【技术实现步骤摘要】
基于条件随机向量场的肿瘤临床靶区自动勾画方法及系统
本专利技术涉及预测肿瘤生长、模拟肿瘤扩散区域领域，尤其涉及一种基于条件随机向量场的肿瘤临床靶区自动勾画方法及系统。
技术介绍
临床中，治疗肿瘤的主要方式包括手术治疗、化疗及放射治疗。相较于手术治疗及化疗，放射治疗能够减少创伤，提高患者的生活质量。在放射治疗过程中，精确的靶区勾画能够有效的提高肿瘤靶区的治疗剂量计划，同时减少放射治疗带来的副作用，对患者治疗的效果以及后续的生活质量至关重要。目前，部分软件能够提供一些靶区自动勾画系统，例如通过将原发灶肿瘤区域在三维方向上外扩一定区域，得到临床放疗靶区，临床医生再根据医学影像上的信息，结合患者肿瘤周边的解剖信息及临床经验，在影像上进行肿瘤临床靶区的手动修改或勾画。现有实现方案是基于隐马尔可夫模型的肿瘤临床靶区侵犯概率计算方法(CN107480445A)，该方法具体操作如下：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...
【技术保护点】
1.一种基于条件随机向量场的肿瘤临床靶区自动勾画方法，其特征在于，包括以下步骤：/n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；/n步骤S2：对读入的原发灶肿瘤数据做预处理操作，定义转移特征函数及状态特征函数，在给定的数据集上训练模型，确定参数；/n步骤S3：读入新病人的原发肿瘤数据，得到对应的二值图像，按照设定好的体素状态转移公式，从大体肿瘤靶区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，通过阈值设置的方式，进行原发灶临床靶区的自动勾画。/n
【技术特征摘要】 【专利技术属性】
1.一种基于条件随机向量场的肿瘤临床靶区自动勾画方法，其特征在于，包括以下步骤：
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；
步骤S2：对读入的原发灶肿瘤数据做预处理操作，定义转移特征函数及状态特征函数，在给定的数据集上训练模型，确定参数；
步骤S3：读入新病人的原发肿瘤数据，得到对应的二值图像，按照设定好的体素状态转移公式，从大体肿瘤靶区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，通过阈值设置的方式，进行原发灶临床靶区的自动勾画。
2.根据权利要求1所述的基于条件随机向量场的肿瘤临床靶区自动勾画方法，其特征在于，所述步骤S1中网格化三维的CT图像的具体过程为：把不同层面的CT序列图像划分成长方体格点，得到格点数目为width×height×zLen的三维网格。
3.根据权利要求1所述的基于条件随机向量场的肿瘤临床靶区自动勾画方法，其特征在于，所述步骤S2具体包括下述步骤：
步骤S21：去掉二值图像中肿瘤表面层面不稳定的数据；
步骤S22：挖掘空间中体素之间的关联关系，从训练集中统计空间中体素组合之间的频数，如该体素组合在统计空间中存在，存储结果作为特征函数的标记，得到训练集中CT影像序列中体素之间的关联关系，训练模型，确定参数数据库。
4.根据权利要求3所述的基于条件随机向量场的肿瘤临床靶区自动勾画方法，其特征在于，所述步骤S22具体包括以下步骤：
步骤S221：给空间中所有三维网格点按照位置顺序编号，具体公式为Xxyz＝z×height×width+x×height+y；其中，(x,y,z)是对应网格点三维坐标；z为网格点所在的CT层面，(x,y)为格点在该CT切片中的坐标位置；
步骤S222：条件随机向量场的参数化定义为：
其中tk(yi-1，yi，x，i)是转移特征函数，表示对于观察序列X的标注序列在i-1和i时刻上的转移概率，sl(yi，x，i)是状态特征函数，表示对于观察序列X其i时刻的标记概率，λk和μl分别是tk(yi-1，yi，x，i)和sl(yi，x，i)的权重，通过训练得到；
观察序列的状态特征函数sl(yi，x，i)定义为：
技术研发人员：田孟秋，谢培梁，李松峰，魏军，
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
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。