[發(fā)明專利]基于深度學習的腫瘤靶區(qū)云檢測裝置、系統、方法及介質

有效

• 申請?zhí)枺?/td>: 202110342538.0
• 申請日: 2021-03-30
• 公開（公告）號: CN113077433B
• 公開（公告）日: 2023-04-07
• 發(fā)明（設計）人: 謝志勇;張闖;任智新
• 申請（專利權）人: 山東英信計算機技術有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/73;G06T5/00;G06N3/0464;G06N3/084;G06V10/82;G06V10/764
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 紀志超

1.一種基于深度學習的腫瘤靶區(qū)云檢測裝置，其特征在于，包括數據獲取模塊和檢測模塊，其中：

所述數據獲取模塊，用于獲取待檢測多模態(tài)醫(yī)學圖像和相應的放射源參數；

所述檢測模塊包括勾畫子模塊，所述勾畫子模塊用于利用訓練后的靶區(qū)勾畫模型對所述待檢測多模態(tài)醫(yī)學圖像中的腫瘤靶區(qū)進行勾畫；其中，所述靶區(qū)勾畫模型為利用訓練集對基于深度學習算法構建的模型進行訓練后得到的模型，所述訓練集包括多模態(tài)醫(yī)學樣本圖像和相應的樣本標簽，所述樣本標簽包括所述多模態(tài)醫(yī)學樣本圖像中的腫瘤靶區(qū)信息及相應的放射源參數；

所述勾畫子模塊包括：

預處理單元，用于對所述多模態(tài)醫(yī)學圖像進行預處理；

圖像融合單元，用于利用多模態(tài)醫(yī)學圖像融合技術得到預處理后的所述多模態(tài)醫(yī)學圖像之間的坐標對應關系，并基于所述坐標對應關系對所述多模態(tài)醫(yī)學圖像進行坐標匹配操作；

識別單元，用于利用基于卷積神經網絡的目標檢測算法對坐標匹配后的所述多模態(tài)醫(yī)學圖像中的全部目標部位進行識別，并對所述多模態(tài)醫(yī)學圖像中的腫瘤位置進行標記；

靶區(qū)勾畫單元，用于基于全部目標部位信息及腫瘤位置信息，利用三維卷積神經網絡對所述多模態(tài)醫(yī)學圖像中的腫瘤靶區(qū)進行勾畫；

所述識別單元包括提取子單元、分類子單元、修正子單元和標記子單元，其中：

所述提取子單元，具體用于在每個坐標匹配后的所述多模態(tài)醫(yī)學圖像中提取出預設數量的目標候選區(qū)，并利用卷積神經網絡對所述目標候選區(qū)進行特征提取；

所述分類子單元，具體用于將提取到的特征輸入支持向量機分類器，以對坐標匹配后的所述多模態(tài)醫(yī)學圖像中的全部目標部位進行識別；

所述修正子單元，具體用于利用回歸器對識別到的所述目標部位的候選框的位置進行修正；

所述標記子單元，具體用于通過標準攝取值法對所述多模態(tài)醫(yī)學圖像中的腫瘤位置進行標記。

2.根據權利要求1所述的基于深度學習的腫瘤靶區(qū)云檢測裝置，其特征在于，所述檢測模塊還包括劑量計算子模塊，所述劑量計算子模塊用于利用體內劑量吸收分布計算模型對放射線的吸收劑量的分布情況進行計算。

3.根據權利要求2所述的基于深度學習的腫瘤靶區(qū)云檢測裝置，其特征在于，所述劑量計算子模塊還用于利用單一均勻劑量學模型對所述放射線的吸收劑量的分布情況進行計算。

4.根據權利要求1所述的基于深度學習的腫瘤靶區(qū)云檢測裝置，其特征在于，所述預處理單元包括去噪子單元和歸一化子單元，其中：

所述去噪子單元，具體用于通過高斯濾波方法對所述多模態(tài)醫(yī)學圖像進行去噪處理；

所述歸一化子單元，具體用于對去噪后的所述多模態(tài)醫(yī)學圖像進行歸一化處理。

5.一種基于深度學習的腫瘤靶區(qū)云檢測系統，其特征在于，包括若干臺腫瘤靶區(qū)檢測客戶端和至少一臺如權利要求1至4任一項所述的基于深度學習的腫瘤靶區(qū)云檢測裝置，其中：

所述腫瘤靶區(qū)檢測客戶端用于將待檢測多模態(tài)醫(yī)學圖像和相應的放射源參數發(fā)送至所述基于深度學習的腫瘤靶區(qū)云檢測裝置，接收并基于所述基于深度學習的腫瘤靶區(qū)云檢測裝置返回的勾畫結果與吸收劑量分布情況計算結果，對所述待檢測多模態(tài)醫(yī)學圖像中的腫瘤靶區(qū)進行檢測。

6.根據權利要求5所述的基于深度學習的腫瘤靶區(qū)云檢測系統，其特征在于，所述腫瘤靶區(qū)檢測客戶端和所述基于深度學習的腫瘤靶區(qū)云檢測裝置之間的數據傳輸安全通信框架基于安全傳輸層協議構建。

7.一種基于深度學習的腫瘤靶區(qū)云檢測方法，其特征在于，應用于如權利要求1至4任一項所述的基于深度學習的腫瘤靶區(qū)云檢測裝置，包括：

接收腫瘤靶區(qū)檢測客戶端發(fā)送的待檢測多模態(tài)醫(yī)學圖像和相應的放射源參數；

利用位于所述基于深度學習的腫瘤靶區(qū)云檢測裝置上的所述勾畫子模塊對所述待檢測多模態(tài)醫(yī)學圖像中的腫瘤靶區(qū)進行勾畫；

通過通信網將勾畫結果發(fā)送至所述腫瘤靶區(qū)檢測客戶端，以便所述腫瘤靶區(qū)檢測客戶端基于所述勾畫結果對所述待檢測多模態(tài)醫(yī)學圖像中的腫瘤靶區(qū)進行檢測。