基于深度學習技術的放療靶區自動勾畫系統設計與功能實現

關鍵詞：深度學習；放療；自動勾畫；危及器官；大體腫瘤體積；臨床腫瘤體積

0 引言

近年來，隨著云計算、大數據、人工智能等新一代信息技術在醫療信息化領域中的深入應用，信息技術在輔助臨床診療方面發揮著越來越重要的作用。深度學習作為人工智能的重要分支，在醫學圖像自動分割領域具有準確性高、可靠性高、學習性強、數據處理能力強等優勢，展現出巨大潛力并得到廣泛應用[1]，而臨床診療手段也在隨著信息技術的進步不斷豐富和完善。

放射治療是惡性腫瘤常規治療手段之一。在放射治療的過程中，醫生需要逐層對患者的CT掃描圖像進行腫瘤靶區和危及器官（Organ At Risk，OAR） 的精準勾畫。以往主要依靠放射科臨床醫生手動完成病人放療前OAR、大體腫瘤體積（Gross Tumor Volume，GTV） 、臨床腫瘤體積（Clinical Tumor Volume，CTV） 的勾畫，不僅耗費時間長、診療效率低，而且不同醫生勾畫的正常器官也會有所差異[2]，更有可能延誤患者的治療時間，增加醫患矛盾，不利于構建和諧安寧的醫患關系。

腫瘤治療通常有三種方式：手術治療、化學藥物治療、放射治療。放療技術的進步促進了精準放療的發展，在與日俱增的精準放療需求背景下，為使治療時間縮短、效果提高、副作用減少、不良反應降低，迫切要求醫務人員提高工作效率，滿足患者及時、高效、精確治療的需求。精準放療不僅依賴于先進的成像與治療設備，OAR、GTV、CTV的高精度勾畫也是實施精確放療的關鍵技術和手段。對此，醫院引入一套基于OAR自動分割以及器官和組織三維重建等技術的放療靶區自動勾畫系統，該系統是一套專門針對放射治療圖像處理的軟件，能輔助醫生在放療前完成對腫瘤及相關器官和組織的輪廓勾畫。醫生利用系統分析處理后的影像信息，確定腫瘤靶區和OAR的邊界，為患者制訂個性化放射治療計劃提供了依據[3]。

該系統與醫院現有的放療系統及影像歸檔和通信系統（Picture Archiving and Communication System，PACS） 無縫對接，通過人工智能技術實現OAR、GTV、CTV的自動勾畫。同時，系統能根據臨床醫生的勾畫風格調整完成自適應模型，滿足科室的臨床應用及科研需求，不僅提高了影像勾畫的精準度和患者滿意度，也提升了放療科醫療、教學、科研等各項工作的質量和效率。本文介紹了上述基于深度學習技術的放療靶區自動勾畫系統，對其設計與功能實現進行了闡述，并對其應用效果作出了說明。

1 系統設計

1.1 架構設計

系統采用主流可擴展的B/S軟件架構，系統開發采用主流的編程語言：前端界面開發使用HTML、tChSoSn、、JCa+v+aS等cr語ipt言等，語算言法，設后計端使開用發C使++用、PJyathvoanSc等rip語t、言Py。?在保證數據安全性、時效性、準確性和易用性的同時，系統具有更方便的功能擴充和與其他系統對接融合的能力。

系統遵循國際醫學數字成像與通信（Digital Imag? ing and Communications in Medicine，DICOM） 3.0標準，可處理CR、DX、CT、MR、PET、SPECT 等設備輸出的DICOM 3.0接口圖像，可輸出DICOM 3.0格式圖像文件和RT Structure文件。系統支持DICOM Query/Re? trieve、DICOM Storage SCP（Service Class Provider） 、SDeIrCvOicMe 等St接ora口ge服 SC務U，（S支erv持ic放e C療la靶ss 區Us勾er）畫 、影DIC像O數M 據W傳eb輸、勾畫、配準等功能，并包含了國內多家頂級三甲醫院醫生的臨床診斷勾畫標準。系統支持的DICOM接口服務內容如表1所示。

1.2 接口設計

系統接口分為內部接口和外部接口。內部接口是客戶端與服務器之間進行的數據交互，接口設計遵從表象化狀態轉變（Representational State Transfer，REST） 應用程序接口標準規范，采用輕量級、無狀態的數據交互方式。客戶端通過REST協議與服務器進行交互，獲得后臺系統算法分析得出的數據結果，從而為用戶的臨床診斷勾畫提供輔助。外部接口是服務器與PACS系統之間進行的數據交互，接口設計遵從DICOM協議標準規范。服務器通過DICOM協議與PACS系統進行通信，接收PACS系統傳輸的DICOM 格式數據并進行分析處理，最后將分析處理的圖像數據回傳到PACS服務器中進行存儲歸檔。

1.3 安全性設計

系統安全性設計涵蓋網絡安全和數據安全兩個方面。

在網絡安全方面，系統部署于醫院內網，并通過防火墻、防病毒軟件等安全設備保障運行環境的安全。

在數據安全方面，系統采用賬號密碼認證和用戶權限管理機制，確保只有被授權的用戶才能訪問相應數據；此外，系統僅允許通過Web客戶端瀏覽器進行數據訪問，進一步提高了數據的安全性。

2 系統功能實現

人工智能，特別是深度學習技術，已在自然語言處理、模式識別、圖像識別、語音識別等領域取得顯著成效。與傳統方法相比，深度學習在特征學習、魯棒性、泛化能力以及通用性等方面具有明顯優勢。深度學習技術能夠自動提取數據的特征，無須人工干預，從而大幅度降低了特征工程的復雜性和對專業知識的依賴[4]。同時，基于深度學習的圖像分割方法能夠使用多種方式自動提取更豐富的特征信息，在器官分割中具有快速、準確、可靠等優勢，已逐漸成為圖像分割領域的首選方法[5]。

放療靶區自動勾畫系統基于深度學習技術，能夠實現簡單一鍵輕松勾畫。在PACS系統將患者圖像信息傳輸到該系統后，放療科醫生只須點擊勾畫按鍵，即可實現OAR、GTV、CTV的自動勾畫，而放療科醫生只須進行少量修改甚至某些器官無須修改即可完成。但任何自動勾畫技術只能輔助臨床診療，圖像在經自動勾畫處理后，必須經人工審核及修改后才能用于患者的治療[1，6-7]。

系統包括勾畫客戶端和系統管理端兩部分，實現用戶權限管理、影像組學分析、影像數據獲取、腫瘤區域標定、腫瘤區域分割、腫瘤特征提取和量化、影像數據庫建立、輔助靶區勾畫等功能。系統功能結構如圖1所示。

2.1 勾畫客戶端主要功能

1） 用戶訪問控制。用戶通過用戶名和密碼登錄客戶端系統，若輸入錯誤系統會提示錯誤信息。管理員可對用戶角色及權限進行配置，根據不同用戶角色配置不同的功能權限。

2） 影像數據管理。影像數據管理包括公共數據集和個人數據集兩種數據集的管理。

公共數據集：公用數據的存儲空間，存放系統與大型醫療設備直聯獲取的影像，或與PACS系統對接獲取的影像，并按來源對影像設備進行分類管理。管理員在后臺對公共數據集進行配置，使獲得授權的用戶能查看公共數據集中的數據，并能進行勾畫、修改、刪除等操作。

個人數據集：用戶個人的數據存儲空間，用戶可新建、編輯或刪除個人數據集中的文件夾，實現對影像數據的個性化管理。系統支持用戶將公共數據集中的數據歸檔到個人數據集，或從移動存儲介質拷貝影像存入個人數據集的不同文件夾。

3） 影像勾畫。影像勾畫是系統的核心功能，包含多種專業性的醫學影像分析處理和勾畫工具，主要用于系統性地顯示放療影像以及對腫瘤靶區進行定位勾畫。在臨床診療過程中，放療科醫生結合患者影像，并借助系統自動識別其日常閱片和影像勾畫習慣的性能，能準確劃定出患者的腫瘤范圍，為后續給患者實施腫瘤放射治療提供了高效準確的技術性支持。影像處理和勾畫工具主要包括斷層影像滾動、三維影像融合、影像聯動設置、畫筆、替換、反向替換、筆刷、圓形輪廓、復制輪廓層、撤銷輪廓編輯、擦除輪廓等。

4） 影像融合。影像融合功能可以將每位患者多種成像模式的影像信息結合在一起，即將患者在不同影像設備、不同時期所做的檢查圖像結合起來。通過空間位置的匹配，并結合各種不同類型模態圖像的優點和特征信息[8]，使臨床醫生能夠同時瀏覽多種形式的圖像，從而針對患者的病情進行精準定位和快速綜合分析。

系統能實現不同類型三維影像之間的相互融合，包括兩種CT設備影像、兩種MR設備影像、CT設備影像與MR設備影像等不同模態三維影像之間的融合。為方便臨床醫生操作，系統影像融合界面包括三個區域：影像信息區、工具區和圖像顯示區。

影像信息區：包含患者數據、信息以及相關操作等內容，如患者姓名、圖像總數和圖像序列描述、數據結構圖等屬性。用戶可在此區域選擇查看被加載和選中序列的影像詳情，進而選擇具體的序列在顯示區進行圖像展示。

工具區：包含圖像瀏覽過程中的常規基本處理工具，如顯示和隱藏信息層、顯示和隱藏十字線、設置窗寬和窗位、縮放、拖動、放大鏡、重置等。

圖像顯示區：主要以多平面重建（Multi-Planar Re? construction，MPR） 方式呈現當前需要融合的兩個序列的圖像。MPR是指先將掃描范圍內所有軸位圖像疊加起來，再對某些標線標定的重組線所制定的組織進行冠狀面、矢狀面、橫斷面圖像顯示。兩個序列圖像在同一個空間創建MPR，默認只顯示一個二維橫斷面視圖、二維矢狀面視圖和二維冠狀面視圖[7]，用戶也可根據實際需要更改顯示設置。

5） 輔助靶區勾畫。輔助靶區勾畫功能主要包括全身OAR自動勾畫、多癌種GTV、CTV勾畫、對腫瘤區域進行標定、分割、腫瘤特征的提取和量化、勾畫顯示、手動勾畫、個性化勾畫等。

2.2 系統管理端主要功能

1） 管理員訪問控制。系統可設置一個超級管理員賬號，該賬號擁有所有權限，且不可被刪除。所有子賬號都在該賬號管理下操作，所有子賬號的創建、刪除等權限都通過超級管理員賬號授予。

2） 機構管理。機構管理用于管理機構和科室。系統可顯示醫院和科室的詳情介紹，包括醫院的概況和員工清單、每個科室的基礎信息和科室人員列表等信息。管理員可根據實際情況對機構或科室信息進行編輯、添加、刪除等維護操作。

3） 數據與設備管理。主要包括對公共數據集、影像設備、接收器、規則等內容的管理。公共數據集管理用于對公共數據進行分類管理，能顯示公共數據集列表和公共數據集的基礎信息，便于管理員查詢和管理公共數據。設備管理用于管理接入系統的影像設備，系統能顯示設備列表以及設備名稱、IP地址、端口號等基礎信息，便于管理員對影像設備進行增、刪、改、查等維護管理操作。接收器管理能顯示接收器列表及其基礎信息，包括接收器的名稱、端口號、創建時間等內容。規則管理用于管理數據傳輸規則，管理員可自定義數據傳輸相關規則，根據需要設置規則名稱、準入設備等條件，以及定義OAR的模板和數據自動導出的參數。

4） 用戶管理。系統提供了用戶權限分級分類管理，用以保障系統分級授權審批和數據安全，支持權限從高到低的系統管理員、高級用戶和普通用戶三種用戶類型，且低級別的用戶不能創建高級別的用戶。

5） 結構管理。主要包括勾畫設置、結構設置、模板設置等功能。勾畫設置提供CTV設置選項，管理員可根據臨床實際工作需要創建某個科室專用的、與檢查明細關聯的CTV。結構設置分類型詳細列出系統支持的所有OAR，管理員可根據需要通過結構名稱或代碼來搜索對應的OAR結構，并可根據個人習慣修改備注、類型或顏色等參數。模板設置提供OAR模板設置功能，管理員可根據臨床實際工作需要創建某個科室專用的模板。

6） 系統管理。主要包括系統快捷方式設置、掛片布局設置、窗寬和窗位設置、勾畫設置及頭頸部CT顯示參數、通用配置、后處理功能、頭頸部CT顯示參數、MR序列定義等高級功能設置。

7） 日志管理。日志管理用于記錄用戶日常操作和系統運行狀況，回溯歷史信息。管理員可在操作日志中通過設置操作模塊、操作時間范圍等條件來查詢用戶曾在系統上執行過的操作，根據日期查詢系統運行日志，以便在系統出現問題時能快速準確地定位原因，提高問題處理效率。

8） 意見管理。意見管理支持顯示意見列表，管理員可在意見管理界面統一管理用戶反饋的意見，根據提交的用戶名稱和時間范圍查詢意見信息。

3 結束語

本文從深度學習在醫學圖像分割中的優勢，以及傳統手動腫瘤勾畫的弊端和精準放療需求進行切入，引入了放療靶區自動勾畫系統在放射治療中的優勢與作用，介紹了該系統的設計與核心功能實現。與依賴醫生經驗且存在主觀差異的手動勾畫相比，自動勾畫方法可顯著減輕醫生工作量，提高勾畫效率和一致性，具有更高的臨床應用價值[9]。

放療靶區自動勾畫系統的引入不僅提高了臨床腫瘤靶區勾畫的效率，減輕放療科醫生工作負擔，加速放療準備階段，使患者能更快接受治療[10-12]，提高影像勾畫的精準度和患者滿意度，同時也滿足科室的臨床應用及科研需求，提升了放療科醫、教、研、防等各項工作的質量和效率。未來將繼續加強深度學習技術在提高魯棒性和泛化能力、優化實時性能、提高腫瘤靶區勾畫精準度等方面的研究，使其更適用于實際應用場景。