CN108549906A - 放疗勾靶图像配准方法及装置 - Google Patents
放疗勾靶图像配准方法及装置 Download PDFInfo
- Publication number
- CN108549906A CN108549906A CN201810316572.9A CN201810316572A CN108549906A CN 108549906 A CN108549906 A CN 108549906A CN 201810316572 A CN201810316572 A CN 201810316572A CN 108549906 A CN108549906 A CN 108549906A
- Authority
- CN
- China
- Prior art keywords
- image
- registration
- radiotherapy
- elastic
- affine transformation
- 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.)
- Pending
Links
- 238000001959 radiotherapy Methods 0.000 title claims abstract description 91
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000009466 transformation Effects 0.000 claims abstract description 114
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims abstract description 106
- 238000005259 measurement Methods 0.000 claims abstract description 33
- 238000005457 optimization Methods 0.000 claims abstract description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 230000008859 change Effects 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 15
- 230000000875 corresponding effect Effects 0.000 description 11
- 239000011159 matrix material Substances 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 238000011017 operating method Methods 0.000 description 6
- 238000002591 computed tomography Methods 0.000 description 4
- 238000002595 magnetic resonance imaging Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/02—Affine transformations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种放疗勾靶图像配准方法及装置,涉及放疗技术领域,主要目的在于能够提升放疗勾靶图像配准的效率和精确度。所述方法包括:对待配准的放疗勾靶图像进行仿射变换,并对仿射变换后的图像与参考图像进行相似性测量,经过多次迭代参数寻优后,若得到的第一互信息值大于或者等于第一预设阈值,则仿射变换后的图像确定为放疗勾靶图像的粗配准图像;对粗配准图像进行基于二次样条的弹性变换,并对弹性变换后的图像与参考图像进行相似性测量;经过多次迭代参数寻优后,若得到的第二互信息值大于或者等于第二预设阈值,则将弹性变换后的图像确定为放疗勾靶图像的精配准图像并确定为图像配准结果。本发明适用于放疗勾靶图像配准。
Description
技术领域
本发明涉及放疗技术领域,特别是涉及一种放疗勾靶图像配准方法及装置。
背景技术
随着信息技术的不断发展,放疗勾靶系统随着出现,放疗勾靶系统为在放疗计划系统确定放疗计划之前,根据患者患病区域的医学图像勾画出肿瘤具体区域、放射线作用区域的系统。其中,将不同模态图像进行配准是勾画靶区的前置步骤,两种图像的配准结果直接决定了医生最终勾靶时靶区的位置和形态,不同模态图像指不同医学设备拍摄的图像。
目前,通常采用辅助装置提供参考图像和待配准图像的参考位置,提取两种图像的相同特征,然后由技术人员手工在两种图像相同特征的位置上添加标记的方式进行图像配准。然而,通过上述方式进行图像配准,需要依赖外界辅助装置,需要消耗较多的人力时间和精力,图像配准的操作步骤较复杂,从而图像配准的效率较低。此外,由于手工添加标记的方式,对技术人员的要求比较高,因此,会导致图像配准存在一定的误差,从而导致图像配准的精确度较低。
发明内容
有鉴于此,本发明提供一种放疗勾靶图像配准方法及装置,主要目的在于能够自动进行图像配准,无需依赖外界辅助装置,节省了手工标记所消耗的时间和精力,简化了图像配准的操作步骤,从而提升了放疗勾靶图像配准的效率。此外,避免了手工标记带来的配准误差,从而提升了放疗勾靶图像配准的精确度。
依据本发明第一方面,提供了一种放疗勾靶图像配准方法,包括:
对待配准的放疗勾靶图像进行仿射变换,并对仿射变换后的图像与参考图像进行相似性测量,得到第一互信息值;
若所述第一互信息值小于第一预设阈值,则继续对所述仿射变换后的图像进行仿射变换;
若所述第一互信息值大于或者等于第一预设阈值,则所述仿射变换后的图像确定为所述待配准图像的粗配准图像;
对所述粗配准图像进行基于二次样条的弹性变换,并对弹性变换后的图像与所述参考图像进行相似性测量,得到第二互信息值;
若所述第二信息值小于第二预设阈值,则继续对所述弹性变换后的图像进行基于二次样条的弹性变换;
若所述第二互信息值大于或者等于第二预设阈值,则将所述弹性变换后的图像确定为所述待配准图像的精配准图像并确定为图像配准结果。
依据本发明第二方面,提供了一种放疗勾靶图像配准装置,包括:
变换单元,用于对待配准的放疗勾靶图像进行仿射变换;
测量单元,用于对仿射变换后的图像与参考图像进行相似性测量,得到第一互信息值;
所述变换单元,还用于若所述第一互信息值小于第一预设阈值,则继续对所述仿射变换后的图像进行仿射变换;
确定单元,用于若所述第一互信息值大于或者等于第一预设阈值,则所述仿射变换后的图像确定为所述待配准图像的粗配准图像;
所述变换单元,还用于对所述粗配准图像进行基于二次样条的弹性变换;
所述测量单元,还用于对弹性变换后的图像与所述参考图像进行相似性测量,得到第二互信息值;
所述变换单元,还用于若所述第二信息值小于第二预设阈值,则继续对所述弹性变换后的图像进行基于二次样条的弹性变换;
所述确定单元,还用于若所述第二互信息值大于或者等于第二预设阈值,则将所述弹性变换后的图像确定为所述待配准图像的精配准图像并确定为图像配准结果。
依据本发明第三方面,提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现以下步骤:
对待配准的放疗勾靶图像进行仿射变换,并对仿射变换后的图像与参考图像进行相似性测量,得到第一互信息值;
若所述第一互信息值小于第一预设阈值,则继续对所述仿射变换后的图像进行仿射变换;
若所述第一互信息值大于或者等于第一预设阈值,则所述仿射变换后的图像确定为所述待配准图像的粗配准图像;
对所述粗配准图像进行基于二次样条的弹性变换,并对弹性变换后的图像与所述参考图像进行相似性测量,得到第二互信息值;
若所述第二信息值小于第二预设阈值,则继续对所述弹性变换后的图像进行基于二次样条的弹性变换;
若所述第二互信息值大于或者等于第二预设阈值,则将所述弹性变换后的图像确定为所述待配准图像的精配准图像并确定为图像配准结果。
依据本发明第四方面,提供了一种放疗勾靶图像配准装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现以下步骤:
对待配准的放疗勾靶图像进行仿射变换,并对仿射变换后的图像与参考图像进行相似性测量,得到第一互信息值;
若所述第一互信息值小于第一预设阈值,则继续对所述仿射变换后的图像进行仿射变换;
若所述第一互信息值大于或者等于第一预设阈值,则所述仿射变换后的图像确定为所述待配准图像的粗配准图像;
对所述粗配准图像进行基于二次样条的弹性变换,并对弹性变换后的图像与所述参考图像进行相似性测量,得到第二互信息值;
若所述第二信息值小于第二预设阈值,则继续对所述弹性变换后的图像进行基于二次样条的弹性变换;
若所述第二互信息值大于或者等于第二预设阈值,则将所述弹性变换后的图像确定为所述待配准图像的精配准图像并确定为图像配准结果。
本发明提供一种放疗勾靶图像配准方法及装置,与目前通常采用辅助装置提供参考图像和待配准图像的参考位置,提取两种图像的相同特征,然后由技术人员手工在两种图像相同特征的位置上添加标记的方式进行图像配准相比,本发明通过对待配准的放疗勾靶图像进行仿射变换,并将仿射变换后的图像与参考图像进行相似性测量,得到第一互信息值;在所述第一互信息值小于第一预设阈值时,继续对所述仿射变换后的图像进行仿射变换;在所述第一互信息值大于或者等于第一预设阈值时,将所述仿射变换后的图像确定为所述待配准图像的粗配准图像,能够实现对所述待配准图像进行粗配准。与此同时,通过将所述粗配准图像与所述参考图像进行基于二次样条的弹性变换,并对弹性变换后的图像与所述参考图像进行相似性测量,得到第二互信息值;在所述第二信息值小于第二预设阈值时,继续对所述弹性变换后的图像进行基于二次样条的弹性变换;在所述第二互信息值大于或者等于第二预设阈值时,将所述弹性变换后的图像确定为所述待配准图像的精配准图像并确定为图像配准结果,能够实现对所述待配准图像进行精配准,从而能够实现通过粗配准和精配准分阶段的方式,自动进行图像配准,无需依赖外界辅助装置,节省了手工标记所消耗的时间和精力,简化了图像配准的操作步骤,从而提升了放疗勾靶图像配准的效率。此外,避免了手工标记带来的配准误差,从而提升了放疗勾靶图像配准的精确度。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例提供的一种放疗勾靶图像配准方法流程图;
图2示出了本发明实施例提供的另一种放疗勾靶图像配准方法流程图;
图3示出了本发明实施例提供的控制点网格示意图;
图4示出了本发明实施例提供的在不同网格密度下弹性变换后的图像示意图;
图5示出了本发明实施例提供的一种放疗勾靶图像配准装置的结构示意图;
图6示出了本发明实施例提供的另一种放疗勾靶图像配准装置的结构示意图;
图7示出了本发明实施例提供的一种放疗勾靶图像配准装置的实体结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
如背景技术所述,通常采用辅助装置提供参考图像和待配准图像的参考位置,提取两种图像的相同特征,然后由技术人员手工在两种图像相同特征的位置上添加标记的方式进行图像配准。然而,通过上述方式进行图像配准,需要依赖外界辅助装置,需要消耗较多的人力时间和精力,且图像配准的操作步骤较复杂,从而图像配准的效率较低。此外,由于手工添加标记的方式,对技术人员的要求比较高,因此,会导致图像配准存在一定的误差,从而导致图像配准的精确度较低。
为了解决上述技术问题,本发明实施例提供了一种放疗勾靶图像配准方法,如图1所示,所述方法包括:
101、对待配准的放疗勾靶图像进行仿射变换。
其中,所述待配准图像可以为放疗勾靶系统中的图像,所述待配准图像具体可以为电子计算机X射线断层扫描(COMPUTED TOMOGRAPHY,CT)图像、磁共振成像(MagneticResonance Imaging,MRI)图像或者正电子发射计算机断层显像(Position EmissionComputed Tomography,PET),本发明实施例对此不进行限定。为进行图像配准,相对待配准图像还需要具有参考图像,所述参考图像可以为与所述待配准图像不同模态的图像,例如,若所述待配准图像为CT图像、所述参考图像可以为MRI图像或PET图像。
需要说明的是,对所述待配准图像进行仿射变换的过程可以为对所述待配准图像进行平移、旋转、缩放、斜切的过程,具体地,可以先获取特征点坐标、角度等信息计算仿射变换矩阵,然后根据计算仿射变换矩阵对所述待配准图像进行仿射变换。可以利用如下所示公式进行仿射变换:
(x',y')可以为仿射变换后的图像上的像素点,(x,y)可以为所述待配准图像上的像素点。
102、对仿射变换后的图像与参考图像进行相似性测量,得到第一互信息值。
对于本发明实施例,为了提升相似性的测量结果,可以采用互信息算子对仿射变换后的图像与参考图像进行相似性测量,所述互信息算子普遍适用于医学图像。
103、若所述第一互信息值小于第一预设阈值,则继续对所述仿射变换后的图像进行仿射变换,并执行步骤102。
其中,所述第一预设阈值可以根据用户需求进行设置,也可以根据系统默认模式进行设置,本发明实施例对此不作限定。在所述第一互信息值小于第一预设阈值时,通过继续对所述仿射变换后的图像进行仿射变换,能够增加所述仿射变换后的图像与所述参考图像的互信息值,所述步骤101-103的步骤可以为对所述待配准图像进行粗配准的配准阶段,粗配准的过程可以为迭代寻找最优仿射变换矩阵的过程,即仿射变换矩阵的各个参数值达到最优的时候,所述仿射变换后的图像与所述参考图像之间的所述第一互信息值最大,即所述仿射变换后的图像与所述参考图像之间的相似性最大。
104、若所述第一互信息值大于或者等于第一预设阈值,则将所述仿射变换后的图像确定为所述待配准图像的粗配准图像,并对所述粗配准图像进行基于二次样条的弹性变换。
其中,所述粗配准图像可以为与所述参考图像之间的像素差距较大的图像,精配准图像可以为与所述参考图像之间的像素差距较小的图像。当所述第一互信息值大于或者等于第一预设阈值时,说明粗配准阶段结束,通过将所述仿射变换后的图像确定为所述待配准图像的粗配准图像,并对所述粗配准图像进行基于二次样条的弹性变换,能够进入所述待配准图像的精配准阶段,精配准阶段的开始条件为粗配准阶段的结束条件,即精配准阶段以粗配准阶段的粗配准图像结果作为基础。
需要说明的是,所述对所述粗配准图像进行基于二次样条的弹性变换的过程可以为:借助操控一组由控制点组成的底层网格来对所述粗配准图像进行变形,调整控制所述粗配准图像的形状的过程,所述弹性变换可以为光滑的、二阶连续的,具体可以通过弹性变换模型对所述粗配准图像进行基于二次样条的弹性变换。具体地,所述二次样条的弹性变换可以为基于B样条的自由弹性变换(Free-Form Deformation,FFD),对应的弹性变换模型可以为FFD模型。
105、对弹性变换后的图像与所述参考图像进行相似性测量,得到第二互信息值。
同样地,对于本发明实施例,为了提升相似性的测量结果,可以采用互信息算子对弹性变换后的图像与参考图像进行相似性测量,所述互信息算子普遍适用于医学图像。
106、若所述第二信息值小于第二预设阈值,则继续对所述弹性变换后的图像进行基于二次样条的弹性变换,并执行步骤105。
其中,所述第二预设阈值可以根据用户需求进行设置,也可以根据系统默认模式进行设置,本发明实施例对此不作限定。所述第二预设阈值可以大于或者远大于第一预设阈值。通过继续对所述弹性变换后的图像进行基于二次样条的弹性变换,能够增加所述弹性变换后的图像与所述参考图像的互信息值,所述步骤104-106的步骤可以为对所述待配准图像进行精配准的配准阶段,精配准的过程可以为迭代寻找最优弹性变换模型的过程,即弹性变换模型的各个参数值达到最优的时候,所述弹性变换后的图像与所述参考图像之间的所述第二互信息值最大,即所述弹性变换后的图像与所述参考图像之间的相似性最大。
107、若所述第二互信息值大于或者等于第二预设阈值,则将所述弹性变换后的图像确定为所述待配准图像的精配准图像并确定为图像配准结果。
为了更好的理解本发明实施例,提供了图2,通过所述图2可以抽象出待配准图像的粗配准和精配准的过程,即先在粗配准和精配准阶段均需要进行图像变换,然后对变换后的图像和参考图像进行相似性度量,以衡量粗配准或者精配准的配准效果,如果没有达到预设的配准效果,则不断利用搜索策略对图像变换的参数或者模型进行迭代,寻找使得图像变换的最优参数,直到粗配准或者精配准的配准效果达到预期效果,确定图像粗配准结果或者图像精配准结果。
本发明实施例提供的一种放疗勾靶图像配准方法,与目前通常采用辅助装置提供参考图像和待配准图像的参考位置,提取两种图像的相同特征,然后由技术人员手工在两种图像相同特征的位置上添加标记的方式进行图像配准相比,本发明通过对待配准的放疗勾靶图像进行仿射变换,并将仿射变换后的图像与参考图像进行相似性测量,得到第一互信息值;在所述第一互信息值小于第一预设阈值时,继续对所述仿射变换后的图像进行仿射变换;在所述第一互信息值大于或者等于第一预设阈值时,将所述仿射变换后的图像确定为所述待配准图像的粗配准图像,能够实现对所述待配准图像进行粗配准。与此同时,通过将所述粗配准图像与所述参考图像进行基于二次样条的弹性变换,并对弹性变换后的图像与所述参考图像进行相似性测量,得到第二互信息值;在所述第二信息值小于第二预设阈值时,继续对所述弹性变换后的图像进行基于二次样条的弹性变换;在所述第二互信息值大于或者等于第二预设阈值时,将所述弹性变换后的图像确定为所述待配准图像的精配准图像并确定为图像配准结果,能够实现对所述待配准图像进行精配准,从而能够实现通过粗配准和精配准分阶段的方式,自动进行图像配准,无需依赖外界辅助装置,节省了手工标记所消耗的时间和精力,简化了图像配准的操作步骤,从而提升了放疗勾靶图像配准的效率。此外,避免了手工标记带来的配准误差,从而提升了放疗勾靶图像配准的精确度。
进一步的,为了更好的说明上述放疗勾靶图像配准的过程,作为对上述实施例的细化和扩展,本发明实施例提供了几种可选实施例,但不限于此,具体如下所示:
在本发明的一个实施例中,所述步骤105的具体过程可以为:对所述粗配准图像进行控制点向量提取;基于所述控制点向量对所述粗配准图像与所述参考图像进行基于二次样条的弹性变换,得到所述粗配准图像与所述参考图像的弹性变换关系;根据所述弹性变换关系和所述粗配准图像,得到弹性变换后的图像。
具体地,可以将所述粗配准图像映射到带控制点的网格空间中,每个控制点都有一系列参数调整控制,通过改变控制点的方式,改变所述待配准图像的形状做出相应的变形。所述弹性变换关系可以为弹性变换模型。
例如,所在的空间坐标可以表示为Ω={(x,y)|0≤x<X,0≤y<Y},有nx×ny个控制点构成的网格覆盖在该平面中,且在x,y向上具有间隔δx、δy,每个控制点具有两个方向的自由度(图3为控制点网格的二维示意图)。记每个控制点为(-1≤i<nx-1,-1≤j<ny-1),为了简单起见,可用向量Φ来表示这个控制点网格。粗配准图像中的点(x,y)在弹性变换模型的作用下被映射到点处。
其中,偏移量(dx,dy)由点(x,y)周围的4×4控制点决定。可以表示为
此外,.*矩阵对应元素之间分别相乘, 表示向下取整数值运算,Bl表示二次样条的第l个基函数:
这里0≤u,v<1。从D定义处可知,在δx、δy已知的情况下,(Δx,Δy)是由控制点也即由向量Φ来确定的。随着Φ的改变,即可进行参考图像与粗配准图像的配准。
在弹性变换算法中,当参考图像和所述粗配准图像的大小确定时,平面内的控制点网格所占的空间也就确定了。根据待配准两幅图之间的“差距”,可以调整nx、ny的值,相应的δx、δy值也随之改变。当n较大时,δ较小,控制网格较密,变形模型趋向于描述局部形变;当n较小时,δ较大,控制网格较疏,变形模型趋向于对全局进行形变。图4形象的展现了在不同网格密度下弹性变换后的图像示意图。
在本发明的另一个实施例中,为了尽量使得仿射变换后的图像与参考图像的相似性达到最大,加快达到搜索互信息值最大所对应的仿射变换矩阵,所述步骤101具体可以包括:利用预设多参数优化算法和预设迭代搜索和估计算法对待配准的放疗勾靶图像进行仿射变换。所述多参数优化算法可以为Powell多参数优化算法,所述预设迭代搜索和估计算法可以为Brent算法,即在每一维使用Brent算法迭代搜索和估计仿射变换矩阵中的配准参数。
在本发明的又一个实施例中,为了避免丢帧造成图像配准失败或者配准效果较差,提升图像配准的成功率及效果,所述步骤101之前,所述方法还可以包括:根据所述参考图像对所述待配准图像进行丢帧检测。此时,所述步骤101具体可以为:若检测所述待配准图像未丢帧,则对所述待配准图像进行仿射变换;或者若检测所述待配准图像丢帧,则确定所述待配准图像的丢帧值是否小于或者等于预设丢帧阈值,若所述待配准图像的丢帧值小于或者等于预设丢帧阈值,则对所述待配准图像进行仿射变换。所述丢帧值可以为丢帧个数等信息。所述预设丢帧阈值可以根据用户需求进行设置,在所述待配准图像的丢帧值小于或者等于预设丢帧阈值时,说明丢帧范围较小,对图像配准的影响较小,因此可以继续进行仿射变换,当所述待配准图像的丢帧值大于预设丢帧阈值时,可以重新选择所述待配准图像。
在本发明的再一个实施例中,为了实现自动生成放疗计划方案,所述步骤107之后,所述方法还包括:将患者对应的勾画图像与所述图像配准结果进行迭加,得到放疗勾靶结果;当所述放疗勾靶结果通过主治医生的验证后,将所述放疗勾靶结果发送给放疗计划系统确定所述患者对应的放疗计划方案。具体地,若所述放疗勾靶结果通过主治医生的验证,可以将放疗勾靶结果与配准运算中得到的形变信息存入病人的图像资料库中,若所述放疗勾靶结果没有通过主治医生的验证,则可以重新对放疗勾靶结果进行调整,直到通过所述主治医生验证。此外,主治医生可以根据每个病人不同的治疗部位,勾画不同的目标靶区;将目标靶区与放疗勾画结果以及相关参数送入剂量分布模拟系统中运算,得到剂量分布和剂量体积直方图;自动调整勾画轮廓中每个器官的权重,采用快速剂量计算算法计算修改剂量分布,并模拟出结果;模拟运算完成后,经过医生确认病灶区与每个器官将会收到的剂量影响时否在原始处方约束范围内,如否,则重新规划参数,则使用此次模拟结果作为本次放疗计划方案,判断完成后完成放疗计划方案或者开始进入治疗的阶段。
进一步地,作为图1的具体实现,本发明实施例提供了一种放疗勾靶图像配准装置,如图5所示,所述装置包括:变换单元21、测量单元22和确定单元23。
所述变换单元21,可以用于对待配准的放疗勾靶图像进行仿射变换。
所述测量单元22,可以用于对仿射变换后的图像与参考图像进行相似性测量,得到第一互信息值。
所述变换单元21,还可以用于若所述第一互信息值小于第一预设阈值,则继续对所述仿射变换后的图像进行仿射变换。
所述确定单元23,可以用于若所述第一互信息值大于或者等于第一预设阈值,则所述仿射变换后的图像确定为所述待配准图像的粗配准图像。
所述变换单元21,还可以用于对所述粗配准图像进行基于二次样条的弹性变换。
所述测量单元22,还用于对弹性变换后的图像与所述参考图像进行相似性测量,得到第二互信息值。
所述变换单元21,还可以用于若所述第二信息值小于第二预设阈值,则继续对所述弹性变换后的图像进行基于二次样条的弹性变换。
所述确定单元23,还可以用于若所述第二互信息值大于或者等于第二预设阈值,则将所述弹性变换后的图像确定为所述待配准图像的精配准图像并确定为图像配准结果。
在具体应用场景中,所述变换单元21,具体可以用于对所述粗配准图像进行控制点向量提取;基于所述控制点向量对所述粗配准图像与所述参考图像进行基于二次样条的弹性变换,得到所述粗配准图像与所述参考图像的弹性变换关系;并根据所述弹性变换关系和所述粗配准图像,得到弹性变换后的图像。
对于本发明实施例,为了尽量使得仿射变换后的图像与参考图像的相似性达到最大,所述变换单元21,具体还可以用于利用预设多参数优化算法和预设迭代搜索和估计算法对待配准的放疗勾靶图像进行仿射变换。所述多参数优化算法可以为Powell多参数优化算法,所述预设迭代搜索和估计算法可以为Brent算法,即在每一维使用Brent算法迭代搜索和估计仿射变换矩阵中的配准参数。
对于本发明实施例,为了提升放疗勾靶图像配准成功率,所述装置还包括:检测单元24,如图6所示。
所述检测单元24,可以用于根据所述参考图像对所述待配准图像进行丢帧检测。
所述变换单元21,具体可以用于若检测所述待配准图像未丢帧,则对所述待配准图像进行仿射变换;或者;
若检测所述待配准图像丢帧,则确定所述待配准图像的丢帧值是否小于或者等于预设丢帧阈值,若所述待配准图像的丢帧值小于或者等于预设丢帧阈值,则对所述待配准图像进行仿射变换。
进一步地,为了提升放疗计划方案的制定效率,所述装置还可以包括:迭加单元25和发送单元26。
所述迭加单元25,可以用于将患者对应的勾画图像与所述图像配准结果进行迭加,得到放疗勾靶结果。
所述发送单元26,可以用于当所述放疗勾靶结果通过主治医生的验证后,将所述放疗勾靶结果发送给放疗计划系统确定所述患者对应的放疗计划方案。
需要说明的是,本发明实施例提供的一种放疗勾靶图像配准装置所涉及各功能模块的其他相应描述,可以参考图1所示方法的对应描述,在此不再赘述。
基于上述如图1所示方法,相应的,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现以下步骤:对待配准的放疗勾靶图像进行仿射变换,并对仿射变换后的图像与参考图像进行相似性测量,得到第一互信息值;若所述第一互信息值小于第一预设阈值,则继续对所述仿射变换后的图像进行仿射变换;若所述第一互信息值大于或者等于第一预设阈值,则所述仿射变换后的图像确定为所述待配准图像的粗配准图像;对所述粗配准图像进行基于二次样条的弹性变换,并对弹性变换后的图像与所述参考图像进行相似性测量,得到第二互信息值;若所述第二信息值小于第二预设阈值,则继续对所述弹性变换后的图像进行基于二次样条的弹性变换;若所述第二互信息值大于或者等于第二预设阈值,则将所述弹性变换后的图像确定为所述待配准图像的精配准图像并确定为图像配准结果。
基于上述如图1所示方法和如图5所示装置的实施例,本发明实施例还提供了一种放疗勾靶图像配准装置的实体结构图,如图7所示,该装置包括:处理器41、存储器42、及存储在存储器42上并可在处理器上运行的计算机程序,其中存储器42和处理器41均设置在总线43上所述处理器41执行所述程序时实现以下步骤:对待配准的放疗勾靶图像进行仿射变换,并对仿射变换后的图像与参考图像进行相似性测量,得到第一互信息值;若所述第一互信息值小于第一预设阈值,则继续对所述仿射变换后的图像进行仿射变换;若所述第一互信息值大于或者等于第一预设阈值,则所述仿射变换后的图像确定为所述待配准图像的粗配准图像;对所述粗配准图像进行基于二次样条的弹性变换,并对弹性变换后的图像与所述参考图像进行相似性测量,得到第二互信息值;若所述第二信息值小于第二预设阈值,则继续对所述弹性变换后的图像进行基于二次样条的弹性变换;若所述第二互信息值大于或者等于第二预设阈值,则将所述弹性变换后的图像确定为所述待配准图像的精配准图像并确定为图像配准结果。该装置还包括:总线43,被配置为耦接处理器41及存储器42。
通过本发明的技术方案,通过对待配准的放疗勾靶图像进行仿射变换,并将仿射变换后的图像与参考图像进行相似性测量,得到第一互信息值;在所述第一互信息值小于第一预设阈值时,继续对所述仿射变换后的图像进行仿射变换;在所述第一互信息值大于或者等于第一预设阈值时,将所述仿射变换后的图像确定为所述待配准图像的粗配准图像,能够实现对所述待配准图像进行粗配准。与此同时,通过将所述粗配准图像与所述参考图像进行基于二次样条的弹性变换,并对弹性变换后的图像与所述参考图像进行相似性测量,得到第二互信息值;在所述第二信息值小于第二预设阈值时,继续对所述弹性变换后的图像进行基于二次样条的弹性变换;在所述第二互信息值大于或者等于第二预设阈值时,将所述弹性变换后的图像确定为所述待配准图像的精配准图像并确定为图像配准结果,能够实现对所述待配准图像进行精配准,从而能够实现通过粗配准和精配准分阶段的方式,自动进行图像配准,无需依赖外界辅助装置,节省了手工标记所消耗的时间和精力,简化了图像配准的操作步骤,从而提升了放疗勾靶图像配准的效率。此外,避免了手工标记带来的配准误差,从而提升了放疗勾靶图像配准的精确度。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
可以理解的是,上述方法及装置中的相关特征可以相互参考。另外,上述实施例中的“第一”、“第二”等是用于区分各实施例,而并不代表各实施例的优劣。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的放疗勾靶图像配准装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (10)
1.一种放疗勾靶图像配准方法,其特征在于,包括:
对待配准的放疗勾靶图像进行仿射变换,并对仿射变换后的图像与参考图像进行相似性测量,得到第一互信息值;
若所述第一互信息值小于第一预设阈值,则继续对所述仿射变换后的图像进行仿射变换;
若所述第一互信息值大于或者等于第一预设阈值,则所述仿射变换后的图像确定为所述待配准图像的粗配准图像;
对所述粗配准图像进行基于二次样条的弹性变换,并对弹性变换后的图像与所述参考图像进行相似性测量,得到第二互信息值;
若所述第二信息值小于第二预设阈值,则继续对所述弹性变换后的图像进行基于二次样条的弹性变换;
若所述第二互信息值大于或者等于第二预设阈值,则将所述弹性变换后的图像确定为所述待配准图像的精配准图像并确定为图像配准结果。
2.根据权利要求1所述的方法,其特征在于,所述对所述粗配准图像进行基于二次样条的弹性变换,具体包括:
对所述粗配准图像进行控制点向量提取;
基于所述控制点向量对所述粗配准图像与所述参考图像进行基于二次样条的弹性变换,得到所述粗配准图像与所述参考图像的弹性变换关系;
根据所述弹性变换关系和所述粗配准图像,得到弹性变换后的图像。
3.根据权利要求1所述的方法,其特征在于,所述对待配准的放疗勾靶图像进行仿射变换,具体包括:
利用预设多参数优化算法和预设迭代搜索和估计算法对待配准的放疗勾靶图像进行仿射变换。
4.根据权利要求1所述的方法,其特征在于,所述对待配准的放疗勾靶图像进行仿射变换之前,所述方法还包括:
根据所述参考图像对所述待配准图像进行丢帧检测;
所述对待配准的放疗勾靶图像进行仿射变换,具体包括:
若检测所述待配准图像未丢帧,则对所述待配准图像进行仿射变换;或者;
若检测所述待配准图像丢帧,则确定所述待配准图像的丢帧值是否小于或者等于预设丢帧阈值,若所述待配准图像的丢帧值小于或者等于预设丢帧阈值,则对所述待配准图像进行仿射变换。
5.根据权利要求1所述的方法,其特征在于,所述对所述弹性变换后的图像确定为所述待配准图像的精配准图像并确定为图像配准结果之后,所述方法还包括:
将患者对应的勾画图像与所述图像配准结果进行迭加,得到放疗勾靶结果;
当所述放疗勾靶结果通过主治医生的验证后,将所述放疗勾靶结果发送给放疗计划系统确定所述患者对应的放疗计划方案。
6.一种放疗勾靶图像配准装置,其特征在于,包括:
变换单元,用于对待配准的放疗勾靶图像进行仿射变换;
测量单元,用于对仿射变换后的图像与参考图像进行相似性测量,得到第一互信息值;
所述变换单元,还用于若所述第一互信息值小于第一预设阈值,则继续对所述仿射变换后的图像进行仿射变换;
确定单元,用于若所述第一互信息值大于或者等于第一预设阈值,则所述仿射变换后的图像确定为所述待配准图像的粗配准图像;
所述变换单元,还用于对所述粗配准图像进行基于二次样条的弹性变换;
所述测量单元,还用于对弹性变换后的图像与所述参考图像进行相似性测量,得到第二互信息值;
所述变换单元,还用于若所述第二信息值小于第二预设阈值,则继续对所述弹性变换后的图像进行基于二次样条的弹性变换;
所述确定单元,还用于若所述第二互信息值大于或者等于第二预设阈值,则将所述弹性变换后的图像确定为所述待配准图像的精配准图像并确定为图像配准结果。
7.根据权利要求6所述的装置,其特征在于,
所述变换单元,具体用于对所述粗配准图像进行控制点向量提取;基于所述控制点向量对所述粗配准图像与所述参考图像进行基于二次样条的弹性变换,得到所述粗配准图像与所述参考图像的弹性变换关系;并根据所述弹性变换关系和所述粗配准图像,得到弹性变换后的图像。
8.根据权利要求6所述的装置,其特征在于,
所述变换单元,具体用于利用预设多参数优化算法和预设迭代搜索和估计算法对待配准的放疗勾靶图像进行仿射变换。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现以下步骤:
对待配准的放疗勾靶图像进行仿射变换,并对仿射变换后的图像与参考图像进行相似性测量,得到第一互信息值;
若所述第一互信息值小于第一预设阈值,则继续对所述仿射变换后的图像进行仿射变换;
若所述第一互信息值大于或者等于第一预设阈值,则所述仿射变换后的图像确定为所述待配准图像的粗配准图像;
对所述粗配准图像进行基于二次样条的弹性变换,并对弹性变换后的图像与所述参考图像进行相似性测量,得到第二互信息值;
若所述第二信息值小于第二预设阈值,则继续对所述弹性变换后的图像进行基于二次样条的弹性变换;
若所述第二互信息值大于或者等于第二预设阈值,则将所述弹性变换后的图像确定为所述待配准图像的精配准图像并确定为图像配准结果。
10.一种放疗勾靶图像配准装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现以下步骤:
对待配准的放疗勾靶图像进行仿射变换,并对仿射变换后的图像与参考图像进行相似性测量,得到第一互信息值;
若所述第一互信息值小于第一预设阈值,则继续对所述仿射变换后的图像进行仿射变换;
若所述第一互信息值大于或者等于第一预设阈值,则所述仿射变换后的图像确定为所述待配准图像的粗配准图像;
对所述粗配准图像进行基于二次样条的弹性变换,并对弹性变换后的图像与所述参考图像进行相似性测量,得到第二互信息值;
若所述第二信息值小于第二预设阈值,则继续对所述弹性变换后的图像进行基于二次样条的弹性变换;
若所述第二互信息值大于或者等于第二预设阈值,则将所述弹性变换后的图像确定为所述待配准图像的精配准图像并确定为图像配准结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810316572.9A CN108549906A (zh) | 2018-04-10 | 2018-04-10 | 放疗勾靶图像配准方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810316572.9A CN108549906A (zh) | 2018-04-10 | 2018-04-10 | 放疗勾靶图像配准方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108549906A true CN108549906A (zh) | 2018-09-18 |
Family
ID=63514658
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810316572.9A Pending CN108549906A (zh) | 2018-04-10 | 2018-04-10 | 放疗勾靶图像配准方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108549906A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110288641A (zh) * | 2019-07-03 | 2019-09-27 | 武汉瑞福宁科技有限公司 | Pet/ct与mri脑部图像异机配准方法、装置、计算机设备及存储介质 |
CN110415279A (zh) * | 2019-06-25 | 2019-11-05 | 北京全域医疗技术集团有限公司 | 图像配准方法、装置及设备 |
CN111462063A (zh) * | 2020-03-26 | 2020-07-28 | 上海杏脉信息科技有限公司 | 肺部双气相ct图像三维配准方法及系统、存储介质及终端 |
CN114831732A (zh) * | 2022-07-04 | 2022-08-02 | 真健康(北京)医疗科技有限公司 | 基于x光图像的穿刺位置验证方法及设备 |
WO2022193750A1 (zh) * | 2021-03-16 | 2022-09-22 | 深圳先进技术研究院 | 一种基于深度学习的乳腺图像配准方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101609553A (zh) * | 2009-07-20 | 2009-12-23 | 浙江大学 | 基于隐含形状表示和边缘信息融合的非刚体图像配准算法 |
CN102411780A (zh) * | 2011-09-07 | 2012-04-11 | 华南理工大学 | 一种基于配准的ct图像全心脏自动分割系统 |
CN102722890A (zh) * | 2012-06-07 | 2012-10-10 | 内蒙古科技大学 | 基于光流场模型的非刚性心脏图像分级配准方法 |
CN105389775A (zh) * | 2015-10-16 | 2016-03-09 | 浙江工业大学 | 融合图像灰度特征与结构化表示的图像群组配准方法 |
CN106204561A (zh) * | 2016-07-04 | 2016-12-07 | 西安电子科技大学 | 基于混合模型的前列腺多模态图像非刚性配准方法 |
CN106934821A (zh) * | 2017-03-13 | 2017-07-07 | 中国科学院合肥物质科学研究院 | 一种基于icp算法和b样条的锥形束ct和ct图像配准方法 |
CN106952223A (zh) * | 2017-03-17 | 2017-07-14 | 北京邮电大学 | 图像配准方法及装置 |
CN107358600A (zh) * | 2017-06-14 | 2017-11-17 | 北京全域医疗技术有限公司 | 放疗计划中的自动勾靶方法、装置和电子设备 |
-
2018
- 2018-04-10 CN CN201810316572.9A patent/CN108549906A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101609553A (zh) * | 2009-07-20 | 2009-12-23 | 浙江大学 | 基于隐含形状表示和边缘信息融合的非刚体图像配准算法 |
CN102411780A (zh) * | 2011-09-07 | 2012-04-11 | 华南理工大学 | 一种基于配准的ct图像全心脏自动分割系统 |
CN102722890A (zh) * | 2012-06-07 | 2012-10-10 | 内蒙古科技大学 | 基于光流场模型的非刚性心脏图像分级配准方法 |
CN105389775A (zh) * | 2015-10-16 | 2016-03-09 | 浙江工业大学 | 融合图像灰度特征与结构化表示的图像群组配准方法 |
CN106204561A (zh) * | 2016-07-04 | 2016-12-07 | 西安电子科技大学 | 基于混合模型的前列腺多模态图像非刚性配准方法 |
CN106934821A (zh) * | 2017-03-13 | 2017-07-07 | 中国科学院合肥物质科学研究院 | 一种基于icp算法和b样条的锥形束ct和ct图像配准方法 |
CN106952223A (zh) * | 2017-03-17 | 2017-07-14 | 北京邮电大学 | 图像配准方法及装置 |
CN107358600A (zh) * | 2017-06-14 | 2017-11-17 | 北京全域医疗技术有限公司 | 放疗计划中的自动勾靶方法、装置和电子设备 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110415279A (zh) * | 2019-06-25 | 2019-11-05 | 北京全域医疗技术集团有限公司 | 图像配准方法、装置及设备 |
CN110288641A (zh) * | 2019-07-03 | 2019-09-27 | 武汉瑞福宁科技有限公司 | Pet/ct与mri脑部图像异机配准方法、装置、计算机设备及存储介质 |
CN111462063A (zh) * | 2020-03-26 | 2020-07-28 | 上海杏脉信息科技有限公司 | 肺部双气相ct图像三维配准方法及系统、存储介质及终端 |
CN111462063B (zh) * | 2020-03-26 | 2022-09-23 | 上海杏脉信息科技有限公司 | 肺部双气相ct图像三维配准方法及系统、存储介质及终端 |
WO2022193750A1 (zh) * | 2021-03-16 | 2022-09-22 | 深圳先进技术研究院 | 一种基于深度学习的乳腺图像配准方法 |
CN114831732A (zh) * | 2022-07-04 | 2022-08-02 | 真健康(北京)医疗科技有限公司 | 基于x光图像的穿刺位置验证方法及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108549906A (zh) | 放疗勾靶图像配准方法及装置 | |
US20210056687A1 (en) | Systems and methods for segmentation of intra-patient medical images | |
CN108717866B (zh) | 一种预测放疗计划剂量分布的方法、装置、设备及存储介质 | |
Feng et al. | Segmenting CT prostate images using population and patient‐specific statistics for radiotherapy | |
JP2021035502A (ja) | 畳み込みニューラルネットワークを用いた画像セグメンテーションのためのシステムおよび方法 | |
EP2721580B1 (en) | Hybrid point-based registration | |
JP2009536857A5 (ja) | 画像誘導型放射線治療のための画像の変形可能なレジストレーション | |
CN107865658B (zh) | 用于修正合成电子密度图的方法和设备 | |
GB2529545A (en) | Automatic background region selection for lesion delineation in medical images | |
US9082179B2 (en) | Automatic projection of landmarks to generate additional correspondences in image registration | |
Xie et al. | Feature‐based rectal contour propagation from planning CT to cone beam CT | |
Zhen et al. | A segmentation and point-matching enhanced efficient deformable image registration method for dose accumulation between HDR CT images | |
CN107731298A (zh) | 基于放疗计划系统的射野设置方法及装置 | |
EP3516621B1 (en) | Apparatus for adaptive contouring of a body part | |
Ramus et al. | Construction of patient specific atlases from locally most similar anatomical pieces | |
Ma et al. | Evaluation of mesh-and binary-based contour propagation methods in 4D thoracic radiotherapy treatments using patient 4D CT images | |
Andreadis et al. | MOREA: a GPU-accelerated Evolutionary Algorithm for Multi-Objective Deformable Registration of 3D Medical Images | |
He et al. | Quantitative comparisons of deep-learning-based and atlas-based auto-segmentation of the intermediate risk clinical target volume for nasopharyngeal carcinoma | |
You et al. | A novel application of principal surfaces to segmentation in 4D-CT for radiation treatment planning | |
Moreno et al. | Combining a breathing model and tumor-specific rigidity constraints for registration of CT-PET thoracic data | |
Kronman et al. | Anatomical structures segmentation by spherical 3D ray casting and gradient domain editing | |
Lin et al. | Development of a novel post-processing treatment planning platform for 4D radiotherapy | |
US20230191157A1 (en) | Automatic estimation of positions of brachytherapy seeds | |
Markel et al. | Dosimetric correction for a 4D-computed tomography dataset using the free-form deformation algorithm | |
CN117745989A (zh) | 基于椎管构造的神经根阻滞靶点注入路径规划方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 100013 Block A 1703, Building No. 1, 36 North Third Ring Road, Dongcheng District, Beijing Applicant after: Beijing Global Medical Technology Group Co., Ltd. Address before: 100013 Block A 1703, Building No. 1, 36 North Third Ring Road, Dongcheng District, Beijing Applicant before: BEIJING ALLCURE MEDICAL TECHNOLOGY CO., LTD. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180918 |