[發明專利]基于深度學習的盆腔腫瘤CTV的自動勾畫系統

有效

• 申請號: 202110142618.1
• 申請日: 2021-02-02
• 公開（公告）號: CN112790782B
• 公開（公告）日: 2022-06-24
• 發明（設計）人: 劉守亮;魏軍;沈爍
• 申請（專利權）人: 廣州柏視醫療科技有限公司;廣州柏視數據科技有限公司
• 主分類號: A61B6/03
• 分類號: A61B6/03;A61B6/00;G06T5/50;G06T7/11
• 代理公司: 北京興智翔達知識產權代理有限公司 11768
• 代理人: 張玉梅

本發明公開了一種基于深度學習的盆腔腫瘤CTV的自動勾畫系統，其適用于盆腔淋巴引流區、宮頸癌CTV及直腸癌CTV，自動勾畫系統包括以下步驟：步驟S1：采集CT圖像數據和臨床醫生標注引流區分區，并預處理圖像數據；步驟S2：構建引流區分區深度學習分割模型；步驟S3：經過步驟S1和步驟S2處理得到CT圖像數據和臨床醫生標注引流區分區圖像，輸入網絡，訓練網絡，得到分區輪廓；步驟S4：通過分區輪廓自動生成宮頸癌CTV輪廓；以及步驟S5：通過分區輪廓自動生成直腸癌CTV輪廓。本發明的自動勾畫系統能夠根據患者病患情況和分期情況輔助醫生勾畫宮頸癌CTV和直腸癌CTV，引入的密集網絡能有效的提高盆腔淋巴引流區的識別能力。

技術領域

本發明涉及醫療影像和計算機技術領域，尤其涉及一種基于深度學習網絡的CT影像中盆腔淋巴引流區、宮頸癌CTV和直腸癌CTV自動勾畫系統。

背景技術

在放療領域，宮頸癌CTV(腫瘤靶區)和直腸癌CTV精準勾畫具有重要的臨床意義。在宮頸癌CTV和直腸癌CTV勾畫過程中，臨床醫生必須參考盆腔淋巴引流區，同時考慮病人的臨床分期和治療方案進行CTV勾畫。另外，臨床醫生在勾畫靶區時，也要結合盆腔淋巴引流區來進行勾畫。因此，盆腔淋巴引流區、宮頸癌CTV和直腸癌CTV自動勾畫具有非常重要的臨床意義。

而目前臨床上縱膈引流區、宮頸癌CTV和直腸癌CTV完全是通過臨床醫生手動勾畫。這種傳統手動方法存在以下缺點：第一，手動勾畫消耗大量時間，往往勾畫一個病人需要幾個小時；第二，勾畫容易存在客觀誤差，難以被發現，容易引起醫療事故。第三，醫生的臨床經驗決定了勾畫質量。第四，不同的醫生在考慮同一病人的臨床分期和治療方案主觀認識存在差異，導致勾畫風格存在不一致。因此，自動勾畫盆腔淋巴引流區、宮頸癌CTV和直腸癌CTV能有效的避免上述問題，同時又能輔助醫生快速、簡潔、準確、高一致性的勾畫。

公開于該背景技術部分的信息僅僅旨在增加對本發明的總體背景的理解，而不應當被視為承認或以任何形式暗示該信息構成已為本領域一般技術人員所公知的現有技術。

公開于該背景技術部分的信息僅僅旨在增加對本發明的總體背景的理解，而不應當被視為承認或以任何形式暗示該信息構成已為本領域一般技術人員所公知的現有技術。

發明內容

本發明的目的在于提供一種基于深度學習的盆腔腫瘤CTV的自動勾畫系統，其能夠根據患者病患情況和分期情況輔助醫生勾畫宮頸癌CTV和直腸癌CTV，引入的密集網絡能有效的提高盆腔淋巴引流區的識別能力。

為實現上述目的，本發明提供了一種基于深度學習的盆腔腫瘤CTV的自動勾畫系統，其適用于盆腔淋巴引流區、宮頸癌CTV及直腸癌CTV，自動勾畫系統包括以下步驟：步驟S1：采集CT圖像數據和臨床醫生標注引流區分區，并預處理圖像數據；步驟S2：構建引流區分區深度學習分割模型；步驟S3：經過步驟S1和步驟S2處理得到CT圖像數據和臨床醫生標注引流區分區圖像，輸入網絡，訓練網絡，得到分區輪廓；步驟S4：通過分區輪廓自動生成宮頸癌CTV輪廓；以及步驟S5：通過分區輪廓自動生成直腸癌CTV輪廓。

在一優選的實施方式中，步驟S1中，預處理圖像數據包括以下步驟：步驟S11：采集大量的多模態CT三維圖像和相應的臨床醫生標注引流區分區輪廓圖；步驟S12：獲得圖像身體輪廓，按照圖像身體輪廓的生成大小將CT圖像截取CT圖像；步驟S13：對二維CT圖像像素值規范化到腹部窗；步驟S14：圖像重采樣到固定大小，再歸一化；以及步驟S15：進行數據增強包括：隨機翻轉、隨機旋轉、隨機扭曲、隨機噪聲、隨機仿射變換。