申请/专利权人：中山大学肿瘤防治中心(中山大学附属肿瘤医院、中山大学肿瘤研究所)

申请日：2023-08-09

公开（公告）日：2024-06-14

公开（公告）号：CN117078612B

主分类号：G06T7/00

分类号：G06T7/00;G06T7/11;G06T7/62;G06V10/774;G06V10/82;A61N5/10

优先权：

专利状态码：有效-授权

法律状态：2024.06.14#授权;2023.12.05#实质审查的生效;2023.11.17#公开

摘要：本申请属于医学影像技术领域，公开了一种基于CBCT图像的快速三维剂量验证方法及装置，该方法包括：步骤S1，获取待分析CBCT图像和计划CT图像；步骤S2，基于训练好的图像转换网络将待分析CBCT图像转换成伪CT图像；步骤S3，将计划CT图像形变配准至伪CT图像；步骤S4，采用智能分割模型对伪CT图像进行智能勾画，得到器官结构图像；步骤S5，对伪CT图像进行剂量计算，得到剂量分布结果；步骤S6，基于剂量分布结果和器官结构图像进行剂量体积图分析。本申请能够实现了针对CBCT图像的快速三维剂量验证。

主权项：1.一种基于CBCT图像的快速三维剂量验证方法，其特征在于，所述方法包括：步骤S1，获取待分析CBCT图像和计划CT图像；步骤S21，构建循环一致生成对抗网络，所述循环一致生成对抗网络包括第一生成器、第一鉴别器、第二生成器和第二鉴别器；步骤S22，将训练CBCT图像输入所述第一生成器，得到训练伪CT图像；步骤S23，将所述训练伪CT图像和真实CT图像输入所述第一鉴别器进行分类；步骤S24，将所述真实CT图像输入所述第二生成器，得到训练伪CBCT图像；步骤S25，将所述训练CBCT图像和训练伪CBCT图像输入所述第二鉴别器进行分类；步骤S26，重复执行步骤S22-S25，直至所述第一生成器、所述第一鉴别器、所述第二生成器和所述第二鉴别器中的损失函数均达到预设稳定值，得到训练好的图像转换网络；所述第一生成器和所述第二生成器均包括一个矩阵大小为1×1的卷积滤波器和多个矩阵大小为3×3的卷积滤波器；所述第一鉴别器和所述第二鉴别器均包括6个卷积层，所述6个卷积层的滤波数分别为64、128、256、512、512和1，各所述卷积层的矩阵大小为4×4；各所述卷积滤波器采用零填充；步骤S2，基于训练好的图像转换网络将所述待分析CBCT图像转换成伪CT图像；步骤S3，将所述计划CT图像形变配准至所述伪CT图像；步骤S4，采用智能分割模型对所述伪CT图像进行智能勾画，得到器官结构图像；步骤S5，对所述伪CT图像进行剂量计算，得到剂量分布结果；步骤S6，基于所述剂量分布结果和所述器官结构图像进行剂量体积图分析。

全文数据：

权利要求：

百度查询： 中山大学肿瘤防治中心(中山大学附属肿瘤医院、中山大学肿瘤研究所) 一种基于CBCT图像的快速三维剂量验证方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD