基于图像结构转换和demons配准的无标记BEV肿瘤跟踪算法

目的提出可应用于图像质量差、多叶准直器(MLC)遮挡和非刚性变形的兆伏级图像的无标记射束方向观(BEV)肿瘤放疗跟踪算法。方法采用窗口模板匹配、图像结构转换和demons非刚性配准方法,解决兆伏级图像中的配准问题。在模体中生成质量保证(QA)计划并在加速器上手动设置治疗偏移后执行,收集治疗过程中的682幅电子射野影像装置(EPID)图像作为固定图像;同时采集计划系统中对应射野角度的数字重建影像(DRR)图作为浮动图像,验证算法的准确性。此外收集21例肺部肿瘤治疗患者的共533对图像进行肿瘤跟踪研究,提供治疗过程中肿瘤位置变化定量结果。图像相似度用于跟踪结果的第三方验证。结果算法可应对不同程度(10%~80%)的图像缺失,模体验证中86.8%的跟踪误差在3 mm以下,80%在2 mm以下。配准前后归一化互信息(NMI)变化为(1.182±0.026)~(1.202±0.027)(P<0.005),豪斯多夫距离(HD)变化为(57.767±6.474)~(56.664±6.733)(P<0.005)。病例结果以平移为主(-6.0~6.2 mm),但非刚性形变仍存在。配准前后NMI变化为(1.216±0.031)~(1.225±0.031)(P<0.005),HD变化为(46.384±7.698)~(45.691±8.089)(P<0.005)。结论本文算法可应对不同程度图像缺失,且在数据缺失图像的非刚性配准中表现较好,适用于不同放疗技术,为多模态、部分数据及图像质量较差的兆伏级图像处理提供了参考思路。

基于体表运动监测预测肺部肿瘤靶区运动可行性研究

目的研究通过在线光学体表监测预测肺癌靶区位置运动的可行性。方法选取16个肺癌病例立体定向体部放疗(SBRT)计划中不同方式获取的CT图像进行实验模拟,以计划CT及原始靶区位置作为基准参考,以四维CT中10个时相的CT和每次锥形线束CT(CBCT)为浮动对象,在其上勾画浮动靶区位置。采用双目视觉表面成像法获取基准和浮动图像体表点云数据,并通过主成分分析提取点云特征信息进行比较。使用随机森林算法对特征信息差和对应靶区位置差拟合,构建靶区位置在线预测模型。结果左右、头脚、腹背方向,选取的主成分方差解释度分别为99.76%、99.25%、99.58%,模型对靶区位置的预测均方根误差(RMSE)为0.0447、0.0837、0.0616 mm。结论基于体表光学数据在线预测肺部靶区实时位置具有可行性,可为临床放疗中靶区位置在线监测验证和剂量评估提供参考。

基于VoxelMorph无监督缺失图像配准的无标记射束方向观肿瘤跟踪算法

目的基于机器学习提出可应用于低图像质量、多叶准直器(MLC)遮挡和非刚性变形兆伏级(MV)图像的无标记射束方向观(BEV)肿瘤放疗跟踪算法。方法采用窗口模板匹配法和Voxelmorph端到端无监督网络,处理MV图像中的配准问题。使用动态胸部模体,验证肿瘤跟踪算法的准确性。将模体质量保证(QA)计划在加速器上手动设置治疗偏移后执行,收集治疗过程中的682幅电子射野影像系统(EPID)图像作为固定图像;同时采集计划系统中对应射野角度的数字影像重建(DRR)图作为浮动图像,进行靶区跟踪研究。收集21例肺部肿瘤放疗的533对EPID和DRR图像进行肿瘤跟踪研究,提供治疗过程中肿瘤位置变化定量结果。图像相似度用于算法的第三方验证。结果算法可应对不同程度(10%~80%)的图像缺失,且对数据缺失图像的非刚性配准表现较好。模体验证中86.8%的跟踪误差<3 mm,<2 mm的比例约80%作用。配准后标准化互信息(NMI)由1.18±0.02提高到1.20±0.02(t=-6.78,P=0.001)。临床病例肿瘤运动以平移为主,平均位移3.78 mm,最大位移可达7.46 mm。配准结果显示存在非刚性形变,配准后NMI由1.21±0.03增至到1.22±0.03(t=-2.91,P=0.001)。结论肿瘤跟踪算法跟踪精度可靠且鲁棒性好,可用于无创、实时、无额外设备和辐射剂量的肿瘤跟踪。