【技术实现步骤摘要】
本专利技术属于肺癌igtv自动勾画，特别涉及一种肺癌igtv自动勾画方法及系统。
技术介绍
1、肺癌是全球癌症相关死亡的主要原因。放射治疗是肺癌治疗的主要手段之一，旨在将高剂量的射线传递到恶性肿瘤细胞，同时尽量避免影响周围健康组织。呼吸引起的治疗分次内运动显著影响肿瘤的剂量精准递送，这种情况在肺癌中尤为显著。这种变化可能导致肿瘤控制率不足或危及器官的损伤。为了应对分次内运动的影响，研究人员已开发了各种技术，如呼吸门控、肿瘤追踪、屏气和运动包络等策略。
2、其中，内部靶区（itv）的概念被广泛接受和应用。该方法通过四维（4d）计算机断层扫描（ct）扩展靶区，以包含整个呼吸周期内肿瘤的全范围运动。这些4d ct扫描生成一系列三维（3d）图像，每个图像捕捉正常呼吸周期的不同阶段。采用内部总肿瘤体积（igtv）可以高效地定义itv， itv计算为igtv加上边界，通常为固定值，以涵盖周围的亚临床病灶等。因此，精确勾画igtv对于有效的放疗计划制定至关重要。目前最精确的igtv描绘方法是在4dct图像中手动勾画所有十个呼吸相位的gtv（总肿瘤体积），然后将它们合并以创建完整的igtv。然而，这种方式费时耗力、效率低下。
3、最大密度投影（mip）作为替代方案被广泛使用。mip在4d ct的呼吸周期中捕捉每个像素的最高密度。在实践中，igtv勾画通常直接在mip图像上开展，然后根据呼吸阶段的运动信息进行调整。多项研究验证了其在靶区勾画中的有效性，但也有研究认为其可能低估itv的大小。平均密度投影（aip）是另一种后处
4、可以发现，以上方法并不适用于所有类型的呼吸运动，特别是对于不规则运动模式，可能会影响勾画精度。
技术实现思路
1、基于此，本专利技术实施例当中提供了一种肺癌igtv自动勾画方法及系统，旨在提高肺癌igtv自动勾画精度。
2、本专利技术实施例的第一方面提供了一种肺癌igtv自动勾画方法，所述方法包括：
3、获取历史的4d ct图像，对历史的4d ct图像逐相位勾画gtv，得到第一gtv，并将勾画结果进行融合，得到历史igtv；
4、基于历史的4d ct图像，生成对应的aip图像和mip图像，并分别对aip图像和mip图像勾画gtv，得到第二gtv和第三gtv；
5、将历史igtv、aip图像、mip图像、第二gtv以及第三gtv重采样为预设空间分辨率，并以第一gtv的中心为基准，设置预设像素尺寸的区域，将历史igtv、aip图像、mip图像、第二gtv以及第三gtv的相应区域裁剪出来，并将强度归一化到0~1范围内；
6、分别构建关于aip图像和mip图像的attention unet网络，attention unet网络中各卷积层的通道数分别为32、64、128、256，其中，针对aip图像时，对应的attention unet网络的输入为aip图像，输出为第二gtv的融合图像，针对mip图像时，对应的attention unet网络的输入为mip图像，输出为第三gtv的融合图像；
7、根据所述历史igtv，分别对关于aip图像和mip图像的attention unet网络进行训练，得到目标神经网络模型；
8、获取待处理的aip图像或mip图像的gtv，并输入对应的目标神经网络模型中，得到目标igtv。
9、进一步的，所述获取历史的4d ct图像，对历史的4d ct图像逐相位勾画gtv，得到第一gtv，并将勾画结果进行融合，得到历史igtv的步骤中，将逐相位勾画gtv得到的二值图像取逻辑并集，以完成融合。
10、进一步的，所述将逐相位勾画gtv得到的二值图像取逻辑并集，以完成融合的步骤包括：
11、分别获取各相位勾画gtv得到的二值图像的目标像素点的坐标位置，其中，目标像素点表示像素值为白色的像素点；
12、根据坐标位置，分别确定各相位勾画gtv得到的二值图像的目标像素点中最外侧的像素点，并标记出，以分别得到对应的gtv的轮廓；
13、确定首先进行相位勾画gtv得到的轮廓为第一轮廓，在所述第一轮廓的基础上，将下一相位勾画gtv得到的轮廓与所述第一轮廓取逻辑并集，得到融合后的第二轮廓，依此类推，不断将下一相位勾画gtv得到的轮廓与当前轮廓取逻辑并集，得到目标轮廓；
14、将所述目标轮廓内的像素点全部赋予白色的像素值，以完成融合。
15、进一步的，所述确定首先进行相位勾画gtv得到的轮廓为第一轮廓，在所述第一轮廓的基础上，将下一相位勾画gtv得到的轮廓与所述第一轮廓取逻辑并集，得到融合后的第二轮廓，依此类推，不断将下一相位勾画gtv得到的轮廓与当前轮廓取逻辑并集，得到目标轮廓的步骤包括：
16、依次判断相邻两个相位勾画gtv得到的轮廓的像素点是否存在重合部分；
17、若是，则确定相邻两个相位勾画gtv得到的轮廓的像素点重合的坐标位置，并根据像素点重合的坐标位置，确定最外侧的像素点，以最终得到所述目标轮廓；
18、若否，则同时保留相邻两个相位勾画gtv得到的轮廓，以最终得到所述目标轮廓。
19、进一步的，所述attention unet网络包括所述attention unet网络包括编码器、解码器、跳跃连接、注意力门及门控信号。
20、进一步的，所述根据所述历史igtv，分别对关于aip图像和mip图像的attentionunet网络进行训练，得到目标神经网络模型的步骤之前，使用数据增强技术，将归一化的结果包括以0.1的概率进行三个轴上的随机翻转、以0.1的概率进行随机90度旋转、以及以0.5的概率进行随机强度偏移，偏移量为0.1。
21、进一步的，所述根据所述历史igtv，分别对关于aip图像和mip图像的attentionunet网络进行训练，得到目标神经网络模型的步骤中，优化器采用了权重衰减为1e-5的adamw，并使用最优学习率进行训练，损失函数为dice损失，最大迭代次数为100次，批量大小设定为32或64。
22、本专利技术实施例的第二方面提供了一种肺癌igtv自动勾画系统，所述系统包括：
23、获取模块，用于获取历史的4d ct图像，对历史的4d ct图像逐相位勾画gtv，得到第一gtv，并将勾画结果进行融合，得到历史igtv；
24、勾画模块，用于基于历史的4d ct图像，生成对应的aip图像和mip图像，并分别对aip图像和mip图像勾画gtv，得到第二gtv和第三gtv；
25、归一化模块，用于将历史igtv、aip图像、mip图像、第二gtv以及第三gtv重采样为预设空间分辨率，并以第一gtv的中心为基准，设置预设像素尺寸的区域，将历史i本文档来自技高网...
【技术保护点】
1.一种肺癌IGTV自动勾画方法，其特征在于，所述方法包括：
2.根据权利要求1所述的肺癌IGTV自动勾画方法，其特征在于，所述获取历史的4D CT图像，对历史的4D CT图像逐相位勾画GTV，得到第一GTV，并将勾画结果进行融合，得到历史IGTV的步骤中，将逐相位勾画GTV得到的二值图像取逻辑并集，以完成融合。
3.根据权利要求2所述的肺癌IGTV自动勾画方法，其特征在于，所述将逐相位勾画GTV得到的二值图像取逻辑并集，以完成融合的步骤包括：
4.根据权利要求3所述的肺癌IGTV自动勾画方法，其特征在于，所述确定首先进行相位勾画GTV得到的轮廓为第一轮廓，在所述第一轮廓的基础上，将下一相位勾画GTV得到的轮廓与所述第一轮廓取逻辑并集，得到融合后的第二轮廓，依此类推，不断将下一相位勾画GTV得到的轮廓与当前轮廓取逻辑并集，得到目标轮廓的步骤包括：
5.根据权利要求4所述的肺癌IGTV自动勾画方法，其特征在于，所述attention Unet网络包括编码器、解码器、跳跃连接、注意力门及门控信号。
6.根据权利要求5所述的肺
7.根据权利要求6所述的肺癌IGTV自动勾画方法，其特征在于，所述根据所述历史IGTV，分别对关于AIP图像和MIP图像的attention Unet网络进行训练，得到目标神经网络模型的步骤中，优化器采用了权重衰减为1e-5的AdamW，并使用最优学习率进行训练，损失函数为Dice损失，最大迭代次数为100次，批量大小设定为32或64。
8.一种肺癌IGTV自动勾画系统，其特征在于，用于实现权利1-7任一项所述的肺癌IGTV自动勾画方法，所述系统包括：
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一项所述的肺癌IGTV自动勾画方法。
10.一种电子设备，其特征在于，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如权利要求1-7任一项所述的肺癌IGTV自动勾画方法。
...【技术特征摘要】
1.一种肺癌igtv自动勾画方法，其特征在于，所述方法包括：
2.根据权利要求1所述的肺癌igtv自动勾画方法，其特征在于，所述获取历史的4d ct图像，对历史的4d ct图像逐相位勾画gtv，得到第一gtv，并将勾画结果进行融合，得到历史igtv的步骤中，将逐相位勾画gtv得到的二值图像取逻辑并集，以完成融合。
3.根据权利要求2所述的肺癌igtv自动勾画方法，其特征在于，所述将逐相位勾画gtv得到的二值图像取逻辑并集，以完成融合的步骤包括：
4.根据权利要求3所述的肺癌igtv自动勾画方法，其特征在于，所述确定首先进行相位勾画gtv得到的轮廓为第一轮廓，在所述第一轮廓的基础上，将下一相位勾画gtv得到的轮廓与所述第一轮廓取逻辑并集，得到融合后的第二轮廓，依此类推，不断将下一相位勾画gtv得到的轮廓与当前轮廓取逻辑并集，得到目标轮廓的步骤包括：
5.根据权利要求4所述的肺癌igtv自动勾画方法，其特征在于，所述attention unet网络包括编码器、解码器、跳跃连接、注意力门及门控信号。
6.根据权利要求5所述的肺癌igtv自动勾画方法，其特征在于，所述根据所述历史igtv，分别对关于aip图像和...
【专利技术属性】
技术研发人员：张云，黄玉玲，简俊明，
申请(专利权)人：江西省肿瘤医院江西省第二人民医院，江西省癌症中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。