一种基于深度学习的肺部肿瘤自动勾画方法技术

本发明专利技术适用医学图像处理技术领域，提供了一种基于深度学习的肺部肿瘤自动勾画方法，该方法包括：当接收到肺部CT图像的勾画请求时，获取输入的肺部CT图像，对获取到的肺部CT图像进行预处理和图像增强，获得对应的处理后的图像；获取肺肿瘤在图像中的窗口位置及大小，将筛选出的图像剪裁为固定大小；将处理后的图像输入到训练好的V‑Net模型，以对肺部肿瘤进行预测；将预测的肿瘤图像反卷积到裁剪图像的大小，得到肿瘤的真实预测；提取真实预测的肺肿瘤的边缘线，即为肺肿瘤的勾画，获得肺部肿瘤勾画好的图像。本发明专利技术提高了对肺部肿瘤进行自动勾画的准确度，在保证勾画精度的基础上，显著提升了勾画效率，提高手术安全过程。

An automatic lung tumor delineation method based on deep learning

【技术实现步骤摘要】
一种基于深度学习的肺部肿瘤自动勾画方法
本专利技术涉及医疗图像处理技术和深度学习领域，特别是一种基于深度学习的肺部肿瘤的自动勾画方法。
技术介绍
肺癌是严重威胁人类健康的恶性肿瘤之一，死亡率居肿瘤之首，全球每年约180万新增肺癌病例(占所有肿瘤的13％)，160万死亡(占所有肿瘤的19.4％)，5年生存率仅为18％。如果能在早期诊断，那么肺癌患者的5年存活率能够提升到70％，改善患者的预后效果。现代医学技术日益发展，其中很大一部分原因是医学影像技术的日渐成熟。包括CT技术、MRI技术等，这些技术帮助医生了解患者的内部病理结构，制定精确的治疗方案。但由于图像数据量不足和影像数据很强的异质性，某种稀有病例往往只有很少量的样本可供模型进行训练和学习，样本数量不足也会造成数据类别不均衡，并导致过拟合。目前，肺部肿瘤的勾画方法主要包括专家手工勾画和计算机辅助勾画。手工勾画对专家知识和经验要求很高，而且不可避免存在人为误差，同时对海量的图像数据进行手工处理费时费力，因此借助计算机的勾画方法在肺部肿瘤勾画中具有极大的研究意义和价值。对于肺癌患本文档来自技高网...

【技术保护点】
1.一种基于深度学习的肺部肿瘤自动勾画方法，包括以下部分：/n步骤1：输入病人的肺部图像并对图像进行预处理和图像增强处理；/n步骤2：获取病人肺部肿瘤在图像中的窗口位置和肿瘤大小，按照肿瘤在图像中的窗口位置及大小，将筛选出的图像裁剪为固定的大小；/n步骤3：将经过步骤1、2处理后的图像输入到训练好的V-Net模型，对肿瘤进行预测；/n步骤4：将预测的肺部肿瘤反卷积到裁剪图像的大小，得到器官的真实预测；/n步骤5：提取真实预测的肺部肿瘤的边缘线，即为该肿瘤的勾画结果。/n

【技术特征摘要】
1.一种基于深度学习的肺部肿瘤自动勾画方法，包括以下部分：
步骤1：输入病人的肺部图像并对图像进行预处理和图像增强处理；
步骤2：获取病人肺部肿瘤在图像中的窗口位置和肿瘤大小，按照肿瘤在图像中的窗口位置及大小，将筛选出的图像裁剪为固定的大小；
步骤3：将经过步骤1、2处理后的图像输入到训练好的V-Net模型，对肿瘤进行预测；
步骤4：将预测的肺部肿瘤反卷积到裁剪图像的大小，得到器官的真实预测；
步骤5：提取真实预测的肺部肿瘤的边缘线，即为该肿瘤的勾画结果。


2.根据权利要求1所述的一种基于深度学习的肺部肿瘤自动勾画方法，其特征在于：
步骤1中进行预处理时，需要对使用的肺癌病人的图像按肺肿瘤类型进行训练，将标记好的医学图像分为训练集和测试集两大类，将训练中的图像进行预处理，和标签一起输入，训练该算法的权重，将测试集中的图像进行预处理后和标签一起输入，测试预测精度。
若预测精度没有达到阈值，...

【专利技术属性】
技术研发人员：庞善臣，孟璠，王珣，董立媛，张亚钦，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：山东;37