【技術實現步驟摘要】
本申請涉及一種基于機器視覺的乳腺癌放療用輔助系統，屬于乳腺癌放療。
技術介紹
1、乳腺癌是女性最常見的惡性腫瘤之一，給女性健康帶來嚴重危害，外科手術是乳腺癌的一種重要治療手段，乳腺癌外科手術大致分為原始局部切除、乳腺癌根治術、擴大根治術、改良根治術和保乳手術5個階段。其中改良根治術和保乳手術是目前治療乳腺癌常用術式，尤其保乳手術既考慮到治療效果，又兼顧到美觀，是早期乳腺癌臨床i、ii期的最佳手術方式。在保乳手術切除原發惡性腫瘤后為了防止腫瘤復發，往往采用放療用作輔助治療，放療是使用輻射作為治療疾病的方式，其原理是大量的輻射所產生的能量可破壞細胞的染色體，使細胞停止生長，從而消滅可快速分裂和生長的癌細胞。
2、然而保乳手術完成后，病患非常容易在手術部位發生水腫的情況，水腫根據病患的不同情況持續幾個星期甚至長達幾個月，然而發生水腫是放療過程中不希望發生的情況，因為放療的關鍵在于放療目標器官的三維結構要準確，才能基于目標器官的三維結構通過計算準確給目標器官進行合適劑量的輻射處理，而不能影響周圍正常組織或器官。
3、而水腫情況的發生導致之前針對目標器官的三維結構的勾畫結果不可用，就需要針對目標器官進行重新拍攝醫學影像并且進行勾畫，此外還需要基于勾畫結果重新結合治療方案，進行大量復雜的計算驗證從而才能制定出放療輻射劑量分布治療方案，制定出放療輻射劑量分布治療方案是一個計算量巨大、影響因素眾多且需要進行復雜驗證的過程，因此耗時久，尤其是當放療任務比較繁重的時候，非常難以滿足及時地針對病患的需要給出放療輻射劑量分布治療
4、鑒于現有技術存在的上述問題，還考慮到乳腺癌相比于其他癌癥在放療過程中的特點，即乳腺癌的目標器官在進行放療計劃時其目標器官的勾畫預設精度可以相對較低，因此可以采用深度學習網絡進行輔助預測分析，針對行保乳手術后乳腺癌患者在放療輔助治療過程中，出現水腫情況進行預測分析，根據歷史醫學影像預測未來目標器官的勾畫結果，只要預測勾畫結果與實際勾畫結果相差不大，就能在保證勾畫預設精度要求的情況下，提前進行放療輻射劑量分布治療方案的制定，從而既能滿足乳腺癌放療的需求，又能及時給出可用的方案，能夠解決目前現有技術中存在的不及時以及放療案例較多時算力需求集中導致的擁堵問題。
技術實現思路
1、為了解決上述問題，提供了一種基于機器視覺的乳腺癌放療用輔助系統，該系統能夠指導針對行保乳手術后發生水腫的乳腺癌病患目標器官的放療輔助治療過程，能夠極大地提高乳腺癌放療的治療效率的同時，還具有較好的準確度和穩定性，具有重要的臨床應用場景。
2、本申請提供了一種基于機器視覺的乳腺癌放療用輔助系統，所述系統包括歷史病例模型訓練模塊、病患病例模型調整模塊和優化反饋學習模塊，以及病患醫學影像處理模塊、物理形態變化特征提取模塊、形變量時間差分預測模塊和三維結構重建模塊；
3、所述歷史病例模型訓練模塊調用病患醫學影像處理模塊、物理形態變化特征提取模塊和形變量時間差分預測模塊，基于數據庫中以往行保乳手術后發生水腫的乳腺癌患者水腫期間的病例數據，對歷史病例中的醫學影像數據進行處理和學習，并對模型進行訓練獲得基礎訓練模型，該基礎訓練模型能夠預測病患在未來某個時間點時目標器官的三維結構；
4、所述病患病例模型調整模塊基于所述基礎訓練模型進行調整，采用遷移學習算法，調整模型網絡參數以匹配處于不同乳腺癌階段的多種乳腺癌患者類型的特性，并對模型進行迭代訓練和優化，從而獲得對不同階段乳腺癌患者目標器官的形變量預測效果的匹配性，獲得預測病患未來某個時間點時目標器官三維結構的調整后預測模型；
5、所述優化反饋學習模塊調用病患醫學影像處理模塊、物理形態變化特征提取模塊處理某一特定待預測的病患目標器官的醫學影像，并利用應用反向傳播算法，對調整后預測模型進行持續優化，并根據反饋數據調整模型參數和模型結構，提升模型的準確度和穩定性，獲得預測病患未來某個時間點時目標器官三維結構的最終預測模型；
6、所述病患醫學影像處理模塊對同一時間點的多角度醫學影像進行分析和處理，能夠獲得該時間點時目標器官的三維結構；
7、所述物理形態變化特征提取模塊采用圖像分割和幾何建模方法，提取乳腺癌病患目標器官的體積和形狀參數，并計算目標器官不同維度下形變量，而目標器官不同維度下的形變量能綜合表征乳腺癌患者目標器官的三維形狀在不同時間間隔下的變化情況；
8、所述形變量時間差分預測模塊采用長短期記憶網絡，分析目標器官形變量隨時間變化的序列數據，并訓練獲得能預測未來某個時間點時病患目標器官不同維度下形變量的預測模型；
9、所述三維結構重建模塊基于獲得的未來某個時間點時目標器官在不同維度下的形變量預測結果及目標器官的歷史醫學影像數據，利用立體視覺匹配算法，獲得該未來時間點時病患目標器官的三維結構預測結果。
10、可選的，所述病患病例模型調整模塊包括調參子模塊、病例乳腺癌階段適應性調整子模塊和病患模型驗證子模塊；
11、所述調參子模塊基于基礎訓練模型采用遷移學習算法，對模型的網絡參數進行分析，根據病例中病患的乳腺癌所處階段信息，對網絡層權重和激活函數進行調整，獲得參數調整模型；
12、所述病例乳腺癌階段適應性調整子模塊基于參數調整模型，采用梯度提升機，結合病患不同乳腺癌階段調整模型參數，并驗證模型在不同乳腺癌階段下的可行性，獲得不同乳腺癌階段適應性的調整模型；
13、所述病患模型驗證子模塊基于不同乳腺癌階段適應性的調整模型，采用交叉驗證分析模型在數據上的表現，根據測試結果對模型的層結構、參數進行調整和優化，獲得調整后預測模型。
14、可選的，在所述病患模型驗證子模塊中，通過交叉驗證的方法對不同乳腺癌階段適應性的調整模型進行評估和優化，通過將該模型多次在不同的數據子集上訓練和測試，并在每次迭代中記錄模型的準確率和召回率，然后基于測試結果對模型的層結構和參數進行調整和優化。
15、可選的，對模型的層結構和參數進行調整和優化操作包括增加或減少網絡層的數量、調整卷積層的濾波器大小和改變全連接層的神經元數量。
16、可選的，所述形變量時間差分預測模塊包括殘差網絡特征學習子模塊、時間序列分析子模塊、lstm建模子模塊和變化預測子模塊；
17、所述殘差網絡特征學習子模塊通過多個卷積層和激活層提取深層次特征，然后通過全連接層將深層次特征轉化為目標器官不同維度的形變量，并使用反向傳播算法調整網絡權重，再通過多次迭代訓練對模型進行優化；
18、所述時間序列分析子模塊采用時間序列分析技術，處理目標器官不同維度的形變量生成時間序列數據；
19、所述lstm建模子模塊基于生成的時間序列數據，采用長短期記憶網絡，對時間序列數據進行學習，捕捉目的器官形變量隨時間的變化趨勢，獲得lstm預測模型；
20、所述變化預測子模塊基于lstm預測模型，利用趨勢分析算法對未來某個時間點時目本文檔來自技高網...
【技術保護點】
1.一種基于機器視覺的乳腺癌放療用輔助系統，其特征在于，所述系統包括歷史病例模型訓練模塊、病患病例模型調整模塊和優化反饋學習模塊，以及病患醫學影像處理模塊、物理形態變化特征提取模塊、形變量時間差分預測模塊和三維結構重建模塊；
2.根據權利要求1所述的基于機器視覺的乳腺癌放療用輔助系統，其特征在于，所述病患病例模型調整模塊包括調參子模塊、病例乳腺癌階段適應性調整子模塊和病患模型驗證子模塊；
3.根據權利要求2所述的基于機器視覺的乳腺癌放療用輔助系統，其特征在于，在所述病患模型驗證子模塊中，通過交叉驗證的方法對不同乳腺癌階段適應性的調整模型進行評估和優化，通過將該模型多次在不同的數據子集上訓練和測試，并在每次迭代中記錄模型的準確率和召回率，然后基于測試結果對模型的層結構和參數進行調整和優化。
4.根據權利要求3所述的基于機器視覺的乳腺癌放療用輔助系統，其特征在于，對模型的層結構和參數進行調整和優化操作包括增加或減少網絡層的數量、調整卷積層的濾波器大小和改變全連接層的神經元數量。
5.根據權利要求1所述的基于機器視覺的乳腺癌放療用輔助系統
6.根據權利要求1所述的基于機器視覺的乳腺癌放療用輔助系統，其特征在于，所述病患醫學影像處理模塊包括多視角分析子模塊、圖像融合子模塊和三維建模子模塊；
7.根據權利要求6所述的基于機器視覺的乳腺癌放療用輔助系統，其特征在于，所述三維建模子模塊應用立體視覺匹配算法分析不同角度圖像間的相似性和差異性，計算出目標器官不同部位在三維空間中的精確位置，通過點云生成、網格構建和表面重建過程獲得病患目的器官的三維結構。
8.根據權利要求1所述的基于機器視覺的乳腺癌放療用輔助系統，其特征在于，所述優化反饋學習模塊包括數據反饋子模塊、模型調整子模塊和性能評估子模塊；
...【技術特征摘要】
1.一種基于機器視覺的乳腺癌放療用輔助系統，其特征在于，所述系統包括歷史病例模型訓練模塊、病患病例模型調整模塊和優化反饋學習模塊，以及病患醫學影像處理模塊、物理形態變化特征提取模塊、形變量時間差分預測模塊和三維結構重建模塊；
2.根據權利要求1所述的基于機器視覺的乳腺癌放療用輔助系統，其特征在于，所述病患病例模型調整模塊包括調參子模塊、病例乳腺癌階段適應性調整子模塊和病患模型驗證子模塊；
3.根據權利要求2所述的基于機器視覺的乳腺癌放療用輔助系統，其特征在于，在所述病患模型驗證子模塊中，通過交叉驗證的方法對不同乳腺癌階段適應性的調整模型進行評估和優化，通過將該模型多次在不同的數據子集上訓練和測試，并在每次迭代中記錄模型的準確率和召回率，然后基于測試結果對模型的層結構和參數進行調整和優化。
4.根據權利要求3所述的基于機器視覺的乳腺癌放療用輔助系統，其特征在于，對模型的層結構和參數進行調整和優化操作包括增加或減...
【專利技術屬性】
技術研發人員：張天，
申請(專利權)人：首都醫科大學附屬北京朝陽醫院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。