[发明专利]一种多视角多尺度淋巴结假阳性抑制建模方法

说明书

本发明涉及一种多视角多尺度淋巴结假阳性抑制建模方法。本发明公开了一种放射治疗自动计划设计系统及其构建方法，涉及放射治疗计划系统领域，包括计划设计辅助轮廓生成模块、处方设置模块、添加射野模块、深度神经网络剂量预测模块及优化目标函数生成及计划设计模块；所述深度神经网络剂量预测模块用于根据同病种获取的数据，对逆向优化过程给出合理的剂量设计目标；本发明深度神经网络模型经训练完成后，能在数分钟内快速预测出放射治疗患者剂量分布情况，并自动进行放射治疗计划设计，有效提高了放疗科医生的工作效率，加速了患者的放疗方案制定。

技术领域

本发明涉及医学影像和人工智能领域，具体的涉及一种多视角多尺度淋巴结假阳性抑制建模方法。

背景技术

结直肠癌是胃肠道中的常见恶性肿瘤。我国属于结直肠癌低发地区，但今年来结直肠癌发病有显著上升趋势，发病率及死亡率日益升高。目前最有效的方式是肠镜下的组织活检，但存在一定的风险性，因此精准、无创影像学的方法成为了现在研究热门。

在智能影响学研究中，基于深度学习的淋巴结自动检测是重要的研究方向，Fast-RCNN, YOLO等深度学习领域中热门的检测算法也在肺部淋巴结智能检测中大放异彩，辅助医生提高检测的准确率。但与肺部淋巴结不同的是，结直肠淋巴结体积小、与周围组织粘连性高、与血管等部位的影像学差异小等特点，因此检测难度较大。在实际使用中，为了保持确保结节检测的召回率，并且降低漏检率，检测中不可避免地引入大量假阳性样本，加上结直肠部位中大量存在相似组织血管等，极易把相似组织后血管断层判定成为结节。因此在检测结节的同时产生大量假阳性结节，造成了检测准确率不高的问题。

本发明所要解决的技术问题是：提供一种高效的淋巴结假阳性抑制建模方法，采用多尺度多视角结合的方法，在保留正确结节检出率的前提下，最大程度上抑制检测的假阳性，提高结节检测准确率。

发明内容

本发明的目的在于：针对上述存在的问题，本发明提供一种多视角多尺度淋巴结假阳性抑制建模方法。

本发明采用的技术方案如下：

一种多视角多尺度淋巴结假阳性抑制建模方法，包括如下步骤：

步骤1、通过CT检测，获取肺部的初始CT图像，对初始CT图像进行预处理，获得标准CT影像；

步骤2、对标准CT影像进行切片处理，得到固定大小的CT切片，将固定大小的CT切片输入到候选结节检测模型，获取候选结节三维坐标；

步骤3、将步骤2中获取的候选结节进行阳性结节与假阳性结节标注，并经过处理后输入到模型中，训练结节假阳性分类预测模型，最后得到结节假阳性分类模型。

优选地，对步骤1中的CT图像预处理包括：将胃肠部的CT图像的HU值截取值软组织区间[-100, 200] HU，CT影像分辨率为0.75-1mm，层厚为1mm，并对图像像素值归一化至[0,1]，获得标准CT影像。

优选地，步骤2中结节检测模型为医学类CAD诊断系统，采用医学类CAD诊断系统来检测胃肠淋巴结；采用随机森林分类器，获得检测结节三维坐标。通过这种方法，在94%的敏感度的情况下，平均会得到25-35 FP/vol的假阳性结节数。采样其他系统，敏感度能达到100%，但会带来更多的假阳性结节。

优选地，步骤3对阳性结节与假阳性结节标注后的处理包括：以标注后的候选结节体素位置为中心，以某一尺寸为半径，获取候选结节矢状位、冠状位、轴状位的三视图，将单通道三视图叠加成三通道图，这样一张图像中即包含了结节多视角信息，再将叠加后的三通道图放入模型中训练。