论文部分内容阅读
头颈部恶性肿瘤在现阶段临床中比较常见,具有较高的死亡率,而鼻咽癌作为其中发病率最高的恶性肿瘤,对人类的生命健康产生了严重威胁。临床研究表明,对于鼻咽癌的早期发现、准确诊断和有效治疗可以明显提高患者的治愈率,并延长患者的生存期。而在传统的诊疗过程中,医生需要阅读大量的医学影像,逐层地观察扫描切片并手动勾画肿瘤区域,该过程高度依赖医生的专业知识和临床经验,并且极其繁琐耗时。因此,本文在深入分析放射科医生诊治鼻咽癌过程的基础上,设计了一套基于多模态医学影像的鼻咽癌辅助诊疗系统,该系统主要针对鼻咽癌的辅助诊断、肿瘤区域的自动勾画、肿瘤亚靶区的自动分级以及肿瘤区域的三维融合可视化等问题展开研究,并进行功能设计和实现。在鼻咽癌的早期筛查阶段,CT扫描是使用最广泛的一种手段,因此本文提出一种基于CT影像的鼻咽癌诊断算法。首先基于自适应模板的方法实现鼻咽区域的分割,去除非鼻咽区域的冗余影像信息,然后提出一种基于深度卷积神经网络的分类算法实现正常和异常二维CT切片图像的分类,从而判断个体是否患有鼻咽癌并确定可能存在肿瘤的切片位置。在确诊鼻咽癌之后,临床中通常基于MR影像勾画肿瘤靶区,为放疗计划的制定提供依据。因此,本文提出一种基于多模态融合网络的鼻咽癌区域分割算法,在改进已有的网络结构的基础上,引入多模态融合思想以及自迁移学习的训练方式。本文对不同方法的鼻咽癌分割结果进行了对比和分析,实验表明本文提出的鼻咽癌区域分割算法可以有效实现鼻咽癌区域的分割。为了制定合理的放疗计划,提高鼻咽癌的局部控制率,本文提出了一种基于CT和MR影像配准的鼻咽癌亚靶区分割算法。首先利用基于互信息的线性配准方法实现同一个患者CT和MR影像的空域配准,并基于变换函数将基于MR影像的肿瘤区域分割结果映射到CT影像。然后提出一种基于自适应阈值的分割算法,将肿瘤区域进一步分割为三个具有不同恶性程度的亚靶区,为放疗计划的有效制定提供依据。在临床诊断中,CT和MR影像可以为医生提供不同的信息,因此本文基于线性加权融合算法实现CT和MR影像的融合,将不同模态的信息在同一幅图中显示。然后本文基于面绘制技术实现了头部结构和肿瘤区域的三维可视化,方便医生进行病情诊断。本文所实现的系统集鼻咽癌辅助诊断、辅助治疗与三维可视化于一体。一方面,鼻咽癌的自动诊断和肿瘤区域的自动分割可以缓解医生的工作负担;另一方面,肿瘤亚靶区的自动分级和三维可视化可以为医生进行病情分析和制定治疗方案提供可靠依据,因此本文所实现的系统在临床中具有一定的应用价值。