[发明专利]一种危及器官自动勾画模型的修正方法及装置

说明书

本发明公开了一种危及器官自动勾画模型的修正方法及装置，其中，所述方法包括：基于危及器官自动勾画模型获得各器官的CT图像数据的随机场初始概率分布；分别基于appearance核和smoothing核对随机场初始概率进行卷积信息传递处理，获得标签数据信息传递结果；对标签数据信息传递结果进行滤波加权求和处理，获取滤波加权求和结果；基于加权求和结果对标签数据信息的所述随机场根据不同类别之间的兼容性进行更新，获取第一更新结果；基于第一更新结果对CT图像数据像素所属不同类别进行概率归一化，获取归一化结果；直至危及器官自动勾画模型修正收敛。在本发明实施例中，可快速模型进行修正，使其对特定的器官勾画更加精确。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种危及器官自动勾画模型的修正方法及装置。

背景技术

在现有的危及器官自动勾画模型对危及器官的CT图像数据可以有效的预测危及器官勾画以及肿瘤靶区勾画，但是对于某些器官的勾画，对于现有的深度学习预测模型的预测勾画结果并不完美，例如肝器官和肺器官就无法通过现有的经过深度学习的危及器官自动勾画模型进行精确的预测勾画，将大大提升了放射技师、肿瘤科医生做精准的危及器官勾画和肿瘤靶区勾画的难度以及所使用的时间，降低工作效率。

发明内容

本发明的目的在于克服现有技术的不足，本发明提供了一种危及器官自动勾画模型的修正方法及装置，可以对危及器官自动勾画模型进行修正，使其对特定的器官勾画更加精确，提高对应的人员的工作效率。

为了解决上述技术问题，本发明实施例提供了一种危及器官自动勾画模型的修正方法，所述方法包括：

S11：基于危及器官自动勾画模型获得各器官的CT图像数据的随机场初始概率分布；

S12：分别基于appearance核和smoothing核对CT图像数据对应的标签数据的所述随机场初始概率进行卷积信息传递处理，获得CT图像数据对应的标签数据信息传递结果；

S13：对CT图像数据对应的标签数据信息传递结果进行滤波加权求和处理，获取滤波加权求和结果；

S14：基于加权求和结果对CT图像数据对应的标签数据信息的所述随机场根据不同类别之间的兼容性进行更新，获取第一更新结果；

S15：基于第一更新结果对CT图像数据像素所属不同类别进行概率归一化，获取归一化结果；

S16：重复上述S12-S15步骤，直至危及器官自动勾画模型修正收敛。

可选的，所述基于危及器官自动勾画模型获得各器官的CT图像数据的随机场初始概率分布，包括：

基于危及器官自动勾画模型获得各器官的CT图像数据的原始勾画数据；

统计各器官的CT图像数据的原始勾画数据内部影像的灰度均值和方差；

基于所述灰度均值和方差获得CT图像数据灰度概率分布；

结合所述原始勾画数据的轮廓信息获得勾画之外的各像素点距离勾画轮廓的距离，基于所述各像素点距离勾画轮廓的距离获得CT图像数据内器官的位置概率分布；

基于所述CT图像数据灰度概率分布以及所述CT图像数据内器官的位置概率分布获得随机场初始概率分布。

可选的，所述结合所述原始勾画数据的轮廓信息获得勾画之外的各像素点距离勾画轮廓的距离，包括：

结合所述原始勾画数据的轮廓信息，利用距离函数得到勾画之外的各像素点距离勾画轮廓的距离。

可选的，所述分别基于appearance核和smoothing核对CT图像数据对应的标签数据的所述随机场初始概率进行卷积信息传递处理，获得CT图像数据对应的标签数据信息传递结果，包括：