论文部分内容阅读
CT图像分割是进行肿瘤病情诊断和放射治疗计划制定之前最为重要的步骤之一。分割的主要目的是将图像分割成与身体组织器官有相关性的不同部分。CT图像分割的完成一般需要医生或物理师借助专业医疗器械软件手动进行,十分耗时费力。并且由于人为操作带来的误差,手动分割对精确放射治疗计划的制定产生了不利影响。借助于对图像灰度信息的理解或者是引入先验勾画知识的手段,自动CT图像分割逐渐成熟。基于模型的自动分割技术是其中一种,该技术利用了对组织器官空间形状的预先认知与初始模型可行变的特性,具有比较强的灵活性。数字化人体模型(又称计算机人体模型、体模)是能够模拟人体全身重要组织器官的计算机模型。第一代数字化人体模型在上世纪60年代被提出,经过近60年的发展,先后有三代模型被提出:程式化体模、体素体模和基于边界表示的新型体模。对体素体模进行变形极度困难,所以以非均匀有理样条或以多边形表示的基于边界表示的新型体模成为了最后的选择。第三代体模内部包含有数量众多的精细组织器官模型并且模型具有可变形的优点,可以作为基于模型的自动分割技术的初始模型。但是体模的应用集中在辐射防护与剂量学相关领域,在医学图像自动分割中的应用报道少见。博士课题的目标是开发一种符合中国人参数的数字化人体模型及研究基于该模型的CT医学图像自动分割方法。为实现该目标,本文将其分成如下四个任务:(1)研制一套代表不同性别、不同年龄段的第三代数字化中国人计算机模型、(2)增加体模功能以适应于新的CT自动分割任务、(3)完成基于数字化人体模型的CT自动分割算法、(4)开发相关软件并与验证其在临床治疗计划系统中的适用性。本文首先整理与计算中国人人群解剖与生理参数,整合相关报告数据并采用拟合等方式获取缺失数据,经过手动与自动结合的方式变形第三代人体模型RPI-AM/RPI-AF得到一系列代表不同年龄段,不同性别的符合中国国人人群参数的数字化人体模型,分别命名为:USTC-AM,USTC-AF,USTC-15M,USTC-15F,USTC-10M,USTC-10F,USTC-5M,USTC-5F。考虑到 CT 图像与体模间的差异,本课题开拓了体模学习新的勾画数据的能力,添加了体模体素特性并建立了与体模对应的一系列CT特性。最终利用体模新的CT特性指导体模形变并应用主动轮廓方法优化最终模型达到CT图像自动分割的目的。本文以一例成年男性头颈部CT器官分割为例验证该算法。其中大脑、脑干与脊髓的分割结果与经验丰富的临床医生手动勾画的结果体积重叠率(DSC系数)均在0.7以上,器官结构间的最短距离平均约为2mm。同时本课题开发成功体模体素化编辑软件、CT勾画数据转换成器官标签图像软件、图像配准软件、图像自动分割软件。相比于需要花费约一个小时完成头颈部危及器官勾画的手动方式,本自动勾画程序勾画相应器官需要用时减少至30分钟,主要费时在图像配准的任务。为了验证软件的适用性,本课题成功在治疗计划系统DeepPlan中嵌入图像配准软件并使用3D Slicer成功导入了自动分割软件的分割结果,证明了我们的算法和软件与临床工具的兼容性。本文主要的创新点包括:(1)在国标数据的基础上增添数字化人体模型相关所需数据,弥补了国标中参考人数据不足的问题,首次完整开发基于中国人解剖与生理参数代表不同年龄段、不同性别的第三代系列数字化中国人模型;(2)在上述体模的基础上,添加了新的自动学习、体素生成、特定患者CT图像特征三个特性,从而提出并实现一种新的基于体模的自动图像分割方法,并将相关程序集成到临床软件工具,取得了合理的临床结果。