System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种宫颈癌放疗精准定位与剂量控制系统技术方案_技高网

一种宫颈癌放疗精准定位与剂量控制系统技术方案

技术编号:40662260 阅读:4 留言:0更新日期:2024-03-18 18:55
本发明专利技术公开了一种宫颈癌放疗精准定位与剂量控制系统,其中,利用深度学习搭建宫颈图像分析模型并对宫颈图像分析模型进行训练学习,通过宫颈图像分析模型训练可以根据待检测区域的宫颈图像进行不同的宫颈癌变情况分类,提高对宫颈癌病变分析的处理效果,放疗剂量控制模块基于宫颈图像分析模型实现病灶精准定位并实现剂量的高效投放。本发明专利技术通过搭建的深度学习模型,降低了宫颈癌病灶定位和剂量控制的成本和复杂度,实现了精准和高效放疗水平,对于特定的人群实现个性化的精准化宫颈癌放疗,同时结合全自动化的宫颈癌病灶识别定位,提高医生的诊断水平,从而提高针对病人的医疗服务水平。

【技术实现步骤摘要】

本专利技术属于精准医疗,尤其涉及一种宫颈癌放疗精准定位与剂量控制系统


技术介绍

1、医学放射治疗中,精确控制放疗剂量和照射区域是至关重要的。目前,常用的放射治疗装置在照射区域和剂量分布上存在一定的限制,而且对于宫颈癌的治疗效果不佳。因此,有需要提供一种能够精确控制放疗剂量和照射区域的系统。

2、传统放射治疗装置的束形成和调控技术受限,可能无法灵活地适应复杂的病变形状。对于难以确定病灶的肿瘤或器官,比如宫颈等,精确照射变得困难。这可能导致在治疗过程中无法确保照射到全部肿瘤组织,或者过度照射健康组织。现有技术中的放疗剂量分布通常是通过单一的图像识别技术获取肿瘤的形状和位置来进行规划,因此对于病灶形状或病变区域,往往无法实现高剂量的精确投放,从而可能影响治疗效果和患者的生存率。

3、在医疗领域,深度学习在医学影像中的应用已经取得了很大的成功,可以帮助医生更准确地诊断疾病,并且随着超声图像数据的不断增长,传统方法可能无法有效处理大规模图像数据。深度学习模型可以通过并行处理和分布式计算,更好地处理大规模数据集。但深度学习模型采用的sigmoid激活函数在输入值非常大或小时,输出基本为常数,导致梯度变化接近0。

4、通过上述分析,现有技术存在的问题及缺陷为:

5、研发更先进的宫颈癌放射治疗系统:需要开发新型的宫颈癌放射治疗系统,能够灵活调整束形成和剂量分布,以适应复杂的病变形状和位置,从而提高治疗的精确性和安全性。

6、实现多种多维图像定位的精确治疗:需要开发能够精准实时跟踪肿瘤或器官的位置和形态变化的技术,使得放疗过程中能够准确地照射到移动的病灶,提高治疗效果。

7、强化剂量分布控制:需要研究和开发更精确的剂量分布控制系统,尤其是在病变区域能够实现高剂量的精确投放,以提高治疗效果。

8、如何改进深度学习模型的激活函数,使得梯度的变化更为合理。


技术实现思路

1、为解决上述技术问题,本专利技术提出了一种宫颈癌放疗精准定位与剂量控制系统。

2、在本专利技术的第一个方面,提供一种宫颈癌放疗精准定位与剂量控制系统,所述系统包括:

3、图像获取模块,获取宫颈图像及相应参数,并根据所述宫颈图像及相应参数获取此时的宫颈癌变情况类别;

4、模型构建模块,根据所述宫颈图像及相应参数和所述宫颈癌变情况类别构建宫颈图像分析模型;

5、所述图像获取模块还用于接收当前宫颈图像相应参数,并与模型构建模块相连,根据模型构建模块中的宫颈图像分析模型处理所述当前宫颈图像相应参数生成实时宫颈癌变情况类别;

6、放疗剂量控制模块,接收所述实时宫颈癌变情况类别,根据所述实时宫颈癌变情况类别进行放疗定位和剂量控制。

7、进一步地,所述宫颈图像分析模型,采用深度学习方法进行构建。

8、进一步地,所述图像获取模块,包含超声检查设备和/或阴道超声设备和/或彩超检查设备。

9、进一步地,所述图像获取模块利用所述超声检查设备获取超声检查图像,利用阴道超声设备获取阴道检查图像,利用彩超检查设备获取彩超检查图像,将所述超声检查图像的参数、所述阴道检查图像的参数和所述彩超检查图像的参数特征融合获得所述宫颈图像参数。

10、进一步地,所述深度学习方法,采用改进的sigmoid函数进行模型的训练:

11、

12、式中,为激活函数值,k为调整系数,x为输入特征值,所述输入特征值由所述宫颈图像参数获取。

13、还提供了一种宫颈癌放疗精准定位与剂量控制方法,其特征在于:

14、获取宫颈图像及相应参数,并获取此时的宫颈癌变情况类别;

15、根据所述宫颈图像及相应参数和所述宫颈癌变情况类别构建宫颈图像分析模型;

16、获取当前宫颈图像相应参数,根据宫颈图像分析模型处理所述当前宫颈图像相应参数,并生成实时宫颈癌变情况类别;

17、获取所述实时宫颈癌变情况类别,根据所述实时宫颈癌变情况类别进行放疗定位和剂量控制。

18、进一步地,所述宫颈图像分析模型,采用深度学习方法进行构建。

19、进一步地,采用超声检查设备和/或阴道超声设备和/或彩超检查设备获取所述宫颈图像参数。

20、进一步地,将超声检查图像的参数、阴道检查图像的参数和彩超检查图像的参数特征融合获得所述宫颈图像参数。

21、在进行所述特征融合前,利用resnet50模型对所述宫颈图像进行处理,处理采用波形退火衰减,具体更新机制如下,学习率σt表示为:

22、

23、其中:i为索引值;为学习率最大值,为学习率最小值,tcur为当前迭代次数,ti为总迭代次数。

24、进一步地,所述深度学习方法,采用改进的sigmoid函数进行模型的训练:

25、

26、式中,为f(x)激活函数值,k为调整系数,x为输入特征值,所述输入特征值由所述宫颈图像参数获取。

27、本专利技术的更多实施例和改进效果将结合附图和具体实施例进一步介绍。

本文档来自技高网...

【技术保护点】

1.一种宫颈癌放疗精准定位与剂量控制系统,其特征在于,所述系统包括:

2.如权利要求1所述的一种宫颈癌放疗精准定位与剂量控制系统,其特征在于:

3.如权利要求1所述的一种宫颈癌放疗精准定位与剂量控制系统,其特征在于:

4.如权利要求3所述的一种宫颈癌放疗精准定位与剂量控制系统,其特征在于:

5.如权利要求4所述的一种宫颈癌放疗精准定位与剂量控制系统,其特征在于:

6.一种宫颈癌放疗精准定位与剂量控制方法,其特征在于:

7.如权利要求6所述的一种宫颈癌放疗精准定位与剂量控制方法,其特征在于,所述宫颈图像分析模型,采用深度学习方法进行构建。

8.如权利要求7所述的一种宫颈癌放疗精准定位与剂量控制方法,其特征在于,采用超声检查设备和/或阴道超声设备和/或彩超检查设备获取所述宫颈图像参数。

9.如权利要求8所述的一种宫颈癌放疗精准定位与剂量控制方法,其特征在于,将超声检查图像的参数、阴道检查图像的参数和彩超检查图像的参数进行特征融合获得所述宫颈图像参数;

10.如权利要求9所述的一种宫颈癌放疗精准定位与剂量控制方法,其特征在于,所述深度学习方法,采用改进的sigmoid函数进行模型的训练:

...

【技术特征摘要】

1.一种宫颈癌放疗精准定位与剂量控制系统,其特征在于,所述系统包括:

2.如权利要求1所述的一种宫颈癌放疗精准定位与剂量控制系统,其特征在于:

3.如权利要求1所述的一种宫颈癌放疗精准定位与剂量控制系统,其特征在于:

4.如权利要求3所述的一种宫颈癌放疗精准定位与剂量控制系统,其特征在于:

5.如权利要求4所述的一种宫颈癌放疗精准定位与剂量控制系统,其特征在于:

6.一种宫颈癌放疗精准定位与剂量控制方法,其特征在于:

7.如权利要求6所述的一种宫颈癌放疗精准定位与剂量控制方法...

【专利技术属性】
技术研发人员:金雯李宇
申请(专利权)人:陕西省人民医院陕西省临床医学研究院
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1