【技术实现步骤摘要】
本申请涉及医疗相关，具体涉及一种放射性肺炎预测方法、装置、设备及介质。
技术介绍
1、肺癌是我国发病率最高的恶性肿瘤之一，放射治疗是一种重要的治疗方法。在肺癌的放射治疗之后，会出现各种不同程度的放射性肺炎。
2、现有的治疗过程中，需要在用户肺癌治疗完成之后，出现放射性肺炎时对放射性肺炎进行治疗，但是这种方式下，无法对放射性肺炎进行提前的干预导致治疗效果不佳。
技术实现思路
1、有鉴于此，本申请的实施例致力于提供一种放射性肺炎预测方法、装置、设备及介质，以提前预测放射性肺炎，以便于提前进行治疗。
2、本申请第一方面提供了一种放射性肺炎预测方法，包括：
3、获取剂量体积直方图和剂量学信息；
4、将所述剂量体积直方图和剂量学信息输入预设的肺炎预测模型，得到预测结果；
5、其中，所述肺炎预测模型是多模态的具有分级网络的深度学习模型。
6、在一些实施例中，所述肺炎预测模型包括：特征提取模块、特征聚合模块、特征重度量模块和预测模块
7、本文档来自技高网...
【技术保护点】
1.一种放射性肺炎预测方法，其特征在于，包括：
2.根据权利要求1所述的放射性肺炎预测方法，其特征在于，所述肺炎预测模型包括：特征提取模块、特征聚合模块、特征重度量模块和预测模块；
3.根据权利要求2所述的放射性肺炎预测方法，其特征在于，所述特征提取模块包括：3D卷积神经网络和全连接神经网络；
4.根据权利要求1所述的放射性肺炎预测方法，其特征在于，所述预测结果包括：放射性肺炎级别；
5.根据权利要求1所述的放射性肺炎预测方法，其特征在于，预训练肺炎预测模型的方法包括：
6.根据权利要求1所述的放射性肺炎预测...
【技术特征摘要】
1.一种放射性肺炎预测方法，其特征在于，包括：
2.根据权利要求1所述的放射性肺炎预测方法，其特征在于，所述肺炎预测模型包括：特征提取模块、特征聚合模块、特征重度量模块和预测模块；
3.根据权利要求2所述的放射性肺炎预测方法，其特征在于，所述特征提取模块包括：3d卷积神经网络和全连接神经网络；
4.根据权利要求1所述的放射性肺炎预测方法，其特征在于，所述预测结果包括：放射性肺炎级别；
5.根据权利要求1所述的放射性肺炎预测方法，其特征在于，预训练肺炎预测模型的方...
【专利技术属性】
技术研发人员：黄玉玲，张云，龚长飞，罗明明，简俊明，王少彬，陈颀，
申请(专利权)人：江西省肿瘤医院江西省第二人民医院，江西省癌症中心，
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。