[發明專利]一種基于深度學習的腫瘤定位系統

有效

• 申請號: 201910605718.6
• 申請日: 2019-07-05
• 公開（公告）號: CN110378881B
• 公開（公告）日: 2020-03-24
• 發明（設計）人: 劉博;魏然;周付根
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/246;G06T7/33
• 代理公司: 北京航智知識產權代理事務所(普通合伙) 11668
• 代理人: 黃川;史繼穎

本申請公開了一種基于深度學習的腫瘤定位系統，包括用于獲取訓練數據的訓練數據生成模塊、用于估計腫瘤運動與CBCT透視圖像之間關系的腫瘤定位模型模塊、用于實現治療過程中腫瘤實時精確定位的腫瘤定位應用模塊。通過本發明的技術方案，可以應用于任意機架角度下，利用單幅CBCT透視圖像對腫瘤進行實時精確三維定位的裝置，從而滿足包含VMAT等治療模式下對腫瘤定位的臨床需要。

技術領域

本發明屬于腫瘤定位技術領域，尤其涉及一種基于深度學習的腫瘤三維定位系統。

背景技術

腫瘤追蹤治療技術是近年來發展起來的新型運動腫瘤治療技術，在臨床中得到越來越多的應用，如何在治療過程中準確估計腫瘤的位置則是腫瘤追蹤治療的關鍵。

目前，現有的腫瘤定位方法主要分為三類，分別是基于植入標記物的腫瘤定位，基于替代物的腫瘤定位以及基于X光透視圖像的腫瘤定位。基于植入標記物方法是一種比較常用的腫瘤定位方法，但植入標記物可能會引起氣胸等臨床并發癥。基于替代物的腫瘤定位不會引起氣胸等并發癥，但其依賴的替代物與腫瘤運動之間的關系可能在治療過程中發生變動，從而影響腫瘤定位精度。目前，隨著圖像處理技術與機器學習技術的發展，基于X光透視圖像的腫瘤定位吸引了越來越多研究人員的關注。然而，現有的主流放療設備上安裝的Cone Beam CT成像系統在同一時刻只能獲取單一的二維X光透視圖像，難以直接解算出腫瘤的三維空間位置。因此如何利用單幅X光透視圖像進行腫瘤三維定位是目前放療領域的研究熱點。

現有的基于單X光透視圖像的腫瘤定位方法主要分為兩類：基于配準的方法與基于回歸的方法。基于配準的方法精度較高，但由于配準迭代過程計算量過大，難以做到實時定位。基于回歸的方法可以實現對腫瘤的實時定位，但目前該類方法需要針對每一個治療角度訓練一個模型，只能應對治療過程中機架角固定不變的情況(比如定角度的IMRT,Intensity-modulated radiotherapy)，而無法應用于諸如容積調強放射治療(VMAT，Volumetric Arc Therapy)等機架角持續變化的治療模式中。

發明內容

針對現有的基于回歸的腫瘤定位方法無法應用于VMAT中的問題，本發明提供一種可以應用于任意機架角度下，利用單幅CBCT透視圖像對腫瘤進行實時精確三維定位的裝置，從而滿足包含VMAT等治療模式下對腫瘤定位的臨床需要。該裝置通過結合CBCT透視圖像與機架角度信息，構建可以描述不同角度下CBCT透視圖像與腫瘤呼吸運動之間的映射關系的回歸模型，從而實現基于任意角度的CBCT透視圖像的腫瘤實時精確三維定位。

一種基于深度學習的腫瘤定位系統，其特征在于，包括用于獲取訓練數據的訓練數據生成模塊、用于估計腫瘤運動與CBCT透視圖像之間關系的腫瘤定位模型模塊、用于實現治療過程中腫瘤實時精確定位的腫瘤定位應用模塊，其中，

所述訓練數據生成模塊的處理過程如下：

S11：構建Principal Component Analysis(PCA)呼吸運動模型：

在4D-CT圖像序列中選擇某一時相的3D-CT圖像作為參考圖像I_ref，并將其他時相的3D-CT圖像向所述參考圖像I_ref形變配準，得到一組形變場；

利用PCA方法對所述形變場降維，得到包含一個平均運動向量場和少數主運動模式P_i的呼吸運動模型；

通過調整所述主運動模式Pi的系數u_i得到從所述參考圖像I_ref到呼吸周期中任一時相t的運動向量場i為所述主運動模式Pi的序號；

利用所述運動向量場V_t對所述參考圖像I_ref進行形變變換得到對應的三維圖像I_t，所述主運動模式Pi的系數u_i是PCA呼吸運動參數；