[发明专利]全身多部位放射治疗危及器官自动勾画方法

说明书

本发明实施例提供一种全身多部位放射治疗危及器官自动勾画方法，该方法采用基于点云配准方法对不同病人进行刚性配准，将大量病人的危及器官勾画结果进行配准，得到各部位危及器官的分布概率的先验知识图，并通过点云配准方法实现危及器官概率分布在待处理医学影像上的映射，得到先验概率分布，引导卷积神经网络模型的训练。使得卷积神经网络模型可以利用模型难以学习的解剖结构关联信息提高自动勾画的精度，和避免常识性的错误勾画。其中所采用的点云配准技术较传统的基于图像灰度的配准技术，具有速度更快，受噪声影响更小的优势。

技术领域

本发明涉及医疗图像领域，尤其涉及一种全身多部位放射治疗危及器官自动勾画方法。

背景技术

放射治疗是目前恶性肿瘤的重要治疗之一，精准的放射治疗技术可以大大提高了癌症患者的生存率和减少病人的放疗并发症，提高病人的生存质量。而放射治疗中的轮廓勾画是精准放射治疗的基本保障，轮廓勾画的准确度直接决定了放射治疗剂量分布的可靠性，错误的勾画可能带来严重的放射治疗事故，危及患者的生命安全。目前临床上放射治疗中轮廓的勾画一般采用人工勾画获得，人工勾画效率低，可重复性差，且严重依赖于勾画医生的经验水平。高精确度的快速自动勾画方法有利于提高临床放射治疗的效率的精准度。

近年来，深度学习等人工智能技术在医学影像处理领域取得了巨大的进展，尤其是医学图像分割上，分割准确度远优于传统方法。然而，现有的深度学习方法仅考虑待分割图像灰度，没有考虑各解剖结构之间的相关性，如相对位置关系、形状特点等，从而导致在实际分割中极易出现过分割或器官交错的问题，此类分割误差会对临床放射治疗工作带来较大的干扰，且其分割错误超出正常的解剖结构关系，医生或物理师在审核过程中依然容易出现遗漏。

公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。

发明内容

针对现有技术存在的问题，本发明实施例提供一种全身多部位放射治疗危及器官自动勾画方法。

本发明实施例提供一种全身多部位放射治疗危及器官自动勾画方法，其基于先验约束深度学习模型，并包括以下步骤：

步骤(1)：采集各类肿瘤患者放射治疗前的计划CT图像数据和危及器官轮廓勾画数据，并对其进行预处理；

步骤(2)：提取步骤(1)中采集的计划CT图像上危及器官勾画结果，并将轮廓线以内的区域赋值为1，轮廓线以外的区域赋值为0，得到每个危及器官的二进制掩模图像；

步骤(3)：对步骤(1)中采集的计划CT图像进行身体分割，将CT 值不小于-200的区域置为1，CT值大于-200的区域置为0，得到图像中的空气区域的掩模图像；保留空气区域的三维最大连通连通区域后，再将处理后的掩模图像中值为1的区域置为0，值为0的区域置为1，得到病人的身体区域的掩模图像，并将掩模图像转化为身体表面点云；

步骤(4)：选择一个病人作为参考病人，采用点云刚性配准算法将其余病人的身体表面点云配准至参考病人，得到刚性配准参数；利用刚性配准参数将对应病人的危及器官勾画掩模图像刚性映射至参考病人图像坐标系，将各个危及器官按照病人进行平均，得到各个危及器官的空间分布概率图，其取值范围为0至1的浮点数；

步骤(5)：利用步骤(4)中计算得到的刚性配准参数将步骤(4)中生成的危及器官空间分布概率图刚性映射至对应病人的图像坐标系，得到对应病人的危及器官分布的先验知识图；

步骤(6)：构建基于金字塔结构的卷积神经网络模型，将步骤(5)中处理后的计划CT图像和对应的各危及器官先验知识图谱作为卷积神经网络模型的输入，各危及器官的掩模图像作为卷积神经网络模型的输出，对卷积神经网络模型进行训练；