[發(fā)明專利]基于深度學習的CT影像乳腺癌臨床靶區(qū)的自動勾畫系統(tǒng)有效
| 申請?zhí)枺?/td> | 202110772940.2 | 申請日: | 2021-07-08 |
| 公開(公告)號: | CN113288193B | 公開(公告)日: | 2022-04-01 |
| 發(fā)明(設計)人: | 魏軍;蔣雪;田孟秋;謝培梁 | 申請(專利權)人: | 廣州柏視醫(yī)療科技有限公司 |
| 主分類號: | A61B6/03 | 分類號: | A61B6/03;A61B6/00;G06N3/04;G06N3/08;G06T3/60;G06T7/11 |
| 代理公司: | 北京興智翔達知識產(chǎn)權代理有限公司 11768 | 代理人: | 郭衛(wèi)芹 |
| 地址: | 510530 廣東省廣州*** | 國省代碼: | 廣東;44 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 深度 學習 ct 影像 乳腺癌 臨床 自動 勾畫 系統(tǒng) | ||
本發(fā)明公開了一種基于深度學習的CT影像乳腺癌臨床靶區(qū)的自動勾畫系統(tǒng),包括:數(shù)據(jù)采集:首先從醫(yī)院采集乳腺癌患者接受放療前的CT影像以及醫(yī)生手動勾畫的臨床靶區(qū)的輪廓數(shù)據(jù);數(shù)據(jù)預處理:對采集的臨床靶區(qū)的輪廓數(shù)據(jù)進行預處理后,按照8:2的比例劃分為訓練集和測試集;模型訓練:將預處理之后的訓練集送入搭建的卷積神經(jīng)網(wǎng)絡中進行模型訓練,當測試集的損失函數(shù)達到最小時,停止訓練;以及預測結果融合:利用上述模型進行預測可得到頸部引流區(qū)的掩膜、乳房靶區(qū)的掩膜及內(nèi)乳引流區(qū)的掩膜,將上述三個掩膜進行后處理融合成一個整體的乳腺癌臨床靶區(qū)。本發(fā)明的自動勾畫系統(tǒng)能夠減少放療時醫(yī)生勾畫乳腺癌靶區(qū)的時間,并可提高醫(yī)生勾畫結果的一致性。
技術領域
本發(fā)明是關于醫(yī)學圖像處理技術領域,特別是關于一種基于深度學習的CT影像乳腺癌臨床靶區(qū)的自動勾畫系統(tǒng)。
背景技術
據(jù)全球統(tǒng)計數(shù)據(jù)顯示,乳腺癌已經(jīng)成為全球女性多發(fā)的惡性腫瘤之一,且隨著生活水平的提高,乳腺癌的發(fā)病率逐年提升且發(fā)病年齡日益年輕化。隨著醫(yī)療手段的進步,放射治療技術已經(jīng)成為乳腺癌主要治療手段之一,乳腺癌放療可以大大提高病人的生活質量,同時提高患者的生存率。然而靶區(qū)勾畫是放射治療的關鍵點也是難點,靶區(qū)勾畫耗費醫(yī)生大量的時間和精力,且完全依賴醫(yī)生的臨床經(jīng)驗,主觀性較強,因此靶區(qū)自動勾畫應運而生。
目前乳腺癌臨床靶區(qū)的勾畫主要存在以下幾種技術:第一種為醫(yī)生手動勾畫,這種技術關鍵點在于醫(yī)生,臨床醫(yī)生根據(jù)經(jīng)驗進行靶區(qū)勾畫,一致性較差,且耗費醫(yī)生大量的時間和精力。第二種為模板匹配,這種技術需要醫(yī)生挑選模板,在勾畫時,先進行圖像配準,然后將模板的靶區(qū)通過配準矩陣融合到病人圖像上。第三種為利用深度學習進行乳房靶區(qū)自動勾畫,這種技術需要收集大量數(shù)據(jù),訓練網(wǎng)絡模型,利用訓練較好的模型進行靶區(qū)自動勾畫。
醫(yī)生手動勾畫靶區(qū),一方面,CT影像的層數(shù)較多,導致醫(yī)生手動勾畫耗費較長時間,加重醫(yī)生負擔。另一方面,每個病人獨特的解剖結構以及拍攝CT影像時不同擺位的差異,還有放療醫(yī)生的主觀經(jīng)驗,這些因素都導致靶區(qū)勾畫的結果過于主觀,不同醫(yī)生勾畫的靶區(qū)存在較大差異,對放療效果評估會產(chǎn)生非常不利的影響。
基于模板匹配的乳腺癌臨床靶區(qū)勾畫主要依賴醫(yī)生選擇的模板以及配準算法的精度。在進行靶區(qū)勾畫時,需要首先進行圖像配準,圖像配準的精度直接影響靶區(qū)勾畫的準確度,并且圖像配準對圖像的完整性要求較高,缺層以及不同層厚拼接的CT影像都會導致配準失敗進而導致靶區(qū)勾畫失敗。
目前現(xiàn)有的基于深度學習的乳腺癌臨床靶區(qū)勾畫方法主要集中在勾畫乳房區(qū)域的靶區(qū),然而忽略了內(nèi)乳引流區(qū)和頸部引流區(qū),其次,現(xiàn)存的多種方法僅考慮到二維區(qū)域上乳房靶區(qū)的勾畫,忽略了三維上靶區(qū)的連續(xù)性,導致靶區(qū)三維連續(xù)性較差,進而導致放療時劑量的差異較大。
公開于該背景技術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(xiàn)有技術。
發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種基于深度學習的CT影像乳腺癌臨床靶區(qū)的自動勾畫系統(tǒng),其能夠減少乳腺癌病人放療時醫(yī)生勾畫靶區(qū)的時間,并可提高醫(yī)生勾畫的一致性。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于廣州柏視醫(yī)療科技有限公司,未經(jīng)廣州柏視醫(yī)療科技有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110772940.2/2.html,轉載請聲明來源鉆瓜專利網(wǎng)。
- 上一篇:一種雙壁鉆具裝配裝置及裝配方法
- 下一篇:腔體器官射頻熱消融系統(tǒng)





