买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明提供一种基于DoseTransNet模型的三维放疗剂量分布预测方法。该方法包括：获取数据集；数据集包括头颈癌数据集和宫颈癌数据集；对数据集进行预处理；按照预设比例将预处理后的头颈癌、宫颈癌数据集划分为对应的训练集、验证集和测试集；搭建DoseTransNet模型；步骤S5：构造DoseTransNet模型的损失函数；将头颈癌数据集或宫颈癌数据集对应的训练集输入DoseTransNet模型，并基于损失函数训练DoseTransNet模型；将头颈癌数据集或宫颈癌数据集中对应的验证集输入训练后的DoseTransNet模型进行优化；将头颈癌数据集或宫颈癌数据集中对应的测试集输入最终优化后的DoseTransNet模型，得到患者的三维放疗剂量分布的预测结果。本发明实现能够精确捕捉和表达CT图像、PTV和OARs之间的复杂关系，实现高精度的剂量分布预测。

主权项：1.一种基于DoseTransNet模型的三维放疗剂量分布预测方法，其特征在于，包括：步骤S1：获取数据集；其中，所述数据集包括头颈癌数据集和宫颈癌数据集；所述头颈癌数据集包括每位头颈癌患者的原始CT图像、PTV和OARs；所述宫颈癌数据集包括每位宫颈癌患者的原始CT图像、PTV和OARs；步骤S2：分别对所述头颈癌数据集和所述宫颈癌数据集进行预处理；步骤S3：按照预设比例将预处理后的头颈癌数据集和预处理后的宫颈癌数据集分别划分为对应的训练集、验证集和测试集；步骤S4：搭建DoseTransNet模型；其中，所述DoseTransNet模型为编码器解码器架构，所述DoseTransNet模型包括：PositionEmbeding、编码器部分、C-E3DA模块组和解码器部分；所述编码器部分和所述解码器部分均为M层，所述编码器部分包括：第一编码器、第二编码器、…、和第M编码器；所述解码器部分包括：第一解码器、第二解码器、…、和第M解码器；所述C-E3DA模块组由M个C-E3DA模块组成；M为大于等于3的正整数；每一编码器和每一解码器的对应层之间设置有一个C-E3DA模块；每一编码器和每一解码器均由一个E3D-TR模块组成；所述编码器部分的多个E3D-TR模块级联使用；所述解码器部分的多个E3D-TR模块级联使用；每个E3D-TR模块均包括：一个PatchEmbedding、一个DepthwiseConvolution、一个E3D多头注意力模块、一个Norm层、和一个MLP；所述PositionEmbeding，用于对输入的数据集进行特征提取，以得到图像标记令牌，并将所述图像标记令牌发送至编码器部分；所述编码器部分，用于通过各个E3D-TR模块从所述图像标记令牌中探索解剖结构之间的关系，并提取空间信息，以提取到若干个不同层次的特征表示图，将提取到的若干个不同层次的特征表示图发送至各个C-E3DA模块；所述各个C-E3DA模块，用于通过分层计算和融合策略，对所述若干个不同层次的特征表示图进行深层次的注意力计算和特征融合，以提取解剖结构之间的更深层次的语义信息，以实现更有效地捕获和表达PTV与各局部器官之间的复杂关系；所述各个C-E3DA模块，还用于将提取到的更深层次的语义信息发送给解码器部分；所述解码器部分，用于通过各个E3D-TR模块对所述更深层次的语义信息进行整合处理，以得到整合后的特征图；所述解码器部分，还用于采用上采样和卷积操作，将所述整合后的特征图逐步恢复到原始图像的空间分辨率，以便解码器部分最终生成三维放疗剂量分布图；以及所述PatchEmbedding，用于将输入的特征图分割成若干Patch，并将每个Patch转换成对应的一维嵌入向量；所述DepthwiseConvolution，用于通过深度卷积操作对每个一维嵌入向量进行局部特征提取，以针对每个注意力头分别得到对应的查询张量Q、键张量K和值张量V；所述E3D多头注意力模块，用于利用所述对应的查询张量Q、键张量K和值张量V进行多头注意力的计算，以得到多头注意力的输出特征图；所述Norm层，用于将多头注意力的输出特征图经过归一化处理；所述MLP，用于对归一化处理后的特征图进行更高层次的特征提取，以便后续通过残差连接将所述多头注意力的输出特征图直接加到MLP输出的特征图上，以得到各个E3D-TR模块输出的最终特征图；步骤S5：构造所述DoseTransNet模型的损失函数；步骤S6：将所述头颈癌数据集或宫颈癌数据集中对应的训练集输入所述DoseTransNet模型，并基于所述损失函数训练所述DoseTransNet模型；步骤S7：将所述头颈癌数据集或宫颈癌数据集中对应的验证集输入训练后的DoseTransNet模型进行优化，保存最终优化后的DoseTransNet模型；步骤S8：将所述头颈癌数据集或宫颈癌数据集中对应的测试集输入所述最终优化后的DoseTransNet模型，得到患者的三维放疗剂量分布的预测结果。

全文数据：

权利要求：

百度查询： 沈阳航空航天大学 一种基于DoseTransNet模型的三维放疗剂量分布预测方法