一种基于浏览器-服务器架构的放疗轮廓自动勾画系统技术方案

本发明专利技术公开了一种基于浏览器

【技术实现步骤摘要】
一种基于浏览器
‑
服务器架构的放疗轮廓自动勾画系统


[0001]本专利技术属于医学人工智能影像处理
，具体涉及一种使用浏览器
‑
服务器(Browser
‑
Server，B/S)架构模式的，利用神经网络实现放疗前CT影像轮廓勾画的系统。

技术介绍

[0002]据世界卫生组织发布的《2020世界癌症报告》数据显示，2020年全球新发癌症病例1929万例，其中男性1006万例，女性923万例；2020年全球癌症死亡病例996万例，其中男性553万例，女性443万例。
[0003]放射治疗是目前临床肿瘤三大治疗手段(手术、放疗、化疗)之一，具有适用范围广、对接受治疗的病人自身条件要求不高、治疗效果明显、治疗方法可靠、治疗过程简单、治疗副作用较少等明显优势。
[0004]现代放疗有着一套完整的治疗流程。主要包括危及器官以及靶区的勾画，根据剂量学原理制定放疗计划，计划实施以及治疗炎症等。在现有技术方案中：首先通过CT设备对患者的可能肿瘤部位进行范围扫描，然后CT切片数据会通过计划系统传输到工作站系统上由物理师进行勾画，随后再由工作站将勾画结果返回计划系统来行计划制定，包括剂量和计划制定等。然而这种方案有着自身的局限性，在传统放疗中，加速器治疗机发出的射线要从不同角度穿过周围的重要器官、血管、组织到达肿瘤部位；对肿瘤部位的照射剂量不足将会导致治疗效果差、肿瘤复发等风险，而正常组织(危及器官)受到的照射剂量过高则会损害正常功能，增加放射性损伤等后遗症。因此，轮廓线勾画的准确与否直接关系到整个放疗计划的质量。准确界定照射范围(轮廓勾画)是精准放射治疗的关键步骤，即在CT或MRI影像上描绘出肿瘤以及危及器官的范围。
[0005]目前，肿瘤靶区及危及器官的勾画主要为人工勾画，这是一个非常耗时的工作，需要靠经验丰富的医生、专家在图像上手动进行，通常会消耗掉医生大量的时间和精力，这种手动方式不确定性强、耗时且不同医生专家对相同器官的勾画也存在一定差异，现阶段这种手动勾画的方法已经不能完全满足临床要求。当前同样存在一部分基于单机或客户端
‑
服务器(Client
‑
Server，C/S)架构的放疗轮廓自动勾画应用，通过使用基于深度学习的神经网络模型可以在短时间内对切片进行勾画，但是，该技术现也存在如下缺点：首先，通用性差：该方法主要基于特定的应用程序与操作系统，当前国内医院工作平台的操作系统主要集中在Windows，涉及到Windows系统的各个版本，同时也包括Linux、iOS等系统，不仅需要为这些系统单独开发适配的应用程序，在维护、升级等方面也需要重新设计和开发，增加了开发者开发、维护和管理的难度；其次，在实际中该方法需安装到系统软件中才可被使用，而医院中通常只会在放疗科内的某几台工作电脑上安装软件，这就造成了医生工作空间受限，影响工作效率；另外，对医院的硬件配套设施要求较高：当前医院中的工作电脑上需要安装许多专用软件，对于一些性能较差或使用时间较长的电脑是一个极大的负担，严重影响了医生的工作效率，而大批量更换设备对医院来说成本巨大；最后，进一步的数据拓展比较困难；当前的应用程序大都基于医院信息平台，而出于数据安全的考虑，医院的数据
保存在内部服务器上，这就导致软件开发完成后，深度学习网络性能的进一步提升非常困难。
[0006]综上，在当下医院逐步实现数字化、智能化的大背景下，现有技术方案中缺乏一种轻量化、通用性以及具有一定可扩展性的放疗轮廓自动勾画系统。

技术实现思路

[0007]针对于现有技术存在的前述问题，本专利技术提出了一种基于B/S架构的放疗轮廓自动勾画系统。
[0008]其中，所述勾画系统包括客户端、http请求解析、符合国际医学DICOM标准的文件的读取、数据集处理、深度神经网络相关处理、预测结果的渲染显示、符合医学DICOM标准的文件的写入和存储等多个部分，所述深度神经网络相关处理可用于对医学DICOM格式影像的危及器官和目标靶区的自动勾画。
[0009]本专利技术中，以上所述危及器官包括在放疗中可能受到射线伤害任何的组织、器官，例如头部的大脑、脑干、甲状腺和体表轮廓(皮肤)等。所述目标靶区包括肿瘤区(GTV、GTVO、GTVtb等)：一般的诊断手段能够诊断出的可见的具有一定形状和大小的恶性病变的范围，与临床分期标准一致；大体靶区(CTV)：包括已确定存在的肿瘤和潜在的受侵组织，肿瘤区和周围的亚临床病灶；计划靶区(PTV)：放疗中计划照射的区域。
[0010]本专利技术提出的一种基于B/S架构的放疗轮廓自动勾画系统具体包括：
[0011]客户端，在浏览器实现，用于实现与医生的交互，发送http请求，以及对渲染数据的显示。
[0012]http请求解析模块，用于对客户端发送的http请求进行解析，从而在服务器中调用不同的功能逻辑模块。
[0013]DICOM文件的读取模块，用于从已有病例的DICOM、DICOM
‑
RT文件中读取需要的信息，包括：医院名称、病人编号、CT图像、经过医生标注的轮廓图像，同时对其他涉及病人隐私的信息做模糊处理。
[0014]数据集清洗与预处理模块，用于从读取模块得到的数据中建立数据集，以及对数据集进行一定的处理，提高训练速度及准确率。
[0015]深度神经网络的训练模块，用于在上述数据集的基础上进行深度神经网络的训练，得到神经网络模型并保存到数据库中。
[0016]深度神经网络的推理模块，用于将训练模块中保存的神经网络模型在服务端实现部署，并通过针对性优化提升推理速度，对未经过轮廓勾画的病人CT文件实现自动勾画。
[0017]深度神经网络的监督模块，用于将经过医生修改的勾画结果重新写回到数据库中，以此实现本专利技术的可扩展性：随着病例的增多，本专利技术中所述深度神经网络的训练模块的准确率具备提高的空间。
[0018]数据渲染模块，用于对DICOM数据以及自动勾画结果进行渲染，最终发送到客户端进行显示。
[0019]DICOM文件的写入和存储模块，用于将勾画得到的轮廓信息写入DICOM文件中。
[0020]本专利技术有益效果包括：本专利技术属于医学人工智能影像处理
，所用深度神经网络能够有效提取CT影像中轮廓信息，在保证一定准确率的前提下可以有效降低医生工
作量，提高工作效率。本专利技术所述放疗轮廓自动勾画系统采用B/S架构，能够适配不同平台、不同系统，通用性强、轻量化、维护成本低，且得益于本系统所用的B/S架构，本专利技术所述放疗轮廓自动勾画系统能够很好的保护病人的隐私信息，确保数据安全，且计算速度更快，完美适应了医院的工作环境，且具备一定的数据可扩展性，让深度神经网络准确率具备一定的提升空间与可能性。
附图说明
[0021]图1是本专利技术物理结构的示意图。
[0022]图2是训练过程的流程示意图。
[0023]图3是推理和监督过程的流程示意图。
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于B/S架构的放疗轮廓自动勾画系统，其特征在于，可以实现对医学DICOM格式影像的自动勾画，所述系统采用B/S架构搭建，在物理结构上包括：浏览器端、服务器端、数据库；所述浏览器端位于本地电脑，以浏览器作为载体，实现用户与系统的交互以及信息的显示；所述服务器端位于网络中的服务器上，实现系统的具体功能；所述数据库实现数据的存储以及与服务器端的读写交互功能。2.根据权利要求1所述的基于B/S架构的放疗轮廓自动勾画系统，其特征在于，所述服务器端进一步包括：web层，用于解析浏览器端发出的http请求，以及对应用层传回的数据做渲染以便在浏览器端显示；应用层，用于在解析http请求后调用该系统的对应功能逻辑，并与数据库进行数据交互，真正实现数据的处理过程，包括：训练逻辑、推理逻辑、监督逻辑。3.根据权利要求1所述的基于B/S架构的放疗轮廓自动勾画系统，其特征在于，所述数据库中的信息包括：符合DICOM格式的影像信息、符合DICOM
‑
RT格式的已经完成勾画的轮廓信息、根据已有上述信息训练得到的.pth格式的网络模型数据，对于新添加的DICOM格式的影像信息，由CT扫描仪直接传入数据库。4.根据权利要求1所述的基于B/S架构的放疗轮廓自动勾画系统，其特...

【专利技术属性】
技术研发人员：葛云，程子杨，
申请(专利权)人：南京大学，
类型：发明
国别省市：