[发明专利]放疗计划中的自动勾靶方法、装置和电子设备

说明书

技术领域

本发明涉及放疗计划中的勾靶技术，尤其是一种放疗计划中的自动勾靶方法、装置和电子设备。

背景技术

放疗计划系统是根据患者拍摄的定位图像，由医生进行外轮廓、重要器官勾画，物理师进行肿瘤靶区GTV、临床靶区CTV等靶区勾画，由物理师根据靶区、处方进行射野设置，剂量优化设计。

现有的计划系统中，靶区勾画消耗的精力巨大，部分厂家实现的自动勾画也难以达到医生要求，一般自动勾画完成后，需要进行大量的修改。

发明内容

本发明实施例所要解决的一个技术问题是：提供一种减少医生、物理师手工操作的放疗计划中自动勾靶技术。

本发明实施例提供的一种疗计划中的自动勾靶方法，包括：

接收输入图像，通过预存的ROI感兴趣区域列表对所述输入图像进行识别，获取所述输入图像中疑似区域，将所述疑似区域在所述输入图像中勾画出来；所述输入图像中包括至少一个器官图像；所述感兴趣区域列表中保存多个已知感兴趣区域的图像；

将所述已勾画疑似区域的输入图像输入预先训练的全卷积神经网络，输出勾画出至少一个感兴趣区域的勾靶图像。

基于上述方法的另一实施例中，所述输出的勾靶图像为RGB红绿蓝图像。

基于上述方法的另一实施例中，所述感兴趣区域列表中将所有图像基于已知的感兴趣区域所在的器官图像进行分类，将包含同一器官图像的所有图像聚集起来构成以所述器官图像为索引的感兴趣区域条目。

基于上述方法的另一实施例中，所述全卷积神经网络实现对输入图像进行自动勾画，将所有感兴趣区域通过不同色彩的线条在勾靶图像中突出显示。

基于上述方法的另一实施例中，所述全卷积神经网络的训练方法，包括：

将训练样本集中的样本图像输入待训练的全卷积神经网络；所述训练样本集中包括至少两个样本图像，所述样本图像中已知感兴趣区域；

经过所述待训练的全卷积神经网络的卷积计算，对所述样本图像进行感兴趣区域勾画，获得勾画出至少一个感兴趣区域的勾靶图像；

将所述勾靶图像中的感兴趣区域与样本图像中已知的感兴趣区域进行比对，根据比对结果对所述待训练的全卷积神经网络进行参数调整；

将调整后的全卷积神经网络作为待训练的全卷积神经网络，重复上述步骤，直到所述勾靶图像中的感兴趣区域与样本图像中已知的感兴趣区域之间的误差小于预设阈值；输出调整后的全卷积神经网络作为训练完成的全卷积神经网络。

基于上述方法的另一实施例中，所述训练样本集中的样本图像包括所有可勾画感兴趣区域的器官图像；所述每个样本图像中至少包括所有可勾画感兴趣区域的至少一个器官图像。

基于上述方法的另一实施例中，所述输出勾画出至少一个感兴趣区域的勾靶图像之后，还包括：

将所述勾靶图像存入训练样本集中。

根据本发明实施例的另一个方面，提供的一种放疗计划中的自动勾靶装置，包括：

区域识别单元，用于接收输入图像，通过预存的ROI感兴趣区域列表对所述输入图像进行识别，获取所述输入图像中疑似区域，将所述疑似区域在所述输入图像中勾画出来；所述输入图像中包括至少一个器官图像；所述感兴趣区域列表中保存多个已知感兴趣区域的图像；

区域勾画单元，用于将所述已勾画疑似区域的输入图像输入预先训练的全卷积神经网络，输出勾画出至少一个感兴趣区域的勾靶图像。

根据本发明实施例的另一个方面，提供的一种电子设备，包括如上所述的放疗计划中的自动勾靶装置。

根据本发明实施例的另一个方面，提供的一种电子设备，包括存储器和处理器；

所述存储器用于存储如上任一项所述的放疗计划中的自动勾靶方法的程序；

所述处理器被配置用于执行所述存储器中存储的程序。

基于本发明上述实施例提供的放疗计划中的自动勾靶方法、装置和电子设备，接收提供的输入图像，通过预存的ROI感兴趣区域列表对输入图像进行识别，获取输入图像中疑似区域，将疑似区域在输入图像中勾画出来；实现对输入图像的初步识别，将需勾画的区域进行缩小，而对疑似区域的确定时通过对大数据统计获得的，具有可靠的参考性；将已勾画疑似区域的输入图像输入预先训练的全卷积神经网络，输出勾画出至少一个感兴趣区域的勾靶图像；通过预先训练的全卷积神经网络可用快速准确的完成对感兴趣区域的勾画，此过程完全无需人为参与，避免了人为误差的产生。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明