[发明专利]器官轮廓线质量评估方法、装置及系统

说明书

本发明公开了一种器官轮廓线质量评估方法、装置及系统。其中，该方法包括：获取目标图像，其中，目标图像中包括多个体素，目标图像至少包含目标器官的医学图像以及勾画的目标器官的轮廓线；依据轮廓线，在目标图像中确定第一区域和第二区域，其中，第一区域位于轮廓线所包围区域外侧，第二区域位于轮廓线所包围区域内侧；确定第一区域的目标属性的第一评价指标和第二区域的目标属性的第二评价指标；依据第一评价指标和第二评价指标确定轮廓线的质量评定结果，并输出质量评定结果。本发明解决了现有器官轮廓线质量评估方法对轮廓线附近区域的图像属性利用不足，因而对轮廓线的局部细节评估不足，导致对轮廓线的评估结果准确度较低的技术问题。

技术领域

本发明涉及医学影像领域，具体而言，涉及一种器官轮廓线质量评估方法、装置及系统。

背景技术

在分馏放疗(fractionated radiotherapy)中，患者的治疗计划通常在治疗前使用规划CT生成。然而，由于设置误差和患者的解剖结构变化引起的分馏差异，在治疗前生成的计划可能不是治疗期间某一天的最佳值。为了将这些变化和不确定性可视化，诸如机载锥形束CT、核磁共振成像(MRI)等成像技术被应用到治疗室，成为常规设备。更精细的分馏变化管理引入了在线自适应重规划(online adaptive replanning,OLAR)，它利用治疗当天的成像数据，根据实时的解剖结构，优化治疗计划。

由于OLAR必须在患者躺在治疗床上等待治疗的期间完成在线计划，因此其速度和效率至关重要。目前，OLAR的一个主要瓶颈是分割患者解剖结构所需的时间过长，可能长达30分钟。部分原因是需要人工审查自动或手动描绘的器官轮廓。此外，人工评估轮廓的正确性受用户经验、敏感性等人为因素影响，可能导致评估错误的发生。因此，要想控制和加速OLAR的临床实践，稳定和自动的轮廓质量验证是必要的。

目前有有以下几种对轮廓质量评估的方法：Altman等人设计出一种基于知识(knowledge-based)的轮廓质量评估方法，该方法通过提取大小、形状、位置等临床相关指标进行评估；另一种方法基于几何属性分布(GAD)模型，使用质心、体积、形状、相对距离等几何参数来描述轮廓的变化和评估。McIntosh等人使用轮廓形状、密度特征和随即森林分类来评估轮廓质量；Hui等人利用胸腔的容积特征开发出轮廓质量评估工具。

然而上述轮廓质量评估方法计算量大，效率较低，并且现有算法通常会用到一些医学方面的知识，如左肺在右肺左边，器官在身体内部，器官单连通等来辅助评估评估，但是对轮廓线附近区域的图像属性利用不足，因而对轮廓线的局部细节评估不足，导致对轮廓线的评估结果准确度较低。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种器官轮廓线质量评估方法、装置及系统，以至少解决由于现有器官轮廓线质量评估方法对轮廓线附近区域的图像属性利用不足，因而对轮廓线的局部细节评估不足，导致对轮廓线的评估结果准确度较低的技术问题。

根据本发明实施例的一个方面，提供了一种器官轮廓线质量评估方法，包括：获取目标图像，其中，目标图像中包括多个体素，目标图像至少包含目标器官的医学图像以及勾画的目标器官的轮廓线；依据轮廓线，在目标图像中确定第一区域和第二区域，其中，第一区域位于轮廓线所包围区域外侧，第二区域位于轮廓线所包围区域内侧；确定第一区域的目标属性的第一评价指标和第二区域的目标属性的第二评价指标；依据第一评价指标和第二评价指标确定轮廓线的质量评定结果，并输出质量评定结果。

可选地，第一评价指标包括第一灰度分布情况和第一纹理熵分布情况，第二评价指标包括第二灰度分布情况和第二纹理熵分布情况。