专利交易市场

基于肌电信号的下肢外骨骼康复机器人关节力矩预测方法和装置，其方法包括：首先采集用户的肌电、关节角度、角速度和关节力矩数据，使用神经肌肉骨骼模型对膝关节相关的四块肌肉建模，并使用麻雀优化算法对模型中使用的生理参数进行辨识，输出一个最优解，得到估计力矩。然后赋予真实力矩和估计力矩分别为的权重得到融合力矩。利用采集的数据和融合力矩训练神经网络模型，同时采用将神经肌肉骨骼模型纳入损失函数的方法，让神经肌肉骨骼模型参与神经网络模型的训练过程，增加模型的约束。最终将训练后的模型进行保存以便于后续调用。本发明具有精度较高、泛化性强的优点，同时在更少的数据量条件下，模型训练可以更快收敛。

本发明公开了一种基于扩散模型的肝脏肿瘤放疗剂量预测方法，其实施方案为：1)数据收集；2)预处理；3)构建剂量预测模型；4)构建损失函数；5)训练预测模型；6)剂量预测。本发明通过引入射束场，为剂量预测模型提供了放疗射束方向信息以及射束传播过程中的剂量沉积信息；为了高效利用输入条件信息，在噪声预测网络中，设计多分支编码器以及多条件聚合模块以实现不同输入条件信息的特征提取与聚合，设计非对称融合模块以减少输入条件信息处理过程中的信息损失。相比于传统深度学习方法，本发明可以生成更具真实性的剂量预测结果，有助于提高放疗计划设计的效率，制定个性化的治疗方案，具有较大的实际应用价值。

本发明公开了一种基于深度学习的肿瘤调强放疗剂量预测方法，其实施方案为：1)收集调强放疗计划数据；2)数据预处理；3)构建剂量预测模型；4)构建损失函数；5)训练预测模型；6)剂量预测。本发明构建的调强放疗剂量预测模型，将卷积编码器获得的深层语义特征输入到Transformer编码器，实现对语义特征重复利用的同时，通过对输入序列长距离建模获取多层次的全局特征，设计的语义场对齐模块能够灵活对齐相邻分辨率的特征图以保证强语义信息从深层到浅层的有效传播，提高了剂量预测的准确性和鲁棒性，能够快速实现剂量制定与计算，为加速放疗计划设计提供理论依据和技术支持。