一种基于危及器官提示的宫颈癌放疗靶区自动勾画方法技术

本发明专利技术公开了一种基于危及器官提示的宫颈癌放疗靶区自动勾画方法，使用两个相同结构的分割网络分别提取

【技术实现步骤摘要】
一种基于危及器官提示的宫颈癌放疗靶区自动勾画方法


[0001]本专利技术涉及放疗靶区勾画
，特别涉及一种基于危及器官提示的宫颈癌放疗靶区自动勾画方法
。

技术介绍

[0002]宫颈癌是全球女性癌症的主要病症之一
。
放疗作为宫颈癌的主要治疗方式，其治疗效果在很大程度上取决于放疗靶区
(CTV)
的精确勾画
。
在放疗过程中，要确保肿瘤组织受到足够的辐射剂量，同时，又要能最大程度地保护周围的健康组织和关键器官
(
如危及器官
OAR)。
[0003]现有
CTV
勾画方法存在一些缺陷和不足：
[0004]a)
人为因素的影响：传统的
CTV
勾画方法主要依赖于放疗师的经验和技能，这不仅导致勾画过程耗时，而且受到人为因素的影响，勾画结果可能存在一定的偏差
。
[0005]b)
技术局限性：市面上有一些半自动化的勾画工具，但它们往往受到图像质量
、
分辨率和对比度的限制，可能不适用于所有患者或所有设备
。
[0006]c)
勾画精度问题：在复杂的解剖结构或不清晰的图像条件下，传统的勾画方法可能无法达到理想的精度
。
[0007]d)
忽视
OAR
的重要性：传统方法没有充分考虑到危及器官
OAR
的位置和形态，这可能导致
OAR
受到过多的辐射，增加患者的并发症风险
。
[0008]随着医学图像处理技术的进步，自动化算法被引入到
CTV
勾画中，旨在提高勾画的准确性和效率
。
然而，大多数现有的自动化算法仍然面临挑战，尤其是在图像质量不佳或解剖结构复杂的情况下
。

技术实现思路

[0009]为了解决上述问题，本专利技术提供了一种基于危及器官提示的宫颈癌放疗靶区自动勾画方法，能够利用
OAR
的明显边界信息来提高
CTV
勾画的准确性和一致性
。
[0010]为此，本专利技术的技术方案是：一种基于危及器官提示的宫颈癌放疗靶区自动勾画方法，包括以下步骤：
[0011]1)OAR、CTV
自动勾画，具体步骤如下：
[0012]1.1)
获取病人宫颈
CT
数据，并进行预处理；
[0013]1.2)
根据数据标注，选择包含
OAR
的切片层作为训练数据；
[0014]1.3)
从每个
CT
标准注选取
CTV
以及关键
OAR
勾画作为数据标签；
[0015]1.4)
构建两个并行的
3D Unet
网络分别对
OAR、CTV
进行训练，两个
3D Unet
网络为
OAR
分割网络和
CTV
分割网络；
[0016]2)
在
OAR
分割网络和
CTV
分割网络之间增加多尺度
OAR
提示融合模块，具体步骤如下：
[0017]2.1)
获取不同尺度的
OAR
分割网络和
CTV
分割网络的特征输出；
[0018]2.2)
使用交叉注意力机制获取注意力图；
[0019]2.3)
将注意力图和
CTV
分割网络特征进行融合，即相加得到
OAR
提示后的融合特征；
[0020]2.4)
对
CTV
分割网络进行深度监督，即解码器不同尺度融合后的特征预测结果都与
CTV
标签进行损失的计算，更新模型参数；
[0021]2.5)OAR
分割网络和
CTV
分割网络分别训练，产生分割结果输出；
[0022]3)CTV
粗分割结果校正，通过级联
OAR
分割网络和
CTV
分割网络的特征输出，经过结果校正模块，获取最终的
CTV
分割结果输出
。
[0023]在上述方案的基础上并作为上述方案的优选方案：所述
OAR
分割网络和
CTV
分割网络的结构相同，均包括多层下采样
、
卷积模块，以及多层上采样
、
卷积模块
。
[0024]在上述方案的基础上并作为上述方案的优选方案：所述多尺度
OAR
提示融合的具体步骤如下：
[0025]I)
构建交叉注意力机制：即
CTV
提供查询
Query
，
OAR
提供键
Key
和值
Value
；
[0026]II)
计算
Query、Key
和
Value
：分别由
OAR、CTV
特征输出和三个卷积相乘得来；
[0027]III)
计算
Query
和
Key
之间的相似度矩阵；
[0028]IV)
通过相似度矩阵和
Value
加权得到交叉注意力的输出结果；
[0029]V)
将交叉注意力的输出结果和原始的
CTV
特征输出相加，从而对
CTV
区域进行特征加强，完成
OAR
提示功能；
[0030]VI)
将
OAR
提示用于不同的尺度上，多次增强
。
[0031]在上述方案的基础上并作为上述方案的优选方案：所述多尺度
OAR
提示融合由下列公式计算：
[0032]Value
＝
T
OAR
×
W
v
；
[0033]Key
＝
T
OAR
×
W
k
；
[0034]Query
＝
T
CTV
×
W
q
；
[0035]T'
CTV
＝
Key
×
Query
×
Value+T
CTV
；
[0036]其中：
T
OAR
为原始的
OAR
特征输出；
[0037]T
CTV
为原始的
CTV
特征输出；
[0038]T'
CTV
为增强的...

【技术保护点】

【技术特征摘要】
1.
一种基于危及器官提示的宫颈癌放疗靶区自动勾画方法，其特征在于：包括以下步骤：
1)OAR、CTV
自动勾画，具体步骤如下：
1.1)
获取病人宫颈
CT
数据，并进行预处理；
1.2)
根据数据标注，选择包含
OAR
的切片层作为训练数据；
1.3)
从每个
CT
标准注选取
CTV
以及关键
OAR
勾画作为数据标签；
1.4)
构建两个并行的
3D Unet
网络分别对
OAR、CTV
进行训练，两个
3D Unet
网络为
OAR
分割网络和
CTV
分割网络；
2)
在
OAR
分割网络和
CTV
分割网络之间增加多尺度
OAR
提示融合模块，具体步骤如下：
2.1)
获取不同尺度的
OAR
分割网络和
CTV
分割网络的特征输出；
2.2)
使用交叉注意力机制获取注意力图；
2.3)
将注意力图和
CTV
分割网络特征进行融合，即相加得到
OAR
提示后的融合特征；
2.4)
对
CTV
分割网络进行深度监督，即解码器不同尺度融合后的特征预测结果都与
CTV
标签进行损失的计算，更新模型参数；
2.5)OAR
分割网络和
CTV
分割网络分别训练，产生分割结果输出；
3)CTV
粗分割结果校正，通过级联
OAR
分割网络和
CTV
分割网络的特征输出，经过结果校正模块，获取最终的
CTV
分割结果输出
。2.
如权利要求1所述的一种基于危及器官提示的宫颈癌放疗靶区自动勾画方法，其特征在于：所述
OAR
分割网络和
CTV
分割网络的结构相同，均包括多层下采样
、
卷积模块，以及多层上采样
、
卷积模块
。3.
如权利要求1所述的一种基于危及器官提示的宫颈癌放疗靶区自动勾画方法，其特征在于：所述多尺度
OAR
提示融合的具体步骤如下：
I)
构建交叉注意力机制：即
CTV
提供查询
Query
，
OAR
提供键
Key
和值
Value
；
II)
计算
Query、Key
和
Value
：分别由
OAR、C...

【专利技术属性】
技术研发人员：卢山富，毛小倩，颜子夜，袁博，
申请(专利权)人：浙江柏视医疗科技有限公司，
类型：发明
国别省市：