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_第1頁
已閱讀1頁,還剩153頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

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

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論