基于不同感受野的鼻咽癌靶区和危及器官的勾画方法技术

本发明专利技术涉及医学放射治疗技术领域，尤其涉及一种基于不同感受野的鼻咽癌靶区和危及器官的勾画方法，包括以下步骤：将患者的放疗数据经过预处理后，输入至分割网络模型中，利用基于空洞卷积和金字塔结合的模型提取特征，并结合解码器输出勾画标签。本发明专利技术提出的一种基于不同感受野的鼻咽癌靶区和危及器官的勾画方法，解决了现有的勾画方法存在网络显存占用多、参数量大和运算浮点数高的问题。

【技术实现步骤摘要】
基于不同感受野的鼻咽癌靶区和危及器官的勾画方法
本专利技术涉及医学放射治疗
，尤其涉及基于不同感受野的鼻咽癌靶区和危及器官的勾画方法。
技术介绍
鼻咽部位于头颅中央，手术路径复杂，难以对肿瘤作整块切除，但鼻咽癌大多数为低分化鳞癌，对放射治疗的敏感性较高，所以放射治疗是鼻咽癌首选的治疗方式。精确的靶区(Grosstargetvolume，GTV)与危及器官(Organsatrisk，OAR)的勾画，是鼻咽癌放射治疗质量保证的关键一步。由于鼻咽癌靶区形态复杂，和正常组织对比度低，使得GTV和OAR的勾画难度巨大。此外，勾画工作通常由医生手工操作，效率和精度主要依赖于医生的临床经验，此工作量大，效率低，且具有主观差异。针对上述情况，有研究提到的分割方法有阈值法、区域生长法、边缘检测法、基于形变模型的方法等。但这些方法均存在不足之处：阈值法对噪声敏感，阈值难以选取；区域分割法容易造成图像过度分割；边缘检测法不能得到较好的区域结构；基于形变模型法难以处理变形过程中发生拓扑结构变化的情况。另外，医学图像往往缺少简单的线性特征，肿瘤组织形态复杂本文档来自技高网...

【技术保护点】
1.基于不同感受野的鼻咽癌靶区和危及器官的勾画方法，其特征在于，包括以下步骤：/nS1：预处理目标图像数据集，其中所述目标图像数据集包括CT图像数据集和勾画标签数据集；/nS2：构建分割网络模型/n所述分割网络模型包括编码器部分和解码器部分，其中所述编码器部分是利用空洞卷积和金字塔结合的方式来提取目标图像的特征；/nS3：训练分割网络模型/n将预处理后的目标图像数据集输入至分割网络模型，基于损失函数，对所述分割网络模型进行训练；/nS4：将CT图像输入训练好的分割网络模型中，输出勾画标签。/n

【技术特征摘要】
1.基于不同感受野的鼻咽癌靶区和危及器官的勾画方法，其特征在于，包括以下步骤：
S1：预处理目标图像数据集，其中所述目标图像数据集包括CT图像数据集和勾画标签数据集；
S2：构建分割网络模型
所述分割网络模型包括编码器部分和解码器部分，其中所述编码器部分是利用空洞卷积和金字塔结合的方式来提取目标图像的特征；
S3：训练分割网络模型
将预处理后的目标图像数据集输入至分割网络模型，基于损失函数，对所述分割网络模型进行训练；
S4：将CT图像输入训练好的分割网络模型中，输出勾画标签。


2.根据权利要求1所述的基于不同感受野的鼻咽癌靶区和危及器官的勾画方法，其特征在于，所述步骤S2具体包括：
S21：构建编码器
所述编码器部分由依次连接的四层MUT_ASPP模块、一层3*3的卷积模块和一层1*1的卷积模块构成；其中
所述四层MUT_ASPP模块用于提取目标图像的特征信息；
所述3*3的卷积模块处设有通道自适应调整模块，增加信息量大的通道权重；
所述1*1的卷积模块用于压缩通道输出目标图像的特征图；
S22：构建与浅层特征信息相拼接的解码器。


3.根据权利要求2所述的基于不同感受野的鼻咽癌靶区和危及器官的勾画方法，其特征在于，所述MUT_ASPP模块包括1层全局池化、5层扩张率不同的3*3卷积和一层1*1卷积，其中每层所述3*3卷积后均连接一个3*3最大池化。


4.根据权利要求3所述的基于不同感受野的鼻咽癌靶区和危及器官的勾画方法，其特征在于，5层3*3卷积的扩张率分别为1，2，3，5和7。


5.根据权利要求4所述的基于不同感受野的鼻咽癌靶区和危及器官...

【专利技术属性】
技术研发人员：宋婷，刘裕良，周凌宏，亓孟科，陆星宇，蔡嘉俊，肖帆，
申请(专利权)人：南方医科大学，
类型：发明
国别省市：广东;44