[发明专利]基于影像组学的靶区及危及器官勾画轮廓准确性检验方法

权利要求书

1.一种基于影像组学的靶区及危及器官勾画轮廓准确性检验方法，其特征在于，包括：

获取图像中目标对象的勾画轮廓；

通过不同的缩放尺寸对所述勾画轮廓进行缩放，并根据预设缩放尺寸对应的缩放轮廓，以及与所述预设缩放尺寸大小相邻的不同缩放尺寸的缩放轮廓，确定所述预设缩放尺寸的差值特征；

根据所述差值特征建立针对所述预设缩放尺寸的第一神经网络模型；

根据所述第一神经网络模型测试所述勾画轮廓是否准确；

其中，根据所述第一神经网络模型测试所述勾画轮廓是否准确包括：

将所述预设缩放尺寸的差值特征输入所述第一神经网络模型，由所述第一神经网络模型输出所述预设缩放尺寸对应的差异值；

在所述差异值的落在预设的差异容许范围内，确定所述图像的勾画轮廓准确。

2.根据权利要求1所述的方法，其特征在于，通过不同的缩放尺寸对所述勾画轮廓进行缩放，并根据预设缩放尺寸对应的缩放轮廓，以及与所述预设缩放尺寸大小相邻的不同缩放尺寸的缩放轮廓，确定所述预设缩放尺寸的差值特征包括：

通过不同的缩放尺寸对所述勾画轮廓分别扩大和缩小，得到多个缩放轮廓；

提取原始轮廓，以及多个缩放轮廓的影像组学特征；

对与预设缩放尺寸相邻的两个缩放尺寸的勾画轮廓的对应的影像组学特征，分别与所述预设缩放尺寸的影像组学特征求差值，作为所述预设缩放尺寸的差值特征。

3.根据权利要求2所述的方法，其特征在于，根据所述差值特征建立针对所述预设缩放尺寸的第一神经网络模型包括：

通过第二神经网络模型对所述差值特征进行筛选，得到对所述第二神经网络模型具有分类能力的重要特征；

通过所述重要特征建立针对所述预设缩放尺寸的第一神经网络模型。

4.根据权利要求3所述的方法，其特征在于，通过第二神经网络模型对所述差值特征进行筛选，得到对所述第二神经网络模型具有分类能力的重要特征包括：

通过所述差值特征训练得到第二神经网络模型；

通过所述第二神经网络模型的特征重要性对所述差值特征进行排序；

选取所述排序中具有分类能力的范围的差值特征作为所述重要特征。

5.根据权利要求3所述的方法，其特征在于，通过所述重要特征建立针对所述预设缩放尺寸的第一神经网络模型之后，还包括：

根据所述图像确定所述第一神经网络模型的测试集；

通过所述测试集计算所述第一神经网络模型的均方误差；

在所述均方误差在误差允许范围内的情况下，确定所述第一神经网络模型训练完成。

6.根据权利要求5所述的方法，其特征在于，还包括：

在所述均方误差超出误差允许范围的情况下，重新选取所述重要特征，建立新的第一神经网络模型。

7.根据权利要求1所述的方法，其特征在于，还包括：

在所述差异值落在预设的差异容许范围之外，确定所述图像的勾画轮廓不准确；

将所述图像的勾画轮廓以及不准确的测试结果进行发送。

8.一种基于影像组学的靶区及危及器官勾画轮廓准确性检验装置，其特征在于，包括：

获取模块，用于获取图像中目标对象的勾画轮廓；

提取模块，用于通过不同的缩放尺寸对所述勾画轮廓进行缩放，并根据预设缩放尺寸对应的缩放轮廓，以及与所述预设缩放尺寸大小相邻的不同缩放尺寸的缩放轮廓，确定所述预设缩放尺寸的差值特征；

建立模块，用于根据所述差值特征建立针对所述预设缩放尺寸的第一神经网络模型；

测试模块，用于根据所述第一神经网络模型测试所述勾画轮廓是否准确；

其中，根据所述第一神经网络模型测试所述勾画轮廓是否准确包括：

将所述预设缩放尺寸的差值特征输入所述第一神经网络模型，由所述第一神经网络模型输出所述预设缩放尺寸对应的差异值；

在所述差异值的落在预设的差异容许范围内，确定所述图像的勾画轮廓准确。

9.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至7中任意一项所述的基于影像组学的靶区及危及器官勾画轮廓准确性检验方法。