[发明专利]一种自适应放疗结构自动勾画方法、设备和存储介质

权利要求书

1.一种自适应放疗结构的自动勾画方法，适于在计算设备中执行，其特征在于：包括如下步骤：

(1)输入患者数据，所述的患者数据包括患者医学影像；

(2)对患者医学影像进行预处理；

(3)利用第一级深度神经网络对患者影像中的人体器官结构进行分类定位；

所述第一级深度神经网络的训练步骤包括：

(i)把人体从头到脚依次分割成若干区域；使用独热编码或文本标签制作与上述分割区域对应的人体分类标签并对训练数据进行标注；其中，所述的标注是以文本标签或者数据编码的形式对每张训练图像标注出所包括的器官内容；

(ii)将训练数据进行插值处理；

(iii)对裁切的训练数据进行数据增强，从而增强深度卷积神经网络模型的泛化能力；

(iv)把数据增强后的训练数据输入到第一级深度卷积神经网络中，训练神经网络中各个连接层连接关系与权重系数，当验证数据集的loss值小于等于设定阈值时，得到训练好的第一级深度卷积神经网络模型；

训练包括前向传播和反向传播，一次前向传播和反向传播为一次迭代，代次数大于等于10次；

优选地，所述的步骤(ii)与步骤(iii)之间还包括根据放疗结构所在的图像位置将训练数据裁切或填充为固定尺寸的步骤；

(4)根据定位结果中包含器官的种类，选择与其相匹配的器官分割神经网络作为第二级深度神经网络对人体器官结构进行分割勾画；

所述第二级深度神经网络的训练步骤包括：

(a)将经过医生勾画完成的靶区图像作为训练数据并提取为训练图像和训练标签；在训练图像上通过训练标签标注每张训练图片中各器官轮廓点；

(b)将训练图像进行插值处理；

(c)对裁切的训练数据进行数据增强，从而增强卷积神经网络模型的泛化能力；

(d)把数据增强后的训练数据输入到卷积神经网络模型中进行训练，训练该深度卷积神经网络中各个链接层链接关系与权重系数；得到训练好的第二级卷积神经网络；

优选地，步骤(c)与步骤(d)之间，还包括根据靶区器官所在的图像位置将训练图像裁切成固定尺寸的步骤；

(5)将分割勾画结果输出。

2.根据权利要求1所述的自适应放疗结构的自动勾画方法，其特征在于：所述的放疗结构包括靶区及危及器官。

3.根据权利要求1所述的自适应放疗结构的自动勾画方法，其特征在于：步骤(1)中，所述的患者数据通过本地读取或网络传输输入到计算设备。

4.根据权利要求1所述的自适应放疗结构的自动勾画方法，其特征在于：所述的预处理是对输入的患者医学影像进行数据格式调整；所述的预处理包括统一所输入医学影像的空间分辨率和/或将医学影像裁剪为相同大小，和/或噪声归一化处理。

5.根据权利要求1所述的自适应放疗结构的自动勾画方法，其特征在于：所述的第一级、第二级深度神经网络为卷积神经网络，包括输入层、卷积层、激活层、归一化层、池化层、上采样层和输出层。

6.根据权利要求1所述的自适应放疗结构的自动勾画方法，其特征在于：所述的将分割勾画结果输出是将完成分割勾画的患者医学影像中的轮廓点转换为放疗用标准存储格式。

7.一种计算设备，包括：

一个或多个处理器；

存储器；以及

一个或多个程序，其中所述一个或多个程序存储在所述存储器中并被配置为由一个或多个处理器执行，所述的一个或多个程序包括用于上述权利要求1-6中任一所述的自适应放疗结构自动勾画方法的指令。

8.一种存储一个或多个程序的计算机可读存储介质，所述的一个或多个程序包括指令，所述指令适于由存储器加载并执行上述权利要求1-7中任一所述的自适应放疗结构自动勾画方法。