[发明专利]一种复合式自动放疗计划的方法

权利要求书

1.一种图像勾画方法，其特征在于，包括：

步骤1、读取病人影像和病史资料，所述资料包括图像信息和文本信息；

步骤2、基于步骤1读取的资料，判断是否为治疗过的病人；若为治疗过的病人，则从图像资料库中提取距离本次治疗最近一次的图像组及勾画图像；若为新进病人，则根据新进病人的图像信息提取图像特征，建立图像ID，并基于图像ID从图像资料库中提取与新进病人最相似的图像组及勾画图像；

步骤3、基于步骤2的判断结果，提取需要的图像组以及勾画图像，作为配准模板；

步骤4、基于临床的需求，选择至少一种配准运算对步骤1中的病人图像信息及步骤3中提取的图像组进行配准，所述配准运算包括快速配准和精准配准；

步骤5、经由配准运算完成后，输出配准结果；

步骤6、将步骤3提取的勾画图像与步骤5的配准结果进行迭加，得到勾画结果；

在步骤4中，基于临床需求有两种配准运算，一种是快速配准，一种是精确配准，执行前至少选定一种运算方案，包括如下步骤：

步骤4.1、分别计算待治疗病人以及选定的配准图像组的图像灰度值；

步骤4.2、分别对上述图像作特征提取，所述特征提取的方法包括：边缘点提取方法、角点提取算法和兴趣算子；

a、所述边缘点提取方法包括LOG算子、Canny算子、Gabor算子和基于小波变换的算法；

b、所述角点提取算法包括SUSAN角点提取和基于角度判别的角点检测；

c、所述兴趣算子包括Moravec算子、Hannah算子和Forstner算子；

在步骤4.2中，至少将提取一到三种作为预处理的图像特征值；

步骤4.3、通过形变配准算法快速计算形变矢量场，并基于有限元模型计算每个体元的受力情况，分析形变矢量场的误差，自动检查配准图像组与放疗计划中的图像形变配准的精确度；所述形变配准算法为Demons算法以及Dramms算法；其中：

Demons算法是一种基于光流理论的配准方法，该理论的假设前提是图像在运动的过程中灰度保持不变；

f(x(t),y(t),t)＝const (1)

m＝f(x(t₀),y(t₀),t₀) (2)

f＝f(x(t₁),y(t₁),t₁) (3)

在初始时刻t₀，图像灰度函数f(x(t),y(t),t)等于m，即浮动图像的灰度为m，经过一段时间的扩散后到达t₁时刻后，图像灰度函数被完全变形为f，即参考图像的灰度为f；图像配准的过程就是要得到一个能驱动m中各个像素点向f中对应像素点移动的向量场，为了得出驱动力，将式(1)两边同时取偏微分得到：

将式(4)化简为：

其中为从浮动图像向参考图像变化的速度场；为f(x(t),y(t),t)函数的梯度向量；

对公式(5)进一步化简得到：

由于灰度函数f(x(t),y(t),t)＝const，所以取为参考图像的梯度由上述公式可以看出参考图像的梯度是驱动“Demons”的内力，而两图像对应像素点灰度差是“Demons”的外力；

为了减少了误配准率，对公式(6)进一步调整为：

上式中，K²为归一化系数，由可知，通过选择K的值可以自适应的控制扩散速度的大小；形变向量u的上限为K，由公式可以看出K的值越小，允许的形变度越小，则收敛速度越慢，但配准的精度较高，可以根据实际的要求调整归一化因子的大小；J表示驱动形变的内力，公式(7)的完整表达式为：

DRAMMS算法是一种结合传统基于每个像素的运算方式以及标定记号或特征提取的方式所发出来的精准配准算法，此算法可分为两个部分:首先，使用特征匹配的方式，结合Gabor算子，增加像素匹配的准确度，适用于任何一种医学图像；之后，随着两图像间共同显着的特征或关联性，将被指派高的权重，计算出共同显着权重，产生出相对应的共同显着权重地图，两图像配准运算基于此动态的地图来完成；

公式(9)中，目标图像为Ω₁，模板图像为Ω₂，DRAMMS是为了寻找一个最佳的转换函数T，建立u∈Ω₁所有立体像素与T(u)∈Ω₂的相关性地图，ms(u,T(u))是建立共同显着权重运算式，是特征匹配的运算式，u图像中的任一点像素，d是图像维度，是映射出每一个像素点几何与解剖位置最佳的特征向量，本发明应用最佳的转换函数T，使每一点u经由T函数转换后，每一对具有转换关系的图像值之间，不相似值是最小的，即u∈Ω₁转换到T(u)∈Ω₂，最小化R(T)是配准后平滑化处理的运算，λ为控制平滑化结果的控制参数，E(T)为成本函数；

步骤4.4、根据形变矢量场结果调整病人图像，直至图像解剖结构一致；

步骤4.5、将调整后的图像与配准图像组比对，通过灰度均方差或归一化互相关或互信息判断是否达到目标相似度；若是,则完成配准；若否,则回到步骤4.3中再次运算；

在步骤6中，结合步骤4.3中得到的所述形变矢量场，将步骤3提取出来的勾画图像与步骤5的配准结果迭加，得到危及器官的勾画轮廓。