一种靶区图像分割系统及装置制造方法及图纸

技术编号:21852133 阅读:24 留言:0更新日期:2019-08-14 00:42
本发明专利技术实施例公开了一种靶区图像分割系统及装置。该系统可以包括:处理器,其被配置成:获取目标对象的图像,以及,图像中包含的待分割靶区的信息;根据待分割靶区的信息确定至少一个靶区分割模型,至少一个靶区分割模型中的每个靶区分割模型用于分割不同的子区域;将图像分别输入至每个靶区分割模型,得到每个子区域的分割图像,并根据各个子区域的分割图像确定目标对象的靶区分割图像。本发明专利技术实施例的技术方案,可以根据待分割靶区的信息灵活组合各个靶区分割模型,以便更加快速且精准的获得靶区分割图像,有效解决了医师在图像上手动勾画靶区时带来的过程繁琐且耗时较长的问题。

A Target Image Segmentation System and Device

【技术实现步骤摘要】
一种靶区图像分割系统及装置
本专利技术实施例涉及图像处理
,尤其涉及一种靶区图像分割系统及装置。
技术介绍
放射治疗、化学药物治疗、手术治疗等是肿瘤治疗的主要手段。特别地,与上述手段密切相关的靶区勾画的精确度将直接影响治疗效果。由于每名病患的靶区的差异性较大,需要医师在靶区图像上手动勾画靶区,但是勾画过程过于繁琐且耗时较长。
技术实现思路
本专利技术实施例提供了一种靶区图像分割系统及装置,可以根据目标对象的靶区的特异性自动分割图像,得到目标对象的靶区分割图像。第一方面,本专利技术实施例提供了一种靶区图像分割系统,可以包括:处理器,其被配置成:获取目标对象的图像,以及,图像中包含的待分割靶区的信息;根据待分割靶区的信息确定至少一个靶区分割模型,至少一个靶区分割模型中的每个靶区分割模型用于分割不同的子区域;将图像分别输入至每个靶区分割模型,得到每个子区域的分割图像,并根据各个子区域的分割图像确定目标对象的靶区分割图像。可选的,根据待分割靶区的信息确定至少一个靶区分割模型,可以包括:根据待分割靶区的信息中的第一信息确定对应关系,其中,对应关系包括待分割靶区的信息中的第二信息和靶区分割模型的对应关系;根据第二信息和对应关系确定至少一个靶区分割模型。可选的,在上述系统的基础上,该系统中的处理器还可以被配置成:获取历史对象的历史图像,以及,历史对象中每个历史子区域的历史分割图像,并将历史图像和历史分割图像作为一组训练样本;基于多个训练样本对原始神经网络模型进行训练,以得到每个历史子区域的靶区分割模型。可选的,获取历史对象中每个历史子区域的历史分割图像,可以包括:根据接收到的用户在历史图像中的勾画结果,以及,历史对象的各个历史子区域,分别获取每个历史子区域的历史分割图像。可选的,获取历史对象中每个历史子区域的历史分割图像,可以包括:基于预设的图谱自动分割方法和/或预设的人工智能自动分割方法,分别获取历史对象中每个历史子区域的历史分割图像。可选的,获取图像中包含的获取待分割靶区的信息,可以包括:基于预设放疗记录信息提取方法、预设医学影像的自动识别方法中的至少一个,获取图像中包含的待分割靶区的信息。可选的,待分割靶区的信息可以包括肿瘤分级、肿瘤分期、肿瘤分类中的至少一个。第二方面,本专利技术实施例还提供了一种靶区图像分割装置,该装置可包括:数据获取模块,用于获取目标对象的图像,以及,图像中包含的待分割靶区的信息;模型确定模块,用于根据待分割靶区的信息确定至少一个靶区分割模型,至少一个靶区分割模型中的每个靶区分割模型用于分割不同的子区域;图像分割模块,用于将图像分别输入至每个靶区分割模型,得到每个子区域的分割图像,并根据各个子区域的分割图像确定目标对象的靶区分割图像。可选的,模型确定模块,具体可以包括:对应关系确定单元,用于根据待分割靶区的信息中的第一信息确定对应关系,对应关系包括待分割靶区的信息中的第二信息和靶区分割模型的对应关系;模型确定单元,用于根据第二信息和对应关系确定至少一个靶区分割模型。可选的,在上述装置的基础上,该装置还可包括:训练样本生成模块,用于获取历史对象的历史图像,以及,历史对象中每个历史子区域的历史分割图像,将历史图像和历史分割图像作为一组训练样本;模型得到模块,用于基于多个训练样本对原始神经网络模型进行训练,以得到每个历史子区域的靶区分割模型。本专利技术实施例的技术方案,首先,将待分割靶区划分为至少一个子区域,每个子区域对应有各自的靶区分割模型和待分割靶区的信息;然后,根据获取到的图像以及图像中包含的待分割靶区的信息,可以确定该图像关联的各个子区域;进而,根据子区域和靶区分割模型的关联性,可以确定该图像关联的各个靶区分割模型;最后,将该图像分别输入至每个靶区分割模型,得到每个子区域的分割图像,以得到目标对象的靶区分割图像。上述技术方案的每个子区域独立建模,以提高子区域分割的精准性;而且,可以根据待分割靶区的信息灵活组合各个靶区分割模型,以便更加快速且精准的获得靶区分割图像,有效解决了医师在图像上手动勾画靶区时带来的过程繁琐且耗时较长的问题。附图说明图1是本专利技术实施例一中的一种靶区图像分割系统中的处理器所配置的步骤的流程图;图2是本专利技术实施例二中的一种靶区图像分割系统中的处理器所配置的步骤的流程图;图3是本专利技术实施例三中的一种靶区图像分割装置的结构框图。具体实施方式下面结合附图和实施例对本专利技术作进一步详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本专利技术,而非对本专利技术的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本专利技术相关的部分而非全部结构。在介绍本专利技术实施例之前,先对本专利技术实施例的应用场景进行说明:本专利技术实施例涉及到的待分割靶区可以是放疗靶区、手术靶区、化疗靶区等等,在此以放射治疗中的放疗靶区为例。医师可以根据患者的放疗靶区的信息,在获取到的患者的图像中直接勾画放疗靶区,通常是肿瘤侵及到哪个区域则医师勾画到哪个区域。在此基础上,可以尝试将医师勾画放疗靶区的方法与现有的神经网络模型相结合,即将医师在图像中勾画出的放疗靶区作为训练样本,对现有的神经网络模型进行训练,得到用于分割放疗靶区的靶区分割模型。然而,每名患者的放疗靶区的特异性较强,如每名患者患有的肿瘤疾病可能不同,患有相同肿瘤疾病的各个患者的放疗靶区的情况也可能存在差异,因此,如果简单地根据医师在图像中的勾画结果作为训练样本所得到靶区分割模型,难以保证靶区分割的精准性,后续可能需要进行较大程度的修正。为了进一步提高靶区分割的精准性,可以将每个类型肿瘤可能涉及到的靶区拆分为多个子区域,具体的,可以根据肿瘤涉及到的具体部位的解剖结构将靶区进行解剖分类以得到各个解剖类别,进而可以结合医学经验将至少两个解剖类别组合为一个子区域,也可以将一个解剖类别拆分为至少两个子区域。例如,以宫颈癌的根治性放疗靶区为例,其可以拆分为CTV1(ClinicalTargetVolume1,可以称为临床靶区1)、CTV2(ClinicalTargetVolume2,可以称为临床靶区2)、整个阴道、髂总淋巴结区域等多个子区域。进而,可以将每个子区域的勾画数据作为训练样本,以对每个子区域进行独立训练,得到用于分割相应的子区域的靶区分割模型,以增强各个靶区分割模型的鲁棒性和准确性。实施例一图1是本专利技术实施例一中提供的一种靶区图像分割系统中的处理器所配置的步骤的流程图。本实施例可适用于分割图像中的靶区的情况,尤其适用于分别分割图像中的各个靶区的情况。该方法可以由本专利技术实施例提供的靶区图像分割装置来执行,该装置可以由软件和/或硬件的方式实现,该装置可以配置于本专利技术实施例提供的靶区图像分割系统的处理器中。参见图1,本专利技术实施例提供的靶区图像分割系统可以包括处理器,该处理器可以被配置成如下步骤:S110、获取目标对象的图像,以及,图像中包含的待分割靶区的信息。其中,目标对象可以是受检者的包含有待分割靶区的区域,即获取到的图像可以是受检者的包含有待分割靶区的区域的图像。一方面,获取到的图像可以是正电子发射型计算机断层图像、磁共振图像、电子计算机断层扫描图像、超声图像等等;另一方面,获取到的图像可以是目标对象进行扫描后实时获取的图像、从图像数据库中获取的图像等等。由于医师本文档来自技高网...

【技术保护点】
1.一种靶区图像分割系统,其特征在于,包括:处理器,其被配置成:获取目标对象的图像,以及,所述图像中包含的待分割靶区的信息;根据所述待分割靶区的信息确定至少一个靶区分割模型,所述至少一个靶区分割模型中的每个靶区分割模型用于分割不同的子区域;将所述图像分别输入至每个所述靶区分割模型,得到每个所述子区域的分割图像,并根据各个所述子区域的分割图像确定所述目标对象的靶区分割图像。

【技术特征摘要】
1.一种靶区图像分割系统,其特征在于,包括:处理器,其被配置成:获取目标对象的图像,以及,所述图像中包含的待分割靶区的信息;根据所述待分割靶区的信息确定至少一个靶区分割模型,所述至少一个靶区分割模型中的每个靶区分割模型用于分割不同的子区域;将所述图像分别输入至每个所述靶区分割模型,得到每个所述子区域的分割图像,并根据各个所述子区域的分割图像确定所述目标对象的靶区分割图像。2.根据权利要求1所述的系统,其特征在于,所述根据所述待分割靶区的信息确定至少一个靶区分割模型,包括:根据所述待分割靶区的信息中的第一信息确定对应关系,其中,所述对应关系包括所述待分割靶区的信息中的第二信息和靶区分割模型的对应关系;根据所述第二信息和所述对应关系确定至少一个所述靶区分割模型。3.根据权利要求1所述的系统,其特征在于,所述处理器还被配置成:获取历史对象的历史图像,以及,所述历史对象中每个历史子区域的历史分割图像,并将所述历史图像和所述历史分割图像作为一组训练样本;基于多个所述训练样本对原始神经网络模型进行训练,以得到每个所述历史子区域的所述靶区分割模型。4.根据权利要求3所述的系统,其特征在于,所述获取历史对象中每个历史子区域的历史分割图像,包括:根据接收到的用户在所述历史图像中的勾画结果,以及,所述历史对象的各个历史子区域,分别获取每个所述历史子区域的历史分割图像。5.根据权利要求3所述的系统,其特征在于,所述获取历史对象中每个历史子区域的历史分割图像,包括:基于预设的图谱自动分割方法和/或预设的人工智能自动分割方法,分别获取历史对象中每个历史子区域的历史分割图...

【专利技术属性】
技术研发人员:周婧劼王章龙韩妙飞
申请(专利权)人:上海联影医疗科技有限公司
类型:发明
国别省市:上海,31

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1