發(fā)布時(shí)間：2024-03-04 19:06

　　隨著醫(yī)療技術(shù)的發(fā)展,圖像引導(dǎo)放療已經(jīng)逐漸成為癌癥治療的重要方法之一。在治療過程中,為了保證放療精度,需要利用術(shù)前3D CT影像與術(shù)中2D X射線影像進(jìn)行2D-3D配準(zhǔn),以估計(jì)患者當(dāng)前姿態(tài)。然而,由于單幅X射線影像難以全面反映患者的空間運(yùn)動(dòng),在優(yōu)化中需要多次迭代。并且每次迭代中,數(shù)字重建放射影像(Digitally Reconstructed Radiograph,DRR)生成的計(jì)算量較大。因此,在臨床中,2D-3D配準(zhǔn)算法的速度較慢。針對(duì)以上的問題,本文開展了以下兩個(gè)方面的工作。(1)提出了一種基于2D預(yù)配準(zhǔn)的雙X射線影像2D-3D配準(zhǔn)方法。首先,在2D-3D配準(zhǔn)中更新DRR時(shí),采用DRR像素和射線源的逆變換代替了CT體素的空間變換,并且利用圖形處理器(Graphics Processing Unit,GPU)的每個(gè)核心負(fù)責(zé)一個(gè)DRR像素值的計(jì)算,有效降低了整個(gè)DRR生成過程的計(jì)算復(fù)雜度,同時(shí)光線追蹤的計(jì)算也得到充分并行化。進(jìn)一步地,根據(jù)一對(duì)X射線影像所在平面坐標(biāo)系與CT所在空間坐標(biāo)系之間的幾何關(guān)系,將CT的剛體運(yùn)動(dòng)分解到正交平面上,并且在平面上進(jìn)行2D-2D近似剛體配準(zhǔn)。最后,利用2...

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖3.4Rx對(duì)頭顱模體CT在兩個(gè)平面上DRR圖像的影響：第一行為0度時(shí)的正面和側(cè)面DRR圖像，第二行為10度時(shí)的正面和側(cè)面DRR圖像

第三章基于2D預(yù)配準(zhǔn)的雙X射線影像2D-3D配準(zhǔn)算法28比應(yīng)該為1:Npatch，N為一個(gè)塊內(nèi)的像素點(diǎn)數(shù)量。即使不是完全意義的所有像素的并行化，經(jīng)過該部分處理，DRR生成的速度在理論上也具有顯著提高。3.2.32D-2D近似剛體配準(zhǔn)由3.2.2節(jié)，可生成剛體變換后的CT圖像對(duì)應(yīng)兩....

圖3.7ITK與本文提出的GPU加速算法的在頭顱模體CT上的DRR生成結(jié)果對(duì)比

第三章基于2D預(yù)配準(zhǔn)的雙X射線影像2D-3D配準(zhǔn)算法34的人體胸部CT生成結(jié)果如圖3.8。圖3.7ITK與本文提出的GPU加速算法的在頭顱模體CT上的DRR生成結(jié)果對(duì)比Fig3.7ComparisonofITKandGPU-acceleratedalgorithmspropose....

圖3.8ITK與本文提出的GPU加速算法在截?cái)嗟娜梭w胸部CT上的DRR生成結(jié)果對(duì)比

第三章基于2D預(yù)配準(zhǔn)的雙X射線影像2D-3D配準(zhǔn)算法34的人體胸部CT生成結(jié)果如圖3.8。圖3.7ITK與本文提出的GPU加速算法的在頭顱模體CT上的DRR生成結(jié)果對(duì)比Fig3.7ComparisonofITKandGPU-acceleratedalgorithmspropose....

圖3.9頭顱模體正面拍攝的情況下NCC與Mwb度量隨單參數(shù)變化趨勢(shì)對(duì)比

安徽大學(xué)碩士學(xué)位論文37時(shí)的Mwb仍然很好的描述了相似度隨著Ty變化的變化，并且整個(gè)曲線的峰值與實(shí)際的坐標(biāo)誤差的零點(diǎn)重合。圖3.9頭顱模體正面拍攝的情況下NCC與Mwb度量隨單參數(shù)變化趨勢(shì)對(duì)比Fig3.9ComparisonofNCCandMwbchangeswithsingle....

本文編號(hào)：3919072