鼻咽癌PET肿瘤自动分割方法、系统、装置及存储介质制造方法及图纸

一种鼻咽癌PET肿瘤自动分割方法、系统、装置及存储介质，其中鼻咽癌PET肿瘤自动分割方法基于对象的PET图像通过6个步骤，得到每个像素点的最终预测概率，以及对应的分割图像。本发明专利技术鼻咽癌PET肿瘤自动分割方法，提出的集成模型与单个模型以及非机器学习方法相比，表现出了更好的泛化能力。与使用原始单个3D U‑Net分割方法相比，本发明专利技术分割图像的DSC、Jaccard和ASSD评价指标下分别将精度提高了7.8％、10.8％和24.5％，其分割效果更好。

【技术实现步骤摘要】

本专利技术涉及图像分割，特别涉及鼻咽癌pet肿瘤自动分割方法、系统、装置及存储介质。

技术介绍

1、目前的鼻咽癌pet肿瘤勾画主要由医生手工完成，这种手动勾画方式其存在以下问题：1、手工勾画困难且极为耗时，医生要逐层检查病人的断层图像，并在每层图像中勾画轮廓；2、手工勾画高度依赖医生经验，不同经验医生勾画结果差异较大。由于pet属功能成像，可以刻画组织的代谢强度，病变区域在pet图像上通常显示出高亮度。目前的鼻咽癌pet/ct图像中病灶较难以界定，pet图像空间分辨率低、且受部分容积效应和散射光子产生的伪影影响，一些具有高suv的非相邻组织看起来可能相邻，难以区分。有限的分辨率通常会导致病变边界模糊，从而导致分割过程中难以界定病变边界。此外，鼻咽癌病灶在ct中很少出现可观察到的边界(侵入鼻窦的除外)。最常用的方法包括：2.5suv阈值，线性自适应suv阈值函数方法，局部最大摄取值。然而，这些方法受限于简单的阈值，通常导致不准确的肿瘤勾画。近年来更多高级方法相继被提出，如同时利用pet和ct的梯度和强度的马尔可夫随机场方法。基于区域增长、边缘信息和纹理分析的本文档来自技高网...

【技术保护点】

1.一种鼻咽癌PET肿瘤自动分割方法，其特征在于，由如下步骤得到：

2.根据权利要求1所述的鼻咽癌PET肿瘤自动分割方法，其特征在于：所述S5为将所述S4得到的PET-SUV图像每输入一个训练后的V-NET模型，得到每个像素点的第一预测概率；将所述S4得到的PET-SUV图像每输入一个训练后的U-NET模型，得到每个像素点的第二预测概率；

3.根据权利要求2所述的鼻咽癌PET肿瘤自动分割方法，其特征在于：所述组合损失函数由式(1)表示：

4.根据权利要求3所述的鼻咽癌PET肿瘤自动分割方法，其特征在于，每个所述V-NET模型均由如下步骤进行训练：...

【技术特征摘要】

1.一种鼻咽癌pet肿瘤自动分割方法，其特征在于，由如下步骤得到：

2.根据权利要求1所述的鼻咽癌pet肿瘤自动分割方法，其特征在于：所述s5为将所述s4得到的pet-suv图像每输入一个训练后的v-net模型，得到每个像素点的第一预测概率；将所述s4得到的pet-suv图像每输入一个训练后的u-net模型，得到每个像素点的第二预测概率；

3.根据权利要求2所述的鼻咽癌pet肿瘤自动分割方法，其特征在于：所述组合损失函数由式(1)表示：

4.根据权利要求3所述的鼻咽癌pet肿瘤自动分割方法，其特征在于，每个所述v-net模型均由如下步骤进行训练：

5.根据权利要求4所述的鼻咽癌pet肿瘤自动分割方法，其特征在于：所述数据库的构建方法如下：

6.根据权利要求5所述的鼻咽癌pet肿瘤自动分割方法，其特征在于：在所述s6中将所述s5得到的每个像素点的多个第一预测概率和多个第二预测概率取平均值，得到每个像素点的最终预测概率，以及对应的分割图像；

7.根据权利要求6所述的鼻咽癌pet肿瘤自动分割方法，其特征在于：所述u-net模型的激活函数为relu函数、elu函数、selu函...

【专利技术属性】
技术研发人员：彭利红，
申请(专利权)人：广州科技贸易职业学院，
类型：发明
国别省市：