隨著癌癥放射性治療的技術(shù)進步,其治療過程中存在的器官運動、形變等引起的問題顯得越來越突出。在放療過程中,由于擺位誤差、器官形變等原因,器官的位置和形狀在每次治療的過程中都在發(fā)生變化。在高劑量梯度情況下,即使微小的器官形變或擺位誤差都可能造成靶區(qū)遺漏和危及器官卷入高劑量區(qū),從而導(dǎo)致腫瘤局部未控或危及器官受到過量照射,對患者的健康造成了極大的副作用。針對上述情況通常采用自適應(yīng)放療來解決。而自適應(yīng)放療技術(shù)的關(guān)鍵在于形變配準(zhǔn)算法的選擇。有效的形變配準(zhǔn)算法不僅有助于靶區(qū)輪廓線的推衍,得到更準(zhǔn)確的靶區(qū)輪廓,同時對于放療劑量映射也有很大的幫助�；诖吮疚难芯坎捎昧薒CC-Demons形變配準(zhǔn)算法和B樣條形變配準(zhǔn)算法用于放療的CT影像數(shù)據(jù),并且針對兩種算法的缺點提出了改進策略,提高了配準(zhǔn)精度的同時保證了其配準(zhǔn)速度。通過配準(zhǔn)得到的仿射矩陣和形變場完成醫(yī)師勾畫信息推衍,然后比較配準(zhǔn)前后靶區(qū)與危及器官的DSC(重疊度)與Hausdorff距離來評判配準(zhǔn)算法精度,從而對配準(zhǔn)質(zhì)量作出評價。形變配準(zhǔn)算法所得到的DSC重疊度均大于0.8,為臨床可接受范圍。對于體積較小的解剖組織或器官器官,DSC重疊度均在0.7~0.84之間。形變配準(zhǔn)算法得到的平均Hausdorff距離均在1~3mm之間,其表面偏差距離在其臨床誤差范圍內(nèi)。
【學(xué)位單位】：中北大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2020
【中圖分類】：TP391.41;R730.55
【部分圖文】：

足夠劑量，因此它成為圖像引導(dǎo)自適應(yīng)放療的關(guān)鍵工具。圖像形變配準(zhǔn)(DeformableImageRegistration，DIR)在ART中發(fā)揮著重要的作用。DIR不僅能夠關(guān)聯(lián)不同時間點下的同一解剖結(jié)構(gòu)，而且還能保持理想的一一對應(yīng)的幾何映射。另外，利用DIR還可以映射一些次級圖像（比如劑量矩陣圖像）或治療參數(shù)，提高再計劃的效率。DIR在ART中的應(yīng)用主要有兩個方面。一方面，DIR可以完成對靶區(qū)、危及器官輪廓線的推衍(propagation)[7-9]。重新計劃的最大困難在于重新勾畫靶區(qū)、危及器官的輪廓信息，因為靶區(qū)和器官的數(shù)量較多、輪廓線區(qū)域復(fù)雜，如圖1-1所示。人工勾畫通常要花費一位醫(yī)生幾小時甚至幾天的時間，而且放療期間病人的解剖結(jié)構(gòu)在不斷變化，如果每天都重新進行人工勾畫，明顯此任務(wù)無法完成。另外，DIR還可以完成四維CT(4D-CT)的輪廓線推衍[10,11]。4D-CT由不同呼吸相位的CT集合構(gòu)成，通常被用于肺癌患者的器官運動建模。利用DIR推衍的輪廓線可能更客觀一些，因為它不存在醫(yī)生之間主觀上的誤差。圖1-1醫(yī)師靶區(qū)和器官勾畫圖本圖來源于本文所使用的實驗數(shù)據(jù)Figure1-1Thetargetareaandorganoutlinedbythedoctor另一方面，DIR可以用于空間劑量的映射疊加，保證患者的靶區(qū)能夠接受足夠的劑量，同時也避免危及器官卷入高劑量區(qū)。如圖1-2中所示，通過劑量分布柱狀圖可知，不同顏色區(qū)域代表不同的劑量區(qū)。放療是一個分次治療的過程，如前所述解剖結(jié)構(gòu)在這個過程中會發(fā)生變化，那么靶區(qū)和危及器官來說，其實際上受到照射劑量的空間分布很可能與之前計劃時的大不一樣。DIR計算患者實際上受照劑量的原理是將每次可以計算劑量分布的放療的影像，比如CT與計劃CT進行變形配準(zhǔn)，得到該次放療影像到計劃

足夠劑量，因此它成為圖像引導(dǎo)自適應(yīng)放療的關(guān)鍵工具。圖像形變配準(zhǔn)(DeformableImageRegistration，DIR)在ART中發(fā)揮著重要的作用。DIR不僅能夠關(guān)聯(lián)不同時間點下的同一解剖結(jié)構(gòu)，而且還能保持理想的一一對應(yīng)的幾何映射。另外，利用DIR還可以映射一些次級圖像（比如劑量矩陣圖像）或治療參數(shù)，提高再計劃的效率。DIR在ART中的應(yīng)用主要有兩個方面。一方面，DIR可以完成對靶區(qū)、危及器官輪廓線的推衍(propagation)[7-9]。重新計劃的最大困難在于重新勾畫靶區(qū)、危及器官的輪廓信息，因為靶區(qū)和器官的數(shù)量較多、輪廓線區(qū)域復(fù)雜，如圖1-1所示。人工勾畫通常要花費一位醫(yī)生幾小時甚至幾天的時間，而且放療期間病人的解剖結(jié)構(gòu)在不斷變化，如果每天都重新進行人工勾畫，明顯此任務(wù)無法完成。另外，DIR還可以完成四維CT(4D-CT)的輪廓線推衍[10,11]。4D-CT由不同呼吸相位的CT集合構(gòu)成，通常被用于肺癌患者的器官運動建模。利用DIR推衍的輪廓線可能更客觀一些，因為它不存在醫(yī)生之間主觀上的誤差。圖1-1醫(yī)師靶區(qū)和器官勾畫圖本圖來源于本文所使用的實驗數(shù)據(jù)Figure1-1Thetargetareaandorganoutlinedbythedoctor另一方面，DIR可以用于空間劑量的映射疊加，保證患者的靶區(qū)能夠接受足夠的劑量，同時也避免危及器官卷入高劑量區(qū)。如圖1-2中所示，通過劑量分布柱狀圖可知，不同顏色區(qū)域代表不同的劑量區(qū)。放療是一個分次治療的過程，如前所述解剖結(jié)構(gòu)在這個過程中會發(fā)生變化，那么靶區(qū)和危及器官來說，其實際上受到照射劑量的空間分布很可能與之前計劃時的大不一樣。DIR計算患者實際上受照劑量的原理是將每次可以計算劑量分布的放療的影像，比如CT與計劃CT進行變形配準(zhǔn)，得到該次放療影像到計劃

中北大學(xué)學(xué)位論文4CT的變換矩陣和形變場，然后利用變換矩陣和形變場將每次的劑量分布映射到計劃CT上，這樣就可以得到計劃CT上每個體素所吸收的當(dāng)次劑量，疊加所有分次得到每個體素的真實受照劑量，最終估計出實際受照劑量的空間分布。這對于解決放療中靶區(qū)遺漏和關(guān)鍵器官卷入高劑量區(qū)的問題具有重要的意義，從而為醫(yī)師制定和優(yōu)化放療計劃提供了巨大的幫助。圖1-2受照劑量空間分布圖本圖來源于本文所使用的實驗數(shù)據(jù)Figure1-2Exposuredosespatialdistribution1.2國內(nèi)外研究現(xiàn)狀形變配準(zhǔn)存在的主要問題是難以驗證，目前尚沒有標(biāo)準(zhǔn)化的評價方式來評估形變配準(zhǔn)算法的結(jié)果。即便如此，DIR仍然是放療影像分析的一個主要工具。目前國內(nèi)外學(xué)者主要利用放療影像數(shù)據(jù)來驗證和比較各DIR算法的可行性以及其應(yīng)用于放療計劃的效果，其中大多采用胸腹部輪廓線推衍和劑量映射的驗證方式，驗證其配準(zhǔn)前后圖像的重疊度和所接受劑量是否滿足計劃。而在對配準(zhǔn)精度要求更高的頭頸部，相關(guān)研究仍然較少[12]。南方醫(yī)科大學(xué)李欣等人利用臨床數(shù)據(jù)驗證各種DIR算法在頭頸部和腹部ROI輪廓線推衍方面的精度和差異。結(jié)果發(fā)現(xiàn)DIR算法的精度不僅與ROI不同有關(guān)，還與其時間推移與形變程度有關(guān)[13]。Castadot等人以具有豐富勾畫經(jīng)驗醫(yī)生所勾畫的頭頸部靶區(qū)與危及器官輪廓線作為標(biāo)準(zhǔn)，評估了十二種基于灰度的DIR算法在輪廓線推衍方面的表現(xiàn)。結(jié)果表明使用水平集與Demons相結(jié)合的形變配準(zhǔn)算法精度優(yōu)于其他形變配準(zhǔn)算法[14]。Hardcastle等人采用多家機構(gòu)的頭頸部放療影像數(shù)據(jù)評估Demons和SFBR算法在醫(yī)生所勾畫的輪廓線推衍方面的可行性。最終得出，對于ORAs來說，DIR推衍的輪廓
【相似文獻】

相關(guān)期刊論文 前10條

1 董云龍,何友,王國宏,李東;一種改進的雷達組網(wǎng)誤差配準(zhǔn)算法[J];系統(tǒng)仿真學(xué)報;2005年07期

2 宋本欽;張靖;史偉;石教華;;一種基于彈道的時間配準(zhǔn)算法[J];中國電子科學(xué)研究院學(xué)報;2017年03期

3 羅志娟;;小波變換和互信息配準(zhǔn)算法對比分析[J];現(xiàn)代計算機(專業(yè)版);2016年32期

4 張衛(wèi)國;李景妹;;改進的基于紋理特征的圖像配準(zhǔn)算法[J];計算機工程與應(yīng)用;2016年06期

5 李雯;黃永鋒;田鑫;聶生東;;基于數(shù)字血管減影的無框架配準(zhǔn)算法的實驗研究[J];生物醫(yī)學(xué)工程學(xué)雜志;2007年01期

6 蔡方凱;;一種改進的系統(tǒng)誤差配準(zhǔn)算法[J];四川大學(xué)學(xué)報(自然科學(xué)版);2009年05期

7 吉長東;劉亞南;廖世愉;;基于局部特征的四點一致集配準(zhǔn)算法研究[J];測繪與空間地理信息;2020年05期

8 綦宏偉;趙麗花;;基于機器視覺的藥盒印刷質(zhì)量檢測系統(tǒng)配準(zhǔn)算法研究[J];廣東印刷;2010年01期

9 吳亞娟;劉曉鋒;;一種基于互信息的圖像頻域配準(zhǔn)算法[J];計算機工程與應(yīng)用;2008年19期

10 王蕊;李俊山;劉玲霞;羅蓉;;基于幾何特征的點云配準(zhǔn)算法[J];華東理工大學(xué)學(xué)報(自然科學(xué)版);2009年05期

相關(guān)博士學(xué)位論文 前10條

1 曾麗娜;SAR圖像特征提取與檢測、配準(zhǔn)算法研究[D];西北工業(yè)大學(xué);2017年

2 柳成蔭;基于點特征的多模與多視角圖像非剛性配準(zhǔn)算法研究[D];華中科技大學(xué);2018年

3 張鵬鵬;非剛體點集配準(zhǔn)算法及其在醫(yī)學(xué)圖像中的應(yīng)用[D];上海交通大學(xué);2017年

4 虞剛;在線自適應(yīng)放療若干關(guān)鍵問題的研究[D];東南大學(xué);2015年

5 李欣;自適應(yīng)放療中變形圖像配準(zhǔn)算法相關(guān)關(guān)鍵技術(shù)的研究[D];南方醫(yī)科大學(xué);2017年

6 章學(xué)靜;像素級圖像增強及配準(zhǔn)算法研究[D];北京理工大學(xué);2014年

7 張超;基于局部特征的圖像配準(zhǔn)算法及應(yīng)用研究[D];北京理工大學(xué);2015年

8 甄鑫;自適應(yīng)放射治療中的圖像變形配準(zhǔn)關(guān)鍵技術(shù)研究[D];南方醫(yī)科大學(xué);2013年

9 葉宏;多傳感器系統(tǒng)配準(zhǔn)算法研究[D];中國工程物理研究院;2014年

10 蘇坡;癌癥診療中的醫(yī)學(xué)圖像配準(zhǔn)和分割算法研究[D];西北工業(yè)大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 李漢;基于放療影像的多級非剛性配準(zhǔn)技術(shù)研究[D];中北大學(xué);2020年

2 孫蒙蒙;PET/CT胸腹部圖像配準(zhǔn)算法研究及系統(tǒng)設(shè)計[D];北京工業(yè)大學(xué);2014年

3 張旋;高配準(zhǔn)率快速圖像配準(zhǔn)算法研究[D];重慶大學(xué);2011年

4 吳錚;基于特征的圖像配準(zhǔn)算法研究[D];浙江大學(xué);2006年

5 李煜;基于互信息的圖像配準(zhǔn)算法研究[D];武漢紡織大學(xué);2012年

6 林存花;醫(yī)學(xué)影像彈性配準(zhǔn)算法的設(shè)計與實現(xiàn)[D];西安電子科技大學(xué);2011年

7 袁亮;三維重建過程中的點云數(shù)據(jù)配準(zhǔn)算法的研究[D];西安電子科技大學(xué);2010年

8 張政;點云數(shù)據(jù)配準(zhǔn)算法研究[D];山東大學(xué);2008年

9 劉新;三維點云數(shù)據(jù)的配準(zhǔn)算法研究[D];燕山大學(xué);2015年

10 莊世勇;圖像配準(zhǔn)算法的若干關(guān)鍵問題研究[D];福州大學(xué);2018年

本文編號：2867195