醫(yī)學(xué)圖像配準和分割技術(shù)研究及在圖像引導(dǎo)放射治療系統(tǒng)中的應(yīng)用.pdf

1、醫(yī)學(xué)圖像處理算法被廣泛應(yīng)用于臨床輔助診斷和治療，尤其是在圖像引導(dǎo)放射治療系統(tǒng)中具有重要作用。醫(yī)學(xué)圖像除具有一般圖像的基本屬性外，還具有自身的一些特征。挖掘醫(yī)學(xué)圖像內(nèi)在的屬性特征，利用計算機視覺和數(shù)字圖像處理算法來分析這些特征信息，可以有效理解并處理醫(yī)學(xué)圖像，使其為臨床提供有效診斷和輔助治療。根據(jù)診斷或治療需要，臨床可獲得多種模態(tài)的醫(yī)學(xué)圖像。各種模態(tài)圖像用不同成像方式表達了同一組織器官的不同特征信息，例如：X-ray、CT、MRI、US等

2、圖像表達病例的內(nèi)部解剖結(jié)構(gòu)特征，為診斷和治療提供精確的病變空間位置信息，但這些圖像缺乏功能代謝信息；PET、SPECT、fMRI等圖像則表達病例的新陳代謝等功能信息，可以為臨床診斷提供病變前期的異常功能代謝信息，使患者在病變早期得到治療，但這些功能圖像缺少精確的解剖結(jié)構(gòu)信息。醫(yī)學(xué)圖像處理和分析算法可以把具有互補性質(zhì)的不同模態(tài)圖像進行特征提取和數(shù)據(jù)關(guān)聯(lián)，包括使用圖像配準、分割、變換以及去噪等算法進行處理和分析，使這些算法在臨床應(yīng)用中提供實

3、時且高效的性能，從而為臨床醫(yī)生提供有效的診斷和治療。
　　 醫(yī)學(xué)圖像配準和分割算法是當前圖像引導(dǎo)放射治療系統(tǒng)中的關(guān)鍵技術(shù)。在配準算法方面，如何提高配準算法的精度和速度對于實現(xiàn)當前臨床所需的精確擺位和自適應(yīng)放療具有重要作用。目前的醫(yī)學(xué)圖像配準算法在臨床應(yīng)用時，存在復(fù)雜度較高，耗時較長，并且某些情況下需要人工干預(yù)和手動標記，無法實現(xiàn)全自動或半自動配準等諸多問題，束縛了它們在臨床圖像引導(dǎo)放射治療系統(tǒng)中的應(yīng)用。同時，在醫(yī)學(xué)圖像分割方面，

4、針對當前放療計劃系統(tǒng)中對危及器官和腫瘤靶區(qū)分割主要依賴人工勾畫的現(xiàn)狀，可綜合利用多種模態(tài)醫(yī)學(xué)圖像的特征信息，尋找適合醫(yī)學(xué)圖像特征的分割算法，實現(xiàn)危及器官和腫瘤靶區(qū)的高精度自動分割。
　　 本論文為解決和改進當前圖像引導(dǎo)放射治療系統(tǒng)和放療計劃制定系統(tǒng)中關(guān)于配準和分割算法存在的一些問題，對醫(yī)學(xué)圖像配準和分割算法進行了系統(tǒng)深入地研究，提出一些相關(guān)算法，并把這些算法應(yīng)用于自適應(yīng)放療、放療計劃轉(zhuǎn)移、腫瘤和危及器官分割等方面。本論文的主要工

5、作包括以下幾個方面：
　　 (1)基于邊緣保護多尺度空間的剛體配準方法及應(yīng)用
　　 從多尺度空間濾波的角度分析了傳統(tǒng)多尺度配準方法存在局限性的內(nèi)在原因。為提高醫(yī)學(xué)圖像配準算法的精度和速度，較好地避免局部極值，提出了基于邊緣保護多尺度空間配準的方法。這種邊緣保護多尺度空間基于非線性擴散模型，可以在不同的尺度上對圖像邊緣和輪廓按照幾何結(jié)構(gòu)大小進行選擇性分解，在特定的尺度上，被選擇的邊緣和輪廓特征可以為基于互信息的配準提供豐富

6、的空間位置信息。同時，算法在實現(xiàn)形式上通過采用數(shù)據(jù)金字塔結(jié)構(gòu)來提高配準速度。另外，為實現(xiàn)臨床所需的全自動配準，提出一種自動獲取非線性擴散模型中平滑參數(shù)λ的方法。實驗結(jié)果表明，本文提出的多尺度配準方法用于三維醫(yī)學(xué)圖像配準時，包括MRI-T1/T2/Pd、PET、CT、CBCT圖像的同模態(tài)和多模態(tài)配準，優(yōu)于傳統(tǒng)的多尺度配準方法，配準結(jié)果可獲得較高的精度，配準過程需較少的迭代次數(shù)，并且在傳統(tǒng)多尺度配準方法發(fā)生誤配時，提出的算法仍可準確配準，具

7、有較好的魯棒性。在臨床應(yīng)用上，將算法用于PET-CT系統(tǒng)中多模圖像配準，并且利用配準算法實現(xiàn)食道癌病例腫瘤靶區(qū)從PET圖像到CT圖像的自動映射，為下一步放射治療計劃的制定奠定基礎(chǔ)。
　　 (2)基于邊緣保護多尺度空間的形變配準方法及應(yīng)用
　　 工作(1)中，使用邊緣保護多尺度空間實現(xiàn)了剛體配準。在此基礎(chǔ)上，將邊緣保護多尺度空間與形變模型相結(jié)合，提出基于邊緣保護多尺度空間進行形變配準的方法，并且用于計劃CT與錐形束CT(C

8、one beam CT，CBCT)圖像的配準，指導(dǎo)基于CBCT的圖像引導(dǎo)放射系統(tǒng)中的自適應(yīng)放療。為了提高系統(tǒng)中形變配準算法的性能，提出邊緣保護多尺度空間與基于B樣條的自由形變模型相結(jié)合的多尺度形變配準框架。由于邊緣保護多尺度空間基于非線性擴散模型，可以為基于互信息的配準提供豐富的空間位置信息。同時，在不同的尺度上，根據(jù)多尺度圖像的精細程度可選擇相應(yīng)的自由形變控制點數(shù)，由粗及精地恢復(fù)形變。另外，在實現(xiàn)形式上采用數(shù)據(jù)金字塔結(jié)構(gòu)，并提出了兩種

9、有效的實現(xiàn)方式。實驗中采用六種類型的癌癥患者病例數(shù)據(jù)進行了研究，包括直腸癌、前列腺癌、肺癌、頭頸癌、乳腺癌、胸癌等。實驗表明，提出的形變配準算法用于基于CBCT的圖像引導(dǎo)放射系統(tǒng)時，可將日常放療時的CBCT圖像和計劃CT圖像進行準確且快速的配準。通過獲得的形變域，可實現(xiàn)放療計劃從計劃CT到CBCT圖像上的自適應(yīng)轉(zhuǎn)移，包括CBCT圖像靶區(qū)和危及器官的自動勾畫，以及等劑量線的自動映射等，最終實現(xiàn)劑量體積直方圖分析。
　　 (3)基于

10、正交小波基函數(shù)的形變配準方法及應(yīng)用
　　 為進一步提高基于CBCT的圖像引導(dǎo)放射系統(tǒng)中計劃CT與CBCT圖像的配準性能，即在保證較好魯棒性的前提下，提高形變配準的精度和速度，提出使用正交小波基函數(shù)來表示待配準圖像對之間的形變域，從而得到一種可以由粗到精恢復(fù)形變域的配準算法。此方法利用正交小波基函數(shù)的多分辨率特性，不同尺度上由粗到精的小波系數(shù)和不同子帶上的小波系數(shù)分別描述計劃CT和CBCT圖像之間形變域的全局和局部特征，并且從不同

11、方向上描述形變特征。同時，由Navier偏微分方程設(shè)計極小化能量函數(shù)來實現(xiàn)小波系數(shù)的估計，并且為了實現(xiàn)全自動配準，使用歸一化互信息作為外力約束。實驗表明，此方法用于基于CBCT的圖像引導(dǎo)放射系統(tǒng)時，可以有效地恢復(fù)全局形變和局部形變，并且可將日常放療時的CBCT圖像和計劃CT圖像進行準確且快速的配準，同時可用于放射治療計劃系統(tǒng)中器官的自動分割，從而有效指導(dǎo)自適應(yīng)治療。
　　 (4)基于圖譜的醫(yī)學(xué)圖像分割方法及應(yīng)用
　　 傳

12、統(tǒng)圖像分割方法用于醫(yī)學(xué)圖像器官分割時具有局限性，結(jié)合人體器官自身特征并利用臨床病例庫建立合適的器官概率圖譜，可以實現(xiàn)器官的自動精確分割，從而滿足臨床需求。為實現(xiàn)日常放射治療時CBCT圖像中肝臟器官的自動精確分割，通過50組經(jīng)過篩選的增強型計劃CT圖像創(chuàng)建概率圖譜，并且這些CT圖像的肝臟器官由臨床醫(yī)生和物理師進行了詳細精確地勾畫，從而保證概率圖譜的精度和可信度。目標病例首先通過胸肋圖譜得到肝臟初始輪廓，然后經(jīng)過高斯模型對肝臟的灰度特征進行

13、分析，去除肝臟連帶組織，最終通過形變配準算法與創(chuàng)建的肝臟概率圖譜進行配準，使用形變域?qū)崿F(xiàn)輪廓線的自動轉(zhuǎn)移，從而實現(xiàn)肝臟器官的自動勾畫。實驗表明，該方法可以在噪聲和偽影較大的CBCT圖像上實現(xiàn)肝臟器官的自動勾畫，為下一步制定放療計劃奠定基礎(chǔ)。
　　 (5)聯(lián)合分割和配準技術(shù)實現(xiàn)PET-CT圖像中腫瘤靶區(qū)的精確定位
　　 臨床上腫瘤靶區(qū)的自動精確定位可以加速放療計劃執(zhí)行，提高放療精度，并且可以幫助放療計劃自適應(yīng)修改和轉(zhuǎn)移。多

14、數(shù)情況下，腫瘤靶區(qū)與周圍組織器官灰度相似，并且腫瘤靶區(qū)具有一定的隱蔽性，與周圍組織器官存在連帶區(qū)域，使腫瘤的自動檢測較為困難。PET圖像表征人體新陳代謝的功能信息，它根據(jù)核素衰變性質(zhì)，使腫瘤等高代謝區(qū)在SUV域顯示高信號。本工作通過把PET灰度圖像轉(zhuǎn)化到其SUV域，通過標準攝取SUV值實現(xiàn)腫瘤靶區(qū)的檢測和提取。使用三種半自動分割算法對腫瘤進行了有效檢測和分割，并且平滑其邊界達到臨床所需形狀。最后，通過形變配準算法實現(xiàn)腫瘤靶區(qū)從PET圖像