CN116188377B - 一种锥形束ct图像配准结果评价方法及系统 - Google Patents
一种锥形束ct图像配准结果评价方法及系统 Download PDFInfo
- Publication number
- CN116188377B CN116188377B CN202211680648.9A CN202211680648A CN116188377B CN 116188377 B CN116188377 B CN 116188377B CN 202211680648 A CN202211680648 A CN 202211680648A CN 116188377 B CN116188377 B CN 116188377B
- Authority
- CN
- China
- Prior art keywords
- registration
- volume
- factor
- target
- image
- 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.)
- Active
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 39
- 238000007408 cone-beam computed tomography Methods 0.000 claims abstract description 92
- 210000000920 organ at risk Anatomy 0.000 claims abstract description 61
- 210000000056 organ Anatomy 0.000 claims abstract description 47
- 238000013210 evaluation model Methods 0.000 claims abstract description 39
- 230000000694 effects Effects 0.000 claims abstract description 31
- 238000002203 pretreatment Methods 0.000 claims abstract description 17
- 238000000113 differential scanning calorimetry Methods 0.000 claims description 36
- 231100000817 safety factor Toxicity 0.000 claims description 29
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000001959 radiotherapy Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 11
- 238000002720 stereotactic body radiation therapy Methods 0.000 claims description 10
- 210000003484 anatomy Anatomy 0.000 claims description 7
- 238000000034 method Methods 0.000 description 11
- 206010028980 Neoplasm Diseases 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Radiation-Therapy Devices (AREA)
Abstract
本发明公开了一种锥形束CT图像配准结果评价方法及系统，通过获取计划CT图像与CBCT图像的配准数据，配准数据包括计划靶区体积、靶区体积、计划CT体积和治疗前摆位CBCT图像中相应结构的体积，根据所述计划靶区体积和靶区体积得到计划靶区体积和靶区体积的覆盖率，根据计划CT体积和治疗前摆位CBCT图像中相应结构的体积得到相似性指数，通过相似性指数、靶区覆盖因子、危及器官安全因子、权重因子和各个器官的配准效果因子构建综合配准因子评价模型，将配准数据代入综合配准因子评价模型中得到综合配准得分，本方法通过设立和计算了不同解剖结构的配准权重因子，形成了可以量化评分的加权综合评价数学模型对配准结果进行评价，可以提高临床配准效果。
Description
技术领域
本发明涉及自然语言处理技术领域，尤其涉及一种锥形束CT图像配准结果评价方法及系统。
背景技术
锥形束CT图像引导放射治疗技术的配准评价方法主要包括：根据摆位修正前后的两次CBCT扫描图像分别与计划CT图像配准获得的靶区中心位置偏差的差值作为配准评估指标，以特定骨性结构的位置偏差作为配准评估指标；植入患者体内的金属影像标记点位置偏差来为作为配准评估指标等。
现有的方法只是评估了个别特定几何点的误差，无法提供配准后的解剖结构的体积重合率、计划靶区对肿瘤的覆盖率等体积误差参数，也不能综合考虑和平衡靶区和危及器官的配准效果，在临床应用时往往不能给出足够的位置修正信息。选择不同的感兴趣区域进行在线图像与计划图像配准会得到不同的位移结果，而不合适的位移调整，不仅不能修正治疗执行剂量分布的误差，还可能导致靶区剂量不足或者危及器官受到过量照射，而且基于IGRT实际临床应用中还常常需要解决靶区与危及器官位置精度优先度或兼顾的问题，分析IGRT临床治疗的临床要求，希望达到的首要目标是保证放射治疗靶区位置的准确性，必须保证的条件包括放疗PTV对治疗摆位下的GTV和CTV有足够的覆盖。其次是尽可能地保护危及器官，使得危及器官的几何位置不要落到高剂量区域。然而在临床实际IGRT的操作中，由于患者的形体和器官不可避免地存在着一定程度的形变，无法通过IGRT技术同时去修正患者每个局部区域的摆位误差，对靶区位置准确性地保证和对危及器官地保护，两者往往不能兼得。因此如何设计一个合理有效的可以整体评估图像配准的配准效果的方法至关重要，是当前I GRT治疗取得良好效果的必要保证。
发明内容
本发明提供了一种锥形束CT图像配准结果评价方法，通过总结临床I GRT治疗时的靶区和各危及器官的几何配准精度要求和优先条件提出了I GRT配准加权综合评价方法，提高了临床配准效果。
为了解决上述技术问题，本发明实施例提供了一种锥形束CT图像配准结果评价方法，包括：
获取计划CT图像与CBCT图像的配准数据，其中，配准数据包括计划靶区体积、靶区体积、计划CT体积和治疗前摆位CBCT图像中相应结构的体积；
根据计划靶区体积和靶区体积得到计划靶区体积和靶区体积的覆盖率，根据计划CT体积和治疗前摆位CBCT图像中相应结构的体积得到相似性指数；
通过相似性指数、靶区覆盖因子、危及器官安全因子、权重因子和各个器官的配准效果因子构建综合配准因子评价模型，将配准数据代入综合配准因子评价模型中得到综合配准得分。
实施本实施例，通过获取计划CT图像与CBCT图像的配准数据，配准数据包括计划靶区体积、靶区体积、计划CT体积和治疗前摆位CBCT图像中相应结构的体积，根据所述计划靶区体积和靶区体积得到计划靶区体积和靶区体积的覆盖率，根据计划CT体积和治疗前摆位CBCT图像中相应结构的体积得到相似性指数，通过相似性指数、靶区覆盖因子、危及器官安全因子、权重因子和各个器官的配准效果因子构建综合配准因子评价模型，将配准数据代入综合配准因子评价模型中得到综合配准得分，本方法通过设立和计算了不同解剖结构的配准权重因子，形成了可以量化评分的加权综合评价数学模型对配准结果进行评价，可以提高临床配准效果。
作为优选方案，还包括：
若靶区覆盖因子和危及器官安全因子等于1时，各个器官的相似性指数大于平均相似性指数，则配准结果满足临床要求，其中，所述平均相似性指数通过根据相似性评分原则对所述靶区和各个器官的相似性指数进行分析得到的。
作为优选方案，根据计划靶区体积和靶区体积得到计划靶区体积和靶区体积的覆盖率，根据计划CT体积和治疗前摆位CBCT图像中相应结构的体积得到相似性指数，具体为：
覆盖率的计算公式为：
其中，PVCT表示计划靶区(PTVCT)的体积；VCBCT表示CBCT上的靶区体积(GTVCBCT)；PVCT∩VCBCT表示两者的交集；
相似性指数的计算公式为：
其中，VCT、VCBCT分别表示计划CT、治疗前摆位CBCT图像中相应结构的体积，VCT∩VCBCT表示两者的交集体积。
作为优选方案，通过相似性指数、靶区覆盖因子、危及器官安全因子、权重因子和各个器官的配准效果因子构建综合配准因子评价模型，将配准数据代入综合配准因子评价模型中得到综合配准得分，具体为：
通过相似性指数、靶区覆盖因子、危及器官安全因子、权重因子和各个器官的配准效果因子构建综合配准因子评价模型，公式为：
其中，DSCGTV和DSCOARi分别表示计划CT图像中相应靶区和危及器官与治疗摆位的在线CBCT图像中相应靶区和危及器官之间的相似性指数，FGTV表示靶区覆盖因子，FOARi表示危及器官安全因子，wGTV和wOARi表示权重因子，KGTV和KOARi表示各个解剖结构的配准效果因子；
将配准数据代入综合配准因子评价模型根据预设计算规则进行计算得到综合配准得分。
作为优选方案，预设计算规则，具体为：
若计划CT靶区体积对治疗时CBCT图像上的靶区体积的覆盖率不是100％，则FGTV＝0，若计划靶区体积对治疗时CBCT图像上的靶区体积的覆盖率是100％，则FGTV＝1；
若SBRT治疗时计划CT靶区体积范围没有与摆位配准后的CBCT危及器官重叠，则FOARi＝1，反之，若SBRT治疗时计划CT靶区体积与摆位配准后的危及器官发生重叠，则FOARi＝0；
若是常规放射治疗，则FOARi＝1。
作为优选方案，为了解决相同的技术问题，本发明实施例还提供了一种锥形束CT图像配准结果评价系统，获取模块、相似性指数计算模块和综合配准得分计算模块，
其中，获取模块用于根据计划靶区体积和靶区体积得到计划靶区体积和靶区体积的覆盖率，根据计划CT体积和治疗前摆位CBCT图像中相应结构的体积得到相似性指数；
相似性指数计算模块用于根据所述计划靶区体积和靶区体积得到计划靶区体积和靶区体积的覆盖率，根据所述计划CT体积和治疗前摆位CBCT图像中相应结构的体积得到相似性指数；
综合配准得分计算模块用于通过相似性指数、靶区覆盖因子、危及器官安全因子、权重因子和各个器官的配准效果因子构建综合配准因子评价模型，将配准数据代入综合配准因子评价模型中得到综合配准得分。
作为优选方案，还包括评分确定模块，
其中，评分确定模块用于若靶区覆盖因子和危及器官安全因子等于1时，各个器官的相似性指数大于平均相似性指数，则配准结果满足临床要求，其中，平均相似性指数通过根据相似性评分原则对靶区和各个器官的相似性指数进行分析得到的。
作为优选方案，为了解决相同的技术问题，本发明实施例还提供了一种电子设备，存储器和处理器，用于存储计算机程序以及执行计算机程序时实现如本实施例所述的锥形束CT图像配准结果评价方法。
作为优选方案，为了解决相同的技术问题，本发明实施例还提供了一种存储介质，存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如本实施例所述的锥形束CT图像配准结果评价方法的步骤。
通过获取计划CT图像与CBCT图像的配准数据，配准数据包括计划靶区体积、靶区体积、计划CT体积和治疗前摆位CBCT图像中相应结构的体积，根据所述计划靶区体积和靶区体积得到计划靶区体积和靶区体积的覆盖率，根据计划CT体积和治疗前摆位CBCT图像中相应结构的体积得到相似性指数，通过相似性指数、靶区覆盖因子、危及器官安全因子、权重因子和各个器官的配准效果因子构建综合配准因子评价模型，将配准数据代入综合配准因子评价模型中得到综合配准得分，本方法通过设立和计算了不同解剖结构的配准权重因子，形成了可以量化评分的加权综合评价数学模型对配准结果进行评价，可以提高临床配准效果。
附图说明
图1：为本发明提供的锥形束CT图像配准结果评价方法的一种实施例的流程示意图；
图2：为本发明提供的锥形束CT图像配准结果评价方法的另一种实施例的装置结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一
请参照图1，为本发明实施例提供的锥形束CT图像配准结果评价方法，该锥形束CT图像配准结果评价方法包括步骤101至步骤103，各步骤具体如下：
步骤101：获取计划CT图像与CBCT图像的配准数据，其中，所述配准数据包括计划靶区体积、靶区体积、计划CT体积和治疗前摆位CBCT图像中相应结构的体积。
在本实施例中，首先获取放疗计划CT图像和CBCT图像，获取放疗计划CT图像时通过采用大孔径CT模拟定位系统进行CT扫描，扫描条件根据不同部位和患者实际情况定，将获得的患者计划CT影像传输至放疗计划设计系统，完成放疗计划设计后将勾画的靶区与OAR轮廓连同计划CT影像传输至加速器的图像引导系统工作站，作为患者在线CBCT图像配准的参考图像。
获取CBCT图像时，将患者治疗前根据激光标志摆位后，采用加速器机载的在线X线容积成像系统进行CBCT扫描，扫描条件根据不同部位和患者实际情况定，CBCT三维重建完成后传送至图像配准工作站，作为图像配准的浮动图像。
然后分别将每例患者的计划CT和治疗前摆位的CBCT图像导出到治疗计划系统，由放疗医师在患者的计划CT图像上勾画肿瘤靶区和危及器官,并根据科室的临床规范进行PTV外扩，得到计划靶区和各个计划危及器官。由同一放疗医师在CBCT图像上勾画肿瘤靶区和危及器官，供分析图像配准的重合度数据使用，作为本实施例的一种举例，GTV外扩5mm，OAR外扩3mm。
在图像配准工作站上，选择每例患者的计划CT图像与上述治疗前摆位的CBCT图像，分两种不同方式进行配准：同一个临床医生手工配准和自动配准。将勾画好的治疗前摆位CBCT图像，在放疗计划设计系统TPS上按上述各组图像配准得到的移床数据，分别作三维方向的移动并与计划CT图像融合，比较和分析融合图像上各组织结构的计划CT轮廓体积与CBCT轮廓体积的相似性，并计算和比较分析综合评价因子。
步骤102：根据计划靶区体积和靶区体积得到计划靶区体积和靶区体积的覆盖率，根据CT体积和治疗前摆位CBCT图像中相应结构的体积得到相似性指数。
可选的，覆盖率的计算公式为：
其中，PVCT表示计划靶区(PTVCT)的体积；VCBCT表示CBCT上的靶区体积(GTVCBCT)；PVCT∩VCBCT表示两者的交集；
相似性指数的计算公式为：
其中，VCT、VCBCT分别表示计划CT、治疗前摆位CBCT图像中相应结构的体积，VCT∩VCBCT表示两者的交集体积。
在本实施例中，计划靶区对各配准组相应的CBCT上靶区的覆盖率。
其中，CR表示覆盖率，PVCT为计划靶区的体积；VCBCT为CBCT上的靶区体积，PVCT∩VCBCT为两者的交集，CR值越接近1，说明计划靶区体积对CBCT的靶区体积覆盖越好。
计划CT图像与各配准组CBCT图像相应结构的相似性指数，
其中，DSC表示相似性指数，VCT、VCBCT分别为计划CT、治疗前摆位CBCT图像中相应结构的体积，VCT∩VCBCT为两者的交集体积，DSC值越接近1，两者的体积相似性越好。
步骤103：通过相似性指数、靶区覆盖因子、危及器官安全因子、权重因子和各个器官的配准效果因子构建综合配准因子评价模型，将配准数据代入综合配准因子评价模型中得到综合配准得分。
可选的，通过相似性指数、靶区覆盖因子、危及器官安全因子、权重因子和各个器官的配准效果因子构建综合配准因子评价模型，将配准数据代入综合配准因子评价模型中得到综合配准得分，具体为：
通过相似性指数、靶区覆盖因子、危及器官安全因子、权重因子和各个器官的配准效果因子构建综合配准因子评价模型，公式为：
其中，DSCGTV和DSCOARi分别表示计划CT图像中相应靶区和危及器官与治疗摆位的在线CBCT图像中相应靶区和危及器官之间的相似性指数，FGTV表示靶区覆盖因子，FOARi表示危及器官安全因子，wGTV和wOARi表示权重因子，KGTV和KOARi表示各个解剖结构的配准效果因子；
将配准数据代入综合配准因子评价模型根据预设计算规则进行计算得到综合配准得分。
可选的，预设计算规则，具体为：
若计划CT靶区体积对治疗时CBCT图像上的靶区体积的覆盖率不是100％，则FGTV＝0，若计划靶区体积对治疗时CBCT图像上的靶区体积的覆盖率是100％，则FGTV＝1；
若SBRT治疗时计划CT靶区体积范围没有与摆位配准后的CBCT危及器官重叠，则FOARi＝1，反之，若SBRT治疗时计划CT靶区体积与摆位配准后的危及器官发生重叠，则FOARi＝0；
若是常规放射治疗，则FOARi＝1。
可选的，还包括：
若靶区覆盖因子和危及器官安全因子等于1时，各个器官的相似性指数大于平均相似性指数，则配准结果满足临床要求，其中，平均相似性指数通过根据相似性评分原则对靶区和各个器官的相似性指数进行分析得到的。
在本实施例中，在对临床医师最终接受的配准结果，进行了靶区和各个器官相似性指数的分布分析，得到每个结构的平均DSC以及临床接受的95％置信区间，考虑临床配准评价中首要保证计划靶区对CBCT图像中的肿瘤靶区GTV覆盖，模型对GTV覆盖率设置了一票否决方案，当配准结果不能达到计划PTV100％覆盖靶区时即判为配准失败。在保证了靶区覆盖率前提下，靶区和各危及器官的相似性评分遵循以下原则：一以临床配准接受的结果统计中各器官结构的相似性指数(DSC)的平均值，即标准DSC，比例决定评价的权重。二以标准DSC与待评价配准的DSC的比值作为配准效果的临床调整，这个数值反映了待评价配准结果与临床接受的平均结果相比的优劣程度。
以标准DSC与待评价配准的DSC的比值作为配准效果的临床调整，这个数值反映了待评价配准结果与临床接受的平均结果相比的优劣程度。然后建立以下数学模型去评估放射治疗技术IGRT的图像配准精度，用一个数学函数——综合配准因子的得分高低来评估配准精度的优劣，其公式表达式为：
其中，DSCGTV和DSCOARi分别表示计划CT图像中相应靶区和危及器官与治疗摆位的在线CBCT图像中相应靶区和危及器官之间的相似性指数，FGTV表示靶区覆盖因子，FOARi表示危及器官安全因子，wGTV和wOARi表示权重因子，KGTV和KOARi表示各个解剖结构的配准效果因子。
在放射治疗中，靶区应得到100％处方剂量的完全覆盖，因此，若PTVCT对治疗时靶区(CBCT图像上的靶区)未完全覆盖，即覆盖率CRGTV≠100％，则FGTV＝0，若PGTVCT对治疗时靶区完全覆盖，即覆盖率CRGTV＝100％，则FGTV＝1；其中CRGTV指PTVCT对治疗时靶区的覆盖率。
对SBRT治疗，由于整个PGTV范围将会接受很高的剂量，如果OAR落入此范围，可能会造成严重的并发症。因此定义SBRT治疗时若计划的PGTVCT范围没有与摆位配准后的CBCT危及器官重叠，则FOARi＝1。反之，若计划的PGTVCT与配准后的危及器官发生重叠，则FOARi＝0。对于常规放射治疗不作此限制，及均取FOARi＝1。
根据临床对靶区和不同危及器官的重视程度，分别给定靶区和各危及器官一个权重因子值。权重因子的值也可以根据患者的特异性进行赋值。此处的靶区和器官权重因子初始赋值以临床IGRT的医师手工配准结果为参考依据，通过统计参考配准结果中各结构的相似性指数平均值的比例，确定靶区和各个器官的配准权重，标准配准的平均DSC越大，说明临床要求的配准精度越高，相应的权重赋值也越大。
KGTV和KOARi定义为该结构的手工配准平均相似性指数平均值与实际待评价配准的该结构相似性指数的比值(DSC手工Ave/DSC)，K<1时说明该结构的配准结果优于标准的手工配准平均值，且数值越小说明配准精度越好，K>1时说明该结构的配准结果差于标准的手工配准平均值，且数值越大说明配准精度越差。
根据以上方法确定了评价模型的加权因子后，分别采用临床手工配准结果验证评价的得分与各结构的相似性指数DSC结果。验证标准采用既往文献发表的DSC评价值：各器官DSC达到0.7以上为该器官较好的匹配结果。所有器官的配准DSC均达0.7以上为优秀。根据上述评价方法和公式的定义，设置适当的权重因子，在理想配准条件下，即当靶区和各参与评价的危及器官位置都完全重合时，CRF最大值应为100分；而当CRF值为0时，则认为此次配准是失败的，不符合临床要求。另外，在保证靶区完全覆盖和危及器官安全的基础上(FGTV和FOARi值等于1)，若各器官结构的体积相似性指数均能达到临床接受的标准配准结果的平均值时，则认为配准后各器官的位置重合度较好，可以满足临床要求。
本发明具有以下有益效果，通过获取计划CT图像与CBCT图像的配准数据，配准数据包括计划靶区体积、靶区体积、计划CT体积和治疗前摆位CBCT图像中相应结构的体积，根据所述计划靶区体积和靶区体积得到计划靶区体积和靶区体积的覆盖率，根据计划CT体积和治疗前摆位CBCT图像中相应结构的体积得到相似性指数，通过相似性指数、靶区覆盖因子、危及器官安全因子、权重因子和各个器官的配准效果因子构建综合配准因子评价模型，将配准数据代入综合配准因子评价模型中得到综合配准得分，本方法总结临床IGRT治疗时的靶区和各危及器官的几何配准精度要求和优先条件，首次提出了兼顾靶区和危及器官几何精度的加权综合评价概念，设立和计算了不同解剖结构的配准权重因子，形成了可以量化评分的加权综合评价数学模型。
实施例二
相应地，参见图2，图2是本发明提供的一种锥形束CT图像配准结果评价系统结构示意图，如图所示，该锥形束CT图像配准结果评价系统，包括获取模块201、相似性指数计算模块202和综合配准得分计算模块203，其中，各模块具体单元如下：
其中，获取模块201用于根据计划靶区体积和靶区体积得到计划靶区体积和靶区体积的覆盖率，根据计划CT体积和治疗前摆位CBCT图像中相应结构的体积得到相似性指数；
相似性指数计算模块202用于根据计划靶区体积和靶区体积得到计划靶区体积和靶区体积的覆盖率，根据计划CT体积和治疗前摆位CBCT图像中相应结构的体积得到相似性指数；
综合配准得分计算模块203用于通过相似性指数、靶区覆盖因子、危及器官安全因子、权重因子和各个器官的配准效果因子构建综合配准因子评价模型，将配准数据代入综合配准因子评价模型中得到综合配准得分。
可选的，还包括评分确定模块204，
其中，评分确定模块204用于若靶区覆盖因子和危及器官安全因子等于1时，各个器官的相似性指数大于平均相似性指数，则配准结果满足临床要求，其中，平均相似性指数通过根据相似性评分原则对靶区和各个器官的相似性指数进行分析得到的。
可选的，本发明还提供了一种电子设备，存储器和处理器，用于存储计算机程序以及执行计算机程序时实现如本实施例一所述的锥形束CT图像配准结果评价方法。
可选的，本发明还提供了一种存储介质，存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如本实施例一所述的锥形束CT图像配准结果评价方法的步骤。
相比于现有技术，通过获取计划CT图像与CBCT图像的配准数据，配准数据包括计划靶区体积、靶区体积、计划CT体积和治疗前摆位CBCT图像中相应结构的体积，根据所述计划靶区体积和靶区体积得到计划靶区体积和靶区体积的覆盖率，根据计划CT体积和治疗前摆位CBCT图像中相应结构的体积得到相似性指数，通过相似性指数、靶区覆盖因子、危及器官安全因子、权重因子和各个器官的配准效果因子构建综合配准因子评价模型，将配准数据代入综合配准因子评价模型中得到综合配准得分，本方法通过设立和计算了不同解剖结构的配准权重因子，形成了可以量化评分的加权综合评价数学模型对配准结果进行评价，可以提高临床配准效果。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种锥形束CT图像配准结果评价方法，其特征在于，包括：
获取计划CT图像与CBCT图像的配准数据，其中，所述配准数据包括计划靶区体积、靶区体积、计划CT体积和治疗前摆位CBCT图像中相应结构的体积；
根据所述计划靶区体积和靶区体积得到计划靶区体积和靶区体积的覆盖率，根据所述计划CT体积和治疗前摆位CBCT图像中相应结构的体积得到相似性指数；
通过相似性指数、靶区覆盖因子、危及器官安全因子、权重因子和各个器官的配准效果因子构建综合配准因子评价模型，将所述配准数据代入所述综合配准因子评价模型中得到综合配准得分；
所述通过相似性指数、靶区覆盖因子、危及器官安全因子、权重因子和各个器官的配准效果因子构建综合配准因子评价模型，将所述配准数据代入所述综合配准因子评价模型中得到综合配准得分，具体为：
通过相似性指数、靶区覆盖因子、危及器官安全因子、权重因子和各个器官的配准效果因子构建综合配准因子评价模型，公式为：
其中，DSCGTV和DSCOARi分别表示计划CT图像中相应靶区和危及器官与治疗摆位的在线CBCT图像中相应靶区和危及器官之间的相似性指数，FGTV表示靶区覆盖因子，FOARi表示危及器官安全因子，wGTV和wOARi表示权重因子，KGTV和KOARi表示各个解剖结构的配准效果因子，KGTV和KOARi分别为各个危及器官的手工配准平均相似性指数平均值与实际待评价配准的危及器官相似性指数的比值；
将所述配准数据代入综合配准因子评价模型根据预设计算规则进行计算得到综合配准得分；
所述预设计算规则，具体为：
若计划CT靶区体积对治疗时CBCT图像上的靶区体积的覆盖率不是100％，则FGTV＝0，若计划靶区体积对治疗时CBCT图像上的靶区体积的覆盖率是100％，则FGTV＝1；
若SBRT治疗时计划CT靶区体积范围没有与摆位配准后的CBCT危及器官重叠，则FOARi＝1，反之，若SBRT治疗时所述计划CT靶区体积与所述摆位配准后的危及器官发生重叠，则FOARi＝0；
若是常规放射治疗，则FOARi＝1。
2.如权利要求1所述的锥形束CT图像配准结果评价方法，其特征在于，还包括：
若靶区覆盖因子和危及器官安全因子等于1时，各个器官的相似性指数大于平均相似性指数，则配准结果满足临床要求，其中，所述平均相似性指数通过根据相似性评分原则对所述靶区和各个器官的相似性指数进行分析得到的。
3.如权利要求1所述的锥形束CT图像配准结果评价方法，其特征在于，所述根据所述计划靶区体积和靶区体积得到计划靶区体积和靶区体积的覆盖率，根据所述计划CT体积和治疗前摆位CBCT图像中相应结构的体积得到相似性指数，具体为：
所述覆盖率的计算公式为：
其中，PVCT表示计划靶区(PTVCT)的体积；VCBCT表示CBCT上的靶区体积(GTVCBCT)；PVCT∩VCBCT表示两者的交集；
所述相似性指数的计算公式为：
其中，VCT、VCBCT分别表示计划CT、治疗前摆位CBCT图像中相应结构的体积，VCT∩VCBCT表示两者的交集体积。
4.一种锥形束CT图像配准结果评价系统，其特征在于，包括获取模块、相似性指数计算模块和综合配准得分计算模块，
其中，所述获取模块用于获取计划CT图像与CBCT图像的配准数据，其中，所述配准数据包括计划靶区体积、靶区体积、计划CT体积和治疗前摆位CBCT图像中相应结构的体积；
所述相似性指数计算模块用于根据所述计划靶区体积和靶区体积得到计划靶区体积和靶区体积的覆盖率，根据所述计划CT体积和治疗前摆位CBCT图像中相应结构的体积得到相似性指数；
所述综合配准得分计算模块用于通过相似性指数、靶区覆盖因子、危及器官安全因子、权重因子和各个器官的配准效果因子构建综合配准因子评价模型，将所述配准数据代入所述综合配准因子评价模型中得到综合配准得分；
所述通过相似性指数、靶区覆盖因子、危及器官安全因子、权重因子和各个器官的配准效果因子构建综合配准因子评价模型，将所述配准数据代入所述综合配准因子评价模型中得到综合配准得分，具体为：
通过相似性指数、靶区覆盖因子、危及器官安全因子、权重因子和各个器官的配准效果因子构建综合配准因子评价模型，公式为：
其中，DSCGTV和DSCOARi分别表示计划CT图像中相应靶区和危及器官与治疗摆位的在线CBCT图像中相应靶区和危及器官之间的相似性指数，FGTV表示靶区覆盖因子，FOARi表示危及器官安全因子，wGTV和wOARi表示权重因子，KGTV和KOARi表示各个解剖结构的配准效果因子，KGTV和KOARi分别为各个危及器官的手工配准平均相似性指数平均值与实际待评价配准的危及器官相似性指数的比值；
将所述配准数据代入综合配准因子评价模型根据预设计算规则进行计算得到综合配准得分；
所述预设计算规则，具体为：
若计划CT靶区体积对治疗时CBCT图像上的靶区体积的覆盖率不是100％，则FGTV＝0，若计划靶区体积对治疗时CBCT图像上的靶区体积的覆盖率是100％，则FGTV＝1；
若SBRT治疗时计划CT靶区体积范围没有与摆位配准后的CBCT危及器官重叠，则FOARi＝1，反之，若SBRT治疗时所述计划CT靶区体积与所述摆位配准后的危及器官发生重叠，则FOARi＝0；
若是常规放射治疗，则FOARi＝1。
5.如权利要求4所述的锥形束CT图像配准结果评价系统，其特征在于，还包括评分确定模块，
其中，所述评分确定模块用于若靶区覆盖因子和危及器官安全因子等于1时，各个器官的相似性指数大于平均相似性指数，则配准结果满足临床要求，其中，所述平均相似性指数通过根据相似性评分原则对所述靶区和各个器官的相似性指数进行分析得到的。
6.一种电子设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至3任一项所述的锥形束CT图像配准结果评价方法。
7.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至3任一项所述的锥形束CT图像配准结果评价方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211680648.9A CN116188377B (zh) | 2022-12-27 | 2022-12-27 | 一种锥形束ct图像配准结果评价方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211680648.9A CN116188377B (zh) | 2022-12-27 | 2022-12-27 | 一种锥形束ct图像配准结果评价方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116188377A CN116188377A (zh) | 2023-05-30 |
| CN116188377B true CN116188377B (zh) | 2023-10-27 |
Family
ID=86433542
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211680648.9A Active CN116188377B (zh) | 2022-12-27 | 2022-12-27 | 一种锥形束ct图像配准结果评价方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116188377B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1946339A (zh) * | 2004-02-20 | 2007-04-11 | 佛罗里达大学研究基金会公司 | 用于提供适形放射治疗同时对软组织进行成像的系统 |
| CN102306239A (zh) * | 2011-07-22 | 2012-01-04 | 李宝生 | 基于锥形束ct图像ct值校正技术的放疗剂量评估和优化方法 |
| WO2012112929A2 (en) * | 2011-02-17 | 2012-08-23 | The Johns Hopkins University | Methods and systems for registration of radiological images |
| CN103281968A (zh) * | 2010-12-22 | 2013-09-04 | 优瑞公司 | 用于在医疗过程中进行图像引导的系统和方法 |
| CN104408734A (zh) * | 2014-12-11 | 2015-03-11 | 山东师范大学 | 联合图像分割与形变配准技术的自适应目标区域转换方法 |
| CN110947108A (zh) * | 2018-09-27 | 2020-04-03 | 瓦里安医疗系统国际股份公司 | 用于自动靶体积生成的系统、方法和设备 |
| CN114240855A (zh) * | 2021-11-30 | 2022-03-25 | 广东省人民医院 | 通过cbct评估头颈肿瘤患者骨骼肌指数的方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11080900B2 (en) * | 2019-07-08 | 2021-08-03 | Korea Advanced Institute Of Science And Technology | Method and apparatus for metal artifact reduction in industrial 3-dimensional cone beam computed tomography |
-
2022
- 2022-12-27 CN CN202211680648.9A patent/CN116188377B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1946339A (zh) * | 2004-02-20 | 2007-04-11 | 佛罗里达大学研究基金会公司 | 用于提供适形放射治疗同时对软组织进行成像的系统 |
| CN103281968A (zh) * | 2010-12-22 | 2013-09-04 | 优瑞公司 | 用于在医疗过程中进行图像引导的系统和方法 |
| WO2012112929A2 (en) * | 2011-02-17 | 2012-08-23 | The Johns Hopkins University | Methods and systems for registration of radiological images |
| CN102306239A (zh) * | 2011-07-22 | 2012-01-04 | 李宝生 | 基于锥形束ct图像ct值校正技术的放疗剂量评估和优化方法 |
| CN104408734A (zh) * | 2014-12-11 | 2015-03-11 | 山东师范大学 | 联合图像分割与形变配准技术的自适应目标区域转换方法 |
| CN110947108A (zh) * | 2018-09-27 | 2020-04-03 | 瓦里安医疗系统国际股份公司 | 用于自动靶体积生成的系统、方法和设备 |
| CN114240855A (zh) * | 2021-11-30 | 2022-03-25 | 广东省人民医院 | 通过cbct评估头颈肿瘤患者骨骼肌指数的方法 |
Non-Patent Citations (2)
| Title |
|---|
| Cone-beam computerized tomography (CBCT) imaging of the oral and maxillofacial region: A systematic review of the literature;W. De Vos等;《International Journal of Oral and Maxillofacial Surgery》;第38卷(第6期);第609-625页 * |
| 锥形束CT图像引导下宫颈癌放疗不同摆位方式的误差分析;罗佳等;《现代医药卫生》;第38卷(第12期);第1986-1989页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116188377A (zh) | 2023-05-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Arabi et al. | Comparative study of algorithms for synthetic CT generation from MRI: consequences for MRI‐guided radiation planning in the pelvic region | |
| Chen et al. | Deep learning vs. atlas-based models for fast auto-segmentation of the masticatory muscles on head and neck CT images | |
| CN106920234B (zh) | 一种复合式自动放疗计划的方法 | |
| CN108815721B (zh) | 一种照射剂量确定方法及系统 | |
| WO2021036366A1 (zh) | 标准化的人工智能自动放疗计划方法和系统 | |
| Zhang et al. | Automatic delineation of on-line head-and-neck computed tomography images: toward on-line adaptive radiotherapy | |
| US9511241B2 (en) | Irradiation planning for particle therapy | |
| CN108367161B (zh) | 放疗系统、数据处理方法及存储介质 | |
| CN105825073A (zh) | 一种在线放疗计划质量控制软件 | |
| CN111028914B (zh) | 人工智能引导的剂量预测方法与系统 | |
| KR20100016039A (ko) | 분계 불확실성의 확률론적 분석에 의한 방사선 요법시 개선된 치료 계획 평가 | |
| US10342994B2 (en) | Methods and systems for generating dose estimation models for radiotherapy treatment planning | |
| CN109513121A (zh) | 一种剂量引导自适应放射治疗计划重优化系统和方法 | |
| US9020216B2 (en) | Knowledge-based automatic image segmentation | |
| CN110706779B (zh) | 一种放射治疗计划精确目标函数的自动生成方法 | |
| CN117244181A (zh) | 基于放疗风险器官轮廓的剂量分析方法及装置 | |
| CN116188377B (zh) | 一种锥形束ct图像配准结果评价方法及系统 | |
| US20230302298A1 (en) | Method and system for robust radiotherapy treatment planning for dose mapping uncertainties | |
| CN112149669B (zh) | 放疗计划生成系统、装置及存储介质 | |
| Xia et al. | Prediction of adaptive strategies based on deformation vector field features for MR‐guided adaptive radiotherapy of prostate cancer | |
| US9566451B2 (en) | Method and device for irradiation treatment planning | |
| Jobse et al. | A new algorithm for the registration of portal images to planning images in the verification of radiotherapy, as validated in prostate treatments | |
| Novák et al. | Development and performance assessment of an advanced Lucas‐Kanade algorithm for dose mapping of cervical cancer external radiotherapy and brachytherapy plans | |
| CN118267640A (zh) | 一种验证mri引导自适应放疗剂量的方法及系统 | |
| D'aquino | Assessment of delivered rectal dose in prostate cancer 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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231213 Address after: 361000 room 11, unit 431, floor 4, building C, Xiamen international shipping center, No. 93, Xiangyu Road, Xiamen area, China (Fujian) pilot Free Trade Zone, Xiamen, Fujian Patentee after: Manteia Data Technology Co.,Ltd. in Xiamen area of Fujian pilot Free Trade Zone Address before: No. 651, Dongfeng East Road, Yuexiu District, Guangzhou, Guangdong 510060 Patentee before: SUN YAT SEN University CANCER CENTER (SUN YAT SEN University AFFILIATED TO CANCER CENTER SUN YAT SEN UNIVERSITY CANCER INSTITUTE) |
|
| TR01 | Transfer of patent right |