[发明专利]一种基于四维体表呼吸信号的非接触式四维成像方法和系统

说明书

本发明公开了一种基于四维体表呼吸信号的非接触式四维成像方法和系统，包含：在采集患者图像的过程中，同步采集该患者的光学体表数据；基于采集到的光学体表数据提取呼吸信号；基于呼吸信号中的呼吸相位信息对所述患者图像数据进行分组，重建出四维图像。本发明从光学体表中获取呼吸相位信息，实现非接触式的呼吸相位分组，相对于现有技术，不仅探测数据的维度更高，同时通过四维成像实现对体内解剖结构的动态展示和监测，有利于提高临床诊疗的精度，且无需在患者身上附着接触式装置，适用于更广泛的身体部位、成像模态和临床应用场景。

技术领域

本发明适用但不限于放射治疗、诊断、介入、穿刺等多种应用场景技术领域，尤其涉及一种基于四维体表呼吸信号的非接触式四维成像方法和系统。

背景技术

呼吸运动不仅会导致图像伪影，同时也会降低图像引导诊疗的精确性，如放疗中的剂量投照错误会导致肿瘤控制失败和正常器官损伤，穿刺的进针位置和时间错误会导致病理活检失败或重要器官损伤等。即使在图像扫描过程中通过各种外部约束方法限制了身体的运动幅度，但呼吸运动仍会导致体内脏器的移动和形变。

现有的探测方法主要有：基于压力传感器的方法，如接触式腹压带，需要在患者身上附着额外装置，探测信号为随时间变化的1维数据；基于放置在胸腹部的反光块反射信号探测腹背方向的运动幅度和频率，也是接触式，需要在患者身上附着额外装置，探测信号为随时间变化的1维数据；基于实时投影图像分割解剖学标记，如横膈肌的位置变化，需要每个成像射野/视野都包含横膈肌，对于解剖部位不包含或包含不足够的横膈肌结构，如上胸部成像或螺旋CT等场景，此方法不适用，或需要扩大成像野进而增加不必要的辐射剂量和风险等。现有方法的缺陷是：一维运动信号对复杂的运动模型可能存在过度简化，且接触式装置在使用便利性和系统兼容性等方面存在局限；横膈肌图像分割方法对成像部位和射野的限制较多，且对于呼吸门控放疗的实时引导，该方法可能涉及额外的成像辐射剂量或昂贵复杂的MR等设备集成。

发明内容

本发明的主要目的在于克服上述现有技术的缺陷，提供了一种基于四维体表呼吸信号的非接触式四维成像方法和系统。

本发明提供了一种基于四维体表呼吸信号的非接触式四维成像方法，在采集患者图像的过程中，同步采集该患者的光学体表数据；基于采集到的光学体表数据提取呼吸信号；基于呼吸信号中的呼吸相位信息对所述患者图像数据进行分组，重建出四维图像。

更优的，所述光学体表数据采用能够获取包括但不限于平面及深度的三维坐标信息，有些还可以包括颜色信息或者反射强度信息的装置采集。

更优的，以所述图像的某一个时相为图像的基准时相，将所有光学体表数据与图像的基准时相进行配准，依次计算配准后的形变与基准时相的位移，得到位移矩阵，对位移矩阵进行降维处理并选出贡献最大的分量，例如使用主成分分析、因子分析、独立分量分析等降维方法，得到光学体表呼吸信号。

更优的，在获取患者的图像后，将图像数据进行分割，并保存分割体表的表面信息，在分割体表上选取感兴趣区域得到分割体表数据；将光学体表数据与分割体表数据进行配准。

更优的，根据治疗之前收集的图像数据和呼吸信号作为训练集，采用深度学习技术改善直接分组重建的图像质量，深度学习技术包括深度神经网络，或递归神经网络，或卷积神经网络，或生成式对抗网络等。

更优的，采用一种多通道神经网络，一次性输入该患者多个相邻时相作为先验数据，去学习相邻时相之间的运动关联，得到分时相训练模型，采用分时相训练模型，提升图像质量。

更优的，得到提升质量后的图像，将其用于获取位移矢量场重建，具体的，将N组图像中的某一组时相作为参考时相，将参考时相图像依次配准给其他N-1组时相，得到N-1位移矢量场，N为大于1的整数。