【技术实现步骤摘要】
本专利技术是关于医疗图像处理的，特别是关于一种基于病人2d在线数据的自适应放射治疗结构的自动勾画方法及装置。
技术介绍
1、在现代放射治疗中，精准的结构勾画对于提高治疗效果至关重要。自适应放射治疗结构的勾画是指在放射治疗，包括自适应放射治疗中，需要对各种目标结构进行轮廓勾画，包括各种危及器官oar、肿瘤靶区体积gtv、临床靶区体积ctv，目标靶区体积ptv以及各种辅助结构，如空腔、机床等。
2、自适应放射治疗中的分次：传统的放射治疗通常采用分次治疗的方式，即将总剂量分成多次较小剂量给予，每次治疗之间有一定的间隔时间。在自适应放射治疗中，分次治疗的概念得到了进一步的发展。具体而言，在每次分次治疗之前，医生会通过影像技术(如ct、cbct、mri或pet)重新评估患者的解剖结构，以确定肿瘤的位置是否发生了变化。如果检测到变化，治疗计划将被调整以适应新的情况，确保每次分次剂量都能够精确地照射到目标区域。
3、传统方法通常依赖于治疗前的计划ct进行结构勾画，但在自适应放疗过程中，需要考虑患者体内各器官或组织的解剖变化，需要在每个治疗分次中更新勾画结果，现有的解决方案往往依赖于mr、ct、cbct或者pet扫描，这些图像不仅拍摄成本高，而且扫描时间长，严重限制了自适应放射治疗的推广与应用。
4、自动结构勾画作为自适应放疗中的一个关键环节，目前已存在一些方案。比如，山东省肿瘤医院在2022年提出了一种基于mr的深度学习自动分割模型([1]li z,zhang w,lib.patient-specific
5、另外，慧软科技提出了一种用于自适应放疗中配准引导的自动勾画方法(专利公开号cn117911462a)，该方法对原始计划ct图像和分次影像进行图像配准，将配准后的ct图像、配准映射后的勾画信息和分次影像作为自动勾画模型的输入，完成自动勾画模型的训练并得到预测出来的轮廓，虽然其分次影像没有限制用mr还是ct或者cbct，但是技术方案限制了分次影像必须是三维图像。
6、2023年，北京协和医院提出了一种基于域自适应方法的有效分割方法([3]liu y,yang b,chen x.efficient segmentation using domain adaptation for mri-guidedand cbct-guided online adaptive radiotherapy.radiother oncol.2023nov；188:109871.)，可用于mri引导或cbct引导的在线自适应放疗中，对cbct引导的在线自适应放疗，该方法先用所有的计划ct训练一个通用分割模型，然后用各个病人的计划ct对模型微调，得到每个病人的定制化模型，在分次治疗时，使用cyclegan把cbct生成sct，然后将sct输入定制化模型、预测出每个分次的勾画结果，mr引导的自适应放疗中也是同样的思路，只不过把分次影像从mr换成cbct。
7、在自适应放疗中，每个分次治疗所花的时间对最终治疗效果有很大影响，时间越短，自适应放疗技术的优势越明显，而上述技术实现的自动结构勾画方法都依赖于mr或者ct、cbct等三维影像，这些三维图像的扫描非常耗时，其严重制约了分次治疗效率的提升，而且拍摄成本昂贵的问题在一个疗程里多个分次的放大下，让很多病人无法承受。
8、公开于该
技术介绍
部分的信息仅仅旨在增加对本专利技术的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
技术实现思路
1、本专利技术的目的在于提供一种基于2d数据的放射治疗结构的自动勾画方法及装置，其能够解决当前自适应放疗技术依赖3d图像、成本高、分次治疗时间长的问题，可以利用拍摄成本低、速度快的2d x射线图像重建生成sct图像，然后用于治疗结构的自动勾画和分次治疗。
2、为实现上述目的，本专利技术提供了一种基于2d数据的放射治疗结构的自动勾画方法，其特征在于，包括以下步骤：
3、s1：采集包括x射线图像和配对的ct图像的病人数据集；
4、s2：构建x射线图像到ct图像的空间维度扩展生成模型，其中，所述空间维度扩展生成模型包括编码器、空间扩展模块和解码器；
5、s3：用步骤s1中所采集的x射线图像和配对的ct图像，对步骤s2中的空间维度扩展生成模型进行训练，通过迭代调整权重以最小化ct重建损失和ct投影损失；
6、s4：用步骤s1中所采集的x射线图像和配对的ct图像，对基础勾画模型进行训练。
7、在本专利技术的一实施方式中，所述编码器由5个2d卷积模块构成；其中，每个2d卷积模块包括2个2d卷积层、1个归一化层和1个relu激活层；每个2d卷积模块的后面连接1个步长为2的2d卷积层；
8、所述解码器由4个3d卷积模块构成；其中，每个3d卷积模块包括2个3d卷积层、1个归一化层和1个relu激活层；每个3d卷积模块的后面连接1个3d反卷积层；
9、所述空间扩展模块由串联的1个2d卷积层、1个归一化层、1个维度扩展层、1个3d卷积层、1个归一化层和1个relu激活层构成。
10、在本专利技术的一实施方式中，所述ct重建损失和所述ct投影损失的计算公式分别为以下的公式(1)和公式(2):
11、
12、其中，y为步骤s1中所采集的ct图像；g(x)为步骤s2中的空间维度扩展生成模型生成的sct图像；x为图像中一个像素点；ω表示ct图像空间域；pax(y)、pco(y)、psa(y)分别为ct图像在横截面、冠状面和矢状面的投影；pax(g(x))、pco(g(x))、psa(g(x))分别为sct图像在横截面、冠状面和矢状面的投影；lossre为ct重建损失，losspr为ct投影损失。
13、在本专利技术的一实施方式中，还包括以下步骤：
14、s5：在每个分次中，拍摄x射线图像，输入步骤s4中训练好的空间维度扩展生成模型，生成sct图像；将生成的sct图像输入步骤s5中训练好的基础勾画模型，输出当前分次的自动勾画结果。
15、在本专利技术的一实施方式中，还包括以下步骤：
16、s6：分次治疗结束后，将当前分次得到的sct图像以及自动勾画结果加入该病人的在线数据库中，利用在线数据对基础勾画模型进行训练，得到针对该病人的定制化分割模型。
17、本专利技术还提供了一种基于2d数据的放射治疗结构的自动勾画装置，包括：
18、本文档来自技高网...
【技术保护点】
1.一种基于2D数据的放射治疗结构的自动勾画方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于2D数据的放射治疗结构的自动勾画方法，其特征在于，所述编码器由5个2D卷积模块构成；其中，每个2D卷积模块包括2个2D卷积层、1个归一化层和1个Relu激活层；每个2D卷积模块的后面连接1个步长为2的2D卷积层；
3.如权利要求1所述的基于2D数据的放射治疗结构的自动勾画方法，其特征在于，所述CT重建损失和所述CT投影损失的计算公式分别为以下的公式(1)和公式(2):
4.如权利要求1所述的基于2D数据的放射治疗结构的自动勾画方法，其特征在于，还包括以下步骤：
5.如权利要求4所述的基于2D数据的放射治疗结构的自动勾画方法，其特征在于，还包括以下步骤：
6.一种基于2D数据的放射治疗结构的自动勾画装置，其特征在于，包括：
7.如权利要求1所述的基于2D数据的放射治疗结构的自动勾画装置，其特征在于，所述编码器由5个2D卷积模块构成；其中，每个2D卷积模块包括2个2D卷积层、1个归一化层和1个Relu激活层；每
8.如权利要求1所述的基于2D数据的放射治疗结构的自动勾画装置，其特征在于，所述CT重建损失和所述CT投影损失的计算公式分别为以下的公式(1)和公式(2):
9.如权利要求1所述的基于2D数据的放射治疗结构的自动勾画装置，其特征在于，还包括：
10.如权利要求9所述的基于2D数据的放射治疗结构的自动勾画装置，其特征在于，还包括：
...【技术特征摘要】
1.一种基于2d数据的放射治疗结构的自动勾画方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于2d数据的放射治疗结构的自动勾画方法，其特征在于，所述编码器由5个2d卷积模块构成；其中，每个2d卷积模块包括2个2d卷积层、1个归一化层和1个relu激活层；每个2d卷积模块的后面连接1个步长为2的2d卷积层；
3.如权利要求1所述的基于2d数据的放射治疗结构的自动勾画方法，其特征在于，所述ct重建损失和所述ct投影损失的计算公式分别为以下的公式(1)和公式(2):
4.如权利要求1所述的基于2d数据的放射治疗结构的自动勾画方法，其特征在于，还包括以下步骤：
5.如权利要求4所述的基于2d数据的放射治疗结构的自动勾画方法，其特征在于，还包括以下步...
【专利技术属性】
技术研发人员：陈昌秀，徐晨阳，卢旭玲，
申请(专利权)人：广州柏视医疗科技有限公司，
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。