基于神经网络的在体EPID剂量验证误差分类和分级算法.pdfVIP

下载本文档

0
0
约1.26万字
约 10页
2023-05-19 发布于北京
举报
版权申诉

基于神经网络的在体EPID剂量验证误差分类和分级算法.pdf

1、本文档共10页，其中可免费阅读9页，需付费10金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明公开了基于神经网络的在体EPID剂量验证误差分类和分级算法，其具体算法为：S1，采用神经网络对包含多种误差的EPID影像进行误差分类；S2，训练集的准备，分类神经网络的训练需要大量配对的数据集，输入的数据需要给出正确的标签，日常治疗过程的误差分为三类：机械误差，摆位误差以及解剖结构误差，其中模拟的机械误差包含多叶光栅到位误差以及机器输出误差，摆位误差包含平移以及旋转误差；S3，模型的结构及训练，本发明通过树状层级分类CNN模型，对患者每次治疗时采集的EPID剂量分布偏差进行分类和评估，可用

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114882296 A (43)申请公布日 2022.08.09 (21)申请号 202210737529.6 G06N 3/04 (2006.01)