基于分段B样条形变配准方法的头颈部伪CT生成研究

目的:探讨分段B样条形变配准方法在头颈部伪CT(sCT)生成中的应用,以及对sCT生成精度的影响。方法:收集已经进行调强放射治疗的鼻咽癌患者45例,每例计划均包括头颈部T1加权核磁共振成像(MRI)和CT图像。使用3D Slicer软件对MRI和CT图像分别进行分段B样条形变配准、整体B样条形变配准、分段刚性配准和整体刚性配准4种方法配准,比较配准后的MRI图像和真实CT图像的Dice相似性系数(DSC)值。随机选取其中的30例患者作为训练集,15例患者为测试集,将配准后的MRI和CT图像通过pix2pix网络进行模型训练生成sCT,对生成的sCT和真实CT进行平均绝对误差(MAE)、结构相似性系数(SSIM)和峰值信噪比(PSNR)值的比较,分析通过阈值法分割为不同组织(骨头、软组织、空气和脂肪)的MAE值。结果:配准后的MRI和真实CT图像比较,分段B样条形变配准方法的DSC值最优;使用4种配准方法生成的sCT和真实CT图像进行MAE、SSIM和PSNR值比较,分段配准方法比整体配准方法好,B样条形变配准方法比刚性配准方法好。分段B样条形变配准方法的MAE值为(74.783±9.869)HU,SSIM值为0.839±0.032,PSNR值为(28.859±0.957)dB,均比其余几种配准方法好。分段B样条形变配准方法在骨头、软组织和脂肪区域的MAE值较好,但是在空气区域的MAE值较刚性配准方法稍差。结论:分段B样条形变配准方法在头颈部sCT生成精度优于整体和刚性配准方法,该方法可以改善头颈部图像的配准精度,从而改善sCT的生成精度。

基于B样条的快速弹性图像配准方法

论文提出了一种基于B样条的医学图像快速弹性配准方法。该方法在原有方法的基础上引入“分块计算,部分更新”的策略来提高运行速度。实验结果表明,论文方法与原有方法相比,配准效果相似,但配准速度却显著提高,因此是一种实用的弹性配准方法。

基于粘滞流体B样条模型的快速非刚体配准方法

基于粘滞流体模型的非刚体配准算法是一种适合个体差异较大配准场合的方法。其关键步骤为求解偏微分运动方程组,但原始算法中采用直接离散结合同步超松弛(SOR)的方法相当耗时。为了缩短求解时间,提出一种基于粘滞流体B样条模型的快速方法。首先利用B样条对速度场进行建模,将方程组未知量转为B样条系数,减小计算负担;接着利用B样条的一些重要性质,推导出基于快速傅里叶变换(FFT)的B样条系数求解方法,进一步加快求解速度。实验结果表明,新算法在保持原始算法相同配准精度的同时,具有很快的计算速度。

基于B样条和L-M优化方法的快速弹性配准

提出了一种快速医学图像弹性配准计算方法。该方法应用B样条变形模型,由于三次B样条函数具有连续二阶微分的特性并且可以单独计算,该方法采用了基于B样条卷积核的卷积计算方法,提高了计算速度。同时该方法应用Levenberg-Marquardt优化方法计算控制系数,此优化方法充分应用关于控制系数的Hessian矩阵,使形变更为平滑。使用卷积计算及Levenberg-Mar-quardt优化方法不仅有很高的计算速度,也有很强的配准鲁棒性。为了得到平滑稳定的偏移量,该方法应用先验知识对代价函数进行了修正,从而对偏移量进行约束。

基于B样条的弹性配准在放疗CT图像间配准的应用

目的:应用B样条弹性模型研究肿瘤患者放疗前CT图像与放疗后CT图像之间的弹性配准。方法:利用B样条自由弹性模型(free-form deformations,FFD),以灰度差平方和(Sum of Squared Differences,SSD)为相似性测度函数,通过基于多分辨率的B样条弹性配准方法对同一患者放疗前与放疗后的CT图像进行配准。结果:图像通过高斯滤波处理,应用B样条弹性模型,得到较为理想的弹性配准实验结果。结论:基于B样条的CT与CT图像弹性配准可以较好地建模放疗前与放疗后肿瘤区域的形变,为临床分析肿瘤的变化提供支持。

基于B样条的弹性配准在放疗CBCT与CT图像配准中的应用研究

目的:应用B样条弹性模型研究肿瘤患者放疗中锥形束CT图像与CT图像之间的弹性配准。方法:利用B样条自由弹性模型,以灰度差平方和为相似性测度函数,通过基于多分辨率的B样条弹性配准方法对锥形束CT图像与CT图像进行配准。结果:通过处理后的锥形束CT与CT图像虽然成像算法不同,但都得到较为理想的弹性配准实验结果。结论:基于B样条锥形束CT与CT图像弹性配准能较好地建模放疗前与放疗期间肿瘤区域的形变,为临床分析肿瘤的变化提供支持。

基于B样条的医学图像弹性配准

为解决医学图像上的形变和偏移,本研究采用基于B样条自由形变的配准方法。建立一个由控制点组成的网格,并将其套用在待配准图像上,得到初始控制网格参数。以梯度下降法为优化算法,以SSD测度为相似性测度,不断修正该参数,参数的改变将引起控制点最近邻4×4控制网格内所有的像素点发生移动,移动后的坐标位置由B样条拟合得到。以双线性插值为插值算法,计算出该位置的灰度值,该位置相对于配准后图像,等同于像素点移动前的位置映射到参考图像相对应的位置,当配准后图像与参考图像对应位置的灰度差异度达到最小时,就达到图像的最佳配准。实验结果表明,该算法配准结果满意,从而验证了本研究算法的有效性。

混合谱梯度方法及其在医学图像弹性配准中的应用

大规模优化问题一直是理论研究领域的研究重点,求解无约束最优化问题的混合谱梯度方法将多元谱梯度方法和谱梯度方法有效地结合在一起,综合了二者的优势,引入非单调线搜索后,形成了全局收敛的混合谱梯度算法,并用于医学图像弹性配准B样条参数模型的求解。医学图像弹性配准是医学图像处理研究的热点和难点,其中的参数模型往往转化为无约束优化问题的求解,当参数数目较大时传统的方法求解费时,而混合谱梯度算法较多地利用梯度信息,避免了梯度计算的浪费,与层次B样条结合可以极大地提高参数配准的优化速度和精度,算法中的非单调线搜索还有助于避免局部最优。

功能磁共振时间序列图像快速配准方法研究

提出了一种非迭代分别检测时间序列图像间旋转、平移运动的方法 .该方法基于傅立叶频谱的相位相关特性 ,解决了迭代配准算法中的旋转与平移耦合问题 .通过精心选择参考图像 ,采用基于递归数字滤波的三次B样条插值方法 ,实现了功能磁共振序列图像的快速配准 。

混合样条大尺度医学图像弹性配准算法研究

针对大尺度形变医学图像配准速度慢和精度低的特点,提出一种结合薄板样条(TPS)和B样条的弹性配准方法。该方法采用尺度不变特征变换算法(SIFT)进行图像特征提取与匹配,利用TPS算法将特征点对作为输入进行预处理,以降低浮动图像的形变尺度,从而提高下一步B样条配准的速度与精度。然后使用局部区域细化层次B样条方法将TPS生成的较稀疏的形变网格作为初始网格,结合有限记忆优化算法(L-BFGS)对控制网格作进一步处理,此过程只对形变较大的局部区域进行细化,以实现与参考图像的快速精确配准。实验结果表明,该方法较层次B样条方法有效地提高了配准的速度和精度。

利用局部区域约束的医学图像弹性配准

根据人体不同器官具有不同的弹性这一特点构造了一种基于局部区域约束的图像配准算法。首先抽取骨骼边缘上的点作为标志点,利用软对应匹配算法计算出每一个骨骼与其对应骨骼的刚性变换;然后通过薄板样条插值得出整幅图像的变形场;由于同一器官的位移大小相近,将这一区域的均值作为区域内每一点的位移量;将更新后的初始位移场代入到基于B样条的自由形变模型中,得到新的位移场;以Bhattacharyya距离为目标函数,一直迭代下去直到目标函数值达到最优。通过对临床数据的实验表明该方法能够满足临床医生的要求。

胸部多模医学图像快速配准

为了实现胸部多模态医学图像的自动配准,提出了一种基于层次B样条自适应自由变形的快速配准方法。首先采用C-V水平集方法实现感兴趣区域的提取,并基于并行计算实现自动配对特征点;接着,采用矩主轴法对多模医学图像进行全局粗配准;最后,基于层次B样条自适应自由变形法对多模态医学图像进行自动细配准,并且采用梯度下降法以及最大信息熵准则加速求自由变形系数。实验证明该方法不仅效率高,而且配准效果好。

基于SIFT特征的肺部非刚性配准应用研究

随着肺癌发病率的增高和影像技术的进步,越来越多的微小肺癌(尤其是肺部磨玻璃结节)得以检出,对于此类病变首先考虑手术治疗。但肺是含气组织,在术中会发生萎陷。巨大的体积变化导致肺内结节也随之发生位移,术前CT确定的位置在术中无法定位。针对这一问题,在术中肺萎陷动物模型基础上,提出了一种融合3D-SIFT特征的B样条配准方法。该方法首先提取局部特征,筛选并匹配较好的特征点;然后依据浮动图像与参考图像匹配的特征点,得到浮动图像的初始位置;最后利用控制网格对浮动图像进行配准。经初步研究,对于不同萎陷状态的肺部图像,应用此方法得到了很好的配准结果。因此,融合3D-SIFT特征的B样条配准方法适合肺部图像配准,将来有望应用于微小肺癌的术中定位。

不同形变配准对头颈部CT图像的剂量评估研究

形变图像配准(deformable image registration,DIR)是自适应放射治疗(adaptive radiotherapy,ART)中轮廓推衍和剂量累积的关键过程。本研究比较3种不同形变配准算法在自适应放疗过程中轮廓推衍和剂量累积的变化。选择头颈部癌症患者的放疗影像数据图像进行这项研究,刚性配准后采用B样条弹性配准和LCC-Demons配准算法,其中B样条弹性算法研究了两种优化指标:归一化互相关、归一化互相关结合弯曲能量惩罚(bending energy penalty,BEP)正则化。剂量评估采用剂量参数D_(95)、D_(min)、D_(mean)、D_(max)和均匀性指数(homogeneity index,HI)来评价累积剂量与初始剂量的差异。几何评估使用Dice相似性系数(Dice similarity coefficient,DSC)和Hausdorff距离(Hausdorff distance,HD)来评价体积之间的重叠度。经过实验,几何评估所得的PTV(planning target volume)靶区、左腮腺、右腮腺Dice系数在B样条弹性配准的两种优化算法和LCC-Demons算法中分别为:0.82±0.07、0.83±0.07、0.86±0.08,其中在LCC-Demons算法下得到的Dice系数达到了最大值0.91,所得的Hausdorff距离均在1—3mm之间,DSC重叠度结果与表明偏差距离均在临床可接受的范围内。对于剂量评估,相应的HI值分别为:1.089、1.082、1.081,LCC-Demons同样达到了最小值1.081,本实验中LCC-Demons在轮廓推衍和剂量映射中均取得了较好的效果,同时也为临床环境下对配准质量的评估提供了一定的借鉴。