[发明专利]一种4D-CT不同时相序列图像的重建方法

权利要求书

1.一种4D-CT不同时相序列图像的重建方法，其特征是，包括以下步骤：

第一步：去除计划日4D-CT图像治疗床伪影，并去除图像中的噪声或其他震荡成分；

第二步：对图像进行基于TV-L1边缘保护多尺度空间的多尺度分解，通过使用不同的平滑参数λ，得到不同呼吸时相的包含信息量多少不同的平滑图像；

第三步：对上述不同呼吸时相的平滑图像进行联合时空域信息形变配准，将形变配准后的平滑图像定义为目标图像；

第四步：去除治疗日获取的自由呼吸状态下的3D-CT图像的噪声或其他震荡成分；

第五步：通过TV-L1边缘保护多尺度空间对3D-CT图像进行多尺度分解，并且通过相似性测度确定最优时相，标记为不完整的治疗日4D-CT，并将不完整的治疗日4D-CT定义为参考图像；

第六步：使用基于B样条的自由形变模型分别将不同时相的目标图像配准到参考图像中的对应时相中；配准结束后的图像即为重建的治疗日4D-CT图像。

2.如权利要求1所述的一种4D-CT不同时相序列图像的重建方法，其特征是，所述第三步中，对一系列不同呼吸时相的平滑图像进行联合时空域信息形变配准的具体方法为：

将所述平滑图像用一个强度函数F(i，k)来表示，其中，i和k分别是N个呼吸时相的空域和时域样本；采用基于B样条的周期时域模型来描述序列图像时域上的相关性，将肿瘤的运动轨迹建模为基于B样条的时域平滑函数；同时考虑呼吸运动中吸气末至呼气始时刻器官运动方向的快速反向转换，建立分段约束函数，保证整个呼吸运动轨迹平滑的同时，保持呼吸轨迹在吸气末处运动轨迹的准确性；

采用双树复小波变换来表达4D-CT不同时相的呼吸运动相关序列图像的形变域，将形变域建模为小波系数的函数；通过Navier偏微分方程来建立形变能量函数，由粗及精地估计表示空间域形变特征的最优小波系数，将所述小波系数代入目标图像变换模型对目标图像进行形变变换。

3.如权利要求2所述的一种4D-CT不同时相序列图像的重建方法，其特征是，所述将肿瘤的运动轨迹建模为基于B样条的时域平滑函数具体为：

Tt(x,t)=x+Σl∈Lblψl(t)]]>

其中，T_t(x,t)表示t_y时刻的时相图像在参考时间t_y且位置x处的运动轨迹，是关于时间t的连续平滑函数，t_y表示t的y时刻，ψ_l(t)＝β^m(t/s-l)，s∈R为时间的控制点间隔；b_l∈R³为m阶B样条基函数的系数；β^m为m阶B样条基函数，β为B样条基函数节点，l为B样条基函数计数变量；

B样条周期时域模型的整体平滑轨迹模型为：

∂zTt(x,0)∂tz=∂zTt(x,te)∂tz,z=[0,...,m-1]]]>

其中，T_t(x,0)表示0时刻时相图像在x处的运动轨迹；T_t(x,t_e)表示t的e时刻的时相图像在x处的运动轨迹。