欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2025101541173
申请人: 昆明理工大学
专利类型:发明专利
专利状态:已下证
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于遗憾-α比率的PET/CT动力学参数估计贝叶斯优化方法,其特征在于,所述方法的具体步骤如下:Step1、利用可逆的双输入三房室模型对肝脏组织的代谢活动进行建模,结合真实的TACs数据,构建用于优化的目标函数;

Step2、对初始采样点进行权重计算以用于确定相应的优化策略;所述权重基于各点的遗憾-α比率和示踪剂净流入速率进行计算,以此决定优化过程中探索参数空间更倾向于开发还是探索;

Step3、对于权重高的采样点,采用下置信限LCB作为采集函数以预测当前最优点并加入参数空间,从而更倾向于探索;对于权重低的采样点,结合LCB与遗憾-α比率的多目标优化方法指导预测最优点,在最小化两者的同时,更加关注开发当前最优解附近的区域;

Step4、 对所有病人的参数估计结果进行过拟合检测,提取所有过拟合参数结果;

Step5、对于初步优化结果中检测到过拟合的病人数据,将净流入速率和遗憾-α比率结合下置信限LCB融入贝叶斯优化框架,重新执行多目标优化,最终得出更为准确的动力学参数估计结果;

所述遗憾-α比率的计算公式为:,其中,为当前解空间中的最小目标函数值,为需要优化的黑盒目标函数的高斯过程概率模型的均值函数,为标准差,为协方差函数;

所述Step5中,多目标优化的目标函数公式为:

对于类型为normal的患者数据,多目标优化的目标函数公式为:

;

对于类型为tumor的患者数据,多目标优化的目标函数公式为:

;

其中,是解空间中所评估的所有参数点,和分别是在当前的基础上计算得到的参数点的下置信限LCB和遗憾-α比率值RSR,和代表多个优化目标的权重。

2.根据权利要求1所述的基于遗憾-α比率的PET/CT动力学参数估计贝叶斯优化方法,其特征在于:所述Step1中,目标函数是通过最小化计算模型预测的TAC值与实测TAC值之间的均方根误差RMSE来定义的。

3.根据权利要求1所述的基于遗憾-α比率的PET/CT动力学参数估计贝叶斯优化方法,其特征在于:所述Step2中,遗憾-α比率通过衡量当前采样点与最优解之间的相对差异,评估该点在当前阶段对优化结果的贡献;遗憾-α比率与示踪剂净流入速率Ki这一生理学参数相乘,最终计算得到每个采样点的权重值,优化策略根据该权重值调整探索与开发的权重,从而引导参数空间的搜索方向,逐步优化解的精度。

4.根据权利要求1所述的基于遗憾-α比率的PET/CT动力学参数估计贝叶斯优化方法,其特征在于:权重W的计算公式为:;其中,为遗憾-α比率,Ki表示示踪剂净流入速率。

5.根据权利要求1所述的基于遗憾-α比率的PET/CT动力学参数估计贝叶斯优化方法,其特征在于:所述Step4中,将那些获得了优异的RMSE值,但参数估计结果明显偏离生理学合理性的参数点定义为过拟合点。

6.根据权利要求5所述的基于遗憾-α比率的PET/CT动力学参数估计贝叶斯优化方法,其特征在于:所述Step4中,过拟合点的定义式为:;

其中,结合临床实际测量信息,和 分别为所有病人在肿瘤组织和正常组织中的 Ki 均值,为RMSE的阈值。

7.根据权利要求1所述的基于遗憾-α比率的PET/CT动力学参数估计贝叶斯优化方法,其特征在于:所述Step5中,生理学参数Ki表示18F-FDG示踪剂的净流入速率,FDG PET的摄取与组织的葡萄糖代谢成正比,不受测量时间或输入函数的影响;因此,将Ki引入贝叶斯优化框架,用于指导搜索解空间,有效地矫正参数估计结果。