【摘要】：頭頸部癌癥的發(fā)病率和致死率均為世界前列。放射治療是醫(yī)治頭頸部癌癥的一種重要且有效手段。在放射治療過(guò)程中必須嚴(yán)格控制腫瘤靶區(qū)周?chē)奈＜捌鞴俳邮艿降姆派鋭┝?以免造成其放射損傷從而影響患者的療后生活質(zhì)量。調(diào)強(qiáng)放射治療可以在有效保護(hù)危及器官的同時(shí)實(shí)現(xiàn)與計(jì)劃靶區(qū)體積高度適形的三維劑量分布,是目前治療頭頸部癌癥的最先進(jìn)方式。為了充分發(fā)揮調(diào)強(qiáng)放射治療的優(yōu)勢(shì),必須基于放療計(jì)劃CT(Computed Tomography)影像對(duì)危及器官進(jìn)行精確的勾畫(huà)。然而由于頭頸部重要器官比較集中,解剖關(guān)系復(fù)雜,目前臨床上仍普遍采用的手工勾畫(huà)方式既耗時(shí)又費(fèi)力,而且難以保證勾畫(huà)的準(zhǔn)確性。囿于手工勾畫(huà)的不足,人們希望由計(jì)算機(jī)代替醫(yī)師進(jìn)行自動(dòng)勾畫(huà),并對(duì)此開(kāi)展了大量的研究工作。然而從CT圖像中自動(dòng)地分割頭頸部組織器官是非常困難的。首先,由于CT圖像中軟組織的圖像灰度分辨率較低,軟組織間的邊界非常模糊,在某些區(qū)域甚至根本無(wú)法僅僅通過(guò)圖像灰度確定邊界;其次,頭頸部重要組織器官集中,解剖關(guān)系復(fù)雜,而且某些器官在患者個(gè)體之間存在很大的差異性,因此自動(dòng)分割需要應(yīng)對(duì)異常復(fù)雜的CT圖像背景;再者,病人頭頸部體內(nèi)的金屬植入物如假牙等會(huì)造成CT圖像中嚴(yán)重的金屬偽影。頭頸部CT圖像的上述特點(diǎn)給其組織器官的自動(dòng)分割帶來(lái)了非常大的挑戰(zhàn)。目前基于CT圖像的頭頸部組織器官自動(dòng)分割方法仍然無(wú)法滿(mǎn)足實(shí)際臨床需求。針對(duì)上述問(wèn)題,為了提高頭頸部CT圖像中組織器官自動(dòng)分割的準(zhǔn)確性和魯棒性,本文深入研究了基于隨機(jī)森林機(jī)器學(xué)習(xí)算法和形變模型的CT圖像分割方法。主要工作和研究成果如下:(1)基于組織器官解剖位置先驗(yàn)約束的CT圖譜對(duì)齊新方法。圖譜對(duì)齊的精確度對(duì)基于機(jī)器學(xué)習(xí)的圖像分割方法影像很大。傳統(tǒng)的圖譜對(duì)齊是通過(guò)對(duì)圖譜中灰度圖像的配準(zhǔn)實(shí)現(xiàn)的。由于CT圖像中軟組織的圖像灰度分辨率很低,傳統(tǒng)方法無(wú)法得到理想的圖譜對(duì)齊結(jié)果。針對(duì)這一問(wèn)題,所提方法充分利用了圖譜中標(biāo)簽圖像所包含的組織器官解剖位置先驗(yàn)信息。一方面將組織器官解剖位置先驗(yàn)信息與灰度圖像信息相結(jié)合形成混合不相似性測(cè)度,并將其作為優(yōu)化目標(biāo)函數(shù),驅(qū)動(dòng)空間變換模型的演化;另一方面利用組織器官解剖位置先驗(yàn)信息構(gòu)建基于B樣條的初始化形變模型以獲得更好的優(yōu)化初值,增強(qiáng)圖譜對(duì)齊算法的魯棒性。實(shí)驗(yàn)證明,采用所提方法獲得的圖譜對(duì)齊精度比傳統(tǒng)方法有明顯提高。(2)基于多級(jí)頂點(diǎn)回歸的頭頸部CT圖像自動(dòng)分割�；谛巫兡Ｐ偷姆指罘椒ǹ梢岳眯螤钕闰�(yàn)引導(dǎo)并約束分割,從而克服CT圖像中軟組織分辨率低的問(wèn)題,在CT圖像的組織器官分割中獲得了廣泛應(yīng)用。然而基于形變模型的分割方法存在對(duì)初始化敏感、對(duì)目標(biāo)器官的個(gè)體差異適應(yīng)性弱以及對(duì)具有復(fù)雜形狀的器官分割失效的問(wèn)題。針對(duì)這些問(wèn)題,本文提出了新的根據(jù)形狀模型頂點(diǎn)的關(guān)鍵性強(qiáng)弱,逐級(jí)迭代回歸預(yù)測(cè)的形變模型。所提出的基于頂點(diǎn)位移回歸的隱式形變方式,回避了傳統(tǒng)的顯式形變方式中需要確定頂點(diǎn)移動(dòng)方向及移動(dòng)距離的問(wèn)題,從而提高了形變模型的柔韌性和形狀擬合精度;所提出的基于機(jī)器學(xué)習(xí)的形變模型關(guān)鍵頂點(diǎn)的識(shí)別、定位機(jī)制可以根據(jù)頂點(diǎn)獨(dú)特性及個(gè)體間一致性的強(qiáng)弱,識(shí)別出關(guān)鍵的形變模型頂點(diǎn)并對(duì)其進(jìn)行預(yù)測(cè)定位;所提出的目標(biāo)器官形狀和CT圖像表觀特征聯(lián)合學(xué)習(xí)框架可以將形狀先驗(yàn)和圖像表觀特征有機(jī)融合進(jìn)一個(gè)基于隨機(jī)森林的機(jī)器學(xué)習(xí)模型中。實(shí)驗(yàn)證明,該算法取得了比現(xiàn)有方法更高的分割精度和魯棒性。(3)基于非盲學(xué)習(xí)的具有金屬偽影的CT圖像分割。傳統(tǒng)的基于機(jī)器學(xué)習(xí)的圖像分割方法僅從訓(xùn)練圖譜中提取知識(shí),以訓(xùn)練學(xué)習(xí)模型。圖像分割的過(guò)程也僅進(jìn)行盲目的知識(shí)模型應(yīng)用,模型的訓(xùn)練和應(yīng)用之間只有單方向的聯(lián)系。而在偽影區(qū)域中,由于在圖像表觀上與正常CT圖像的差異巨大,會(huì)造成訓(xùn)練所得的知識(shí)模型與實(shí)際待分割的目標(biāo)圖像不匹配的情況。這種情況下,強(qiáng)行將知識(shí)模型應(yīng)用到目標(biāo)圖像進(jìn)行分割,就會(huì)導(dǎo)致分割錯(cuò)誤。針對(duì)這一問(wèn)題,本文提出了“學(xué)以致用”的非盲學(xué)習(xí)策略,將待分割圖像信息引入到機(jī)器學(xué)習(xí)模型的訓(xùn)練過(guò)程中,建立模型的訓(xùn)練和應(yīng)用之間的雙向聯(lián)系,進(jìn)行有針對(duì)性的模型訓(xùn)練。所提方法首先檢測(cè)出待分割圖像中的偽影區(qū)域;然后將偽影區(qū)域的位置信息反饋到模型訓(xùn)練過(guò)程;在對(duì)模型進(jìn)行訓(xùn)練時(shí),對(duì)偽影區(qū)域,禁止與其相關(guān)的圖像灰度特征分量參與決策,僅保留與其相關(guān)的形狀特征分量的決策權(quán)。實(shí)驗(yàn)結(jié)果表明,所提方法有效克服了偽影對(duì)分割結(jié)果的影響。
【圖文】：

、全身情況等，制定最適合的個(gè)體治療方案，確定初步的固定及模擬定位。由醫(yī)師、物理師和技師根據(jù)患者的具體定模具。在模具的定位下行放療模擬掃描定位，獲取患者腫細(xì)的計(jì)算機(jī)斷層（Computerized Tomography，CT）影像數(shù)數(shù)據(jù)的初步處理及放療靶區(qū)、OAR 的勾畫(huà)。影像數(shù)據(jù)經(jīng)過(guò)勾畫(huà)放療病灶靶區(qū)和需保護(hù)的重要器官組織輪廓圖。計(jì)劃制定和評(píng)估優(yōu)化。由物理師根據(jù)醫(yī)師要求設(shè)計(jì)精確復(fù)腫瘤獲得足夠放療劑量的同時(shí)，盡可能控制 OAR 組織的照，從而保護(hù) OAR 組織的功能和患者療后生活質(zhì)量。計(jì)劃驗(yàn)證：放療中心位置驗(yàn)證、放射野驗(yàn)證和劑量驗(yàn)證。無(wú)誤，如果任何一個(gè)環(huán)節(jié)出現(xiàn)超過(guò)允許程度的誤差，醫(yī)師、因，予以糾正。為了保證放療的精確性，必要時(shí)需進(jìn)行重新實(shí)施。在治療機(jī)器上完成擺位后，啟動(dòng)機(jī)器進(jìn)行放射治療圖 1-1 癌癥患者的放射治療流程

部是各種器官集中的部位，重要器官多，解剖關(guān)系復(fù)雜，對(duì)應(yīng)的 CT 圖像背景也異常復(fù)雜。由 CT 成像知識(shí)可知，，CT 圖像的像素灰度值是 CT 值。人體的內(nèi)部組織對(duì)應(yīng)的 CT 值如圖 1-2 所示。人體內(nèi)大部分重要臟器均為軟組織，其 CT 值集中在 20～骨 軟組織 水 脂肪 空氣
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：TP391.41;R816

【參考文獻(xiàn)】

相關(guān)博士學(xué)位論文 前2條

1 楊婕;調(diào)強(qiáng)放射治療方案優(yōu)化方法研究[D];中北大學(xué);2018年

2 李銘;CT金屬偽影校正研究[D];中國(guó)科學(xué)院研究生院(長(zhǎng)春光學(xué)精密機(jī)械與物理研究所);2015年

本文編號(hào)：2615451