[发明专利]一种肺部肿瘤的自动勾画方法、勾画系统、计算设备和存储介质

权利要求书

1.一种肺部肿瘤的自动勾画方法，其特征在于，包括：

步骤1、获取预设数量肺部肿瘤患者在放射治疗前的计划CT影像，并进行归一化预处理；

步骤2、获取所述计划CT影像已勾画肺部肿瘤的勾画轮廓，并将轮廓线以内的区域赋值为1、轮廓线以外的区域赋值为0，得到肺部肿瘤的二值化图像；

步骤3、识别所述计划CT影像的肺部区域，得到肺部区域的二值化图像；

步骤4、以所述肺部区域沿左右方向的中心线作为左右肺部区域左右分割线，对所述计划CT影像及对应的二值化图像进行左右划分；

步骤5、对划分后的所述计划CT影像及对应的二值化图像进行三维裁剪，基于肺部区域的勾画结果提取左右、前后和头脚方向的肿瘤区域；

步骤6、将所述肿瘤区域内预处理后的计划CT影像作为输入、肺部区域的二值化图像作为输出，对人工智能模型A进行对半交叉训练和验证，得到训练好的肺部区域分割模型A和所有训练病例的肺部区域验证的分割结果；

步骤7、将经肺部区域分割模型A得到的肺部区域的分割结果和肿瘤区域内预处理后的计划CT影像作为输入、肺部肿瘤的二值化图像作为输出，对多任务人工智能模型B进行训练，得到训练好的肺部肿瘤分割优化模型B；

步骤8、将待测肺部肿瘤患者的计划CT影像进行步骤1～步骤5的处理，得到左右两侧的肿瘤区域内的计划CT影像，并输入到训练好的肺部区分割模型A中，得到左右肺部区的初步分割结果；

步骤9、将左右两侧的肿瘤区域内的计划CT影像以及左右肺部区的初步分割结果输入到训练好的肺部肿瘤分割优化模型B中，得到肺部肿瘤的分割结果。

2.如权利要求1所述的勾画方法，其特征在于，在所述步骤1中，所述归一化预处理，包括：

将每例计划CT影像的CT值截取在[-886,22]Hu范围内，并归一化至[-1,1]范围内。

3.如权利要求1所述的勾画方法，其特征在于，在所述步骤3中，所述识别所述计划CT影像的肺部区域，包括：

采用阈值分割方法从所述计划CT影像中取CT值大于-886的闭合区域作为肺部区域。

4.如权利要求1所述的勾画方法，其特征在于，在所述步骤5中，基于肺部区域的勾画结果提取左右、前后和头脚方向的肿瘤区域的大小为120*190*90，各方向单位均为像素。

5.如权利要求1所述的勾画方法，其特征在于，在所述步骤6中，所述肺部区域分割模型A的训练和验证，包括：

步骤61、将提取的肿瘤区域内的计划CT影像和肺部区的二值化图像以病人为单位划分为五组；

步骤62、建立人工智能模型A，将步骤61中划分的五组数据中的四组的肿瘤区域内的计划CT影像作为人工智能模型A输入、以对应的肺部区的二值化图像作为输出，训练人工智能模型A-1，得到训练好的人工智能模型A-1；

步骤63、将剩下的一组数据的肿瘤区域内的计划CT影像作为人工智能模型A-1的输入，得到非肿瘤区域的分割结果；

步骤64、更换验证数据，重复步骤62～63，分别训练人工智能模型A-2，A-3，A-4，A-5，得到对应验证数据的肺部区的全部分割结果。

6.如权利要求1所述的勾画方法，其特征在于，在所述步骤7中，所述肺部肿瘤分割优化模型B的训练，包括：

步骤71、构建人工智能模型B，其输入通道数为2，第一个输入通道为肿瘤区域的计划CT影像，第二个通道为非肿瘤区域分割结果；其输出通道数为2，第一个输出通道为肿瘤区域的分割结果，第二个输出为非肿瘤区域的分割结果；

步骤72、将模型B的第二个输入通道设置为全零的数据，对人工智能模型B进行训练，提取CT图像的特征，对肺部区进行分割，训练直至模型稳定；

步骤73、将模型B的第二个通道设置为非肿瘤区域的分割结果，对步骤72中已训练稳定模型进行在训练，直至稳定。