[发明专利]联合图像分割与形变配准技术的自适应目标区域转换方法

说明书

技术领域

本发明涉及一种联合图像分割与形变配准技术的自适应目标区域转换方法。

背景技术

临床精确放射治疗的目标是在最大可能地提高肿瘤靶区射线吸收剂量的同时尽可能地降低危及器官的射线接收剂量。针对胸腹部肿瘤，目前临床上通常的做法是先CT定位，再按制定的放疗计划实施逐次照射。但在放疗过程中，由于器官运动和变形或各种客观因素使肿瘤和危及器官(主要是肝脏)偏离射野，导致肿瘤欠剂量照射而危及器官却过剂量。

利用近些年发展起来的图像引导放疗(Image guided radiation therapy，IGRT)技术，可对肿瘤靶区和危及器官进行实时监控，根据器官位置的变化调整治疗条件达到使照射野跟踪靶区的目的。临床上主要采用基于CBCT(Cone beam CT)的图像引导放疗技术，但目前该技术仅限用于调整摆位误差，即将计划CT与放疗前获取的KV级CBCT进行基于骨形的刚体配准，再通过计算放疗肿瘤靶区的位置偏移量来指导摆位；同时，目前的放疗计划也仅仅基于静态的计划CT，并未做到真正意义上的“自适应”。此外，计划CT上的危及器官及肿瘤也均由医生手工勾画，费时费力，具有主观性。

发明内容

本发明为了解决上述问题，提出了一种联合图像分割与形变配准技术的自适应目标区域转换方法，本方法自动分割危及器官及胸腹部肿瘤区域，采用形变配准算法，将CBCT图像与计划CT图像进行多模态配准，通过计算出的形变域将计划CT上的信息自动转移到CBCT上。

为了实现上述目的，本发明采用如下技术方案：

一种联合图像分割与形变配准技术的自适应目标区域转换方法，包括以下步骤：

(1)采用基于图谱的自动分割方法，对采集的N组CT图像去除伪影、噪声成分，采用梯度矢量流(Gradient vector flow，GVF)进行胸肋骨自动提取；

(2)在N组图像中随机选取一组作为参考图像，其余作为目标图像，将得到的肝脏训练集和胸肋骨分别进行肝脏图谱和胸肋骨图谱的创建；

(3)输入患者当前计划CT图像，采用GVF进行胸肋骨自动提取，将胸肋骨图谱作为参考图像，患者计划CT图像作为目标图像，以胸肋骨为特征，采用仿射配准算法与胸肋骨图谱进行刚体配准，得到患者计划CT图像中肝脏区域的初始值；

(4)使用基于正交小波基函数的形变配准算法对得到的肝脏区域与肝脏图谱进行形变配准，使肝脏边界更为精准，通过基于图谱的分割方法在患者计划CT上自动分割出肝脏区域；

(5)结合水平集模型与似然函数在计划CT上自动分割胸腹部肿瘤区域；

(6)以胸肋骨为特征，通过仿射变换将最新CBCT图像与计划CT图像进行刚体配准，为补偿刚体配准时不能恢复的形变范围，使用基于正交小波基函数的形变配准算法，计算出CBCT与计划CT的形变域，将计划CT中的危及器官和肿瘤的轮廓以及等剂量线信息自动转移到CBCT上。

所述步骤(2)中，具体方法为：

在N组满足条件的CT中随机选取一组作为参考图像，将其与其余的目标图像采用仿射变换进行配准，所有的图像对齐后，统计空间中每个像素存在的概率；N组图像数据配准后，得到一个概率图谱；采用多次循环迭代，以提高所建图谱的可靠性；

建立概率图谱后，根据具体应用环境选取合适的阈值，按照灰度值随图谱概率增大而增大的准则，把图谱从概率空间转化到灰度空间。

所述步骤(5)中，具体方法为：

采用似然函数与水平集模型相结合的能量函数，在患者计划CT图像上自动获取胸腹部肿瘤区域；似然函数E^p(φ)由感兴趣区域能量函数e_T(x)和背景区域能量函数e_B(x)两部分构成；用似然函数的有限高斯混合模型估计感兴趣肿瘤区域密度分布，似然函数的高斯混合模型估计胸腹部背景区域密度分布，通过以上似然函数的估计来划分图像概率密度；水平集模型用于获得边缘轮廓信息，防止肿瘤边界泄漏。

所述步骤(5)中，肿瘤区域的密度分布采用有限高斯混合模型估计，具体的表达式为：

其中，Ω_T为肿瘤区域，p(X)为肿瘤区域像素的概率，μ_T为高斯函数均值，σ_T为标准差，u₀(x)为患者CT图像；

背景区域密度分布采用高斯混合模型估计，具体的表达式为：