CN103268622B - 一种用于观察子宫肿瘤放疗总剂量的分布图像的生成方法 - Google Patents
一种用于观察子宫肿瘤放疗总剂量的分布图像的生成方法 Download PDFInfo
- Publication number
- CN103268622B CN103268622B CN201310190506.9A CN201310190506A CN103268622B CN 103268622 B CN103268622 B CN 103268622B CN 201310190506 A CN201310190506 A CN 201310190506A CN 103268622 B CN103268622 B CN 103268622B
- Authority
- CN
- China
- Prior art keywords
- image
- pelvic cavity
- deformation
- hdr
- applicating device
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Radiation-Therapy Devices (AREA)
Abstract
本发明涉及X射线辐射的测量,具体涉及一种用于观察子宫肿瘤放疗总剂量的分布图像的生成方法,该方法由以下步骤组成:先根据图像中像素点CT值的大小,分割出含施源器HDR CT图像中的施源器区域,并进行二值化处理得到掩膜图像;然后,利用掩膜图像对HDRCT图像进行收缩变形和线性插值处理,再以处理后的图像为浮动图像,以不含施源器的盆腔IMRT CT图像为参考图像进行变形配准;最后,用得到的配准变形场对去除施源器区域剂量的HDR剂量分布图像进行变形,该变形结果与不包含施源器的IMRT剂量分布图像进行叠加后再与不包含施源器的IMRT CT图像进行图像融合。本方法所生成的图像可准确地评价子宫肿瘤病人受照的总剂量。
Description
技术领域
本发明涉及X射线辐射的测量,具体涉及用于评估子宫肿瘤放疗辐射剂量的图像的生成方法。
背景技术
常规的放射治疗是以第一次获取的病人计算机断层图像(CT,Computed Tomography)作为计划图像,并只以该计划CT图像生成治疗计划,对病人实施治疗。但实际上,在每一次分次治疗中,病人的内部解剖结构都会发生改变,如技师摆位的误差,病人内部脏器的蠕动,肿瘤随着放疗的进行体积会缩小等,如果仍基于首次计划实施放疗,必将带来严重的剂量误差,并有可能使正常组织卷入高剂量区域。自适应放射治疗(ART,Adaptive Radiotherapy)技术可以解决上述问题。ART技术在治疗分次中获取当次治疗的病人CT图像,并基于该图像重新设计计划,对病人实施治疗。而图像变形配准技术(DIR,Image DeformableRegistration)是ART的一项关键技术,它主要用于将计划CT图像上的轮廓线推衍至当前CT图像,避免物理师重新勾画轮廓线的麻烦;另一方面,变形配准可以将各分次的剂量分布变形到同一解剖空间后进行叠加,从而评价病人所受的总剂量照射。
图像变形配准本质上是要寻找一种点对点的空间变换,将一幅图像(浮动图像)的解剖结构变形到另一幅图像(参考图像)上。目前变形配准算法可分为基于物理模型变形配准算法:如基于线性弹性模型的,基于流体力学模型的,基于光流场模型的;也有基于数学函数的变形配准算法:如基于小波变换的,基于薄板样条函数或B样条函数的,基于调和函数的等等。但几乎所有这些算法都基于这样一个假设:两幅图像上点是一一对应的,即一幅图像上的点,总能在另一幅图像上找到。如果在一副图像上出现了另一副图像并不存在的结构,一般常规的变形配准算法无法有效解决这类问题。
在宫颈癌放射治疗中,很多病人需要同时接受高剂量率近距离放射治疗(high-dose-ratebrachytherapy,HDR)以及调强放射治疗(Intensity Modulated Radiation Therapy,IMRT)。在进行HDR内照射的时候,需要先在病人阴道中放置一个施源器,然后将放射源通过施源器输送至阴道内临近肿瘤的区域进行照射,因此,进行HDR内照射放疗时获取的计划CT图像含有施源器。而常规的IMRT属于外照射放疗,病人并不需要放置施源器,因此获取的计划CT图像不包含施源器。
如果要评价该病人受照的总剂量,需要对HDR和IMRT的CT图像进行图像变形配准,得到变形场,然后利用该变形场将剂量矩阵映射到同一空间(例如,将HDR的剂量矩阵变换到IMRT的剂量矩阵空间,或相反),最后再进行剂量的叠加。对于这样的图像配准问题,显然违背了一般变形配准算法的基本假设,因为施源器在两幅图像上并不同时存在。因此,如果直接对HDR CT和IMRT CT图像进行变形配准,必然会产生严重的配准误差,从而导致剂量叠加的不准确。
Christensen G E等2001年公开了一种包含施源器的图像与不包含施源器的图像之间的变形配准方法(Christensen G E,Carlson B,Chao K S,Yin P,Grigsby P W,Nguyen K,Dempsey J F,Lerma F A,Bae K T,Vannier M W and Williamson J F2001Image-baseddose planning of intracavitary brachytherapy:registration of serial-imaging studies usingdeformable anatomic templates Int J Radiat Oncol Biol Phys51227-43),该方法由以下步骤组成:(1)将浮动图像和参考图像中膀胱、直肠、阴道和子宫(包括施源器)三组感兴趣区域分别勾画分割出来,并生成对应的二值掩模图像;(2)在浮动图像和参考图像中手动选择标记点,利用标记点进行初始化配准;(3)在步骤(2)的初始化配准的基础上,利用粘滞性流体力学算法对三组掩模图像进行配准,得到三组变形场;(4)将步骤(3)中得到的配准变形场进行叠加,得到总的变形场,然后对浮动图像进行变形。上述方法尽管也能得到配准结果,且该配准结果可应用于放疗辐射剂量的评估,但是由于该方法是直接用含施源器的图像进行配准,因此如果将其所得到的图像用于放疗辐射剂量评估,显然不准确。
发明内容
本发明所要解决的技术问题是提供一种用于观察子宫肿瘤放疗总剂量的分布图像的生成方法,该方法所生成的图像可准确地评价宫肿瘤病人受照的总剂量。
本发明解决上述问题的技术解决方案是:
一种用于观察子宫肿瘤放疗总剂量的分布图像的生成方法,该方法由以下步骤组成:
(1)读取含施源器的盆腔HDR CT图像、盆腔HDR剂量分布图像、不含施源器的盆腔IMRT CT图像和盆腔IMRT剂量分布图像;
(2)根据图像中每个像素点CT值大小的不同,采用区域生长的分割法分割出含施源器盆腔HDR CT图像中的施源器区域,并赋予所分割出的施源器区域像素值为0,得到施源器区域像素值为0的盆腔HDR CT图像;接着,将施源器区域像素值为0的盆腔CT图像中的施源器区域用1表示,其他区域用0表示,得到掩膜图像;同时,将所述的HDR剂量分布图像中的对应的施源器区域的像素值赋予为0,得到施源器区域像素值为0的盆腔HDR剂量分布图像;
(3)利用变形场将掩膜图像进行收缩变形,该收缩变形的具体步骤如下:
在三维直角坐标系中,令收缩变形力F在x和y方向上的收缩变形力为掩膜图像在x和y方向上的梯度,收缩变形力F在z方向上的收缩变形力为0,然后求解下式(Ⅰ)所示的Navier-Stokes方程,得到收缩的变形场u和收缩变形的掩膜图像,
▽2v+▽(▽·v)+F=0 (Ⅰ)
上式(Ⅰ)中,▽为梯度,▽2为拉普拉斯算子,v为变形场的速度,F为收缩变形力;
(4)用步骤(3)所得的变形场u分别对施源器区域像素值为0的盆腔HDR CT图像和施源器区域像素值为0的盆腔HDR剂量分布图像进行收缩形变,得到收缩变形的盆腔HDRCT图像和收缩变形的盆腔HDR剂量分布图像;然后分别搜索出收缩变形的盆腔HDR CT图像和收缩变形的盆腔HDR剂量分布图像中对应于收缩变形的掩膜图像中像素值不等于0的点,并分别对所述不等于0的点进行线性插值,得到去除施源器后的盆腔HDR CT图像和去除施源器区域剂量的盆腔HDR剂量分布图像;
(5)以去除施源器后的盆腔HDR CT图像为浮动图像,以盆腔IMRT CT图像为参考图像进行变形配准,同时得到配准变形场r和变形配准后的盆腔HDR CT图像;
(6)用步骤(5)得到的配准变形场r对去除施源器区域剂量的盆腔HDR剂量分布图像进行变形,得到变形配准后的盆腔HDR剂量分布图像;
(7)先将变形配准后的盆腔HDR剂量分布图像与不包含施源器的盆腔IMRT剂量分布图像进行叠加,再把叠加结果与不包含施源器的盆腔IMRT CT图像进行图像融合,得到具有人体解剖结构的辐射总剂量的分布图像。
上述方案中,求解下式(Ⅰ)所示的Navier-Stokes方程的方法可以是常规的迭代方法、网格方法或算子分裂方法等,本发明人推荐采用迭代方法,该方法的步骤如下所述:
(A)采用下式(II)进行卷积运算,
ν(k)=φs*F(k) (II)
式(II)中,v为变形场的速度,φs为三维高斯核函数,F为收缩变形力,k为迭代循环次数的序号;
(B)采用下式(III)计算变形场的增量
式(III)中,v为变形场的速度,u为变形场,k为迭代循环次数的序号,t为时间;(C)采用下式(IV)计算本次迭代得到的变形场的增量并将其累加在上一次迭代所得到的变形场上,得到本次迭代的变形场,
式(IV)中,u、t和k与上式(III)相同;其中δu为每一次迭代允许的变形场的增量的最大值,其取值范围为0<δu<1;
(D)用当次迭代所得的变形场u,对上一次迭代中的掩膜图像进行收缩变形,得到本次迭代的掩膜图像;
(E)重复上述步骤(A)~(D),直至下式(V)中的终止参数εu小于或等于1.0×10-14迭代终止,
式(V)中,u、t和k与上式(III)相同。
上述方案的步骤(5)中,所述的变形配准方法可以是常见的医学图像变形配准方法,如,基于线性弹性模型、流体力学模型、光流场模型的变形配准算法、基于小波变换、薄板样条函数、B样条函数或调和函数等变形配准算法,本发明人推荐采用属于光流场模型的变形配准算法中的Demons变形配准算法,该方法是通过迭代方法进行计算的,其步骤如下:
1)采用下式(VI)计算配准变形场增量,
式(VI)中,dr(k)为配准变形场增量,m(k-1)为上次迭代变形的浮动图像,s为参考图像,▽m(k-1)为上次迭代变形的浮动图像的梯度场,▽s为参考图像的梯度场,k为迭代循环次数的序号;
2)按下式(VII)将本次迭代的配准变形场增量与上一次迭代变形场相加,得到当次的变形场r(k),
r(k)=r(k-1)+dr(k) (VII)
式(VI)中,r为配准变形场,dr为配准变形场增量,k为迭代循环次数的序号;
3)用得到的变形场r(k)对上次迭代得到的浮动图像进行变形,所得到的变形图像作为下一次迭代的浮动图像;
4)重复步骤上述1)~3),直至下式(VIII)中的终止参数εr小于或等于1.0×10-14迭代终止,得到配准变形场r和配准后的盆腔HDR CT图像,
式(VIII)中,r、dr和k与上式(VII)相同。
本发明具有以下有益效果:
(1)本发明巧妙地利用图像中施源器区域与其它区域CT值的显著差异,分割出盆腔HDR CT图像中施源器区域,然后对所得图像中施源器对应的区域进行收缩形变等一系列处理,因此,所得到的辐射总剂量的分布图像可准确地反应人体每一体素受照的总剂量及其分布情况,可为医生制订下一步放疗计划提供更准确的科学依据;
(2)根据CT值对图像进行分割,易于实现自动化,既可提高图像处理效率,又可避免手动分割而引入的配准误差;
(3)收缩形变过程中变形力的施加方式符合真实人体的物理形变过程,更有利于提高配准的精度;
(4)摒弃了现有技术需要对人体各组织器官进行标记、勾画分割和预配准的步骤,有利于进一步提高图像的处理速度。
附图说明:
图1:含有施源器的盆腔HDR CT图像。
图2:含有施源器的盆腔HDR剂量分布图像。
图3:不含有施源器的盆腔IMRT CT图像。
图4:不含有施源器的盆腔IMRT CT剂量分布图像。
图5:施源器区域像素值为0的盆腔HDR CT图像。
图6:施源器区域像素值为0的盆腔HDR剂量分布图像。
图7:掩模图像。
图8:掩模图像收缩的变形力F示意图。
图9:收缩变形后的掩模图像。
图10:去除施源器后的盆腔HDR CT图像。
图11:去除施源器区域剂量的盆腔HDR剂量分布图像。
图12:变形配准后的盆腔HDR CT图像。
图13:变形配准后的盆腔HDR剂量分布图像。
图14:具有人体解剖结构的总剂量分布图像。
图15:利用Christensen G E等人的方法,变形配准后的盆腔HDR剂量分布与不含有施源器的盆腔IMRT CT剂量分布进行叠加后,再与不含有施源器的盆腔IMRT CT图像进行融合后的总剂量分布图像。
图16:利用Christensen G E等人的方法,变形配准后的含有施源器的盆腔HDR CT图像。
图17:利用Christensen G E等人的方法,变形配准后的盆腔HDR剂量分布图像。
图18:利用Christensen G E等人的方法,变形配准后的盆腔HDR剂量分布与变形配准后的盆腔HDR CT图像进行融合后的具有人体解剖结构的剂量分布图像。
图19:利用本发明方法,变形配准后的盆腔HDR剂量分布与变形配准后的盆腔HDR CT图像进行融合后的具有人体解剖结构的剂量分布图像。
具体实施方式:
例1(子宫肿瘤放疗总剂量的分布图像的生成)
本实施例以某宫颈癌患者放射治疗过程中所获得的盆腔HDR CT图像(图1)、HDR剂量分布图像(图2)、盆腔IMRT CT图像(图3)和盆腔IMRT剂量分布图像(图4)详细描述本发明所述的方法,其具体步骤如下所述:
步骤1:读入如图1所示的分辨率均为256*256*108的含有施源器的盆腔HDR CT图像和如图2所示的HDR剂量分布图像以及如图3所示的分辨率均为256*256*108的不含有施源器的盆腔IMRT CT图像和如图4所示的盆腔IMRT剂量分布图像。
步骤2:由于施源器是金属的,且内置有X射线辐射源,因此施源器在图1所对应区域的CT值大于200HU,即像素值大于1200,并且像素值最大的点位于施源器内部。基于含施源器盆腔HDR CT图像的上述特征,本例以像素值1200为阈值,以像素值最大的点作为种子点,以像素点的像素值大于等于1200作为生长条件,采用区域生长的分割法,分割出施源器区域。接着,将所分割出的区域像素值赋予为0,即相当于将施源器区域填充为空气,其结果为如图5所示的施源器区域像素值为0的盆腔HDR CT图像。再将图5中施源器区域用1表示,其他区域用0表示,得到如图7所示的掩膜图像。同时,将如图2中所示的盆腔HDR剂量分布图像中相应施源器区域的像素值赋予为0,结果为如图6所示的施源器区域像素值为0的盆腔HDR剂量分布图像。
步骤3:如图8所示,在三维直角坐标系中,令收缩变形力F在x和y方向上的收缩变形力为掩膜图像在x和y方向上的梯度,收缩变形力F在z方向上的收缩变形力为0。然后迭代求解发明内容中的式(Ⅰ)所示的Navier-Stokes方程,其迭代求解过程如下:
(3.1)按式(Ⅱ)用三维高斯核函数φs对力F(k)进行卷积,得到本次迭代的变形场的速度场ν(k)。式(Ⅱ)中的在本实例中它是一个大小为17×17×17的三维矩阵,其运算式中,δ=4,-8≤x≤8,-8≤y≤8,-8≤z≤8;
(3.2)先将v(k)和上一循环得到的变形场u(k-1)代入式(III)求得变形场增量再将和u(k-1)代入式(IV)中求得本次迭代的变形场u(k)。式(III)和(IV)中,当k=1的时候,变形场的初始值u(0)=0;
(3.3)用变形场u(k)对上一次迭代中的掩膜图像Mask(k-1)进行收缩变形,得到本次迭代的掩膜图像Mask(k);
(3.4)重复上述步骤(3.1)~(3.3),直至式(V)中的终止参数εu小于或等于1.0×10-14迭代终止,得到收缩的形变场u以及如附图9所示的收缩变形后的掩膜图像。
步骤4:用步骤3所得到的变形场u,分别对图5和图6进行收缩形变,得到收缩变形的盆腔HDR CT图像和收缩变形的盆腔HDR剂量分布图像;然后分别搜索出收缩变形的盆腔HDR CT图像和收缩变形的盆腔HDR剂量分布图像中对应于收缩变形的掩膜图像中像素值不等于0的点,并分别对这些点分别进行线性插值,得到如图10所示的去除施源器后的盆腔HDR CT图像和如图11所示的去除施源器区域剂量的盆腔HDR剂量分布图像。
步骤5:以图10为浮动图像,以图3为参考图像,采用属于光流场模型的变形配准算法中的Demons变形配准算法进行变形配准,所述的Demons变形配准算法是通过迭代方法进行计算的,其步骤如下:
(5.1)由于变形场增量dr(k)是由上次迭代变形的浮动图像m(k-1)与参考图像s以及浮动图像的梯度场▽m(k-1)和参考图像的梯度场▽s共同决定的,本步骤采用式(VI)计算配准变形场增量dr(k);
(5.2)按式(VII)将得到的变形场增量dr(k)与上一次迭代变形场r(k-1)相加,得到当次的变形场r(k);
(5.3)然后用得到的变形场r(k)对上次迭代得到的浮动图像m(k-1)进行变形,所得到的变形图像作为下一次迭代的浮动图像m(k);
(5.4)重复上述步骤(5.1)~(5.3),直至式(VIII)中的终止参数εr小于或等于1.0×10-14迭代终止,得到配准变形场r和图12所示的变形配准后的盆腔HDR CT图像。
步骤6:用配准变形场r对图11进行变形,得到如图13所示的变形配准后的盆腔HDR剂量分布图像。
步骤7:先将图13与如图4进行叠加,再把叠加结果用Amide软件与图3进行图像融合,得到如图14所示的具有人体解剖结构的总剂量分布图像。
例2(效果的分析比较)
本发明所提出的方法主要应用于放射治疗中的剂量叠加,从而评价病人在整个放疗期间的实际受照总剂量。在本实施例中,HDR近距离内照射和IMRT外照射的剂量分布分别如附图2和附图4所示。从附图2可以看到,在施源器的内部和外部都有放射剂量存在,很显然,在进行剂量叠加之前,必须去除施源器内部的剂量,因为在剂量评价中只考虑病人组织的受照剂量。
为了比较本发明的方法与现有方法的区别,将本发明与Christensen G E(参考文献Christensen G E,Carlson B,Chao K S,Yin P,Grigsby P W,Nguyen K,Dempsey J F,LermaF A,Bae K T,Vannier M W and Williamson J F2001Image-based dose planning ofintracavitary brachytherapy:registration of serial-imaging studies using deformableanatomic templates Int J Radiat Oncol Biol Phys51227-43)等2001年公开的一种包含施源器的图像与不包含施源器的图像之间的变形配准方法进行比较。参照该方法对两幅图像进行配准,步骤如下:(1)以不含有施源器的盆腔IMRT CT图像作为参考图像,以含有施源器的盆腔HDR CT图像作为浮动图像,将浮动图像和参考图像中膀胱、直肠、阴道和子宫(包括施源器)三组感兴趣区域分别勾画分割出来,并生成对应的二值掩模图像;(2)在浮动图像和参考图像中手动选择标记点,利用标记点进行初始化配准;(3)在步骤(2)的初始化配准的基础上,利用粘滞性流体力学算法对三组掩模图像进行配准,得到三组变形场;(4)将步骤(3)中得到的配准变形场进行叠加,得到总的变形场,然后分别对盆腔HDR CT图像和盆腔HDR剂量分布图像进行变形,得到变形配准后的含有施源器的盆腔HDR CT图像(如图16)以及变形配准后的盆腔HDR剂量分布图像(如图17),然后用Amide软件,将变形配准后的盆腔HDR剂量分布图像与不包含施源器的盆腔IMRT剂量分布图像(如图4)进行叠加得到总剂量分布图,再将总剂量分布图与图3融合,得到图15。
将图15与图14进行比较可见,图15中包含了施源器内X射线辐射源的剂量(图15中箭头所指位置),显然不能用于评价子宫肿瘤放疗总剂量及其分布。
为了更好地比较两种方法的优劣,我们用Amide软件将图17与图16融合,得到图18,再图13与图12融合,得到图19。将图18与图19比较可见,本发明的方法可以很好的去除施源器区域的剂量,而Christensen G E等人的方法并不能去除施源器区域内部的剂量(如图18箭头所指位置),因此,累加的总剂量会出现如图15箭头所示的一个高剂量区域,该高剂量区域并非人体组织的实际受照剂量,而是施源器内X射线辐射源的剂量。
Claims (3)
1.一种用于观察子宫肿瘤放疗总剂量的分布图像的生成方法,该方法由以下步骤组成:
(1)读取含施源器的盆腔HDR CT图像、盆腔HDR剂量分布图像、不含施源器的盆腔IMRT CT图像和盆腔IMRT剂量分布图像;
(2)根据图像中像素点CT值大小的不同,采用区域生长的分割法分割出含施源器盆腔HDR CT图像中的施源器区域,并赋予所分割出的施源器区域像素值为0,得到施源器区域像素值为0的盆腔CT图像;接着,将施源器区域像素值为0的盆腔CT图像中的施源器区域用1表示,其他区域用0表示,得到掩膜图像;同时,将所述的盆腔HDR剂量分布图像中对应的施源器区域的像素值赋予为0,得到施源器区域像素值为0的盆腔HDR剂量分布图像;
(3)利用变形场将掩膜图像进行收缩变形,该收缩变形的具体步骤如下:
在三维直角坐标系中,令收缩变形力F在x和y方向上的收缩变形力为掩膜图像在x和y方向上的梯度,收缩变形力F在z方向上的收缩变形力为0,然后迭代求解下式(Ⅰ)所示的Navier-Stokes方程,得到收缩变形场u和收缩变形的掩膜图像,
上式(Ⅰ)中,为梯度,为拉普拉斯算子,v为变形场的速度,F为收缩变形力;
(4)用步骤(3)所得的收缩变形场u分别对施源器区域像素值为0的盆腔HDR CT图像和施源器区域像素值为0的盆腔HDR剂量分布图像进行收缩形变,得到收缩变形的盆腔HDR CT图像和收缩变形的盆腔HDR剂量分布图像;然后分别搜索出收缩变形的盆腔HDRCT图像和收缩变形的盆腔HDR剂量分布图像中对应于收缩变形的掩膜图像中像素值不等于0的点,并分别对所述不等于0的点进行线性插值,得到去除施源器后的盆腔HDR CT图像和去除施源器区域剂量的盆腔HDR剂量分布图像;
(5)以去除施源器后的盆腔HDR CT图像为浮动图像,以盆腔IMRT CT图像为参考图像进行变形配准,同时得到配准变形场r和变形配准后的盆腔HDR CT图像;
(6)用步骤(5)得到的配准变形场r对去除施源器区域剂量的盆腔HDR剂量分布图像进行变形,得到变形配准后的盆腔HDR剂量分布图像;
(7)先将变形配准后的盆腔HDR剂量分布图像与不包含施源器的盆腔IMRT剂量分布图像进行叠加,再把叠加结果与不包含施源器的盆腔IMRT CT图像进行图像融合,得到具有人体解剖结构的辐射总剂量的分布图像。
2.根据权利要求1所述的一种用于观察子宫肿瘤放疗总剂量的分布图像的生成方法,其特征在于,所述迭代求解式(Ⅰ)所示的Navier-Stokes方程的方法由以下步骤组成:
(A)采用下式(II)进行卷积运算,
ν(k)=φs*F(k) (II)
式(II)中,v为变形场的速度,φs为三维高斯核函数,F为收缩变形力,k为迭代循环次数的序号;
(B)采用下式(III)计算变形场的增量
式(III)中,v为变形场的速度,u为收缩变形场,k为迭代循环次数的序号,t为时间;
(C)采用下式(IV)计算本次迭代得到的变形场的增量并将其累加在上一次迭代所得到的变形场上,得到当次迭代的收缩变形场,
式(IV)中,u、t和k与上式(III)相同;其中δu为每一次迭代允许的变形场的增量的最大值,其取值范围为0<δu<1;
(D)用当次迭代所得的收缩变形场u(k),对上一次迭代中的掩膜图像进行收缩变形,得到本次迭代的掩膜图像;
(E)重复上述步骤(A)~(D),直至下式(V)中的终止参数εu小于或等于1.0×10-14迭代终止,
式(V)中,u、t和k与上式(III)相同。
3.根据权利要求1或2所述的一种用于观察子宫肿瘤放疗总剂量的分布图像的生成方法,其特征在于,步骤(5)所述的变形配准的方法由以下步骤组成:
1)采用下式(VI)计算配准变形场增量,
式(VI)中,dr(k)为配准变形场增量,m(k-1)为上次迭代变形的浮动图像,s为参考图像,为上次迭代变形的浮动图像的梯度场,为参考图像的梯度场,k为迭代循环次数的序号;
2)按下式(VII)将本次迭代的配准变形场增量与上一次迭代变形场相加,得到当次的变形场r(k),
r(k)=r(k-1)+dr(k) (VII)
式(VI)中,r为配准变形场,dr为配准变形场增量,k为迭代循环次数的序号;
3)用得到的变形场r(k)对上次迭代得到的浮动图像进行变形,所得到的变形图像作为下一次迭代的浮动图像;
4)重复上述步骤1)~3),直至下式(VIII)中的终止参数εr小于或等于1.0×10-14迭代终止,得到配准变形场r和变形配准后的盆腔HDR CT图像,
式(VIII)中,r、dr和k与上式(VII)相同。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310190506.9A CN103268622B (zh) | 2013-05-21 | 2013-05-21 | 一种用于观察子宫肿瘤放疗总剂量的分布图像的生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310190506.9A CN103268622B (zh) | 2013-05-21 | 2013-05-21 | 一种用于观察子宫肿瘤放疗总剂量的分布图像的生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103268622A CN103268622A (zh) | 2013-08-28 |
CN103268622B true CN103268622B (zh) | 2015-08-26 |
Family
ID=49012249
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310190506.9A Expired - Fee Related CN103268622B (zh) | 2013-05-21 | 2013-05-21 | 一种用于观察子宫肿瘤放疗总剂量的分布图像的生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103268622B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111007565B (zh) * | 2019-12-24 | 2020-12-11 | 清华大学 | 三维频率域全声波成像方法及装置 |
CN116385455B (zh) * | 2023-05-22 | 2024-01-26 | 北京科技大学 | 基于梯度场标签的浮选泡沫图像实例分割方法和装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5525448B2 (ja) * | 2007-10-26 | 2014-06-18 | コーニンクレッカ フィリップス エヌ ヴェ | 高線量率小線源療法アプリケータの電磁的位置検知 |
WO2009156893A1 (en) * | 2008-06-25 | 2009-12-30 | Koninklijke Philips Electronics N.V. | Method and system for brachytherapy |
DE102009058777A1 (de) * | 2009-12-18 | 2011-06-22 | Carl Zeiss Surgical GmbH, 73447 | Applikatoreinrichtung für die Strahlentherapie sowie Strahlentherapievorrichtung |
CN102967872A (zh) * | 2011-08-31 | 2013-03-13 | 曹暾 | 一种集成于短距离放射治疗系统的体腔内剂量探测器 |
US9248310B2 (en) * | 2011-08-31 | 2016-02-02 | Washington University | Gynecological brachytherapy applicator for use in MR-guided intracavitary brachytherapy |
-
2013
- 2013-05-21 CN CN201310190506.9A patent/CN103268622B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN103268622A (zh) | 2013-08-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103226837B (zh) | 一种观察子宫肿瘤放疗总剂量的分布图像的生成方法 | |
Huang et al. | Metal artifact reduction on cervical CT images by deep residual learning | |
Christensen et al. | Image-based dose planning of intracavitary brachytherapy: registration of serial-imaging studies using deformable anatomic templates | |
Dowling et al. | An atlas-based electron density mapping method for magnetic resonance imaging (MRI)-alone treatment planning and adaptive MRI-based prostate radiation therapy | |
Paganetti et al. | Monte Carlo simulations with time-dependent geometries to investigate effects of organ motion with high temporal resolution | |
Doolan et al. | Patient-specific stopping power calibration for proton therapy planning based on single-detector proton radiography | |
Dai et al. | Head-and-neck organs-at-risk auto-delineation using dual pyramid networks for CBCT-guided adaptive radiotherapy | |
CN104599268A (zh) | 一种联合点配准的局部区域精确变形配准算法 | |
Saleh et al. | The distance discordance metric—a novel approach to quantifying spatial uncertainties in intra-and inter-patient deformable image registration | |
WO2012069965A1 (en) | Interactive deformation map corrections | |
Shao et al. | Real-time liver tumor localization via a single x-ray projection using deep graph neural network-assisted biomechanical modeling | |
Hyer et al. | The dosimetric impact of heterogeneity corrections in high-dose-rate 192Ir brachytherapy for cervical cancer: Investigation of both conventional Point-A and volume-optimized plans | |
CN104258505A (zh) | 肿瘤放射治疗剂量个体化验证仿真体模及其建立和应用 | |
Zhang et al. | A kernel-based method for markerless tumor tracking in kV fluoroscopic images | |
CN103268622B (zh) | 一种用于观察子宫肿瘤放疗总剂量的分布图像的生成方法 | |
Salehi et al. | Deep learning-based non-rigid image registration for high-dose rate brachytherapy in inter-fraction cervical cancer | |
Liang et al. | ORRN: An ODE-based recursive registration network for deformable respiratory motion estimation with lung 4DCT images | |
Photon Treatment Planning Collaborative Working Group | Three-dimensional dose calculations for radiation treatment planning | |
Shi et al. | Fast shading correction for cone-beam CT via partitioned tissue classification | |
CN205658974U (zh) | 一种基于3d打印的放射性粒子植入进针定位辅助系统 | |
Tward et al. | Generating patient-specific dosimetry phantoms with whole-body diffeomorphic image registration | |
Coevoet et al. | Introducing interactive inverse FEM simulation and its application for adaptive radiotherapy | |
Christensen et al. | Large-deformation image registration using fluid landmarks | |
Teng et al. | Head and neck lymph node region delineation using a hybrid image registration method | |
Foley et al. | Phase correlation applied to the 3D registration of CT and CBCT image volumes |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150826 Termination date: 20210521 |
|
CF01 | Termination of patent right due to non-payment of annual fee |