一种基于深度神经网络与信任域优化的18F-FDG PET/CT肝癌动力学参数估计方法
申请号：CN202510754536
申请日期：2025-06-06
公开号：CN120690422A
公开日期：2025-09-23
类型：发明专利
摘要
本发明涉及一种基于深度神经网络与信任域优化的18F‑FDG PET/CT肝癌动力学参数估计方法，属于深度学习与肝癌辅助诊断技术领域；本发明以双输入三房室模型为基础，结合动态18F‑FDG PET/CT图像的TAC数据确定目标函数，通过构建多信任区域并引入变分自编码器VAE和预测网络生成候选解并估计函数值，利用增量学习方式不断优化神经网络；各信任区域根据历史优化结果动态调整搜索范围，协同搜索获得全局最优参数。本发明提高了参数估计的准确性和生理一致性，具有更强的全局搜索能力和鲁棒性，为肝细胞癌的早期诊断、疗效监测及精准治疗提供有效支持。
技术关键词
参数估计方法
非线性最小二乘法
编码器
肝癌辅助诊断
非暂态计算机可读存储介质
参数估计系统
深度神经网络模型
优化神经网络
处理器
索引
解码器
计算机程序产品
动态
变量
定义
测量点
系统为您推荐了相关专利信息
适配器
医学图像分割方法
医学图像数据集
注意力
核密度估计法
流模拟方法
流体力学模型
格子玻尔兹曼方法
异构
非暂态计算机可读存储介质
布鲁氏菌病
动力学模型构建方法
多宿主
平衡特征
参数
储能变流器
重构误差
元器件
储能电池
储能系统
矩阵乘积累加运算
非暂态计算机可读存储介质
切分装置
处理器
机器学习模型
