[发明专利]基于GrowCut的鼻咽癌原发病灶临床靶区自动勾画方法及系统

说明书

本发明实施例提供一种基于GrowCut的鼻咽癌原发病灶临床靶区自动勾画方法及系统，该方法包括以下步骤：步骤S1：对模板CT的图像序列进行数据离散操作，网格化三维的CT图像得到对应的三维网格，读入训练集中医生勾画好的肿瘤轮廓文件，生成肿瘤原发灶区域的二值图像；步骤S2：对读入的原发灶肿瘤数据采用开运算进行预处理操作，挖掘邻近肿瘤之间的互关联关系，统计相邻的体素联合出现的频数，存储统计的结果，建立互关联规则的数据库；步骤S3：读入新病人的原发肿瘤数据，不断更新各个离散网格点的强度值；给定不同的损失代价阈值得到对应的临床放疗靶区范围。该方法学习医生勾画的习惯，得到临床放疗靶区勾画规律，不仅仅节省了医生勾画的时间且结果更可靠。

技术领域

本发明涉及预测肿瘤生长、模拟肿瘤扩散区域领域，尤其涉及一种基于GrowCut的鼻咽癌原发病灶临床靶区自动勾画方法及系统。

背景技术

现有基于GrowCut的鼻咽癌原发病灶临床靶区自动勾画方法(CN107437249)包括以下步骤：步骤S1：对模板CT图像序列进行离散化操作，网格化三维的CT图像得到对应的三维网格，读入训练集中医生勾画好的肿瘤轮廓文件，生成肿瘤原发灶区域的二值图像。步骤S2：对读入的原发灶肿瘤数据做预处理操作，挖掘临近肿瘤之间的互关联关系，统计相邻的体素联合出现的频数，存储统计的结果，建立互关联规则的数据库。步骤S3：读入新病人的原发肿瘤数据，设定原发灶肿瘤区域格点强度值为1，按照预设定的元胞演化规则和互关联规则信息不断更新各个离散网格点的强度值；直到各个网格点强度停止更新，给定不同的损失代价阈值得到对应的临床放疗靶区范围。

但现有基于GrowCut的鼻咽癌原发病灶临床靶区自动勾画方法在步骤S21预处理中，为了去掉肿瘤表层不稳定的数据，采用了腐蚀操作，可以消除边界点，但同时也会造成边界内缩，导致最终的预测区域偏小。而在步骤S222中，对空间中所有三维点按照位置顺序编号，统计三项集和四项集的频数，这样子在生成三项集和四项集的过程中产生的候选组合过多，没有排除不应该参与组合的元素，并且每次计算项集的支持度时，都对数据库中的全部记录进行了一遍扫描比较，对于模板CT全部体素点组合，这样一个大型的数据库的话，这种扫描比较会大大增加计算机系统的I/O开销。而这种代价是随着数据库的记录的增加呈现出几何级数的增加。另外，在步骤S321中，要对于三维网格点中所有体素点，计算邻居点对该点的影响，但是根据临床先验知识，放射照射的靶区范围是比肿瘤原发灶GTV范围大的，所以相当于每次计算了很多不需要计算的体素点。在整体计算的时候，内部的体素点概率很可能会因为外部点的影响，造成最终的结果偏小，不符合临床实际结果。

发明内容

针对现有技术存在的问题，本发明实施例提供一种基于GrowCut的鼻咽癌原发病灶临床靶区自动勾画方法及系统。

第一方面，本发明实施例提供一种基于GrowCut的鼻咽癌原发病灶临床靶区自动勾画方法，包括以下步骤：

步骤S1：对模板CT的图像序列进行数据离散操作，网格化三维的CT图像得到对应的三维网格，读入训练集中医生勾画好的肿瘤轮廓文件，生成肿瘤原发灶区域的二值图像；

步骤S2：对读入的原发灶肿瘤数据采用开运算进行预处理操作，挖掘邻近肿瘤之间的互关联关系，统计相邻的体素联合出现的频数，存储统计的结果，建立互关联规则的数据库；

步骤S3：读入新病人的原发肿瘤数据，设定原发肿瘤区域格点强度值为1，按照预设定的元胞演化规则和互关联规则信息不断更新各个离散网格点的强度值；直到各个网格点强度值停止更新，给定不同的损失代价阈值得到对应的临床放疗靶区范围。

进一步地，步骤S2中对读入的原发灶肿瘤数据采用开运算进行预处理操作的具体公式为：

其中，B是腐蚀结构元素，先做腐蚀操作，再做膨胀操作；腐蚀就是结构元素B平移到E空间中每个位置，可以完全包含在E中的像素点的集合；膨胀就是在结构元素B约束下，将于空间E接触的部分背景点合并到E中的过程。