-
公开(公告)号：CN113178242B
公开(公告)日：2022-04-19
申请号：CN202110449392.X
申请日：2021-04-25
Abstract: 本发明公开一种基于耦合式生成对抗网络的自动计划优化系统，包括：信息输入模块，用于输入所需数据信息；权重自动设定模块，通过基于卷积神经网络的目标函数权重因子预测模型自动设定子目标函数的权重；约束条件设置模块，通过基于BP神经网络的剂量学指征项预测模型自动设定子目标函数的约束条件；计划优化模块，利用生成对抗网络训练得到子野形状预测模型，依据上述内容，采用局部梯度算法优化目标函数获得最优剂量分布矩阵数据，生成最优计划；方案输出模块，根据计划优化模块生成的最优计划，输出计划方案。本发明利用卷积神经网络、BP神经网络、生成对抗网络优化调强放射治疗计划，使优化的过程更加高效，并提升优化结果的质量。
-
公开(公告)号：CN112669401A
公开(公告)日：2021-04-16
申请号：CN202011524919.2
申请日：2020-12-22
Applicant: 中北大学
Abstract: 本发明公开一种基于卷积神经网络的CT图像重建方法及系统，所述方法包括输入投影数据，利用前端卷积神经网络对所述投影数据进行滤波处理，反投影处理生成断层图像信息，利用后端卷积神经网络对生成的断层图像信息进行处理，以及利用处理后的断层图像和真实图像计算整个网络损失函数的值，并将损失函数的梯度信息反向逐层反馈，更新各网络层的参数值。本发明利用多层卷积神经网络处理投影数据，充分挖掘投影数据中的有用信息，有效地提高了整体神经网络模型的特征提取和信息表达能力；避免了在神经网络模型中使用全连接层，所需神经网络模型参数较少，易于实现。
-
公开(公告)号：CN113178242A
公开(公告)日：2021-07-27
申请号：CN202110449392.X
申请日：2021-04-25
Abstract: 本发明公开一种基于耦合式生成对抗网络的自动计划优化系统，包括：信息输入模块，用于输入所需数据信息；权重自动设定模块，通过基于卷积神经网络的目标函数权重因子预测模型自动设定子目标函数的权重；约束条件设置模块，通过基于BP神经网络的剂量学指征项预测模型自动设定子目标函数的约束条件；计划优化模块，利用生成对抗网络训练得到子野形状预测模型，依据上述内容，采用局部梯度算法优化目标函数获得最优剂量分布矩阵数据，生成最优计划；方案输出模块，根据计划优化模块生成的最优计划，输出计划方案。本发明利用卷积神经网络、BP神经网络、生成对抗网络优化调强放射治疗计划，使优化的过程更加高效，并提升优化结果的质量。
-
公开(公告)号：CN112669401B
公开(公告)日：2022-08-19
申请号：CN202011524919.2
申请日：2020-12-22
Applicant: 中北大学
Abstract: 本发明公开一种基于卷积神经网络的CT图像重建方法及系统，所述方法包括输入投影数据，利用前端卷积神经网络对所述投影数据进行滤波处理，反投影处理生成断层图像信息，利用后端卷积神经网络对生成的断层图像信息进行处理，以及利用处理后的断层图像和真实图像计算整个网络损失函数的值，并将损失函数的梯度信息反向逐层反馈，更新各网络层的参数值。本发明利用多层卷积神经网络处理投影数据，充分挖掘投影数据中的有用信息，有效地提高了整体神经网络模型的特征提取和信息表达能力；避免了在神经网络模型中使用全连接层，所需神经网络模型参数较少，易于实现。
-
-
-
Search Results
4
records
(took 0.016 seconds)
