肿瘤PET/CT/MRI纹理谱深度学习分析建模与智能放疗应用

结题报告

项目介绍

AI项目解读

基本信息

批准号：
61671204
项目类别：
面上项目
资助金额：
60.0万
负责人：
刘国才
依托单位：
湖南大学
学科分类：
F0116.图像信息处理
结题年份：
2020
批准年份：
2016
项目状态：
已结题
起止时间：
2017-01-01 至2020-12-31

项目参与者：
鞠忠建；全惠敏；吴帆；杜乐辉；田娟秀；刘劲光；谷珊珊；沈智辉；王帅卿；
关键词：
图像配准图像分割图像处理

项目摘要

Each year, the estimated number of new cancer cases in China is over 4 million and 70% of them need radiotherapy. The high-precision delineation of the gross target volumes (GTV) and organs at risk (OAR) is the premise of the successful implementation of image-guided intelligent radiotherapy. However, the current methods for the automatic delineation of GTV and OAR in PET, CT and MRI images can’t meet the accuracy of clinical radiotherapy. Previous studies have indicated that, the texture features of PET, CT, MRI images of tumors can improve the delineation accuracy of GTV and OAR, but it is difficult to effectively identify and model the massive, complex texture spectrum of tumors..We plan to perform our project based on the Tianhe 1 Supercomputing Platform at National Supercomputing Center at Changsha. To high precisely delineate GTV and OAR，and to provide scientific support for intelligent radiotherapy, ① we propose to analyze and model the texture spectrum of PET, CT, MRI image of tumors by deep learning, and to design a hybrid deep neural network framework, namely DeepIRT, by combining CNN、SAE with PyraMiD-LSTM, and to learn the latent features of GTV and OAR by DeepIRT, ② to use new high-precision deformable elastic methods for the registration of PET, CT, MRI, CBCT images, ③ and new deep-learning based methods for the delineation of GTV and OAR in PET, CT, MRI images by combining clinical prior with DeepIRT, and to assess and verify the high-precision smart deep-learning based delineation methods by clinical research.

在我国每年新增的400多万癌症患者中，70%以上的患者都需要进行放射治疗。肿瘤放疗靶区和危及器官的高精度勾画是智能放疗的前提，但目前还不能满足临床放疗精度要求。PET、CT、MRI影像纹理特征可提高勾画精度，但海量、复杂的肿瘤纹理谱难有效建模。本项目拟在天河一号超算平台上开展①肿瘤PET－CT－MRI靶区和危及器官勾画深度学习方法研究，提出联合肿瘤PET、CT、MRI影像纹理特征谱、集成CNN、SAE与PyraMiD-LSTM深度神经网络、构建肿瘤放疗靶区和危及器官检测、分类和识别混合深度神经网络DeepIRT，提出DeepIRT深度学习方法； ② PET、CT、MRI、CBCT图像高精度配准新方法研究；③肿瘤放疗靶区和危及器官高精度智能勾画、验证、评估临床研究。提出肿瘤放疗靶区和危及器官高精度勾画新理论和新方法，为PET、CT、MRI影像引导智能放疗提供科学支撑，具有重要临床和科学意义。

结项摘要

世界卫生组织国际癌症研究机构（IARC）最近发布了2020年全球最新癌症负担数据。全球185个国家36种癌症类型统计数据显示，2020年全球新发癌症病例1929万例；2020年全球癌症死亡病例996万例。 2020年中国新发癌症病例457万例， 2020年中国癌症死亡病例300万例。.60%－70%的癌症患者需要进行放射治疗。调强放疗是目前临床主要的放疗技术。成功实施调强放疗的关键是放疗靶区和危及器官的高精度勾画，其本质是肿瘤多模态影像CT/MRI/PET图像分割和配准，但肿瘤内部生物特性的各向异性特性和各模态影像的成像特性使高精度的肿瘤放疗靶区图像分割和配准非常困难。.本项目主要致力于肿瘤放疗靶区和危及器官CT、MRI和PET图像深度学习分析建模方法和算法研究，同时，开展相应的肿瘤放疗临床验证应用研究，为临床放疗靶区智能勾画和智能放疗计划系统提供肿瘤多模态影像分割和配准深度学习方法和算法。.在2017－2020年项目执行期间，本项目组系统、深入地开展了肿瘤放疗靶区和危及器官勾画深度学习方法研究，针对头颈部鼻咽癌、胸部肺癌、盆腔宫颈癌、脑部胶质瘤等CT、MRI和PET图像，提出、设计和训练了一系列的放疗靶区和危及器官图像分割和图像配准深度卷积神经网络模型，同时开展了相应的临床验证研究。项目负责人特邀大会报告2次，项目组队（DeepIRT）参加国际医学影像计算和计算机辅助干预大会MICCAI2019和MICCAI2020组织的鼻咽癌、胸部肺癌放疗靶区和危及器官、心肌病灶图像分割挑战性2次，参加AAPM大会组织的头颈部肿瘤放疗剂量分布预测挑战赛1次。项目组发表学术论文26篇，其中期刊论文19篇，国际会议论文7篇， SCI论文5篇，EI论文8篇，北大中文核心期刊9篇，国际顶级会议论文4篇。项目研究成果对恶性肿瘤智能放疗具有重要临床研究意义和科学研究价值。