[发明专利]一种基于多模态CT图像的子宫内膜癌CTV自动勾画方法

权利要求书

1.一种基于多模态CT图像的子宫内膜癌CTV自动勾画方法，其特征在于，包括以下步骤：

获取多模态CT图像和对应的CTV掩膜图像，基于所述多模态CT图像和对应的CTV掩膜图像生成训练样本集；

基于图像的连通性对训练样本集中的每个CTV掩膜图像进行分段，得到每个CTV掩膜图像的多个子掩膜图像；

构建模态感知相互学习神经网络模型，基于所述训练样本集中的多模态CT图像、多模态CT图像对应的CTV掩膜图像以及每个CTV掩膜的多个子掩膜图像训练所述模态感知互学习神经网络模型得到子宫内膜癌CTV分割模型；

将待勾画多模态CT图像输入所述子宫内膜癌CTV分割模型得到待勾画多模态CT图像对应的CTV掩膜图像；

根据CTV掩膜图像的子掩膜图像，采用带距离惩罚的DICE损失函数计算模态感知相互学习神经网络模型的训练损失，

所述损失函数的计算公式为：

DICE=-2(|GT*P*penal|)/(|GT|+|P|)，其中，DICE表示DICE损失值，GT表示金标准掩膜矩阵，P表示模态感知相互学习神经网络模型预测的掩膜矩阵，penal表示金标准掩膜矩阵对应的距离惩罚矩阵，|·|表示矩阵元素求和，*表示矩阵对应元素相乘；

通过以下步骤计算金标准掩膜矩阵对应的距离惩罚矩阵：

基于金标准掩膜矩阵的第m个子掩膜矩阵计算第m个子掩膜矩阵的掩膜内欧式距离矩阵；基于所述掩膜内欧式距离矩阵计算第m个子掩膜矩阵的掩膜内惩罚项；

基于金标准掩膜矩阵的第m个子掩膜矩阵计算第m个子掩膜矩阵的掩膜外欧式距离矩阵；基于所述掩膜外欧式距离矩阵计算第m个子掩膜矩阵的掩膜外惩罚项；

将掩膜内惩罚项和掩膜外惩罚项归一化并相加得到第m个子掩膜矩阵对应的距离惩罚矩阵；

将每个子掩膜矩阵对应的距离惩罚矩阵拼接得到金标准掩膜矩阵对应的距离惩罚矩阵；

根据公式pos_edt_m = (max(edt(GT_m))-edt(GT_m))*GT_m计算第m个子掩膜矩阵的掩膜内惩罚项，其中，edt(GT_m)表示第m个子掩膜矩阵的掩膜内欧式距离矩阵，GT_m表示第m个子掩膜矩阵，max(·)表示将矩阵的所有元素替换为矩阵中的最大元素值，*表示矩阵对应元素相乘。

2.根据权利要求1所述的基于多模态CT图像的子宫内膜癌CTV自动勾画方法，其特征在于，基于图像的连通性对训练样本集中的每个CTV掩膜图像进行分段，得到每个CTV掩膜图像的多个子掩膜图像，包括：

将每个CTV掩膜图像的第一个层面作为第一类，计算该层面的连通性；依次遍历该CTV掩膜图像的每个层面，计算当前层面的连通性，若当前层面的连通性和前一层面的连通性相同，则当前层面与前一层面为同一类型，否则当前层面与前一层面为不同类型；

根据该CTV掩膜图像中每个层面的类型得到该CTV掩膜图像的多个子掩膜图像。

3.根据权利要求1所述的基于多模态CT图像的子宫内膜癌CTV自动勾画方法，其特征在于，所述第m个子掩膜矩阵的掩膜内欧式距离矩阵与金标准掩膜矩阵的第m个子掩膜矩阵的维度相同；所述第m个子掩膜矩阵的掩膜内欧式距离矩阵的(i,j,k)位置的元素值为：

若金标准掩膜矩阵的第m个子掩膜矩阵中(i,j,k)处于掩膜区域，则计算(i,j,k)点到该子掩膜矩阵的掩膜边界的最短欧式距离作为第m个子掩膜矩阵的掩膜内欧式距离矩阵(i,j,k)的元素值；否则，第m个子掩膜矩阵的掩膜内欧式距离矩阵的(i,j,k)的元素值为0。

4.根据权利要求1所述的基于多模态CT图像的子宫内膜癌CTV自动勾画方法，其特征在于，

根据公式neg_edt_m = (max(edt(1-GT_m))-edt(1-GT_m))*(1-GT_m)计算第m个子掩膜矩阵的掩膜外惩罚项，其中，edt(1-GT_m)表示第m个子掩膜矩阵的掩膜外欧式距离矩阵，GT_m表示第m个子掩膜矩阵，max(·)表示将矩阵的所有元素替换为矩阵中的最大元素值，*表示矩阵对应元素相乘。