一种切片图像的处理方法、训练方法、装置及存储介质制造方法及图纸

本申请提供一种切片图像的处理方法、训练方法、装置及存储介质。方法包括：获取病例的切片图像；利用预设的切片图像分析模型处理该切片图像，以在该切片图像中勾画出该病例的淋巴引流区。可以理解到，虽然子宫颈癌、前列腺癌、膀胱癌等的CTV(Clinical Target Volume，临床靶区)各有不同，但这些肿瘤的CTV中的淋巴引流区的范围却是有共性的，故可针对这些肿瘤的淋巴引流区设置切片图像分析模型，以通过切片图像分析模型处理切片图像，实现了准确的对这些肿瘤的淋巴引流区进行自动勾画，减少了医生勾画的工作量，提高了勾画的效率。此外，通过自动勾画淋巴引流区，可以进一步规范淋巴引流区的标准勾画。

【技术实现步骤摘要】
一种切片图像的处理方法、训练方法、装置及存储介质
本申请涉及图像处理
，具体而言，涉及一种切片图像的处理方法、训练方法、装置及存储介质。
技术介绍
盆腔肿瘤包含多种常见原发肿瘤，包括：直肠癌，子宫颈癌，前列腺癌等等。为实施精准放疗，针对这些肿瘤，医生需要在患者的切片图像中将这些肿瘤放疗靶区的所在区域勾画出。在对肿瘤的靶区勾画上，存在两个主要困难，第一是由于不同肿瘤的CTV(ClinicalTargetVolume，临床靶区)差异较大，无法将这些不同肿瘤的CTV进行统一，所以目前完全依靠机器学习很难准确地自动勾画出CTV。第二是采取医生人工逐层勾画靶区的方式，往往完成一个病例需要数个小时，费时费力。所以在当下医疗资源越来越紧张的情况下，继续采用全人工勾画靶区的方式已经无法满足实际临床需求，需要探索和研究更合理更高效的自动靶区勾画方法。
技术实现思路
本申请实施例的目的在于提供一种切片图像的处理方法、训练方法、装置及存储介质，用以实现对这些肿瘤的共同存在的靶区，即淋巴引流区进行准确地自动勾画，以达到减少医生勾画靶区本文档来自技高网...

【技术保护点】
1.一种切片图像的处理方法，其特征在于，所述方法包括：/n获取病例的切片图像；/n利用预设的切片图像分析模型处理所述切片图像，以在所述切片图像中勾画出所述病例的淋巴引流区。/n

【技术特征摘要】
1.一种切片图像的处理方法，其特征在于，所述方法包括：
获取病例的切片图像；
利用预设的切片图像分析模型处理所述切片图像，以在所述切片图像中勾画出所述病例的淋巴引流区。


2.根据权利要求1所述的切片图像的处理方法，其特征在于，所述切片图像分析模型包括：切片图像分类网络和切片图像分割网络，利用预设的切片图像分析模型处理所述切片图像，以在所述切片图像中勾画出所述病例的淋巴引流区，包括：
利用所述切片图像分类网络处理所述切片图像，获得用于表示所述切片图像是否包含所述淋巴引流区的预测值；
若所述预测值表示所述切片图像包含所述淋巴引流区，利用所述切片图像分割网络处理所述切片图像，以在所述切片图像中勾画出所述淋巴引流区。


3.根据权利要求2所述的切片图像的处理方法，其特征在于，在所述切片图像中勾画出所述淋巴引流区之后，所述方法还包括：
根据所述预测值和所述切片图像实际是否包含所述淋巴引流区所对应的实际值，优化所述切片图像分类网络。


4.根据权利要求3所述的切片图像的处理方法，其特征在于，根据所述预测值和所述切片图像实际是否包含所述淋巴引流区所对应的实际值，优化所述切片图像分类网络，包括：
若所述切片图像实际包含所述淋巴引流区，确定出所述预测值与实际包含所述淋巴引流区所对应的实际值之间的第一差值，并根据预设的第一参数和所述第一差值优化所述切片图像分类网络；
若所述切片图像实际不包含所述淋巴引流区，确定出所述预测值与实际不包含所述淋巴引流区所对应的实际值之间的第二差值，并根据预设的第二参数和所述第二差值优化所述切片图像分类网络；其中，所述第一参数大于所述第二参数。


5.根据权利要求2所述的切片图像的处理方法，其特征在于，在所述切片图像中勾画出所述淋巴引流区之后，所述方法还包括：
获得调整后的淋巴引流区，其中，所述调整后的淋巴引流区为通过医生对所述病例的淋巴引流区进行调整而获得；
根据所述调整后的淋巴引流区和所述病例的淋巴引流区，优化所述切片图像分割网络。


6.根据权利要求5所述的切片图像的处理方法，其特征在于，根据所述调整后的淋巴引流区和所...

【专利技术属性】
技术研发人员：沈亚丽，姚宇，陈哲彬，周洁，王辛，窦猛，陈晓清，罗旭，文含，李霞，
申请(专利权)人：四川大学华西医院，中科院成都信息技术股份有限公司，
类型：发明
国别省市：四川;51