[发明专利]一种基于神经网络模型生成内大体靶区的方法和系统

权利要求书

1.一种基于神经网络模型生成内大体靶区的方法，其特征在于，包括以下步骤：

S1根据获得的4D-CT图像勾画所有呼吸时相上的肿瘤靶区轮廓；

S2生成代表内大体靶区的二值图像；

所述步骤S2中生成所述内大体靶区的二值图像的方法为：

S2.1将所述肿瘤靶区轮廓点的坐标转换到像素坐标系；

S2.2在所述像素坐标系中，基于所述轮廓点生成二值图像矩阵；

S2.3对所有呼吸时相的所述二值图像矩阵进行合并，得到代表内大体靶区数据的图像矩阵；

S2.4将代表内大体靶区的二值图像矩阵转换到患者坐标系中进行保存；

S3将所述4D-CT图像和所述二值图像输入卷积神经网络模型，对模型进行训练；

S4将新患者的4D-CT图像带入训练好的卷积神经网络模型，获得模型输出值；

S5对所述模型输出值进行连通区域处理，生成最终的内大体靶区数据；

所述连通区域处理的方法为：设定阈值，将所述卷积神经网络的输出结果进行二值化处理生成二值图像，对所述二值图像进行组织形态学开运算，消除图像上的噪声，使狭窄的连接断开，然后进行连通区域处理，以分离小的假阳性区域，保留大的连通区域。

2.如权利要求1所述的基于神经网络模型生成内大体靶区的方法，其特征在于，所述步骤S1中勾画所有呼吸时相上的肿瘤靶区轮廓的方法为：由多个医生对同一患者肿瘤靶区轮廓进行勾画，然后将各个医生的勾画结果进行融合，保存各个勾画结果中相同的部分，对不相同的部分，通过讨论投票获得最终的大体靶区轮廓。

3.如权利要求1所述的基于神经网络模型生成内大体靶区的方法，其特征在于，所述二值图像矩阵将位于内大体靶区轮廓内的像素点灰度值设为1，将位于所述内大体靶区轮廓外的像素点灰度值设为0。

4.如权利要求1-3任一项所述的基于神经网络模型生成内大体靶区的方法，其特征在于，所述S3中对所述4D-CT图像和二值图像在输入所述神经网络模型前进行预处理，以加快训练速度。

5.如权利要求4所述的基于神经网络模型生成内大体靶区的方法，其特征在于，所述预处理包括标准化处理和裁剪处理。

6.如权利要求1-3任一项所述的基于神经网络模型生成内大体靶区的方法，其特征在于，在所述卷积神经网络模型中，所述4D-CT图像经过编码模块和解码模块，通过全卷积层输出分类结果，所述卷积神经网络模型输出每个体素属于靶区器官的概率。

7.如权利要求6所述的基于神经网络模型生成内大体靶区的方法，其特征在于，所述卷积神经网络模型的损失函数为：

其中，V1代表神经网络预测得到的内大体靶区，V2代表通过医生手动勾画肿瘤靶区得到的内大体靶区，DSC是骰子相似系数。

8.一种基于神经网络模型生成内大体靶区的系统，其特征在于，包括：

轮廓获取模块，用于根据获得的4D-CT图像勾画所有呼吸时相上的肿瘤靶区轮廓；

二值化处理模块，用于生成代表内大体靶区的二值图像；

生成所述内大体靶区的二值图像的方法为：

S2.1将所述肿瘤靶区轮廓点的坐标转换到像素坐标系；

S2.2在所述像素坐标系中，基于所述轮廓点生成二值图像矩阵；

S2.3对所有呼吸时相的所述二值图像矩阵进行合并，得到代表内大体靶区数据的图像矩阵；

S2.4将代表内大体靶区的二值图像矩阵转换到患者坐标系中进行保存；

模型训练模块，用于将所述4D-CT图像和所述二值图像输入卷积神经网络模型，对模型进行训练；

模型输出模块，用于将新患者的4D-CT图像带入训练好的卷积神经网络模型，获得模型输出值；

连通区域处理模块，用于对所述模型输出值进行连通区域处理，生成最终的内大体靶区数据；

所述连通区域处理的方法为：设定阈值，将所述卷积神经网络的输出结果进行二值化处理生成二值图像，对所述二值图像进行组织形态学开运算，消除图像上的噪声，使狭窄的连接断开，然后进行连通区域处理，以分离小的假阳性区域，保留大的连通区域。