基于配準(zhǔn)的肺4D-CT圖像超分辨率重建研究.pdf

1、肺4D-CT圖像在肺癌的治療過(guò)程中得到越來(lái)越廣泛的應(yīng)用，因?yàn)樗軌蛱峁┍匾暮粑\(yùn)動(dòng)信息來(lái)引導(dǎo)精確放射治療。肺4D-CT數(shù)據(jù)的獲取是通過(guò)同步采集CT圖像和呼吸信號(hào)，采集的每層CT圖像都對(duì)應(yīng)呼吸周期中的一個(gè)相位，然后按不同相位分別對(duì)CT圖像進(jìn)行分類(lèi)排序和三維重建。肺4D-CT數(shù)據(jù)不僅真實(shí)再現(xiàn)呼吸周期里肺部器官和靶區(qū)的形態(tài)，而且給出它們的運(yùn)動(dòng)范圍和方式，這對(duì)運(yùn)動(dòng)靶區(qū)的精確放療有重要意義:利用肺4D-CT圖像實(shí)時(shí)定位靶區(qū)與器官在呼吸過(guò)程中的位

2、置，估計(jì)它們的運(yùn)動(dòng)軌跡，針對(duì)患者獨(dú)特的運(yùn)動(dòng)特征制定個(gè)體化放療計(jì)劃，有助于在精確照射靶區(qū)范圍，提高靶區(qū)受照劑量的同時(shí)，減少正常組織的受照劑量。然而，4D-CT數(shù)據(jù)在采集過(guò)程中，面臨的一個(gè)主要問(wèn)題是:采集時(shí)間長(zhǎng)，病人受照射劑量大。病人在同一個(gè)床位要進(jìn)行多次長(zhǎng)時(shí)間掃描（至少一個(gè)呼吸周期），病人掃描一次4D-CT受到的照射劑量比一次3D-CT掃描可高出一個(gè)數(shù)量級(jí)。為了避免病人吸收過(guò)多的劑量，4D-CT的掃描只能采取增加層間隔、減少掃描層數(shù)的方式

3、進(jìn)行，因此，我們往往只能獲得高層間距的4D-CT圖像數(shù)據(jù)，這會(huì)導(dǎo)致肺4D-CT數(shù)據(jù)層間距離要遠(yuǎn)大于層內(nèi)像素點(diǎn)之間距離。因此，想要查看正確比例的顯示圖像時(shí)，最直接有效的辦法就是使用插值方法，沿縱軸方向按照一定比例（數(shù)據(jù)層間和層內(nèi)像素點(diǎn)距離的比值）進(jìn)行插值放大來(lái)獲取正確顯示的圖像。常用的插值方法有最近鄰插值、線性插值、雙三次插值和樣條插值等。然而簡(jiǎn)單插值操作并不引入新的信息，無(wú)法恢復(fù)圖像中缺失的高頻信息，因此易得到較模糊的圖像。本文為提高肺

4、4D-CT數(shù)據(jù)多平面顯示圖像的質(zhì)量，根據(jù)肺4D-CT數(shù)據(jù)的特征，研究基于配準(zhǔn)的圖像超分辨率重建技術(shù)，以重構(gòu)高分辨率肺圖像。
　　圖像超分辨率重建技術(shù)是在給定一幅或多幅關(guān)于同一場(chǎng)景的低分辨率觀察圖像的前提下實(shí)現(xiàn)重建的，而且要求多幀圖像之間存在亞像素位移，然后通過(guò)融合單幅圖像自身的冗余信息或多幅低分辨率觀察圖像之間的非冗余信息重建出高分辨率圖像，是一種提高圖像分辨率的有效后處理方法。肺4D-CT數(shù)據(jù)提供隨呼吸運(yùn)動(dòng)變化的肺部低分辨率圖像

5、序列，通常由多個(gè)連續(xù)相位的圖像組成，每一相位都對(duì)應(yīng)某一呼吸時(shí)刻的肺部圖像。因此多平面間不同相位對(duì)應(yīng)的圖像可以認(rèn)為是關(guān)于同一場(chǎng)景的一系列低分辨率圖像“幀”，多“幀”圖像都含有部分相似的結(jié)構(gòu)信息，且圖像間存在亞像素位移。肺4D-CT數(shù)據(jù)特征符合超分辨率重建技術(shù)的要求，故可以采用超分辨率重建技術(shù)來(lái)重建清晰的高分辨率肺圖像，這是本文工作的基本思想。
　　基于以上思想，本文研究了基于配準(zhǔn)的超分辨率重建技術(shù)來(lái)提高肺4D-CT數(shù)據(jù)多平面顯示圖像

6、的分辨率。圖像超分辨率重建技術(shù)是基于圖像退化模型的，先生成一幅高分辨率估計(jì)圖，而后估計(jì)低分辨圖像之間的位移信息，并估計(jì)與圖像模糊、降采樣及運(yùn)動(dòng)相關(guān)的點(diǎn)擴(kuò)散函數(shù)(Point Spread Function，PSF)，最后根據(jù)這些信息不斷修正初始估計(jì)圖來(lái)恢復(fù)超分辨率圖像。本文肺4D-CT數(shù)據(jù)提供的低分辨率圖像是原始清晰圖像退化后的形式。本文首先分析介紹了圖像退化模型;然后介紹了Active Demons配準(zhǔn)算法，采用該算法估計(jì)出不同“幀”圖

7、像之間的亞像素位移信息;在獲得圖像間位移信息之后，采用凸集投影(Projection onto convex set，POCS)超分辨率算法重建目標(biāo)高分辨率圖像;在最后，針對(duì)POCS算法有待改進(jìn)和優(yōu)化的地方作了進(jìn)一步的研究與實(shí)驗(yàn)，使用NEDI(New edge-directed interpolation)算法優(yōu)化算法中的初始估計(jì)圖像，同時(shí)改進(jìn)PSF函數(shù)來(lái)降低邊緣環(huán)狀偽影，進(jìn)一步提升重建結(jié)果。本文的主要工作詳細(xì)如下:
　　(1)首

8、先介紹圖像的退化模型。在現(xiàn)實(shí)的數(shù)字成像過(guò)程中，原始場(chǎng)景中豐富的信息往往不能完全呈現(xiàn)出來(lái)，最終得到的是一組降質(zhì)的低分辨率觀察圖像。影響最終成像質(zhì)量的因素很多，例如原始場(chǎng)景和成像系統(tǒng)之間不可避免的相對(duì)運(yùn)動(dòng)會(huì)造成圖像變形，以及相對(duì)運(yùn)動(dòng)、大氣湍流會(huì)導(dǎo)致圖像模糊，硬件設(shè)備限制造成采樣不足以及在采集圖像過(guò)程中不可避免會(huì)引入噪聲等?，F(xiàn)有的低分辨率觀察圖像可以看作是由一幅高分辨率圖像經(jīng)過(guò)幾何形變、降采樣、系統(tǒng)模糊以及噪聲等因素共同影響產(chǎn)生的結(jié)果，對(duì)這過(guò)

9、程進(jìn)行數(shù)學(xué)上的簡(jiǎn)化，建立關(guān)聯(lián)高分辨率圖像和低分辨率觀察圖像序列的圖像退化模型。在超分辨率重建技術(shù)中，目標(biāo)高分辨率圖像的求取是這個(gè)退化過(guò)程的逆問(wèn)題，即由多個(gè)低分辨率觀察圖像來(lái)重建高分辨率圖像。
　　(2)采用Active Demons配準(zhǔn)算法獲取不同相位圖像間運(yùn)動(dòng)信息。針對(duì)肺4D-CT數(shù)據(jù)，由于肺的呼吸運(yùn)動(dòng)幅度有限，因此無(wú)需剛性配準(zhǔn)，采用彈性配準(zhǔn)算法獲取它們的運(yùn)動(dòng)信息。運(yùn)動(dòng)估計(jì)是超分辨率算法的關(guān)鍵步驟，本文采用Active Demo

10、ns配準(zhǔn)算法來(lái)獲取運(yùn)動(dòng)信息。該算法是基于光流場(chǎng)，將經(jīng)典的Maxwell's demons熱力學(xué)原理應(yīng)用到圖像配準(zhǔn)上提出的一種彈性配準(zhǔn)方法，對(duì)隨時(shí)間變化的圖像序列中的細(xì)小形變敏感。這種基于配準(zhǔn)的運(yùn)動(dòng)估計(jì)算法原理簡(jiǎn)單，精度高、速度快，適合用于超分辨率重建過(guò)程中估計(jì)圖像序列間的運(yùn)動(dòng)信息。本文采用Active Demons配準(zhǔn)算法估計(jì)出不同相位圖像間的運(yùn)動(dòng)信息，實(shí)驗(yàn)結(jié)果表明，該方法可準(zhǔn)確估計(jì)肺部運(yùn)動(dòng)場(chǎng)。
　　(3)在得到相位圖像間運(yùn)動(dòng)信息

11、后，采用凸集投影(POCS)超分辨率算法重建出高分辨率的圖像。圖像超分辨率重建方法大體可以劃分為兩類(lèi):頻域方法和空域方法。頻域方法是基于連續(xù)和離散傅里葉變換的位移、混疊特性，將圖像轉(zhuǎn)換到頻域內(nèi)對(duì)低分辨圖像的頻譜混疊進(jìn)行消除，再轉(zhuǎn)換到空域得到目標(biāo)高分辨率圖像。但是此種方法難以處理低分辨圖像形變復(fù)雜、模糊嚴(yán)重的降質(zhì)模型，并且對(duì)噪聲要求限定高，并不適用于本文的肺4D-CT數(shù)據(jù)。而空域方法就能夠處理復(fù)雜的降質(zhì)模型，模型中考慮了影響圖像成像效果的

12、各種空間域因素，如運(yùn)動(dòng)形變，光學(xué)模糊，運(yùn)動(dòng)模糊，隨機(jī)噪聲等，這種方法更接近于實(shí)際應(yīng)用情況。本文采用凸集投影法(POCS)重建圖像，它是一種基于空域的超分辨率重建算法，算法原理簡(jiǎn)單有效，同時(shí)可以方便地加入先驗(yàn)信息作為約束條件，可以很好地保持圖像細(xì)節(jié)信息。實(shí)驗(yàn)結(jié)果表明，重建出的肺部圖像結(jié)構(gòu)清晰，細(xì)節(jié)信息增強(qiáng)。
　　(4) POCS算法重建結(jié)果圖像易出現(xiàn)邊緣振蕩效應(yīng)，針對(duì)這一現(xiàn)象本文作了進(jìn)一步研究，以改進(jìn)算法。深入研究分析POCS算法得

13、知，由于點(diǎn)擴(kuò)散函數(shù)(PSF)通常采用基于各向同性的高斯函數(shù)，對(duì)邊緣區(qū)域的像素點(diǎn)進(jìn)行估計(jì)時(shí)不準(zhǔn)確，導(dǎo)致本身高值的像素點(diǎn)修正后值更高，低值的像素點(diǎn)修正后值更低，于是出現(xiàn)邊緣振蕩效應(yīng)。為了抑制邊緣振蕩效應(yīng)和保護(hù)邊緣信息，對(duì)原算法做了兩個(gè)改進(jìn):采用NEDI方法替代原算法中的三次樣條插值方法生成邊緣清晰連貫的高分辨率初始估計(jì)圖;采用基于各向異性的高斯函數(shù)約束邊緣，抑制邊緣振蕩，保護(hù)邊緣細(xì)節(jié)信息。本文改進(jìn)的算法重建結(jié)果圖像結(jié)構(gòu)清晰，邊緣平滑連貫，邊

14、緣振蕩效應(yīng)也降低;比起原算法，可得到更好的重建結(jié)果。
　　本文實(shí)驗(yàn)數(shù)據(jù)來(lái)源于一套公共可用的肺4D-CT數(shù)據(jù)集，該數(shù)據(jù)集包含10組肺4D-CT數(shù)據(jù)，每組數(shù)據(jù)都有10個(gè)相位。以此數(shù)據(jù)集為基礎(chǔ)，我們采用本文方法分別進(jìn)行了仿真圖像和真實(shí)圖像實(shí)驗(yàn)。(a)仿真實(shí)驗(yàn):由于數(shù)據(jù)集只有在橫斷面才有高分辨率的清晰圖像，故選取橫斷面高分辨率圖像按照退化模型生成多幅低分辨率仿真圖像進(jìn)行實(shí)驗(yàn)研究，并采用RMSE值量化評(píng)價(jià)本文方法重建結(jié)果和真實(shí)圖像(Grou

15、nd truth)之間的差異;(b)真實(shí)圖像實(shí)驗(yàn):冠矢狀面圖像是低分辨率圖像，針對(duì)這些圖像進(jìn)行本文提出的超分辨率方法重建，采用邊緣寬度值和平均梯度值來(lái)量化評(píng)價(jià)本文方法。實(shí)驗(yàn)結(jié)果表明，與三次樣條插值和單幅圖像反投影(BP)算法相比，本文方法重建的高分辨率圖像在視覺(jué)上更清晰，結(jié)構(gòu)信息和邊緣細(xì)節(jié)都增強(qiáng);而且量化評(píng)價(jià)指標(biāo)也優(yōu)于其他兩種方法。同時(shí)，研究的改進(jìn)算法也是有效的，與初始算法相比較:重建結(jié)果圖像清晰，邊緣銳利，邊緣振蕩效應(yīng)也降低;RMSE