基于感兴趣窄带区域的同步分割与配准方法及在IGRT中的应用

医学图像分割与配准是图像引导放疗(Image guided radiation therapy, IGRT)系统中的关键技术. 为提高基于CBCT (Cone beam CT)的IGRT系统实施胸腹部肿瘤放疗的实时性与自适应性, 特别是实现重要危及器官肝脏区域照射剂量的合理控制, 本文提出一种基于感兴趣窄带区域的同步分割与配准方法, 目标是实现放疗计划系统中计划CT和CBCT图像目标区域的分割与配准. 通过构建感兴趣窄带模型, 并且与活动轮廓模型相结合实现初始分割, 然后与基于光流场(Optical flow field, OFF)的形变配准方法进行循环迭代, 从而构造ASOR分割与配准同步模型(Active contour segmentation and optical flow registration synchronously, ASOR). 在方法实施时, 首先利用非线性扩散模型和窄带活动轮廓模型在CT图像中提取肝脏空间初始位置信息, 为同步模型提供合理的肝脏初始轮廓. 然后将该轮廓及相应窄带区域经仿射变换映射到CBCT图像, 进而结合构造的ASOR同步模型, 用光流场确定活动轮廓水平集的运动情况, 使分割与配准在同一个演化过程中完成迭代. 实验结果和临床应用表明, 本文提出的方法应用于基于CBCT的IGRT系统时, 可实现肝脏组织的自动分割与放疗剂量分布的快速计算. 同时, 我们将同步过程中获得的形变域用于实现肝脏与肿瘤靶区等剂量线从计划CT到CBCT的自适应转移, 进行自适应放疗效果的临床测评.     

三维医学图像配准在图像引导放疗中的应用

为了确定病人的摆位误差,实现精确放疗,提出一种改进的Demons弹性配准算法。采用FDK算法对锥形束CT(CBCT)图像进行三维重建,利用可视化工具包 (VTK)体绘制法可视化重建结果;在分割与配准工具包 (ITK)基础上实现Demons算法,并基于对称梯度的思想,将参考图像和浮动图像的梯度场信息加入到Demons算法中,给出新的Demons形变力公式。分别使用单模态和多模态医学图像进行配准实验,结果显示改进的Demons算法与原始Demons算法相比,配准速度更快、精度更高。基于对称梯度的Demons算法更适用于图像引导放射治疗中CBCT重建图像与CT计划图像间的配准。     

基于改进尺度不变特征的图像局域几何配准研究

针对图像配准容易产生误配准、漏配准的问题,提出了基于改进尺度不变特征的图像局域几何配准。该方法改进了尺度不变特征,通过构建边缘尺度空间设计了尺度不变边缘特征变换,融合了尺度不变特征点和尺度不变边缘。以尺度不变特征为基础,搜寻图像间的局域图像变换,实现图像局域几何配准。实验表明,SIFT特征点和边缘信息互补能够提供更多的配准信息并减少错误配准;该方法对尺度、噪声、形变、光照等不敏感,能够配准移动目标,真实地反映图像的配准状况。     

基于边缘保护多尺度空间的医学图像配准方法

从尺度空间滤波的角度分析传统多分辨率配准方法存在局限性的原因。为提高配准的精度和速度,更好地避免局部极值,提出基于边缘保护多尺度空间配准的方法。这种多尺度空间基于非线性扩散模型,可以为基于互信息的配准提供丰富的空间位置信息。同时为实现全自动配准,提出自动获取非线性扩散模型中平滑参数λ的方法。实验结果表明,文中方法用于三维医学图像配准时,优于传统的多分辨率配准方法,配准结果获得更高的精度,需要较少的迭代次数,并且在传统方法发生误配时,文中方法仍可准确配准,具有较好的鲁棒性。     

基于模型的医学图像形变配准在图像引导放疗中的应用研究进展

为了使人们对基于模型的形变配准在图像引导放疗中的应用状况有个概略了解,在对目前有关基于模型的形变配准方法在图像引导放疗中的应用研究进行调研的基础上,根据形变配准的形变模型和特征空间的选取、相似性度量标准的选取、空间优化等3个主要步骤,以及形变配准方法验证4个方面,对有关基于模型的形变配准方法的文献进行了扼要的分类统计。统计结果表明：目前的形变配准方法在图像引导放疗中的应用研究方向正趋向于在保证形变配准方法的精度与准确度的基础上,通过多分辨率、不同尺度等级、并行计算以及不同优化算法结合等方法来缩短配准时间方面,以满足临床应用的要求。     

基于边缘最优映射的红外和可见光图像自动配准算法

针对同一场景的红外和可见光图像间一致特征难以提取和匹配的难题, 提出了一种在多尺度空间中基于边缘最优映射的自动配准算法. 在由粗至细的尺度空间中, 算法分别采用仿射模型和投影模型作为参考图像和待配准图像间的空间变换模型. 在每个尺度层上, 首先基于相位一致性方法提取两幅图像的边缘结构, 并在相应的空间变换模型下将在待配准图像中提取的二值边缘映射到参考图像的边缘强度图上; 接着采用并行遗传算法寻找一组全局最优的模型参数, 使两幅图像间的结构相似度最大. 在各层的寻优结束之后, 使用Powell算法对全局寻优后的模型参数进行局部精化. 实验结果表明, 该算法能够充分利用图像间的视觉相似结构, 有效地实现红外和可见光图像的自动配准.     

梯度与曲率变形力相结合的图像配准方法——大形变非刚性图像配准

Active Demons算法是Demons算法的改进形式,其将形变配准视作扩散问题,利用牛顿作用力与反作用力思想,仅依靠梯度信息确定浮动图像的位移,在处理大形变配准问题时存在配准精度不高的弊病。将等照度线曲率作为一个控制形变的驱动力因素引入Active Demons扩散方程,建立了一个具有梯度与曲率双重驱动力相结合的非线性扩散模型（Active G&C model）,并在Active G&C模型应用于大形变图像配准的算法实现过程中加入多分辨率策略,以提高大形变图像的配准精度。实验结果表明,这一模型较经典的Active Demons算法具有更好的配准性能。     

联合弯曲能量和标志点对应约束的非刚性医学图像配准

由于缺乏图像几何空间约束,基于互信息的非刚性医学图像配准常常产生不合理的形变。提出一种联合弯曲能量和标志点对应约束的非刚性医学图像配准方法,在互信息配准目标函数中添加弯曲能量惩罚和对应标志点间欧氏距离2个正则项,约束医学图像软组织不合理形变。脑部MRI、头颈部CT、胸部CBCT影像配准实验结果表明,该方法可有效提高配准质量。     

梯度与曲率变形力相结合的图像配准方法

针对Demons算法将形变配准视作扩散问题,仅靠梯度信息确定浮动图像的位移,在梯度非常小时图像形变方向不能确定,会导致错误的配准变换这一弊病,将等照度线曲率作为一个控制形变的驱动力因素引入Demons扩散方程,建立了一个具有梯度与曲率双重驱动力的非线性扩散模型,将其应用于图像配准。实验结果表明,这一模型较经典Demons算法具有更好的配准性能。     

基于非线性尺度空间的图像配准技术

针对尺度不变的二值化角点(BRISK)算法抗噪性能较低,未充分利用图像的边缘的问题,提出了一种基于非线性尺度空间的图像配准技术。该算法在构造尺度空间的时候采用非线性滤波器构造图像非线性尺度空间,同时利用AGAST算法在构建的非线性空间里提取具有显著特征的角点,结合旋转不变性的BRIEF算法构造128位的二值化描述子,采用汉明距离匹配描述子。实验结果表明,该算法能大幅度提高关键点的提取质量,获得了较好特征点重复检测率,增强了特征点鲁棒性以及提高了描述子的匹配率。     

基于自适应自由变形法和梯度下降法的胸部多模医学图像配准*

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法和梯度下降法的配准方法。首先采用GVF Snake与Canny算子实现边缘提取,并自动配对特征点;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。     

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。     

中值滤波与各向异性扩散相结合的医学图像滤波方法

医学图像的滤波处理,须保留具有重要诊断意义的边缘细节信息。针对Perona-Malik(PM)各向异性扩散模型遇到强噪声则失效和扩散门限参数K依靠经验选取的不足,提出了一种改进的各向异性扩散算法。将PM算法与中值滤波结合,用经过中值滤波平滑后的梯度模代替原始图像的梯度模,以控制扩散的过程。应用自适应扩散门限(当前邻域内梯度的绝对偏差中值(MAD))和迭代终止准则,提高算法鲁棒性和效率。实验分别对超声心动图、CT图像和Lena图像进行去噪处理,用峰值信噪比(PSNR)和边缘保持能力EPI作为评价标准。实验结果表明,改进算法优于PM算法和Catte-PM方法,在提高信噪比的同时保留了图像的细节信息,可以更好地满足医学图像的使用要求。     

基于边缘特征的多源高分辨率影像配准

针对多源高分辨率影像之间较大的非线性辐射差异和局部几何变形造成较差配准精度的问题,提出一种基于边缘特征的多源高分辨率影像配准方法。该方法首先通过各向异性扩散滤波构造输入影像的非线性尺度空间,在此基础上计算每一尺度的扩展相位一致性最大矩以获取丰富的边缘特征,并利用基于分块策略的FAST检测器提取稳定的特征点;其次利用多尺度多方向LogGabor滤波生成主方向索引图（Main Orientated Index Map,MOIM）,并结合高斯加权构建一种稳健的特征描述子;最后采用巴氏距离和快速采样一致（Fast Sample Consensus,FSC）方法获取同名点。选择多组多源高分辨率影像进行实验,结果表明：该方法能够有效克服多源高分辨率影像间非线性辐射差异和局部几何变形,配准效果好于其他相关方法,并且平均配准精度优于1个像素。     

Improved Geometric Anisotropic Diffusion Filter for Radiography Image Enhancement

In radiography imaging, contrast, sharpness and noise there are three fundamental factors that determine the image quality. Removing noise while preserving and sharpening image contours is a complicated task particularly for images with low contrast like radiography. This paper proposes a new anisotropic diffusion method for radiography image enhancement. The proposed method is based on the integration of geometric parameters derived from the local pixel intensity distribution in a nonlinear diffusion formulation that can concurrently perform the smoothing and the sharpening operations. The main novelty of the proposed anisotropic diffusion model is the ability to combine in one process noise reduction, edge preserving and sharpening. Experimental results using both synthetic and real welding radiography images prove the efficiency of the proposed method in comparison with other anisotropic diffusion methods.     

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。     

Automating the tracking of lymph nodes in follow-up studies of thoracic CT images

The study of lymph node features over time is of great clinical significance. Tracking of the same lymph node in CT images over time is done manually in the current clinical practice, which is tedious and lack of consistency. In this paper, we propose a search scheme to automate the process. Regions of interest (ROIs) are located by mapping the center point of lymph node based on the transformation found in the rigid registration. Similarity values between ROI of the template image and ROIs of repository images are compared, the highest of which decides the best match. Our method generated a success rate of 82% in determining the corresponding image in follow-up scan with the same lymph node as in baseline. The location of the lymph node in the corresponding image is tracked and estimated by mapping the lymph node center at baseline image using the transformation obtained from both affine and free-form deformation (FFD) registration. FFD performs better than affine registration in tracking the lymph node location. All lymph nodes in our study are tracked successfully by the suggested points which fall within the boundary of the same node in the corresponding follow-up images using FFD registration.     

A new edge detector integrating scale-spectrum information

This paper presents a new scale space-based method to extract edges in gray level images. The method is based on a novel representation of gray-level shape called the scale-spectrum space. The scale space representation is used to describe an image at different scales. In order to obtain the original image edges, an edge detector is applied to each simplified image on the corresponding scale. At best, some form of compromise among the edges at different scale levels may be sought. To overcome this problem, we present a stability criterion to combine edges obtained at different scales. Usual problems in edge detection such as displacement, redundancy and error are analyzed and solved using a realistic estimation of displacement of points across scale space. The proposed approach suppress the finer details without weakening or dislocating the larger scale edges (the usual problems of edge detection using an isotropic diffusion procedure) in an improved manner compared to anisotropic diffusion procedures because a tuning function is not required. The proposed methodology is biologically inspired by the behavior of visual cortex neurones as well as retinal cells.