一种肺部肿瘤的自动勾画方法、勾画系统、计算设备和存储介质技术方案

本发明专利技术公开了一种肺部肿瘤的自动勾画方法、勾画系统、计算设备和存储介质，包括：获取预设数量肺部肿瘤患者在放射治疗前的计划CT影像、肺部肿瘤的二值化图像和肺部区域的二值化图像；对划分后的计划CT影像及对应的二值化图像进行三维裁剪，并提取肿瘤区域；将肿瘤区域内计划CT影像作为输入、肺部区域的二值化图像作为输出，训练得到肺部区域分割模型A；将肺部区域的分割结果和肿瘤区域内预处理后的计划CT影像作为输入、肺部肿瘤的二值化图像作为输出，训练得到的肺部肿瘤分割优化模型B；将待测肺部肿瘤患者的计划CT影像经处理后，依次输入到训练好的肺部区分割模型A和肺部肿瘤分割优化模型B中，得到肺部肿瘤的分割结果。

【技术实现步骤摘要】
一种肺部肿瘤的自动勾画方法、勾画系统、计算设备和存储介质
本专利技术涉及医疗图像处理技术和深度学习
，具体涉及一种肺部肿瘤的自动勾画方法、勾画系统、计算设备和存储介质。
技术介绍
肺肿瘤大多数起源于支气管粘膜上皮，因此也称支气管肺癌。近50年来，全世界肺癌的发病率明显增高，据统计，在欧美某些国家和我国大城市中，肺肿瘤的发病率已居男性各种肿瘤的首位。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。在医院对肺部肿瘤病人进行放射治疗的过程中，往往涉及到目标靶区的勾画；目前医生主要是采用手工勾画的方式，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，影响病人的治疗；同时，手工勾画费时费力，影响医生的工作效率。在此基础上，研究一种自动勾画方法实现对肺部肿瘤的精准自动勾画，具有极大的研究意义和价值。
技术实现思路
针对现有技术中存在的上述问题，本专利技术提供一种基于人工智能的肺部肿瘤的自动勾画方法、勾画系统、计算设备和存储介质。本专利技术公开了一种肺部肿瘤本文档来自技高网...

【技术保护点】
1.一种肺部肿瘤的自动勾画方法，其特征在于，包括：/n步骤1、获取预设数量肺部肿瘤患者在放射治疗前的计划CT影像，并进行归一化预处理；/n步骤2、获取所述计划CT影像已勾画肺部肿瘤的勾画轮廓，并将轮廓线以内的区域赋值为1、轮廓线以外的区域赋值为0，得到肺部肿瘤的二值化图像；/n步骤3、识别所述计划CT影像的肺部区域，得到肺部区域的二值化图像；/n步骤4、以所述肺部区域沿左右方向的中心线作为左右肺部区域左右分割线，对所述计划CT影像及对应的二值化图像进行左右划分；/n步骤5、对划分后的所述计划CT影像及对应的二值化图像进行三维裁剪，基于肺部区域的勾画结果提取左右、前后和头脚方向的肿瘤区域；/n步...

【技术特征摘要】
1.一种肺部肿瘤的自动勾画方法，其特征在于，包括：
步骤1、获取预设数量肺部肿瘤患者在放射治疗前的计划CT影像，并进行归一化预处理；
步骤2、获取所述计划CT影像已勾画肺部肿瘤的勾画轮廓，并将轮廓线以内的区域赋值为1、轮廓线以外的区域赋值为0，得到肺部肿瘤的二值化图像；
步骤3、识别所述计划CT影像的肺部区域，得到肺部区域的二值化图像；
步骤4、以所述肺部区域沿左右方向的中心线作为左右肺部区域左右分割线，对所述计划CT影像及对应的二值化图像进行左右划分；
步骤5、对划分后的所述计划CT影像及对应的二值化图像进行三维裁剪，基于肺部区域的勾画结果提取左右、前后和头脚方向的肿瘤区域；
步骤6、将所述肿瘤区域内预处理后的计划CT影像作为输入、肺部区域的二值化图像作为输出，对人工智能模型A进行对半交叉训练和验证，得到训练好的肺部区域分割模型A和所有训练病例的肺部区域验证的分割结果；
步骤7、将经肺部区域分割模型A得到的肺部区域的分割结果和肿瘤区域内预处理后的计划CT影像作为输入、肺部肿瘤的二值化图像作为输出，对多任务人工智能模型B进行训练，得到训练好的肺部肿瘤分割优化模型B；
步骤8、将待测肺部肿瘤患者的计划CT影像进行步骤1～步骤5的处理，得到左右两侧的肿瘤区域内的计划CT影像，并输入到训练好的肺部区分割模型A中，得到左右肺部区的初步分割结果；
步骤9、将左右两侧的肿瘤区域内的计划CT影像以及左右肺部区的初步分割结果输入到训练好的肺部肿瘤分割优化模型B中，得到肺部肿瘤的分割结果。


2.如权利要求1所述的勾画方法，其特征在于，在所述步骤1中，所述归一化预处理，包括：
将每例计划CT影像的CT值截取在[-886,22]Hu范围内，并归一化至[-1,1]范围内。


3.如权利要求1所述的勾画方法，其特征在于，在所述步骤3中，所述识别所述计划CT影像的肺部区域，包括：
采用阈值分割方法从所述计划CT影像中取CT值大于-886的闭合区域作为肺部区域。


4.如权利要求1所述的勾画方法，其特征在于，在所述步骤5中，基于肺部区域的勾画结果提取左右、前后和头脚方向的肿瘤区域的大小为120*190*90，各方向单位均为像素。


5.如权利要求1所述的勾画方法，其特征在于，在所述步骤6中，所述肺部区域分割模型A的训练和验证，包括：
步骤61、将提取的肿瘤区域内的计划CT影像和肺部区的二值化图像以病人为单位划分为五组；
步骤62、建立人工智能模型A，将步骤61中划分的五组数据中的四组的肿瘤区域内的计划CT影像作为人工智能模型A输入、以对应的肺部区的二值化图像作为输出，训练人工智能模型A-1，得到训练好的人工智能模型A-1；
步骤63、将剩下的一组数据的肿瘤区域内的计划CT影像作为人工智能模型A-1的输入，得到非肿瘤区域的分割结果；
步骤64、更换验证数据，重复步骤6...

【专利技术属性】
技术研发人员：李庆，谢辉，谢开红，黄长兵，周定中，龙文兴，徐敏仙，
申请(专利权)人：湘南学院附属医院，
类型：发明
国别省市：湖南;43