[发明专利]一种基于深度学习的肺部肿瘤自动勾画方法

说明书

本发明适用医学图像处理技术领域，提供了一种基于深度学习的肺部肿瘤自动勾画方法，该方法包括：当接收到肺部CT图像的勾画请求时，获取输入的肺部CT图像，对获取到的肺部CT图像进行预处理和图像增强，获得对应的处理后的图像；获取肺肿瘤在图像中的窗口位置及大小，将筛选出的图像剪裁为固定大小；将处理后的图像输入到训练好的V‑Net模型，以对肺部肿瘤进行预测；将预测的肿瘤图像反卷积到裁剪图像的大小，得到肿瘤的真实预测；提取真实预测的肺肿瘤的边缘线，即为肺肿瘤的勾画，获得肺部肿瘤勾画好的图像。本发明提高了对肺部肿瘤进行自动勾画的准确度，在保证勾画精度的基础上，显著提升了勾画效率，提高手术安全过程。

技术领域

本发明涉及医疗图像处理技术和深度学习领域，特别是一种基于深度学习的肺部肿瘤的自动勾画方法。

背景技术

肺癌是严重威胁人类健康的恶性肿瘤之一，死亡率居肿瘤之首，全球每年约180万新增肺癌病例(占所有肿瘤的13％)，160万死亡(占所有肿瘤的19.4％)，5年生存率仅为18％。如果能在早期诊断，那么肺癌患者的5年存活率能够提升到70％，改善患者的预后效果。

现代医学技术日益发展，其中很大一部分原因是医学影像技术的日渐成熟。包括CT技术、MRI技术等，这些技术帮助医生了解患者的内部病理结构，制定精确的治疗方案。但由于图像数据量不足和影像数据很强的异质性，某种稀有病例往往只有很少量的样本可供模型进行训练和学习，样本数量不足也会造成数据类别不均衡，并导致过拟合。

目前，肺部肿瘤的勾画方法主要包括专家手工勾画和计算机辅助勾画。手工勾画对专家知识和经验要求很高，而且不可避免存在人为误差，同时对海量的图像数据进行手工处理费时费力，因此借助计算机的勾画方法在肺部肿瘤勾画中具有极大的研究意义和价值。对于肺癌患者来说，通过对肺部进行肿瘤的自动勾画，能够辅助医生诊断，减少人为失误，对患者的病灶定位和后期手术具有重要的参考价值。

发明内容

本发明的目的在于提供一种基于深度学习的肺部肿瘤的自动勾画方法，有效缓解手动勾画不准确且费时费力的现状，解决肿瘤较小时勾画精度低的问题。

为了达到上述要求，本发明所采用的技术方案是：

一种基于深度学习的肺部肿瘤自动勾画方法，包括以下步骤：

步骤1：输入病人的肺部图像并对图像进行预处理和图像增强处理；

步骤2：获取病人肺部肿瘤在图像中的窗口位置和肿瘤大小，按照肿瘤在图像中的窗口位置及大小，将筛选出的图像裁剪为固定的大小；

步骤3：将经过步骤1、2处理后的图像输入到训练好的V-Net模型，对肿瘤进行预测；

步骤4：将预测的肺部肿瘤反卷积到裁剪图像的大小，得到器官的真实预测；

步骤5：提取真实预测的肺部肿瘤的边缘线，即为该肿瘤的勾画结果。

本发明提出了一种基于深度学习的肺部肿瘤的自动勾画方法，提高了对肺部肿瘤进行自动勾画的准确度，在保证勾画精度的基础上，显著提升了勾画效率，大大减轻了医生的工作负担，同时也为肿瘤病人争取到了宝贵的治疗时间，提高手术安全过程。

进一步，步骤1中进行预处理时，需要对使用的肺癌病人的图像按肺肿瘤类型进行训练，将标记好的医学图像分为训练集和测试集两大类，将训练中的图像进行预处理，和标签一起输入，训练该算法的权重，将测试集中的图像进行预处理后和标签一起输入，测试预测精度。若预测精度没有达到阈值，则不断进行调整；若预测精度达到阈值，则停止迭代。