CN110148160A - 一种正交x射线影像快速2d-3d医学图像配准方法 - Google Patents
一种正交x射线影像快速2d-3d医学图像配准方法 Download PDFInfo
- Publication number
- CN110148160A CN110148160A CN201910429671.2A CN201910429671A CN110148160A CN 110148160 A CN110148160 A CN 110148160A CN 201910429671 A CN201910429671 A CN 201910429671A CN 110148160 A CN110148160 A CN 110148160A
- Authority
- CN
- China
- Prior art keywords
- image
- parameter
- orthogonal
- registration
- ray
- 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
Classifications
-
- 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
-
- 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
- G06T7/32—Determination of transform parameters for the alignment of images, i.e. image registration using correlation-based methods
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种正交X射线影像快速2D‑3D医学图像配准方法,不断通过在两对正交角度下的DRR‑X射线影像间的2D‑2D配准来引导3D空间刚体变换。在3D空间刚体变换中对射线与DRR像素进行坐标反变换避免3D并且将计算量大的步骤DRR生成等步骤转移到GPU上进行并行计算,克服2D‑3D配准时间长的问题,达到快速进行2D‑3D医学图像配准的目的。
Description
技术领域
本发明涉及一种正交X射线影像快速2D-3D医学图像配准方法, 属于医学图像数据处理技术领域,可应用于图像引导肿瘤放疗系统中 的患者姿态修正。
背景技术
图像引导系统主要用于辅助引导肿瘤放射治疗,通过放疗过程中 实时X射线影像与术前重构CT图像进行配准获取患者摆位误差,并修 正该误差使得放射线能够准确轰击到患者肿瘤靶灶,减小对患者正常 组织的损伤。因此在临床实际应用中为了缩短患者治疗过程中等待时 间并保证放疗效果,需要进行快速准确的2D-3D配准。
现有的2D-3D配准算法以基于灰度的迭代优化式配准算法为主, 其主要思想是由CT数据模拟X射线投影生成DRR(Digitally Reconstructured Radiograph,数字重建放射影像),通过衡量DRR 与X射线影像的相似程度来来判断患者当前位置姿态与术前重构CT姿态是否存在差异,并且进一步通过优化算法寻找使得DRR与X射线 影像最相似的CT空间位置。在CPU的串行程序处理下需要不断遍历 CT体素、DRR以及X光像素等极其耗时的过程。由于DRR投影以及相 似性度量的计算本质上就是复杂度分别为O(n3)与O(n2),这意味着一般的2D-3D配准算法是计算量巨大的算法,难以满足临床治疗中快 速配准的要求,需要对此不足进行改进。
发明内容
针对现有技术的不足,本发明提出了一种基于并行计算的正交X 射线影像快速2D-3D医学图像配准算法,其提供了一种采取GPU进行 并行计算,并且充分利用一对正交面板上2D坐标系统反映的空间位 置信息不断引导3D刚体变换进而实现快速配准的方法,输入一对射 线夹角为90°的两块探测面板获取的X射线影像与CT数据可输出术 前重构CT与当前X射线影像相对应的6个空间刚体变换参数。
本发明采取的技术方案为:一种正交X射线影像快速2D-3D医学 图像配准方法,充分利用在两个垂直方向进行拍摄的一对正交X射线 影像包含的空间位置信息,并通过在GPU上的并行计算实现快速精确 的2D-3D配准,主要包括以下步骤:
1)获取术前进行CT重构获得CT数据。并获取两幅在射线夹角 为90°下拍摄的X射线影像,保存两次X射线影像及其拍摄系统的 参数。系统参数主要包括射线源到等中心点距离,射线源到探测面板 距离,拍摄角度,X射线影像像素点的物理尺寸。
2)根据步骤1)中获取的拍摄参数,建立虚拟坐标系,设置射 线源点、等中心点、探测面板在虚拟坐标系中的位置,为虚拟探测面 板上每个像素点赋值一个虚拟坐标系坐标,并且将CT数据根据其体 素物理距离为每一个体素中心赋值一个虚拟坐标系的坐标,模拟X光 拍摄机械系统。
3)在步骤2)中所建立的虚拟坐标系中根据Siddon-Jacobs FastRay-Tracing算法进行DRR生成,但将每个DRR像素点的像素值 计算在GPU上并行化独立运行。
4)将步骤3)中生成DRR图像后与X射线影像在GPU上并行化 计算二值化局部加权均差相似度,以3D空间初始位置参数根据几何 结构正交分解得到的2D刚体参数为初始位置,对生成DRR图像进行 并行化的2D-2D配准。
5)将步骤4)中两对2D-2D图像间的配准结果,再次根据正交 分解关系反演到3D空间中,作为3D变换的初始位置,跟据这一初始 位置搜索优化得到新的刚体变换参数,对虚拟坐标系中的探测面板、 光源点进行反变换,并生成新的DRR图像,再次计算出归一化互相关 相似度。
6)重复步骤3)到步骤4)直到两对2D-2D图像间的归一化互相 关相似度不再增加,输出当前4)中最后的空间变换参数以及当前参 数对应的DRR图像。
其中局部加权均差相似度包含以下计算过程:
1)根据图像均值作为阈值将整幅图像二值化,对于大小为N*M的 2D图像Img,其第i行j列像素Img(i,j)二值化结果Img′(i,j):
2)根据图像二值化结果Img′,计算第i行j列处的局加权均值 M(i,j):
其中参数m,n为局部矩形区域的长宽,alpha,beta计算如下:
alpha=(2n+1)(2m+1)-1,
根据两幅图像加权均值M1(i,j)、M2(i,j),计算相似度 Metric(M1,M2):
3)对于图像I1,I2归一化互相关相似度Ncc(I1,I2)包含以下计算过 程:
Cvar(I1,I2)计算方式如下:
对于图像I,Avg(I)计算方式如下:
对于图像I,Var(I)计算方式如下:
本发明改进之处如下:
本发明与已有技术相比,采用正交角度下拍摄一对X射线影像作 为输入图像,通过分析正交拍摄系统中空间刚体变换参数与探测面板 上平面刚体变换之间的几何关系,不断采用2D-2D配准来引导2D-3D 配准过程中的参数优化,减少优化过程中的迭代次数。并且通过将时 间复杂度高的DRR生成、2D双线性插值、3D空间坐标变换以及两种 相似度计算进行基于GPU的并行化计算,缩短每一次迭代时间。通过 本发明,可在肿瘤放射临床治疗中,不损失精度的情况下更快速的进 行2D-3D配准,修正患者摆位误差。
附图说明
图1-a是本发明中设立坐标系间几何结构及其几何参数关系分析 图;
图2-a是本发明简要流程图;
图3-a是本发明实际案例中输入的一对头颅模体的人工合成正 交X射线影像;
图3-b是本发明实际案例中输入的头颅模体CT视图;
图4-a是本发明实际案例中相对于图3-a的输出结果图像;
图4-b是本发明中输入图像与输出配准结果图像的棋盘显示效 果。
具体实施方式
为了体现本发明的技术特点,具体实施一次2D-3D配准案例并结 合附图说明本发明具体流程。下面以一次对患者进行术中X射线影像 拍摄完毕开始至2D-3D配准结束完成姿态位置偏差的输出为实施案 例,X光图像以及CT数据采用公开的头颅CT数据及其模拟X光图像, 结合附图和技术方案进一步说明本发明的具体实施方式。具体步骤如 下:
1)采用一个如附图3-b所示头颅模体CT作为CT输入其物理大 小为400*400*284,体素物理尺寸为2*2*2mm3,分别在0°和90° 角度,无旋转,无平移的条件下人工合成模拟一对正交X射线影像图 像作为配准目标参数的对应的2D图像,如附图3-a,即配准目标位 置为Tx,Ty,Tz,Rx,Ry,Rz都是0。保存合成X射线影像采取X射线影 像像素物理尺寸,射线源到探测面板距离,射线源到等中心点距离, CT体素物理尺寸,预设配准中使用512*512的配准图像,设定配准 的初始位置为沿着X,Y,Z三个方向平移-5mm,-5mm,-5mm,旋转 5°,5°,5°。
2)根据步骤1)中获取的机械参数,建立虚拟坐标系如附图1-a。 设置射线源点、等中心点、探测面板在虚拟坐标系中的位置,为虚拟 探测面板上每个像素点赋值一个虚拟坐标系坐标,并且将CT数据根 据其体素物理距离为每一个体素中心赋值一个虚拟坐标系的坐标,模 拟X光拍摄机械系统。
3)在步骤2)中所建立的虚拟坐标系中,计算所有射线源到DRR 像素中心点物理坐标间的光路。将每一条光路上累积经过的CT体素 值进行加权累积,权值由光路经过的体素内部长度占虚拟光路在CT 内部总长度之比计算得到。将DRR像素点的像素值计算分别放在在 GPU的一个计算单元上并行化独立运行,限于本实验中硬件限制,所 有的DRR像素值分块进行并行计算后再汇总成DRR图像。在此步骤中 生成与0°、90°下X射线影像相对应的两幅DRR图像。
4)将步骤3)中生成两幅DRR图像分别与其对应的X射线影像 以3D空间初始位置参数根据附图1-a几何结构关系带入1)中得到 的几何参数数据,计算出2D刚体参数为初始位置。在GPU上计算对 生成DRR图像计算局部加权均差相似度,其中delta取值为0。
5)从步骤4)中初始2D位置及其对应局部加权均差相似度出发, 由powell搜索优化方法搜索下一步2D变换参数。根据搜索得到的新 的参数,在GPU上对DRR图像进行双线性插值的2D刚题变换,得到 新的DRR图像。
6)重复步骤4)到步骤5)这一过程直到新的DRR图像与X射线 影像间的相似度在相邻两次变换中的差值小于阈值0.001。对0°、 90°下的DRR-X射线影像对,分别独立进行上述2D-2D配准。
5)将步骤4)中2对DRR-X射线影像像间的配准结果,根据附 图1-a中正交分解关系反演到3D空间中,作为3D变换的初始位置。 由这一初始位置生成新的一对正交DRR图像,分别与对应的X射线影 像在GPU上计算NCC相似度,并且取两对DRR-X射线影像NCC度量均 值作为初始迭代的相似度。以该初始相似度,结合由2D-2D配准结果 根据附图1-a所示几何关系公式反演的3D变换初始位置,对6个维 度分别进行一维搜索,计算出新的3D空间变换参数。
6)由该新的3D空间变换参数,对DRR像素物理坐标及其对应的 射线源坐标进行反变换。该变换结果等价于对CT体素进行正变换。 得到新的光源点与DRR像素物理坐标点,进入2)生成新的一对正交 DRR图像。
7)重复步骤2)到步骤6)的过程不断进行2D-2D配准,引导 3D空间变换,直到两次循环间的步骤5)计算得到NCC相似度差值 小于0.001,停止迭代。输出步骤5)中计算的NCC相似度值0.996358, 参数Tx,Ty,Tz,Rx,Ry,Rz分别为[-0.022,-0.081,-0.106,0.0,-0.215,-0.165], 耗时6.62秒,同时输出一对正交DRR图像如附图4-a。为直观展现配 准结果,将输入、输出的两对2D-2D图像进行棋盘状拼接,如附图 4-b。
表1-a中显示了在输入相同数据的情况下经典医学图像处理库 ITK与本发明的运行结果对比,其中Tx,Ty,Tz单位为毫米,Rx,Ry,Rz 单位为度,采用角度制。相对ITK库,在非常短的时间内取得更高的 配准精度。
表1-a
本发明采用正交角度下拍摄一对X射线影像作为输入图像,通过 分析正交拍摄系统中空间刚体变换参数与探测面板上平面刚体变换 之间的几何关系,不断采用2D-2D配准来引导2D-3D配准过程中的参 数优化,减少优化过程中的迭代次数。并且通过将时间复杂度高的 DRR生成、2D双线性插值、3D空间坐标变换以及两种相似度计算进 行基于GPU的并行化计算,缩短每一次迭代时间。通过本发明,可在 肿瘤放射临床治疗中,进行快速高精度的2D-3D配准,修正患者摆位 误差。
以上所述只是本发明的优选实施方式,对于本技术领域的普通技 术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和 润饰,这些改进和润饰也被视为本发明的保护范围。
Claims (4)
1.一种正交X射线影像快速2D-3D医学图像配准方法,其特征在于,该方法包括下述步骤:
步骤一:重复利用2D-2D近似刚体配准结果由几何关系反演出3D空间参数;
步骤二:在2D-2D配准过程中采用一种局部加权均值误差来衡量2D图像间的相似程度。
2.根据权利要求1所述一种正交X射线影像快速2D-3D医学图像配准方法,其特征在于,步骤一中2D-2D近似刚体配准的具体配准过程如下:
1)先根据3D初始参数,利用正交分解将6个刚体参数中的5个分解到2个正交面板坐标系中;
2)以步骤1)中分解的参数作为初始参数,在两个正交面板坐标系中分别进行2D-2D配准;
3)将步骤2)中的2D-2D配准结果反演至3D刚体变换参数的5个,计算NCC相似度并以此为起点优化搜索下一组3D参数;
4)重复步骤1)到步骤3)的过程,直到3)中相邻两次迭代所计算的NCC相似度的增加量小于预设阈值。
3.根据权利要求2所述的一种正交X射线影像快速2D-3D医学图像配准方法,其特征在于,步骤2)中包含的2D-2D配准过程中,对于并非完全一致的两幅2D图像,鲁棒的进行相似度计算;具体计算步骤如下:
1)根据图像均值作为阈值将整幅图像二值化,对于大小为N*M的2D图像Img,其第i行j列像素Img(i,j)二值化结果Img′(i,j):
2)根据图像二值化结果Img′,计算第i行j列处的局加权均值M(i,j):
其中参数alpha,beta计算方式如下:
alpha=(2n+1)(2m+1)-1,
3)根据两幅图像加权均值M1(i,j)、M2(i,j),计算相似度Metric(M1,M2):
4.根据权利要求2所述的一种正交X射线影像快速2D-3D医学图像配准方法,其特征在于,步骤1)中3D刚体参数搜索完成后不是对CT体素进行3D刚体变换与插值,而是对射线源坐标、DRR像素坐标在GPU上进行反变换,反变化具体步骤如下:
1)3D空间参数取相反数;
2)对两个虚拟射线源点及其对应DRR像素按照输入的X射线影像拍摄过程的机械参数在GPU上并行化赋值物理坐标;
3)对步骤2)中的物理坐标根据步骤1)中得到的变换参数在GPU上对虚拟射线源点以及对应DRR像素物理坐标并行化计算空间变换。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910429671.2A CN110148160A (zh) | 2019-05-22 | 2019-05-22 | 一种正交x射线影像快速2d-3d医学图像配准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910429671.2A CN110148160A (zh) | 2019-05-22 | 2019-05-22 | 一种正交x射线影像快速2d-3d医学图像配准方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110148160A true CN110148160A (zh) | 2019-08-20 |
Family
ID=67592746
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910429671.2A Pending CN110148160A (zh) | 2019-05-22 | 2019-05-22 | 一种正交x射线影像快速2d-3d医学图像配准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110148160A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111105475A (zh) * | 2019-12-24 | 2020-05-05 | 电子科技大学 | 一种基于正交角度x光的骨骼三维重建方法 |
CN112206063A (zh) * | 2020-09-01 | 2021-01-12 | 广东工业大学 | 一种多模态多角度牙科种植体配准方法 |
CN113421226A (zh) * | 2021-06-03 | 2021-09-21 | 山东师范大学 | 基于互信息的ct-dr多模态食管图像配准方法及系统 |
CN115205417A (zh) * | 2022-09-14 | 2022-10-18 | 首都医科大学附属北京安贞医院 | 一种投影变换的计算方法、装置、设备及存储介质 |
CN116327228A (zh) * | 2023-03-30 | 2023-06-27 | 杭州邦杰星医疗科技有限公司 | 一种2d-3d图像初始值计算的方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103209656A (zh) * | 2010-09-10 | 2013-07-17 | 约翰霍普金斯大学 | 配准过的表面下解剖部的可视化 |
CN103892861A (zh) * | 2012-12-28 | 2014-07-02 | 北京思创贯宇科技开发有限公司 | 一种基于ct-xa 图像多维融合的模拟导航系统及方法 |
CN104091337A (zh) * | 2014-07-11 | 2014-10-08 | 北京工业大学 | 一种基于PCA及微分同胚Demons的变形医学图像配准方法 |
CN104134210A (zh) * | 2014-07-22 | 2014-11-05 | 兰州交通大学 | 基于组合相似性测度的2d-3d医学图像并行配准方法 |
CN104254874A (zh) * | 2012-03-05 | 2014-12-31 | 伦敦国王学院 | 用于辅助2d-3d图像配准的方法及系统 |
CN105976372A (zh) * | 2016-05-05 | 2016-09-28 | 北京天智航医疗科技股份有限公司 | 一种术前三维影像与术中透视图像的无标定物配准方法 |
EP2648160B1 (en) * | 2012-04-03 | 2017-03-08 | Intrasense | Topology-preserving ROI remapping method between medical images |
CN106683125A (zh) * | 2017-01-11 | 2017-05-17 | 中国矿业大学 | 一种基于2d/3d模态切换的rgb‑d图像配准方法 |
US20170178349A1 (en) * | 2015-12-18 | 2017-06-22 | The Johns Hopkins University | Method for deformable 3d-2d registration using multiple locally rigid registrations |
CN107729930A (zh) * | 2017-10-09 | 2018-02-23 | 济南大学 | 一种快速判别两幅相同场景图像光照相似度的方法及系统 |
-
2019
- 2019-05-22 CN CN201910429671.2A patent/CN110148160A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103209656A (zh) * | 2010-09-10 | 2013-07-17 | 约翰霍普金斯大学 | 配准过的表面下解剖部的可视化 |
CN104254874A (zh) * | 2012-03-05 | 2014-12-31 | 伦敦国王学院 | 用于辅助2d-3d图像配准的方法及系统 |
EP2648160B1 (en) * | 2012-04-03 | 2017-03-08 | Intrasense | Topology-preserving ROI remapping method between medical images |
CN103892861A (zh) * | 2012-12-28 | 2014-07-02 | 北京思创贯宇科技开发有限公司 | 一种基于ct-xa 图像多维融合的模拟导航系统及方法 |
CN104091337A (zh) * | 2014-07-11 | 2014-10-08 | 北京工业大学 | 一种基于PCA及微分同胚Demons的变形医学图像配准方法 |
CN104134210A (zh) * | 2014-07-22 | 2014-11-05 | 兰州交通大学 | 基于组合相似性测度的2d-3d医学图像并行配准方法 |
US20170178349A1 (en) * | 2015-12-18 | 2017-06-22 | The Johns Hopkins University | Method for deformable 3d-2d registration using multiple locally rigid registrations |
CN105976372A (zh) * | 2016-05-05 | 2016-09-28 | 北京天智航医疗科技股份有限公司 | 一种术前三维影像与术中透视图像的无标定物配准方法 |
CN106683125A (zh) * | 2017-01-11 | 2017-05-17 | 中国矿业大学 | 一种基于2d/3d模态切换的rgb‑d图像配准方法 |
CN107729930A (zh) * | 2017-10-09 | 2018-02-23 | 济南大学 | 一种快速判别两幅相同场景图像光照相似度的方法及系统 |
Non-Patent Citations (5)
Title |
---|
MASUMA AKTER ET AL: "A 2D-3D Image Registration Algorithm Using Log-Polar Transforms for Knee Kinematic Analysis", 《2012 INTERNATIONAL CONFERENCE ON DIGITAL IMAGE COMPUTING TECHNIQUES AND APPLICATIONS (DICTA)》 * |
TORNAI G J ET AL: "Fast DRR generation for 2D to 3D registration on GPUs", 《MED PHYS》 * |
YANG LEI ET AL: "An improved 2D-3D medical image registration algorithm based on modified mutual information and expanded Powell method", 《2013 IEEE INTERNATIONAL CONFERENCE ON MEDICAL IMAGING PHYSICS AND ENGINEERING》 * |
曹文明等: "基于共形几何代数的3D医学图像配准", 《中国科学》 * |
罗博博: "骨科手术导航中2D-3D医学图像配准的应用研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111105475A (zh) * | 2019-12-24 | 2020-05-05 | 电子科技大学 | 一种基于正交角度x光的骨骼三维重建方法 |
CN112206063A (zh) * | 2020-09-01 | 2021-01-12 | 广东工业大学 | 一种多模态多角度牙科种植体配准方法 |
CN113421226A (zh) * | 2021-06-03 | 2021-09-21 | 山东师范大学 | 基于互信息的ct-dr多模态食管图像配准方法及系统 |
CN113421226B (zh) * | 2021-06-03 | 2022-11-01 | 山东师范大学 | 基于互信息的ct-dr多模态食管图像配准方法及系统 |
CN115205417A (zh) * | 2022-09-14 | 2022-10-18 | 首都医科大学附属北京安贞医院 | 一种投影变换的计算方法、装置、设备及存储介质 |
CN116327228A (zh) * | 2023-03-30 | 2023-06-27 | 杭州邦杰星医疗科技有限公司 | 一种2d-3d图像初始值计算的方法 |
CN116327228B (zh) * | 2023-03-30 | 2024-04-30 | 杭州邦杰星医疗科技有限公司 | 一种2d-3d图像初始值计算的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110148160A (zh) | 一种正交x射线影像快速2d-3d医学图像配准方法 | |
Kontaxis et al. | DeepDose: Towards a fast dose calculation engine for radiation therapy using deep learning | |
Maspero et al. | Dose evaluation of fast synthetic-CT generation using a generative adversarial network for general pelvis MR-only radiotherapy | |
Murphy | Fiducial‐based targeting accuracy for external‐beam radiotherapy | |
McClelland et al. | Inter-fraction variations in respiratory motion models | |
CN103761745B (zh) | 一种肺部运动模型估计方法及系统 | |
Chou et al. | 2D/3D image registration using regression learning | |
Ha et al. | Model-based sparse-to-dense image registration for realtime respiratory motion estimation in image-guided interventions | |
Tong et al. | X-ray2Shape: reconstruction of 3D liver shape from a single 2D projection image | |
WO2012069965A1 (en) | Interactive deformation map corrections | |
Rabe et al. | Porcine lung phantom-based validation of estimated 4D-MRI using orthogonal cine imaging for low-field MR-Linacs | |
Dhont et al. | RealDRR–rendering of realistic digitally reconstructed radiographs using locally trained image-to-image translation | |
Martin et al. | Building motion models of lung tumours from cone-beam CT for radiotherapy applications | |
Zhong et al. | Adaptive radiotherapy for NSCLC patients: utilizing the principle of energy conservation to evaluate dose mapping operations | |
Weruaga et al. | Estimating volumetric motion in human thorax with parametric matching constraints | |
Dai et al. | Volumetric tumor tracking from a single cone-beam X-ray projection image enabled by deep learning | |
Noe et al. | Surface membrane based bladder registration for evaluation of accumulated dose during brachytherapy in cervical cancer | |
Ouyang et al. | Preliminary feasibility study of imaging registration between supine and prone breast CT in breast cancer radiotherapy using residual recursive cascaded networks | |
Peterhans et al. | Monte Carlo dose calculation on deforming anatomy | |
Pan et al. | A fast registration from 3D CT images to 2D X-ray images | |
EP3338860A1 (en) | Registration of particle beam radiography data | |
Bao et al. | Bayesian model-based liver respiration motion prediction and evaluation using single-cycle and double-cycle 4D CT images | |
Wu et al. | Deformable image registration of CT images for automatic contour propagation in radiation therapy | |
Haque et al. | A slice based technique for low-complexity 3D/2D registration of CT to single plane X-ray fluoroscopy | |
Atoui et al. | A fast morphing-based interpolation for medical images: application to conformal radiotherapy |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190820 |
|
RJ01 | Rejection of invention patent application after publication |