CN111986254A - 一种靶区轮廓的分析方法、装置、存储介质及电子设备 - Google Patents

Abstract

本申请提供一种靶区轮廓的分析方法、装置、存储介质及电子设备，方法应用于电子设备，所述方法包括：获取用户针对靶区勾画的靶区轮廓；计算出所述靶区轮廓与所述靶区预设的靶区标准轮廓的重合度；通过分析所述重合度，以对所述靶区轮廓进行评估。通过电子设备自动计算用户即学生勾画的靶区轮廓与靶区标准轮廓的重合度，再通过电子设备自动分析该重合度，以确定出该勾画的靶区轮廓的准确度，整个过程无需人工参与，实现了高效的对勾画的靶区进行分析评估。

Description

一种靶区轮廓的分析方法、装置、存储介质及电子设备

技术领域

本申请涉及医疗技术领域，具体而言，涉及一种靶区轮廓的分析方法、装置、存储介质及电子设备。

背景技术

对于肿瘤医生来说，靶区勾画是一项非常重要的技能。靶区是指在肿瘤放射治疗过程中，射线需要照射的区域，精度要求在毫米级别；照射不足将导致肿瘤复发，照射过度范围过大会增加放射性损伤、损失正常器官等。因此，在对肿瘤医生的培训过程中，需要着重对靶区勾画能力进行培训与考核。但是目前培训考核方式主要是老师主观的对学生勾画的靶区进行考核，这种考核方式非常依赖于医生的操作，效率也比较低。

发明内容

本申请实施例的目的在于提供一种靶区轮廓的分析方法、装置、存储介质及电子设备，用以高效的对勾画的靶区进行分析评估。

第一方面，本申请实施例提供了一种靶区轮廓的分析方法，所述方法应用于电子设备，所述方法包括：获取用户针对靶区勾画的靶区轮廓；计算出所述靶区轮廓与所述靶区预设的靶区标准轮廓的重合度；通过分析所述重合度，以对所述靶区轮廓进行评估。

本申请实施例中，通过电子设备自动计算用户即学生勾画的靶区轮廓与靶区标准轮廓的重合度，再通过电子设备自动分析该重合度，以确定出该勾画的靶区轮廓的准确度，整个过程无需人工参与，实现了高效的对勾画的靶区进行分析评估。

结合第一方面，在第一种可能的实现方式中，计算出所述靶区轮廓与所述靶区预设的靶区标准轮廓的重合度，包括：计算出所述靶区轮廓与所述靶区标准轮廓之间重叠部分的大小；计算出所述大小与所述靶区轮廓的大小的比值，其中，所述比值表示所述重合度。

本申请实施例中，由于轮廓重叠部分的大小能够直观的反映轮廓的重合度，故实现了对轮廓重合度的准确确定。

结合第一方面的第一种可能的实现方式，在第二种可能的实现方式中，计算出所述靶区轮廓与所述靶区标准轮廓之间重叠部分的大小，包括：计算出构成所述重叠部分的像素点数量，其中，所述像素点数量表示所述重叠部分的大小；对应的，计算出所述大小与所述靶区轮廓的大小的比值，包括：计算出所述像素点数量与构成所述靶区轮廓的像素点数量的所述比值，其中，构成所述靶区轮廓的像素点数量表示所述靶区轮廓的大小。

本申请实施例中，由于轮廓的本质还是由像素点构成，故通过分析像素点的数量能够准确的确定出轮廓重合度的高低。

结合第一方面，在第三种可能的实现方式中，计算出所述靶区轮廓与所述靶区预设的靶区标准轮廓的重合度，包括：计算出所述靶区轮廓围成的面积；计算出所述面积与所述靶区标准轮廓围成的面积的比值，其中，所述比值表示所述重合度。

本申请实施例中，由于轮廓围成面积的重叠部分大小能够直观的反映轮廓的重合度，故实现了对轮廓重合度的准确确定。

结合第一方面，在第四种可能的实现方式中，计算出所述面积与所述靶区标准轮廓围成的面积的比值，包括：计算出所述靶区轮廓围成的第一图形与所述靶区标准轮廓围成的第二图形之间重叠部分的面积；计算出所述面积与面积之和的比值，其中，所述面积之和为所述第一图形的面积与所述第二图形的面积的总和，所述比值表示所述重合度。

本申请实施例中，由于轮廓围成面积与总面积之间的重叠部分大小能够直观的反映轮廓的重合度，故实现了对轮廓重合度的准确确定。

结合第一方面，在第五种可能的实现方式中，在确定出所述重合度之前，所述方法还包括：获取专家人员针对所述靶区勾画的靶区参考轮廓；将所述靶区参考轮廓膨胀，获得所述靶区标准轮廓。

本申请实施例中，通过将靶区参考轮廓进行膨胀，避免因专家人员直接勾画的靶区参考轮廓过细而导致评估不准确。

结合第一方面，在第六种可能的实现方式中，通过分析所述重合度，以对所述勾画的轮廓进行评估，包括：利用预先设定好的网络模型分析所述重合度，以确定出所述靶区轮廓的评估分数，其中，所述评估分数越高表示所述靶区轮廓越准确，反之，则越不准确。

本申请实施例中，由于训练好的网络模型的准确度都比较高，故通过网络模型分析该重合度能够比较准确的确定出靶区轮廓的评估分数。

第二方面，本申请实施例提供了一种靶区轮廓的分析装置，所述装置应用于电子设备，所述装置包括：轮廓获取模型，用于获取用户针对靶区勾画的靶区轮廓；轮廓分析模型，用于计算出所述靶区轮廓与所述靶区预设的靶区标准轮廓的重合度；通过分析所述重合度，以对所述靶区轮廓进行评估。

结合第二方面，在第一种可能的实现方式中，所述轮廓分析模型，用于计算出所述靶区轮廓与所述靶区标准轮廓之间重叠部分的大小；计算出所述大小与所述靶区轮廓的大小的比值，其中，所述比值表示所述重合度。

结合第二方面的第一种可能的实现方式，在第二种可能的实现方式中，所述轮廓分析模型，用于计算出构成所述重叠部分的像素点数量，其中，所述像素点数量表示所述重叠部分的大小；对应的，计算出所述大小与所述靶区轮廓的大小的比值，包括：计算出所述像素点数量与构成所述靶区轮廓的像素点数量的所述比值，其中，构成所述靶区轮廓的像素点数量表示所述靶区轮廓的大小。

结合第二方面，在第三种可能的实现方式中，所述轮廓分析模型，用于计算出所述靶区轮廓围成的面积；计算出所述面积与所述靶区标准轮廓围成的面积的比值，其中，所述比值表示所述重合度。

结合第二方面，在第四种可能的实现方式中，所述轮廓分析模型，用于计算出所述靶区轮廓围成的第一图形与所述靶区标准轮廓围成的第二图形之间重叠部分的面积；计算出所述面积与面积之和的比值，其中，所述面积之和为所述第一图形的面积与所述第二图形的面积的总和，所述比值表示所述重合度。

结合第二方面，在第五种可能的实现方式中，所述轮廓分析模型在确定出所述重合度之前，所述轮廓分析模型，还用于获取专家人员针对所述靶区勾画的靶区参考轮廓；将所述靶区参考轮廓膨胀，获得所述靶区标准轮廓。

结合第二方面，在第六种可能的实现方式中，所述轮廓分析模型，用于利用预先设定好的网络模型分析所述重合度，以确定出所述靶区轮廓的评估分数，其中，所述评估分数越高表示所述靶区轮廓越准确，反之，则越不准确。

第三方面，本申请实施例提供了一种电子设备，包括：存储器，用于存储程序；总线；处理器，所述处理器通过所述总线与所述存储器连接，所述处理器用于运行所述程序，以执行如第一方面或第一方面的任一种可能的实现方式所述的靶区轮廓的分析方法。

第四方面，本申请实施例提供了一种非易失计算机可读储存介质，存储有程序代码，当所述程序代码被计算机运行时执行如第一方面或第一方面的任一种可能的实现方式所述的靶区轮廓的分析方法。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本申请实施例提供的一种靶区轮廓的分析方法的流程图；

图2A为本申请实施例提供的一种靶区轮廓的分析方法的第一应用场景图；

图2B为本申请实施例提供的一种靶区轮廓的分析方法的第二应用场景图；

图3为本申请实施例提供的一种电子设备的结构框图；

图4为本申请实施例提供的一种靶区轮廓的分析装置的结构框图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。

请参阅图1，本申请实施例提供了一种靶区轮廓的分析方法，该靶区轮廓的分析方法可以由电子设备执行，该电子设备可以是具备显示界面的移动终端、平板电脑、个人电脑等，该靶区轮廓的分析方法的流程可以包括：

步骤S100：获取用户针对靶区勾画的靶区轮廓。

步骤S200：计算出该勾画的靶区轮廓与靶区预设的靶区标准轮廓的重合度。

步骤S300：通过分析该重合度，以对该勾画的靶区轮廓进行评估。

下面将结合应用场景对上述流程进行详细说明。

本实施例中，针对每个病例，靶区的切片图像有多张，比如，一个病例的靶区的切片图像有100-200张(不同的靶区，其切片图像的数量也有所不同)，因此，针对每个病例的每张靶区的切片图像，在执行步骤S200之前，电子设备需要先获取专家人员在该靶区的切片图像中勾画的靶区标准轮廓，该靶区标准轮廓用于对用户的勾画进行评估。并且，为实现更客观也更准确的对用户的勾画进行评估，针对同一张靶区的切片图像，可以由多个专家人员对其进行勾画，从而获得多个专家人员各自勾画的靶区标准轮廓。换言之，针对同一张靶区的切片图像，其可以有多个靶区标准轮廓。此外，为了更加清楚的说明该病例的情况，电子设备在显示该病例靶区的切片图像的同时，也会显示该病例的一些临床信息及病理信息。比如患者的性别，年龄，病理结果等信息。

可以理解到，由于电子设备获取每张靶区的切片图像中每个专家人员勾画的靶区标准轮廓的原理都大致相同，故下面以电子设备获取某一张靶区的切片图像中某一个专家人员勾画的靶区标准轮廓为例进行介绍。

作为获取靶区标准轮廓的一种示例性方式，可以采用电子设备生成的方式来获取靶区标准轮廓。

具体的，电子设备可以在自身的显示界面上显示出预先存储的靶区的切片图像，专家人员可以通过与电子设备的交互，针对该切片图像中的靶区勾画出靶区参考轮廓。

比如，若电子设备的显示界面不可触控，那么专家人员可以通过操作鼠标在切片图像对靶区进行轮廓勾画，而电子设备则通过响应专家人员的操作在切片图像中生成对应的靶区参考轮廓。

又比如，若电子设备的显示界面可触控，那么专家人员可以通过触控的方式而在显示界面上进行轮廓勾画，而电子设备则通过响应专家人员的触控操作，在切片图像中生成对应的靶区参考轮廓。

进一步的，由于专家人员勾画出的靶区参考轮廓其轮廓线条比较细，若将专家人员勾画出的靶区参考轮廓直接用于评估会影响准确度。故获得该靶区参考轮廓后，电子设备可以对该靶区参考轮廓进行一定程度的膨胀，比如对该靶区参考轮廓向内扩充第一预设个数的像素点，以及对该靶区参考轮廓向外扩充第二预设个数的像素点，从而获得靶区标准轮廓。

需要说明的是，第一预设个数和第二预设个数可以根据实际情况设定，可是一个或者多个，比如设置为一个、三个或者五个等，当然也不能太多，过多也会影响准确度。此外，根据实际情况，第一预设个数与第二预设个数可以相同或者不同，比如，若需要扩充少量的像素点，那么第一预设个数可以大于第二预设个数，而若需要轮廓更加准确，那么第一预设个数可以等于或者小于第二预设个数。

例如，图2A所示，图2A中示出了专家人员勾画的靶区参考轮廓L1。电子设备在靶区参考轮廓L1的基础上进行膨胀，则获得了如图2B所示的靶区标准轮廓L2。

作为获取靶区标准轮廓的另一种示例性方式，还可以采用其他设备生成的方式来获得该靶区标准轮廓。

具体的，专家人员可以通过其他设备勾画出靶区参考轮廓，并由其他设备将该靶区参考轮廓发送给电子设备。而电子设备进一步对该靶区参考轮廓进行膨胀，从而获取该靶区标准轮廓。

或者，其他设备在获得该靶区参考轮廓后，也可以继续由其他设备将该靶区参考轮廓进行膨胀，最后将膨胀所得的靶区标准轮廓发送给电子设备。

需要说明的是，电子设备获得的靶区标准轮廓可以是包含有该靶区标准轮廓的图像，且该图像中属于背景的像素点的像素值统一，以便靶区标准轮廓能够在该图像中突显出来；或者，其也可以是靶区标准轮廓的图形参数以及该靶区标准轮廓在切片图像中的坐标。

在介绍完电子设备如何获得靶区标准轮廓后，接下来将详细介绍步骤S100-步骤S300，说明如何利用上述提及的任一靶区标准轮廓对用户勾画的靶区轮廓进行评估。

步骤S100：获取用户针对靶区勾画的靶区轮廓。

本实施例中，针对靶区轮廓，也可以采用电子设备生成的方式或者其他设备生成的方式来获取该靶区轮廓。

示例性的，若采用电子设备生成的方式，电子设备可以在自身的显示界面上显示出预先存储的靶区的切片图像，用户(在本申请的应用场景下，用户可以是需要对勾画进行考评的学生)可以通过与电子设备的交互，针对该切片图像中的靶区勾画出靶区轮廓。

比如，若电子设备的显示界面不可触控，那么用户也可以通过操作鼠标在切片图像对靶区进行轮廓勾画，而电子设备则通过响应用户的操作在切片图像中生成对应的靶区轮廓。

又比如，若电子设备的显示界面可触控，那么用户也可以通过触控的方式而在显示界面上进行轮廓勾画，而电子设备则通过响应用户的触控操作，在切片图像中生成对应的靶区轮廓。

示例性的，若采用其他设备生成的方式，用户可以通过其他设备勾画出靶区轮廓，并由其他设备将该靶区轮廓发送给电子设备，使得电子设备获得该靶区轮廓。

需要说明的是，电子设备获得的靶区轮廓可以是包含有该靶区轮廓的图像，该图像的尺寸与包含靶区标准轮廓的图像的尺寸相同，该图像中属于背景的像素点的像素值统一，以便靶区轮廓也能够在该图像中突显出来；或者，其也可以是靶区轮廓的图形参数以及该靶区轮廓在切片图像中的坐标。

步骤S200：计算出该勾画的靶区轮廓与靶区预设的靶区标准轮廓的重合度。

针对同一靶区，获得该靶区的靶区轮廓后，由于该靶区的靶区标准轮廓有多个，故可以利用该靶区的每一个靶区标准轮廓对该靶区轮廓进行评估。其中，由于利用该靶区的每一个靶区标准轮廓对该靶区轮廓进行评估的原理都大致相同，故下面以利用该靶区的某一个靶区标准轮廓对该靶区轮廓进行评估为例进行介绍。

具体的，如前所述，若电子设备获得的靶区轮廓和靶区标准轮廓都是包含轮廓的图像，那么电子设备可以先将两张图像重叠，再分析靶区轮廓和靶区标准轮廓的重合度。

若电子设备获得的靶区轮廓和靶区标准轮廓都是包含轮廓的图形参数以及坐标，那么电子设备可以基于两个轮廓的图形参数以及坐标，在同一图像中生成两个轮廓，再分析靶区轮廓和靶区标准轮廓的重合度。

若电子设备获得的靶区轮廓是包含轮廓的图像，而获得的靶区标准轮廓是轮廓的图形参数以及坐标，那么电子设备可以基于图形参数以及坐标，在包含靶区轮廓的图像生成该靶区标准轮廓，再分析靶区轮廓和靶区标准轮廓的重合度。

若电子设备获得的靶区标准轮廓是包含轮廓的图像，而获得的靶区轮廓是轮廓的图形参数以及坐标，那么电子设备可以基于图形参数以及坐标，在包含靶区标准轮廓的图像生成该靶区轮廓，再分析靶区轮廓和靶区标准轮廓的重合度。

本实施例中，作为分析重合度的第一种示例性方式，电子设备可以计算出靶区轮廓与靶区标准轮廓之间重叠部分的大小；再计算出该重叠部分的大小与该靶区轮廓的大小的比值，其中，该比值则表示两个轮廓的重合度。

具体的，电子设备通过分析靶区轮廓和靶区标准轮廓，可以计算出构成该靶区轮廓与靶区标准轮廓之间重叠部分的像素点数量，该像素点数量则可以表示重叠部分的大小。电子设备再将该计算出像素点数量与构成靶区轮廓的像素点数量相比，即可以确定出比值。其中，关于构成靶区轮廓的像素点数量，电子设备可以预先计算，也可以在计算重叠部分的像素点数量时一并计算。

可以理解到，通过上述分析方式，靶区轮廓落入靶区标准轮廓内的部分越多，其重合度则越高。若靶区轮廓全部落入靶区标准轮廓内的部分越多，其重合度则达到最高。故通过上述分析方式能够客观且准确的确定出两个轮廓的重合度高低。

本实施例中，作为分析重合度的第二种示例性方式，电子设备可以计算出靶区轮廓围成的面积；再计算出靶区轮廓围成的面积与靶区标准轮廓围成的面积的比值，其中，该比值则表示重合度。

具体的，电子设备通过分析靶区轮廓，可以计算出该靶区轮廓围成的图形所包含的像素点数量，该像素点数量则可以表示靶区轮廓围成的面积。电子设备再将该计算出像素点数量与该靶区标准轮廓围成的图形所包含的像素点数量相比，即可以确定出比值。其中，关于该靶区轮廓围成的图形所包含的像素点数量，电子设备可以预先计算，也可以在分析该靶区轮廓时一并计算。

可以理解到，靶区轮廓与靶区标准轮廓是否相似可以从侧面反映二者的重合情况，若二者的相似度越高则二者的重合度也越高。因此，通过上述分析方式也能够客观且准确的确定出两个轮廓的重合度高低。

本实施例中，作为分析重合度的第三种示例性方式，电子设备可以计算出靶区轮廓围成的第一图形与靶区标准轮廓围成的第二图形之间重叠部分的面积；再计算出该面积与面积之和的比值，其中，该面积之和为第一图形的面积与第二图形的面积的总和，该比值则表示重合度。

具体的，电子设备通过分析靶区轮廓和靶区标准轮廓，可以确定出靶区轮廓围成的第一图形与靶区标准轮廓围成的第二图形之间重叠部分，并进一步确定出该重叠部分所包含的像素点数量，该重叠部分所包含的像素点数量即表示重叠部分的面积。电子设备将该第一图形所包含的像素点数量与该靶区标准轮廓围成的第二图形所包含的像素点数量相加，则确定出像素点总和，该像素点总和即表示面积之和。电子设备将该重叠部分所包含的像素点数量与像素点总和相比后再乘以2，即可以确定出比值。其中，关于该靶区轮廓围成的第二图形所包含的像素点数量，电子设备可以预先计算，也可以在分析该靶区轮廓时一并计算。

可以理解到，靶区轮廓与靶区标准轮廓越重合，则上述计算重叠部分的面积与面积之和的方式确定出的比值越接近1。因此，通过上述分析方式也能够客观且准确的确定出两个轮廓的重合度高低。

步骤S300：通过分析该重合度，以对该勾画的靶区轮廓进行评估。

本实施例中，由于每个专家人员对靶区轮廓的评分标准可能略有不同，故电子设备预先部署有设定好的多个网络模型，每个网络模型均是基于对应的一个专家人员的评分标准而进行设定，且该网络模型可以是预先训练好的多层感知机模型或者随机森林模型，或者，该网络模型还可以是预先构建出的高斯回归模型。其中，由于根据每个专家人员的评分标准而设定对应的每个网络模型的方式都大致相同，故下面以根据某一个专家人员的评分标准而对应设定某一个网络模型为例进行介绍。

首先，针对不同类型的模型，其设定方式也有所不同。

比如，针对多层感知机模型或者随机森林模型，其可以进行训练。每一次训练输入的训练参数可以是前述三种确定重合度的方式中至少一种方式对应确定出至少一个重合度。通过多层感知机模型或者随机森林模型处理该至少一个重合度，多层感知机模型或者随机森林模型可以输出针对该靶区轮廓的评估分数。电子设备利用模型输出的评估分数与该模型对应的专家人员针对该靶区轮廓的手动打分之间的Loss，便可反向传播去优化多层感知机模型或者随机森林模型，以便模型输出的评估分数越来越趋近于专家人员的手动打分。

又比如，针对高斯回归模型，其可以进行模型的构建。电子设备可以建立大量的重合度与重合度各自对应的专家人员的手动打分之间的高斯分布，以根据该高斯分布构建出高斯回归模型。

例如，若利用1000个靶区轮廓且每个靶区轮廓包含前述三种重合度进行高斯回归模型的构建，电子设备可以将每个靶区轮廓的三种重合度以及该靶区轮廓的专家人员评分映射到三维坐标系中，从而获得1000个坐标点，每个坐标点本身为该坐标点对应的一个靶区轮廓的专家人员评分，而每个坐标点的坐标则为该坐标点对应的一个靶区轮廓的三种重合度。电子设备基于这1000个坐标点的高斯分布，便可以构建出一个函数来表示该这1000个坐标点的高斯分布，该函数即表示该高斯回归模型。

本实施例中，基于训练好的多个网络模型，电子设备便可以对用户的勾画的靶区轮廓进行评估。其中，对用户的勾画的靶区轮廓进行评估可以应用到用户进行勾画练习的练习阶段，也可以应用到评估用户的勾画考试阶段，下面分别介绍。

针对练习阶段：

电子设备可以将前述三种确定重合度的方式中至少一种方式对应确定出至少一个重合度输入到每个网络模型，经每个网络模型的处理，电子设备便可以获得每个网络模型输出的针对该用户勾画的靶区轮廓的评估分数，共获得多个评估分数。这样，电子设备可以将多个评估分数求平均或者取多个评估分数中的最高分，并将求平均的平均分或者最高分作为对该靶区轮廓最终的评估分数。换言之，通过这种方式实现了利用多个专家人员的评分标准共同对该用户勾画的靶区轮廓进行评估，从而可以更准确也更客观的进行评估。而获得该最终的评估分数后，电子设备便可以将该最终的评估分数显示出来，以便用户获知自己对该张靶区的切片图像勾画情况。

并且，在有需要情况下，用户可以执行显示靶区标准轮廓的操作，而电子设备通过响应用户执行得该操作，便相应的将某一个专家人员勾画的靶区标准轮廓或者多个专家人员勾画的多个靶区标准轮廓显示在该靶区的切片图像上，并且多个专家人员勾画的多个靶区标准轮廓以不同的显示颜色在靶区的切片图像上，以便于进行区分。

可以理解到，在练习阶段，针对每一张靶区的切片图像，用户都可以通过显示观察学习各专家人员勾画的靶区标准轮廓，以及结合自己对该靶区的切片图像勾画的得分，将自己勾画的靶区轮廓与各专家人员勾画的靶区标准轮廓进行比较，从而实现更好的学习效果。

针对考试阶段：

电子设备也通过前述的方式获得用户针对每张靶区的切片图像进行勾画的最终评估分数，但电子设备不显示该最终评估分数。当用户完成对一个病例的所有靶区的切片图像均进行勾画后，电子设备可以将该病例所有的最终评估分数求平均或者取所有的评估分数中的最高分，并将求平均的平均分或者最高分作为对该用户考试的最终评估分数，以及将其显示出来。

需要说明的是，在前述的内容中，在考试阶段以及练习阶段，采用网络模型直接确定该勾画的靶区轮廓的评估分数为本实施例的一种示例性方式，其并不作为限定，本实施例还可以采用组合打分的方式来确定出评估分数。

具体的：在获取用户针对靶区勾画的靶区轮廓之后，以及在计算出该勾画的靶区轮廓与靶区预设的靶区标准轮廓的重合度之前，电子设备可以先分析该勾画的靶区轮廓与靶区预设的靶区标准轮廓是否重合，即判断该勾画的靶区轮廓与靶区预设的靶区标准轮廓是否有相同的像素点。比如，电子设备可以分析该勾画的靶区轮廓中每个像素点的坐标是否与预设的靶区标准轮廓中某一个像素点的坐标相同；若有坐标相同的像素点，则确定勾画的靶区轮廓中该像素点与预设的靶区标准轮廓中对应的一个像素点的位置重合；若没坐标相同的像素点，则确定勾画的靶区轮廓中该像素点与预设的靶区标准轮廓中的每个像素点的位置都不重合。

进一步的，基于分析像素点的位置是否重合，若电子设备确定出勾画的靶区轮廓中与预设的靶区标准轮廓中像素点位置重合的像素点数量大于等于预设数量，则确定勾画的靶区轮廓中与预设的靶区标准轮廓重合，其中，预设数量可以根据实际情况进行设定，比如设置为1个、5个、10个或者20个等；若电子设备确定出勾画的靶区轮廓中与预设的靶区标准轮廓中像素点位置重合的像素点数量小于预设数量，则确定勾画的靶区轮廓中与预设的靶区标准轮廓不重合。

进一步的，在确定勾画的靶区轮廓中与预设的靶区标准轮廓不重合时，电子设备也无需再执行后续流程。而在确定勾画的靶区轮廓中与预设的靶区标准轮廓重合时，电子设备可以按照预设规则确定该勾画的靶区轮廓具备一个基础分数，例如40-50分。当然，如果勾画的靶区轮廓由多个相互独立的子轮廓构成，则电子设备需要判断每个子轮廓是否重合，在每个子轮廓都重合的基础上，则确定该勾画的靶区轮廓具备一个基础分数，否则，则认为勾画的靶区轮廓中与预设的靶区标准轮廓不重合，从而终止后续流程的执行。

最后，电子设备再计算重合度并利用网络模型分析重合度而为该勾画的靶区轮廓确定出一个递进分数(确定递进分数的流程即是前述的流程，在此就不再累述)；并将勾画的靶区轮廓的基础分数与递进分数相加，从而得到该勾画的靶区轮廓最终的评估分数。

还需要说明的是，在实际应用中，利用某一专家人员的手动打分训练好的网络模型后，其它专家人员也可以认可该专家人员的手动打分标准，这样其它专家人员便可以直接使用该训练好的网络模型，无需利用自身的手动打分再进行训练，从而提高了网络模型在实际中的应用效率。比如，某个医院的训练好该网络模型后，可以直接将该网络模型推广到其它医院使用。

请参阅图3，基于同一发明构思，本申请实施例提供了一种电子设备10，该电子设备10可以包括连接到网络的通信接口11、用于执行程序指令的一个或多个处理器12、总线13、和不同形式的存储器14，例如，磁盘、ROM、或RAM，或其任意组合。示例性地，计算机平台还可以包括存储在ROM、RAM、或其他类型的非暂时性存储介质、或其任意组合中的程序指令。

存储器14用于存储程序，处理器12用于调用并运行存储器14中的程序以执行前述的靶区轮廓的分析方法。

请参阅图4，基于同一发明构思，本申请实施例提供了一种靶区轮廓的分析装置100，该靶区轮廓的分析装置100应用于电子设备，该靶区轮廓的分析装置100包括：

轮廓获取模型110，用于获取用户针对靶区勾画的靶区轮廓；

轮廓分析模型120，用于计算出所述靶区轮廓与所述靶区预设的靶区标准轮廓的重合度；通过分析所述重合度，以对所述靶区轮廓进行评估。

需要说明的是，由于所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本申请一些实施例还提供了一种计算机可执行的非易失的程序代码的计算机可读储存介质，该存储介质能够为通用的存储介质，如移动磁盘、硬盘等，该计算机可读存储介质上存储有程序代码，该程序代码被计算机运行时执行上述任一实施方式的靶区轮廓的分析方法的步骤。

本申请实施例所提供的靶区轮廓的分析方法的程序代码产品，包括存储了程序代码的计算机可读存储介质，程序代码包括的指令可用于执行前面方法实施例中的方法，具体实现可参见方法实施例，在此不再赘述。

综上所述，通过电子设备自动计算用户即学生勾画的靶区轮廓与靶区标准轮廓的重合度，再通过电子设备自动分析该重合度，以确定出该勾画的靶区轮廓的准确度，整个过程无需人工参与，实现了高效的对勾画的靶区进行分析评估。

在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

另外，作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

再者，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。

以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种靶区轮廓的分析方法，其特征在于，所述方法应用于电子设备，所述方法包括：

获取用户针对靶区勾画的靶区轮廓；

计算出所述靶区轮廓与所述靶区预设的靶区标准轮廓的重合度；

通过分析所述重合度，以对所述靶区轮廓进行评估。

2.根据权利要求1所述的靶区轮廓的分析方法，其特征在于，计算出所述靶区轮廓与所述靶区预设的靶区标准轮廓的重合度，包括：

计算出所述靶区轮廓与所述靶区标准轮廓之间重叠部分的大小；

计算出所述大小与所述靶区轮廓的大小的比值，其中，所述比值表示所述重合度。

3.根据权利要求2所述的靶区轮廓的分析方法，其特征在于，计算出所述靶区轮廓与所述靶区标准轮廓之间重叠部分的大小，包括：

计算出构成所述重叠部分的像素点数量，其中，所述像素点数量表示所述重叠部分的大小；

对应的，计算出所述大小与所述靶区轮廓的大小的比值，包括：

计算出所述像素点数量与构成所述靶区轮廓的像素点数量的所述比值，其中，构成所述靶区轮廓的像素点数量表示所述靶区轮廓的大小。

4.根据权利要求1所述的靶区轮廓的分析方法，其特征在于，计算出所述靶区轮廓与所述靶区预设的靶区标准轮廓的重合度，包括：

计算出所述靶区轮廓围成的面积；

计算出所述面积与所述靶区标准轮廓围成的面积的比值，其中，所述比值表示所述重合度。

5.根据权利要求1所述的靶区轮廓的分析方法，其特征在于，计算出所述面积与所述靶区标准轮廓围成的面积的比值，包括：

计算出所述靶区轮廓围成的第一图形与所述靶区标准轮廓围成的第二图形之间重叠部分的面积；

计算出所述面积与面积之和的比值，其中，所述面积之和为所述第一图形的面积与所述第二图形的面积的总和，所述比值表示所述重合度。

6.根据权利要求1所述的靶区轮廓的分析方法，其特征在于，在确定出所述重合度之前，所述方法还包括：

获取专家人员针对所述靶区勾画的靶区参考轮廓；

将所述靶区参考轮廓膨胀，获得所述靶区标准轮廓。

7.根据权利要求1所述的靶区轮廓的分析方法，其特征在于，通过分析所述重合度，以对所述勾画的轮廓进行评估，包括：

利用预先设定好的网络模型分析所述重合度，以确定出所述靶区轮廓的评估分数，其中，所述评估分数越高表示所述靶区轮廓越准确，反之，则越不准确。

8.一种靶区轮廓的分析装置，其特征在于，所述装置应用于电子设备，所述装置包括：

轮廓获取模型，用于获取用户针对靶区勾画的靶区轮廓；

轮廓分析模型，用于计算出所述靶区轮廓与所述靶区预设的靶区标准轮廓的重合度；通过分析所述重合度，以对所述靶区轮廓进行评估。

9.一种电子设备，其特征在于，包括：

存储器，用于存储程序；

总线；

处理器，所述处理器通过所述总线与所述存储器连接，所述处理器用于运行所述程序，以执行如权利要求1-7任一权项所述的靶区轮廓的分析方法。

10.一种非易失计算机可读储存介质，其特征在于，存储有程序代码，当所述程序代码被计算机运行时执行如权利要求1-7任一权项所述的靶区轮廓的分析方法。

Images