CT图像头颈部组织器官分割方法研究

发布时间：2020-04-05 19:45

【摘要】：头颈部癌症的发病率和致死率均为世界前列。放射治疗是医治头颈部癌症的一种重要且有效手段。在放射治疗过程中必须严格控制肿瘤靶区周围的危及器官接受到的放射剂量,以免造成其放射损伤从而影响患者的疗后生活质量。调强放射治疗可以在有效保护危及器官的同时实现与计划靶区体积高度适形的三维剂量分布,是目前治疗头颈部癌症的最先进方式。为了充分发挥调强放射治疗的优势,必须基于放疗计划CT(Computed Tomography)影像对危及器官进行精确的勾画。然而由于头颈部重要器官比较集中,解剖关系复杂,目前临床上仍普遍采用的手工勾画方式既耗时又费力,而且难以保证勾画的准确性。囿于手工勾画的不足,人们希望由计算机代替医师进行自动勾画,并对此开展了大量的研究工作。然而从CT图像中自动地分割头颈部组织器官是非常困难的。首先,由于CT图像中软组织的图像灰度分辨率较低,软组织间的边界非常模糊,在某些区域甚至根本无法仅仅通过图像灰度确定边界;其次,头颈部重要组织器官集中,解剖关系复杂,而且某些器官在患者个体之间存在很大的差异性,因此自动分割需要应对异常复杂的CT图像背景;再者,病人头颈部体内的金属植入物如假牙等会造成CT图像中严重的金属伪影。头颈部CT图像的上述特点给其组织器官的自动分割带来了非常大的挑战。目前基于CT图像的头颈部组织器官自动分割方法仍然无法满足实际临床需求。针对上述问题,为了提高头颈部CT图像中组织器官自动分割的准确性和鲁棒性,本文深入研究了基于随机森林机器学习算法和形变模型的CT图像分割方法。主要工作和研究成果如下:(1)基于组织器官解剖位置先验约束的CT图谱对齐新方法。图谱对齐的精确度对基于机器学习的图像分割方法影像很大。传统的图谱对齐是通过对图谱中灰度图像的配准实现的。由于CT图像中软组织的图像灰度分辨率很低,传统方法无法得到理想的图谱对齐结果。针对这一问题,所提方法充分利用了图谱中标签图像所包含的组织器官解剖位置先验信息。一方面将组织器官解剖位置先验信息与灰度图像信息相结合形成混合不相似性测度,并将其作为优化目标函数,驱动空间变换模型的演化;另一方面利用组织器官解剖位置先验信息构建基于B样条的初始化形变模型以获得更好的优化初值,增强图谱对齐算法的鲁棒性。实验证明,采用所提方法获得的图谱对齐精度比传统方法有明显提高。(2)基于多级顶点回归的头颈部CT图像自动分割。基于形变模型的分割方法可以利用形状先验引导并约束分割,从而克服CT图像中软组织分辨率低的问题,在CT图像的组织器官分割中获得了广泛应用。然而基于形变模型的分割方法存在对初始化敏感、对目标器官的个体差异适应性弱以及对具有复杂形状的器官分割失效的问题。针对这些问题,本文提出了新的根据形状模型顶点的关键性强弱,逐级迭代回归预测的形变模型。所提出的基于顶点位移回归的隐式形变方式,回避了传统的显式形变方式中需要确定顶点移动方向及移动距离的问题,从而提高了形变模型的柔韧性和形状拟合精度;所提出的基于机器学习的形变模型关键顶点的识别、定位机制可以根据顶点独特性及个体间一致性的强弱,识别出关键的形变模型顶点并对其进行预测定位;所提出的目标器官形状和CT图像表观特征联合学习框架可以将形状先验和图像表观特征有机融合进一个基于随机森林的机器学习模型中。实验证明,该算法取得了比现有方法更高的分割精度和鲁棒性。(3)基于非盲学习的具有金属伪影的CT图像分割。传统的基于机器学习的图像分割方法仅从训练图谱中提取知识,以训练学习模型。图像分割的过程也仅进行盲目的知识模型应用,模型的训练和应用之间只有单方向的联系。而在伪影区域中,由于在图像表观上与正常CT图像的差异巨大,会造成训练所得的知识模型与实际待分割的目标图像不匹配的情况。这种情况下,强行将知识模型应用到目标图像进行分割,就会导致分割错误。针对这一问题,本文提出了“学以致用”的非盲学习策略,将待分割图像信息引入到机器学习模型的训练过程中,建立模型的训练和应用之间的双向联系,进行有针对性的模型训练。所提方法首先检测出待分割图像中的伪影区域;然后将伪影区域的位置信息反馈到模型训练过程;在对模型进行训练时,对伪影区域,禁止与其相关的图像灰度特征分量参与决策,仅保留与其相关的形状特征分量的决策权。实验结果表明,所提方法有效克服了伪影对分割结果的影响。
【图文】：

、全身情况等，制定最适合的个体治疗方案，确定初步的固定及模拟定位。由医师、物理师和技师根据患者的具体定模具。在模具的定位下行放疗模拟扫描定位，获取患者肿细的计算机断层（Computerized Tomography，CT）影像数数据的初步处理及放疗靶区、OAR 的勾画。影像数据经过勾画放疗病灶靶区和需保护的重要器官组织轮廓图。计划制定和评估优化。由物理师根据医师要求设计精确复肿瘤获得足够放疗剂量的同时，尽可能控制 OAR 组织的照，从而保护 OAR 组织的功能和患者疗后生活质量。计划验证：放疗中心位置验证、放射野验证和剂量验证。无误，如果任何一个环节出现超过允许程度的误差，医师、因，予以纠正。为了保证放疗的精确性，必要时需进行重新实施。在治疗机器上完成摆位后，启动机器进行放射治疗图 1-1 癌症患者的放射治疗流程

部是各种器官集中的部位，重要器官多，解剖关系复杂，对应的 CT 图像背景也异常复杂。由 CT 成像知识可知，，CT 图像的像素灰度值是 CT 值。人体的内部组织对应的 CT 值如图 1-2 所示。人体内大部分重要脏器均为软组织，其 CT 值集中在 20～骨 软组织 水 脂肪 空气
【学位授予单位】：电子科技大学
【学位级别】：博士
【学位授予年份】：2019
【分类号】：TP391.41;R816

【参考文献】

相关博士学位论文 前2条

1 杨婕;调强放射治疗方案优化方法研究[D];中北大学;2018年

2 李铭;CT金属伪影校正研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2015年

本文编号：2615451