基于分割任务辅助的鼻咽癌三维剂量分布预测方法技术

本发明专利技术涉及及一种基于分割任务辅助的鼻咽癌三维剂量分布预测方法，具体包括：采集原始鼻咽癌图像并对其进行标注；构建剂量分布预测模型，所述预测模型包括辅助分割网络、剂量预测网络和对抗网络；分割网络和预测网络共享编码器网络参数，通过联合训练分割任务和剂量预测任务来获取两者之间的共享表示信息，增强共享编码器的特征表达能力，促使网络在有限训练数据下最大限度地挖掘分割任务中对剂量预测有辅助功能的本质特征。同时，为了有效利用预测解码器不同尺度下的特征信息，本发明专利技术在预测任务解码器端提出一种多尺度迭代融合IMF策略，获得更加精准的预测结果。

【技术实现步骤摘要】
基于分割任务辅助的鼻咽癌三维剂量分布预测方法
本专利技术涉及图像处理领域，尤其涉及一种基于分割任务辅助的鼻咽癌三维剂量分布预测方法。
技术介绍
医学图像分割作为图像处理的一个重要领域，该领域的研究目的是分割医学图像中患者病情的重要信息，为临床诊断和治疗提供科学依据，这对于医生对病情的判断具有重要价值。在肿瘤治疗中，放射治疗是最有效且对患者身体健康最有保障的一种治疗技术，其无创低毒的特性也受到了医学界的肯定。严格按照处方剂量进行放射治疗是治疗成功的关键所在。但是对于临床放射治疗过程中剂量的把控，是一个难度较大的课题，现有的研究成果还远远不足以临床应用。尽管对肿瘤放疗的剂量分布进行预测十分困难，但还是有许多效果显著研究成果。基于危机器官DVH(dose-volumehistogram)的指征项，wu等人提出了与之具有强相关性的新概念OVH(overlapvolumehistogram)。在临床经验的指导下，提出了离靶区距离越远，体素所受剂量应越低的假设。在服从该假设的前提下，根据某一器官OVH比较情况，找到相应的上(下)限，但是该模型较为主本文档来自技高网...

【技术保护点】
1.一种基于分割任务辅助的鼻咽癌三维剂量分布预测方法，其特征在于，所述方法包括以下步骤：/n步骤1：采集原始鼻咽癌图像，对原始鼻咽癌图像进行预处理，包括放疗剂量以及器官轮廓标注；/n步骤2：构建剂量分布预测模型，所述预测模型包括辅助分割网络、剂量预测网络和对抗网络；/n步骤3：将标注后的原始鼻咽癌图像分为大小为64×64×64的图像块集合，每一块用I

【技术特征摘要】
1.一种基于分割任务辅助的鼻咽癌三维剂量分布预测方法，其特征在于，所述方法包括以下步骤：
步骤1：采集原始鼻咽癌图像，对原始鼻咽癌图像进行预处理，包括放疗剂量以及器官轮廓标注；
步骤2：构建剂量分布预测模型，所述预测模型包括辅助分割网络、剂量预测网络和对抗网络；
步骤3：将标注后的原始鼻咽癌图像分为大小为64×64×64的图像块集合，每一块用Ii表示，i＝1,2，…n，将Ii输入到辅助分割网络中进行分割训练；
步骤4：将原始鼻咽癌图像分为大小为64×64×64的图像块集合，每一块用Ij表示，j＝1，2，…n，将Ij输入到剂量预测网络中，同时，将辅助分割网络学习到的参数共享到剂量预测网络中，在辅助分割网络的辅助下，进行以下具体操作：
步骤41：用大小为5×5×5，步长为1的卷积核对Ij进行卷积处理，然后对卷积后的输出图像做步长为2的平均池化处理得到Ij1；
步骤42：对Ij1进行3×3×3步长为2的卷积处理，然后对卷积后的图像做步长为2的平均池化处理得到特征图Ij2；
步骤43：用大小为3×3×3，步长为1的卷积核对Ij2进行卷积处理，得到深层特征图Ij3；
步骤44：对深层特征图Ij3做3×3×3，步长为1的逆卷积处理，得到特征图ID1，为了充分利用空间域信息，用跨层连接将ID1和Ij3连接起来得到IE1；
步骤45：对特征图IE1进行采样规模为2的上采样，然后进行3×3×3，步长为1的逆卷积处理，得到ID2，为了充分利用空间域信息，用跨层连接将ID2和Ij2连接起来得到IE2；
步骤46：对特征图IE2进行采样规模为2的上采样，然后进行3×3×3，步长为1的逆卷积处理，得到ID3。为了充分利用空间域信息，用跨层连接将ID3和Ij1连接起来得到IE3；
步骤5：通过多尺度迭代融合策略将IE1,IE2,IE3融合得到预测剂量分布图像IE；
步骤6：将...

【专利技术属性】
技术研发人员：肖江洪，王艳，彭星辰，吴锡，周激流，
申请(专利权)人：四川大学华西医院，四川大学，
类型：发明
国别省市：四川;51