融合MR信息指导CT的直肠癌肿瘤区自动勾画方法及装置制造方法及图纸

本发明专利技术公开了一种融合MR信息指导CT的直肠癌肿瘤区自动勾画方法及装置，包括：获取MRI图像和CT图像；基于第一GTV分割模型，预测所述MRI图像上的第一GTV预测结果；利用刚体配准，将所述第一GTV预测结果映射到所述CT图像，得到所述CT图像对应的勾画上界和勾画下界；基于第二GTV分割模型，预测所述CT图像上的第二GTV预测结果；基于所述勾画上界和所述勾画下界，对所述第二GTV预测结果进行标注范围控制，得到所述CT图像上的目标GTV预测结果；输出所述目标GTV预测结果；可见，本发明专利技术能够结合核磁MRI对软组织和肿瘤敏感性高的优势，对照MRI图像信息辅助在CT图像上勾画，进一步提升CT图像上直肠癌GTV自动勾画的可靠性与准确性。上直肠癌GTV自动勾画的可靠性与准确性。上直肠癌GTV自动勾画的可靠性与准确性。

【技术实现步骤摘要】
融合MR信息指导CT的直肠癌肿瘤区自动勾画方法及装置


[0001]本专利技术涉及医学图像处理
，具体而言，涉及一种融合MR信息指导CT的直肠癌肿瘤区自动勾画方法及装置。

技术介绍

[0002]目前，直肠癌是全球范围内最常见的恶性肿瘤之一。根据美国国立综合癌症网络给出的临床实践指南，对于中低位置的进展期直肠癌患者须在术前进行辅助放射治疗(RT)。放射治疗是利用放射线照射病灶区域，破坏肿瘤细胞的DNA链，从而抑制肿瘤细胞生长。放射线包括电磁辐射的射线、放射性同位素放出的α、β、γ射线以及粒子辐射的射线。术前放疗有利于提高术中肿瘤切除率，术后放疗有利于控制肿瘤的复发和扩散，对患者来说都是有利控制病情的方式。
[0003]其中，靶区和危及器官勾画是直肠癌放射治疗中关键的步骤。肿瘤学家需要在CT定位图像上逐层标注出大体肿瘤区(影像学可及或可见的肿瘤，包括原发灶、转移淋巴结和其他转移灶)、临床靶区(除了大体肿瘤区外，还包含亚临床灶及可能浸润的范围)和有其他需要保护的危及器官的位置。由于X射线对软组织的检测能力有限，在CT图像上直肠癌肿瘤群和周围软组织之间对比度低，造成肿瘤的边界模糊不清，增加难度。为了准确确定肿瘤位置和范围，直肠癌病人还需另外进行核磁共振图像(MRI)的采集；肿瘤医生将配准后的MRI和CT图像进行对照，在MR图像观察到病灶后，在对应的CT图像上完成GTV和CTV的勾画。但是，由于盆腔多模态图像配准效果不稳定，使得核磁和CT图像吻合程度不高，因此肿瘤医生进行直肠癌的靶区勾画仍然需要花费较长的时间。r/>[0004]对此，现有的直肠癌肿瘤区自动勾画方法仅在单独的CT图像上尝试进行CTV的自动勾画，或者单独在MRI进行GTV自动勾画的尝试，尚未开展融合MRI和CT图像信息的利用MRI辅助CT图像勾画方法的研究。

技术实现思路

[0005]本专利技术实施例提供了一种融合MR信息指导CT的直肠癌肿瘤区自动勾画方法及装置，能够结合核磁MRI对软组织和肿瘤敏感性高的优势，对照MRI图像信息辅助在CT图像上勾画，进一步提升CT图像上直肠癌GTV自动勾画的可靠性与准确性。
[0006]根据本专利技术实施例的一个方面，提供了一种融合MR信息指导CT的直肠癌肿瘤区自动勾画方法，包括：
[0007]获取MRI图像和CT图像；
[0008]基于第一GTV分割模型，预测所述MRI图像上的第一GTV预测结果；
[0009]利用刚体配准，将所述第一GTV预测结果映射到所述CT图像，得到所述CT图像对应的勾画上界和勾画下界；
[0010]基于第二GTV分割模型，预测所述CT图像上的第二GTV预测结果；
[0011]基于所述勾画上界和所述勾画下界，对所述第二GTV预测结果进行标注范围控制，
得到所述CT图像上的目标GTV预测结果；
[0012]输出所述目标GTV预测结果。
[0013]作为一种可选的实施方式，基于所述勾画上界和所述勾画下界，对所述第二GTV预测结果进行标注范围控制，得到所述CT图像上的目标GTV预测结果，包括：
[0014]如果所述第二GTV预测结果中存在超出所述勾画上界或者低于所述勾画下界的标注GTV，则删除所述标注GTV；以及
[0015]如果所述第二GTV预测结果在所述勾画上界与所述勾画下界之间存在未标注区域，则补全所述未标注区域对应的标注结果。
[0016]作为一种可选的实施方式，在基于第二GTV分割模型，预测所述CT图像上的第二GTV预测结果之前，所述方法还包括：
[0017]将所述CT图像输入CT直肠分割模型，得到所述CT直肠分割模型输出的、在所述CT图像上的直肠图像区域；
[0018]所述基于第二GTV分割模型，预测所述CT图像上的第二GTV预测结果，包括：
[0019]将所述直肠图像区域输入所述第二GTV分割模型，得到所述第二GTV预测结果；其中，所述第二GTV预测结果用于标注所述直肠图像区域中的GTV。
[0020]作为一种可选的实施方式，所述第一GTV分割模型、所述第二GTV分割模型和所述CT直肠分割模型的网络结构采用引入Squeeze
‑
Excitation模块的DPNUNet。
[0021]作为一种可选的实施方式，所述第一GTV分割模型和所述第二GTV分割模型在模型训练阶段采用加权BCE损失和加权Dice损失共同作为总体损失。
[0022]作为一种可选的实施方式，所述总体损失的计算公式如下：
[0023][0024]其中，为所述加权BCE损失，为所述加权Dice损失，α为所述加权BCE损失对应的第一加权系数，β为所述加权Dice损失对应的第二加权系数。
[0025]根据本专利技术实施例的另一方面，还提供了一种融合MR信息指导CT的直肠癌肿瘤区自动勾画装置，包括：
[0026]图像获取单元，用于获取MRI图像和CT图像；
[0027]第一预测单元，用于基于第一GTV分割模型，预测所述MRI图像上的第一GTV预测结果；
[0028]刚体配准单元，用于利用刚体配准，将所述第一GTV预测结果映射到所述CT图像，得到所述CT图像对应的勾画上界和勾画下界；
[0029]第二预测单元，用于基于第二GTV分割模型，预测所述CT图像上的第二GTV预测结果；
[0030]结果确定单元，用于基于所述勾画上界和所述勾画下界，对所述第二GTV预测结果进行标注范围控制，得到所述CT图像上的目标GTV预测结果；
[0031]结果输出单元，用于输出所述目标GTV预测结果。
[0032]作为一种可选的实施方式，所述结果确定单元具体用于：
[0033]如果所述第二GTV预测结果中存在超出所述勾画上界或者低于所述勾画下界的标注GTV，则删除所述标注GTV；以及
[0034]如果所述第二GTV预测结果在所述勾画上界与所述勾画下界之间存在未标注区域，则补全所述未标注区域对应的标注结果。
[0035]作为一种可选的实施方式，所述装置还包括：
[0036]第三预测单元，用于在基于第二GTV分割模型，预测所述CT图像上的第二GTV预测结果之前，将所述CT图像输入CT直肠分割模型，得到所述CT直肠分割模型输出的、在所述CT图像上的直肠图像区域；
[0037]所述第二预测单元具体用于：
[0038]将所述直肠图像区域输入所述第二GTV分割模型，得到所述第二GTV预测结果；其中，所述第二GTV预测结果用于标注所述直肠图像区域中的GTV。
[0039]根据本专利技术实施例的又一方面，还提供了一种计算设备，所述计算设备包括：至少一个处理器、存储器和输入输出单元；其中，所述存储器用于存储计算机程序，所述处理器用于调用所述存储器中存储的计算机程序来执行上述融合MR信息指导CT的直肠癌肿瘤区自动勾画方法。
[0040]根据本专利技术实施例的又一方面，还提供了一种计算机可读存储介质，其包括指令，当其在计本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合MR信息指导CT的直肠癌肿瘤区自动勾画方法，其特征在于，包括：获取MRI图像和CT图像；基于第一GTV分割模型，预测所述MRI图像上的第一GTV预测结果；利用刚体配准，将所述第一GTV预测结果映射到所述CT图像，得到所述CT图像对应的勾画上界和勾画下界；基于第二GTV分割模型，预测所述CT图像上的第二GTV预测结果；基于所述勾画上界和所述勾画下界，对所述第二GTV预测结果进行标注范围控制，得到所述CT图像上的目标GTV预测结果；输出所述目标GTV预测结果。2.根据权利要求1所述的融合MR信息指导CT的直肠癌肿瘤区自动勾画方法，其特征在于，基于所述勾画上界和所述勾画下界，对所述第二GTV预测结果进行标注范围控制，得到所述CT图像上的目标GTV预测结果，包括：如果所述第二GTV预测结果中存在超出所述勾画上界或者低于所述勾画下界的标注GTV，则删除所述标注GTV；以及如果所述第二GTV预测结果在所述勾画上界与所述勾画下界之间存在未标注区域，则补全所述未标注区域对应的标注结果。3.根据权利要求1所述的融合MR信息指导CT的直肠癌肿瘤区自动勾画方法，其特征在于，在基于第二GTV分割模型，预测所述CT图像上的第二GTV预测结果之前，所述方法还包括：将所述CT图像输入CT直肠分割模型，得到所述CT直肠分割模型输出的、在所述CT图像上的直肠图像区域；所述基于第二GTV分割模型，预测所述CT图像上的第二GTV预测结果，包括：将所述直肠图像区域输入所述第二GTV分割模型，得到所述第二GTV预测结果；其中，所述第二GTV预测结果用于标注所述直肠图像区域中的GTV。4.根据权利要求3所述的融合MR信息指导CT的直肠癌肿瘤区自动勾画方法，其特征在于，所述第一GTV分割模型、所述第二GTV分割模型和所述CT直肠分割模型的网络结构采用引入Squeeze
‑
Excitation模块的DPNUNet。5.根据权利要求1所述的融合MR信息指导CT的直肠癌肿瘤区自动勾画方法，其特征在于，所述第一GTV分割模型和所述第二GTV分割模型在模型训练阶段采用加权BCE损失和加权Dice损失共同作为总体损失。6.根据权利要求5所述的融合MR...

【专利技术属性】
技术研发人员：王少彬，陈颀，白璐，杜乙，耿建昊，朱向高，岳海振，李永恒，
申请(专利权)人：北京肿瘤医院北京大学肿瘤医院，
类型：发明
国别省市：