精確放療需要CT/MRI/PET等多模態(tài)影像技術(shù)引導(dǎo)高能射線能量（劑量）最大限度地匯聚于腫瘤區(qū)域內(nèi),從而最大限度地保護(hù)腫瘤周圍正常組織器官（危及器官）,達(dá)到提高腫瘤控制率、降低放療相關(guān)毒副作用、延長病人生存時間、提高生活質(zhì)量的目的。腫瘤放療包括圖像獲取、圖像融合、放療靶區(qū)和危及器官勾畫、放療計(jì)劃設(shè)計(jì)、優(yōu)化、驗(yàn)證和實(shí)施等過程,其中腫瘤放療靶區(qū)、或大體腫瘤區(qū)（Gross tumor volume,GTV）和危及器官（Organs-at-r isk,OARs）的高精度勾畫是成功實(shí)施精確放療的前提和關(guān)鍵技術(shù)。CT、MRI與PET圖像的融合可為臨床放療提供互補(bǔ)的腫瘤和危及器官解剖結(jié)構(gòu)和功能信息,提高靶區(qū)和危及器官勾畫的精度。目前,臨床放療醫(yī)生通常在單一影像的二維橫斷面上參考其它影像,逐層手動勾畫腫瘤靶區(qū)和危及器官。手動勾畫不僅耗時費(fèi)力,而且其結(jié)果依賴于醫(yī)生的臨床知識和經(jīng)驗(yàn),且不同醫(yī)生勾畫的結(jié)果缺乏一致性,而自動勾畫的精度還達(dá)不到臨床放療要求。針對這些現(xiàn)狀,我們深入展開了腫瘤放療危及器官和靶區(qū)智能勾畫與圖像融合方法研究,取得了如下研究成果:（1）醫(yī)學(xué)圖像分析深度學(xué)習(xí)方法綜述深度學(xué)習(xí),特別是深度卷積... 

【文章頁數(shù)】：143 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 關(guān)鍵科學(xué)問題
    1.3 腫瘤放療危及器官勾畫研究現(xiàn)狀與問題
    1.4 腫瘤放療靶區(qū)勾畫研究現(xiàn)狀與問題
    1.5 多模態(tài)醫(yī)學(xué)圖像融合研究現(xiàn)狀與問題
    1.6 課題來源與研究基礎(chǔ)
    1.7 論文主要內(nèi)容及章節(jié)安排
第2章 深度學(xué)習(xí)與醫(yī)學(xué)圖像分析綜述
    2.1 引言
    2.2 深度學(xué)習(xí)模型
        2.2.1 非監(jiān)督模型
        2.2.2 監(jiān)督學(xué)習(xí)模型
    2.3 深度卷積神經(jīng)網(wǎng)絡(luò)及其演化
    2.4 基于深度學(xué)習(xí)的醫(yī)學(xué)圖像分類框架
    2.5 深度學(xué)習(xí)在醫(yī)學(xué)圖像分析中的應(yīng)用
        2.5.1 圖像篩查
        2.5.2 目標(biāo)或病灶分類
        2.5.3 目標(biāo)或病灶定位與檢測
        2.5.4 器官與組織分割
        2.5.5 病灶與腫瘤分割
    2.6 醫(yī)學(xué)圖像分析深度學(xué)習(xí)方法的挑戰(zhàn)與對策
        2.6.1 遷移學(xué)習(xí)與弱監(jiān)督學(xué)習(xí)
        2.6.2 正則化與均衡化
        2.6.3 融合多模態(tài)互補(bǔ)圖像信息和圖像空間上下文信息
        2.6.4 大規(guī)模的醫(yī)學(xué)數(shù)據(jù)分析標(biāo)注樣本數(shù)據(jù)
    2.7 本章小結(jié)
第3章 頭頸部腫瘤放療靶區(qū)勾畫深度學(xué)習(xí)模型
    3.1 引言
    3.2 PET/CT數(shù)據(jù)集和預(yù)處理
    3.3 雙路徑深度3D FCN腫瘤靶區(qū)分割模型
    3.4 3D對稱深度卷積神經(jīng)網(wǎng)絡(luò)腫瘤靶區(qū)分割模型
    3.5 實(shí)驗(yàn)設(shè)計(jì)
        3.5.1 實(shí)驗(yàn)設(shè)置
        3.5.2 實(shí)驗(yàn)環(huán)境
        3.5.3 評價指標(biāo)
    3.6 實(shí)驗(yàn)結(jié)果及分析
        3.6.1 多模態(tài)和單模態(tài)圖像腫瘤靶區(qū)勾畫性能對比分析
        3.6.2 兩種深度學(xué)習(xí)模型腫瘤靶區(qū)勾畫性能對比分析
    3.7 本章小結(jié)
第4章 頭頸部腫瘤放療危及器官勾畫深度學(xué)習(xí)模型
    4.1 引言
    4.2 CT數(shù)據(jù)集
    4.3 頭頸CT危及器官分割模型
        4.3.1 預(yù)處理
        4.3.2 先驗(yàn)約束采樣
        4.3.3 SV-Net網(wǎng)絡(luò)模型
    4.4 實(shí)驗(yàn)設(shè)計(jì)
        4.4.1 實(shí)驗(yàn)設(shè)置
        4.4.2 實(shí)驗(yàn)環(huán)境
        4.4.3 評價指標(biāo)
        4.4.4 對比算法
    4.5 實(shí)驗(yàn)結(jié)果及分析
        4.5.1 從V-Net到SV-Net
        4.5.2 SV-Net與其它優(yōu)秀的方法的對比
        4.5.3 基于SV-Net網(wǎng)絡(luò)的頭頸部關(guān)鍵器官分割結(jié)果
    4.6 討論
    4.7 本章小結(jié)
第5章 胸部腫瘤放療危及器官勾畫深度學(xué)習(xí)模型
    5.1 引言
    5.2 數(shù)據(jù)集及預(yù)處理
        5.2.1 數(shù)據(jù)來源
        5.2.2 危及器官勾畫標(biāo)準(zhǔn)及臨床醫(yī)生勾畫差異性分析指標(biāo)
        5.2.3 預(yù)處理
    5.3 深度擴(kuò)張卷積神經(jīng)網(wǎng)絡(luò)模型DCNN
        5.3.1 3D擴(kuò)張卷積
        5.3.2 深度擴(kuò)張卷積神經(jīng)網(wǎng)絡(luò)DCNN
    5.4 基于DCNN的胸部腫瘤放療危及器官多類分割
    5.5 結(jié)合解剖先驗(yàn)的危及器官勾畫方法PDCNN
    5.6 測試結(jié)果分析
        5.6.1 PDCNN方法在LCTSC測試集上勾畫結(jié)果分析
        5.6.2 PDCNN勾畫方法在北京301醫(yī)院肺癌CT上測試結(jié)果
    5.7 本章小結(jié)
第6章 腫瘤PET/CT/MRI圖像融合模型
    6.1 引言
    6.2 基于NSST和PCCN的融合方法
        6.2.1 NSST變換
        6.2.2 簡化的PCNN模型
        6.2.3 融合步驟
    6.3 實(shí)驗(yàn)結(jié)果及分析
        6.3.1 評價指標(biāo)
        6.3.2 實(shí)驗(yàn)結(jié)果及分析
    6.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
附錄A 攻讀學(xué)位期間所發(fā)表的學(xué)術(shù)論文目錄
附錄B 攻讀學(xué)位期間參加和負(fù)責(zé)的科研項(xiàng)目
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于3D深度殘差全卷積網(wǎng)絡(luò)的頭頸CT放療危及器官自動勾畫[J]. 田娟秀,劉國才,谷珊珊,顧冬冬,龔軍輝.  中國生物醫(yī)學(xué)工程學(xué)報(bào). 2019(03)
[2]圖像引導(dǎo)放射治療的研究現(xiàn)狀和進(jìn)展[J]. 王穎,于金明.  重慶醫(yī)學(xué). 2018(33)
[3]基于NSST變換和PCNN的醫(yī)學(xué)圖像融合方法[J]. 田娟秀,劉國才.  中國醫(yī)學(xué)物理學(xué)雜志. 2018(08)
[4]集成自適應(yīng)回歸核的腫瘤生物靶區(qū)隨機(jī)游走勾畫方法[J]. 劉國才,官文靜,田娟秀,朱蘇雨,鞠忠建.  中國醫(yī)學(xué)物理學(xué)雜志. 2018(07)
[5]探討PET-CT圖像融合對生物靶區(qū)定義的影響[J]. 劉偉南.  世界最新醫(yī)學(xué)信息文摘. 2018(57)
[6]醫(yī)學(xué)圖像融合技術(shù)在腫瘤放射治療中的應(yīng)用[J]. 吳舒鑫,李楊.  現(xiàn)代醫(yī)學(xué)與健康研究電子雜志. 2018(10)
[7]基于ABAS軟件胸部放療危及器官自動勾畫圖像集的建立與應(yīng)用[J]. 余元祥,林柏翰,陳創(chuàng)珍,李東升.  廣東醫(yī)學(xué). 2018(11)
[8]ABAS自動勾畫軟件應(yīng)用于頭頸部腫瘤調(diào)強(qiáng)放療中的劑量學(xué)研究[J]. 林金勇,陰曉娟,胡彩容,程燕銘,游鴻強(qiáng),張秀春,林少俊.  腫瘤學(xué)雜志. 2018(06)
[9]利用深度反卷積神經(jīng)網(wǎng)絡(luò)自動勾畫放療危及器官[J]. 門闊,戴建榮.  中國醫(yī)學(xué)物理學(xué)雜志. 2018(03)
[10]MRI/CT融合圖像勾畫局部晚期鼻咽癌誘導(dǎo)化療后靶區(qū)對放療計(jì)劃的影響[J]. 龔修云,金風(fēng),甘家應(yīng),吳偉莉,李媛媛,龍金華,陳瀟瀟,王立敏,賀前勇,畢婷,李卓玲.  貴州醫(yī)科大學(xué)學(xué)報(bào). 2018(03)

博士論文
[1]肺癌放射治療中危及器官保護(hù)關(guān)鍵問題研究[D]. 雷偉杰.中國科學(xué)技術(shù)大學(xué) 2017
[2]自適應(yīng)放射治療中的圖像變形配準(zhǔn)關(guān)鍵技術(shù)研究[D]. 甄鑫.南方醫(yī)科大學(xué) 2013



本文編號：3725456