【技术实现步骤摘要】
一种基于MR图像智能勾画方法、系统、设备及存储介质
[0001]本专利技术涉及计算机视觉
，尤其涉及一种基于MR图像智能勾画方法、系统、设备及存储介质。
技术介绍
[0002]由于放疗疗程较长，在治疗过程中患者常因放射反应导致消瘦，致使体位固定不可靠，或因肿瘤退缩而导致靶区位置、形状发生改变，这时如仍坚持原放疗方案，无疑会遗漏肿瘤靶区或加重正常组织损伤。如能开展自适应放疗(Adaptive Radiotherapy,ART)，借助图像引导及时发现诸如器官运动、摆位误差、肿瘤收缩等变化情况，进而在线调整治疗条件使照射野始终能紧紧“追随”靶区，则能达成真正意义上的精准治疗。
[0003]头颈部肿瘤(Head Neck Cancer,HNC)在疾病的早期就会发生临近组织浸润，由于肿瘤侵犯区域图像灰度、结构均较为复杂、与正常组织和器官界限不明显。目前，临床上肿瘤靶区(Gross Tumor Volume,GTV)需由经验丰富的医生手工勾画确定，或者，引入CNN对脑肿瘤进行分割，且取得了较好的结果[1
‑>2]。Wang等[本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于MR图像智能勾画方法，其特征在于，所述方法包括：获取初始MR图像和初始CT图像，并分别按照区域和阈值进行划分，对应得到多组第一MRI图像和第一CT图像；将所述多组第一MRI图像和所述第一CT图像同时作为第一神经网络模型的输入，对应输出多组第一器官预测概率图；依次计算第一器官预测概率图中危及区域器官的中心位置坐标，对应得到危及器官所在的第一图像；根据危及器官的体积和与周围组织的对比度，依次对第一图像分类，并对应使用不同的分割方式进行第一分割，对应得到全部靶区和危及器官的第一分割结果；根据临床先验知识，确定肿瘤分割的目标区域，并将所述目标区域对应的第一MRI图像、所述第一CT图像、所述多组第一器官预测概率图和各危及器官对应的第一分割结果作为第二神经网络模型的输入，输出对肿瘤的第二分割结果，以实现基于MR图像的肿瘤分割。2.如权利要求1所述的基于MR图像智能勾画方法，其特征在于，所述获取初始MR图像和初始CT图像，并分别按照区域和阈值进行划分，对应得到多组第一MRI图像和第一CT图像，包括：根据头颈CT扫描得到CT图像，按照阈值划分所述CT图像中的头颈区域和空气，得到第一CT图像；根据MR加速器获得头颈的MRI图像，并按照区域划分器官，分为：中枢区域器官、食道区域器官、口咽区域器官和视觉区域器官，得到四种区域器官对应的图像为第一MRI图像。3.如权利要求1所述的基于MR图像智能勾画方法，其特征在于，所述将所述多组第一MRI图像和所述第一CT图像同时作为第一神经网络模型的输入，对应输出多组第一器官预测概率图，具体为：在所述第一神经网络模型内设置第一MRI神经网络和第一CT神经网络；将各区域器官对应的第二MRI图像作为所述第一MRI神经网络的输入，将第二CT图像作为所述第一CT神经网络的输入，并将各区域器官对应的第一MRI神经网络的特征层和第一CT神经网络的特征层进行两两融合，对应输出各区域器官的融合特征；对所述融合特征进行编码和解码操作，对应输出各区域器官对应的器官预测概率图为第一器官预测概率图。4.如权利要求1所述的基于MR图像智能勾画方法，其特征在于，所述根据危及器官的体积和与周围组织的对比度，依次对第一图像分类，并对应使用不同的分割方式进行第一分割，对应得到全部靶区和危及器官的第一分割结果，包括：根据危及器官的体积、周围组织的对比度，将第一图像划分为第一分割图像和第二分割图像；判断第一图像是否为第一分割图像，若第一图像为第一分割图像，则根据对应的第一器官预测概率图，采用二值图进行分割，得到第一分割结果；若第一图像为第二分割图像，则基于对应的第一器官预测概率图的先验注意力机制约...
【专利技术属性】
技术研发人员：刘懿梅，彭应林，陈美宁，陈利，邓小武，祁振宇，
申请(专利权)人：中山大学肿瘤防治中心中山大学附属肿瘤医院，中山大学肿瘤研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。