[发明专利]基于深度学习的肿瘤靶区云检测装置、系统、方法及介质

权利要求书

1.一种基于深度学习的肿瘤靶区云检测装置，其特征在于，包括数据获取模块和检测模块，其中：

所述数据获取模块，用于获取待检测多模态医学图像和相应的放射源参数；

所述检测模块包括勾画子模块，所述勾画子模块用于利用训练后的靶区勾画模型对所述待检测多模态医学图像中的肿瘤靶区进行勾画；其中，所述靶区勾画模型为利用训练集对基于深度学习算法构建的模型进行训练后得到的模型，所述训练集包括多模态医学样本图像和相应的样本标签，所述样本标签包括所述多模态医学样本图像中的肿瘤靶区信息及相应的放射源参数；

所述勾画子模块包括：

预处理单元，用于对所述多模态医学图像进行预处理；

图像融合单元，用于利用多模态医学图像融合技术得到预处理后的所述多模态医学图像之间的坐标对应关系，并基于所述坐标对应关系对所述多模态医学图像进行坐标匹配操作；

识别单元，用于利用基于卷积神经网络的目标检测算法对坐标匹配后的所述多模态医学图像中的全部目标部位进行识别，并对所述多模态医学图像中的肿瘤位置进行标记；

靶区勾画单元，用于基于全部目标部位信息及肿瘤位置信息，利用三维卷积神经网络对所述多模态医学图像中的肿瘤靶区进行勾画；

所述识别单元包括提取子单元、分类子单元、修正子单元和标记子单元，其中：

所述提取子单元，具体用于在每个坐标匹配后的所述多模态医学图像中提取出预设数量的目标候选区，并利用卷积神经网络对所述目标候选区进行特征提取；

所述分类子单元，具体用于将提取到的特征输入支持向量机分类器，以对坐标匹配后的所述多模态医学图像中的全部目标部位进行识别；

所述修正子单元，具体用于利用回归器对识别到的所述目标部位的候选框的位置进行修正；

所述标记子单元，具体用于通过标准摄取值法对所述多模态医学图像中的肿瘤位置进行标记。

2.根据权利要求1所述的基于深度学习的肿瘤靶区云检测装置，其特征在于，所述检测模块还包括剂量计算子模块，所述剂量计算子模块用于利用体内剂量吸收分布计算模型对放射线的吸收剂量的分布情况进行计算。

3.根据权利要求2所述的基于深度学习的肿瘤靶区云检测装置，其特征在于，所述剂量计算子模块还用于利用单一均匀剂量学模型对所述放射线的吸收剂量的分布情况进行计算。

4.根据权利要求1所述的基于深度学习的肿瘤靶区云检测装置，其特征在于，所述预处理单元包括去噪子单元和归一化子单元，其中：

所述去噪子单元，具体用于通过高斯滤波方法对所述多模态医学图像进行去噪处理；

所述归一化子单元，具体用于对去噪后的所述多模态医学图像进行归一化处理。

5.一种基于深度学习的肿瘤靶区云检测系统，其特征在于，包括若干台肿瘤靶区检测客户端和至少一台如权利要求1至4任一项所述的基于深度学习的肿瘤靶区云检测装置，其中：

所述肿瘤靶区检测客户端用于将待检测多模态医学图像和相应的放射源参数发送至所述基于深度学习的肿瘤靶区云检测装置，接收并基于所述基于深度学习的肿瘤靶区云检测装置返回的勾画结果与吸收剂量分布情况计算结果，对所述待检测多模态医学图像中的肿瘤靶区进行检测。

6.根据权利要求5所述的基于深度学习的肿瘤靶区云检测系统，其特征在于，所述肿瘤靶区检测客户端和所述基于深度学习的肿瘤靶区云检测装置之间的数据传输安全通信框架基于安全传输层协议构建。

7.一种基于深度学习的肿瘤靶区云检测方法，其特征在于，应用于如权利要求1至4任一项所述的基于深度学习的肿瘤靶区云检测装置，包括：

接收肿瘤靶区检测客户端发送的待检测多模态医学图像和相应的放射源参数；

利用位于所述基于深度学习的肿瘤靶区云检测装置上的所述勾画子模块对所述待检测多模态医学图像中的肿瘤靶区进行勾画；

通过通信网将勾画结果发送至所述肿瘤靶区检测客户端，以便所述肿瘤靶区检测客户端基于所述勾画结果对所述待检测多模态医学图像中的肿瘤靶区进行检测。