[发明专利]鼻咽癌原发肿瘤图像识别方法及系统

说明书

本发明实施例提供一种鼻咽癌原发肿瘤图像识别方法及系统，该方法包括：采集待识别的磁共振三维图像，并对三维图像进行数据预处理；对预处理后的三维图像进行灰度偏差场的纠正处理；通过改进的直方图匹配算法对三维图像进行处理；截取三维图像中的ROI区域，并分割为预设数量的有重叠的patch；将多个patch分别输入至深度语义分割网络，获得网络输出的多个patch分别对应的识别结果；将多个识别结果进行合并，获得待识别的磁共振三维图像的鼻咽癌原发肿瘤识别结果；通过平均场迭代算法对鼻咽癌原发肿瘤识别结果进行后处理。本发明实施例能够提高肿瘤图像识别效率以及图像质量。

技术领域

本发明涉及图像处理领域，更具体地，涉及一种鼻咽癌原发肿瘤图像识别方法及系统。

背景技术

在医学领域，精准放射治疗技术已经大大提高了癌症患者的生存率。但是，这些先进的治疗方法需要对目标肿瘤的轮廓进行准确的判断，是资源密集型的。同时能预期在接下来的十年中，癌症发病率上升将继续主导全球医疗保健负担的加重。尤其在中国的部分地区，根据统计每年可以记录多达4000个新的鼻咽癌(NPC)病例。鉴于所有癌症患者中有一半将需要接受放射治疗，简化放射治疗的工作流程对于确保能达到最佳治疗效果是至关重要的，必须确保患者能在有限的放射治疗资源下对抗癌症。

近年来，人们对探索利用人工智进行诊断产生了浓厚的兴趣，并在某些领域利用AI算法建立了表现优于人类医学专家的数学模型。其中，在自动描绘鼻咽癌(NPC)原发性肿瘤(GTV)的初步研究中，可以发现人工智能(AI)作为一种强有力的方法，在正常器官分割任务中表现出相当的优势。因此有理由相信，采用深度学习构建了一个基于AI的肿瘤轮廓绘制工具，在放射治疗计划工作流程中实施AI辅助的轮廓加工方法，能有效提高医疗工作者的工作效率，在对放射治疗的需求不断增加的背景下，对缺乏放射治疗资源的中低收入国家尤其具有吸引力。同时该方法可以扩展适用于所有其他癌症类型，对未来改变放射治疗的工作流程带来实质性的推进。

发明内容

为了解决上述问题，本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的鼻咽癌原发肿瘤图像识别方法及系统。

根据本发明实施例的第一方面，提供一种鼻咽癌原发肿瘤图像识别方法，该方法包括：鼻咽癌原发肿瘤图像识别方法，其特征在于，包括：采集待识别的磁共振三维图像，并对三维图像进行数据预处理；对预处理后的三维图像进行灰度偏差场的纠正处理；通过改进的直方图匹配算法对三维图像进行处理；截取三维图像中的ROI区域，并分割为预设数量的有重叠的patch；将多个patch分别输入至深度语义分割网络，获得网络输出的多个patch分别对应的识别结果；将多个识别结果进行合并，获得待识别的磁共振三维图像的鼻咽癌原发肿瘤识别结果；通过平均场迭代算法对鼻咽癌原发肿瘤识别结果进行后处理。

其中，对预处理后的三维图像进行灰度偏差场的纠正处理，包括：将灰度偏差场纠正建模为以下问题：

v(x)＝u(x)+f(x)

其中，v为给定的图像，u为纠正后的图像，f为偏差场，x为图像的像素坐标；

其中，问题通过以下迭代过程进行求解：

其中，为第n次迭代后输出的纠正图像；为第n次迭代过程中的偏差场估计；S{.}是平滑算子，采用B样条曲线拟合；为根据上一次迭代过程输出的纠正图像给出当前纠正图像的期望值；

通过n次迭代后，若已收敛，则计算结束，取为纠正后的三维图像；否则继续进行迭代。