肿瘤放疗危及器官和靶区智能勾画与图像融合方法研究

发布时间：2022-12-23 21:32

　　精确放疗需要CT/MRI/PET等多模态影像技术引导高能射线能量（剂量）最大限度地汇聚于肿瘤区域内,从而最大限度地保护肿瘤周围正常组织器官（危及器官）,达到提高肿瘤控制率、降低放疗相关毒副作用、延长病人生存时间、提高生活质量的目的。肿瘤放疗包括图像获取、图像融合、放疗靶区和危及器官勾画、放疗计划设计、优化、验证和实施等过程,其中肿瘤放疗靶区、或大体肿瘤区（Gross tumor volume,GTV）和危及器官（Organs-at-r isk,OARs）的高精度勾画是成功实施精确放疗的前提和关键技术。CT、MRI与PET图像的融合可为临床放疗提供互补的肿瘤和危及器官解剖结构和功能信息,提高靶区和危及器官勾画的精度。目前,临床放疗医生通常在单一影像的二维横断面上参考其它影像,逐层手动勾画肿瘤靶区和危及器官。手动勾画不仅耗时费力,而且其结果依赖于医生的临床知识和经验,且不同医生勾画的结果缺乏一致性,而自动勾画的精度还达不到临床放疗要求。针对这些现状,我们深入展开了肿瘤放疗危及器官和靶区智能勾画与图像融合方法研究,取得了如下研究成果:（1）医学图像分析深度学习方法综述深度学习,特别是深度卷积... 

【文章页数】：143 页

【学位级别】：博士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景与意义
    1.2 关键科学问题
    1.3 肿瘤放疗危及器官勾画研究现状与问题
    1.4 肿瘤放疗靶区勾画研究现状与问题
    1.5 多模态医学图像融合研究现状与问题
    1.6 课题来源与研究基础
    1.7 论文主要内容及章节安排
第2章 深度学习与医学图像分析综述
    2.1 引言
    2.2 深度学习模型
        2.2.1 非监督模型
        2.2.2 监督学习模型
    2.3 深度卷积神经网络及其演化
    2.4 基于深度学习的医学图像分类框架
    2.5 深度学习在医学图像分析中的应用
        2.5.1 图像筛查
        2.5.2 目标或病灶分类
        2.5.3 目标或病灶定位与检测
        2.5.4 器官与组织分割
        2.5.5 病灶与肿瘤分割
    2.6 医学图像分析深度学习方法的挑战与对策
        2.6.1 迁移学习与弱监督学习
        2.6.2 正则化与均衡化
        2.6.3 融合多模态互补图像信息和图像空间上下文信息
        2.6.4 大规模的医学数据分析标注样本数据
    2.7 本章小结
第3章 头颈部肿瘤放疗靶区勾画深度学习模型
    3.1 引言
    3.2 PET/CT数据集和预处理
    3.3 双路径深度3D FCN肿瘤靶区分割模型
    3.4 3D对称深度卷积神经网络肿瘤靶区分割模型
    3.5 实验设计
        3.5.1 实验设置
        3.5.2 实验环境
        3.5.3 评价指标
    3.6 实验结果及分析
        3.6.1 多模态和单模态图像肿瘤靶区勾画性能对比分析
        3.6.2 两种深度学习模型肿瘤靶区勾画性能对比分析
    3.7 本章小结
第4章 头颈部肿瘤放疗危及器官勾画深度学习模型
    4.1 引言
    4.2 CT数据集
    4.3 头颈CT危及器官分割模型
        4.3.1 预处理
        4.3.2 先验约束采样
        4.3.3 SV-Net网络模型
    4.4 实验设计
        4.4.1 实验设置
        4.4.2 实验环境
        4.4.3 评价指标
        4.4.4 对比算法
    4.5 实验结果及分析
        4.5.1 从V-Net到SV-Net
        4.5.2 SV-Net与其它优秀的方法的对比
        4.5.3 基于SV-Net网络的头颈部关键器官分割结果
    4.6 讨论
    4.7 本章小结
第5章 胸部肿瘤放疗危及器官勾画深度学习模型
    5.1 引言
    5.2 数据集及预处理
        5.2.1 数据来源
        5.2.2 危及器官勾画标准及临床医生勾画差异性分析指标
        5.2.3 预处理
    5.3 深度扩张卷积神经网络模型DCNN
        5.3.1 3D扩张卷积
        5.3.2 深度扩张卷积神经网络DCNN
    5.4 基于DCNN的胸部肿瘤放疗危及器官多类分割
    5.5 结合解剖先验的危及器官勾画方法PDCNN
    5.6 测试结果分析
        5.6.1 PDCNN方法在LCTSC测试集上勾画结果分析
        5.6.2 PDCNN勾画方法在北京301医院肺癌CT上测试结果
    5.7 本章小结
第6章 肿瘤PET/CT/MRI图像融合模型
    6.1 引言
    6.2 基于NSST和PCCN的融合方法
        6.2.1 NSST变换
        6.2.2 简化的PCNN模型
        6.2.3 融合步骤
    6.3 实验结果及分析
        6.3.1 评价指标
        6.3.2 实验结果及分析
    6.4 本章小结
结论
参考文献
附录A 攻读学位期间所发表的学术论文目录
附录B 攻读学位期间参加和负责的科研项目
致谢


【参考文献】：
期刊论文
[1]基于3D深度残差全卷积网络的头颈CT放疗危及器官自动勾画[J]. 田娟秀,刘国才,谷珊珊,顾冬冬,龚军辉.  中国生物医学工程学报. 2019(03)
[2]图像引导放射治疗的研究现状和进展[J]. 王颖,于金明.  重庆医学. 2018(33)
[3]基于NSST变换和PCNN的医学图像融合方法[J]. 田娟秀,刘国才.  中国医学物理学杂志. 2018(08)
[4]集成自适应回归核的肿瘤生物靶区随机游走勾画方法[J]. 刘国才,官文静,田娟秀,朱苏雨,鞠忠建.  中国医学物理学杂志. 2018(07)
[5]探讨PET-CT图像融合对生物靶区定义的影响[J]. 刘伟南.  世界最新医学信息文摘. 2018(57)
[6]医学图像融合技术在肿瘤放射治疗中的应用[J]. 吴舒鑫,李杨.  现代医学与健康研究电子杂志. 2018(10)
[7]基于ABAS软件胸部放疗危及器官自动勾画图像集的建立与应用[J]. 余元祥,林柏翰,陈创珍,李东升.  广东医学. 2018(11)
[8]ABAS自动勾画软件应用于头颈部肿瘤调强放疗中的剂量学研究[J]. 林金勇,阴晓娟,胡彩容,程燕铭,游鸿强,张秀春,林少俊.  肿瘤学杂志. 2018(06)
[9]利用深度反卷积神经网络自动勾画放疗危及器官[J]. 门阔,戴建荣.  中国医学物理学杂志. 2018(03)
[10]MRI/CT融合图像勾画局部晚期鼻咽癌诱导化疗后靶区对放疗计划的影响[J]. 龚修云,金风,甘家应,吴伟莉,李媛媛,龙金华,陈潇潇,王立敏,贺前勇,毕婷,李卓玲.  贵州医科大学学报. 2018(03)

博士论文
[1]肺癌放射治疗中危及器官保护关键问题研究[D]. 雷伟杰.中国科学技术大学 2017
[2]自适应放射治疗中的图像变形配准关键技术研究[D]. 甄鑫.南方医科大学 2013



本文编号：3725456