催眠在放疗术中的应用

肺癌放疗期间位置的不确定会影响治疗效果。为了有效地控制肺癌放疗中的呼吸运动,催眠作为一种全 新的控制方法被引入肺癌治疗中。为了验证所提出的方法,选择 6 名志愿者在专业催眠师的指导下进行试验。所 有实验均在相同的环境条件下重复,且分别记录正常状态和催眠状态下呼吸的幅度。呼吸均值和均方根(RMS)结 果表明,催眠状态下的平均值和有效值分别为 56.6% 和 64.4%,低于正常状态。其中,催眠状态下的均值和均方根 的呼吸幅度分别为 16.2 mm、8.6 mm,而正常状态下时分别为 37.4 mm、23.9 mm。此外,稳定峰和相邻波的相似 性结果表明,催眠状态下不同周期之间的 γ 指数通过率为 16.4％,高于正常状态。文章实验结果表明,催眠作为一 种干预的、可替代的呼吸控制方式,可有效地减少呼吸幅度和增加呼吸周期的稳定性。该方法有望在图像引导放 射治疗中得到应用。     

基于肺部不连续运动的全变差正则化动态配准研究

胸部放射治疗计划的一个先决条件就是精确建模胸部器官的呼吸运动。虽然4D成像技术的出现使得呼吸过程中肺部能够可视化,但获得不同呼吸阶段体素的精确对应依然是一个充满挑战的难题。本文主要研究肺部放射治疗中的弹性配准问题,采用基于全变差(Total Variation,TV)正则化的快速自由形变(Fast Free-form Deformable,FFD)模型弹性配准方法处理胸部器官运动的不连续性。我们将配准问题建模为求解一个包含图像相似性测度与光滑性测度的能量泛函的最小值,通过变分法,将该能量泛函极小化问题转化为求解对应的Euler-Largange偏微分方程,利用有限差分法、三线性插值、牛顿迭代法,迭代求解出偏移场。我们在胸部二维CT影像、肺部三维CT影像、腹部三维MRI影像上对所提算法进行了验证,结果表明该算法在处理器官不连续性运动的配准方面比传统的最小二乘化优化算法以及基于2范数正则化的算法更具有优越性。该算法结合了TV norm保持图像边缘的能力以及FFD自由度高这两个优点,精度高、速度快、且全自动。随着现代4D放射治疗的影响日益增大,该方法能够在以后的临床中发挥作用。     

一种改进的3D血管增强算法

Sato的滤波器可以有效地滤除3D数据中的面状结构和球状结构,但是对于背景信息滤除效果不佳。基于Sato的血管增强原理,提出了一种改进算法。新算法将背景像素的Hessian矩阵特征值也考虑到滤波器的设计中,增强了滤波器滤除背景像素的功能。基于临床颈动脉的CTA数据和脑部血管MRA数据,做了实验分析。实验结果表明,在保留原算法优点的情况下,背景内容被大幅度移除,图像对比度得到进一步提高,血管结构更加清晰可辨。     

催眠在放疗术中的应用

肺癌放疗期间位置的不确定会影响治疗效果。为了有效地控制肺癌放疗中的呼吸运动,催眠作为一种全新的控制方法被引入肺癌治疗中。为了验证所提出的方法,选择6名志愿者在专业催眠师的指导下进行试验。所有实验均在相同的环境条件下重复,且分别记录正常状态和催眠状态下呼吸的幅度。呼吸均值和均方根(RMS)结果表明,催眠状态下的平均值和有效值分别为56.6%和64.4%,低于正常状态。其中,催眠状态下的均值和均方根的呼吸幅度分别为16.2 mm、8.6 mm,而正常状态下时分别为37.4 mm、23.9 mm。此外,稳定峰和相邻波的相似性结果表明,催眠状态下不同周期之间的γ指数通过率为16.4%,高于正常状态。文章实验结果表明,催眠作为一种干预的、可替代的呼吸控制方式,可有效地减少呼吸幅度和增加呼吸周期的稳定性。该方法有望在图像引导放射治疗中得到应用。     

基于肺部组织特征的图像弹性配准研究

图像配准是一种建立两幅图像空间对应关系的过程,它被广泛应用于计算机视觉、遥感数据分析及图像处理中,特别是在影像引导放射治疗领域,图像配准发挥着巨大作用。但由于受呼吸运动的影响,精确的肺部影像配准依然是一个充满挑战的难题。目前,尺度不变特征变换(Scale-Invariant Feature Transform,SIFT)已被用于医学图像配准中,并且取得了较理想的结果。然而,SIFT检测到的仅是图像的块特征,不能有效的反映肺部的运动。文章提出了一种基于Harris和SIFT算子的杂交型特征检测方法,这种方法能有效检测肺部的组织特征,如血管分叉点和肺部边界等。除此之外,为了有效去除特征匹配过程中产生的错配点,还提出了一种基于互相关和组织结构不变性的滤除错配点方法。文章最后采用一系列不同呼吸周期的肺部CT影像来对所提出的算法进行验证。定性和定量的结果表明,该算法较传统的SIFT算法更具优越性。     

基于Markov随机场的脑部三维磁共振血管造影数据的分割

文章提出了脑部核磁共振血管造影(Magnetic Resonance Angiography,MRA)的全自动分割方法,该方法有效增强了现有的基于Markov随机场(Markov Random Field,MRF)的分割技术。现有的三维Markov分割模型通常面临的挑战是:(1)低级MRF模型参数初始化不够准确;(2)普通的MRF邻域系统无法探测精细的血管结构。针对这两类问题,分别提出了基于多尺度滤波响应阈值分析和多模式邻域系统进行解决,使得MRF模型的血管分辨率提高到2个体素的细小血管。实验中,低级模型参数的精确估计采用了最大期望算法,高阶MRF参数的估计采用最大伪似然估计方法;通过三维仿真数据和实际脑部MRA数据进行验证,分割结果显示了较小的全局误差。     

基于多尺度带限的自适应直方图均衡和数学形态学的医学X射线图像对比度增强算法

医学X射线图像是临床上应用最广泛的影像之一。由于需要采用低剂量的X射线进行成像,而X射线图像存在一个本质的缺陷,就是低对比度。所以,在临床应用中,往往需要对图像对比度进行增强处理。根据X射线图像特性,文章提出了基于多尺度带限的自适应直方图均衡和数学形态学的X射线图像对比度增强算法。首先,采用拉普拉斯高斯金字塔变换把图像分解成高频和低频的不同尺度子波段图像;然后对每塔层高频子图像应用对比度带限的自适应直方图均衡进行处理,相应的各塔层低通子图像使用数学形态学进行增强处理;最后,各塔层经过增强处理的高频和低频系数,通过拉普拉斯高斯金字塔的逆变换重构出对比度增强的图像。增强图像再经全局非线性算子进行对比度的增益调整,获得自然的视觉效果。实验结果表明该算法有效地增强了医学X射线图像的对比度,并通过图像对比度评价标准和对比度改进索引度量算法来分析及对比了算法的性能。