[发明专利]基于卡尔曼滤波和4D CT图像配准的肺部呼吸运动估计方法

说明书

本发明属于医学图像处理领域，具体为一种基于卡尔曼滤波和4D CT图像配准的肺部呼吸运动估计方法，其包括以下步骤：(1)在肺部4D CT图像序列中，选取初始最大吸气相位作为参考相位并初始化参考相位的肺部运动状态；(2)将前一相位的最优运动状态估计作为基于高阶马尔可夫配准方法先验值，分别利用isoPTV和基于高阶马尔可夫随机场两种配准方法对当前相位图像与参考图像进行配准，并利用配准结果分别求取卡尔曼滤波算法的观测向量与预测向量；(3)根据观测向量与预测向量逆向求取的观测矩阵与预测矩阵获得当前相位最优运动状态。本发明能有效地避免依赖外部指标的间接测量方式对肺部带来的侵入性损伤，具有较高的估计精度与稳定性。

技术领域

本发明属于图像处理领域，具体涉及一种基于卡尔曼滤波和4D CT图像配准的肺部呼吸运动估计方。

背景技术

精准的肺部呼吸运动模型在临床诊断、制定治疗计划和图像引导放疗等方面有着巨大的应用潜力。目前，大多数肺部呼吸运动估计方法主要通过对肺部感兴趣区域植入标记物从而间接地测量肺部呼吸运动状态。在这种情况下，标记物的植入会对肺部带来侵入性损伤，并且测量的运动状态不适用于整个肺部区域。此外，一些方法会使用4D CT等成像技术对肺部呼吸运动进行建模，但在图像采集过程中，受人体呼吸运动以及心脏跳动的影响会造成图像伪影，无法实现实时的高精度肺部呼吸运动估计。

发明内容

针对上述肺部呼吸运动建模中存在的问题，本发明提出了一种基于卡尔曼滤波和4D CT图像配准的肺部呼吸运动估计方法。

本发明的技术方案为：首先，在肺部4D CT图像序列中选取初始最大吸气相位作为参考相位并初始化参考相位的运动状态；然后，将前一相位估计的最优运动状态作为基于高阶马尔可夫配准方法先验值，分别利用isoPTV配准方法与基于高阶马尔可夫随机场(High-Order MRF based Image Registration Method,HOMRF)配准方法对当前相位图像与参考图像进行配准，并将配准结果分别作为卡尔曼滤波算法的观测向量与预测向量；随后，根据观测向量与预测向量反向求取卡尔曼滤波算法中的观测矩阵与预测矩阵；最后，利用卡尔曼滤波算法获得当前相位最优运动状态。

本发明的有益效果在于：在对呼吸运动进行建模时无需对肺部植入标记物，能有效地避免依赖外部指标的间接测量方式对肺部带来的侵入性损伤；此外，将卡尔曼滤波算法与4D CT图像配准技术相结合，可以充分利用卡尔曼滤波算法的快速收敛特性以及4D CT图像配准方法具有较高配准精度的特点，从而实现实时的高精度肺部呼吸运动估计。

附图说明

图1是本发明方法的流程图。

具体实施方式

下面结合附图及具体实施例对本发明作进一步详细的说明。本发明实现基于卡尔曼滤波与4D CT图像配准的肺部呼吸运动估计方法主要包括以下步骤：

步骤1：在肺部4D CT图像序列{I_t}_{t∈{0,1,...,T}}中，选取初始最大吸气相位对应的图像作为参考图像I_R∈{I_t}_{t∈{0,1,...,T}}。与此同时，根据参考图像中每个像素点p的空间位置x_p，将参考相位的肺部运动状态X₀初始化为X₀＝{x_p}。据此，对于任意t∈{0,1,...,T}相位，肺部的呼吸运动状态可以表示为：X_t＝X₀+D_t,0，其中，D_t,0表示参考图像I_R与t相位对应的浮动图像I_M∈{I_t}_{t∈{0,1,...,T}}之间的最优位移场。