一种基于深度学习的鼻咽癌图像分割方法及系统技术方案

本发明专利技术涉及图像分割技术领域，尤其涉及一种基于深度学习的鼻咽癌图像分割方法及系统；本发明专利技术通过对鼻咽癌病灶所在区域较为复杂的特点，将鼻咽癌病灶分为骨组织和肌肉脂肪组织两类，并分别采用两个深度学习模型分别对病灶识别，提高了模型识别的精度，进而提高了模型分割的精度；另外，本发明专利技术根据鼻咽癌病灶发生在肌肉脂肪组织上时，识别精度不高的问题时，通过将大于某阈值的HU值随机删除，从而弱化骨头在训练过程中的影响，使得模型更多的注意肌肉，脂肪等消息，从而提高模型对肌肉和脂肪区域的病灶的识别能力，提高了模型识别的精度，进而提高了模型分割的精度。进而提高了模型分割的精度。进而提高了模型分割的精度。

【技术实现步骤摘要】
一种基于深度学习的鼻咽癌图像分割方法及系统


[0001]本专利技术涉及图像分割
，尤其涉及一种基于深度学习的鼻咽癌图像分割方法及系统。

技术介绍

[0002]鼻咽癌（NPC）是我国头颈部最常见的恶性肿瘤之一，由于鼻咽癌早期临床表现并不特异，因此鼻咽癌早期发现存在困难；影像学及内镜检查是鼻咽癌的常用检查手段，然而，受临床医师经验等主观因素以及影像图片分辨率等客观因素的影响，传统鼻咽癌诊治过程中存在着较高的诊断结论不一致情况。此外，传统诊疗方式中大量重复性工作使得临床效率低下。因此，探寻更为稳定、客观且高效的鼻咽癌诊治手段对临床工作至关重要。近年来，随着人工智能特别是深度学习越来越多地应用于计算机视觉，基于影像学及内镜图像的模型已在肺癌、皮肤癌、结肠癌等多种癌症诊治中取得较大进展。以深度学习为基础的模型能够自主从原始数据中选择最合适的特征训练，在图像识别、分割、风险预测及疗效预测等方面展现出令人振奋的性能。
[0003]CT是计算机断层扫描显像技术的简称，通常在医学临床上最为常见的是以X光为放射源来建立断层图像，即X光CT。简单来说C本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的鼻咽癌图像分割方法，其特征在于，包括以下步骤：S101：搜集医院系统鼻咽癌患者的CT图像作为样本集；S102：对所述样本集进行预处理；S103：根据所述样本集训练第一深度学习模型；S104：将待识别CT图像输入至所述第一深度学习模型中，得到第一初步识别结果；S105：判断所述第一初步识别结果是否处于骨组织区域；若不处于，则进入下一步，若处于，则进入S109;S106：对所述样本集进行处理，得到新的样本集，根据新的样本集训练第二深度学习模型；S107：将待识别CT图像输入至所述第二深度学习模型中，得到第二初步识别结果；S108：判断所述第二初步识别结果是否处于肌肉以及脂肪组织区域；若处于，则进入下一步，若不处于，则将所述待识别CT图像发送给医生综合判断;S109：按照所述第一初步识别结果或第二初步识别结果进行图像分割。2.根据权利要求1所述的一种基于深度学习的鼻咽癌图像分割方法，其特征在于， 所述S101中，所述S101中的CT图像中包括专业放疗医生手动勾画的鼻咽癌病灶区域。3.根据权利要求2所述的一种基于深度学习的鼻咽癌图像分割方法，其特征在于，所述S101中，以天津市2000
‑
2020年诊断为鼻咽癌的电子病历中的CT图像作为鼻咽癌图像分割的样本集。4.根据权利要求1所述的一种基于深度学习的鼻咽癌图像...

【专利技术属性】
技术研发人员：高晓葳，王珊珊，杜俊尧，
申请(专利权)人：天津医科大学第二医院，
类型：发明
国别省市：