CN116211353B - 可穿戴超声膀胱容量测定与多模态影像形貌评估系统 - Google Patents
可穿戴超声膀胱容量测定与多模态影像形貌评估系统 Download PDFInfo
- Publication number
- CN116211353B CN116211353B CN202310498607.6A CN202310498607A CN116211353B CN 116211353 B CN116211353 B CN 116211353B CN 202310498607 A CN202310498607 A CN 202310498607A CN 116211353 B CN116211353 B CN 116211353B
- Authority
- CN
- China
- Prior art keywords
- image
- bladder
- value
- wearable
- ultrasonic
- 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
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明涉及一种可穿戴超声膀胱容量测定与多模态影像形貌评估系统，该系统包括可穿戴部件、采集影像预处理单元、一致性评估单元和CBCT图像评估单元；采集影像预处理单元用于对超声、CT和CBCT采集影像进行预处理，得到膀胱容量值与膀胱三维形态；一致性评估单元用于基于模拟定位CT图像与超声图像的膀胱三维形态与容量值进行一致性评估，判断戴斯相似性系数、结构相似性SSIM和Hausdorff_95是否达到参数阈值；CBCT图像评估单元用于判断膀胱变形是否是由靶区变形导致的；如果是，则重新模拟定位和设计计划；如果否，则排除靶区变形之外的原因，进行相关治疗与处理后，判断是否重新定位和设计计划。
Description
技术领域
本发明涉及实时影像评估技术领域，具体涉及一种可穿戴超声膀胱容量测定与多模态影像形貌评估系统。
背景技术
对于盆腔肿瘤而言，在进行体外放射治疗时，膀胱充盈程度变化可能导致照射靶区覆盖不充分或者范围过大，除非扩大或者缩小照射覆盖范围。因此为了保持膀胱充盈一致性，有必要对患者每次治疗前进行膀胱体积和形态评估，保证与模拟定位时的膀胱体积与形态一致，最大限度减少膀胱充盈变化带来的放疗副反应。现有的膀胱容量测量办法主要有二维和三维超声成像测量办法、CT影像测量方法、基于膀胱生物电阻抗的测量方法。
常规的二维超声测量办法是测量患者排尿前膀胱最大切面的3个径线（L、H、W），用数学公式（V=0.5*L*H*W）或经验公式（V=0.7*L*H*W）计算膀胱体积。二维超声测量办法采用数学公式计算膀胱体积是基于膀胱外形为椭球体的几何学假设，由于膀胱受肠道、子宫或前列腺等脏器的压迫，其外形不可能是一个完全规则的几何体，因此二维超声数学公式法在膀胱体积测量上必然存在偏差。
神经网络谐波技术采用二次谐波技术成像，360°扫描膀胱12个面，通过既往病例数据收集，建立庞大的数据库确保数据的准确性，应用模拟人体神经网络方式进行三维重建，有助于缩小误差幅度，尽可能降低膀胱功能基本测量的不确定性。
CT影像测量则是通过患者进行CT模拟定位，得到膀胱的三维影像，基于医生和勾画结果，确定膀胱体积。但无法实现实时测量和收集图像数据。
基于膀胱生物电阻抗的测量方法是基于电极采集电信号，然后基于算法重建出膀胱体积和形貌，但受限于电极稀疏分布和信号噪声影响，精度受限。
现有技术中的上述测量方法的最终结果都是关注膀胱体积数值，而缺乏对其三维形态体积变化的评估，相同病人同一膀胱体积数值下可能有不同的膀胱形态，而膀胱三维形态的变化是影响照射靶区覆盖的最关键因素，因此申请人考虑通过三维超声影像数据，结合算法，引入膀胱三维形态评估参数，结合膀胱容量体积数值，对病人进行综合评估，从而为盆腔肿瘤患者的精准放疗实施保驾护航。
发明内容
本发明旨在提供一种可穿戴超声膀胱容量测定与多模态影像形貌评估系统，所要解决的技术问题至少包括如何在测量膀胱容量的同时，兼顾膀胱三维体积变化的多模态多参数评估，建立多模态、多参数的实时影像评估体系。
为了实现上述目的，本发明提供一种可穿戴超声膀胱容量测定与多模态影像形貌评估系统，包括可穿戴部件、采集影像预处理单元、一致性评估单元和CBCT图像评估单元；所述的可穿戴部件用于将评估系统整体穿戴在患者的身体上；所述的采集影像预处理单元用于对超声、CT和CBCT采集影像进行预处理，得到膀胱容量值与膀胱三维形态；所述的一致性评估单元用于基于模拟定位CT图像与超声图像的膀胱三维形态与容量值进行一致性评估，判断戴斯相似性系数、结构相似性SSIM和Hausdorff_95是否达到参数阈值，如果是，则对病人开始进行治疗；如果否，则引入CBCT图像评估单元进行CBCT图像评估；所述的CBCT图像评估单元用于判断膀胱变形是否是由靶区变形导致的；如果是，则重新模拟定位和设计计划；如果否，则排除靶区变形之外的原因，进行相关治疗与处理后，判断是否重新定位和设计计划。
优选地，所述的靶区变形之外的原因包括放射线膀胱炎引起的膀胱变形。
优选地，所述的戴斯相似性系数=2(A∩B)/(A+B)，其中，A表示CT图像，B表示超声图像。
优选地，所述的戴斯系数为0-1之间的数值，戴斯系数的数值越大代表A和B两者之间的重合性越好。
优选地，所述的结构相似性SSIM的计算公式为：
其中，x表示CT图像，y表示超声图像；
μx是x的平均值，μy是y的平均值，σx 2是x的方差，σy 2是y的方差，σxy是x和y的协方差；c1=（K1L）2，c2=（K2L）2，c1和c2是用来维持稳定的常数；L是像素值的动态范围；K1=0.01，K2=0.03。
优选地，所述的结构相似性SSIM为0-1之间的数值，结构相似性SSIM的数值越大代表x和y两者之间的重合性越好。
优选地，所述的Hausdorff_95的计算方法为：
计算
：
其中，X表示CT图像，Y表示超声图像；x表示CT图像的边界上的任意一点，y表示超声图像的边界上的任意一点；
dXY和
表示CT图像的边界上的任意一点与超声图像的边界上的任意一点之间的最短距离的最大值；
dYX和
表示超声图像的边界上的任意一点与CT图像的边界上的任意一点之间的最短距离的最大值；
所述的Hausdorff_95是最后得到的
的值乘以95%，目的是为了消除离群值的一个非常小的子集的影响。
优选地，所述的Hausdorff_95的数值越小越好，Hausdorff_95的数值越小代表X和Y两者之间的重合性越好。
优选地，所述的参数阈值是由医生经过数值分析后预先设置的合理的数值，用于筛选满足临床要求的膀胱容量和形态。
优选地，所述的戴斯相似性系数、结构相似性SSIM和Hausdorff_95共同构成基于模拟定位CT图像和超声图像的膀胱三维形态与容量值一致性多参数评估体系。
本发明还提供一种可穿戴超声膀胱容量测定与多模态影像形貌评估方法，包括以下步骤：
S1、通过可穿戴部件将评估系统整体穿戴在患者的身体上，获取超声、CT和CBCT采集影像；
S2、对超声、CT和CBCT采集影像进行预处理，得到膀胱容量值与膀胱三维形态；
S3、基于模拟定位CT图像与超声图像的膀胱三维形态与容量值进行一致性评估，判断戴斯相似性系数、结构相似性SSIM和Hausdorff_95是否达到参数阈值，如果是，则对病人开始进行治疗；如果否，则引入CBCT图像评估；
S4、判断膀胱变形是否是由靶区变形导致的；如果是，则重新模拟定位和设计计划；如果否，则排除靶区变形之外的原因，进行相关治疗与处理后，判断是否重新定位和设计计划。
有益效果
与现有技术相比，本发明的有益效果是：
本发明所述的可穿戴超声膀胱容量测定与多模态影像形貌评估系统在测量膀胱容量的同时，兼顾膀胱三维体积变化的多模态多参数评估，引入CT图像、CBCT图像、超声图像实现多模态三维形态评估，引入了戴斯系数、相似结构指数(ssim)、Hausdorff_95等多参数，建立了多模态、多参数的实时影像评估体系，通过引入多模态影像用于评估膀胱的多维度三维形貌，能够用于自适应放疗；建立了多参数评估体系，弥补了单一评估参数的缺陷，更精准；整体解决方案可穿戴，解决了之前的不可穿戴产品方案笨拙和非实时的问题。
附图说明
附图用来提供对本发明技术方案的进一步理解，并且构成说明书的一部分，与本申请的具体实施方式一起用于解释本发明的技术方案，并不构成对本发明技术方案的限制。
图1是本发明所述的可穿戴超声膀胱容量测定与多模态影像形貌评估系统的评估方法流程示意图。
图2是本发明所述的可穿戴超声膀胱容量测定与多模态影像形貌评估系统的结构示意图。
具体实施方式
在下文中更详细地描述了本发明以有助于对本发明的理解。
本发明所述的可穿戴超声膀胱容量测定与多模态影像形貌评估系统包括可穿戴部件、采集影像预处理单元、一致性评估单元和CBCT图像评估单元；
所述的可穿戴部件用于将评估系统整体穿戴在患者的身体上；
所述的采集影像预处理单元用于对超声、CT和CBCT采集影像进行预处理，得到膀胱容量值与膀胱三维形态；膀胱容量值主要依靠超声膀胱仪测量，并且也可以基于超声图像进行自动分割得到膀胱三维形貌，对CT图像进行自动分割也可以得到对应膀胱形貌和容量值。
所述的一致性评估单元用于基于模拟定位CT图像与超声图像的膀胱三维形态与容量值进行一致性评估，判断戴斯相似性系数、结构相似性SSIM (StructuralSimilarity)和Hausdorff_95是否达到参数阈值，如果是，则对病人开始进行治疗；如果否，则引入CBCT图像评估单元进行CBCT图像评估；
所述的CBCT图像评估单元用于判断膀胱变形是否是由靶区变形导致的；如果是，则重新模拟定位和设计计划；如果否，则排除靶区变形之外的原因，进行相关治疗与处理后，判断是否重新定位和设计计划。
优选地，所述的戴斯相似性系数=2(A∩B)/(A+B)，其中，A表示CT图像，B表示超声图像。
优选地，所述的戴斯系数为0-1之间的数值，戴斯系数的数值越大代表A和B两者之间的重合性越好。
优选地，所述的结构相似性SSIM的计算公式为：
其中，x表示CT图像，y表示超声图像；
μx是x的平均值，μy是y的平均值，σx 2是x的方差，σy 2是y的方差，σxy是x和y的协方差；c1=（K1L）2，c2=（K2L）2，c1和c2是用来维持稳定的常数；L是像素值的动态范围；K1=0.01，K2=0.03。
优选地，所述的结构相似性SSIM为0-1之间的数值，结构相似性SSIM的数值越大代表x和y两者之间的重合性越好。
优选地，所述的Hausdorff_95的计算方法为：
计算
：
其中，X表示CT图像，Y表示超声图像；x表示CT图像的边界上的任意一点，y表示超声图像的边界上的任意一点；
dXY和
表示CT图像的边界上的任意一点与超声图像的边界上的任意一点之间的最短距离的最大值；
dYX和
表示超声图像的边界上的任意一点与CT图像的边界上的任意一点之间的最短距离的最大值；
所述的Hausdorff_95是最后得到的
的值乘以95%，目的是为了消除离群值的一个非常小的子集的影响。
优选地，所述的Hausdorff_95的数值越小越好，Hausdorff_95的数值越小代表X和Y两者之间的重合性越好。
经过数值分析，设置合理的参数阈值，用于筛选满足临床要求的膀胱容量和形态。
优选地，所述的靶区变形之外的原因包括放射线膀胱炎引起的膀胱变形。
如图1所示，本发明还提供一种可穿戴超声膀胱容量测定与多模态影像形貌评估方法，包括以下步骤：
S1、通过可穿戴部件将评估系统整体穿戴在患者的身体上，获取超声、CT和CBCT采集影像；
S2、对超声、CT和CBCT采集影像进行预处理，得到膀胱容量值与膀胱三维形态；
S3、基于模拟定位CT图像与超声图像的膀胱三维形态与容量值进行一致性评估，判断戴斯相似性系数、结构相似性SSIM和Hausdorff_95是否达到参数阈值，如果是，则对病人开始进行治疗；如果否，则引入CBCT图像评估；
S4、判断膀胱变形是否是由靶区变形导致的；如果是，则重新模拟定位和设计计划；如果否，则排除靶区变形之外的原因，进行相关治疗与处理后，判断是否重新定位和设计计划。
图2所示的实施例中，虚线内为可穿戴模块，置于人身体上进行可穿戴固定，超声图像采集后与CT和CBCT图像一并发送到中央处理器，进行系统图像处理。
本发明的关键点及优势包括：
1. 引入多模态影像用于评估膀胱的多维度三维形貌，用于自适应放疗；
2.多参数评估体系，弥补单一评估参数的缺陷，更精准；
3.整体解决方案可穿戴，解决了之前的不可穿戴产品方案笨拙，非实时问题。
本发明的关键技术点包括：
1. 引入多模态影像用于评估膀胱的三维形貌；
2.多参数评估体系；
3.整体的解决方案，可穿戴方案处理解决膀胱变形导致的自适应放疗问题。
以上描述了本发明优选实施方式，然其并非用以限定本发明。本领域技术人员对在此公开的实施方案可进行并不偏离本发明范畴和精神的改进和变化。
Claims (10)
1.一种可穿戴超声膀胱容量测定与多模态影像形貌评估系统，其特征在于，所述的可穿戴超声膀胱容量测定与多模态影像形貌评估系统包括可穿戴部件、采集影像预处理单元、一致性评估单元和CBCT图像评估单元；所述的可穿戴部件用于将评估系统整体穿戴在患者的身体上；所述的采集影像预处理单元用于对超声、CT和CBCT采集影像进行预处理，得到膀胱容量值与膀胱三维形态；所述的一致性评估单元用于基于模拟定位CT图像与超声图像的膀胱三维形态与容量值进行一致性评估，判断戴斯相似性系数、结构相似性SSIM和Hausdorff_95是否达到参数阈值，如果是，则对病人开始进行治疗；如果否，则引入CBCT图像评估单元进行CBCT图像评估；所述的CBCT图像评估单元用于判断膀胱变形是否是由靶区变形导致的；如果是，则重新模拟定位和设计计划；如果否，则排除靶区变形之外的原因，进行相关治疗与处理后，判断是否重新定位和设计计划。
2.根据权利要求1所述的可穿戴超声膀胱容量测定与多模态影像形貌评估系统，其特征在于，所述的靶区变形之外的原因包括放射线膀胱炎引起的膀胱变形。
3.根据权利要求1所述的可穿戴超声膀胱容量测定与多模态影像形貌评估系统，其特征在于，所述的戴斯相似性系数=2(A∩B)/(A+B)，其中，A表示CT图像，B表示超声图像。
4.根据权利要求3所述的可穿戴超声膀胱容量测定与多模态影像形貌评估系统，其特征在于，所述的戴斯相似性系数为0-1之间的数值，戴斯相似性系数的数值越大代表A和B两者之间的重合性越好。
5.根据权利要求1所述的可穿戴超声膀胱容量测定与多模态影像形貌评估系统，其特征在于，所述的结构相似性SSIM的计算公式为：
其中，x表示CT图像，y表示超声图像；
μx是x的平均值，μy是y的平均值，σx 2是x的方差，σy 2是y的方差，σxy是x和y的协方差；c1=（K1L）2，c2=（K2L）2，c1和c2是用来维持稳定的常数；L是像素值的动态范围；K1=0.01，K2=0.03。
6.根据权利要求5所述的可穿戴超声膀胱容量测定与多模态影像形貌评估系统，其特征在于，所述的结构相似性SSIM为0-1之间的数值，结构相似性SSIM的数值越大代表x和y两者之间的重合性越好。
7.根据权利要求1所述的可穿戴超声膀胱容量测定与多模态影像形貌评估系统，其特征在于，所述的Hausdorff_95的计算方法为：
计算
：
其中，X表示CT图像，Y表示超声图像；x表示CT图像的边界上的任意一点，y表示超声图像的边界上的任意一点；
dXY和
表示CT图像的边界上的任意一点与超声图像的边界上的任意一点之间的最短距离的最大值；
dYX和
表示超声图像的边界上的任意一点与CT图像的边界上的任意一点之间的最短距离的最大值；
所述的Hausdorff_95是最后得到的
的值乘以95%。
8.根据权利要求7所述的可穿戴超声膀胱容量测定与多模态影像形貌评估系统，其特征在于，所述的Hausdorff_95的数值越小越好，Hausdorff_95的数值越小代表X和Y两者之间的重合性越好。
9.根据权利要求1所述的可穿戴超声膀胱容量测定与多模态影像形貌评估系统，其特征在于，所述的参数阈值是由医生经过数值分析后预先设置的合理的数值，用于筛选满足临床要求的膀胱容量和形态。
10.根据权利要求1所述的可穿戴超声膀胱容量测定与多模态影像形貌评估系统，其特征在于，所述的戴斯相似性系数、结构相似性SSIM和Hausdorff_95共同构成基于模拟定位CT图像和超声图像的膀胱三维形态与容量值一致性多参数评估体系。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310498607.6A CN116211353B (zh) | 2023-05-06 | 2023-05-06 | 可穿戴超声膀胱容量测定与多模态影像形貌评估系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310498607.6A CN116211353B (zh) | 2023-05-06 | 2023-05-06 | 可穿戴超声膀胱容量测定与多模态影像形貌评估系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116211353A CN116211353A (zh) | 2023-06-06 |
| CN116211353B true CN116211353B (zh) | 2023-07-04 |
Family
ID=86585808
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310498607.6A Active CN116211353B (zh) | 2023-05-06 | 2023-05-06 | 可穿戴超声膀胱容量测定与多模态影像形貌评估系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116211353B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5810007A (en) * | 1995-07-26 | 1998-09-22 | Associates Of The Joint Center For Radiation Therapy, Inc. | Ultrasound localization and image fusion for the treatment of prostate cancer |
| WO2012109641A2 (en) * | 2011-02-11 | 2012-08-16 | Emory University | Systems, methods and computer readable storage mediums storing instructions for 3d registration of medical images |
| CN105078514A (zh) * | 2014-04-22 | 2015-11-25 | 重庆海扶医疗科技股份有限公司 | 三维模型的构建方法及装置、图像监控方法及装置 |
| CN112184781A (zh) * | 2020-09-14 | 2021-01-05 | 中国科学院深圳先进技术研究院 | 超声图像和ct图像的配准方法、装置及设备 |
| CN112641471A (zh) * | 2020-12-30 | 2021-04-13 | 北京大学第三医院（北京大学第三临床医学院） | 一种放疗专用的膀胱容量测定与三维形态评估方法与系统 |
-
2023
- 2023-05-06 CN CN202310498607.6A patent/CN116211353B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5810007A (en) * | 1995-07-26 | 1998-09-22 | Associates Of The Joint Center For Radiation Therapy, Inc. | Ultrasound localization and image fusion for the treatment of prostate cancer |
| WO2012109641A2 (en) * | 2011-02-11 | 2012-08-16 | Emory University | Systems, methods and computer readable storage mediums storing instructions for 3d registration of medical images |
| CN105078514A (zh) * | 2014-04-22 | 2015-11-25 | 重庆海扶医疗科技股份有限公司 | 三维模型的构建方法及装置、图像监控方法及装置 |
| CN112184781A (zh) * | 2020-09-14 | 2021-01-05 | 中国科学院深圳先进技术研究院 | 超声图像和ct图像的配准方法、装置及设备 |
| CN112641471A (zh) * | 2020-12-30 | 2021-04-13 | 北京大学第三医院（北京大学第三临床医学院） | 一种放疗专用的膀胱容量测定与三维形态评估方法与系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116211353A (zh) | 2023-06-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20190308016A1 (en) | TTField Treatment with Optimization of Electrode Positions Based on Low Frequency (<1MHZ) AC Conductivity Estimates Derived From Two MRI Images Having Different Repetition Times | |
| Zhou et al. | Automatic measurement of spine curvature on 3-D ultrasound volume projection image with phase features | |
| Gong et al. | Parametric shape modeling using deformable superellipses for prostate segmentation | |
| Saini et al. | Brain tumor detection in medical imaging using MATLAB | |
| CN106997594B (zh) | 一种眼部组织的定位方法及装置 | |
| CN111311703B (zh) | 一种基于深度学习的电阻抗断层图像重构方法 | |
| CN106999157A (zh) | 用于通过计算和显示超声测量和图形模型进行胎儿显像的方法与系统 | |
| CN110279433B (zh) | 一种基于卷积神经网络的胎儿头围自动精确测量方法 | |
| Sencha et al. | Breast ultrasound | |
| CN111507978A (zh) | 一种泌尿外科用智能数字影像处理系统 | |
| Hu et al. | Automated placenta segmentation with a convolutional neural network weighted by acoustic shadow detection | |
| WO2020187700A1 (en) | Device and method for analyzing optoacoustic data, optoacoustic system and computer program | |
| Mason et al. | Towards ultrasound‐guided adaptive radiotherapy for cervical cancer: Evaluation of Elekta's semiautomated uterine segmentation method on 3D ultrasound images | |
| Camps et al. | Automatic quality assessment of transperineal ultrasound images of the male pelvic region, using deep learning | |
| CN112641471B (zh) | 一种放疗专用的膀胱容量测定与三维形态评估方法与系统 | |
| Goudarzi et al. | Segmentation of arm ultrasound images in breast cancer-related lymphedema: A database and deep learning algorithm | |
| CN116211353B (zh) | 可穿戴超声膀胱容量测定与多模态影像形貌评估系统 | |
| CN111481233B (zh) | 胎儿颈项透明层厚度测量方法 | |
| CN106473744A (zh) | 一种基于平面切割的产轴线计算方法 | |
| CN115300809B (zh) | 图像处理方法及装置、计算机设备和存储介质 | |
| Memiş et al. | Computerized 2D detection of the multiform femoral heads in magnetic resonance imaging (MRI) sections with the integro-differential operator | |
| WO2019153983A1 (zh) | 一种手术刀尖热源成像系统及其方法 | |
| WO2023133929A1 (zh) | 一种基于超声的人体组织对称性检测分析方法 | |
| CN114943688A (zh) | 基于触诊和超声数据对乳腺图像中感兴趣区域的提取方法 | |
| Jin et al. | Comparison of deep learning and classical image processing for skin segmentation |
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 |