三维图像引导运动器官定位方法、系统及存储介质技术方案

本发明专利技术涉及一种三维图像引导运动器官定位方法、系统及存储介质，方法包括：基于患者的实时DR图像，采用人工智能网络算法生成患者的虚拟3D

【技术实现步骤摘要】
三维图像引导运动器官定位方法、系统及存储介质


[0001]本专利技术是关于一种用于放射治疗中基于人工智能技术和数字X射线成像(DR)系统的三维(3D)图像引导运动器官定位方法、系统及存储介质，涉及放射治疗


技术介绍

[0002]放射治疗的目的是使用放射性射线杀死肿瘤细胞的同时最大限度地保护患者的正常组织器官。但是在放射治疗中，由于患者呼吸运动等生理运动会导致患者体内一些组织器官及肿瘤靶区在治疗时会产生位移，导致患者治疗效果不佳。因此运动器官及靶区的保护和治疗是放射治疗的难点。
[0003]当前的图像引导放疗技术对于运动器官及肿瘤靶区进行引导的系统主要有：呼吸门控系统，采集患者的呼吸信号来预测患者体内组织器官随呼吸运动产生的位移来引导放疗；在患者运动器官及靶区内植入金标，使用两个相交DR成像设备来检测及跟踪植入金标的位置进行运动组织及器官的治疗；锥形束CT(CBCT)及轨道CT(CT
‑
on
‑
rail)图像引导系统，将重建的CBCT或轨道CT图像和治疗计划的CT图像进行配准，获取患者运功器官和靶区的状态和位置来引导患者治疗等。
[0004]但是已有技术中，呼吸门控系统只能根据患者的呼吸信号信息来预测患者体内一部分组织器官随着呼吸运动所产生的大致位移，该技术不能直接检测到患者体内组织器官的运动，并且不适用于患者体内其它生理运动所产生的组织器官运动。在患者体内植入金标会给患者造成二次损伤，不适用于体质较弱及年老年幼的患者，而DR成像系统只能追踪植入金标的位置，不能检测组织器官和肿瘤靶区的3D形状及坐标，没有实现真正意义上的3D引导，另外两个相交DR成像设备会给患者增加较大额外辐射剂量，系统价格昂贵。CBCT及轨道CT成像系统会给患者增加额外的高辐射剂量，增加患者并发症的风险，并且CBCT图像密度分辨率较低，系统价格昂贵和患者计划CT配准的精度和速度都不高。
[0005]综上，有必要研究在降低设备价格的同时实现运动器官和靶区3D高精度引导的方法及系统。

技术实现思路

[0006]针对上述问题，本专利技术的目的是提供一种能够准确获得体内运动组织器官和肿瘤靶区的3D形状和位置变化信息，引导运动器官和靶区的放射治疗的基于人工智能技术和数字X射线成像系统的三维图像引导运动器官定位方法、系统及存储介质。
[0007]为实现上述目的，本专利技术采取以下技术方案：
[0008]第一方面，本专利技术提供一种三维图像引导运动器官定位方法，包括：
[0009]基于患者的实时DR图像，采用人工智能网络算法生成患者的虚拟3D
‑
CT图像集；
[0010]将患者的3D
‑
CT图像集采用组织器官自动分割算法自动分割出组织器官，并通过3D组织器官模型重建算法，重建患者的运动组织器官的3D模型；
[0011]将患者的虚拟3D
‑
CT图像集采用组织器官自动分割算法自动分割出虚拟组织器
官，并通过3D组织器官模型重建算法，重建患者的虚拟运动组织器官的3D模型；
[0012]将患者的运动组织器官的3D模型和虚拟运动组织器官的3D模型进行配准计算，输出指定运动组织器官的3D模型形状和运动偏移量。
[0013]进一步地，患者的实时DR图像通过采用DR成像设备进行获取。
[0014]进一步地所述DR成像设备包括一套X射线源及与之对应的成像平板；
[0015]所述X射线源安装在治疗室顶部，所述成像平板安装在治疗室地面部分，各自使用小角度轨道进行运动；或者，
[0016]所述X射线源和成像平板使用C型臂连接整体进行小角度运动。
[0017]进一步地人工智能网络算法通过训练验证获得，包括：使用DR成像设备拍摄患者的DR图像，同时使用CT系统拍摄同一患者同一部位的3D
‑
CT图像，使该患者的DR图像和3D
‑
CT图像一一对应，建立DR图像及与之对应的3D
‑
CT图像数据集；将建立的数据集中部分数据作为训练数据集，另一部分作为验证数据集，构建神经网络模型进行训练验证，并通过运算不断迭代获得人工智能网络的权重参数，进而获得训练好的人工智能网络模型。
[0018]进一步地，组织器官自动分割算法采用基于深度学习卷积神经网络模型，能够根据输入的CT图像自动分割出组织器官。
[0019]进一步地，3D组织器官重建算法能够重建出所有或者指定组织器官的3D模型，并能够对不同的组织器官进行不同颜色和模态的渲染显示，便于使用者观察分辨操作。
[0020]进一步地，配准计算采用3D组织器官配准算法进行手动和/或自动3D模型配准。
[0021]第二方面，本专利技术还提供一种三维图像引导运动器官定位系统，该系统包括：
[0022]虚拟图像生成单元，被配置为基于患者实时的DR图像，采用人工智能网络算法生成患者的虚拟3D
‑
CT图像集；
[0023]器官重建单元，被配置为将患者的3D
‑
CT图像集采用组织器官自动分割算法自动分割出组织器官，并通过3D组织器官模型重建算法，重建患者的运动组织器官的3D模型；
[0024]虚拟器官重建单元，被配置为将患者的虚拟3D
‑
CT图像集采用组织器官自动分割算法自动分割出虚拟组织器官，并通过3D组织器官模型重建算法，重建患者的虚拟运动组织器官的3D模型；
[0025]偏移计算单元，被配置为将患者的运动组织器官的3D模型和虚拟运动组织器官的3D模型进行配准计算，输出选定运动组织器官的3D模型形状和运动偏移量。
[0026]第三方面，本专利技术还提供一种处理设备，所述处理设备至少包括处理器和存储器，所述存储器上存储有计算机程序，其特征在于，所述处理器运行所述计算机程序时执行以实现本专利技术第一方面所述三维图像引导运动器官定位方法。
[0027]第四方面，本专利技术还提供一种计算机存储介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现本专利技术第一方面所述三维图像引导运动器官定位方法。
[0028]本专利技术由于采取以上技术方案，其具有以下优点：
[0029]1、本专利技术提供的人工智能算法根据少量DR图像生成患者虚拟3D
‑
CT图像，将虚拟3D
‑
CT图像和计划CT图像进行手动和/或使用人工智能算法自动分割出体内运动组织器官及肿瘤靶区，进行3D重建和配准，获得体内运动组织器官和肿瘤靶区的3D形状和位置变化信息，引导运动器官和靶区的放射治疗，解决常规DR图像和CBCT图像引导中的缺陷和不足；
[0030]2、本专利技术实施需要的设备成本较低，只需要单个DR成像设备，同时不使用体内植入金标方式即能获得患者体内组织器官的3D状态和位置信息，与CBCT设备相比，对患者的额外辐射剂量较低且设备价格低廉；
[0031]综上，本专利技术可以广泛应用于放射治疗中。...

【技术保护点】

【技术特征摘要】
1.一种三维图像引导运动器官定位方法，其特征在于包括：基于患者的实时DR图像，采用人工智能网络算法生成患者的虚拟3D
‑
CT图像集；将患者的3D
‑
CT图像集采用组织器官自动分割算法自动分割出组织器官，并通过3D组织器官模型重建算法，重建患者治疗计划的运动组织器官的3D模型；将患者的虚拟3D
‑
CT图像集采用组织器官自动分割算法自动分割出虚拟组织器官，并通过3D组织器官模型重建算法，重建患者的虚拟运动组织器官的3D模型；将患者治疗计划的运动组织器官的3D模型和虚拟的运动组织器官的3D模型进行配准计算，输出指定运动组织器官的3D模型形状和运动偏移量。2.根据权利要求1所述的三维图像引导运动器官定位方法，其特征在于，患者的实时DR图像通过采用DR成像设备进行获取。3.根据权利要求2所述的三维图像引导运动器官定位方法，其特征在于，所述DR成像设备包括一套X射线源及与之对应的成像平板；所述X射线源安装在治疗室顶部，所述成像平板安装在治疗室地面部分，各自使用小角度轨道进行运动；或者，所述X射线源和成像平板使用C型臂连接整体进行小角度运动。4.根据权利要求1所述的三维图像引导运动器官定位方法，其特征在于，人工智能网络算法通过训练验证获得，包括：使用DR成像设备拍摄患者的DR图像，同时使用CT系统拍摄同一患者同一部位的3D
‑
CT图像，使该患者的DR图像和3D
‑
CT图像一一对应，建立DR图像及与之对应的3D
‑
CT图像数据集；将建立的数据集中部分数据作为训练数据集，另一部分作为验证数据集，构建神经网络模型进行训练验证，并通过运算不断迭代获得人工智能网络的权重参数，进而获得训练好的人工智能网络模型。5.根据权利要求1所述...

【专利技术属性】
技术研发人员：申国盛，李强，刘新国，戴中颖，金晓东，贺鹏博，
申请(专利权)人：中国科学院近代物理研究所，
类型：发明
国别省市：