CN109615642B - 一种放疗计划中的危及器官自动勾画方法及装置 - Google Patents
一种放疗计划中的危及器官自动勾画方法及装置 Download PDFInfo
- Publication number
- CN109615642B CN109615642B CN201811309213.7A CN201811309213A CN109615642B CN 109615642 B CN109615642 B CN 109615642B CN 201811309213 A CN201811309213 A CN 201811309213A CN 109615642 B CN109615642 B CN 109615642B
- Authority
- CN
- China
- Prior art keywords
- image
- case
- database
- sketched
- images
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/001—Texturing; Colouring; Generation of texture or colour
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Processing Or Creating Images (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种放疗计划中的危及器官自动勾画方法及装置,其方法包括:将多个位于不同部位的已完成勾靶的病例图像进行存储,建立病例数据库;通过待勾画图像与所述病例数据库中的病例图像进行刚性配准,选出与所述待勾画图像相似度较大的多个病例图像作为基准图像;通过所述待勾画图像与所述基准图像进行形变配准,选出与所述待勾画图像相似度最高的病例图像作为映射图像;将所述映射图像中的靶区勾画区域映射到所述待勾画图像上,完成对所述待勾画图像的勾靶。本发明利用已有的医疗资源建立的病例数据库,将待勾画图像与病例图像进行配准分析,确定待勾画图像的勾靶区域,而且还保证对病例图像勾画的一致性,避免不同医生勾靶的差异性。
Description
技术领域
本发明属于医疗技术领域,具体涉及一种放疗计划中的危及器官自动勾画方法及装置。
背景技术
在放疗计划(Treatment Planning System,TPS)中,病人的靶区勾画是在制定整个放疗计划过程中非常重要的一个环节,轮廓线勾画的准确与否直接关系到后面整个计划的质量,并且,医生在计划制定过程中要尽量将病人危及器官(organsatrisk,OAR)内剂量控制到最低。此外,OAR轮廓线勾画是一个非常耗时的工作,需要靠经验丰富的医生、专家在图像上手动进行,通常会消耗掉医生大量的时间和精力,这种手动方式随意性强、耗时且不同医生专家对相同器官的勾画也存在一定差异,并且现阶段这种手动勾画的方法已经不能完全满足临床要求。
发明内容
针对上述现有技术存在的不足之处,本发明提供了一种放疗计划中的危及器官自动勾画方法及装置。
依据本发明第一方面,提供了一种放疗计划中的危及器官自动勾画方法,包括:
将多个位于不同部位的已完成勾靶的病例图像进行存储,建立病例数据库;
通过待勾画图像与所述病例数据库中的病例图像进行刚性配准,选出与所述待勾画图像相似度较大的多个病例图像作为基准图像;
通过所述待勾画图像与所述基准图像进行形变配准,选出与所述待勾画图像相似度最高的病例图像作为映射图像;
将所述映射图像中的靶区勾画区域映射到所述待勾画图像上,完成对所述待勾画图像的勾靶。
依据本发明第二方面,一种放疗计划中的危及器官自动勾画装置,包括:
病例数据库建立模块,用于将多个位于不同部位的已完成勾靶的病例图像进行存储,建立病例数据库;
基准图像获取模块,用于通过待勾画图像与所述病例数据库中的病例图像进行刚性配准,选出与所述待勾画图像相似度较大的多个病例图像作为基准图像;
映射图像获取模块,用于通过所述待勾画图像与所述基准图像进行形变配准,选出与所述待勾画图像相似度最高的病例图像作为映射图像;
图像映射模块,用于将所述映射图像中的靶区勾画区域映射到所述待勾画图像上,完成对所述待勾画图像的勾靶。
本发明提供的一种放疗计划中的危及器官自动勾画方法及系统,通过将待勾画图像与多个位于不同部位的已完成勾靶的病例图像建立病例数据库进行刚性配准,选出与待勾画图像相似度较大的多个病例图像作为基准图像,再通过待勾画图像与基准图像进行形变配准,选出与待勾画图像相似度最高的病例图像作为映射图像;最后将映射图像中的靶区勾画区域映射到待勾画图像上,完成对待勾画图像的勾靶。本发明通过将已完成勾靶的病例图像进行存储,建立病例数据库,可以利用已有的医疗资源建立共享的病例数据库,通过将待勾画图像与病例图像进行配准分析,快速确定待勾画图像的勾靶区域,同时还能保证对病例图像勾画的一致性,避免不同医生勾靶的差异性。
附图说明
图1为本发明示例性实施例的一种放疗计划中的危及器官自动勾画方法的流程示意图;
图2为本发明示例性实施例的又一种放疗计划中的危及器官自动勾画方法的流程示意图;
图3为本发明示例性实施例的再一种放疗计划中的危及器官自动勾画方法的流程示意图;
图4为本发明示例性实施例的另一种放疗计划中的危及器官自动勾画方法的流程示意图;
图5为本发明示例性实施例的再又一种放疗计划中的危及器官自动勾画方法的流程示意图;
图6为本发明示例性实施例的另又一种放疗计划中的危及器官自动勾画方法的流程示意图;
图7为本发明示例性实施例的又再一种放疗计划中的危及器官自动勾画方法的流程示意图;
图8为本发明示例性实施例的一种放疗计划中的危及器官自动勾画装置的结构示意图;
图9为本发明示例性实施例的又一种放疗计划中的危及器官自动勾画装置的结构示意图;
图10为本发明示例性实施例的再一种放疗计划中的危及器官自动勾画装置的结构示意图;
图11为本发明示例性实施例的另一种放疗计划中的危及器官自动勾画装置的结构示意图;
图12为本发明示例性实施例的再又一种放疗计划中的危及器官自动勾画装置的结构示意图;
图13为本发明示例性实施例的另又一种放疗计划中的危及器官自动勾画装置的结构示意图;
图14为本发明示例性实施例的又再一种放疗计划中的危及器官自动勾画装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,一种放疗计划中的危及器官自动勾画方法,包括:
S100、将多个位于不同部位的已完成勾靶的病例图像进行存储,建立病例数据库;
其中,位于不同部位的已完成勾靶的病例图像是指:医生、专家对不同的患者的不同患病部位已经完成勾靶的CT图像,例如,对100个头部患病的患者的完成勾靶的CT图像、对100个肝部患病的患者的完成勾靶的CT图像、以及对100个腿部患病的患者的完成勾靶的CT图像等,通过将已完成勾靶的病例图像进行存储,建立病例数据库,可以利用已有的医疗资源建立共享的病例数据库,而且还能保证对病例图像勾画的一致性,避免不同医生勾靶的差异性。
作为一优选实施方式,如图2所示,在将多个位于不同部位的已完成勾靶的病例图像进行存储,建立病例数据库时,包括:
S101、通过将多个已完成勾靶的病例图像根据其对应的不同部位进行分类后,将每个部位对应的病例图像建立成此部位对应的第一病例子数据库。
根据患病部位对病例图像进行分类,能够在得知待勾画图像对应的部位后,快速找到与其对应的第一病例子数据库,而且也方便在新完成勾画的病例图像对病例数据库的更新时快速分类。
S102、通过将每一第一病例子数据库内的病例图像根据其对应的患者性别进行分类后,将性别对应的病例图像建立成此性别对应的第二病例子数据库。
S103、通过将每一第二病例子数据库内的病例图像根据其对应的患者的体表轮廓进行分类,将相似体表轮廓的患者对应的病例图像建立成此类患者对应的第三病例子数据库。
具体的,在根据患者体表轮廓进行分类时,设定若干个连续的基础体表轮廓体积值,并使相邻两个体表轮廓体积值之间的体积相差40%;将病例图像分别对应的患者的体表轮廓根据基础体表轮廓体积值进行分类,即将与一基础体表轮廓体积值相差不超过20%的患者的体表轮廓体积对应的病例图像分为一组。通过对患者体表轮廓进行分类,减少体表轮廓对靶区勾画带来的影响,进而能够更加精确的对待勾画图像进行靶区勾画。
进一步的,如图3所示,在通过待勾画图像与病例数据库中的病例图像进行刚性配准前,包括:
S104a、将待勾画图像与第一病例子数据库中的病例图像进行对比,确定待勾画图像对应的患病部位。
具体的,在待勾画图像与病例图像进行对比时,先提取待勾画图像和病例图像上的特征信息,一般为二者对应的部位的特征信息,通过特征信息的比对来确定待勾画图像是否与此病例图像对应的第一病例子数据库是否是同一部位。
S105a、将待勾画图像与其对应部位的第二病例子数据库内的病例图像进行对比,确定待勾画图像对应的患者性别。
S106a、将待勾画图像与其对应性别一致的第三病例子数据库内的病例图像进行对比,确定待勾画图像对应的患者的体表轮廓。
S107a、将与待勾画图像对应的患者的体表轮廓相近的病例图像进行提取,完成对病例数据库内的病例图像的初选,并将初选的病例图像作为与待勾画图像进行刚性配准的病例图像。
在待勾画图像的患者信息未知的情况下,通过分析待勾画图像与第一病例子数据库进行图像对比,确定患病部位,再通过与第二病例子数据库进行图像对比,确定患者性别,最后通过与第三病例子数据库进行图像对比,确定患者体表轮廓,实现了在完全不知道待勾画图像的患者信息的个人信息时,通过分类对比的方法,确定患者信息,并在确定患者信息之后,对病例数据库内的病例图像进行初选,减少了在进行刚性配准时的工作量。
作为另一实施方式,如图4所示,在通过待勾画图像与病例数据库中的病例图像进行刚性配准前,包括:
S104b、分析待勾画图像对应的患者信息,患者信息包括:患病部位、患者性别、以及患者的体表轮廓。
S105b、将患者信息依次输入到第一病例子数据库、第二病例子数据库和第三病例子数据库,完成对病例数据库内的病例图像的初选,并将初选的病例图像作为与待勾画图像进行刚性配准的病例图像。
S200、通过待勾画图像与病例数据库中的病例图像进行刚性配准,选出与待勾画图像相似度较大的多个病例图像作为基准图像。
作为一优选实施方式,如图5所示,在通过待勾画图像与所述病例数据库中的病例图像进行刚性配准时,包括:
S201、对待勾画图像上的感兴趣区域进行提取。
进一步的,如图6所示,在对待勾画图像上的感兴趣区域进行提取时,包括:
S201-1、通过患病部位的灰度体积和此部位灰度先验从待勾画图像中自动定位出此部位的位置;
S201-2、获取此部位的初始组织图像,结合距离图以及此部位的初始组织图像,确定此部位是否存在有病灶组织;
S201-3、将带有病灶组织的区域作为感兴趣区域,并从待勾画图像上进行提取。
S202、对病例数据库中的病例图像分别进行靶区勾画区域进行提取。
S203、将待勾画图像上的感兴趣区域与提取出来的靶区勾画区域进行一一对比,分别获取感兴趣区域与每一所述靶区勾画区域的重叠区域。
S204、分别计算每一重叠区域在与其对应的靶区勾画区域和感兴趣区域所占的面积比例,并根据面积比例的大小对相似度进行划分。
S205、将与感兴趣区域相似度较大的靶区勾画区域与感兴趣区域上的重叠区域进行相似性测度计算,选择与感兴趣区域相似性测度较大的靶区勾画区域对应的病例图像作为基准图像。
通过分别计算每一重叠区域在与其对应的靶区勾画区域和感兴趣区域所占的面积比例,可以确定此靶区勾画区域与感兴趣区域的相似度,消除了由于重叠区域的不同导致的局部极值,减少了图像配准出现误配的情况,提高了方法的准确性。
S300、通过待勾画图像与基准图像进行形变配准,选出与待勾画图像相似度最高的病例图像作为映射图像。
作为一优选实施方式,如图7所示,在通过待勾画图像与所述基准图像进行形变配准时,包括:
S301、将待勾画图像的感兴趣区域分别弹性形变配准到基准图像的靶区勾画区域上,得到形变场;
S302、通过有限元模型计算每个体元的受力情况,分析每一形变场的误差,检测每一基准图像与待勾画图像形变配准的精确度,并将精确度最大的所述基准图像作为所述映射图像。
S400、将映射图像中的靶区勾画区域映射到待勾画图像上,完成对待勾画图像的勾靶。
进一步的,作为对上述图1所示方法的实现,本发明实施例提供了一种放疗计划中的危及器官自动勾画装置,如图8所示,该装置包括:病例数据库建立模块100、基准图像获取模块200、映射图像获取模块300和图像映射模块400。
病例数据库建立模块100,用于将多个位于不同部位的已完成勾靶的病例图像进行存储,建立病例数据库;
基准图像获取模块200,用于通过待勾画图像与所述病例数据库中的病例图像进行刚性配准,选出与所述待勾画图像相似度较大的多个病例图像作为基准图像;
映射图像获取模块300,用于通过所述待勾画图像与所述基准图像进行形变配准,选出与所述待勾画图像相似度最高的病例图像作为映射图像;
图像映射模块400,用于将所述映射图像中的靶区勾画区域映射到所述待勾画图像上,完成对所述待勾画图像的勾靶。
对于本发明实施例,为了对病例数据库内的病例图像进行分类,所述病例数据库建立模块100可以包括:第一病例子数据库建立单元101、第二病例子数据库建立单元102和第三病例子数据库建立单元103,如图9所示。
第一病例子数据库建立单元101,用于通过将多个已完成勾靶的病例图像根据其对应的不同部位进行分类,将每个部位对应的病例图像建立成此部位对应的第一病例子数据库;
第二病例子数据库建立单元102,用于通过将每一第一病例子数据库内的病例图像根据其对应的患者性别进行分类,将性别对应的病例图像建立成此性别对应的第二病例子数据库;
第三病例子数据库建立单元103,用于通过将每一第二病例子数据库内的病例图像根据其对应的患者的体表轮廓进行分类,将相似体表轮廓的患者对应的病例图像建立成此类患者对应的第三病例子数据库。
进一步的,为了对患者信息未知的待勾画图像进行分析,并根据获得的患者信息对病例数据库内的病例图像进行初选,所述病例数据库建立模块100可以包括:患病部位确定单元104a、患者性别确定单元105a、体表轮廓确定单元106a和病例图像初选单元107a,如图10所示。
患病部位确定单元104a,用于将待勾画图像与第一病例子数据库中的病例图像进行对比,确定待勾画图像对应的患病部位;
患者性别确定单元105a,用于将待勾画图像与其对应部位的第二病例子数据库内的病例图像进行对比,确定待勾画图像对应的患者性别;
体表轮廓确定单元106a,用于将待勾画图像与其对应性别一致的第三病例子数据库内的病例图像进行对比,确定待勾画图像对应的患者的体表轮廓;
病例图像初选单元107a,用于将与待勾画图像对应的患者的体表轮廓相近的病例图像进行提取,完成对病例数据库内的病例图像的初选,并将初选的病例图像作为与待勾画图像进行刚性配准的病例图像。
进一步的,为了对患者信息已知的待勾画图像对病例数据库内的病例图像进行初选,所述病例数据库建立模块100可以包括:患者信息分析单元104b和病例图像初选单元105b,如图11所示。
患者信息分析单元104b,用于分析待勾画图像对应的患者信息,患者信息包括:患病部位、患者性别、以及患者的体表轮廓;
病例图像初选单元105b,用于将患者信息依次输入到第一病例子数据库、第二病例子数据库和第三病例子数据库,完成对病例数据库内的病例图像的初选,并将初选的病例图像作为与待勾画图像进行刚性配准的病例图像。
作为优选实施方式,所述基准图像获取模块200可以包括:感兴趣区域提取单元201、靶区勾画区域提取单元202、重叠区域获取单元203、相似度分析单元204和基准图像确定单元205,如图12所示。
感兴趣区域提取单元201,用于对待勾画图像上的感兴趣区域进行提取;
靶区勾画区域提取单元202,用于对病例数据库中的病例图像分别进行靶区勾画区域进行提取;
重叠区域获取单元203,将待勾画图像上的感兴趣区域与提取出来的靶区勾画区域进行一一对比,分别获取感兴趣区域与每一靶区勾画区域的重叠区域;
相似度分析单元204,用于分别计算每一重叠区域在与其对应的靶区勾画区域和感兴趣区域所占的面积比例,并根据面积比例的大小对相似度进行划分;
基准图像确定单元205,用于将与感兴趣区域相似度较大的靶区勾画区域与感兴趣区域上的重叠区域进行相似性测度计算,选择与感兴趣区域相似性测度较大的靶区勾画区域对应的病例图像作为基准图像。
作为优选实施方式,所述映射图像获取模块300可以包括:形变场获取单元301和映射图像获取单元302,如图13所示。
形变场获取单元301,用于将待勾画图像的感兴趣区域分别弹性形变配准到基准图像的靶区勾画区域上,得到形变场;
映射图像获取单元302,用于通过有限元模型计算每个体元的受力情况,分析每一形变场的误差,检测每一基准图像与待勾画图像形变配准的精确度,并将精确度最大的基准图像作为映射图像。
作为优选实施方式,所述感兴趣区域提取单元201可以包括:部位定位子单元201-1、病灶组织确定子单元201-2、感兴趣区域提取子单元201-3,如图14所示。
部位定位子单元201-1,用于通过患病部位的灰度体积和此部位灰度先验从待勾画图像中自动定位出此部位的位置;
病灶组织确定子单元201-2,用于获取此部位的初始组织图像,结合距离图以及此部位的初始组织图像,确定此部位是否存在有病灶组织;
感兴趣区域提取子单元201-3,用于将带有病灶组织的区域作为感兴趣区域,并从待勾画图像上进行提取。
需要说明的是,本发明实施例提供的一种放疗计划中的危及器官自动勾画装置所涉及各功能单元的其他相应描述,可以参考图1、2、3、4、5、6、7中的对应描述,在此不再赘述。
基于上述如图1至7所示方法,相应的,本发明实施例还提供了一种存储设备,其上存储有计算机程序,该程序被处理器执行时实现上述如图1至7所示的一种放疗计划中的危及器官自动勾画方法。
基于上述如图1至7所示方法和如图8至14所示虚拟装置的实施例,为了实现上述目的,本发明实施例还提供了一种放疗计划中的危及器官自动勾画装置,该实体装置包括存储设备和处理器;存储设备,用于存储计算机程序;处理器,用于执行计算机程序以实现上述如图1至7所示的一种放疗计划中的危及器官自动勾画方法。
本发明提供的一种放疗计划中的危及器官自动勾画方法及系统,通过将待勾画图像与多个位于不同部位的已完成勾靶的病例图像建立病例数据库进行刚性配准,选出与待勾画图像相似度较大的多个病例图像作为基准图像,再通过待勾画图像与基准图像进行形变配准,选出与待勾画图像相似度最高的病例图像作为映射图像;最后将映射图像中的靶区勾画区域映射到待勾画图像上,完成对待勾画图像的勾靶。通过将已完成勾靶的病例图像进行存储,建立病例数据库,可以利用已有的医疗资源建立共享的病例数据库,而且还能保证对病例图像勾画的一致性,避免不同医生勾靶的差异性;同时,将病例数据库内的病例图像进行相应的部位、性别和患者体表轮廓进行划分,以方便其在较短的时间内将重要器官的外轮廓精确地分割出来,从而大幅度减轻医生的工作量,提高工作效率。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制;尽管参照较佳实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者对部分技术特征进行等同替换;而不脱离本发明技术方案的精神,其均应涵盖在本发明请求保护的技术方案范围当中。
Claims (9)
1.一种放疗计划中的危及器官自动勾画方法,其特征在于,包括:
将多个位于不同部位的已完成勾靶的病例图像进行存储,建立病例数据库,包括:将多个已完成勾靶的病例图像根据其对应的患病部位、患者性别以及患者体表轮廓创建病例数据库,以便依据所述病例数据库分析待勾画图像对应的患者信息,并根据所述患者信息确定用于进行刚性配准的病例图像;
通过待勾画图像与所述病例数据库中的病例图像进行刚性配准,选出与所述待勾画图像相似度较大的多个病例图像作为基准图像,包括:提取所述待勾画图像的感兴趣区域以及所述病例数据库中病例图像的靶区勾画区域,将与所述感兴趣区域相似性测度较大的靶区勾画区域对应的病例图像确定为基准图像;
通过所述待勾画图像与所述基准图像进行形变配准,选出与所述待勾画图像相似度最高的病例图像作为映射图像,包括:将所述待勾画图像的感兴趣区域分别弹性形变配准到所述基准图像的靶区勾画区域上,得到形变场;通过有限元模型计算每个体元的受力情况,分析每一所述形变场的误差,检测每一所述基准图像与所述待勾画图像形变配准的精确度,并将精确度最大的所述基准图像作为所述映射图像;
将所述映射图像中的靶区勾画区域映射到所述待勾画图像上,完成对所述待勾画图像的勾靶。
2.根据权利要求1所述的一种放疗计划中的危及器官自动勾画方法,其特征在于,在将多个位于不同部位的已完成勾靶的病例图像进行存储,建立病例数据库时,包括:
通过将多个已完成勾靶的病例图像根据其对应的不同部位进行分类,将每个部位对应的病例图像建立成此部位对应的第一病例子数据库;
通过将每一所述第一病例子数据库内的病例图像根据其对应的患者性别进行分类,将性别对应的病例图像建立成此性别对应的第二病例子数据库;
通过将每一所述第二病例子数据库内的病例图像根据其对应的患者的体表轮廓进行分类,将相似体表轮廓的患者对应的病例图像建立成此类患者对应的第三病例子数据库。
3.根据权利要求2所述的一种放疗计划中的危及器官自动勾画方法,其特征在于,在通过待勾画图像与所述病例数据库中的病例图像进行刚性配准前,包括:
将所述待勾画图像与所述第一病例子数据库中的病例图像进行对比,确定所述待勾画图像对应的患病部位;
将所述待勾画图像与其对应部位的第二病例子数据库内的病例图像进行对比,确定所述待勾画图像对应的患者性别;
将所述待勾画图像与其对应性别一致的第三病例子数据库内的病例图像进行对比,确定所述待勾画图像对应的患者的体表轮廓;
将与所述待勾画图像对应的患者的体表轮廓相近的病例图像进行提取,完成对所述病例数据库内的病例图像的初选,并将初选的病例图像作为与所述待勾画图像进行刚性配准的病例图像。
4.根据权利要求1所述的一种放疗计划中的危及器官自动勾画方法,其特征在于,在通过待勾画图像与所述病例数据库中的病例图像进行刚性配准时,包括:
对所述待勾画图像上的感兴趣区域进行提取;
对所述病例数据库中的病例图像分别进行靶区勾画区域提取;
将所述待勾画图像上的感兴趣区域与提取出来的靶区勾画区域进行一一对比,分别获取所述感兴趣区域与每一所述靶区勾画区域的重叠区域;
分别计算每一所述重叠区域在与其对应的靶区勾画区域和所述感兴趣区域所占的面积比例,并根据所述面积比例的大小对相似度进行划分;
将与所述感兴趣区域相似度较大的靶区勾画区域与所述感兴趣区域上的重叠区域进行相似性测度计算,选择与所述感兴趣区域相似性测度较大的靶区勾画区域对应的病例图像作为基准图像。
5.根据权利要求1所述的一种放疗计划中的危及器官自动勾画方法,其特征在于,在对所述待勾画图像上的感兴趣区域进行提取时,包括:
通过患病部位的灰度体积和此部位灰度先验从所述待勾画图像中自动定位出此部位的位置;
获取此部位的初始组织图像,结合距离图以及此部位的初始组织图像,确定此部位是否存在有病灶组织;
将带有所述病灶组织的区域作为感兴趣区域,并从所述待勾画图像上进行提取。
6.一种放疗计划中的危及器官自动勾画装置,其特征在于,包括:
病例数据库建立模块,用于将多个位于不同部位的已完成勾靶的病例图像进行存储,建立病例数据库,包括:将多个已完成勾靶的病例图像根据其对应的患病部位、患者性别以及患者体表轮廓创建病例数据库,以便依据所述病例数据库分析待勾画图像对应的患者信息,并根据所述患者信息确定用于进行刚性配准的病例图像;
基准图像获取模块,用于通过待勾画图像与所述病例数据库中的病例图像进行刚性配准,选出与所述待勾画图像相似度较大的多个病例图像作为基准图像,包括:提取所述待勾画图像的感兴趣区域以及所述病例数据库中病例图像的靶区勾画区域,将与所述感兴趣区域相似性测度较大的靶区勾画区域对应的病例图像确定为基准图像;
映射图像获取模块,用于通过所述待勾画图像与所述基准图像进行形变配准,选出与所述待勾画图像相似度最高的病例图像作为映射图像,包括:将所述待勾画图像的感兴趣区域分别弹性形变配准到所述基准图像的靶区勾画区域上,得到形变场;通过有限元模型计算每个体元的受力情况,分析每一所述形变场的误差,检测每一所述基准图像与所述待勾画图像形变配准的精确度,并将精确度最大的所述基准图像作为所述映射图像;
图像映射模块,用于将所述映射图像中的靶区勾画区域映射到所述待勾画图像上,完成对所述待勾画图像的勾靶。
7.根据权利要求6所述的一种放疗计划中的危及器官自动勾画装置,其特征在于,所述病例数据库建立模块包括:
第一病例子数据库建立单元,用于通过将多个已完成勾靶的病例图像根据其对应的不同部位进行分类后,将每个部位对应的病例图像建立成此部位对应的第一病例子数据库;
第二病例子数据库建立单元,用于通过将每一所述第一病例子数据库内的病例图像根据其对应的患者性别进行分类后,将性别对应的病例图像建立成此性别对应的第二病例子数据库;
第三病例子数据库建立单元,用于通过将每一所述第二病例子数据库内的病例图像根据其对应的患者的体表轮廓进行分类后,将相似体表轮廓的患者对应的病例图像建立成此类患者对应的第三病例子数据库。
8.一种存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现权利要求1至5中任一项所述的放疗计划中的危及器官自动勾画方法。
9.一种放疗计划中的危及器官自动勾画装置,包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1至5任一项所述的放疗计划中的危及器官自动勾画方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811309213.7A CN109615642B (zh) | 2018-11-05 | 2018-11-05 | 一种放疗计划中的危及器官自动勾画方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811309213.7A CN109615642B (zh) | 2018-11-05 | 2018-11-05 | 一种放疗计划中的危及器官自动勾画方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109615642A CN109615642A (zh) | 2019-04-12 |
CN109615642B true CN109615642B (zh) | 2021-04-06 |
Family
ID=66002730
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811309213.7A Active CN109615642B (zh) | 2018-11-05 | 2018-11-05 | 一种放疗计划中的危及器官自动勾画方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109615642B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110223761B (zh) * | 2019-06-13 | 2023-08-22 | 上海联影医疗科技股份有限公司 | 一种勾勒数据导入方法、装置、电子设备及存储介质 |
CN110739049A (zh) * | 2019-10-10 | 2020-01-31 | 上海联影智能医疗科技有限公司 | 图像勾画方法、装置、存储介质及计算机设备 |
CN111784705B (zh) * | 2020-06-24 | 2024-04-02 | 上海联影医疗科技股份有限公司 | 感兴趣区域的勾画方法、装置、设备和存储介质 |
CN111986254B (zh) * | 2020-08-21 | 2022-11-18 | 四川大学华西医院 | 一种靶区轮廓的分析方法、装置、存储介质及电子设备 |
CN112419338B (zh) * | 2020-12-08 | 2021-12-07 | 深圳大学 | 一种基于解剖先验知识的头颈部危及器官的分割方法 |
CN112767315B (zh) * | 2020-12-31 | 2024-04-19 | 深圳市联影高端医疗装备创新研究院 | 靶区勾画质量的确定方法、展示方法及电子设备 |
CN113101545A (zh) * | 2021-04-08 | 2021-07-13 | 张家港赛提菲克医疗器械有限公司 | 一种放疗模拟定位系统 |
CN113689938B (zh) * | 2021-07-14 | 2024-03-05 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 医学影像的勾画方法、装置、存储介质及处理器 |
CN113536575A (zh) * | 2021-07-20 | 2021-10-22 | 深圳市联影高端医疗装备创新研究院 | 器官轮廓勾画方法、医学影像系统以及存储介质 |
CN115671579A (zh) * | 2022-10-31 | 2023-02-03 | 大连大学附属中山医院 | 一种图像引导放射治疗模拟定位系统与方法 |
CN115953440B (zh) * | 2023-03-10 | 2023-05-16 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 医学图像的配准方法和装置、存储介质及电子设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104408734A (zh) * | 2014-12-11 | 2015-03-11 | 山东师范大学 | 联合图像分割与形变配准技术的自适应目标区域转换方法 |
CN107194956A (zh) * | 2017-05-16 | 2017-09-22 | 山东大学 | 一种非刚性医学图像配准方法 |
CN107403201A (zh) * | 2017-08-11 | 2017-11-28 | 强深智能医疗科技(昆山)有限公司 | 肿瘤放射治疗靶区和危及器官智能化、自动化勾画方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104036109A (zh) * | 2014-03-14 | 2014-09-10 | 上海大图医疗科技有限公司 | 基于图像的病例检索、勾画及治疗计划系统和方法 |
CN104117151B (zh) * | 2014-08-12 | 2017-01-25 | 章桦 | 一种在线自适应放疗计划优化方法 |
US10062167B2 (en) * | 2014-08-15 | 2018-08-28 | Toshiba Medical Systems Corporation | Estimated local rigid regions from dense deformation in subtraction |
CN106920234B (zh) * | 2017-02-27 | 2021-08-27 | 北京连心医疗科技有限公司 | 一种复合式自动放疗计划的方法 |
CN108364678B (zh) * | 2018-02-10 | 2022-02-01 | 福建省肿瘤医院(福建省肿瘤研究所、福建省癌症防治中心) | 一种基于机器学习的鼻咽癌放疗计划自动化设计方法 |
-
2018
- 2018-11-05 CN CN201811309213.7A patent/CN109615642B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104408734A (zh) * | 2014-12-11 | 2015-03-11 | 山东师范大学 | 联合图像分割与形变配准技术的自适应目标区域转换方法 |
CN107194956A (zh) * | 2017-05-16 | 2017-09-22 | 山东大学 | 一种非刚性医学图像配准方法 |
CN107403201A (zh) * | 2017-08-11 | 2017-11-28 | 强深智能医疗科技(昆山)有限公司 | 肿瘤放射治疗靶区和危及器官智能化、自动化勾画方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109615642A (zh) | 2019-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109615642B (zh) | 一种放疗计划中的危及器官自动勾画方法及装置 | |
Bernard et al. | Standardized evaluation system for left ventricular segmentation algorithms in 3D echocardiography | |
CN107622492B (zh) | 肺裂分割方法及系统 | |
US10489678B2 (en) | Image comparison tool tolerant to deformable image matching | |
CN106920234B (zh) | 一种复合式自动放疗计划的方法 | |
US10269122B2 (en) | Knowledge-based automatic image segmentation | |
RU2436161C2 (ru) | Регистрация изображений при деформации для лучевой терапии с управлением по изображениям | |
US20050272992A1 (en) | Patient-specific coronary territory mapping | |
KR101090375B1 (ko) | 자동 초기화를 기반으로 흉곽 변형 정도의 평가 인덱스 계산을 자동화한 ct 영상 분석의 자동화 방법, 기록 매체 및 장치 | |
JP4504377B2 (ja) | 心臓関連の取得のための自動的な最適面の決定 | |
CN112037200A (zh) | 一种医学影像中解剖特征自动识别与模型重建方法 | |
CN111340756B (zh) | 一种医学图像病变检出合并方法、系统、终端及存储介质 | |
CN111311655B (zh) | 多模态图像配准方法、装置、电子设备、存储介质 | |
US9727975B2 (en) | Knowledge-based automatic image segmentation | |
CN109035283A (zh) | 一种基于随机选取分区的肺气肿精准检测与量化分析方法 | |
Lee et al. | Deep learning based cephalometric landmark identification using landmark-dependent multi-scale patches | |
Potočnik et al. | Computerized detection and recognition of follicles in ovarian ultrasound images: a review | |
CN113706559A (zh) | 基于医学图像的血管分段提取方法和装置 | |
US7792360B2 (en) | Method, a computer program, and apparatus, an image analysis system and an imaging system for an object mapping in a multi-dimensional dataset | |
US20070121787A1 (en) | System and method for airway detection | |
WO2018098697A1 (zh) | 一种影像特征的可重复性测量方法及装置 | |
CN116168097A (zh) | 构建cbct勾画模型和勾画cbct图像的方法、装置、设备及介质 | |
Feng et al. | Automatic fetal weight estimation using 3d ultrasonography | |
US12008760B2 (en) | Systems and methods for estimating the movement of a target using a universal deformation model for anatomic tissue | |
US20220215534A1 (en) | Methods and systems for computer-assisted medical image analysis using sequential model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 100013 Block A 1703, Building No. 1, 36 North Third Ring Road, Dongcheng District, Beijing Applicant after: Beijing Global Medical Technology Group Co., Ltd. Address before: 100013 Block A 1703, Building No. 1, 36 North Third Ring Road, Dongcheng District, Beijing Applicant before: BEIJING ALLCURE MEDICAL TECHNOLOGY CO., LTD. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |