[發(fā)明專利]基于深度學(xué)習(xí)網(wǎng)絡(luò)的縱隔淋巴引流區(qū)的自動勾畫方法

有效

• 申請?zhí)枺?/td>: 202110143272.7
• 申請日: 2021-02-02
• 公開（公告）號: CN112950651B
• 公開（公告）日: 2022-02-01
• 發(fā)明（設(shè)計）人: 劉守亮;魏軍;沈爍
• 申請（專利權(quán)）人: 廣州柏視醫(yī)療科技有限公司;廣州柏視數(shù)據(jù)科技有限公司
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06N3/04;G06N3/08
• 代理公司: 北京興智翔達知識產(chǎn)權(quán)代理有限公司 11768
• 代理人: 張玉梅

本發(fā)明公開了一種基于深度學(xué)習(xí)網(wǎng)絡(luò)的縱隔淋巴引流區(qū)的自動勾畫方法，其適用于CT影像，自動勾畫方法包括以下步驟：S1：采集CT圖像數(shù)據(jù)和醫(yī)生手工標注的縱隔淋巴引流區(qū)圖像，并預(yù)處理CT圖像數(shù)據(jù)和醫(yī)生手工標注的縱隔淋巴引流區(qū)圖像；S2：對預(yù)處理后的CT圖像數(shù)據(jù)進行分組，得到訓(xùn)練集、驗證集和測試集；S3：對訓(xùn)練集、驗證集及測試集進行數(shù)據(jù)增強；步驟S4：構(gòu)建深度學(xué)習(xí)分割模型；以及S5：將訓(xùn)練集中的CT圖像數(shù)據(jù)和的醫(yī)生手工標注縱隔淋巴引流區(qū)圖像輸入已經(jīng)構(gòu)建完的深度學(xué)習(xí)分割模型，訓(xùn)練迭代收斂后，保存縱隔淋巴引流區(qū)的分割模型，再進行縱隔淋巴引流區(qū)識別和預(yù)測，得到縱隔淋巴引流區(qū)的每個分區(qū)的概率圖。網(wǎng)絡(luò)可以更好的定位和分割小引流區(qū)。

技術(shù)領(lǐng)域

本發(fā)明是關(guān)于醫(yī)療圖像領(lǐng)域，特別是關(guān)于一種基于深度學(xué)習(xí)網(wǎng)絡(luò)的縱隔淋巴引流區(qū)的自動勾畫方法。

背景技術(shù)

在放療領(lǐng)域，精準的腫瘤放射放療技術(shù)能有效提高患者的療效，降低毒副作用，而精準的放療依賴的是精準的靶區(qū)輪廓。在靶區(qū)勾畫過程中，必須仔細的參考引流區(qū)引流范圍勾畫靶區(qū)。另外，縱隔淋巴引流區(qū)對于肺癌等患者的臨床分期和治療原則的制定，也有非常重要的作用。因此，引流區(qū)自動勾畫具有非常重要的臨床意義。本方法有助于臨床醫(yī)生快速、精準、高一致性地勾畫縱隔引流區(qū)。

而目前臨床上縱隔引流區(qū)完全是通過臨床醫(yī)生手動勾畫。這種方法存在以下缺點：

第一，勾畫速度慢，消耗醫(yī)生大量寶貴時間；第二，勾畫準確度依賴醫(yī)生臨床經(jīng)驗，而且需要大量的先驗臨床知識；第三，同一個醫(yī)生在不同狀態(tài)下勾畫出來的結(jié)果存在較大差異。第四，不可避免存在人為誤差。因此，在放療數(shù)字化基礎(chǔ)上，如何快速精確高一致性地幫助醫(yī)生勾畫出淋巴引流區(qū)是極其重要的。

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

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于深度學(xué)習(xí)網(wǎng)絡(luò)的縱隔淋巴引流區(qū)的自動勾畫方法，其通過引入多尺度非局部注意力模塊，網(wǎng)絡(luò)可以更好的定位和分割小引流區(qū)，同時網(wǎng)絡(luò)能更好的捕捉遠距離的解剖結(jié)構(gòu)信息改進欠分割或過分割的問題。

為實現(xiàn)上述目的，本發(fā)明提供了一種基于深度學(xué)習(xí)網(wǎng)絡(luò)的縱隔淋巴引流區(qū)的自動勾畫方法，其適用于CT影像，自動勾畫方法包括以下步驟：步驟S1：采集CT圖像數(shù)據(jù)和醫(yī)生手工標注的縱隔淋巴引流區(qū)圖像，并預(yù)處理CT圖像數(shù)據(jù)和醫(yī)生手工標注的縱隔淋巴引流區(qū)圖像；步驟S2：對預(yù)處理后的CT圖像數(shù)據(jù)進行分組，得到訓(xùn)練集、驗證集和測試集；步驟S3：對訓(xùn)練集、驗證集及測試集進行數(shù)據(jù)增強；步驟S4：構(gòu)建深度學(xué)習(xí)分割模型；以及步驟S5：將訓(xùn)練集中的CT圖像數(shù)據(jù)和醫(yī)生手工標注的縱隔淋巴引流區(qū)圖像輸入已經(jīng)構(gòu)建完的深度學(xué)習(xí)分割模型，訓(xùn)練迭代收斂后，保存縱隔淋巴引流區(qū)的分割模型，再進行縱隔淋巴引流區(qū)識別和預(yù)測，得到縱隔淋巴引流區(qū)的每個分區(qū)的概率圖。

在一優(yōu)選的實施方式中，步驟S1中的預(yù)處理CT圖像數(shù)據(jù)和醫(yī)生手工標注的縱隔淋巴引流區(qū)圖像包括以下步驟：步驟S11：采集大量的多模態(tài)和多分布CT三維圖像和相應(yīng)的臨床醫(yī)生手工勾畫的輪廓圖；步驟S12：對CT三維圖像和的醫(yī)生手工標注的縱隔淋巴引流區(qū)圖像進行重采樣，以生成具有相同物理尺度大小的圖像；步驟S13：獲取三維肺部區(qū)域和縱隔位置，依照肺部區(qū)域和縱隔位置將三維CT圖像裁剪為固定的大小；以及步驟S14：對二維CT圖像像素值規(guī)范化，根據(jù)肺窗和縱隔窗生成多分布CT圖像輸入分割網(wǎng)絡(luò)。

在一優(yōu)選的實施方式中，步驟S3中的數(shù)據(jù)增強包括：隨機翻轉(zhuǎn)、隨機旋轉(zhuǎn)、隨機扭曲、隨機噪聲、隨機仿射變換、隨機修剪。