基于MRI的多维放疗技术若干关键问题的研究
本文关键词:基于MRI的多维放疗技术若干关键问题的研究
更多相关文章: 放射治疗 4D-MRI 呼吸运动 放射组学 纹理分析
【摘要】:据WHO统计肺癌的发病率和死亡率均居恶性肿瘤的首位,放射治疗是重要的治疗首段之一。尽管以影像引导放疗和调强放疗为首的放疗技术近年来发展迅速,但肺癌放疗疗效仍不理想,其中放射治疗过程中肿瘤运动及肿瘤内部的生物异质性是影响肿瘤控制率的重要因素。呼吸运动是导致肿瘤运动的一个重要因素。其运动特点在宏观上表现出周期性,但从微观时刻观察又具有明显的偶然性,这就导致呼吸运动很难统一去描述,从而成为影响临床放射治疗精度的重要因素。放疗中呼吸运动会引起肿瘤空间位移和肿瘤形变,造成靶区内剂量分布下降,结果就是肿瘤的漏照和正常组织的误照。为了减轻呼吸运动的影响,现在常用的方式是靶区范围的外扩,憋气,呼吸门控,肿瘤跟踪等方式,但上述方式都有各自的缺陷,无法很好的满足现代"精准放疗"的需要。核磁共振成像(Magnetic Resonance Imaging,MRI)可以提供组织的解剖及功能信息,且无电离辐射,因此成为图像引导放疗的研究热点。随着适形调强及自适应放疗技术的发展,放疗中除了要关注肿瘤运动的时空信息外,基于图像的功能信息即生物异质性问题(靶区内肿瘤细胞分布不均匀性、肿瘤细胞和正常组织的放射敏感性差异等)也同样需要非常重视。因此,如何将肿瘤组织的功能信息有机的融入放射治疗中,以提高肿瘤的局部控制率,同时减少放射损伤,就变得愈加重要。综上所述,在临床上亟需一种模型能准确描述呼吸和肿瘤运动,以便在治疗过程中精确跟踪肿瘤,提高肿瘤控制率,减少正常组织的损伤。同样也亟需一种功能影像的图像分析技术,通过获得的分析结果,准确描述肿瘤的生物异质性,进而预测肿瘤对于治疗的敏感性、评估疗效、反映损伤。本文便是基于上述两方面的临床需求开展了如下研究。首先开展了基于MRI的呼吸运动模型的研究,在总结已有的运动模型基础上,提出对现有模型的改进,建立了一种无创的呼吸信号提取技术,回顾性的重建四维核磁图像(Four dimensional Magnetic Resonance Imaging,4D-MRI);结合了 MRI 的影像信息,利用放射组学中纹理分析技术获得肿瘤部分的生物异质性,对肿瘤进行分类,对疗效和生存期进行预测。概括全文的研究成果和贡献,主要集中在以下三个方面:第一,利用动态二维MR扫描序列,建立基于皮肤表面多点的呼吸运动模型。利用同一时间采集的多个标记点的位置表征当前的呼吸状态。不同于通常采用的基于单个标记点的呼吸相位的概念,多标记点表示的呼吸状态反映了更为丰富的呼吸模式变化。然后,基于呼吸状态的回顾性图像分离技术获得4DMR图像,确定不同呼吸状态下肿瘤的位置、形状。统计多点呼吸信号的幅值、速度和肿瘤的位置,建立一种能反映皮肤表面与肿瘤之间的个体化运动关系的回顾式4D-MRI技术。第二,利用放射组学纹理分析技术去描述肿瘤内部生物异质性。研究主要分为两个部分:应用MR图像的纹理分析对肿瘤的分类进行了相关研究;利用功能MR图像的纹理分析技术对ESCC患者的疗效和预后进行了预测。详细阐述了上述结果的原因机理和在临床应用中的价值。第三,为了进一步验证放射组学的应用价值,分析获得的参数的可靠性,本文进行了相关研究。首先探讨的是采用不同灰度归一化策略是否会对图像的纹理结果产生影响,其次也研究了不同层厚的MR扫描方式是否会对纹理结果产生影响。由于灰度归一化是进行图像处理的第一步,它的可靠性决定了整个实验可靠与否,再有通用性一直是放射组学关注的重点,不同设备,不同扫描参数又是制约通用性的重要原因,因此上述两项研究均具有重要实用价值和意义。
【学位授予单位】:东南大学
【学位级别】:博士
【学位授予年份】:2017
【分类号】:R730.55;TP391.41
【相似文献】
中国期刊全文数据库 前10条
1 杨曦,周康源;超声图象纹理分析的新方法——纹理深度法及其实验[J];生物医学工程学杂志;1992年03期
2 刘f ,程敬之;分形模型的超声图像纹理分析[J];生物医学工程学杂志;1999年03期
3 吴天秀;蔡洁;;基于纹理分析的骨质疏松计量诊断[J];中国骨质疏松杂志;2014年07期
4 张镜清,孙军;采用纹理分析特征用于肝脏超声图像的病患的辨识[J];中国医学影像技术;1993年03期
5 刘伟;李月卿;;医学图像纹理分析综述[J];泰山医学院学报;2006年01期
6 杜X,童勤业,许俊;基于小波包分解和HMM模型的纹理分析[J];医疗设备信息;2003年08期
7 李振立;杨晓梅;;基于纹理分析的带标记线心脏MR图像分割[J];中国组织工程研究与临床康复;2011年09期
8 王李冬;邰晓英;巴特尔;;基于小波变换纹理分析的医学图像检索[J];中国医疗器械杂志;2006年02期
9 黄亚丽,李芬华,赵真;B超肝脏图像纹理特征提取方法的实验研究[J];中国医学影像技术;2004年12期
10 罗立民,,鲍旭东,田雪芹;基于纹理分析的磁共振图象区域分割[J];自动化学报;1995年04期
中国重要会议论文全文数据库 前8条
1 徐国栋;郭恒业;;统计纹理生成模型[A];中国科学技术协会首届青年学术年会论文集(工科分册·上册)[C];1992年
2 卢海燕;陈明;孙梅;宋树良;马艳;郑传立;;肝纤维化超声图像纹理分析与组织学检查对照研究[A];第二届长三角超声医学论坛暨2009年浙江省超声医学学术年会论文汇编[C];2009年
3 杨关;冯国灿;邹小林;刘志勇;;彩色纹理分析中的高斯图模型[A];第十五届全国图象图形学学术会议论文集[C];2010年
4 熊欣;何中市;;纹理分析在超声图像中的应用[A];2008年计算机应用技术交流会论文集[C];2008年
5 姚明海;应宏微;;基于反馈的汽车牌照纹理分析定位算法的研究[A];第二十三届中国控制会议论文集(下册)[C];2004年
6 黄战华;刘正;张振;蔡怀宇;杨基春;张尹馨;;基于矢量化方法的纹理缺陷快速检测[A];2008中国仪器仪表与测控技术进展大会论文集(Ⅰ)[C];2008年
7 管玉娟;王淑晴;关泽群;;纹理分析的条件模式谱方法[A];第十四届全国遥感技术学术交流会论文摘要集[C];2003年
8 刘佳;李哲英;王淑英;;路标识别算法研究[A];2008通信理论与技术新发展——第十三届全国青年通信学术会议论文集(下)[C];2008年
中国博士学位论文全文数据库 前4条
1 高妮;基于Contourlet提取纹理建立早期AD的高斯过程预测模型[D];首都医科大学;2016年
2 毛羽;血清miR-1290联合DW-MRI纹理分析预测食管鳞癌放化疗敏感性及相关机制的研究[D];天津医科大学;2016年
3 李振江;基于MRI的多维放疗技术若干关键问题的研究[D];东南大学;2017年
4 张国鹏;三维纹理分析在虚拟结肠镜计算机辅助检测/诊断中的应用研究[D];第四军医大学;2013年
中国硕士学位论文全文数据库 前10条
1 陈金霞;快速粒度估计法在纹理分析中的应用研究[D];华南理工大学;2015年
2 刘W
本文编号:1306078
本文链接:https://www.wllwen.com/shoufeilunwen/yxlbs/1306078.html