器官轮廓线质量评估方法、装置及系统制造方法及图纸

本发明专利技术公开了一种器官轮廓线质量评估方法、装置及系统。其中，该方法包括：获取目标图像，其中，目标图像中包括多个体素，目标图像至少包含目标器官的医学图像以及勾画的目标器官的轮廓线；依据轮廓线，在目标图像中确定第一区域和第二区域，其中，第一区域位于轮廓线所包围区域外侧，第二区域位于轮廓线所包围区域内侧；确定第一区域的目标属性的第一评价指标和第二区域的目标属性的第二评价指标；依据第一评价指标和第二评价指标确定轮廓线的质量评定结果，并输出质量评定结果。本发明专利技术解决了现有器官轮廓线质量评估方法对轮廓线附近区域的图像属性利用不足，因而对轮廓线的局部细节评估不足，导致对轮廓线的评估结果准确度较低的技术问题。

【技术实现步骤摘要】
器官轮廓线质量评估方法、装置及系统
本专利技术涉及医学影像领域，具体而言，涉及一种器官轮廓线质量评估方法、装置及系统。
技术介绍
在分馏放疗(fractionatedradiotherapy)中，患者的治疗计划通常在治疗前使用规划CT生成。然而，由于设置误差和患者的解剖结构变化引起的分馏差异，在治疗前生成的计划可能不是治疗期间某一天的最佳值。为了将这些变化和不确定性可视化，诸如机载锥形束CT、核磁共振成像(MRI)等成像技术被应用到治疗室，成为常规设备。更精细的分馏变化管理引入了在线自适应重规划(onlineadaptivereplanning,OLAR)，它利用治疗当天的成像数据，根据实时的解剖结构，优化治疗计划。由于OLAR必须在患者躺在治疗床上等待治疗的期间完成在线计划，因此其速度和效率至关重要。目前，OLAR的一个主要瓶颈是分割患者解剖结构所需的时间过长，可能长达30分钟。部分原因是需要人工审查自动或手动描绘的器官轮廓。此外，人工评估轮廓的正确性受用户经验、敏感性等人为因素影响，可能导致评估错误的发生。因此，要想控制和加速OLAR的临床实践，稳定和自动的轮廓质量验证是必要的。目前有有以下几种对轮廓质量评估的方法：Altman等人设计出一种基于知识(knowledge-based)的轮廓质量评估方法，该方法通过提取大小、形状、位置等临床相关指标进行评估；另一种方法基于几何属性分布(GAD)模型，使用质心、体积、形状、相对距离等几何参数来描述轮廓的变化和评估。McIntosh等人使用轮廓形状、密度特征和随即森林分类来评估轮廓质量；Hui等人利用胸腔的容积特征开发出轮廓质量评估工具。然而上述轮廓质量评估方法计算量大，效率较低，并且现有算法通常会用到一些医学方面的知识，如左肺在右肺左边，器官在身体内部，器官单连通等来辅助评估评估，但是对轮廓线附近区域的图像属性利用不足，因而对轮廓线的局部细节评估不足，导致对轮廓线的评估结果准确度较低。针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种器官轮廓线质量评估方法、装置及系统，以至少解决由于现有器官轮廓线质量评估方法对轮廓线附近区域的图像属性利用不足，因而对轮廓线的局部细节评估不足，导致对轮廓线的评估结果准确度较低的技术问题。根据本专利技术实施例的一个方面，提供了一种器官轮廓线质量评估方法，包括：获取目标图像，其中，目标图像中包括多个体素，目标图像至少包含目标器官的医学图像以及勾画的目标器官的轮廓线；依据轮廓线，在目标图像中确定第一区域和第二区域，其中，第一区域位于轮廓线所包围区域外侧，第二区域位于轮廓线所包围区域内侧；确定第一区域的目标属性的第一评价指标和第二区域的目标属性的第二评价指标；依据第一评价指标和第二评价指标确定轮廓线的质量评定结果，并输出质量评定结果。可选地，第一评价指标包括第一灰度分布情况和第一纹理熵分布情况，第二评价指标包括第二灰度分布情况和第二纹理熵分布情况。可选地，依据第一评价指标和第二评价指标确定轮廓线的质量评定结果，包括：依据第一灰度分布情况，确定第一区域的第一灰度聚集程度，以及依据第一纹理熵分布情况，确定第一区域的第一纹理熵聚集程度；依据第二灰度分布情况，确定第二区域的第二灰度聚集程度，以及依据第二纹理熵分布情况，确定第二区域的第二纹理熵聚集程度；比较第一灰度分布情况和第二灰度分布情况，确定第一区域和第二区域的灰度分布重叠程度，以及比较第一纹理熵分布情况和第二纹理熵分布情况，确定第一区域和第二区域的纹理熵分布重叠程度；依据第一灰度聚集程度、第一纹理熵聚集程度、第二灰度聚集程度、第二纹理熵聚集程度、灰度分布重叠程度和纹理熵分布重叠程度确定轮廓线的质量评定结果。可选地，依据第一灰度聚集程度，第一纹理聚集程度，第二灰度聚集程度，第二纹理熵聚集程度，灰度分布重叠程度，纹理熵分布重叠程度确定轮廓线的质量评定结果，包括：当第一灰度聚集程度大于第一聚集程度阈值，第二灰度聚集程度大于第二聚集程度阈值，第一纹理熵聚集程度大于第三聚集程度阈值，第二纹理熵聚集程度大于第四聚集程度阈值，灰度分布重叠程度小于第一重叠程度阈值，纹理熵分布重叠程度小于第二重叠程度阈值，判定轮廓线的质量评定结果为合格；当第一灰度聚集程度大于第一聚集程度阈值，第二灰度聚集程度大于第二聚集程度阈值，第二纹理熵聚集程度小于第四聚集程度阈值，灰度分布重叠程度大于第一重叠程度阈值，判定轮廓线的质量评定结果为不合格；当第一灰度聚集程度小于第一聚集程度阈值，纹理熵分布重叠程度小于第二重叠程度阈值，判定轮廓线的质量评定结果为不合格。可选地，第一灰度分布情况依据第一区域对应的第一灰度概率分布情况确定，第一纹理熵分布情况依据第一区域对应的第一纹理熵概率分布情况确定，第二灰度分布情况依据第二区域的第二灰度概率分布情况确定，第二纹理熵分布情况依据第二区域的第二纹理熵概率分布情况确定。可选地，依据轮廓线，在目标图像中确定第一区域和第二区域，包括：确定目标图像中的体素与轮廓线之间的有向距离；比较有向距离和第一阈值，以及比较有向距离和第二阈值；依据比较结果，确定位于第一区域和第二区域的体素，其中，位于第一区域的体素与轮廓线的最小有向距离小于第一阈值，位于第二区域的体素与轮廓线的最小有向距离大于第二阈值。根据本专利技术实施例的另一方面，还提供了一种器官轮廓线质量评估装置，包括：获取模块，用于获取目标图像，其中，目标图像中包括多个体素，目标图像至少包含目标器官的图像以及勾画的目标器官的轮廓线；划分模块，用于依据轮廓线，在目标图像中确定第一区域和第二区域，其中，第一区域位于轮廓线所包围区域外侧，第二区域位于轮廓线所包围区域内侧；计算模块，用于确定第一区域的目标属性的第一评价指标和第二区域的目标属性的第二评价指标；评价模块，依据第一评价指标和第二评价指标确定轮廓线的质量评定结果，并输出质量评定结果。根据本专利技术实施例的另一方面，还提供了一种器官轮廓线质量评估系统，包括：图像采集装置，用于获取目标图像，其中，目标图像中包括多个体素，目标图像至少包含目标器官的医学图像以及勾画的目标器官的轮廓线；数据处理装置，用于：依据轮廓线，在目标图像中确定第一区域和第二区域，其中，第一区域位于轮廓线所包围区域外侧，第二区域位于轮廓线所包围区域内侧；确定第一区域的目标属性的第一评价指标和第二区域的目标属性的第二评价指标；依据第一评价指标和第二评价指标确定轮廓线的质量评定结果；展示装置，用于输出质量评定结果。根据本专利技术实施例的另一方面，还提供了一种非易失性存储介质，非易失性存储介质包括存储的程序，其中，在程序运行时控制非易失性存储介质所在设备执行器官轮廓线质量评估方法。根据本专利技术实施例的另一方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行官轮廓线质量评估方法。在本专利技术实施例中，采用获取目标图像，其中，目标图像中包括多个体素，目标图像至少包含目标器官的图像以及勾画的目标器官的轮廓线；依据轮廓线，在目标图像中确定第一本文档来自技高网...

【技术保护点】
1.一种器官轮廓线质量评估方法，其特征在于，包括：/n获取目标图像，其中，所述目标图像中包括多个体素，所述目标图像至少包含目标器官的医学图像以及勾画的所述目标器官的轮廓线；/n依据所述轮廓线，在所述目标图像中确定第一区域和第二区域，其中，所述第一区域位于所述轮廓线所包围区域外侧，所述第二区域位于所述轮廓线所包围区域内侧；/n确定所述第一区域的目标属性的第一评价指标和所述第二区域的所述目标属性的第二评价指标；/n依据所述第一评价指标和所述第二评价指标确定所述轮廓线的质量评定结果，并输出所述质量评定结果。/n

【技术特征摘要】
1.一种器官轮廓线质量评估方法，其特征在于，包括：
获取目标图像，其中，所述目标图像中包括多个体素，所述目标图像至少包含目标器官的医学图像以及勾画的所述目标器官的轮廓线；
依据所述轮廓线，在所述目标图像中确定第一区域和第二区域，其中，所述第一区域位于所述轮廓线所包围区域外侧，所述第二区域位于所述轮廓线所包围区域内侧；
确定所述第一区域的目标属性的第一评价指标和所述第二区域的所述目标属性的第二评价指标；
依据所述第一评价指标和所述第二评价指标确定所述轮廓线的质量评定结果，并输出所述质量评定结果。


2.根据权利要求1所述的方法，其特征在于，所述第一评价指标包括第一灰度分布情况和第一纹理熵分布情况，所述第二评价指标包括第二灰度分布情况和第二纹理熵分布情况。


3.根据权利要求2所述的方法，其特征在于，依据所述第一评价指标和所述第二评价指标确定所述轮廓线的质量评定结果，包括：
依据所述第一灰度分布情况确定所述第一区域的第一灰度聚集程度，以及依据所述第一纹理熵分布情况确定所述第一区域的第一纹理熵聚集程度；
依据所述第二灰度分布情况确定所述第二区域的第二灰度聚集程度，以及依据所述第二纹理熵分布情况确定所述第二区域的第二纹理熵聚集程度；
依据所述第一灰度分布情况和所述第二灰度分布情况确定所述第一区域和所述第二区域的灰度分布重叠程度，以及依据所述第一纹理熵分布情况和所述第二纹理熵分布情况确定所述第一区域和所述第二区域的纹理熵分布重叠程度；
依据所述第一灰度聚集程度、所述第一纹理熵聚集程度、所述第二灰度聚集程度、所述第二纹理熵聚集程度、所述灰度分布重叠程度和所述纹理熵分布重叠程度确定所述轮廓线的质量评定结果。


4.根据权利要求3所述的方法，其特征在于，依据所述第一灰度聚集程度、所述第一纹理熵聚集程度、所述第二灰度聚集程度、所述第二纹理熵聚集程度、所述灰度分布重叠程度和所述纹理熵分布重叠程度确定所述轮廓线的质量评定结果，包括：
当所述第一灰度聚集程度大于第一聚集程度阈值，所述第二灰度聚集程度大于第二聚集程度阈值，所述第一纹理熵聚集程度大于第三聚集程度阈值，所述第二纹理熵聚集程度大于第四聚集程度阈值，所述灰度分布重叠程度小于第一重叠程度阈值，所述纹理熵分布重叠程度小于第二重叠程度阈值，判定所述轮廓线的质量评定结果为合格；
当所述第一灰度聚集程度大于第一聚集程度阈值，所述第二灰度聚集程度大于第二聚集程度阈值，所述第二纹理熵聚集程度小于第四聚集程度阈值，所述灰度分布重叠程度大于第一重叠程度阈值，判定所述轮廓线的质量评定结果为不合格；
当所述第一灰度聚集程度小于第一聚集程度阈值，所述纹理熵分布重叠程度小于第二重叠程度阈值，判...

【专利技术属性】
技术研发人员：徐寿平，周琦超，盛华山，
申请(专利权)人：福建自贸试验区厦门片区Manteia数据科技有限公司，
类型：发明
国别省市：福建;35