【技术实现步骤摘要】
本专利技术涉及人工智能领域，尤其是一种肿瘤电场治疗电极粘贴位置确定方法及系统。
技术介绍
1、原发性肺癌是我国最常见的恶性肿瘤。从病理和治疗角度，肺癌大致可以分为非小细胞肺癌(non small cell lung cancer，nsclc)和小细胞肺癌(small cell lungcancer，sclc)两大类，其中非小细胞肺癌约占80％～85％，包括腺癌、鳞癌等组织学亚型，其余为小细胞肺癌。受限于晚期nsclc肿瘤负荷，目前现有的局部治疗手段应用非常有限，因此全球的肺癌科学家都在开发新的局部治疗手段，试图找寻一种持续的局部治疗方式为晚期nsclc治疗增添新武器。肿瘤电场治疗(tumortreating fields，ttfields)是一种创新性的局部物理疗法，其通过便携式、无创的医疗器械实施，原理是通过低强度、中等频率(100～300khz)交流电场，作用于增殖癌细胞的微管蛋白，干扰肿瘤细胞有丝分裂，使受影响的癌细胞凋亡并抑制肿瘤生长，ttfields局部治疗目前可覆盖胸部及上腹部区域。
2、ttfields进行治疗的耗时比较长，研究表明每天使用的时间越长效果越好，通常每天的使用时间在15个小时以上，在家里使用肿瘤电场治疗仪不同于在医院，用户往往无法准确的确定治疗电极准确的粘贴位置，而电极的粘贴位置直接影响电场方向、场强、作用的细胞等，肿瘤电场治疗中电极的粘贴位置直接影响到治疗效果，如何能够让用户在家庭中准确确定ttfields中电极的粘贴位置是亟待解决的问题。
技术实现思路>
1、为了解决上述问题，本专利技术提供了一种肿瘤电场治疗电极粘贴位置确定方法，所述方法包括以下步骤：
2、s1，获取从指定角度拍摄的肿瘤电场治疗电极在用户身体的粘贴位置图像，对所述图像进行标注得到第一训练集、第二训练集和测试集，将第一训练集中的所述图像输入到detr模型中，获取所述detr模型中每个解码层的输出，将所述输出输入到对应的预测头中，得到每个解码层对应的损失；
3、s2，计算得到解码层集合，根据每个解码层对应的损失和所述解码层集合对detr模型进行训练；其中，解码层集合中的解码层对应的损失小于detr模型中位于这个解码层之后任何一个解码层对应的损失，所述解码层集合包括最后一个解码层；
4、s3，将用户拍摄的位置图像输入到训练后的detr模型中，得到电极和人体预设部位，判断识别的人体预设部位是否符合要求，如果符合，则根据所述电极、人体预设部位确定肿瘤电场治疗电极粘贴位置是否合适，如果不合适，向用户发出操作引导信息。
5、优选地，所述根据每个解码层的损失和所述解码层集合对detr模型进行训练，具体为：
6、按解码层序号从所述解码层集合中取出解码层i，如果解码层i为最后一个解码层，则直接根据解码层i对应的损失对detr模型的参数进行更新，否则，对于取出的解码层i执行以下操作：
7、s21，保存所述detr模型的参数，根据解码层i对应的损失对detr模型中所述解码器i和位于所述解码层i之前的参数进行更新，然后从第一训练集、第二训练集中随机选取至少一个图像输入到所述detr模型中；
8、s22，计算得到的第l个解码层的损失，如果第l个解码器的损失降低，则使用所述解码器i和位于所述解码层i之前的更新后的参数，替换步骤s11中保存的所述detr模型的参数中对应的参数，否则，不替换；其中l为解码器中解码层的个数。
9、优选地，所述将第一训练集中的所述图像输入到detr模型中，具体为：
10、获取超参数中的batch_size，从训练集中随机抽取batch_size个图像，根据图像的标注信息，将batch_size个图像中的每个按照拍摄角度分为正前方、正后方、侧向，记录batch_size个图像中正前方、正后方、侧向拍摄的比例；
11、将batch_size个图像分别输入到detr模型中。
12、优选地，所述从第一训练集、第二训练集中随机选取至少一个图像输入到所述detr模型中，具体为：
13、按照所述比例从第一训练集、第二训练集中选取n个图像，其中，n个图像中来自第二训练集的数量大于来自第一训练集的数量；将选取的n个图像输入到所述detr模型中；其中，n为正整数。
14、优选地，所述根据所述电极、人体预设部位确定肿瘤电场治疗电极粘贴位置是否合适，具体为：
15、获取识别的人体预设部位中名称为肩膀的识别框p1和p2,以及名称为颈部的识别框p3，计算得到识别框p1和p2的中心d1、d2，并计算得到识别框p3的下边的中点d3，将d1、d2和d3作为三角形的三个顶点，构建三角区域；
16、获取识别的电极，根据电极和三角区域的关系确定电极粘贴位置是否合适。
17、优选地，所述根据电极和三角区域的关系确定电极粘贴位置是否合适，具体为：
18、获取与识别的电极目标框的长边平行的中心线，并获取三角区域的中垂线和底边，根据所述中心线与中垂线、底边的夹角从垂线和底边中确定目标线，基于所述中心线的中点和所述目标线的中点的距离，以及所述中心线和所述目标线的夹角，确定电极粘贴位置是否合适。
19、此外，本专利技术还提供了一种肿瘤电场治疗电极粘贴位置确定系统，所述系统包括以下模块：
20、模型损失计算模块，用于获取从指定角度拍摄的肿瘤电场治疗电极在用户身体的粘贴位置图像，对所述图像进行标注得到第一训练集、第二训练集和测试集，将第一训练集中的所述图像输入到detr模型中，获取所述detr模型中每个解码层的输出，将所述输出输入到对应的预测头中，得到每个解码层对应的损失；
21、参数更新模块，用于计算得到解码层集合，根据每个解码层对应的损失和所述解码层集合对detr模型进行训练；其中，解码层集合中的解码层对应的损失小于detr模型中位于这个解码层之后任何一个解码层对应的损失，所述解码层集合包括最后一个解码层；
22、粘贴位置确定模块，用于将用户拍摄的位置图像输入到训练后的detr模型中，得到电极和人体预设部位，判断识别的人体预设部位是否符合要求，如果符合，则根据所述电极、人体预设部位确定肿瘤电场治疗电极粘贴位置是否合适，如果不合适，向用户发出操作引导信息。
23、优选地，所述根据每个解码层的损失和所述解码层集合对detr模型进行训练，具体为：
24、按解码层序号从所述解码层集合中取出解码层i，如果解码层i为最后一个解码层，则直接根据解码层i对应的损失对detr模型的参数进行更新，否则，对于取出的解码层i执行以下操作：
25、s21，保存所述detr模型的参数，根据解码层i对应的损失对detr模型中所述解码器i和位于所述解码层i之前的参数进行更新，然后从第一训练集、第二训练集中随机选取至少一个图像输入到所述detr模型中；
26、s22，计算得到的第l个解码层的损失，如果第l个本文档来自技高网...
【技术保护点】
1.一种肿瘤电场治疗电极粘贴位置确定方法，其特征在于，所述方法包括以下步骤：
2.如权利要求1所述的方法，其特征在于，所述根据每个解码层的损失和所述解码层集合对DETR模型进行训练，具体为：
3.如权利要求2所述的方法，其特征在于，所述将第一训练集中的所述图像输入到DETR模型中，具体为：
4.如权利要求3所述的方法，其特征在于，所述从第一训练集、第二训练集中随机选取至少一个图像输入到所述DETR模型中，具体为：
5.如权利要求1所述的方法，其特征在于，所述根据所述电极、人体预设部位确定肿瘤电场治疗电极粘贴位置是否合适，具体为：
6.如权利要求5所述的方法，其特征在于，所述根据电极和三角区域的关系确定电极粘贴位置是否合适，具体为：
7.一种肿瘤电场治疗电极粘贴位置确定系统，其特征在于，所述系统包括以下模块：
8.如权利要求7所述的系统，其特征在于，所述根据每个解码层的损失和所述解码层集合对DETR模型进行训练，具体为：
9.如权利要求7所述的系统，其特征在于，所述根据所述电极、人体预设
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序在被处理器执行时实现如权利要求1-6任一项所述的方法。
...【技术特征摘要】
1.一种肿瘤电场治疗电极粘贴位置确定方法，其特征在于，所述方法包括以下步骤：
2.如权利要求1所述的方法，其特征在于，所述根据每个解码层的损失和所述解码层集合对detr模型进行训练，具体为：
3.如权利要求2所述的方法，其特征在于，所述将第一训练集中的所述图像输入到detr模型中，具体为：
4.如权利要求3所述的方法，其特征在于，所述从第一训练集、第二训练集中随机选取至少一个图像输入到所述detr模型中，具体为：
5.如权利要求1所述的方法，其特征在于，所述根据所述电极、人体预设部位确定肿瘤电场治疗电极粘贴位置是否合适，具体为：
6.如权利...
【专利技术属性】
技术研发人员：李一鑫，谷倬宇，丁威正，高洁，张澎，张开上，杨慎宇，赵环，冯其，
申请(专利权)人：郑州大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。