摘要: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。
关键词: 图像引导放射治疗;图像配准;Demons算法;医学影像;三维重建;对称梯度
中图分类号:TP391
文献标志码:A
0引言
图像引导放射治疗(ImageGuided Radiotherapy, IGRT)将放射治疗机与成像设备结合在一起,在患者治疗前、治疗中利用各种先进的影像设备对肿瘤及正常器官进行实时的监控,采集图像信息,确定治疗靶区和重要组织在治疗过程中的运动和分次治疗间的位移误差,并在必要时进行位置和剂量分布的校正,减少放疗间靶区位移误差和摆位误差,监测和校正放疗时肿瘤和正常组织运动引起的误差,已成为实现精确放射治疗的有效方法。
医学图像配准可以匹配治疗前和计划时的单模或多模图像数据,根据病人体位位移调整病人摆位,是实现IGRT平台的关键技术。3D/3D配准保证图像在三个维度位置的一致性,是图像配准临床应用的关键。按照空间变换,3D/3D图像配准分为基于刚性变换(Rigid Transformation) 的3D/3D配准和基于弹性变换(Elastic Transformation)的3D/3D配准。并且随着计算机技术的发展,国内外学者对3D/3D图像配准的研究也越来越多。例如Jung等[1]提出基于互信息(Mutual Information)的三维配准并采用GPU加速配准速度,Pennec等[2]基于光流场模型实现了三维图像配准,Nam等[3]基于B样条的弹性变化实现MR和CT 3D多模图像间的配准等。刚性配准方法不适合处理大形变配准[7]。但是在放疗过程中,由于病人的呼吸、脏器的蠕动和体位的变动,软组织器官难免产生较大形变。因此,本文重点研究IGRT系统中的3D/3D图像弹性配准。
Demons 算法[8] 是一种基于图像灰度的弹性配准方法。该算法使用参考图像的灰度梯度信息来决定浮动图像每个像素的移动,具有鲁棒性强、误差小的特点;但仅靠梯度信息往往是不充足的,特别是当梯度非常小的时候,图像变形的方向不能确定,容易导致错误的配准变换,因此一些学者针对此问题对Demons算法进行了改进[9-12]。例如Wang等[9]提出了一种改进算法Active Demons 算法,将浮动图像的梯度信息也加入到光流场方程中,但作者并没有对双向力的分配问题进行更深入研究;Vercauteren等[10]提出了一种基于灰度的配准模型,将图像灰度的均方差作为相似性测度,没有考虑图像灰度的梯度场对配准过程的影响;周付根等[11]将图像间的对称梯度和待配准图像的梯度引入到Demons算法中,生成一种合力并计算图像形变力,但两个单向力仅是简单的叠加,没有分析两个作用力相对重要性;目前弹性配准理论还有待进一步发展,真正意义上的应用仍不多,尤其针对图像引导放疗领域的医学图像3D/3D弹性配准研究较少,其计算效率和稳定性也有待提高。
FDS团队自主研发了精确放射治疗系统(Advanced/Accurate Radiation Therapy System, ARTS)[15-22],并针对图像引导放射治疗,在ARTS基础上进一步开发了IGRT原型系统(ARTSIGRT)[23-25]。本文的研究工作是ARTSIGRT 1.0的核心部分。首先在ITK基础上实现了基于Demons的弹性配准算法,结果显示该配准算法鲁棒性强、误差小;其次,分析了Demons配准算法的不足,在此基础上引入对称梯度概念,提出一种带权重的对称Demons(Weighted Symmetric Demons, WSD)配准算法,以希望应用于IGRT中的多模态图像配准。最后通过单模态CT/CT图像配准和多模态CT/CBCT图像配准实验,分析WSD配准算法的精度,结果表明该算法可以提高配准精度,加快收敛速度。
2实验与结果
本文利用WSD算法分别配准不同模态的三维临床医学图像,并与原始Demons算法的配准结果进行比较,从而验证改进算法的有效性。下面通过两组实验验证WSD算法的精度和效率。
第一组实验,从安徽省立医院获取一套43张分辨率为512×512的临床CT影像,将其作为源图像,然后沿x、y、z轴分别进行平移,并绕中心点转旋,如图4(b)所示。分别采用WSD算法和原始Demons算法3D/3D配准变换后的体数据与临床CT影像。差分图像图4(c)、4(d)表明改进的Demons算法更加集中地显示了参考图像和浮动图像间重叠区域,消除了配准后不需要的冗余信息,与原始Demons算法相比,其配准精度更高;在配准速度方面,原始Demons算法配准该例题约25min,改进后的Demons算法能够加快收敛速度,配准该例题的时间在15min内,可以看出改进后Demons算法在精度和速率两方面都优于原始Demons算法,尤其在配准速度上明显提高。
3结语
本文将图像处理技术应用于放射治疗领域,实现了CBCT三维重建和医学图像三维配准两大功能,为图像引导放射治疗提供了软件平台。首先,本文采用基于Demons算法的弹性配准方法,引入对称梯度的概念,提出一种带权值的对称Demons算法,该算法不仅对单模图像配准,而且针对多模图像配准也表现出较好的效果。其次,针对CT与CBCT三维配准在IGRT中的应用需求,采用FDK三维重建算法重建CBCT图像。该算法易于实现,重建效果较好,但重建速度较慢,下一步课题组将改进FDK算法,并考虑利用硬件技术提高重建速度,使重建算法满足临床需求。ARTSIGRT 1.0 3D/3D配准模块在VC++6.0平台下,采用C++语言开发实现,支撑本文相关研究理论研究。
参考文献:
[1]JUNG F, WESARG S. 3D registration based on normalized mutual information: performance of CPU vs. GPU implementation[C]// Proceedings des Workshops vom 14. bis 16. Marz 2010 in Aachen. Berlin: Springer, 2010:325-329.
[2]PENNEC X, CACHIER P, AYACHE N. Understanding the demons algorithm: 3D noigid registration by gradient descent[C]// MICCAI 1999: Proceedings of Medical Image Computing and ComputerAssisted Intervention, LNCS 1679. Berlin: Springer,1999:579-605.
[3]NAM W H, LEE D, JEONG K Y, et al. Noigid registration between 3D MR and CT images of the liver based on intensity and edge orientation information[J]. IEEE Transactions on Medical Imaging, 2010,6(4):2998-3000.
[4]LEE D, HOFMANN M, STEINKE F, et al.Learning similarity measure for multimodal 3D image registration[J]. IEEE Transactions on Medical Imaging,2009,9(2):186-193.
[5]HU Y L, ZHU X H, SUN Y F, et al. Multisample 3D face registration based on tps transformation and linear combination model[C]// Proceedings of the 4th International Congress on Image and Signal Processing. Piscataway, NJ: IEEE Press,2011:1343-1348.
[6]DAWANT B M. Noigid registration of medical images: purpose and methods, a short survey [C]// Proceedings of the 2002 IEEE International Symposium on Biomedical Imaging. Piscataway, NJ: IEEE Press,2002:465-468.
[7]雷文娟.非刚体图像配准方法研究[D].西安:西北大学,2011.
[8]THIRION J P. Image matching as a diffusion process: an analogy with Maxwells demons[J]. Med Image Anal, 1998, 2(3): 243-60.
[9]WANG H, DONG L, ODANIEL J, et al. Validation of an accelerated "demons" algorithm for deformable image registration in radiation therapy[J]. Physics in Medicine and Biology, 2005, 50(12): 2887905.
[10]VEREAUTEREN T, PENNEC X, PEREHANT A, et al. Nonparametric diffeomorphic image registration with the demons algorithm [C]// Proceedings of MICCAI 2007, LNCS, 2007. Berlin: Springer, 2007,4792: 319-326.
[11]周付根, 段卓镭. Demons 算法在四维CT 图像配准中的应用[J].CT 理论与应用研究, 2009, 18(1): 69-75.
[12]张红颖. 改进Demons 算法的非刚性医学图像配准[J]. 光学精密工程, 2007, 15(1): 145-150.
[13]LIN X, QIU T S, NICOLIER F, et al. An improved method of "demons" noigid image registration algorithm[C]// ICSP 2008: Proceedings of the 9th International Conference on Signal Processing. Piscataway, NJ: IEEE Press, 2008:100-106.
[14]徐挺. 基于Demons 的微分同胚非刚性配准研究[J]. 北京生物医学工程, 2010, 29(1): 49-54.
[15]吴宜灿,李国丽,陶声祥,等. 精确放射治疗系统ARTS的研究与发展[J].中国医学物理学杂志,2005,22(6):283-690.
[16]曹瑞芬,裴曦,郑华庆,等. 基于共轭梯度法的调强放疗射束强度分布优化[J].原子核物理评论,2010,27(2):212-217.
[17]裴曦,曹瑞芬,景佳,等.调强放射治疗子野权重优化方法研究[J].原子核物理评论,2011,28(1):103-108.
[18]李国丽.ARTS系统中外放射治疗逆向计划多目标进化算法研究[D].合肥:中国科学院等离子体物理研究所,2006.
[19]宋钢.精确放射治疗中混合剂量计算方法及软件系统设计研究[D].合肥:中国科学院等离子体物理研究所,2008.
[20]曹瑞芬. 逆向调强放疗计划系统设计及其优化方法研究[D]. 合肥:中国科学院等离子体物理研究所,2009.
[21]裴曦.旋转调强放射治疗关键技术研究[D].合肥:中国科学院核能安全技术研究所,2012.
[22]WU Y C, SONG G, CAO R F, et al. Development of Accurate/advanced Radiotherapy Treatment Planning and Quality Assurance System (ARTS)[J]. Chinese Physics C,2008,32(S2):177-182.
[23]JIA J, HUANG S Q, FANG L, et al. Automatic 2D/2D registration using multiresolution pyramid based mutual information in image guided radiation therapy[C]// Proceedings of World Academy of Science, Engineering & Technology. Paris: [s.n.], 2011,80: 964-968.
[24]HUANG S Q, JIA J, CAO R F, et al. Automatic segmentation of the body and the spinal canal in CT images based on a priori information[C]// Proceedings of the 5th International Conference on Bioinformatics and Biomedical Engineering. Piscataway, NJ: IEEE Press, 2011:180-185.
[25]黄善清,龙鹏程,李佳,等.基于ITK与VTK的配准融合方法的研究与应用[J].计算机应用, 2010, 30(6): 140-143.
[26]HSICH J.计算机断层成像技术[M].张朝宗,译.北京:科学出版社,2006.
[27]FELDKAMP L A, DAVIS L C, KRESS J W. Pratical conebeam algorithm[J]. Optical Society of American, 1984,1(6):612-619.