论文部分内容阅读
医学图像配准作为医学图像分析的重要工具，其广泛地应用于疾病辅助诊断、人脑图谱以及图像引导放疗等领域。相对于传统3DCT(3-Dimension Computed Tomography，3D CT)，肺部4DCT加入了时间轴，其可以为个体提供整个呼吸过程中的全部信息。通过对肺部4DCT图像进行配准，能够有效地刻画肺部组织结构的相对运动，有助于解决在精准放疗、病灶肿瘤跟踪以及肺功能评估等一系列临床应用中面临的难点问题。
尽管4DCT图像为肺部运动估计提供了良好的基础，但受呼吸运动与心脏搏动的影响会导致出现4DCT图像局部灰度非均匀变化、局部运动的不连续性以及细小纹理特征的较大形变等问题，对肺部4DCT图像的精细配准及其应用带来巨大的挑战。为了解决上述问题，提出了一种基于高阶马尔可夫随机场(Markov Random Field，MRF)的高精度肺部4DCT配准方法。在提出的高精度肺部4DCT配准方法的基础上，分别提出了一种基于卡尔曼滤波和4DCT图像配准的肺部呼吸运动估计方法、一种基于4DCT图像配准和超像素的肺通气量成像方法。
本文的主要工作和创新点如下:
(1)提出了基于高阶MRF的肺部4DCT图像配准方法
为了解决基于连续优化的传统图像配准方法，在对形变较大的肺部4DCT图像序列进行配准时，容易陷入局部最优解，并且无法保持变形场拓扑结构而导致严重错误配准的问题，本文提出了一种基于高阶MRF的肺部4DCT图像配准方法。通过分析MRF模型各阶团势函数对变形场的约束效果，针对2D与3D图像分别设计了具有高阶团形式，且能够保持变形场拓扑结构的目标函数。为了更有效地约束变形场的拓扑结构，在目标函数中同时施加平滑约束项和拓扑保持约束项，并采用对数函数对拓扑保持约束项中的雅克比矩阵施加惩罚。针对所设计的具有高阶团形式的目标函数，采用MCMC(Markov Chain Monte Carlo)优化算法来求解所设计的目标函数的最优化问题。为解决肺部的4DCT图像配准中的高计算量需求的问题，采用多级处理策略来降低所提出配准方法的空间复杂度，提高计算效率。实验结果表明，在具有4DCT图像的DIR-lab数据集与具有3DCT图像的COPD(Chronic Obstructive Pulmonary Disease)数据集中，提出方法的平均目标配准误差(Target Registration Error，TRE)均可达到0.95mm。
(2)提出了基于卡尔曼滤波与4DCT图像配准的肺部呼吸运动估计方法
呼吸运动估计是图像引导放疗与临床诊断的重要组成部分。然而，由于大多数呼吸运动估计方法依赖于外部呼吸标记物的间接测量，不仅会引入巨大的估计误差，而且会给患者带来侵入性损伤的问题。为了解决上述问题，本文提出了一种基于快速卡尔曼滤波和4D图像配准的肺呼吸运动估计方法(Lung Respiratory Motion Estimation，LRME-4DCT)。为了对连续相位进行动态运动估计，将两种基于GPU加速的4DCT图像配准方法与快速卡尔曼滤波方法相结合来建立呼吸运动估计模型。为了满足对4DCT图像序列的实时计算的需求，在基于GPU加速的4DCT图像配准方法中，采用了多级处理策略，并从三个独立的方向来估计呼吸运动状态。在DIR-lab数据集和POPI数据集的4DCT图像中，提出的LRME-4DCT方法的平均TRE可分别达到0.91mm和0.85mm。与传统的基于成对图像配准的估计方法相比，该提出的方法能够更准确、更快速地估计肺部生理性的呼吸运动，并且能够完全满足临床上快速动态地估计肺部运动状态的需求。
(3)提出了基于4DCT图像配准和超像素的肺通气量估计方法
大多数基于CT图像的通气量估计方法依赖于图像配准的变形场和像素CT值之间的相互关系来直接估计每个像素的通气量，这种估计方法容易受到图像配准结果和4DCT图像中运动伪影的影响。对此，本文提出了一种基于4DCT图像配准和超像素的肺通气量估计方法。首先，将最大呼气相位对应的图像进行多层超像素表示。然后，根据每个像素配准后的CT值与体积变化的关系，设计了一种适用于超像素的通气量估计方法，依此来计算每个超像素区域的整体通气量。为了精确地从超像素区域中恢复每个像素的通气量，通过构建线性规划模型来求解每个像素的通气量。最后，通过平均所有超像素层来获得最终估计的肺通气量图像。通过与VAMPIRE(Ventilation And Medical Pulmonary Image Registration Evaluation)数据集中各种基于CT图像的通气量估计方法进行对比分析可以发现，本文提出的方法与各种模态的参考通气图像之间的相关性更高，这表明本文提出的方法能够更准确地估计肺通气量的分布。
尽管4DCT图像为肺部运动估计提供了良好的基础，但受呼吸运动与心脏搏动的影响会导致出现4DCT图像局部灰度非均匀变化、局部运动的不连续性以及细小纹理特征的较大形变等问题，对肺部4DCT图像的精细配准及其应用带来巨大的挑战。为了解决上述问题，提出了一种基于高阶马尔可夫随机场(Markov Random Field，MRF)的高精度肺部4DCT配准方法。在提出的高精度肺部4DCT配准方法的基础上，分别提出了一种基于卡尔曼滤波和4DCT图像配准的肺部呼吸运动估计方法、一种基于4DCT图像配准和超像素的肺通气量成像方法。
本文的主要工作和创新点如下:
(1)提出了基于高阶MRF的肺部4DCT图像配准方法
为了解决基于连续优化的传统图像配准方法，在对形变较大的肺部4DCT图像序列进行配准时，容易陷入局部最优解，并且无法保持变形场拓扑结构而导致严重错误配准的问题，本文提出了一种基于高阶MRF的肺部4DCT图像配准方法。通过分析MRF模型各阶团势函数对变形场的约束效果，针对2D与3D图像分别设计了具有高阶团形式，且能够保持变形场拓扑结构的目标函数。为了更有效地约束变形场的拓扑结构，在目标函数中同时施加平滑约束项和拓扑保持约束项，并采用对数函数对拓扑保持约束项中的雅克比矩阵施加惩罚。针对所设计的具有高阶团形式的目标函数，采用MCMC(Markov Chain Monte Carlo)优化算法来求解所设计的目标函数的最优化问题。为解决肺部的4DCT图像配准中的高计算量需求的问题，采用多级处理策略来降低所提出配准方法的空间复杂度，提高计算效率。实验结果表明，在具有4DCT图像的DIR-lab数据集与具有3DCT图像的COPD(Chronic Obstructive Pulmonary Disease)数据集中，提出方法的平均目标配准误差(Target Registration Error，TRE)均可达到0.95mm。
(2)提出了基于卡尔曼滤波与4DCT图像配准的肺部呼吸运动估计方法
呼吸运动估计是图像引导放疗与临床诊断的重要组成部分。然而，由于大多数呼吸运动估计方法依赖于外部呼吸标记物的间接测量，不仅会引入巨大的估计误差，而且会给患者带来侵入性损伤的问题。为了解决上述问题，本文提出了一种基于快速卡尔曼滤波和4D图像配准的肺呼吸运动估计方法(Lung Respiratory Motion Estimation，LRME-4DCT)。为了对连续相位进行动态运动估计，将两种基于GPU加速的4DCT图像配准方法与快速卡尔曼滤波方法相结合来建立呼吸运动估计模型。为了满足对4DCT图像序列的实时计算的需求，在基于GPU加速的4DCT图像配准方法中，采用了多级处理策略，并从三个独立的方向来估计呼吸运动状态。在DIR-lab数据集和POPI数据集的4DCT图像中，提出的LRME-4DCT方法的平均TRE可分别达到0.91mm和0.85mm。与传统的基于成对图像配准的估计方法相比，该提出的方法能够更准确、更快速地估计肺部生理性的呼吸运动，并且能够完全满足临床上快速动态地估计肺部运动状态的需求。
(3)提出了基于4DCT图像配准和超像素的肺通气量估计方法
大多数基于CT图像的通气量估计方法依赖于图像配准的变形场和像素CT值之间的相互关系来直接估计每个像素的通气量，这种估计方法容易受到图像配准结果和4DCT图像中运动伪影的影响。对此，本文提出了一种基于4DCT图像配准和超像素的肺通气量估计方法。首先，将最大呼气相位对应的图像进行多层超像素表示。然后，根据每个像素配准后的CT值与体积变化的关系，设计了一种适用于超像素的通气量估计方法，依此来计算每个超像素区域的整体通气量。为了精确地从超像素区域中恢复每个像素的通气量，通过构建线性规划模型来求解每个像素的通气量。最后，通过平均所有超像素层来获得最终估计的肺通气量图像。通过与VAMPIRE(Ventilation And Medical Pulmonary Image Registration Evaluation)数据集中各种基于CT图像的通气量估计方法进行对比分析可以发现，本文提出的方法与各种模态的参考通气图像之间的相关性更高，这表明本文提出的方法能够更准确地估计肺通气量的分布。