[发明专利]基于深度神经网络的鼻咽癌放疗靶区自动分割方法

说明书

本发明公开了一种基于深度神经网络的鼻咽癌放疗靶区自动分割方法，属于鼻咽癌放疗靶区自动分割领域。本发明包括：获取患者的CT图像数据，基于CT图像数据勾画鼻咽癌放疗靶区和危及器官，并将勾画后的CT图像数据划分为训练集和验证集；构建深度神经网络分割模型，并对训练集中的训练样本进行预处理，利用预处理后的训练样本训练深度神经网络分割模型，预处理包括将训练样本的数值范围缩小至规定范围和增广训练样本；将验证集中的训练样本的数值范围缩小至规定范围，并输入至训练好的深度神经网络分割模型中，对模型的识别效果进行定量评价。本发明中仅需输入患者的CT图像数据，模型即可在短时间内自动输出鼻咽癌放疗靶区以及危及器官的分割结果。

技术领域

本发明涉及鼻咽癌放疗靶区自动分割领域，特别涉及一种基于深度神经网络的鼻咽癌放疗靶区自动分割方法。

背景技术

鼻咽癌是一种在鼻咽部位形成的恶性肿瘤，其已是目前国内最常见的癌症之一。据统计，2008年-2012年我国男性鼻咽癌患者的发病率约为7.5人/十万人，女性发病率约为2.8人/十万人。放射治疗简称放疗，放疗使用高能X射线摧毁癌细胞或减慢生长速度，放疗已成为鼻咽癌的主要治疗手段之一。患者在接受放疗之前，需拍摄计算机断层扫描图像(Computed Tomography,CT)或磁共振图像(Magnetic Resonance Imaging,MRI)，再由专业医生勾画出患者的靶区以及危及器官，从而实现摧毁癌细胞的同时，尽可能减少正常组织或器官受到的辐射影响。靶区指肿瘤所在区域和潜在的受侵组织，基于患者的CT或MRI影像，准确勾画出患者靶区的边界，这一过程在放疗中称为靶区勾画。靶区勾画是放疗的关键一步，靶区勾画范围太大将使正常器官受到辐射影响，而勾画范围过小将无法实现癌症的有效治疗。

现有的靶区勾画主要以医生手动勾画为主，根据病种不同，医生手动勾画一个病例通常需要花费若干小时的时间。手动勾画指医生基于患者的CT影像，逐张地去勾画出靶区以及危及器官。手动勾画的过程不仅耗时耗力，且勾画的准确度依赖于医生的主观经验，已有研究表明，不同医生间的勾画结果差异较大。除开医生手动勾画，目前也已有软件可实现自动勾画，这些软件主要以自动勾画危及器官为主，大部分不涉及靶区的自动勾画。这些软件使用的方法主要以模板匹配为主，即预先定义好一个模板，包括CT以及标准的勾画结果，当有一个新的待勾画的CT数据时，计算模板CT至新的CT的形变矩阵，并将该形变矩阵应用至模板的勾画结果上，即可得到新的CT数据对应的勾画结果。

从模板匹配方法的计算流程中可以看出，基于模板匹配的自动勾画的精度取决于模板是否合理，以及待勾画CT数据与模板CT间的差异。在现实情况中，病人间的个体差异往往较大，往往难以定义一个通用的模板来满足勾画的需求，这些因素严重影响了自动勾画的精度。

发明内容

本发明的目的是提供一种基于深度神经网络的鼻咽癌放疗靶区自动分割方法，能够在短时间内自动输出鼻咽癌放疗靶区以及危及器官的分割结果。

本发明解决其技术问题，采用的技术方案是：基于深度神经网络的鼻咽癌放疗靶区自动分割方法，包括：

获取患者的CT图像数据，基于所述CT图像数据勾画鼻咽癌放疗靶区和危及器官，并将勾画后的CT图像数据划分为训练集和验证集；

构建深度神经网络分割模型，并对训练集中的训练样本进行预处理，利用预处理后的训练样本训练深度神经网络分割模型，所述预处理包括将训练样本的数值范围缩小至规定范围和增广训练样本；

将验证集中的训练样本的数值范围缩小至规定范围，并输入至训练好的深度神经网络分割模型中，对模型的识别效果进行定量评价。

进一步的是，通过CT机采集拍摄患者的断层扫描图像，来获取患者的CT图像数据。

进一步的是，当获取到患者的CT图像数据后，手动勾画其中的靶区以及危及器官，作为训练和验证模型的数据。

进一步的是，所述训练集和验证集的划分比例为4：1。