，使用预处理后的验证集对ResAU‑Net分割模型进行优化，保存最优模型；将测试集输入最优模型，输出宫颈图像的宫颈癌放疗靶区及危及器官的自动勾画结果。本发明提出一种新的ResAU‑Net分割模型，该模型用于宫颈癌靶区及危机器官自动分割，实现有效的信息利用效果，大大地提升了预测精度。

主权项：1.一种基于深度学习的宫颈癌放疗靶区及危及器官的自动勾画方法，其特征在于，包括：步骤S1：获取宫颈癌图像数据集，并按照预设比例将所述宫颈癌图像数据集划分为训练集、验证集和测试集；其中，所述宫颈癌图像数据集为有标签的CT图像数据集；步骤S2：对所述训练集和验证集进行预处理；步骤S3：搭建ResAU-Net分割模型；所述ResAU-Net分割模型为编码器解码器架构，所述ResAU-Net分割模型包括：左侧编码器和右侧解码器；所述左侧编码器使用ResNet作为特征提取的前端主干网络，ResNet进行了5次降采样，包括一次7×7的卷积和4次卷积块；所述右侧解码器与左侧编码器相对应，所述右侧解码器包括4个块，每个块包括两次3×3卷积、ReLU和一次上采样操作；所述左侧编码器的最后一层之后是一个中间层，所述中间层用于连接所述左侧编码器和右侧解码器；所述左侧编码器的某一层，通过AttentionBlock与所述右侧解码器的对应的层进行连接；步骤S4：构建损失函数，用于衡量训练所述ResAU-Net分割模型时输出的实际值和预测值之间的差异；步骤S5：基于所述损失函数，并使用预处理后的训练数据集对所述ResAU-Net分割模型进行训练，使用预处理后的验证集对所述ResAU-Net分割模型进行优化，保存最优模型；步骤S6：将所述测试集输入最优模型，输出宫颈图像的宫颈癌放疗靶区及危及器官的自动勾画结果。

全文数据：

权利要求：

百度查询： 沈阳航空航天大学 基于深度学习的宫颈癌放疗靶区及危及器官的自动勾画方法