CN113793699B - 基于5g云放疗专网的肺部肿瘤勾画方法 - Google Patents

基于5g云放疗专网的肺部肿瘤勾画方法 Download PDF

Info

Publication number
CN113793699B
CN113793699B CN202111354090.0A CN202111354090A CN113793699B CN 113793699 B CN113793699 B CN 113793699B CN 202111354090 A CN202111354090 A CN 202111354090A CN 113793699 B CN113793699 B CN 113793699B
Authority
CN
China
Prior art keywords
lung tumor
image
cloud
chest
network
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
Application number
CN202111354090.0A
Other languages
English (en)
Other versions
CN113793699A (zh
Inventor
康盛伟
王培�
黎杰
郎锦义
比确子拉
焦勇
吴骏翔
唐斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan Cancer Hospital
Original Assignee
Sichuan Cancer Hospital
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sichuan Cancer Hospital filed Critical Sichuan Cancer Hospital
Priority to CN202111354090.0A priority Critical patent/CN113793699B/zh
Publication of CN113793699A publication Critical patent/CN113793699A/zh
Application granted granted Critical
Publication of CN113793699B publication Critical patent/CN113793699B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/06—Authentication
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • 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]
    • 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
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30061—Lung
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30096—Tumor; Lesion

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • General Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Radiology & Medical Imaging (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Computer Security & Cryptography (AREA)
  • Pathology (AREA)
  • Quality & Reliability (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明涉及基于5G云放疗专网的肺部肿瘤勾画方法，包括步骤：采集预设数量的CT胸部影像和T1 MRI胸部影像，通过专网网关iGW将CT胸部影像和T1 MRI胸部影像发送到边缘云iMEP，得到肺部肿瘤分割神经网络模型；待分割图像通过专网网关iGW发送到边缘云iMEP后，输入肺部肿瘤分割神经网络模型，得到CT影像的肺部肿瘤自动分割结果，并上传到5G云网；普通终端记录的待分割图像对应的病人相关信息通过专网网关iGW发送到5G云网；登录5G云网将肺部肿瘤自动分割结果和对应的病人相关信息进行融合后，对肺部肿瘤自动分割结果进行后处理和边缘检测，得到肺部肿瘤勾画结果。

Description

基于5G云放疗专网的肺部肿瘤勾画方法
技术领域
本发明涉及5G数据应用技术领域，特别涉及一种基于5G云放疗专网的肺部肿瘤勾画方法。
背景技术
在放疗等科室的临床诊断中，精确分割肺部肿瘤是极其重要的。对于肺部肿瘤的检查、勾画、分割等获取下来的业务数据，属于院内需要保密的数据，当需要其他医院或其他专家进行远程会诊的情况时，可以将这些数据通过无线网络或5G公众网络上传到云平台，各个医院和专家也通过连接无线网络或5G公众网络的方式进入云平台进行下载和查阅，实现了现代医疗信息化的便捷。
但是当前医疗信息化系统普遍存在以下三方面的问题：
第一，信息化建设杂乱，维护成本非常高。主要体现为信息孤岛现象严重，信息安全事故频现；WIFI网络使用效果差，严重影响业务系统使用；医院自建IDC成本高、水平低、运营维护困难。
第二，各业务之间缺乏隔离安全性。需要解决个人用户上网的个人业务与医院自有数据中心上网专线业务的融合问题；实现数据不出医院，解决医院业务上云的安全顾虑问题。
第三，医院自身业务SLA保障性差。相比于公共业务，医院自身业务具有最高优先级，其业务传输与SLA保障是其安全生产的关键。
面对上述问题，传统手段和5G公众网络都无法完全克服，必须打造以5G医疗行业专网为基础并融合AICEO硬核能力的DICT新型基础设施，实现5G加速医疗行业信息化变革的目的。
发明内容
本发明的目的在于将肺部肿瘤的检查、勾画、分割等获取下来的业务数据通过院内5G基站接入无线网络，通过专网网关卸载数据，将数据分流到本地部署的医疗边缘云平台中，实现医疗数据生产使用全业务流程均在院内，医疗数据不出院区，保证医疗数据的安全，提供一种基于5G云放疗专网的肺部肿瘤勾画方法。
为了实现上述发明目的，本发明实施例提供了以下技术方案：
基于5G云放疗专网的肺部肿瘤勾画方法，包括以下步骤：
步骤S1：从各个移动查房终端采集预设数量的CT胸部影像和T1 MRI胸部影像，通过院内移动机房的专网网关iGW将CT胸部影像和T1 MRI胸部影像发送到院内数据机房的边缘云iMEP，边缘云iMEP使用CT胸部影像和T1 MRI胸部影像对语义分割卷积神经网络进行训练，从而得到肺部肿瘤分割神经网络模型；
步骤S2：移动查房终端记录的待分割图像通过专网网关iGW发送到边缘云iMEP后，输入所述肺部肿瘤分割神经网络模型，得到CT影像的肺部肿瘤自动分割结果，最终将肺部肿瘤自动分割结果上传到5G云网；普通终端记录的所述待分割图像对应的病人相关信息通过专网网关iGW发送到5G云网；
步骤S3：登录5G云网将所述肺部肿瘤自动分割结果和对应的病人相关信息进行融合后，对肺部肿瘤自动分割结果进行后处理和边缘检测，得到肺部肿瘤勾画结果。
在上述方案中，利用网络切片的原理将物理网络切割成多个端到端的网络以满足不同的场景需求，上述将移动查房终端、院内移动机房的专网网关iGW、院内数据机房的边缘云iMEP作为一个网络切片，使用边缘计算的方式对院内数据进行计算后，多个网络切片的数据结果上传到网络中心5G云网。由网络中心节点的计算，移往边缘节点来处理，相互协同。
更进一步地，所述从各个移动查房终端采集预设数量的CT胸部影像和T1 MRI胸部影像的步骤之前，还包括：
各个移动查房终端签约5G专网卡，通过5G AKA安全认证机制接入5G无线网络；移动查房终端记录的CT胸部影像和T1 MRI胸部影像通过5G无线网络连接院内移动机房的专网网关iGW；
普通终端通过psec加密认证后，接入5G无线网络；普通终端记录的待分割图像所对应的病人相关信息通过5G无线网络连接院内移动机房的专网网关iGW。
在上述方案中，5G云放疗安全体系基于现代信息安全保障理论，采用现在信息安全保护技术，从5G网络安全、边缘云安全、终端安全、数据安全四个方面建立健全的信息安全保障机制。
更进一步地，所述通过院内移动机房的专网网关iGW将CT胸部影像和T1 MRI胸部影像发送到院内数据机房的边缘云iMEP的步骤，包括：
对于采集预设数量的CT胸部影像和T1 MRI胸部影像通过5G无线网络连接上专网网关iGW后，通过专网网关iGW将CT胸部影像和T1 MRI胸部影像发送到边缘云iMEP；
边缘云iMEP制作每例T1 MRI胸部影像的肺部肿瘤分割标签，对所述CT胸部影像、T1 MRI胸部影像、肺部肿瘤分割标签进行预处理，以预处理后的CT胸部影像作为参考影像，将预处理后的T1 MRI胸部影像和肺部肿瘤分割标签向预处理后的CT胸部影像进行配准变换，得到配准变换后的T1 MRI胸部影像和肺部肿瘤分割标签；
对预处理后的CT胸部影像和配准变换后的T1 MRI胸部影像、肺部肿瘤分割标签进行相同大小的图像剪裁。
更进一步地，所述边缘云iMEP使用CT胸部影像和T1 MRI胸部影像对语义分割卷积神经网络进行训练，从而得到肺部肿瘤分割神经网络模型的步骤，包括：
边缘云iMEP搭建语义分割卷积神经网络，所述语义分割卷积神经网络包括两个输入、一个输出；将剪裁后的CT胸部影像和T1 MRI胸部影像作为语义分割卷积神经网络的输入，将剪裁后的肺部肿瘤分割标签作为语义分割卷积神经网络的输出，在语义分割卷积神经网络中进行训练，直到模型稳定收敛，停止训练，得到肺部肿瘤分割神经网络模型。
更进一步地，所述登录5G云网将所述肺部肿瘤自动分割结果和对应的病人相关信息进行融合的步骤之前，还包括步骤：
院内移动查房终端和普通终端连接5G无线网络，通过5G双向鉴权认证机制后登录5G云网；
支持iGW协议的院外终端通过配置802.1X安全认证后，连接到专网网关iGW，并通过5G双向鉴权认证机制后登录5G云网，从而进行院内外远程交互会诊。
与现有技术相比，本发明的有益效果：
本发明利用网络切片的原理将物理网络切割成多个端到端的网络以满足不同的场景需求，上述将移动查房终端、院内移动机房的专网网关iGW、院内数据机房的边缘云iMEP作为一个网络切片，使用边缘计算的方式对院内数据进行计算后，多个网络切片的数据结果上传到网络中心5G云网。由网络中心节点的计算，移往边缘节点来处理，相互协同。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍， 应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明5G云放疗专网结构示意图。
具体实施方式
下面将结合本发明实施例中附图，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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的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。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
实施例：
本发明通过下述技术方案实现，如图1所示，基于5G云放疗专网的肺部肿瘤勾画方法，包括以下步骤：
步骤S1：从各个移动查房终端采集预设数量的CT胸部影像和T1 MRI胸部影像，通过院内移动机房的专网网关iGW将CT胸部影像和T1 MRI胸部影像发送到院内数据机房的边缘云iMEP，边缘云iMEP使用CT胸部影像和T1 MRI胸部影像对语义分割卷积神经网络进行训练，从而得到肺部肿瘤分割神经网络模型。
由于在5G的应用中连接的设备数量会大量增加，从而产生庞大的数据量或相应的指令分析，如果这些数据都由核心管理平台来处理，则在敏捷性、实时性、安全性和隐私等方面都会出现问题。而现在医院的大量数据基于5G传输和处理都是在5G云网上统一进行，进而使5G云网的压力巨大，并且数据传输和处理的效率低。
本方案通过边缘计算的原理将原本完全由中心节点（即5G云网）处理的数据加以分解，分散到边缘节点去处理。边缘计算和云计算互相协同，彼此优化补充，边缘计算靠近设备端，着眼于实时、短周期的数据分析，为云端数据采集做出贡献。
请参见图1，在院内将专网网关iGW部署在移动机房，将边缘云iMEP部署在数据机房，形成边缘节点，多个院内形成多个边缘节点，多个边缘节点与中心节点5G云网连接。所述专网网关iGW主要用于网络数据的接入，比如4G、5G、蜂窝网络的接入，在本方案中，接入的是5G无线网络。所述边缘云iMEP主要用于数据处理和计算。可见，将原本将数据全部传输到中心节点进行计算的方式，转换为将数据在各自的边缘节点进行计算后，最终仅将结果上传到中心节点，大大降低了中心节点的压力。
所述移动查房终端为以移动终端和移动医疗车为载体，为院内医护人员提供移动化医护协同、移动办公的软硬件一体化设备，图1中实线箭头为移动查房终端的数据传输方向。各个移动查房终端签约5G专网卡，通过5G AKA安全认证机制接入5G无线网络。然后移动查房终端记录的CT胸部影像和T1 MRI胸部影像通过5G无线网络连接院内移动机房的专网网关iGW。
所述普通终端为院内已有的固定终端，比如医护人员工位上装备的电脑。普通终端通过psec加密认证后，接入5G无线网络，图1中虚线箭头为普通终端的数据传输方向。普通终端记录的待分割图像所对应的病人相关信息通过5G无线网络连接院内移动机房的专网网关iGW。
采集的CT胸部影像和T1 MRI胸部影像建议为50例胸部扫描数据，这个数据量越大效果越好，即可通过移动查房终端进行采集。对于采集预设数量的CT胸部影像和T1 MRI胸部影像通过5G无线网络连接上专网网关iGW后，通过专网网关iGW将CT胸部影像和T1 MRI胸部影像发送到边缘云iMEP。
边缘云iMEP制作每例T1 MRI胸部影像的肺部肿瘤分割标签，对所述CT胸部影像、T1 MRI胸部影像、肺部肿瘤分割标签进行预处理。预处理包括去除无关影像信息、图像差值和归一化处理等操作，其中无处无关影像信息的目的是降低图像配准的计算量和增加配准结果的稳定性，为此采用阈值分割和保留最大连通域方法去除无关影像，无关影像包括床板、垫块和身体覆盖物等。
差值处理的目的是T1 MRI胸部影像的尺寸变换为跟CT胸部影像相同大小，图像归一化处理的目的是让T1 MRI胸部影像和CT胸部影像具有相同值域，以保证模型训练时的迭代稳定性。
以预处理后的CT胸部影像作为参考影像，将预处理后的T1 MRI胸部影像和肺部肿瘤分割标签向预处理后的CT胸部影像进行配准变换，得到配准变换后的T1 MRI胸部影像和肺部肿瘤分割标签。
配准变换采用仿射配准方法，其包括：以预处理后的CT胸部影像作为参考影像、预处理后的T1 MRI胸部影像作为浮动图像，将预处理的T1 MRI胸部影像向预处理后的CT胸部影像进行配准变换，得到配准变换后的T1 MRI胸部影像和配准变换参数；根据配准变换参数，对预处理后的肺部肿瘤分割标签进行相同的配准变换，得到配准变换后的肺部肿瘤分割标签。
对预处理后的CT胸部影像和配准变换后的T1 MRI胸部影像、肺部肿瘤分割标签进行相同大小的图像剪裁，以节约计算力。
边缘云iMEP搭建语义分割卷积神经网络，所述语义分割卷积神经网络包括两个输入、一个输出；将剪裁后的CT胸部影像和T1 MRI胸部影像作为语义分割卷积神经网络的输入，将剪裁后的肺部肿瘤分割标签作为语义分割卷积神经网络的输出，在语义分割卷积神经网络中进行训练，直到模型稳定收敛，停止训练，得到肺部肿瘤分割神经网络模型。
训练包括前向传播和反相传播，一次前向传播和反向传播为一次网络迭代计算，本方案不设定网络训练迭代次数，而采用通用的Early-stop的方式来让网络自动停止迭代，输出最佳的迭代模型，即肺部肿瘤分割神经网络模型。
步骤S2：移动查房终端记录的待分割图像通过专网网关iGW发送到边缘云iMEP后，输入所述肺部肿瘤分割神经网络模型，得到CT影像的肺部肿瘤自动分割结果，最终将肺部肿瘤自动分割结果上传到5G云网；普通终端记录的所述待分割图像对应的病人相关信息通过专网网关iGW发送到5G云网。
移动查房终端发送至专网网关iGW的数据，除了记录待分割图像外，还可能包括其他的数据，专网网关iGW采用IP五元组（源IP、源端口号、目的IP、目的端口号、协议）的本地分流策略，对于移动查房终端上传的上行数据，如果数据报文五元组符合本地分流策略，则专网网关iGW将数据发送到边缘云iMEP；否则将数据发送到5G云网。
为保障专网网关iGW与边缘云iMEP之间本地分流的网络安全与数据安全，在专网网关iGW与边缘云iMEP之间部署双向防火墙，防止两者之间的网络攻击和猥亵。专网网关iGW与边缘云iMEP之间的数据传输采用IPSes协议加密，以保证数据安全。
步骤S3：登录5G云网将所述肺部肿瘤自动分割结果和对应的病人相关信息进行融合后，对肺部肿瘤自动分割结果进行后处理和边缘检测，得到肺部肿瘤勾画结果。
院内移动查房终端和普通终端连接5G无线网络，通过5G双向鉴权认证机制后登录5G云网；支持iGW协议的院外终端通过配置802.1X安全认证后，连接到专网网关iGW，并通过5G双向鉴权认证机制后登录5G云网，从而进行院内外远程交互会诊。
远程会诊是指现场的主管医生与异地的医疗专家通过远程技术手段共同探讨病情，进一步完善并制定更具针对性的诊断方案，解决目前疫情相关疾病，提高医疗效率。也可以支撑医院之间，对危重患者开展多方视频会诊服务。远程交互会诊综合应用床旁远程会诊，远程超声等技术手段，以5G医疗更加完善。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (3)

1.基于5G云放疗专网的肺部肿瘤勾画方法，其特征在于：包括以下步骤：
步骤S1：从各个移动查房终端采集预设数量的CT胸部影像和T1 MRI胸部影像，通过院内移动机房的专网网关iGW将CT胸部影像和T1 MRI胸部影像发送到院内数据机房的边缘云iMEP，边缘云iMEP使用CT胸部影像和T1 MRI胸部影像对语义分割卷积神经网络进行训练，从而得到肺部肿瘤分割神经网络模型；
所述从各个移动查房终端采集预设数量的CT胸部影像和T1 MRI胸部影像的步骤之前，还包括：
各个移动查房终端签约5G专网卡，通过5G AKA安全认证机制接入5G无线网络；移动查房终端记录的CT胸部影像和T1 MRI胸部影像通过5G无线网络连接院内移动机房的专网网关iGW；
普通终端通过psec加密认证后，接入5G无线网络；普通终端记录的待分割图像所对应的病人相关信息通过5G无线网络连接院内移动机房的专网网关iGW；
所述通过院内移动机房的专网网关iGW将CT胸部影像和T1 MRI胸部影像发送到院内数据机房的边缘云iMEP的步骤，包括：
对于采集预设数量的CT胸部影像和T1 MRI胸部影像通过5G无线网络连接上专网网关iGW后，通过专网网关iGW将CT胸部影像和T1 MRI胸部影像发送到边缘云iMEP；
边缘云iMEP制作每例T1 MRI胸部影像的肺部肿瘤分割标签，对所述CT胸部影像、T1MRI胸部影像、肺部肿瘤分割标签进行预处理，以预处理后的CT胸部影像作为参考影像，将预处理后的T1 MRI胸部影像和肺部肿瘤分割标签向预处理后的CT胸部影像进行配准变换，得到配准变换后的T1 MRI胸部影像和肺部肿瘤分割标签；
对预处理后的CT胸部影像和配准变换后的T1 MRI胸部影像、肺部肿瘤分割标签进行相同大小的图像剪裁；
步骤S2：移动查房终端记录的待分割图像通过专网网关iGW发送到边缘云iMEP后，输入所述肺部肿瘤分割神经网络模型，得到CT影像的肺部肿瘤自动分割结果，最终将肺部肿瘤自动分割结果上传到5G云网；普通终端记录的所述待分割图像对应的病人相关信息通过专网网关iGW发送到5G云网；
步骤S3：登录5G云网将所述肺部肿瘤自动分割结果和对应的病人相关信息进行融合后，对肺部肿瘤自动分割结果进行后处理和边缘检测，得到肺部肿瘤勾画结果。
2.根据权利要求1所述的基于5G云放疗专网的肺部肿瘤勾画方法，其特征在于：所述边缘云iMEP使用CT胸部影像和T1 MRI胸部影像对语义分割卷积神经网络进行训练，从而得到肺部肿瘤分割神经网络模型的步骤，包括：
边缘云iMEP搭建语义分割卷积神经网络，所述语义分割卷积神经网络包括两个输入、一个输出；将剪裁后的CT胸部影像和T1 MRI胸部影像作为语义分割卷积神经网络的输入，将剪裁后的肺部肿瘤分割标签作为语义分割卷积神经网络的输出，在语义分割卷积神经网络中进行训练，直到模型稳定收敛，停止训练，得到肺部肿瘤分割神经网络模型。
3.根据权利要求1-2任一项所述的基于5G云放疗专网的肺部肿瘤勾画方法，其特征在于：所述登录5G云网将所述肺部肿瘤自动分割结果和对应的病人相关信息进行融合的步骤之前，还包括步骤：
院内移动查房终端和普通终端连接5G无线网络，通过5G双向鉴权认证机制后登录5G云网；
支持iGW协议的院外终端通过配置802.1X安全认证后，连接到专网网关iGW，并通过5G双向鉴权认证机制后登录5G云网，从而进行院内外远程交互会诊。
CN202111354090.0A 2021-11-16 2021-11-16 基于5g云放疗专网的肺部肿瘤勾画方法 Active CN113793699B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111354090.0A CN113793699B (zh) 2021-11-16 2021-11-16 基于5g云放疗专网的肺部肿瘤勾画方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111354090.0A CN113793699B (zh) 2021-11-16 2021-11-16 基于5g云放疗专网的肺部肿瘤勾画方法

Publications (2)

Publication Number Publication Date
CN113793699A CN113793699A (zh) 2021-12-14
CN113793699B true CN113793699B (zh) 2022-03-01

Family

ID=78955281

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111354090.0A Active CN113793699B (zh) 2021-11-16 2021-11-16 基于5g云放疗专网的肺部肿瘤勾画方法

Country Status (1)

Country Link
CN (1) CN113793699B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116258735B (zh) * 2023-05-16 2023-07-21 四川省肿瘤医院 一种宫颈癌组织间插植针重建系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108776969A (zh) * 2018-05-24 2018-11-09 复旦大学 基于全卷积网络的乳腺超声图像肿瘤分割方法
CN109377496A (zh) * 2017-10-30 2019-02-22 北京昆仑医云科技有限公司 用于分割医学图像的系统和方法及介质
CN109785306A (zh) * 2019-01-09 2019-05-21 上海联影医疗科技有限公司 器官勾画方法、装置、计算机设备和存储介质
CN109889422A (zh) * 2019-03-07 2019-06-14 江苏省人民医院 结合虚拟化桌面与ssl vpn实现远程放疗计划的方法
CN111127444A (zh) * 2019-12-26 2020-05-08 广州柏视医疗科技有限公司 基于深度语义网络的ct影像中自动识别放疗危及器官的方法
CN112336996A (zh) * 2020-09-30 2021-02-09 四川大学 基于深度神经网络的放疗靶区自动勾画系统
CN112604187A (zh) * 2020-12-31 2021-04-06 河南省肿瘤医院 一种远程放疗协作系统及方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10929981B1 (en) * 2019-08-21 2021-02-23 Ping An Technology (Shenzhen) Co., Ltd. Gross tumor volume segmentation method and computer device

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109377496A (zh) * 2017-10-30 2019-02-22 北京昆仑医云科技有限公司 用于分割医学图像的系统和方法及介质
CN108776969A (zh) * 2018-05-24 2018-11-09 复旦大学 基于全卷积网络的乳腺超声图像肿瘤分割方法
CN109785306A (zh) * 2019-01-09 2019-05-21 上海联影医疗科技有限公司 器官勾画方法、装置、计算机设备和存储介质
CN109889422A (zh) * 2019-03-07 2019-06-14 江苏省人民医院 结合虚拟化桌面与ssl vpn实现远程放疗计划的方法
CN111127444A (zh) * 2019-12-26 2020-05-08 广州柏视医疗科技有限公司 基于深度语义网络的ct影像中自动识别放疗危及器官的方法
CN112336996A (zh) * 2020-09-30 2021-02-09 四川大学 基于深度神经网络的放疗靶区自动勾画系统
CN112604187A (zh) * 2020-12-31 2021-04-06 河南省肿瘤医院 一种远程放疗协作系统及方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Inter- observer variability in target delineation increases during adaptive treatment of head and neck and lung cancer;Apolle R 等;《Acta Oncol》;20191231;第58卷(第10期);第1378-1385页 *
Stereotactic body radiotherapy (SBRT) for stage I lung cancer;Nagata Y等;《Jpn J Clin Oncol》;20181231;第48卷(第5期);第405-409页 *
西部首例！四川省肿瘤医院携手中国移动四川公司实现5G远程放疗;四川移动;《通信与信息技术》;20210725(第4期);第2页 *

Also Published As

Publication number Publication date
CN113793699A (zh) 2021-12-14

Similar Documents

Publication Publication Date Title
Hireche et al. Security and privacy management in Internet of Medical Things (IoMT): a synthesis
CN107704600B (zh) 一种结核检测云数据管理分析系统
US10735487B2 (en) Segregation of electronic personal health information
CN108269619A (zh) 一种远程协作会诊方法、装置和系统
CN113793699B (zh) 基于5g云放疗专网的肺部肿瘤勾画方法
Castiglione et al. On secure data management in health-care environment
Zhang et al. Design and implementation of 5G e-health systems: Technologies, use cases, and future challenges
CN104219275A (zh) 癌症患者社区短信延续护理系统
Jusak et al. A novel and low processing time ecg security method suitable for sensor node platforms
Meshram et al. An effective mobile-healthcare emerging emergency medical system using conformable chaotic maps
US20150039327A1 (en) Systems and methods for managing patient research data
Hofer et al. COMPASS: An interoperable personal health system to monitor and compress signals in chronic obstructive pulmonary disease
Ullah et al. Enabling clustering for privacy-aware data dissemination based on medical healthcare-IoTs (MH-IoTs) for wireless body area network
Abdulbaqi et al. A tele encephalopathy diagnosis based on EEG signal compression and encryption
Shankar et al. A survey on wireless body area network and electronic-healthcare
Bansal et al. Fog computing-based internet of things and its applications in healthcare
Soldani Fighting pandemics by exploiting 5G, AI and bigdata enabled technologies: How 5G can help contain the spread of COVID-19
CN111554390A (zh) 基于人工智能的产科临床辅助顺产信息处理方法及系统
CN116807399A (zh) 一种基于5g的远程重症监护系统
Salehi Shahraki et al. Access Control, Key Management, and Trust for Emerging Wireless Body Area Networks
Jain et al. 5G Technology for healthcare and its health effects: Wonders, dangers, and diligence
Sharma et al. Cloud based healthcare services for telemedicine practices using internet of things
Chandy et al. Evaluation of QoS in data mobile network for vital signs transmission
Algaet et al. A review of service quality in integrated networking system at the hospital scenarios
CN110473599A (zh) 信息处理方法及装置、电子设备及存储介质

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
GR01 Patent grant
GR01 Patent grant