[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

说明书

本发明涉及医学图像技术领域，公开了一种鼻腔NKT细胞淋巴瘤放疗靶区自动勾画方法和装置，其中，所述方法包括：采集已勾画的鼻腔NKT细胞淋巴瘤的CT图像；将CT图像预处理后得到深度学习数据集；将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图像预处理后输入鼻腔NKT细胞淋巴瘤勾画模型中进行勾画。本发明解决了现有情况下，由于病人间的个体差异往往较大，采用现有形变配准作为勾画方法，往往难以定义一个通用的模板来满足勾画的需求，从而导致勾画精度低的问题。

技术领域

本发明涉及医学图像技术领域，具体是指一种鼻腔NKT细胞淋巴瘤放疗靶区自动勾画方法和装置。

背景技术

鼻腔NK/T细胞淋巴瘤是亚洲、拉丁美洲、南美洲较常见的恶性淋巴瘤，在亚洲以东亚地区的中国、日本、韩国多见，常发生在30-50岁中青年男性。放射治疗简称放疗，放疗使用高能射线的电离辐射作用损伤DNA，促使肿瘤细胞停止生长减慢生长速度。由于鼻腔NK/T细胞淋巴瘤对放疗敏感，对化疗抗拒，放疗已成为早期鼻腔NK/T细胞淋巴瘤的主要治疗手段之一。

患者在接受放疗之前，需拍摄计算机断层扫描图像（Computed Tomography, CT），再由放疗医师在CT图像上面勾画出包含肿瘤的区域。肿瘤区包含肿瘤所在区域和潜在的受侵组织。为了在实现杀灭癌细胞的同时，尽可能减少肿瘤周围的正常器官在治疗中的受照剂量，还需放疗医师勾画肿瘤周围的正常器官。基于患者的CT图像，准确地勾画肿瘤和正常器官的所分布的区域，这一过程在放疗中统称为靶区勾画。靶区勾画是放疗的关键一步，靶区勾画范围太大将使正常器官受到辐射影响，而勾画范围过小将无法实现癌症的有效治疗。

现有的勾画主要以放疗医师手动勾画为主，由于鼻腔NK/T细胞淋巴瘤病灶位于头颈部，周围存在众多对射线敏感的正常器官。为了在在制定放疗计划时尽可能的保护肿瘤周围的正常器官，放疗医师需要基于患者的CT影像手动逐层勾画每一个正常器官和靶区。因此一个病例通常需要花费2~3个小时的时间。手动勾画的过程不仅耗时耗力，而且勾画的准确度依赖于医生的个人经验和主观感受，已有研究表明，不同医生间的勾画结果差异较大。

目前也已有软件可实现自动生成正常器官，上述软件使用的方法主要以形变配准为主，即预先一个或多个患者的CT图像上面勾画靶区和正常器官作为标准模板库，将待勾画的CT图像与模板库CT图像进行弹性形变配准获得形变矩阵，最后通过形变矩阵和模板库勾画结果，生成待勾画CT图像对应的靶区和正常器官。由于患者病灶位置和病灶形态存在差异，目前还没有软件能完成鼻腔NK/T细胞淋巴瘤靶区和正常器官的自动勾画。

发明内容

基于以上技术问题，本发明提供了一种鼻腔NKT细胞淋巴瘤放疗靶区自动勾画方法，解决了现有情况下，由于病人间的个体差异往往较大，采用现有形变配准作为勾画方法，往往难以定义一个通用的模板来满足勾画的需求，从而导致勾画精度低的问题。

为解决以上技术问题，本发明采用的技术方案如下：

一种鼻腔NKT细胞淋巴瘤放疗靶区自动勾画方法，包括：

采集已勾画的鼻腔NKT细胞淋巴瘤的CT图像；

将CT图像预处理后得到深度学习数据集；

将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图像预处理后输入鼻腔NKT细胞淋巴瘤勾画模型中进行勾画。

进一步的，将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：

将深度学习数据集中CT图像分为训练集和验证集；

将训练集的CT图像输入深度神经网络模型得到图像特征数据；

根据残差网络将图像特征数据进行训练得到训练模型；