摘要
本发明公开了融合多模态图像的宫颈癌近距离放疗高危靶区勾画方法,包括以下步骤:收集宫颈癌近距离放疗患者在放疗前扫描的MRI图像和放疗时的CT图像及其标注数据;将放疗前扫描的MRI图像和放疗时的CT图像进行预处理,并将标注数据转化为三维标签图像;基于预处理后的MRI图像和CT图像及其三维标签图像,采用预先构建的配准神经网络模型进行MRI图像和CT图像的配准,采用预先构建的多尺度交叉模态注意力机制的高危靶区自动分割神经网络模型,对配准后的MRI图像和CT图像进行特征提取及融合,实现宫颈癌近距离放疗高危靶区自动勾画;本发明实现了宫颈癌近距离放疗HR‑CTV的自动分割,具有高效性、准确性和可推广性,能够为临床工作提供智能化支持。
技术关键词
神经网络模型
图像
勾画方法
多模态
标签
注意力机制
卷积模块
Adam算法
深度学习框架
矩阵
多任务
优化器
上采样
多尺度
数据
患者
超参数
肿瘤
系统为您推荐了相关专利信息
乳腺超声影像
深度卷积神经网络模型
乳腺超声图像
特征提取网络
数据