[发明专利]鼻腔NKT细胞淋巴瘤放疗靶区自动勾画方法和装置

权利要求书

1.一种鼻腔NKT细胞淋巴瘤放疗靶区自动勾画方法，其特征在于，包括：

采集已勾画的鼻腔NKT细胞淋巴瘤的CT图像；

将所述CT图像预处理后得到深度学习数据集；

将所述深度学习数据集在深度神经网络模型中训练，得到鼻腔NKT细胞淋巴瘤勾画模型；

将临床CT图像预处理后输入所述鼻腔NKT细胞淋巴瘤勾画模型中进行勾画；

其中，所述深度神经网络模型采用自适应Dropout优化算法解决深度神经网络模型中存在的过度拟合的问题，所述深度神经网络模型采用自适应Dropout优化算法解决深度神经网络模型中存在的过度拟合的问题包括：

构建代理模块，所述代理模块包括全局均值池化层、全连接层、非线性激活层、逻辑回归层；

通过所述代理模块获取所述深度神经网络模型中神经元的丢弃概率；

将所述丢弃概率与预设的重要性阈值进行比对；

若所述丢弃概率大于所述重要性阈值，则依照所述丢弃概率对神经元进行随机丢弃。

2.根据权利要求1所述的鼻腔NKT细胞淋巴瘤放疗靶区自动勾画方法，其特征在于，将所述深度学习数据集在深度神经网络模型中训练，得到鼻腔NKT细胞淋巴瘤勾画模型包括：

将所述深度学习数据集中CT图像分为训练集和验证集；

将所述训练集的CT图像输入深度神经网络模型得到图像特征数据；

根据残差网络将所述图像特征数据进行训练得到训练模型；

将所述验证集的CT图像输入所述训练模型得到用于评价勾画效果的评估参数；

将所述评估参数与预设参数进行比对；

若所述评估参数大于或等于所述预设参数，所述训练模型为鼻腔NKT细胞淋巴瘤勾画模型。

3.根据权利要求2所述的鼻腔NKT细胞淋巴瘤放疗靶区自动勾画方法，其特征在于：

若所述评估参数小于所述预设参数，调整所述深度神经网络模型的参数；

其中，调整所述深度神经网络模型的参数的方法包括：

采用交叉熵作为所述深度神经网络模型的损失函数；

通过梯度下降算法对所述损失函数迭代更新至损失函数收敛，得到最优的深度神经网络参数。

4.根据权利要求2所述的鼻腔NKT细胞淋巴瘤放疗靶区自动勾画方法，其特征在于：

所述评估参数通过集合相似度度量函数DSC获得。

5.根据权利要求2所述的鼻腔NKT细胞淋巴瘤放疗靶区自动勾画方法，其特征在于：

所述残差网络采用resnet50残差网络模型。

6.一种鼻腔NKT细胞淋巴瘤放疗靶区自动勾画装置，其特征在于，包括：

图像采集模块，所述图像采集模块用于采集已勾画的鼻腔NKT细胞淋巴瘤的CT图像；

图像处理模块，所述图像处理模块将所述CT图像预处理后得到深度学习数据集；

模型生成模块，所述模型生成模块用于所述深度学习数据集在深度神经网络模型中训练，得到鼻腔NKT细胞淋巴瘤勾画模型；

自动勾画模块，所述自动勾画模块用于将临床CT图像预处理后输入鼻腔NKT细胞淋巴瘤勾画模型中进行勾画；

其中，所述深度神经网络模型采用自适应Dropout优化算法解决深度神经网络模型中存在的过度拟合的问题，所述深度神经网络模型采用自适应Dropout优化算法解决深度神经网络模型中存在的过度拟合的问题包括：

构建代理模块，所述代理模块包括全局均值池化层、全连接层、非线性激活层、逻辑回归层；

通过所述代理模块获取所述深度神经网络模型中神经元的丢弃概率；

将所述丢弃概率与预设的重要性阈值进行比对；

若所述丢弃概率大于所述重要性阈值，则依照所述丢弃概率对神经元进行随机丢弃。

7.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述的鼻腔NKT细胞淋巴瘤放疗靶区自动勾画方法的步骤。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的鼻腔NKT细胞淋巴瘤放疗靶区自动勾画方法的步骤。