[发明专利]器官勾画方法、装置、计算机设备和存储介质

说明书

本申请涉及一种器官勾画方法、装置、计算机设备和存储介质。方法包括：将待处理医学图像输入第一深度卷积神经网络中，得到目标区域图像，将所述目标区域图像输入第二深度卷积神经网络中，得到初始分割图像；基于初始分割图像得到器官勾画结果。上述器官勾画方法、装置、计算机设备和存储介质，采用深度学习模型，建立了一个普适的框架，能够有效地对不同类型的器官进行自动勾画，耗时较短且适应性强，效率较高，同时先进行目标区域的定位，然后进行目标器官的分割，在小范围内得到的分割结果更精确，准确率更高。

技术领域

本申请涉及深度学习技术领域，特别是涉及一种器官勾画方法、装置、计算机设备和存储介质。

背景技术

器官的自动勾画是有效实现放射治疗计划的重要步骤，计算机辅助放射疗法成功治疗癌症的一个基本前提是确认肿瘤位置和大小，同时保护病灶周围关键器官。

因此，精确高效的关键器官自动勾画是实现自适应放射治疗和手术导航等的关键，具有非常重要的意义。由于人体医学影像的特殊性，器官形态多种多样，差异非常巨大，针对每类器官设计一套有针对性的算法对其进行自动勾画，耗时较长并且算法的普适性较差，效率较低。

发明内容

基于此，有必要针对由于人体医学影像的特殊性，器官形态多种多样，差异非常巨大，针对每类器官设计一套有针对性的算法对其进行自动勾画，耗时较长并且算法的普适性较差，效率较低的技术问题，提供一种能够器官勾画方法、装置、计算机设备和存储介质。

一种器官勾画方法，方法包括：

获取待处理医学图像，所述待处理医学图像包括一个或多个器官区域；

将所述待处理医学图像输入第一深度卷积神经网络中，得到目标区域图像，所述目标区域图像包含目标器官；

将所述目标区域图像输入第二深度卷积神经网络中，得到初始分割图像；

基于所述初始分割图像在所述待处理医学图像中对所述目标器官进行勾画。

在其中一个实施例中，所述将所述待处理医学图像输入第一深度卷积神经网络中，得到目标区域图像，所述目标区域图像包含目标器官之前还包括：

建立第一神经网络模型，将包含器官的训练图像作为训练集对第一神经网络模型进行训练，得到第一深度卷积神经网络，所述第一神经网络模型的输入为所述训练图像，输出为所述训练图像中器官所在的目标区域图像。

在其中一个实施例中，所述将所述目标区域图像输入第二深度卷积神经网络中，得到初始分割图像之前还包括：

建立第二神经网络模型，将所述训练图像中器官所在的目标区域图像作为训练集对第二神经网络模型进行训练，得到第二深度卷积神经网络，所述第二神经网络模型的输入为所述训练图像中器官所在的目标区域图像，输出为训练分割图像。

在其中一个实施例中，基于初始分割图像在待处理医学图像中对目标器官进行勾画包括：

对初始分割图像采用图像后处理技术进行处理，得到器官分割图像；

基于器官分割图像在待处理医学图像中对目标器官进行勾画。

在其中一个实施例中，所述建立第一神经网络模型，将包含器官的训练图像作为训练集对第一神经网络模型进行训练，得到第一深度卷积神经网络之前还包括：

对所述训练图像进行预处理，以调整所述训练图像的分辨率和灰度。

在其中一个实施例中，所述对所述训练图像进行预处理，以调整所述训练图像的分辨率和灰度包括：

对所述训练图像进行升采样、降采样、等方性处理、去噪、增强处理、灰度规范化处理中的一种或多种处理。