[發(fā)明專利]一種多視角多尺度淋巴結(jié)假陽性抑制建模方法

有效

• 申請?zhí)枺?/td>: 202110299464.7
• 申請日: 2021-03-22
• 公開（公告）號: CN112669319B
• 公開（公告）日: 2021-11-16
• 發(fā)明（設(shè)計）人: 章毅;王自強;王晗;伍兵;張海仙;黃昊;王璟玲;曾涵江;潘震;朱昱州;黃月瑤;張許兵;劉宇航
• 申請（專利權(quán)）人: 四川大學(xué)
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62;G06N3/08;G06N3/04
• 代理公司: 成都弘毅天承知識產(chǎn)權(quán)代理有限公司 51230
• 代理人: 謝建

本發(fā)明涉及一種多視角多尺度淋巴結(jié)假陽性抑制建模方法。本發(fā)明公開了一種放射治療自動計劃設(shè)計系統(tǒng)及其構(gòu)建方法，涉及放射治療計劃系統(tǒng)領(lǐng)域，包括計劃設(shè)計輔助輪廓生成模塊、處方設(shè)置模塊、添加射野模塊、深度神經(jīng)網(wǎng)絡(luò)劑量預(yù)測模塊及優(yōu)化目標(biāo)函數(shù)生成及計劃設(shè)計模塊；所述深度神經(jīng)網(wǎng)絡(luò)劑量預(yù)測模塊用于根據(jù)同病種獲取的數(shù)據(jù)，對逆向優(yōu)化過程給出合理的劑量設(shè)計目標(biāo)；本發(fā)明深度神經(jīng)網(wǎng)絡(luò)模型經(jīng)訓(xùn)練完成后，能在數(shù)分鐘內(nèi)快速預(yù)測出放射治療患者劑量分布情況，并自動進行放射治療計劃設(shè)計，有效提高了放療科醫(yī)生的工作效率，加速了患者的放療方案制定。

技術(shù)領(lǐng)域

本發(fā)明涉及醫(yī)學(xué)影像和人工智能領(lǐng)域，具體的涉及一種多視角多尺度淋巴結(jié)假陽性抑制建模方法。

背景技術(shù)

結(jié)直腸癌是胃腸道中的常見惡性腫瘤。我國屬于結(jié)直腸癌低發(fā)地區(qū)，但今年來結(jié)直腸癌發(fā)病有顯著上升趨勢，發(fā)病率及死亡率日益升高。目前最有效的方式是腸鏡下的組織活檢，但存在一定的風(fēng)險性，因此精準(zhǔn)、無創(chuàng)影像學(xué)的方法成為了現(xiàn)在研究熱門。

在智能影響學(xué)研究中，基于深度學(xué)習(xí)的淋巴結(jié)自動檢測是重要的研究方向，F(xiàn)ast-RCNN, YOLO等深度學(xué)習(xí)領(lǐng)域中熱門的檢測算法也在肺部淋巴結(jié)智能檢測中大放異彩，輔助醫(yī)生提高檢測的準(zhǔn)確率。但與肺部淋巴結(jié)不同的是，結(jié)直腸淋巴結(jié)體積小、與周圍組織粘連性高、與血管等部位的影像學(xué)差異小等特點，因此檢測難度較大。在實際使用中，為了保持確保結(jié)節(jié)檢測的召回率，并且降低漏檢率，檢測中不可避免地引入大量假陽性樣本，加上結(jié)直腸部位中大量存在相似組織血管等，極易把相似組織后血管斷層判定成為結(jié)節(jié)。因此在檢測結(jié)節(jié)的同時產(chǎn)生大量假陽性結(jié)節(jié)，造成了檢測準(zhǔn)確率不高的問題。

本發(fā)明所要解決的技術(shù)問題是：提供一種高效的淋巴結(jié)假陽性抑制建模方法，采用多尺度多視角結(jié)合的方法，在保留正確結(jié)節(jié)檢出率的前提下，最大程度上抑制檢測的假陽性，提高結(jié)節(jié)檢測準(zhǔn)確率。

發(fā)明內(nèi)容

本發(fā)明的目的在于：針對上述存在的問題，本發(fā)明提供一種多視角多尺度淋巴結(jié)假陽性抑制建模方法。

本發(fā)明采用的技術(shù)方案如下：

一種多視角多尺度淋巴結(jié)假陽性抑制建模方法，包括如下步驟：

步驟1、通過CT檢測，獲取肺部的初始CT圖像，對初始CT圖像進行預(yù)處理，獲得標(biāo)準(zhǔn)CT影像；

步驟2、對標(biāo)準(zhǔn)CT影像進行切片處理，得到固定大小的CT切片，將固定大小的CT切片輸入到候選結(jié)節(jié)檢測模型，獲取候選結(jié)節(jié)三維坐標(biāo)；

步驟3、將步驟2中獲取的候選結(jié)節(jié)進行陽性結(jié)節(jié)與假陽性結(jié)節(jié)標(biāo)注，并經(jīng)過處理后輸入到模型中，訓(xùn)練結(jié)節(jié)假陽性分類預(yù)測模型，最后得到結(jié)節(jié)假陽性分類模型。

優(yōu)選地，對步驟1中的CT圖像預(yù)處理包括：將胃腸部的CT圖像的HU值截取值軟組織區(qū)間[-100, 200] HU，CT影像分辨率為0.75-1mm，層厚為1mm，并對圖像像素值歸一化至[0,1]，獲得標(biāo)準(zhǔn)CT影像。

優(yōu)選地，步驟2中結(jié)節(jié)檢測模型為醫(yī)學(xué)類CAD診斷系統(tǒng)，采用醫(yī)學(xué)類CAD診斷系統(tǒng)來檢測胃腸淋巴結(jié)；采用隨機森林分類器，獲得檢測結(jié)節(jié)三維坐標(biāo)。通過這種方法，在94%的敏感度的情況下，平均會得到25-35 FP/vol的假陽性結(jié)節(jié)數(shù)。采樣其他系統(tǒng)，敏感度能達到100%，但會帶來更多的假陽性結(jié)節(jié)。

優(yōu)選地，步驟3對陽性結(jié)節(jié)與假陽性結(jié)節(jié)標(biāo)注后的處理包括：以標(biāo)注后的候選結(jié)節(jié)體素位置為中心，以某一尺寸為半徑，獲取候選結(jié)節(jié)矢狀位、冠狀位、軸狀位的三視圖，將單通道三視圖疊加成三通道圖，這樣一張圖像中即包含了結(jié)節(jié)多視角信息，再將疊加后的三通道圖放入模型中訓(xùn)練。