摘要
本发明公开了一种基于三维影像和残差网络的肿瘤放疗反应预测方法、系统及程序产品。所述预测方法包括图像采集与切片、感兴趣区域处理与图像融合、三维特征提取、构建多门控混合专家模型、模型训练、预测放疗反应回归值、模型性能评估等步骤:首先对患者的三维PETpre影像和三维Dose影像进行预处理;其次将预处理后的图像输入硬参数共享的3D CNN网络中,提取出三维空间特征;最后将提取的三维特征作为自变量X,SUV平均值及其变化率分别作为因变量Y,输入训练好的多门控混合专家模型中进行预测。本发明通过结合ResNet和3D CNN技术,利用多任务学习策略实现了SUV平均值及其变化率的协同预测,能够更有效地利用有限的数据,提高预测的准确性和模型的泛化能力。
技术关键词
残差网络
肿瘤
图像
影像
三维特征提取
塔结构
切片
感兴趣
多通道融合方法
多任务学习策略
塔式结构
计算机程序产品
残差模块
非线性
数据
模型训练模块
特征提取模块
预测系统
尺寸
系统为您推荐了相关专利信息
生成提示词
图像生成模型
图像修复模型
网络
核密度估计方法
水平集函数
边界识别方法
主动轮廓模型
三维地质体
符号压力函数
深度卷积网络
免疫细胞
形态学特征
多通道
模型训练方法
数字分级系统
表型特征
图像采集模块
图像处理算法
特征提取算法
面部表情识别方法
分数阶傅里叶变换
表情数据库
活动形状模型
样本