[發明專利]一種基于深度神經網絡的腦轉移瘤分割系統及其構建方法

有效

• 申請號: 202110261890.1
• 申請日: 2021-03-10
• 公開（公告）號: CN112634273B
• 公開（公告）日: 2021-08-13
• 發明（設計）人: 王曉宇;章毅;陳兢
• 申請（專利權）人: 四川大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T5/40;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 成都弘毅天承知識產權代理有限公司 51230
• 代理人: 謝建

本發明公開了一種基于深度神經網絡的腦轉移瘤分割系統及其構建方法，涉及圖像分割領域，包括數據預處理模塊、模型構建模塊及模型訓練模塊；所述數據預處理模塊用于消除MRI圖像數據中的無關因素，使用精確直方圖匹配算法進行處理用于避免不同的來源數據間存在的差異，使用數據增廣的方法來獲取一個更加魯棒的模型構建模塊；所述模型構建模塊用于通過設計的深度神經網絡模型從輸入MRI圖像數據中提取抽象特征；模型訓練模塊用于在構建完深度神經網絡模型后，對模型構建模塊中構建的模型進行訓練，找到一組合適的權值，使得深度神經網絡模型對目標函數最小。相對于現有技術本發明提供了一種比較成熟的腦轉移瘤靶區自動勾畫系統。

技術領域

本發明涉及圖像分割領域，具體的涉及一種基于深度神經網絡的腦轉移瘤分割系統及其構建方法。

背景技術

腦轉移瘤是原發于中樞神經系統以外，通過不同途徑播散進入腦組織的腫瘤，是目前成人最常見的顱內腫瘤，是全身性腫瘤致殘致死的主要原因。其發病率正隨著全身腫瘤治療的進展和腫瘤總生存期的延長而不斷增長。全腦放射治療(WBRT)來是治療腦轉移瘤的主要手段之一，降低腦轉移瘤的死亡率，改善了生存質量，但其顯著的降低患者神經認知功能。近年來，越來越多的證據支持使用立體定向放射外科(SRS)，外科(SRS)作為單一療法得到了廣泛的應用，且神經認知副作用最少。全腦放療(WBRT)通常只適用于非常彌漫性疾病或沒有可靠的全身藥物的軟腦膜病變。

立體定向放射外科(SRS)是應用離子射線通過精確靶點照射來治療顱內疾病的一種無創不開顱的治療方法。患者在接受SRS治療之前，需拍攝磁共振圖像（MagneticResonance Imaging, MRI），再由專業醫生精確勾畫出患者的靶區，實現摧毀癌細胞的同時，盡可能減少正常組織或器官受到的輻射影響。靶區指腫瘤所在區域和潛在的受侵組織，基于患者的MRI影像，準確勾畫出患者靶區的邊界，這一過程在伽瑪刀治療中稱為靶區勾畫。靶區勾畫是放療的關鍵一步，靶區勾畫范圍太大將使正常器官受到輻射影響，而勾畫范圍過小將無法實現癌癥的有效治療。但是目前暫未有比較成熟的腦轉移瘤靶區自動勾畫系統。

發明內容

本發明的目的在于：針對上述存在的問題，本發明提供了一種基于深度神經網絡自動分割MRI上腦轉移瘤靶區，提供一種基于深度神經網絡的腦轉移瘤分割系統及其構建方法。

本發明采用的技術方案如下：

一種基于深度神經網絡的腦轉移瘤分割系統，包括數據預處理模塊、模型構建模塊及模型訓練模塊；

所述數據預處理模塊對腦部MRI圖像數據進行腦部區域提取以消除MRI圖像數據中的無關因素；使用精確直方圖匹配算法進行處理腦部MRI圖像以避免不同的來源數據間存在的差異；使用數據增廣的方法擴充訓練樣本的多樣性，來獲取一個更加魯棒的模型構建模塊；

所述模型構建模塊用于通過設計的深度神經網絡模型從輸入MRI圖像數據中提取抽象特征，并根據提取到的抽象特征進行預測；

模型訓練模塊用于在構建完深度神經網絡模型后，對模型構建模塊中構建的模型進行訓練，找到一組合適的權值，使得深度神經網絡模型對目標函數最小。

其中，神經網絡由神經元以及神經元之間的連接組成，神經網絡分為輸入層、隱藏層和輸出層。而深度神經網絡通過多個隱藏層從輸入圖像中提取抽象特征，并由輸出層根據提取到的特征進行預測。深度神經網絡與淺層神經網絡相比，“深度”體現在隱層數量更多，連接方式更加靈活和復雜，具有更強大的非線性表達能力，能從輸入圖像中提取到更本質特征，從而實現更高精度的預測。

優選地，所述模型構建模塊設計的深度神經網絡模型包括編碼模塊、融合模塊、解碼模塊三個模塊；

所述編碼模塊的編碼器由一系列的下采樣模塊構成，下采樣模塊之間使用2x2最大池化層連接，池化層用于提取MRI圖像數據的特征，同時每個下采樣模塊都與同級和下級的特征融合模塊之間存在特征圖的傳輸，使多層次特征能夠得到很好的融合；