基于隐马尔可夫模型的肿瘤临床靶区侵犯概率计算方法技术

本发明专利技术公开了一种基于隐马尔可夫模型的肿瘤临床靶区侵犯概率计算方法，包括下述步骤：对模板CT的图像序列进行离散操作，生成对应的三维网格；统计训练集中空间连续的网格点在三维的肿瘤区域内联合出现的频数，得到对应的互关联规则；读入新病人的原发肿瘤数据，运用距离变换，得到各个体素点到原发肿瘤区域的空间距离；设定原发肿瘤区域的概率为1，每个体素点的侵犯概率与邻近体素的概率以及上一个观察状态的概率有关，从原发肿瘤区域开始不断迭代向外计算；最终计算得到所有体素点的被肿瘤侵犯的概率。本发明专利技术能辅助临床放射治疗计划的制定，实现不同发射剂量临床放疗靶区范围的自动确定，达到临床应用的勾画标准，提高医生的工作效率。

Calculation method of tumor target invasion probability based on Hidden Markov model

The invention discloses a method to calculate the probability of tumor invasion of the clinical target based on Hidden Markov model, which comprises the following steps: image sequence of template CT discrete operation, 3D mesh to generate the corresponding frequency statistics; training set grid space continuous in tumor regions within three-dimensional combination, get mutual association rules the corresponding primary tumor; new patient data read, using the distance transform, each voxel of the primary tumor region spatial distance; set the probability of primary tumor was 1, the probability of violation probability and the adjacent body of each voxel point element and probability observation state one, from the primary tumor region began to calculate the final outward iterative calculation; all voxels in the probability of tumor invasion. The invention can assist the formulation of the clinical radiotherapy plan, realize the automatic determination of the target area of different radiation doses, and achieve the standard of clinical application, and improve the work efficiency of doctors.

【技术实现步骤摘要】
基于隐马尔可夫模型的肿瘤临床靶区侵犯概率计算方法
本专利技术涉及预测肿瘤生长，模拟肿瘤扩散研究领域，特别涉及一种基于隐马尔可夫模型的肿瘤临床靶区侵犯概率计算方法。
技术介绍
放射治疗是目前治疗肿瘤的主流治疗方法，适用与多种肿瘤的治疗，，而放疗靶区范围的精确确定是放射治疗的成功的关键因素。精确的放疗靶区能有效减少肿瘤的复发概率，同时减少放疗带来的副作用。具体治疗过程中，医生将根据不同组织被肿瘤侵犯概率的不同，确定不同的放疗靶区和放射剂量。目前，放疗靶区的确定主要依赖医生临床经验，需要医生手动勾画。另外，ABAS软件提供了的靶区自动勾画系统，该系统原理是通过向原发灶肿瘤区域的三维方向外扩一定距离，得到目标放疗靶区，医生在该结果的基础上，根据临床经验，结合ICRU(InternationalCommissionRadiologicalUnits,83report,2010)给出的大概勾画标准，对结果进行修改。目前手动勾画的靶区，由于客观原因(勾画时只有水平面的视角参照，缺乏上下层面的视角参考)，主观原因(不同放射医生经验不同造成的主观差异)的存在，造成不同医生之间的靶区的勾画的结果存在很大本文档来自技高网...

【技术保护点】
一种基于隐马尔可夫模型的肿瘤临床靶区侵犯概率计算方法，其特征在于，具体包括下述步骤：S1、对模板CT的图像序列进行数据离散操作，网格化三维的CT图像得到对应的三维网格，读入训练集中医生勾画好的肿瘤轮廓文件，生成肿瘤原发灶区域的二值图像；S2、对读入的原发灶肿瘤数据做预处理操作，挖掘邻近肿瘤之间的关联关系，统计相邻的体素联合出现的频数，存储统计的结果，建立互关联规则的数据库；S3、读入新病人的原发肿瘤数据，得到对应的二值图像，按照设定好的转移次序和设定好的相邻体素状态转移公式，从GTV开始向外不断迭代计算相邻体素之间的状态转移概率，最终得到全局的肿瘤概率侵犯概率。

【技术特征摘要】
1.一种基于隐马尔可夫模型的肿瘤临床靶区侵犯概率计算方法，其特征在于，具体包括下述步骤：S1、对模板CT的图像序列进行数据离散操作，网格化三维的CT图像得到对应的三维网格，读入训练集中医生勾画好的肿瘤轮廓文件，生成肿瘤原发灶区域的二值图像；S2、对读入的原发灶肿瘤数据做预处理操作，挖掘邻近肿瘤之间的关联关系，统计相邻的体素联合出现的频数，存储统计的结果，建立互关联规则的数据库；S3、读入新病人的原发肿瘤数据，得到对应的二值图像，按照设定好的转移次序和设定好的相邻体素状态转移公式，从GTV开始向外不断迭代计算相邻体素之间的状态转移概率，最终得到全局的肿瘤概率侵犯概率。2.根据权利要求1所述的基于隐马尔可夫模型的肿瘤临床靶区侵犯概率计算方法，其特征在于，步骤S1中，还包括下述步骤：S11、将模板CT的图像序列进行网格化，将CT图像序列划分为width×height×zLen的三维网格，其中，width和height分别是一个CT切片横向和纵向上的格点数目，zLen为模板CT的层数，网格化得到的网格点即为体素点；S12、所述二值图像为：载入医生勾画好的肿瘤轮廓文件，判断体素位置是否在肿瘤区域内部；对应肿瘤区域的图像体素点置1，不含肿瘤区域的体素格点置0；所述肿瘤区域将运用判断像素点是否在多边形内的方法，分开非肿瘤区域与肿瘤区域；具体的InPolygon的计算公式为：IN＝InPolygon(x,y,xv,yv)式中IN为输出的二值图像，其尺寸与原始输入CT图像I(x,y)相同，(x,y)为像素点的坐标，(xv,yv)为GTV轮廓上的点坐标。3.根据权利要求1所述的基于隐马尔可夫模型的肿瘤临床靶区侵犯概率计算方法，其特征在于，步骤S2中，还包括下述步骤：S21、预处理：去掉二值图像中肿瘤表面层面不稳定的数据，所述的不稳定数据是指：肿瘤最外层的数据，由于不同病人拍片时间的不同，导致了肿瘤表面数据存在误差；采用腐蚀算法进行预处理，具体公式为：其中B(x)是腐蚀结构元素，对空间E中的每一点，结构元素B(x)平移之后，X是B包含于E的元素集合；S22、挖掘邻近肿瘤区域的关联关系，从训练集中统计所有肿瘤中相邻体素组合之间的频数，存储结果并建立数据库。4.根据权利要求3所述的基于隐马尔可夫模型的肿瘤临床靶区侵犯概率计算方法，其特征在于，步骤S22具体为：S221、给空间中所有三维网格点按照位置...

【专利技术属性】
技术研发人员：陆遥，李赋，
申请(专利权)人：广州柏视医疗科技有限公司，
类型：发明
国别省市：广东,44