基于放疗影像的多级非刚性配准技术研究
【学位单位】：中北大学
【学位级别】：硕士
【学位年份】：2020
【中图分类】：TP391.41;R730.55
【部分图文】：
足够剂量，因此它成为图像引导自适应放疗的关键工具。图像形变配准(DeformableImageRegistration，DIR)在ART中发挥着重要的作用。DIR不仅能够关联不同时间点下的同一解剖结构，而且还能保持理想的一一对应的几何映射。另外，利用DIR还可以映射一些次级图像（比如剂量矩阵图像）或治疗参数，提高再计划的效率。DIR在ART中的应用主要有两个方面。一方面，DIR可以完成对靶区、危及器官轮廓线的推衍(propagation)[7-9]。重新计划的最大困难在于重新勾画靶区、危及器官的轮廓信息，因为靶区和器官的数量较多、轮廓线区域复杂，如图1-1所示。人工勾画通常要花费一位医生几小时甚至几天的时间，而且放疗期间病人的解剖结构在不断变化，如果每天都重新进行人工勾画，明显此任务无法完成。另外，DIR还可以完成四维CT(4D-CT)的轮廓线推衍[10,11]。4D-CT由不同呼吸相位的CT集合构成，通常被用于肺癌患者的器官运动建模。利用DIR推衍的轮廓线可能更客观一些，因为它不存在医生之间主观上的误差。图1-1医师靶区和器官勾画图本图来源于本文所使用的实验数据Figure1-1Thetargetareaandorganoutlinedbythedoctor另一方面，DIR可以用于空间剂量的映射叠加，保证患者的靶区能够接受足够的剂量，同时也避免危及器官卷入高剂量区。如图1-2中所示，通过剂量分布柱状图可知，不同颜色区域代表不同的剂量区。放疗是一个分次治疗的过程，如前所述解剖结构在这个过程中会发生变化，那么靶区和危及器官来说，其实际上受到照射剂量的空间分布很可能与之前计划时的大不一样。DIR计算患者实际上受照剂量的原理是将每次可以计算剂量分布的放疗的影像，比如CT与计划CT进行变形配准，得到该次放疗影像到计划
足够剂量，因此它成为图像引导自适应放疗的关键工具。图像形变配准(DeformableImageRegistration，DIR)在ART中发挥着重要的作用。DIR不仅能够关联不同时间点下的同一解剖结构，而且还能保持理想的一一对应的几何映射。另外，利用DIR还可以映射一些次级图像（比如剂量矩阵图像）或治疗参数，提高再计划的效率。DIR在ART中的应用主要有两个方面。一方面，DIR可以完成对靶区、危及器官轮廓线的推衍(propagation)[7-9]。重新计划的最大困难在于重新勾画靶区、危及器官的轮廓信息，因为靶区和器官的数量较多、轮廓线区域复杂，如图1-1所示。人工勾画通常要花费一位医生几小时甚至几天的时间，而且放疗期间病人的解剖结构在不断变化，如果每天都重新进行人工勾画，明显此任务无法完成。另外，DIR还可以完成四维CT(4D-CT)的轮廓线推衍[10,11]。4D-CT由不同呼吸相位的CT集合构成，通常被用于肺癌患者的器官运动建模。利用DIR推衍的轮廓线可能更客观一些，因为它不存在医生之间主观上的误差。图1-1医师靶区和器官勾画图本图来源于本文所使用的实验数据Figure1-1Thetargetareaandorganoutlinedbythedoctor另一方面，DIR可以用于空间剂量的映射叠加，保证患者的靶区能够接受足够的剂量，同时也避免危及器官卷入高剂量区。如图1-2中所示，通过剂量分布柱状图可知，不同颜色区域代表不同的剂量区。放疗是一个分次治疗的过程，如前所述解剖结构在这个过程中会发生变化，那么靶区和危及器官来说，其实际上受到照射剂量的空间分布很可能与之前计划时的大不一样。DIR计算患者实际上受照剂量的原理是将每次可以计算剂量分布的放疗的影像，比如CT与计划CT进行变形配准，得到该次放疗影像到计划
中北大学学位论文4CT的变换矩阵和形变场，然后利用变换矩阵和形变场将每次的剂量分布映射到计划CT上，这样就可以得到计划CT上每个体素所吸收的当次剂量，叠加所有分次得到每个体素的真实受照剂量，最终估计出实际受照剂量的空间分布。这对于解决放疗中靶区遗漏和关键器官卷入高剂量区的问题具有重要的意义，从而为医师制定和优化放疗计划提供了巨大的帮助。图1-2受照剂量空间分布图本图来源于本文所使用的实验数据Figure1-2Exposuredosespatialdistribution1.2国内外研究现状形变配准存在的主要问题是难以验证，目前尚没有标准化的评价方式来评估形变配准算法的结果。即便如此，DIR仍然是放疗影像分析的一个主要工具。目前国内外学者主要利用放疗影像数据来验证和比较各DIR算法的可行性以及其应用于放疗计划的效果，其中大多采用胸腹部轮廓线推衍和剂量映射的验证方式，验证其配准前后图像的重叠度和所接受剂量是否满足计划。而在对配准精度要求更高的头颈部，相关研究仍然较少[12]。南方医科大学李欣等人利用临床数据验证各种DIR算法在头颈部和腹部ROI轮廓线推衍方面的精度和差异。结果发现DIR算法的精度不仅与ROI不同有关，还与其时间推移与形变程度有关[13]。Castadot等人以具有丰富勾画经验医生所勾画的头颈部靶区与危及器官轮廓线作为标准，评估了十二种基于灰度的DIR算法在轮廓线推衍方面的表现。结果表明使用水平集与Demons相结合的形变配准算法精度优于其他形变配准算法[14]。Hardcastle等人采用多家机构的头颈部放疗影像数据评估Demons和SFBR算法在医生所勾画的轮廓线推衍方面的可行性。最终得出，对于ORAs来说，DIR推衍的轮廓
【相似文献】
相关期刊论文 前10条
1 董云龙,何友,王国宏,李东;一种改进的雷达组网误差配准算法[J];系统仿真学报;2005年07期
2 宋本钦;张靖;史伟;石教华;;一种基于弹道的时间配准算法[J];中国电子科学研究院学报;2017年03期
3 罗志娟;;小波变换和互信息配准算法对比分析[J];现代计算机(专业版);2016年32期
4 张卫国;李景妹;;改进的基于纹理特征的图像配准算法[J];计算机工程与应用;2016年06期
5 李雯;黄永锋;田鑫;聂生东;;基于数字血管减影的无框架配准算法的实验研究[J];生物医学工程学杂志;2007年01期
6 蔡方凯;;一种改进的系统误差配准算法[J];四川大学学报(自然科学版);2009年05期
7 吉长东;刘亚南;廖世愉;;基于局部特征的四点一致集配准算法研究[J];测绘与空间地理信息;2020年05期
8 綦宏伟;赵丽花;;基于机器视觉的药盒印刷质量检测系统配准算法研究[J];广东印刷;2010年01期
9 吴亚娟;刘晓锋;;一种基于互信息的图像频域配准算法[J];计算机工程与应用;2008年19期
10 王蕊;李俊山;刘玲霞;罗蓉;;基于几何特征的点云配准算法[J];华东理工大学学报(自然科学版);2009年05期
相关博士学位论文 前10条
1 曾丽娜;SAR图像特征提取与检测、配准算法研究[D];西北工业大学;2017年
2 柳成荫;基于点特征的多模与多视角图像非刚性配准算法研究[D];华中科技大学;2018年
3 张鹏鹏;非刚体点集配准算法及其在医学图像中的应用[D];上海交通大学;2017年
4 虞刚;在线自适应放疗若干关键问题的研究[D];东南大学;2015年
5 李欣;自适应放疗中变形图像配准算法相关关键技术的研究[D];南方医科大学;2017年
6 章学静;像素级图像增强及配准算法研究[D];北京理工大学;2014年
7 张超;基于局部特征的图像配准算法及应用研究[D];北京理工大学;2015年
8 甄鑫;自适应放射治疗中的图像变形配准关键技术研究[D];南方医科大学;2013年
9 叶宏;多传感器系统配准算法研究[D];中国工程物理研究院;2014年
10 苏坡;癌症诊疗中的医学图像配准和分割算法研究[D];西北工业大学;2014年
相关硕士学位论文 前10条
1 李汉;基于放疗影像的多级非刚性配准技术研究[D];中北大学;2020年
2 孙蒙蒙;PET/CT胸腹部图像配准算法研究及系统设计[D];北京工业大学;2014年
3 张旋;高配准率快速图像配准算法研究[D];重庆大学;2011年
4 吴铮;基于特征的图像配准算法研究[D];浙江大学;2006年
5 李煜;基于互信息的图像配准算法研究[D];武汉纺织大学;2012年
6 林存花;医学影像弹性配准算法的设计与实现[D];西安电子科技大学;2011年
7 袁亮;三维重建过程中的点云数据配准算法的研究[D];西安电子科技大学;2010年
8 张政;点云数据配准算法研究[D];山东大学;2008年
9 刘新;三维点云数据的配准算法研究[D];燕山大学;2015年
10 庄世勇;图像配准算法的若干关键问题研究[D];福州大学;2018年
本文编号：2867195
本文链接：https://www.wllwen.com/shoufeilunwen/mpalunwen/2867195.html
