【技术实现步骤摘要】
本申请涉及癌症放射治疗技术的领域，尤其是涉及一种内外照射剂量叠加方法、系统、终端及存储介质。
技术介绍
1、放射治疗是通过射线照射肿瘤细胞，打断肿瘤细胞dna链，控制肿瘤细胞生长的一种治疗手段，是宫颈癌的主要治疗方法之一。放射治疗不仅是中晚期宫颈癌首选的治疗方式，也是早期宫颈癌术后辅助治疗以及复发肿瘤治疗的重要手段。放射治疗包括体外照射和腔内近距离照射。在对患者进行治疗时，通常采用外照射联合近距离放射治疗的方式，以控制肿瘤和周围正常组织的毒副反应。
2、可以了解的是，由于外照射是利用直线加速器产生的x射线，从体外准确打击宫颈癌的盆腔累及和转移区域，所以在制定外放射治疗方案时，只需采集一次模拟定位ct图像。而内照射是将施源器或者插值针放入人体，近距离照射宫颈癌的原发区域，并且每次进行内放射治疗时，施源器或插值针的植入位置和角度会产生差异，患者直肠和膀胱的充盈情况也会有差异，这些会对患者的肿瘤位置和形状产生影响，因此，在每次内放射治疗前，医生都需要采集一次模拟定位ct图像，以根据当前的定位图像和之前放射治疗时靶区和危及器官的剂量重新制定内放射治疗方案。在计算内外照射剂量时，通常采用形变配准技术进行剂量叠加分析。
3、但是，在基于配准的剂量叠加分析时，由于患者体内植入了施源器或插值针，并且每次植入施源器或插值针的位置和方向也有差异，从而使得配准难度增加，还会导致配准效果不佳，进而影响计算内外照射剂量的准确性。
技术实现思路
1、为了准确计算内外照射剂量，本申请提出
2、在本申请的第一方面，提供一种内外照射剂量叠加方法，该方法包括：
3、获取外照射定位图像和第一预设时间范围内的n张内照射定位图像，n为大于1的整数，所述外照射定位图像和所述内照射定位图像均为三维图像；
4、对每一张所述内照射定位图像进行处理，得到多张切片图像；
5、将全部所述切片图像输入分割网络模型，识别所述切片图像中的目标特征，并进行分割，得到多个与所述切片图像对应的分割结果，所述目标特征为施源器或者插值针；
6、将全部所述切片图像中属于目标部分的图像信息按照指定值填充处理，生成与每张所述切片图像一一对应的多张辅助切片图像；
7、将相对应的所述切片图像、所述辅助切片图像和所述分割结果输入合成网络模型，生成与每张所述切片图像一一对应的多张合成切片图像，所述合成切片图像是使原有施源器或者插值针部分的切片图像具有与周围组织相近的像素值的切片图像；
8、对全部所述合成切片图像进行整合，得到与所述n张内照射定位图像一一对应的n张合成定位图像，所述合成定位图像为三维图像；
9、确定n张合成定位图像中的一张作为参考定位图像，并通过形变配准算法获得所述外照射定位图像相对于所述参考定位图像的第一形变场，获得所述n张合成定位图像中其他合成定位图像相对于所述参考定位图像的第二形变场；
10、根据所述第一形变场采集外照射剂量图，得到所述参考定位图像坐标系下的外照射剂量，根据所述第二形变场采集相对应的内照射剂量，得到所述参考定位图像坐标系下的内照射剂量；根据所述外照射剂量和所述内照射剂量计算所述参考定位图像坐标系下的等效生物剂量。
11、通过采用上述技术方案，分割网络模型能够识别切片图像中的施源器或插值针，并从中提取施源器和插值针的图像。通过分割网络模型，能够对全部切片图像进行自动分割处理。进一步的，将切片图像与相对应的辅助切片图像和分割结果输入至合成网络模型，通过合成网络模型可以自动生成合成切片图像，并通过将合成切片图像进行组合，能够得到合成定位图像。合成定位图像为去除了施源器或插值针影响的图像。通过将合成定位图像替换内照射定位图像，再基于合成定位图像与外照射定位图像进行配准以及叠加剂量的计算，可以提高计算内外照射剂量的准确度。
12、在一种可能的实现方式中：所述分割结果为二值化图，属于施源器或者插值针位置的值为1，不属于施源器或者插值针位置的值为0。
13、在一种可能的实现方式中：所述将全部所述切片图像中属于目标部分的图像信息按照指定值填充处理，包括：将所述切片图像中属于目标部分的图像填充为所述目标部分的边缘相距预设范围的区域内的像素最小值。
14、通过采用上述技术方案，可以使得辅助切片图像直接去除施源器或插值针的信息，与周围无施源器或者插值针部分的内照射定位图像的切片图像接近，进而使得经过合成网络模型合成的合成切片图像可以更加准确。
15、在一种可能的实现方式中：训练合成网络模型；所述合成网络模型的训练步骤包括：获取样本图像，所述样本图像包括相对应的所述切片图像、所述分割结果和所述辅助切片图像；
16、将所述样本图像输入至生成器，得到所述合成切片图像；
17、将所述合成切片图像作为负样本图像输入至判别器，将相对应的所述辅助切片图像作为负样本图像输入至判别器，并将无施源器或插值针的外照射定位图像中相关部位图像作为正样本图像输入至判别器，得到判别结果，并基于所述判别结果计算判别损失函数和总损失函数；基于所述判别损失函数和所述总损失函数调整所述生成器的参数和所述判别器的参数，得到所述合成网络模型。
18、通过采用上述技术方案，利用生成器和判别器训练合成网络模型，可以使得合成切片图像更加贴近无施源器和插值针的内照射图像的切片图像。
19、在一种可能的实现方式中：所述基于所述判别损失函数和所述总损失函数调整所述生成器的参数和所述判别器的参数包括：
20、将所述生成器的参数设为固定值；
21、基于所述判别损失函数调整所述判别器的参数，使得所述判别损失函数达到预设的第一收敛条件，所述第一收敛条件为所述判别损失函数不再降低；
22、将所述判别器的参数设为使得所述判别损失函数达到所述第一收敛条件的固定值；
23、基于所述判别损失函数和所述总损失函数调整所述生成器的参数，使得所述总损失函数达到预设的第二收敛条件，所述第二收敛条件为所述总损失函数不再降低；
24、反复上述优化过程，直到完成设定的优化轮次。
25、在一种可能的实现方式中：所述基于所述判别结果计算判别损失函数和总损失函数包括：
26、根据下式计算判别损失函数：
27、
28、其中，xi表示输入至所述判别器的输入图像，i表示训练样本的编号，disc(xi)表示所述判别器输出的判别结果，判别器用于区分输入图像是合成图像还是真实图像；合成图像为判别值为0的类别标签，真实图像判别值为1的类别标签，ci表示输入图像xi的类别标签。
29、在一种可能的实现方式中：所述基于所述判别结果计算判别损失函数和总损失函数包括：
30、根据下式计算总损失函数：
31、
32、ωi＝{(m,n)yi(m,n)＝0}<本文档来自技高网...
【技术保护点】
1.一种内外照射剂量叠加方法，其特征在于，所述方法包括：
2.根据权利要求1所述的内外照射剂量叠加方法，其特征在于，所述分割结果为二值化图，属于施源器或者插值针位置的值为1，不属于施源器或者插值针位置的值为0。
3.根据权利要求2所述的内外照射剂量叠加方法，其特征在于，所述将全部所述切片图像中属于目标部分的图像信息按照指定值填充处理，包括：将所述切片图像中属于目标部分的图像填充为所述目标部分的边缘相距预设范围的区域内的像素最小值。
4.根据权利要求1所述的内外照射剂量叠加方法，其特征在于，训练合成网络模型；
5.根据权利要求4所述的内外照射剂量叠加方法，其特征在于，所述基于所述判别损失函数和所述总损失函数调整所述生成器的参数和所述判别器的参数包括：
6.根据权利要求4所述的内外照射剂量叠加方法，其特征在于，所述基于所述判别结果计算判别损失函数和总损失函数包括：
7.根据权利要求6所述的内外照射剂量叠加方法，其特征在于，所述基于所述判别结果计算判别损失函数和总损失函数包括：
8.一种内外照射剂量叠加
9.一种智能终端，其特征在于，包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行如权利要求1至7中任一种所述内外照射剂量叠加方法的计算机程序。
10.一种计算机可读存储介质，其特征在于，存储有能够被处理器加载并执行如权利要求1至7中任一种所述内外照射剂量叠加方法的计算机程序。
...【技术特征摘要】
1.一种内外照射剂量叠加方法，其特征在于，所述方法包括：
2.根据权利要求1所述的内外照射剂量叠加方法，其特征在于，所述分割结果为二值化图，属于施源器或者插值针位置的值为1，不属于施源器或者插值针位置的值为0。
3.根据权利要求2所述的内外照射剂量叠加方法，其特征在于，所述将全部所述切片图像中属于目标部分的图像信息按照指定值填充处理，包括：将所述切片图像中属于目标部分的图像填充为所述目标部分的边缘相距预设范围的区域内的像素最小值。
4.根据权利要求1所述的内外照射剂量叠加方法，其特征在于，训练合成网络模型；
5.根据权利要求4所述的内外照射剂量叠加方法，其特征在于，所述基于所述判别损失函数和所述总损失函数调整所...
【专利技术属性】
技术研发人员：王少彬，杜乙，耿建昊，白璐，陈颀，王若曦，朱向高，李永恒，
申请(专利权)人：北京医智影科技有限公司，
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。