临床靶区图像的自动勾画方法、装置、终端设备及存储介质

本发明涉及医学影像，尤其涉及一种临床靶区图像的自动勾画方法、装置、终端设备及存储介质。

背景技术：

1、乳腺癌是女性最常见的恶性肿瘤之一,在我国乃至全球乳腺癌居女性恶性肿瘤发病率首位,严重影响女性的健康。对于乳腺癌保乳术后患者,放疗是治疗方案中的重要组成部分。患者治疗前需要医生在ct图像中勾画出临床靶区ctv。通常ct影像会包含几十个切面，因此需要进行多个层面的勾画工作。这个过程费时费力，因此目前主流的方法是使用自动勾画系统进行ctv的初步勾画，再由医生在此基础上进行修改。

2、然而，自动勾画系统的算法模型通常是基于有监督学习模式进行样本训练，即利用一组带标签的数据，学习从输入到输出的映射，然后将这种映射关系应用到未知数据上。其中的数据和标签一般是选择公开数据集中的影像数据，由资深的肿瘤学专家进行ctv的勾画作为标签。但学术界目前对于靶区勾画的标准尚有存在争议的地方，对于不同位置勾画程度的诸多细节还没有统一的标准。医生勾画乳腺靶区时主要的参照标准《乳腺癌术后放疗靶区勾画和计划设计指南》中也存在若干不够明确的勾画标准，这就需要医生进行主观判断或是寻求高年资医生的指导。该指南中也指出：各单位要结合术后实际情况进行决策。由于各医院外科手术标准及质量存在区别，各医院在对术后患者的靶区勾画时面对的情况也常有不同。

3、因此，目前各类自动勾画系统即使采用足够多的资深专家勾画的标签样本进行训练，最终各类自动勾画系统勾画出的ctv还是难以满足医生们的需求，仍然需要医生根据实际的术后情况进行大量的修改工作，严重地影响了医生的工作效率。

技术实现思路

1、本发明实施例提供一种临床靶区图像的自动勾画方法、装置、终端设备及存储介质，通过构建一种能够根据医生修正后的临床靶区图像进行更新的神经网络模型来构建自动勾画模型，能够为不同的医生提供更有针对性的勾画辅助，减少医生的修正工作，有效地提高了医生的工作效率。

2、本发明一实施例提供了一种临床靶区图像的自动勾画方法，包括：

3、获取患者肿瘤部位的待勾画医学影像；

4、将所述待勾画医学影像输入至最新的自动勾画模型中，以使所述自动勾画模型输出所述待勾画医学影像的第一临床靶区图像；

5、其中，所述自动勾画模型的构建过程，包括：

6、在检测到医学影像数据库中新增一医学影像时，获取所述医学影像，并获取当前的自动勾画模型作为初始勾画模型；

7、将所述医学影像输入至所述初始勾画模型中，以使所述初始勾画模型输出所述医学影像的第二临床靶区图像；

8、获取所述第二临床靶区图像经过修正后的修正临床靶区图像，并采用所述医学影像以及所述修正临床靶区图像对所述初始勾画模型进行训练，在训练完成后，得到待定勾画模型；

9、将所述医学影像输入至所述待定勾画模型中，以使所述待定勾画模型输出所述医学影像的第三临床靶区图像；

10、在根据所述修正临床靶区图像、所述第二临床靶区图像以及所述第三临床靶区图像，确定所述待定勾画模型优于所述初始勾画模型时，将所述待定勾画模型作为最新的自动勾画模型。

11、进一步的，所述根据所述修正临床靶区图像、所述第二临床靶区图像以及所述第三临床靶区图像，确定所述待定勾画模型优于所述初始勾画模型，包括：

12、采用预设的相似度计算公式，分别计算所述修正临床靶区图像与所述第二临床靶区图像的第一相似度分数以及计算所述修正临床靶区图像与所述第三临床靶区图像的第二相似度分数；

13、采用预设的重叠度计算公式，分别计算所述修正临床靶区图像与所述第二临床靶区图像的第一重叠度分数以及计算所述修正临床靶区图像与所述第三临床靶区图像的第二重叠度分数；

14、根据所述第一相似度分数以及所述第一重叠度分数，生成用于表征所述初始勾画模型勾画性能的第一分数；

15、根据所述第二相似度分数以及所述第二重叠度分数，生成用于表征所述待定勾画模型勾画性能的第二分数；

16、在所述第二分数大于所述第一分数时，确定所述待定勾画模型优于所述初始勾画模型。

17、进一步的，所述相似度计算公式为：

18、

19、其中，dsc为相似度分数，x为第二临床靶区图像或第三临床靶区图像,y为修正临床靶区图像。

20、进一步的，所述重叠度计算公式为：

21、

22、其中，iou为重叠度度分数。

23、进一步的，所述获取所述第二临床靶区图像经过修正后的修正临床靶区图像，包括：

24、获取所述第二临床靶区图像经过修正后的初始临床靶区图像；

25、将所述初始临床靶区图像依次进行尺寸裁剪、分辨率调整、数据清洗、数据增强、图像二值化处理、边缘检测以及形态学操作之后，生成所述修正临床靶区图像。

26、本发明另一实施例提供了一种临床靶区图像的自动勾画装置，包括：

27、影像获取模块，用于获取患者肿瘤部位的待勾画医学影像；

28、自动勾画模块，用于将所述待勾画医学影像输入至最新的自动勾画模型中，以使所述自动勾画模型输出所述待勾画医学影像的第一临床靶区图像；

29、模型构建模块，用于在检测到医学影像数据库中新增一医学影像时，获取所述医学影像，并获取当前的自动勾画模型作为初始勾画模型；将所述医学影像输入至所述初始勾画模型中，以使所述初始勾画模型输出所述医学影像的第二临床靶区图像；获取所述第二临床靶区图像经过修正后的修正临床靶区图像，并采用所述医学影像以及所述修正临床靶区图像对所述初始勾画模型进行训练，在训练完成后，得到待定勾画模型；将所述医学影像输入至所述待定勾画模型中，以使所述待定勾画模型输出所述医学影像的第三临床靶区图像；在根据所述修正临床靶区图像、所述第二临床靶区图像以及所述第三临床靶区图像，确定所述待定勾画模型优于所述初始勾画模型时，将所述待定勾画模型作为最新的自动勾画模型。

30、进一步的，所述模型构建模块，根据所述修正临床靶区图像、所述第二临床靶区图像以及所述第三临床靶区图像，确定所述待定勾画模型优于所述初始勾画模型，包括：

31、采用预设的相似度计算公式，分别计算所述修正临床靶区图像与所述第二临床靶区图像的第一相似度分数以及计算所述修正临床靶区图像与所述第三临床靶区图像的第二相似度分数；

32、采用预设的重叠度计算公式，分别计算所述修正临床靶区图像与所述第二临床靶区图像的第一重叠度分数以及计算所述修正临床靶区图像与所述第三临床靶区图像的第二重叠度分数；

33、根据所述第一相似度分数以及所述第一重叠度分数，生成用于表征所述初始勾画模型勾画性能的第一分数；

34、根据所述第二相似度分数以及所述第二重叠度分数，生成用于表征所述待定勾画模型勾画性能的第二分数；

35、在所述第二分数大于所述第一分数时，确定所述待定勾画模型优于所述初始勾画模型。

36、进一步的，所述模型构建模块，获取所述第二临床靶区图像经过修正后的修正临床靶区图像，包括：

37、获取所述第二临床靶区图像经过修正后的初始临床靶区图像；

38、将所述初始临床靶区图像依次进行尺寸裁剪、分辨率调整、数据清洗、数据增强、图像二值化处理、边缘检测以及形态学操作之后，生成所述修正临床靶区图像。

39、本发明另一实施例提供了一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如所述任意一项实施例所述的一种临床靶区图像的自动勾画方法。

40、本发明另一实施例提供了一种存储介质，其特征在于，所述存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述存储介质所在设备执行如上述任意一项实施例所述的一种临床靶区图像的自动勾画方法。

41、通过实施本发明具有如下有益效果：

42、本发明公开了一种临床靶区图像的自动勾画方法、装置、终端设备及存储介质，所述方法通过构建一种能够根据医生修正后的临床靶区图像进行更新的神经网络模型来构建自动勾画模型，以使在自动勾画模型运用过程中，随着输入医疗影像的增多，自动勾画模型能够逐渐学习到医生勾画临床靶区的习惯，以使所输出的临床靶区图像能够满足医生的需求，避免了医生需要对临床靶区图像做大量的修改工作的情况发生，因此，相对于当前通过公共数据集进行模型改进的方法或是基于专家提供权威标签进行大规模泛化以及扩大训练数据集的方法，本发明所公开的自动勾画模型能够为不同的医生提供更有针对性的勾画辅助，减少医生的修正工作，有效地提高了医生的工作效率。