[發明專利]基于神經網絡的危及器官自動勾畫方法、設備和存儲介質

有效

• 申請號: 201810239263.6
• 申請日: 2018-03-22
• 公開（公告）號: CN110310287B
• 公開（公告）日: 2022-04-19
• 發明（設計）人: 孫鑫龍;崔德琪;章樺
• 申請（專利權）人: 北京連心醫療科技有限公司
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/13;G06T15/00;G06N3/04;G06N3/08;G06V10/25
• 代理公司: 北京匯信合知識產權代理有限公司 11335
• 代理人: 孫騰

本發明屬于醫學影像技術領域，涉及一種基于三級聯卷積神經網絡的危及器官自動勾畫方法、設備和存儲介質。包括步驟：將三維醫學影像預處理后輸入到訓練好的三級聯卷積神經網絡的第一、第二、第三級網絡中依次進行識別待分割器官所存在的橫斷面、粗定位待分割器官的感興趣區域、對感興趣區域中的所有像素點進行分類，隨后輸出三維的二值分割結果；對二值分割結果進行后處理、邊緣提取及邊緣平滑后，得到自動勾畫的危及器官。其中，本發明的三級聯卷積神經網絡模型由第一級網絡、第二級網絡和第三級網絡三個卷積神經網絡級聯而成。本發明的三級聯神經網絡具有不需要先驗知識，算法泛化能力好，魯棒性強，速度快，全自動，分割準確率高的優點。

技術領域

本發明屬于醫學影像和計算機技術領域，涉及一種基于三級聯卷積神經網絡的危及器官自動勾畫方法、設備和存儲介質。

背景技術

放射治療是癌癥治療的三大手段之一，它能夠通過電離輻射來破壞癌細胞的DNA鏈，進而導致癌細胞的死亡。為了降低治療過程中射線對正常組織的影響，醫生需要在放療前制定一個周密的放療計劃。CT影像由于具有成像速度快，空間精度和分辨率高等特點，通常被用于放療計劃的制定，醫生需要在每張CT切片中精確勾畫出每個危及器官，這是一個費時費力的過程，另外，由于軟組織在CT影像中的對比度較低，例如：腮腺沒有清晰的邊界且形態復雜，這使得醫生手工勾畫時容易出錯和費時，因此需要一個準確和快速的危及器官全自動分割算法，來輔助醫生勾畫危及器官，減少計劃制定過程中的體力勞動和時間。

目前市面上的產品都是采用基于Multi-Atlas(多圖譜)配準的方法，這種方法的分割準確率取決于模板的選擇，魯棒性較差，無法適應不同醫院具有不同分辨率的CT影像數據，并且，由于采用了形變配準而導致分割時間較長。另一方面，為了提高分割的準確率，會盡量多的選擇模板，但是分割的時間也會隨著模板的增多而增加，并且目前的很多方法使用了大量的先驗知識，泛化能力差。

深度學習是一個復雜的機器學習算法，其中的卷積神經網絡近年來在圖像識別和醫學影像處理方面取得的效果，遠遠超過先前的相關技術。深度學習的核心是特征學習，旨在通過分層網絡自動獲取分層次的特征信息，從而解決以往需要人工設計特征的重要難題。

發明內容

本發明的目的在于為克服上述現有技術的缺陷而提供一種基于三級聯卷積神經網絡的危及器官自動勾畫方法、設備和存儲介質。

為實現上述目的，本發明采用以下技術方案：

本發明基于深度學習技術，設計了一種三級聯卷積神經網絡，用于準確和快速的全自動分割醫學影像中的危及器官，本發明經過臨床試驗，被證明能夠有效的在臨床中輔助醫生進行危及器官的勾畫。

一種基于三級聯卷積神經網絡的危及器官自動勾畫方法，適于在計算設備中執行，包括如下步驟：

(1)輸入三維醫學影像；

(2)對三維醫學圖像進行預處理；

(3)將預處理的三維醫學影像輸入到訓練好的三級聯卷積神經網絡的第一級網絡中識別待分割器官所存在的橫斷面；

(4)將第一級網絡篩選出的橫斷面輸入到訓練好的三級聯卷積神經網絡的第二級網絡中粗定位待分割器官的感興趣區域；

(5)對第二級網絡輸出的感興趣區域進行標準化，隨后輸入到訓練好的三級聯卷積神經網絡的第三級網絡中，對感興趣區域中的所有像素點進行分類，輸出三維的二值分割結果；

(6)對三維的二值分割結果進行后處理；

(7)對經過后處理的二值分割結果進行邊緣提取，經過邊緣平滑后，得到自動勾畫的危及器官；

其中，所述的三級聯卷積神經網絡模型由第一級網絡、第二級網絡和第三級網絡三個卷積神經網絡級聯(cascade，串聯)而成。