CN116322902A - 图像配准系统和方法 - Google Patents

图像配准系统和方法 Download PDF

Info

Publication number
CN116322902A
CN116322902A CN202080104334.7A CN202080104334A CN116322902A CN 116322902 A CN116322902 A CN 116322902A CN 202080104334 A CN202080104334 A CN 202080104334A CN 116322902 A CN116322902 A CN 116322902A
Authority
CN
China
Prior art keywords
image
mask
registration
target
reference 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.)
Pending
Application number
CN202080104334.7A
Other languages
English (en)
Inventor
杨宏成
J·墨子
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai United Imaging Healthcare Co Ltd
Original Assignee
Shanghai United Imaging Healthcare Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai United Imaging Healthcare Co Ltd filed Critical Shanghai United Imaging Healthcare Co Ltd
Publication of CN116322902A publication Critical patent/CN116322902A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N5/00—Radiation therapy
    • A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
    • A61N5/1048—Monitoring, verifying, controlling systems and methods
    • A61N5/1049—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam
    • 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
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/174—Segmentation; Edge detection involving the use of two or more images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
    • 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
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N5/00—Radiation therapy
    • A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
    • A61N5/1048—Monitoring, verifying, controlling systems and methods
    • A61N5/1049—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam
    • A61N2005/1061—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam using an x-ray imaging system having a separate imaging source
    • A61N2005/1062—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam using an x-ray imaging system having a separate imaging source using virtual X-ray images, e.g. digitally reconstructed radiographs [DRR]
    • 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
    • G06T2207/10116—X-ray image
    • G06T2207/10124—Digitally reconstructed radiograph [DRR]
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30096—Tumor; Lesion

Abstract

提供了用于图像配准的系统和方法。该方法可以包括获取包括目标体积的对象的参考图像(510)；基于参考图像确定与感兴趣区域(ROI)相关联的配准掩模(520)，该ROI包括目标体积的至少一部分；获取包括目标体积的对象的目标图像(530)；基于配准掩模对参考图像和目标图像进行图像配准(540)。

Description

图像配准系统和方法
技术领域
本申请一般涉及图像处理，更具体地，涉及用于图像配准的系统和方法。
背景技术
影像引导放射治疗(IGRT)是一种广泛用于多种癌症临床治疗的放射治疗方式。在放射治疗过程中，往往需要将放射治疗前或放射治疗期间获取的治疗图像与预先生成的计划图像进行配准，以规划放射治疗，从而使放射治疗能够准确地递送至目标体积(例如，根据治疗计划的对象(例如，患者)的肿瘤)。然而，一些干扰特征(例如，运动的器官或组织)可能会显著影响治疗图像与计划图像之间的配准结果，从而影响后续治疗和/或临床诊断。因此，需要开发用于图像配准的系统和方法以去除或减少干扰结构的影响，从而提高配准精度。
发明内容
根据本申请的一个方面，提供了一种用于图像配准的系统。所述系统可以包括储存可执行指令的至少一个存储设备和与所述至少一个存储设备通信的至少一个处理器。当执行可执行指令时，至少一个处理器被配置为使系统执行操作。所述操作可以包括获取扫描对象的参考图像，所述参考图像包括目标体积。所述操作还可以包括基于所述参考图像，确定与感兴趣区域(ROI)相关联的配准掩模，所述ROI包括所述目标体积的至少一部分。所述操作还可以包括获取所述扫描对象的目标图像，所述目标图像包括所述目标体积。所述操作还可以包括基于所述配准掩模，对所述参考图像和所述目标图像进行图像配准。
在一些实施例中，为了基于参考图像确定与ROI相关联的配准掩模，操作可以包括通过从所述参考图像中去除所述ROI之外的图像信息，生成中间图像；以及基于所述中间图像，确定与所述ROI关联的所述配准掩模。
在一些实施例中，为了基于中间图像确定与ROI相关联的配准掩模，操作可以包括对所述中间图像进行滤波操作；以及基于所述过滤后的中间图像，确定与所述ROI关联的所述配准掩模。
在一些实施例中，为了基于参考图像确定与ROI相关联的配准掩模，所述操作可以包括基于所述参考图像，确定包括所述ROI的初步掩模；识别至少部分位于所述参考图像中的所述ROI中的一个或多个干扰结构；确定包括所述一个或多个干扰结构的辅助掩模；以及根据所述初步掩模和所述辅助掩模，确定与所述ROI关联的所述配准掩模。
在一些实施例中，为了识别至少部分位于参考图像中的ROI中的一个或多个干扰结构，操作可以包括根据预设规则，从所述参考图像中自动分割出所述一个或多个干扰结构。
在一些实施例中，预设规则包括与参考图像关联的结构类型、结构标签或时间信息中的至少一种。
在一些实施例中，一个或多个干扰结构包括运动器官或运动组织中的至少一个。
在一些实施例中，所述运动器官或运动组织是根据参考电影图像确定的。
在一些实施例中，所述运动器官或运动组织是根据目标电影图像确定的。
在一些实施例中，所述运动器官或所述运动组织是根据在所述目标图像或所述参考图像中识别的器官或组织的运动特性来确定的。
在一些实施例中，一个或多个干扰结构包括心脏、肺、隔膜、膀胱或直肠中的至少一个。
在一些实施例中，为了基于配准掩模对参考图像和目标图像进行图像配准，操作可以包括通过在所述参考图像上应用所述配准掩模来确定掩模参考图像；通过在所述目标图像上应用所述配准掩模来确定掩模目标图像；以及基于所述掩模参考图像和所述掩模目标图像，确定一个或多个偏移参数。
在一些实施例中，所述为了基于掩模参考图像和掩模目标图像确定一个或多个偏移参数，对于掩模目标图像中的一个或多个目标区域中的每一个，操作可以包括针对所述掩模目标图像中的一个或多个目标区域中的每一个，确定所述目标区域与所述掩模参考图像中对应的参考区域之间的相似度值；以及基于对应于所述一个或多个目标区域的一个或多个相似度值，确定所述一个或多个偏移参数。
在一些实施例中，所述参考图像和目标图像是在相同的呼吸相位获取的。
在一些实施例中，所述参考图像是与治疗相关联的计划图像；以及所述目标图像是治疗前或治疗中的治疗图像。
在一些实施例中，所述计划图像是数字重建射线照片(DRR)；以及所述治疗图像是X射线图像。
在一些实施例中，所述参考图像和所述目标图像中的每一个是3D图像或4D图像。
根据本申请的另一方面，提供了一种图像配准方法。该方法可以在具有至少一个处理器和至少一个存储设备的计算设备上实现。该方法可以包括获取扫描对象的参考图像，所述参考图像包括目标体积；基于所述参考图像，确定与感兴趣区域(ROI)相关联的配准掩模，所述ROI包括所述目标体积的至少一部分；获取所述扫描对象的目标图像，所述目标图像包括所述目标体积；以及基于所述配准掩模，对所述参考图像和所述目标图像进行图像配准。
根据本申请的又一方面，提供了一种非暂时性计算机可读介质，包括至少一组指令，其中当由计算设备的至少一个处理器执行时，该至少一组指令指示至少一个处理器来执行一种方法。该方法可以包括获取扫描对象的参考图像，所述参考图像包括目标体积；基于所述参考图像，确定与感兴趣区域(ROI)相关联的配准掩模，所述ROI包括所述目标体积的至少一部分；获取所述扫描对象的目标图像，所述目标图像包括所述目标体积；以及基于所述配准掩模，对所述参考图像和所述目标图像进行图像配准。
附加特征将部分的在随后的描述中阐述，并且部分的对于本领域技术人员在检查以下和附图时将变得显而易见，或者可以通过实施例的产生或操作而获知。本申请的特征可以通过实践或使用在下面讨论的详细示例中阐述的方法、手段和组合的各个方面来实现和获取。
附图说明
本申请将通过示例性实施例进行进一步描述。这些示例性实施例将通过附图进行详细描述。附图未按比例绘制的。这些实施例是非限制性的示例性实施例，在这些实施例中，各图中相同的编号表示相似的结构，其中：
图1是示出根据本申请的一些实施例的示例性医疗系统的示意图；
图2是示出根据本申请的一些实施例的示例性计算设备的示例性硬件和/或软件组件的示意图；
图3是示出根据本申请的一些实施例的示例性移动设备的示例性硬件和/或软件组件的示意图；
图4是示出根据本申请的一些实施例的示例性处理设备的框图；
图5是示出根据本申请的一些实施例的用于图像配准的示例性过程的流程图；
图6是示出根据本申请的一些实施例的用于确定配准掩模的示例性过程的流程图；
图7是示出根据本申请的一些实施例的用于基于配准掩模将参考图像与目标图像配准的示例性过程的流程图；
图8A示出了根据本申请的一些实施例的在胸部区域治疗期间基于配准掩模的计划图像和治疗图像之间的示例性图像配准过程；
图8B示出了根据本申请的一些实施例的在胸部区域治疗期间基于配准掩模的计划图像和治疗图像之间的示例性图像配准过程。
具体实施方式
为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。然而，本领域技术人员应该明白，可以在没有这些细节的情况下实施本申请。在其它情况下，为了避免不必要地使本申请的各方面变得晦涩难懂，已经在较高的层次上描述了众所周知的方法、过程、系统、组件和/或电路。对于本领域的普通技术人员来讲，显然可以对所披露的实施例作出各种改变，并且在不偏离本申请的原则和范围的情况下，本申请中所定义的普遍原则可以适用于其他实施例和应用场景。因此，本申请不限于所示的实施例，而是符合与申请专利范围一致的最广泛范围。
本申请中所使用的术语仅出于描述特定示例实施例的目的，而非限制性的。如本申请使用的单数形式“一”、“一个”及“该”同样可以包括复数形式，除非上下文明确提示例外情形。应当理解，如在本申请说明书中使用的术语“包括”、“包含”仅提示存在所述特征、整数、步骤、操作、组件和/或部件，但并不排除存在或添加一个或以上其它特征、整数、步骤、操作、组件、部件和/或其组合的情况
应当理解，本文使用的术语“系统”、“发动机”、“单元”、“模块”和/或“块”是一种区分不同组件、元件、零件、部分或不同级别的组件的方法按升序排列。但是，如果这些术语达到相同的目的，则可以用另一种表达方式代替。
通常，这里使用的词语“模块”、“单元”或“块”是指体现在硬件或固件中的逻辑，或者是软件指令的集合此处描述的模块、单元或块可以实现为软件和/或硬件，并且可以存储在任何类型的非暂时性计算机可读介质或另一存储设备中。在一些实施例中，可以编译软件模块/单元/块并将其链接到可执行程序中。应当理解，软件模块可以从其他模块/单元/块或从它们自身调用，和/或可以响应检测到的事件或中断来调用。被配置用于在计算设备(例如图2中所示的处理器210)上执行的软件模块/单元/块可以被提供在计算机可读介质上，或者作为数字下载(并且可以最初以压缩或可安装格式存储，在执行之前需要安装、解压缩或解密)。这里的软件代码可以被部分的或全部的储存在执行操作的计算设备的存储设备中，并应用在计算设备的操作之中。软件指令可以嵌入到固件中，例如EPROM。还应当理解，硬件模块/单元/块可以包括在连接的逻辑组件中，例如门和触发器，和/或可以包括可编程单元，例如可编程门阵列或处理器。这里描述的模块/单元/块或计算设备功能可以被实现为软件模块/单元或块，但是可以用硬件或固件表示。这里描述的模块/单元/块指的是逻辑模块/单元/块，其可以与其他模块/单元/块组合或者分成子模块/子单元/子块，尽管它们是物理组织或存储器件。该描述可适用于系统、发动机或其一部分。
应当理解，当一个单元、引擎、模块或块被称为“置于”、“连接到”或“耦合到”另一个单元或引擎、模块、块时，它可以直接在另一个单位、引擎、组件或块上、连接到或耦合到另一个单元、引擎、，除非上下文清楚地另外指示，否则可以存在块或块。在本申请中，术语“和/或”可包括任何一个或以上相关所列条目或其组合。
根据以下对附图的描述，本申请的这些和其它的特征、特点以及相关结构元件的功能和操作方法，以及部件组合和制造经济性，可以变得更加显而易见，这些附图都构成本申请说明书的一部分。然而，应当理解的是，附图仅仅是为了说明和描述的目的，并不旨在限制本申请的范围。应当理解，附图不是按比例绘制的。
本申请中的术语“图像”用于统指图像数据(例如，扫描数据、投影数据)和/或各种形式的图像，包括二维(2D)图像、三维(3D)图像、四维(4D)图像等。本申请中的术语“像素”和“体素”可互换使用以指代图像的元素。本申请中的术语“区域”、“位置”和“面积”可以指图像中显示的解剖结构的位置或存在于目标对象体内或体表的解剖结构的实际位置，因为图像可以指示存在于目标对象体内或体表的特定解剖结构的实际位置。
本文提供用于非侵入性生物医学成像/治疗系统和方法，例如用于疾病诊断、疾病治疗或研究目的。在一些实施例中，系统可以包括成像系统。成像系统可以包括单模态系统和/或多模态系统。此处使用的术语“模态”泛指收集、生成、处理和/或分析受试者的成像信息或治疗受试者的成像或治疗方法或技术。单模态系统可以包括例如超声成像系统、X射线成像系统、计算机断层扫描(CT)系统、磁共振成像(MRI)系统、超声造影系统、正电子发射断层扫描(PET)系统、光学相干断层扫描(OCT)成像系统、超声(US)成像系统、血管内超声(IVUS)成像系统、近红外光谱(NIRS)成像系统等，或其任何组合。多模态系统可以包括例如X射线成像-磁共振成像(X射线-MRI)系统、正电子发射断层扫描-X射线成像(PET-X射线)系统、单光子发射计算机断层扫描-磁共振成像(SPECT-MRI)系统、正电子发射断层扫描-计算机断层扫描(PET-CT)系统、C臂系统、正电子发射断层扫描-磁共振成像(PET-MR)系统、数字减影血管造影-磁共振成像(DSA-MRI)系统等。在一些实施例中，医疗系统可以包括治疗系统。治疗系统可以包括治疗计划系统(TPS)、图像引导放射治疗(IGRT)等。图像引导放射治疗(IGRT)可以包括治疗设备和成像设备。治疗设备可以包括直线加速器、回旋加速器、同步加速器等，被配置为对扫描对象进行放射治疗。治疗设备可以包括各种粒子种类的加速器，包括例如光子、电子、质子或重离子。成像设备可以包括MRI扫描仪、CT扫描仪(例如，锥形束计算机断层扫描(CBCT)扫描仪)、数字放射学(DR)扫描仪、电子射野成像设备(EPID)等。需要说明的是，下文所描述的医疗系统仅供说明之用，并不用于限制本申请的范围。
在本申请中，扫描对象可以包括生物对象和/或非生物对象。生物学对象可以是人类、动物、植物或其特定部分、器官和/或组织。例如，扫描对象可以包括头部、颈部、胸部、心脏、胃、血管、软组织、肿瘤、结节等，或其任何组合。在一些实施例中，对象可以是具有或不具有生命的有机和/或无机物质的人造组合物。术语“对象”或“扫描对象”在本申请中可互换使用。
在本申请中，为了简洁起见，图像中对象(例如，患者、扫描对象或其一部分)的表示可被称为“对象”。例如，为了简洁，图像中的器官或组织(例如，心脏、肝脏、肺)的表示可以被称为器官或组织。此外，为了简洁，包括对象的表示的图像可以被称为对象的图像或包括对象的图像。更进一步地，为简洁起见，对图像中对象的表示执行的操作可被称为对对象执行的操作。例如，为了简洁起见，包括来自图像的器官或组织的表示的图像的一部分的分割可以称为器官或组织的分割。
本申请的一个方面涉及用于图像配准的系统和方法。例如，系统可以获取包括目标体积的对象的参考图像。该系统还可以基于参考图像确定与感兴趣区域(ROI)相关联的配准掩模。ROI可以包括目标体积的至少一部分。该系统还可以获取包括目标体积的对象的目标图像。系统还可以基于配准掩模对参考图像和目标图像进行图像配准。因此，系统可以根据与目标体积具有临床相关性的区域(即，包括目标体积的至少一部分的ROI)将参考图像与目标图像配准，这可以提高图像配准的准确性。
在一些实施例中，一个或多个干扰结构(例如，运动的器官或组织)可以从ROI中排除以提高配准精度。例如，包括一个或多个干扰结构的辅助掩模可以被确定并用于在图像配准期间排除一个或多个干扰结构。相应地，可以有效地提高配准的准确性，并且可以有效地提高基于其进行的诊断和/或治疗的效率和/或准确性。
图1是示出根据本申请的一些实施例的示例性医疗系统的示意图。如图1所示，医疗系统100可以包括医疗设备110、网络120、终端设备130、处理设备140和存储设备150。在一些实施例中，医疗系统100的两个或更多个组件可以经由无线连接(例如，网络120)、有线连接或其组合相互连接和/或通信。医疗系统100的组件可以以各种方式连接。仅作为示例，医疗设备110可以通过网络120或直接连接到处理设备140。又例如，存储设备150可通过网络120或直接连接至处理设备140。
医疗设备110可以被配置为获取对象的图像数据和/或对对象进行治疗。为了便于说明，以兼具图像采集功能和治疗功能的医疗设备为例进行说明。因此，医疗设备110可以包括成像设备111、治疗设备112和工作台113。
成像设备111可以被配置为在放射治疗之前、放射治疗期间和/或放射治疗之后获取对象的图像。在一些实施例中，成像设备111可以包括计算机断层扫描(CT)设备(例如，锥束计算机断层扫描(CBCT)设备、扇束计算机断层扫描(FBCT)设备)、超声成像设备、荧光透视成像设备、磁共振成像(MRI)设备、单光子发射计算机断层扫描(SPECT)设备、正电子发射断层扫描(PET)设备、X射线成像设备等，或其任何组合。为了便于说明，本申请以CT设备作为示例性成像设备111。
在一些实施例中，成像设备111可以包括成像辐射源、检测器和机架。成像辐射源和检测器可以安装在机架上。成像辐射源可以向扫描对象发射放射线。检测器可以检测从成像设备111的成像区域发射的辐射事件(例如，x射线光子、伽马射线光子)。在一些实施例中，检测器可以包括一个或多个检测器单元。检测器单元可以包括检测器(例如，检测器、硫氧化钆检测器)、气体检测器等。检测器单元可包括单排检测器和/或多排检测器。
治疗设备112可以被配置为对扫描对象进行放射治疗。在一些实施例中，治疗设备112可以包括治疗辐射源、机架和准直器。治疗辐射源可以被配置为向扫描对象发射治疗辐射。在一些实施例中，治疗辐射源可以包括线性加速器(LINAC)。准直器可以被配置为控制由治疗辐射源产生的治疗辐射的形状。
在一些实施例中，成像设备111可以与治疗设备112间隔一定距离。在一些实施例中，成像设备111的机架和治疗设备112的机架可共享旋转轴。扫描对象可以位于工作台113上被放置在不同位置以用于成像和治疗。在一些实施例中，成像辐射源和治疗辐射源可以集成为单个辐射源以对扫描对象进行成像和/或治疗。在一些实施例中，成像设备111和治疗设备112可以使用同一个机架。例如，治疗放射源可以安装在成像设备111的机架上。扫描对象可以被放置在工作台113上用于治疗和/或成像。在一些实施例中，工作台113可沿特定方向(例如，图1所示的坐标系160的Y轴方向)在治疗设备112与成像设备111之间移动。
网络120可以包括可以促进医疗系统100的信息和/或数据交换的任何合适的网络。在一些实施例中，医疗系统100的一个或多个组件(例如，医疗设备110、处理设备140、存储设备150或终端设备130)可以经由网络120与医疗系统100的一个或多个其他组件传送信息和/或数据。例如，处理设备140可以通过网络120从医疗设备110获取图像数据。又例如，处理设备140可经由网络120从终端设备130获取使用者指令。网络120可以是或包括公共网络(例如因特网)、专用网络(例如局域网(LAN))、有线网络、无线网络(例如802.11网络、Wi-Fi网络)、帧中继网络、虚拟专用网络(VPN)、卫星网络、电话网络、路由器、集线器、交换机、服务器计算机和/或它们的任何组合。例如，网络120可以包括有线网络、有线网络、光纤网络、电信网络、内联网、无线局域网(WLAN)、城域网(MAN)、公共电话交换网络(PSTN)、BluetoothTM网络、ZigBeeTM网络、近场通信(NFC)网络等或其任何组合。在一些实施例中，网络120可以包括一个或多个网络接入点。例如，网络120可以包括有线和/或无线网络接入点，例如基站和/或互联网交换点，医疗系统100的一个或多个组件可以通过它们连接到网络120以交换数据和/或信息。
终端设备130可以与医疗设备110、处理设备140和/或存储设备150连接和/或通信。例如，终端设备130可以从处理设备140获取包括感兴趣区域(ROI)的参考图像。作为另一个例子，终端设备130可以实现用户与医疗系统100的交互。在一些实施例中，终端设备130可以包括移动设备131、平板电脑132、膝上型电脑133等或其任意组合。移动设备131可以包括移动电话、个人数字助理(PDA)、游戏设备、导航设备、销售点(POS)设备、膝上型电脑、平板电脑、桌面等，或其任何组合。在一些实施例中，终端设备130可以包括输入设备、输出设备等。输入设备可以包括字母数字键和其他键，这些键可以通过键盘、触摸屏(例如，具有触觉或触觉反馈)、语音输入、眼睛跟踪输入、大脑监测系统或任何其他类似输入机制来输入。通过输入设备接收到的输入信息可以通过例如总线被传送到处理设备140以供进一步处理。其他类型的输入设备可以包括光标控制设备，例如鼠标、轨迹球或光标方向键等。输出设备可以包括显示器、扬声器、打印机等或其组合。在一些实施例中，终端设备130可以是处理设备140的一部分。
处理设备140可以处理从医疗设备110、存储设备150、终端设备130或医疗系统100的其他组件获取的数据和/或信息。例如，处理设备140可以基于配准掩模将参考图像与目标图像对准。作为另一示例，处理设备140可以从参考图像中去除一个或多个干扰结构并生成辅助掩模。处理设备140可以基于辅助掩模生成配准掩模。在一些实施例中，处理设备120可以包括中央处理单元(CPU)、数字信号处理器(DSP)、片上系统(SoC)、微控制器单元(MCU)等，或其任何组合。在一些实施例中，处理设备140可以是单个服务器或服务器组。服务器组可以是集中式的，也可以是分布式的。在一些实施例中，处理设备140相对于医疗系统100可以是本地的或远程的。例如，处理设备140可以经由网络120访问来自医疗设备110、存储设备150和/或终端设备130的信息和/或数据。作为另一个示例，处理设备140可以直接连接到医疗设备110、终端设备130和/或存储设备150以访问信息和/或数据。在一些实施例中，处理设备140可以在云平台上实现。例如，云平台可以包括私有云、公共云、混合云、社区云、分布式云和跨云、多云等，或其组合。在一些实施例中，处理设备140可以由具有如结合图2所描述的一个或多个组件的计算设备200来实现。
存储设备150可以存储数据、指令和/或任何其他信息。在一些实施例中，存储设备150可以存储从处理设备140、终端设备130和/或存储设备150获取的数据。在一些实施例中，存储设备150可以存储用以处理设备140执行或使用来执行本申请中描述的示例性方法的数据和/或指令。在一些实施例中，存储设备150可以包括大容量存储设备、可移动存储设备、易失性读写存储器、只读存储器(ROM)等或其任何组合。示例性大容量存储设备可以包括磁盘、光盘、固态驱动器等。示例性可移动存储设备可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘、磁带等。示例性易失性读写存储器可以包括随机存取存储器(RAM)。示例性RAM可包括动态随机存取内存(DRAM)、双倍数据速率同步动态随机存取内存(DDRSDRAM)、静态随机存取内存(SRAM)、晶闸管随机存取内存(T-RAM)和零电容随机存取内存(Z-RAM)等。示例性ROM可以包括掩模ROM(MROM)、可编程ROM(PROM)、可擦除可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)、光盘ROM(CD-ROM)和数字通用盘只读存储器等。在一些实施例中，存储设备150可以在如本申请别处所描述的云平台上实现。
在一些实施例中，存储设备150可以连接到网络120以与医疗系统100的一个或多个其他组件(例如，处理设备140、终端设备130)通信。医疗系统100的一个或多个组件可以通过网络120访问存储在存储设备150中的数据或指令。在一些实施例中，存储设备150可以是处理设备140的一部分。
在一些实施例中，如图1所示，可以在医疗系统100中提供坐标系160。坐标系160可以包括X轴、Y轴和Z轴。图1中所示的X轴和Y轴可以是水平的，而Z轴可以是垂直的。如图所示，X轴可以平行于工作台113的横向，Y轴可以平行于工作台113的纵向，Z轴可以平行于工作台113的垂直方向。坐标系160的原点可以位于任何合适的位置。例如，原点可位于治疗设备112的LINAC的等中心，坐标系160可称为RT坐标系。作为另一示例，成像设备111可以是CT设备。坐标系160的原点可位于CT设备的机架的旋转中心，坐标系160可称为CT坐标系。在一些实施例中，坐标系160的原点可由操作员确定。在一些实施例中，坐标系160的原点可以由医疗系统100的默认设置来确定。
上述描述旨在是说明性的，而不是限制本申请的范围。许多替代、修改和变化对于本领域技术人员来说将是显而易见的。可以以各种方式组合本文描述的示例性实施例的特征、结构、方法和其他特性以获取额外的和/或替代的示例性实施例。然而，那些变化和修改不脱离本申请的范围。
图2是示出根据本申请的一些实施例的示例性计算设备的示例性硬件和/或软件组件的示意图。在一些实施例中，处理设备140可以在计算设备200上实现。如图2所示，计算设备200可以包括处理器210、存储器220、输入/输出(I/O)230和通信端口240。
处理器210可以执行计算机指令(例如，程序代码)并根据本文描述的技术执行处理设备140的功能。计算机指令可以包括执行这里描述的特定功能的例如例程、程序、对象、组件、数据结构、过程、模块和功能。例如，处理器210可以处理从医疗设备110、终端设备130、存储设备150和/或医疗系统100的任何其他组件获取的图像数据。在一些实施例中，处理器210可以包括一个或多个硬件处理器，例如微控制器、微处理器、精简指令集计算机(RISC)、专用集成电路(ASIC)、专用指令集处理器(ASIP)、中央处理器(CPU)、图形处理器(GPU)、物理处理器(PPU)、微控制器单元、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、高级RISC机器(ARM)、可编程逻辑设备(PLD)、能够执行一个或多个功能的任何电路或处理器等，或其任何组合。
仅仅为了说明，在计算设备200中仅描述了一个处理器。然而，应当注意，本申请中的计算设备200还可以包括多个处理器，因此，如本申请中所描述的由一个处理器执行的操作和/或方法操作也可以由多个处理器联合或单独执行。例如如果在本申请中计算设备200的处理器执行操作A和操作B，应当理解，操作A和操作B也可以由计算设备200中的两个或多个不同处理器联合或单独执行(例如，第一处理器执行操作A，第二处理器执行操作B，或者第一和第二处理器联合执行操作A和B)。
存储器220可以存储从医疗设备110、终端设备130、存储设备150和/或医疗系统100的任何其他组件获取的数据/信息。在一些实施例中，存储器220可以包括大容量存储设备、可移动存储设备、易失性读写存储器、只读存储器(ROM)等，或其任何组合。在一些实施例中，存储器220可以存储一个或多个程序和/或指令以执行本申请中描述的示例性方法。例如，存储器220可以存储用于处理设备140的程序，用于基于对象的参考图像来确定配准掩模。
I/O230可以输入和/或输出信号、数据、信息等。在一些实施例中，I/O230可以实现与处理设备140的用户交互。在一些实施例中，I/O230可以包括输入设备和输出设备。示例性输入设备可以包括键盘、鼠标、触摸屏、麦克风等或其组合。示例性输出设备可以包括显示设备、扬声器、打印机、投影仪等或其组合。示例性显示设备可以包括液晶显示器(LCD)、基于发光二极管(LED)的显示器、平板显示器、曲面屏幕、电视设备、阴极射线管(CRT)、触摸屏等或其组合。
通信端口240可以连接到网络(例如，网络120)以促进数据通信。通信端口240可以建立处理设备140与医疗设备110、终端设备130和/或存储设备150之间的连接。该连接可以是有线连接、无线连接、可以实现数据传输和/或接收的任何其他通信连接、和/或这些连接的任何组合。有线连接可包括例如电缆、光缆、电话线等或其任何组合。无线连接可以包括例如蓝牙TM链接，Wi-FiTM链接，WiMaxTM链路、WLAN链路、ZigBeeTM链路、移动网络链路(例如，3G、4G、5G)等，或其组合。在一些实施例中，通信端口240可以是和/或包括标准化通信端口，例如RS232、RS485等。在一些实施例中，通信端口240可以是专门设计的通信端口。例如，通信端口240可以根据医学数字成像和通信(DICOM)协议来设计。
图3是示出根据本申请的一些实施例的示例性移动设备的示例性硬件和/或软件组件的示意图。在一些实施例中，医疗系统100的一个或多个组件(例如，终端设备130和/或处理设备140)可以在移动设备300上实现。
如图3所示，移动设备300可以包括通信平台310、显示器320、图形处理单元(GPU)330、中央处理单元(CPU)340、I/O350、内存360和存储器390。在一些实施例中，任何其他合适的组件，包括但不限于系统总线或控制器(未示出)，也可包括在移动设备300内。在一些实施例中，移动操作系统370(例如，iOSTM、AndroidTM、WindowsPhoneTM)和一个或多个应用程序380可以从存储器390加载到内存360中以便由CPU340执行。应用程序380可以包括用于从处理设备140接收和呈现与图像处理相关的信息或其他信息的浏览器或任何其他合适的移动应用程序。用户与信息流的交互可以通过I/O350实现并通过网络120提供给处理设备140和/或医疗系统100的其他组件。
为了实施本申请描述的各种模块、单元及其功能，计算机硬件平台可用作本文中描述的一个或以上组件的硬件平台。具有用户接口元素的计算机可用于实施个人计算机(PC)或任何其他类型的工作站或终端设备。若计算机被适当的程序化，计算机亦可用作服务器。
图4是示出根据本申请的一些实施例的示例性处理设备的框图。如图4所示，处理设备140可以包括获取模块410、掩模确定模块420和图像配准模块430。模块可以是处理设备140的全部或部分的硬件电路。这些模块还可以实现为由处理设备140读取和执行的应用程序或指令集。进一步地，模块可以是硬件电路和应用程序/指令的任意组合。例如，当处理设备140正在执行应用程序/指令集时，模块可以是处理设备140的一部分。
获取模块410可以被配置为从医疗系统100的一个或多个组件获取信息和/或数据。例如，获取模块410可以获取对象的参考图像(例如，DRR)和目标图像(例如X射线图像)，其中参考图像和目标图像是在不同的时间点生成的。
掩模确定模块420可以被配置为基于参考图像确定与ROI相关联的配准掩模。例如，掩模确定模块420可以通过从参考图像中去除ROI之外的图像信息来生成中间图像，然后对中间图像执行过滤操作。掩模确定模块420可以基于过滤后的中间图像确定与ROI相关联的配准掩模。作为另一示例，掩模确定模块420可以基于参考图像确定包括ROI的初步掩模。掩模确定模块420可以识别至少部分位于参考图像中的ROI中的一个或多个干扰结构。掩模确定模块420可以确定包括一个或多个干扰结构的辅助掩模，然后基于初步掩模和辅助掩模确定与ROI相关联的配准掩模。
图像配准模块430可以被配置为基于配准掩模对参考图像和目标图像进行图像配准。在一些实施例中，图像配准模块430可以通过在参考图像上应用配准掩模来确定掩模参考图像，并且通过在目标图像上应用配准掩模来确定掩模目标图像。图像配准模块430可以基于掩模参考图像和掩模目标图像来确定一个或多个偏移参数。例如，对于掩模目标图像中的一个或多个目标区域中的每一个，图像配准模块430可以确定目标区域与掩模参考图像中对应的参考区域之间的相似度值。图像配准模块430可以基于对应于一个或多个目标区域的一个或多个相似度值来确定一个或多个偏移参数。
处理设备140中的模块可以通过有线连接或无线连接相互连接或通信。有线连接可以包括金属电缆、光缆、混合电缆等或其任何组合。无线连接可以包括局域网(LAN)、广域网(WAN)、蓝牙、ZigBee、近场通信(NFC)等，或其任何组合。两个或以上模块可以被组合为单个模块。所述模块中的任一个可以被分成两个或以上单元。例如，获取模块410可以分为两个单元，分别用于获取对象的参考图像和获取对象的目标图像。作为另一个例子，处理设备140还可以包括控制模块，该控制模块被配置为为医疗系统100中的一个或多个组件生成控制信号。
图5是示出根据本申请的一些实施例的用于图像配准的示例性过程的流程图。在一些实施例中，过程500可以被实现为存储在存储设备150、存储器220或存储器390中的一组指令(例如，应用程序)。处理设备140、处理器210和/或CPU340可以执行指令，并且当执行指令时，处理设备140、处理器210和/或CPU340可被配置为执行过程500。以下所示过程的操作仅出于说明的目的。在一些实施例中，过程500可以用一个或多个未描述的附加操作和/或不用一个或多个所讨论的操作来完成。此外，图5中所示和下文所述的过程500的操作顺序并非意在限制。
在510中，处理设备140(例如，获取模块410)可以获取对象的参考图像。
参考图像可以包括对象的目标体积。例如，对象可以是生物对象(例如，患者、动物)或非生物对象(例如，体模)。因此，对象的目标体积可包括器官、组织或对象的特定部分。仅作为示例，目标体积可以包括肿瘤、病变等。在一些实施例中，目标体积可以包括总目标体积(GTV)、临床目标体积(CTV)、内部目标体积(ITV)、计划目标体积(PTV)、治疗体积(TV)、照射体积(IV)等，或其组合。在一些实施例中，目标体积可以是2D区域、3D区域、4D区域等。
在一些实施例中，处理设备140可从医疗设备110(例如，成像设备111)、存储设备150或任何其他外部设备获取参考图像。例如，成像设备111可以将所获取的对象的参考成像数据(例如，投影数据)发送到存储设备150以进行存储。处理设备140可以从存储设备150获取参考成像数据，并基于参考成像数据生成参考图像。作为另一示例，处理设备140可以直接从存储设备150获取参考图像。
在一些实施例中，参考图像可以是二维(2D)图像、三维(3D)图像、四维(4D)图像(例如，时间序列的3D图像)等。在一些实施例中，参考图像可以是与放射治疗相关的计划图像。例如，参考图像可以是基于放射治疗之前获取的对象的扫描数据确定的对象的3D扫描图像(例如，3D CT图像)。作为另一示例，参考图像可以是从对象的3D扫描图像生成的或基于对象的扫描数据确定的数字重建射线照片(DRR)(例如，通过将3D扫描图像投影到图像平面上而生成的DRR)。
在520中，处理设备140(例如，掩模确定模块420)可以基于参考图像确定与感兴趣区域(ROI)相关联的配准掩模。ROI可以包括目标体积的至少一部分。如本文所使用的，配准掩模可用于在图像配准过程中确定待配准图像中的配准处理区域(例如，与ROI对应的区域)。
在一些实施例中，ROI可以根据医疗系统100的默认设置来确定，或者由用户(例如，操作者)通过例如终端设备130或处理设备140的接口来确定。例如，用户可以经由终端设备130定义包围目标体积的至少一部分的轮廓(例如，矩形框)。处理设备140可将对应于该轮廓的区域确定为ROI。作为另一示例，处理设备140可以直接将包括目标体积的至少一部分的区域确定为ROI。
在一些实施例中，配准掩模可以被认为是“配准掩模图像”，其包括具有指定值(例如，0或1)的像素(或体素)。例如，配准掩模可以是二值图像，包括对应于值为“1”的ROI的像素(或体素)和对应于值为“0”的ROI外部区域的像素(或体素)。
在一些实施例中，参考图像的维度和配准掩模图像的维度可以相同或不同。例如，参考图像的维度和配准掩模图像的维度都可以是二维的。作为另一示例，参考图像的维度可以是3D的并且配准掩模图像的维度可以是2D或3D的。例如，处理设备140可以基于3D参考图像生成3D配准掩模图像和/或通过将3D配准掩模投影到预定平面上来生成2D配准掩模。
在一些实施例中，处理设备140可以基于参考图像中的一个或多个结构(例如，器官、组织)来确定配准掩模，其中这些结构可以由处理设备140识别或者可以提前被预分割(例如，这些结构可以被预先分割并包括在放射治疗的治疗计划中)。例如，处理设备140可以将一个或多个结构分类为包含集合或排除集合。包含集合可以包括位于ROI中的结构(例如，目标体积)；排除集合可以包括位于ROI外部的结构和/或位于或部分位于ROI中的运动或位置可变结构。此外，处理设备140可以通过将包含集合中的结构对应的像素(或体素)的值设置为1并且将排除集合中的结构对应的像素(或体素)的值设置为0或接近0的值来确定配准掩模。在一些实施例中，包含集合中的结构也可称为目标结构，排除集合中的结构也可称为干扰结构。在一些实施例中，所识别的结构可以扩展空间余量。例如，运动或位置可变的结构可以扩展特定的空间余量以适应可能的运动。
在一些实施例中，处理设备140可以通过从参考图像中去除ROI之外的图像信息来生成中间图像，并且基于中间图像确定与ROI相关联的配准掩模。例如，处理设备140可以通过将参考图像中ROI之外的像素(或体素)的值设置为0或接近0的值来确定中间图像。此外，处理设备140可以通过将中间图像中的ROI中的像素(或体素)的值设置为1来确定配准掩模。
在一些实施例中，处理设备140可以基于初步掩模和辅助掩模来确定配准掩模。初步掩模可以是包括ROI的掩模，辅助掩模可以是包括至少部分位于ROI中的一个或多个干扰结构(例如，运动器官、运动组织)的掩模。关于配准掩模的确定的更多描述可以在本申请的其他地方找到(例如，图6及其描述)。
在530中，处理设备140(例如，获取模块410)可以获取对象的目标图像。目标图像可以包括目标体积。目标图像中的每个像素(或体素)可以对应于参考图像中的一个像素(或体素)。如本文所用，参考图像和目标图像中的两个对应像素(或体素)可对应于对象的相同或相似物理部分或位置。
在一些实施例中，处理设备140可以从医疗设备110(例如，成像设备111)或存储设备150获取目标图像。例如，成像设备111可以将获取的对象的目标成像数据(例如，投影数据)发送至存储设备150以进行存储。处理设备140可从储存设备150取得目标影像数据，并根据目标影像数据生成目标影像。又例如，处理设备140可直接从储存设备150取得目标影像。
在一些实施例中，与参考图像类似，目标图像可以是2D图像、3D图像、4D图像等。在一些实施例中，目标图像可以是放射治疗期间的测量图像。例如，目标图像可以是基于放射治疗期间获取的对象的扫描数据确定的对象的3D扫描图像(例如，3D CT图像)。作为另一示例，目标图像可以是基于在放射治疗期间获取的对象的扫描数据确定的对象的二维扫描图像(例如，X射线图像)。
在一些实施例中，目标图像和参考图像可以在不同的时间点生成。例如，如上所述，可以在放射治疗之前生成参考图像(例如，计划图像)并且可以在放射治疗期间生成目标图像(例如，X射线图像)。又例如，参考图像和目标图像可以在放射治疗之前的不同时间点生成，例如参考图像可以早于目标图像生成。在一些实施例中，目标图像和参考图像可以基于不同成像设备获取的扫描数据生成，即参考图像和目标图像的模态可以不同。例如，参考图像可以是根据放射治疗前的CT扫描生成的CT图像；目标图像可以是在放射治疗期间基于X射线扫描生成的X射线图像。又例如，参考图像可以是基于PET扫描生成的PET图像；目标图像可以是基于MRI扫描生成的MRI图像。或者，参考图像的模态和目标图像的模态可以不同或相同。例如，参考图像和目标图像可以都是CT图像，分别由同一CT设备在放射治疗前和放射治疗中获取。
在一些实施例中，目标图像和参考图像可以对应于对象的相同呼吸相位。例如，对象的呼吸周期可以包括吸气相、屏气相(即屏住呼吸的相)和呼气相。因此，目标图像和参考图像都可以对应于屏气相。在一些实施例中，参考图像和目标图像可以对应于呼吸周期的相同间隔。例如，参考图像和目标图像都可以是在呼吸周期的预定间隔内获取的至少两个图像的平均图像。
在540中，处理设备140(例如，图像配准模块430)可以基于配准掩模对参考图像和目标图像执行图像配准。
在一些实施例中，图像配准可以包括3D-3D配准、3D-2D配准、2D-2D配准等或其组合。在一些实施例中，当参考图像、目标图像和配准掩模的维度相同时，处理设备140可以直接将配准掩模应用在参考图像和目标图像上以进行图像配准。
在一些实施例中，当参考图像、目标图像和/或配准掩模的维度不同时，处理设备140可以将参考图像、目标图像和/或配准掩模处理成相同维度。处理设备140可以基于处理后的图像进行图像配准。例如，当参考图像和配准掩模是3D图像，而目标图像是2D图像时，处理设备140可以通过将3D参考图像和3D配准掩模投影到预定的平面上来生成2D参考图像和2D配准掩模。处理设备140可以基于2D配准掩模对2D参考图像和2D目标图像执行图像配准。作为另一示例，当参考图像和配准掩模是3D图像，并且目标图像是2D图像时，处理设备140可以通过重建2D目标图像来生成3D目标图像。处理设备140可以基于3D配准掩模对3D参考图像和3D目标图像执行图像配准。作为进一步的示例，当参考图像和配准掩模是2D图像并且目标图像是3D图像时，处理设备140可以通过将3D目标图像投影到预定平面上来生成2D目标图像。处理设备140可以基于2D配准掩模对2D参考图像和2D目标图像执行图像配准。
在一些实施例中，处理设备140可以使用图像配准技术来执行图像配准。在一些实施例中，图像配准技术可以包括基于灰度的技术、基于变换域的技术、基于特征的技术等，或其任何组合。在一些实施例中，处理设备140可以通过分别在参考图像和目标图像上应用配准掩模来确定掩模参考图像和掩模目标图像。此外，处理设备140可以对掩模参考图像和掩模目标图像进行图像配准。在一些实施例中，处理设备140可以基于掩模参考图像和掩模目标图像来确定一个或多个偏移参数。关于基于配准掩模的参考图像和目标图像之间的图像配准的更多描述可以在本申请的其他地方找到(例如，图7及其描述)。
需要说明的是，上述关于流程500的描述仅是为了说明的目的，而不是为了限制本申请的范围。对于本领域的普通技术人员来说，可以根据本申请的描述，做出各种各样的变化和修改。然而，这些变化和修改并不脱离本申请的范围。在一些实施例中，可以省略一个或多个操作和/或可以添加一个或多个附加操作。例如，流程500还可以包括处理设备140可以根据一个或多个偏移参数来驱动医疗系统100的工作台113移动的操作。作为另一示例，过程500可以进一步包括处理设备140可以向用户(例如医生)的终端设备(例如终端设备130)的显示器发送一个或多个偏移参数的操作。用户可以根据一个或多个移动参数手动移动医疗系统100的工作台113。
图6是示出根据本申请的一些实施例的用于确定配准掩模的示例性过程的流程图。在一些实施例中，过程600可以被实现为存储在存储设备150、存储设备220或存储设备390中的一组指令(例如，应用程序)。处理设备140、处理器210和/或CPU340可以执行指令，并且当执行指令时，处理设备140、处理器210和/或CPU340可以被配置为执行处理600。以下所示过程的操作仅出于说明的目的。在一些实施例中，过程600可以用一个或多个未描述的附加操作和/或不用一个或多个所讨论的操作来完成。此外，图6中所示和下文所述的过程600的操作顺序并非意在限制。在一些实施例中，操作520可以基于过程600来执行。
在610中，处理设备140(例如，掩模确定模块420)可以通过在参考图像上去除ROI之外的图像信息来生成中间图像。例如，处理设备140可以将参考图像的ROI之外的参考像素(或体素)的值设置为0或接近0的值。因此，中间图像仅包括ROI的图像信息。又例如，可以向被排除作为可用于配准的信息的像素(或体素)值分配特殊值，例如，NaN(不是数字，例如在IEEE754浮点数编码标准中)以指示不考虑这些值。
在620中，处理设备140(例如，掩模确定模块420)可以基于中间图像确定包含ROI的初步掩模。如本文所用，初步掩模可用于识别或定位ROI。例如，处理设备140可以通过将与中间图像中的ROI相对应的像素(或体素)的值设置为1来确定初步掩模。因此，初步掩模可用于从参考图像中提取或区分ROI的图像信息。
在一些实施例中，初步掩模的维度可以与中间图像(或参考图像)的维度相同。例如，当中间图像(或参考图像)是3D图像时，初步掩模可以是3D掩模。在一些实施例中，初步掩模的维度可以不同于中间图像(或参考图像)的维度。
在一些实施例中，在确定初步掩模之前，处理设备140可以对中间图像执行预处理操作。在一些实施例中，预处理操作可以包括滤波操作、平滑操作、去噪操作等或其任意组合。处理设备140可基于经处理的中间图像来确定初步掩模。例如，处理设备140可以通过对中间图像中具有超过阈值的值的像素(或体素)执行平滑操作来确定平滑的中间图像。处理设备140可以基于平滑的中间图像来确定初步掩模。阈值可以由用户或根据医疗系统100的默认设置来设置，或者可以在不同情况下进行调整。作为另一示例，处理设备140可通过对中间图像执行滤波操作来确定经滤波的中间图像，使得伪影或噪声可被减少。处理设备140可以基于过滤后的中间图像来确定初步掩模。
在630中，处理设备140(例如，掩模确定模块420)可以识别至少部分位于参考图像中的ROI中的一个或多个干扰结构。
如本文所用，干扰结构是指可能影响参考图像与目标图像之间的配准精度和/或稳定性的结构。例如，由于生理运动(例如，呼吸运动、心脏运动、动脉搏动)引起的运动结构或位置可变结构可以被认为是干扰结构，因为医学图像之间的配准通常对器官或组织的运动敏感。在一些实施例中，处理设备140可以将干扰结构扩展空间余量以适应干扰结构的可能运动。
在一些实施例中，一个或多个干扰结构可以包括一个或多个运动器官或组织，例如心脏、肺(例如，左肺、右肺)、隔膜、膀胱、直肠等，或其中的一部分。在一些实施例中，对于不同的治疗目的，干扰结构可能不同。例如，对于胸部治疗，一个或多个干扰结构可以包括左肺、右肺、心脏、隔膜等，或其任何组合。作为另一个示例，对于腹部治疗，一个或多个干扰结构可以包括消化道的运动部分，其具有可变内容物(例如，直肠)和/或包含可变量的气体。作为进一步的示例，对于腹部治疗，一个或多个干扰结构可以包括包含可变量的流体的膀胱。
在一些实施例中，当参考图像是通过将3D扫描图像投影到某个图像平面上而生成的DRR时，一个或多个干扰结构可以在参考图像以外的3D扫描图像中被识别并且可以使用投影几何(可能类似于用于生成参考图像(即DRR图像)的投影几何)被投影到图像平面上。在一些实施例中，对于投影操作，处理设备140可以执行一个或多个操作，包括使用与实际成像光束相同的能谱、对光束散射建模或替代地针对光束散射补偿DRR、对用于获取DRR的检测器进行检测器响应函数建模(例如、能量沉积响应、空间响应)等，或其任何组合。
在一些实施例中，处理设备140可以基于结构类型和/或结构标签(或结构标识符)识别一个或多个干扰结构。例如，处理设备140可以基于存储在辐射治疗结构集(RTSS)中的多种结构类型和/或结构标签来识别一个或多个干扰结构。在其他一些实施例中，参考图像可以根据4D成像方式(成像时包含时间信息)和/或电影成像方式生成，即参考图像(或参考电影图像)可以反映时间信息，因此，处理设备140可基于与参考图像相关联的时间信息来识别一个或多个干扰结构。例如，运动结构或位置可变结构可以出现在不同的时间段中并且可以基于与参考图像(或参考电影图像)相关联的时间信息来识别。具体地，可以基于每个结构随时间变化的信息来识别运动结构或位置可变结构。例如，处理设备140可以确定其特征(例如，位置、形状、大小等)随时间变化的结构是运动结构或位置可变结构。
在一些实施例中，处理设备140可以以类似于从参考图像中识别干扰结构的方式从在对象的处理期间生成的目标图像中识别一个或多个干扰结构。例如，目标图像可以根据4D成像方式(成像时包含时间信息)和/或电影成像方式生成。处理设备140可以基于与目标图像相关联的时间信息来识别一个或多个干扰结构。
在640中，处理设备140(例如，掩模确定模块420)可以确定包括一个或多个干扰结构的辅助掩模。如本文所用，类似于初步掩模，辅助掩模可用于识别或定位一个或多个干扰结构。例如，处理设备140可以通过将一个或多个干扰结构中的像素(或体素)的值设置为0或接近0的值，并且将一个或者多个干扰结构外部的像素(或者体素)值设置为1来确定辅助掩模。作为另一示例，处理设备140可以通过将一个或多个干扰结构中的像素(或体素)的值设置为1并且将一个或者多个干扰结构之外的像素(或者体素)值设置为0或者接近0的值来确定辅助掩模。
在650中，处理设备140(例如，掩模确定模块420)可以基于初步掩模和辅助掩模来确定与ROI相关联的配准掩模。
在一些实施例中，处理设备140可以通过组合初步掩模和辅助掩模来确定配准掩模。例如，如果在辅助掩模中将一个或多个干扰结构中的像素(或体素)的值设置为0，则处理设备140可以通过将初步掩模与辅助掩模相乘来确定配准掩模。作为另一示例，如果在辅助掩模中将一个或多个干扰结构中的像素(或体素)的值设置为1，则处理设备140可以通过从初步掩模中减去辅助掩模来确定配准掩模。相应地，在图像配准时，只考虑ROI中除干扰结构以外的结构，可以提高图像配准精度，去除或减少干扰结构的影响。
需要说明的是，以上关于流程600的描述仅是为了说明的目的，而不是为了限制本申请的范围。对于本领域的普通技术人员来说，可以根据本申请的描述，做出各种各样的变化和修改然而，这些变化和修改并不脱离本申请的范围。在一些实施例中，可以省略一个或多个操作和/或可以添加一个或多个附加操作。例如，操作630和操作640可以组合为单个操作，其中处理设备140可以识别一个或多个干扰结构并基于一个或多个干扰结构确定辅助掩模。
图7是示出根据本申请的一些实施例的用于基于配准掩模将参考图像与目标图像配准的示例性过程的流程图。在一些实施例中，过程700可以被实现为存储在存储设备150、存储设备220或存储设备390中的一组指令(例如，应用程序)。处理设备140、处理器210和/或CPU340可以执行指令，并且当执行指令时，处理设备140、处理器210和/或CPU340可被配置为执行过程700。以下所示过程的操作仅出于说明的目的。在一些实施例中，过程700可以用一个或多个未描述的附加操作和/或不用一个或多个所讨论的操作来完成。此外，图7中所示和下文所述的过程700的操作顺序并非意在限制。在一些实施例中，操作540可以基于过程700来执行。
在710中，处理设备140(例如，图像配准模块430)可以通过在参考图像上应用配准掩模来确定掩模参考图像。例如，处理设备140可以通过将配准掩模与参考图像相乘来确定掩模参考图像。具体地，处理设备140可以通过将参考图像中的每个像素(或体素)的值与配准掩模中的相应像素(或体素)的值相乘来确定掩模参考图像。如本申请其他地方所述，由于配准掩模仅包含ROI对应的信息而无干扰结构的信息，因此掩模参考图像可仅包含ROI的图像信息而无干扰结构的信息。
在720中，处理设备140(例如，图像配准模块430)可以通过在目标图像上应用配准掩模来确定掩模目标图像。处理设备140可以以类似于掩模参考图像的确定方式来确定掩模目标图像。
在730中，对于掩模目标图像中的一个或多个目标区域中的每一个，处理设备140(例如，图像配准模块430)可以确定目标区域与掩模参考图像中的相应参考区域之间的相似度值。相似度值可以指示掩模目标图像中的目标区域与掩模参考图像中的相应参考区域之间的空间变换。
在一些实施例中，处理设备140可以基于目标区域和对应参考区域的特征(例如，灰度值、大小、对比度、分辨率)来确定目标区域和相应参考区域之间的相似度值。例如，假设目标区域和参考区域都对应于一个像素(或体素)，处理设备140可以基于掩模目标图像的目标像素(或体素)的特征(例如，灰度值)与掩模参考图像的参考像素(或体素)的特征(例如，灰度值)之间的差异来确定相似度值。作为另一示例，假设目标区域和参考区域都对应于一个“区域”，处理设备140可以通过对目标区域中的像素(或体素)进行加权来确定目标区域的加权目标特征和通过对参考区域中的像素(或体素)进行加权来确定参考区域的加权参考特征。然后，处理设备140可以基于目标区域的加权目标特征和参考区域的加权参考特征之间的差来确定相似度值。
在740中，处理设备140(例如，图像配准模块430)可以基于对应于一个或多个目标区域的一个或多个相似度值来确定一个或多个偏移参数。如本文所用，一个或多个偏移参数可用于使掩模目标图像(或目标图像)与掩模参考图像(或参考图像)相匹配。
例如，当参考图像是计划图像(例如，CT DRR)并且目标图像是放射治疗期间的治疗图像(例如，X射线图像)时，医疗系统100的一个或多个组件(例如，工作台113、治疗设备112的机架)的位置可以基于一个或多个偏移参数(例如，平移参数、旋转参数)进行调整，使得放射治疗可以准确地递送至对象的目标体积。又例如，当参考图像是PET图像而目标图像是MRI图像时，处理设备140可以基于一个或多个偏移参数通过融合PET图像和MRI图像来确定融合图像，从而可以通过融合图像提供与对象相关的解剖信息和/或功能信息，以提高诊断和/或治疗目的的准确性。
在一些实施例中，处理设备140可以基于相似度值来确定相似度图。处理设备140可基于相似度图来确定一个或多个偏移参数。
在一些实施例中，处理设备140可以基于配准成本函数来确定一个或多个偏移参数，该配准成本函数可以是表示掩模目标图像和掩模参考图像之间相似性的相似性度量(例如，均方误差(MSE)度量、互信息(MI)度量、归一化互相关(NCC)度量)。例如，处理设备140可以基于对应于一个或多个目标区域的一个或多个初始相似度值来确定一个或多个初始偏移参数。然后，处理设备140可以通过(迭代地)使用优化算法(迭代地)更新一个或多个初始偏移参数直到更新的一个或多个相似度值满足预设条件，来优化配准成本函数。在一些实施例中，优化算法可以包括鲍威尔优化算法(POA)、模拟退火算法、遗传优化算法、穷举搜索算法、规则梯度下降算法(RSGDA)、果蝇优化算法(FOA)、细菌趋化性果蝇优化演算法(BCFOA)等，或其任意组合。
需要说明的是，以上关于流程700的描述仅是为了说明的目的，而不是为了限制本申请的范围。对于本领域的普通技术人员，可以在本申请的教导下做出多种变化或修改。然而，这些变化和修改并不脱离本申请的范围。
实施例
以下示例提供用于说明目的，并不旨在限制本申请的范围。
图8A示出了根据本申请的一些实施例的在胸部区域治疗期间基于配准掩模的计划图像和治疗图像之间的示例性图像配准过程。图8A中的图像对应于零度机架位置。图8B示出了根据本申请的一些实施例的在胸部区域治疗期间基于配准掩模的计划图像和治疗图像之间的示例性图像配准过程。图8B中的图像对应于90度机架位置。在胸部区域治疗期间，由于左肺和肺横膈膜随着患者的呼吸而运动，因此在胸部区域治疗期间，左肺和肺部横膈膜可被视为干扰结构。因此，如结合图6所描述的，可以生成与去除了干扰结构的胸部区域的ROI对应的配准掩模。
如图8A所示，图像1a是在胸部区域治疗之前的任何时间生成的患者的第一DRR(即，参考图像)。第一DRR可以基于射束谱的几何校准模型、检测器响应函数和直线加速器成像系统几何校准来生成。第一DRR可以用作第一计划图像。图像2a是在胸部区域治疗期间实时测量的第一X射线图像(即，目标图像)。第一X射线图像可以用作第一治疗图像。图像3a是通过在第一DRR和第一X射线图像上应用第一配准掩模而确定的第一可视化图像。图像4a是表示第一DRR和第一X射线图像的最终配准结果的第一配准图像，即，基于一个或多个偏移参数对第一X射线图像进行移位。
此外，图像1a中的矩形框810表示第一DRR的默认ROI，图像2a中的矩形框815表示第一X射线图像中的默认ROI；黑色区域820是指对应干扰结构(例如左肺)的第一辅助掩模。区域830指的是包括ROI的第一初步掩模。因此，第一配准掩模是通过将第一初步掩模与第一辅助掩模相乘而确定的掩模。也就是说，干扰结构在配准过程中被排除在ROI之外。标记842、844、846和848是手动或自动识别的特征，用于视觉性能评估。
图8B中的图像类似于图8A中的图像。例如，图像1b是在胸部区域治疗之前的任何时间生成的患者的第二DRR。第二DRR可以用作第二计划图像。图像2b是在胸部区域治疗期间实时测量的患者的第二X射线图像。第二X射线图像可以用作第二治疗图像。图像3b是通过在第二DRR和第二X射线图像上应用第二配准掩模确定的第二可视化图像。图像4b是表示第二DRR和第二X射线图像的最终配准结果的第二图像，即，基于一个或多个偏移参数对第二X射线图像进行移位。
进一步地，图像1b中的矩形框850是指第二DRR的默认ROI，图像2b中的矩形框855是指第二X射线图像中的默认ROI；黑色区域860是指对应于干扰结构(例如，左肺)的第二辅助掩模。区域870指的是包括ROI的第二初步掩模。因此，第二配准掩模是通过将第二初步掩模与第二辅助掩模相乘而确定的掩模。也就是说，干扰结构在配准过程中被排除在ROI之外。标记882、884、886和888也是手动或自动识别的特征，用于视觉性能评估。
在一些实施例中，在图像配准过程期间，可以使用均方误差(MSE)成本函数来确定一个或多个偏移参数。在一些实施例中，包含掩模(也可以认为是“配准掩模”)可以表示为以下式(1)：
Iv＝Rv\Xv， (1)
其中，Iv表示包含掩模；Rv表示ROI(也可以认为是“初步掩模”)；Xv表示排除掩模(也可以认为是“辅助掩模”)。
在一些实施例中，在连续空间域中，第一均方误差(MSE)成本函数可以表示为以下等式(2)：
Figure BDA0004113499460000221
其中，s表示偏移参数，偏移参数的向量可以定义为s＝[δx δy δz]T；uv表示图像坐标；Mv(uv)表示X射线图像(例如，第一X射线图像或第二X射线图像)；Mv(uv-s)表示基于偏移参数确定的移位(或变换)X射线图像(例如，第一移位X射线图像或第二移位X射线图像)；Fv(uv)表示DRR(例如，第一DRR或第二DRR)。由于图8A和8B中的图像共享一个轴(y)，因此可以将与0度机架位置相对应的图像坐标定义为u0 degree＝[x y]T，并且可以将与90度机架位置对应的图像坐标定义为u90 degree＝[z y]T。
然后，可以通过优化(例如，最小化)第一MSE成本函数来确定偏移参数。在一些实施例中，为了向近似解提供更快的收敛，至少在优化开始时解耦估计可能是有用的。
在一些实施例中，在离散空间域中，第二MSE成本函数可以表示为以下等式(3)：
Figure BDA0004113499460000222
其中，s表示偏移参数，偏移参数的向量可以定义为
Figure BDA0004113499460000223
其中/>
Figure BDA0004113499460000224
m和n表示图像像素索引；/>
Figure BDA0004113499460000225
和/>
Figure BDA0004113499460000226
表示相应的像素偏移，其可以是像素的整数或分数。在后一种情况下，可以使用插值来计算第二个MSE成本函数。或者，如果需要亚像素分辨率，则可以在进行偏移优化之前对图像进行上采样。
在图8A和8B中的图像配准期间，在对±3.5cm范围内的所有像素偏移评估成本函数的情况下，可以使用穷举搜索。结果，发现最佳偏移参数为s＝[1.95 -2.93 0.977]mm。需要注意的是，这些示例仅用于说明的目的，说明了线性移位(平移)配准变换。应当理解，可以类似地应用仿射和可变形配准(弹性)变换。
上文已对基本概念做了描述，显然，对于阅读此申请后的本领域的普通技术人员来说，上述发明披露仅作为示例，并不构成对本申请的限制。虽然此处并未明确说明，但本领域的普通技术人员可能会对本申请进行各种修改、改进和修正该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围
同时，本申请使用了特定词语来描述本申请的实施例。例如“一个实施例”、“一实施例”、和“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特性。因此，应当强调并注意的是，本说明书中在不同位置两次或以上提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本申请的一个或以上实施例中的某些特征、结构或特点可以进行适当的组合。
此外，本领域的普通技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的过程、机器、产品或物质的组合，或对其任何新的和有用的改进。因此，本申请的方面可以完全硬件、完全软件(包括固件、常驻软件、微代码等)或组合软件和硬件实现，这些在本文中通常都可以称为“模块”，“单元”、“组件”、“设备”或“系统”。此外，本申请的方面可以采取体现在一个或多个计算机可读介质中的计算机程序产品的形式，该计算机可读介质具有体现在其上的计算机可读程序代码。
计算机可读信号介质可以包含一个内含有计算机程序代码的传播数据信号，例如，在基带上或作为载波的一部分。此类传播信号可以有多种形式，包括电磁形式、光形式等或任何合适的组合。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、设备或设备以实现通信、传播或传输供使用的程序。位于计算机可读信号介质上的程序代码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF等，或任何上述介质的组合。
可以用一种或多种编程语言的任意组合来编写用于执行本申请各方面的操作的计算机程序代码，包括面向对象的编程语言，例如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，传统过程编程语言，例如“C”编程语言、VisualBasic、Fortran2003、Perl、COBOL2002、PHP、ABAP，动态编程语言，例如Python、Ruby和Groovy，或其他编程语言。该程序代码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后一种情况下，远程计算机可以通过任何类型的网络(包括局域网(LAN)或广域网(WAN))连接到用户计算机，或者可以与外部计算机建立连接(例如，通过使用网络服务提供商的网络)或在云计算环境中或作为服务提供，例如，软件服务(SaaS)。
此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其它名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，尽管上述各种组件的实现可以体现在硬件设备中，但也可以实现为纯软件解决方案，例如，在现有服务器或移动设备上的安装。
同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或以上发明实施例的理解，前文对本申请的实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。然而，本申请的该方法不应被解释为反映所声称的待扫描对象物质需要比每个权利要求中明确记载的更多特征的意图。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

Claims (20)

1.一种图像配准系统，包括：
存储可执行指令的至少一个存储设备，以及
与所述至少一个存储设备通信的至少一个处理器，当执行所述可执行指令时，所述至少一个处理器使所述系统执行操作，包括：
获取扫描对象的参考图像，所述参考图像包括目标体积；
基于所述参考图像，确定与感兴趣区域(ROI)相关联的配准掩模，所述ROI包括所述目标体积的至少一部分；
获取所述扫描对象的目标图像，所述目标图像包括所述目标体积；以及
基于所述配准掩模，对所述参考图像和所述目标图像进行图像配准。
2.如权利要求1所述的系统，其特征在于，所述基于所述参考图像，确定与ROI相关联的配准掩模包括：
从所述参考图像中去除所述ROI之外的图像信息，生成中间图像；以及
基于所述中间图像，确定与所述ROI关联的所述配准掩模。
3.如权利要求2所述的系统，其特征在于，所述基于所述中间图像，确定与所述ROI关联的所述配准掩模包括：
对所述中间图像进行滤波操作；以及
基于所述过滤后的中间图像，确定与所述ROI关联的所述配准掩模。
4.如权利要求1所述的系统，其特征在于，所述基于所述参考图像，确定与ROI相关联的配准掩模包括：
基于所述参考图像，确定包括所述ROI的初步掩模；
识别至少部分位于所述参考图像中的所述ROI中的一个或多个干扰结构；
确定包括所述一个或多个干扰结构的辅助掩模；以及
根据所述初步掩模和所述辅助掩模，确定与所述ROI关联的所述配准掩模。
5.如权利要求4所述的系统，其特征在于，所述识别至少部分位于所述参考图像中所述的ROI中的一个或多个干扰结构包括：
根据预设规则，从所述参考图像中自动分割出所述一个或多个干扰结构。
6.如权利要求5所述的系统，其特征在于，所述预设规则包括与所述参考图像关联的结构类型、结构标签或时间信息中的至少一种。
7.根据权利要求4所述的系统，其特征在于，所述一个或多个干扰结构包括运动器官或运动组织中的至少一个。
8.如权利要求7所述的系统，其特征在于，所述运动器官或所述运动组织是根据参考电影图像确定的。
9.如权利要求7所述的系统，其特征在于，所述运动器官或所述运动组织是根据目标电影图像确定的。
10.根据权利要求7所述的系统，其特征在于，所述运动器官或所述运动组织是根据在所述目标图像或所述参考图像中识别的器官或组织的运动特性来确定的。
11.根据权利要求4所述的系统，其特征在于，所述一个或多个干扰结构包括心脏、肺、隔膜、膀胱或直肠中的至少一个。
12.如权利要求1所述的系统，其特征在于，所述基于所述配准掩模，对所述参考图像和所述目标图像进行图像配准包括：
通过在所述参考图像上应用所述配准掩模来确定掩模参考图像；
通过在所述目标图像上应用所述配准掩模来确定掩模目标图像；以及
基于所述掩模参考图像和所述掩模目标图像，确定一个或多个偏移参数。
13.如权利要求12所述的系统，其特征在于，所述基于所述掩模参考图像和所述掩模目标图像，确定一个或多个偏移参数包括：
针对所述掩模目标图像中的一个或多个目标区域中的每一个，确定所述目标区域与所述掩模参考图像中对应的参考区域之间的相似度值；以及
基于对应于所述一个或多个目标区域的一个或多个相似度值，确定所述一个或多个偏移参数。
14.如权利要求1所述的系统，其特征在于，所述参考图像和所述目标图像是在相同的呼吸相位获取的。
15.如权利要求1所述的系统，其特征在于，
所述参考图像是与治疗相关联的计划图像；以及
所述目标图像是治疗前或治疗中的治疗图像。
16.如权利要求15所述的系统，其特征在于，
所述计划图像是数字重建射线照片(DRR)；以及
所述治疗图像是X射线图像。
17.如权利要求1所述的系统，其特征在于，所述参考图像和所述目标图像中的每一个是3D图像或4D图像。
18.一种图像配准方法，在具有至少一个处理器和至少一个存储设备的计算设备上实现，所述方法包括：
获取扫描对象的参考图像，所述参考图像包括目标体积；
基于所述参考图像，确定与感兴趣区域(ROI)相关联的配准掩模，所述ROI包括所述目标体积的至少一部分；
获取所述扫描对象的目标图像，所述目标图像包括所述目标体积；以及
基于所述配准掩模，对所述参考图像和所述目标图像进行图像配准。
19.如权利要求18所述的系统，其特征在于，所述基于所述配准掩模，对所述参考图像和所述目标图像进行图像配准包括：
通过在所述参考图像上应用所述配准掩模来确定掩模参考图像；
通过在所述目标图像上应用所述配准掩模来确定掩模目标图像；以及
基于所述掩模参考图像和所述掩模目标图像，确定一个或多个偏移参数。
20.一种非暂时性计算机可读介质，包括至少一组用于图像配准的指令，其特征在于，当由计算设备的至少一个处理器执行时，所述至少一组指令指示所述至少一个处理器执行操作包含：
获取扫描对象的参考图像，所述参考图像包括目标体积；
基于所述参考图像，确定与感兴趣区域(ROI)相关联的配准掩模，所述ROI包括所述目标体积的至少一部分；
获取所述扫描对象的目标图像，所述目标图像包括所述目标体积；以及
基于所述配准掩模，对所述参考图像和所述目标图像进行图像配准。
CN202080104334.7A 2020-08-20 2020-08-20 图像配准系统和方法 Pending CN116322902A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2020/110257 WO2022036633A1 (en) 2020-08-20 2020-08-20 Systems and methods for image registration

Publications (1)

Publication Number Publication Date
CN116322902A true CN116322902A (zh) 2023-06-23

Family

ID=80322452

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080104334.7A Pending CN116322902A (zh) 2020-08-20 2020-08-20 图像配准系统和方法

Country Status (3)

Country Link
US (1) US20230169668A1 (zh)
CN (1) CN116322902A (zh)
WO (1) WO2022036633A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4246427A1 (en) * 2022-03-14 2023-09-20 Koninklijke Philips N.V. Providing normalised medical images

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2597615A1 (en) * 2008-11-25 2013-05-29 Algotec Systems Ltd. Method and system for segmenting medical imaging data according to a skeletal atlas
US20150161789A1 (en) * 2013-12-09 2015-06-11 Sébastien Roujol System and method for adaptive registration of varying contrast-weighted images for improved tissue characterization
US9584814B2 (en) * 2014-05-15 2017-02-28 Intel Corporation Content adaptive background foreground segmentation for video coding
DE102015224356B4 (de) * 2015-12-04 2017-09-14 Siemens Healthcare Gmbh Verfahren zur Bildunterstützung eines Behandlers, Röntgeneinrichtung und Computerprogramm
CN107580217A (zh) * 2017-08-31 2018-01-12 郑州云海信息技术有限公司 编码方法及其装置
CN109840881B (zh) * 2018-12-12 2023-05-05 奥比中光科技集团股份有限公司 一种3d特效图像生成方法、装置及设备

Also Published As

Publication number Publication date
US20230169668A1 (en) 2023-06-01
WO2022036633A1 (en) 2022-02-24

Similar Documents

Publication Publication Date Title
WO2022032455A1 (en) Imaging systems and methods
US20210104055A1 (en) Systems and methods for object positioning and image-guided surgery
US8655040B2 (en) Integrated image registration and motion estimation for medical imaging applications
US20230237665A1 (en) Systems and methods for image segmentation
US11779298B2 (en) Systems and methods for limited view imaging
US20230169668A1 (en) Systems and methods for image registration
CN113271862B (zh) 放射治疗床以及使用该床的系统和方法
US11963814B2 (en) Systems and methods for determing target scanning phase
US20230076168A1 (en) Systems and methods for radiation therapy
US20240032881A1 (en) Systems and methods for limited view imaging
US11861856B2 (en) Systems and methods for image processing

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