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！

申请/专利权人：同济大学

摘要：本发明公开了一种基于变分自编码器的肿瘤放疗反应预测方法、系统及终端。所述预测方法包括图像采集与切片、图像融合与预处理、构建改良的变分自编码器、预训练所述改良的变分自编码器、预测放疗反应标签值等步骤。所述改良的变分自编码器中卷积层替代编码器和解码器中的全连接层。本发明引入掩码技术和KLcostannealing方法来提高编码器的特征提取能力；将二维PETpre图像和二维Dose图像进行融合，融合后的图像通过改良的VAE预训练得到隐变量，所述隐变量作为预测模型的输入变量、SUV变化值作为标签值，预测放疗中期SUV的变化，以解决现有模型输入变量单一、编码器特征提取能力较差、预测准确度较低的问题。

主权项：1.一种基于变分自编码器的肿瘤放疗反应预测方法，其特征在于，包括以下步骤：步骤S1、图像采集与切片：采集原始数据集中的三维PETpre图像和三维Dose图像，根据存在放疗剂量的点位所在的XY平面为一切片，对所述三维PETpre图像和三维Dose图像沿Z轴进行切片；所述三维PETpre图像与三维Dose图像在相同的切片方位进行同样的切片处理，得到二维PETpre图像和二维Dose图像；步骤S2、图像融合与预处理：对所述二维PETpre图像和二维Dose图像进行图像融合，得到融合后的图像数据集，再对所述融合后的图像进行掩码技术处理；将所述融合后的图像数据集分为两部分，一部分作为训练集，另一部分作为测试集，同一病人的切片图像只出现在训练集或测试集其中一种数据集中；步骤S3、构建改良的变分自编码器：用卷积层替代变分自编码器中编码器和解码器中的全连接层，并在每一层所述卷积层后加入批量归一化层、LeakyReLU层以及Dropout层；步骤S4、预训练所述改良的变分自编码器：利用所述训练集和测试集对所述改良的变分自编码器的编码器和解码器进行图像重构；引入KLcostannealing方法用于计算所述改良的变分自编码器模型的损失值；步骤S5、预测放疗中期肿瘤标准摄取值的变化：将预训练好的变分自编码器中的编码器及隐藏层部分与多层感知器连接，组成预测模型；将所述融合后的图像导入所述编码器及隐藏层部分进行降维后，隐藏层中的隐变量Z由公式z＝μ+ε×σ计算获得，其中ε从标准正态分布中采样得到，μ与σ为所述改良的变分自编码器计算出的分布均值和标准差；将隐变量Z与肿瘤标准摄取值变化值分别作为变量X和Y，传入所述预测模型中；所述多层感知器中最后一层全连接层输出维度为1，可预测放疗中期SUV的变化。

全文数据：

权利要求：

百度查询： 同济大学 基于变分自编码器的肿瘤放疗反应预测方法、系统及终端