摘要
本发明公开了基于深度学习的乳腺癌保乳术后瘤床靶区自动勾画系统,属于医疗影像处理技术领域。本发明解决了传统人工勾画方式不仅耗时费力,且存在较为显著的主观差异性,且现有制定的勾画指南以规范操作流程,在临床实践中难以实现精准的标准化勾画的问题,通过利用深度学习模型DynSegGAN自动勾画瘤床靶区,可以减少医生手动勾画的工作量和人为操作的误差,提高勾画的一致性和可重复性,为临床医生提供更准确的信息,有助于提高临床决策的准确性,可以更好地实现个性化的放疗计划,提高治疗的针对性和效果。
技术关键词
乳腺癌保乳
勾画系统
深度学习模型
图像处理单元
混合损失函数
卷积架构
图像采集单元
样本
模型训练模块
掩膜
特征提取模块
通道注意力机制
标签
指标
放疗计划
患者
数据
偏差
系统为您推荐了相关专利信息
锂电池荷电状态
预测装置
卷积神经网络提取
可调谐光纤
深度学习模型
智能分析模型
智能分析系统
医学影像数据
患者
良恶性分类
节点设备
车载设备
辅助决策方法
车辆周边
深度学习模型
无人艇集群
分布式协同
路径规划方法
轨迹预测模型
综合性