【技术实现步骤摘要】
本申请属于医学影像处理，特别涉及一种动态肿瘤追踪方法、装置、计算机设备以及存储介质。
技术介绍
1、肿瘤患者在放疗期间，靶区位置会因患者的呼吸运动、心脏运动等生理性因素发生变化。为确保治疗剂量准确投放至靶区并避免对患者的正常组织造成损伤，需要对肿瘤进行动态追踪以实时监测靶区位置。传统技术中，采用cbct(cone beam computedtomography，锥束投影计算机重建层析成像设备)等影像引导技术进行肿瘤追踪，存在时间延迟和辐射剂量较高的问题，难以实时应对肿瘤因呼吸等生理运动产生的位置变化，限制了其在临床中的广泛应用。随着深度学习在医学影像处理中的应用，显著提高了肿瘤追踪的精度，然而现有的深度学习模型通常假设几何条件是固定的，无法应对源与物体之间的距离、投影角度等变化。而在实际临床应用中，特别是在动态影像引导放疗中，源与物体之间的距离会因患者体位变化、呼吸运动或其他生理变化而发生波动，现有的深度学习模型难以适应这些几何变化。
2、目前，放疗中的主流肿瘤追踪方法主要包括基于cbct与ct(computedtomography，计算机断层扫描)影像引导的肿瘤追踪以及基于2d/3d影像配准的肿瘤追踪，其中，基于cbct与ct的肿瘤追踪方法依靠在放疗过程中获取多角度锥形束投影来重建3d影像，再与计划ct进行配准以定位肿瘤。然而，cbct成像需采集数百张投影影像，大幅增加了患者的辐射剂量，同时成像过程耗时较长，无法满足实时动态监测需求，尤其是在靶区因呼吸或心跳引起的位置变化时。基于2d/3d影像配准的肿瘤追踪方案利用
技术实现思路
1、本申请提供了一种动态肿瘤追踪方法、装置、计算机设备以及存储介质，旨在至少在一定程度上解决现有技术中的上述技术问题之一。
2、为了解决上述问题，本申请提供了如下技术方案：
3、一种动态肿瘤追踪方法，包括：
4、获取患者的4dct影像数据,并对所述4dct影像数据进行混合数据增强，生成代表肺部各个呼吸阶段的3dct影像；
5、基于所述3dct影像，采用数学模拟方法生成模拟患者呼吸周期内的x射线影像；
6、对所述x射线影像和4dct影像数据进行配准，生成患者的肿瘤追踪模型；
7、将患者放疗过程中的x射线影像输入所述肿瘤追踪模型，通过所述肿瘤追踪模型输出肿瘤追踪结果。
8、本申请实施例采取的技术方案还包括：所述获取患者的4dct影像数据之后，还包括：
9、选取所述4dct影像数据的任意一个相位作为浮动图像，其余n个相位作为参考图像，并利用图像配准方法对所述参考图像和浮动图像进行配准，得到n个形变场。
10、本申请实施例采取的技术方案还包括：所述对所述4dct影像数据进行混合数据增强，生成代表肺部各个呼吸阶段的3dct影像，具体为：
11、在所述n个形变场中随机选取两个形变场进行叠加，得到相位间形变；
12、采用薄板样条插值模拟任一相位的随机形变；
13、以任意权重叠加所述相位间形变和随机形变得到形变场，将所述形变场作用于所述浮动图像，得到代表肺部各个呼吸阶段的3d ct影像。
14、本申请实施例采取的技术方案还包括：所述基于所述3dct影像，采用数学模拟方法生成模拟患者呼吸周期内的x射线影像，具体为：
15、采用蒙特卡洛模拟方法对所述3dct影像进行模拟，生成2d drr，通过所述2d drr模拟患者呼吸周期内的x射线影像。
16、本申请实施例采取的技术方案还包括：所述对所述x射线影像和4dct影像数据进行配准，生成患者的肿瘤追踪模型，具体为：
17、通过残差块将所述x射线影像升维至三维特征图，使用3d编解码网络从不同角度对所述三维特征图进行编码解析，并将所述三维特征图和浮动图像进行配准。
18、本申请实施例采取的技术方案还包括：所述肿瘤追踪模型采用结合3d编解码网络和unet-kan机制的深度学习模型。
19、本申请实施例采取的技术方案还包括：所述将患者放疗过程中的x射线影像输入所述肿瘤追踪模型，通过所述肿瘤追踪模型输出肿瘤追踪结果，具体为：
20、获取所述患者放疗过程中任意角度的单张x射线影像，将所述单张x射线影像输入所述患者的肿瘤追踪模型中，通过所述肿瘤追踪模型获取肿瘤及危及器官的三维位置，输出肿瘤追踪结果。
21、本申请实施例采取的另一技术方案为：一种动态肿瘤追踪装置，包括：
22、图像获取模块：用于获取患者的4dct影像数据,并对所述4dct影像数据进行混合数据增强，生成代表肺部各个呼吸阶段的3dct影像；
23、图像模拟模块：用于基于所述3dct影像，采用数学模拟方法生成模拟患者呼吸周期内的x射线影像；
24、图像配准模块：用于对所述x射线影像和4dct影像数据进行配准，生成患者的肿瘤追踪模型；
25、肿瘤追踪模块：用于将患者放疗过程中的x射线影像输入所述肿瘤追踪模型，通过所述肿瘤追踪模型输出肿瘤追踪结果。
26、本申请实施例采取的又一技术方案为：一种计算机设备，所述计算机设备包括处理器、与所述处理器耦接的存储器，其中，
27、所述存储器存储有用于实现所述动态肿瘤追踪方法的程序指令；
28、所述处理器用于执行所述存储器存储的所述程序指令以控制动态肿瘤追踪方法。
29、本申请实施例采取的又一技术方案为：一种存储介质，存储有处理器可运行的程序指令，所述程序指令用于执行所述动态肿瘤追踪方法。
30、相对于现有技术，本申请实施例产生的有益效果在于：本申请实施例的动态肿瘤追踪方法、装置、计算机设备以及存储介质通过将深度学习与2d-3d配准技术相结合，利用患者的4dct影像数据训练得到专用于该患者的肿瘤追踪模型，将患者放疗过程中任意角度的单张超低剂量x射线影像输入肿瘤追踪模型中，实现高效的实时肿瘤追踪。本申请实施例的肿瘤追踪模型能够在任意几何条件下，利用单张低剂量x射线影像实现肿瘤的实时三维追踪，能够在保证低辐射剂量的前提下，提供高精度肿瘤定位，并适用于任意投影角度及源-物距离变化条件，能够灵活应对治疗过程中的多种几何关系变化，适应更多的临床应用场景。本申请实施例能够在低剂量x射线影像的情况下实现更精准的放疗剂量控制，提高治疗效果的同时，能够减少对周围正常组织的损伤。
本文档来自技高网...【技术保护点】
1.一种动态肿瘤追踪方法，其特征在于，包括：
2.根据权利要求1所述的动态肿瘤追踪方法，其特征在于，所述获取患者的4DCT影像数据之后，还包括：
3.根据权利要求2所述的动态肿瘤追踪方法，其特征在于，所述对所述4DCT影像数据进行混合数据增强，生成代表肺部各个呼吸阶段的3DCT影像，具体为：
4.根据权利要求1至3任一项所述的动态肿瘤追踪方法，其特征在于，所述基于所述3DCT影像，采用数学模拟方法生成模拟患者呼吸周期内的X射线影像，具体为：
5.根据权利要求4所述的动态肿瘤追踪方法，其特征在于，所述对所述X射线影像和4DCT影像数据进行配准，生成患者的肿瘤追踪模型，具体为：
6.根据权利要求5所述的动态肿瘤追踪方法，其特征在于，所述肿瘤追踪模型采用结合3D编解码网络和Unet-KAN机制的深度学习模型。
7.根据权利要求6所述的动态肿瘤追踪方法，其特征在于，所述将患者放疗过程中的X射线影像输入所述肿瘤追踪模型，通过所述肿瘤追踪模型输出肿瘤追踪结果，具体为：
8.一种动态肿瘤追踪装置，其特征在于，包
9.一种计算机设备，其特征在于，所述计算机设备包括处理器、与所述处理器耦接的存储器，其中，
10.一种存储介质，其特征在于，存储有处理器可运行的程序指令，所述程序指令用于执行权利要求1至7任一项所述动态肿瘤追踪方法。
...【技术特征摘要】
1.一种动态肿瘤追踪方法，其特征在于，包括：
2.根据权利要求1所述的动态肿瘤追踪方法，其特征在于，所述获取患者的4dct影像数据之后，还包括：
3.根据权利要求2所述的动态肿瘤追踪方法，其特征在于，所述对所述4dct影像数据进行混合数据增强，生成代表肺部各个呼吸阶段的3dct影像，具体为：
4.根据权利要求1至3任一项所述的动态肿瘤追踪方法，其特征在于，所述基于所述3dct影像，采用数学模拟方法生成模拟患者呼吸周期内的x射线影像，具体为：
5.根据权利要求4所述的动态肿瘤追踪方法，其特征在于，所述对所述x射线影像和4dct影像数据进行配准，生成患者的肿瘤追踪模型，...
【专利技术属性】
技术研发人员：戴晶晶，产银萍，梁晓坤，
申请(专利权)人：中国科学院深圳先进技术研究院，
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。