基于預測的圖像引導跟蹤方法

專利名稱：基于預測的圖像引導跟蹤方法
技術領域：
本發明涉及一種圖像引導跟蹤的方法，尤其是涉及一種呼吸預測的圖像引 導跟蹤的方法。
背景技術：
立體定向放射治療主要分為60Co立體定向放療和電子直線加速器立體定 向放療兩大類。隨著科學技術的進步，精確放射治療技術的實施，大大提高了 腫瘤治療的準確性和療效，是整個放療領域的發展方向。放射治療中，腫瘤組
織隨時間動態地變化，如胸腹部器官腫瘤的放療很大程度受呼吸運動影響， 由此產生的不確定性問題成為當前放射治療面對的主要問題。傳統的基于適形 調強技術的放療模式通常采用等中心位移控制、呼吸訓練、呼吸門控放射等技 術來應對上述問題。
(1) 等中心位移控制技術如西門子公司的Primaton系統，它利用前若干 次擺位時檢測到的運動和擺位的系統誤差對腫瘤中心的位置進行修正，該方法 作為一種近似治療手段對正常組織傷害較大。
(2) 呼吸訓練方法中，會迫使患者承受一定的呼吸約束，因而無法保證治療 的穩定性。
(3) 呼吸門控放射技術中，只利用呼吸周期的局部時段治療，效率很低， 并且無法估計腫瘤運動的準確時相。
目前采用的適形調強放療技術治療靜止的腫瘤基本可以達到治療目的，而 對于肺部、腹部等部位的動態腫瘤的治療很難獲得良好效果，主要問題是采用 傳統的門控和呼吸訓練方法治療時不易掌握門控的時機，且門控的局部治療時 段窄，很影響治療效率。
專利號為US 20060074292，名稱為"Dynamic tracking of moving targets"的 美國專利，介紹了一種動態腫瘤跟蹤放療的方法，該方法，在治療前利用采集 的三維CT(3D-CT)序列圖像和腫瘤的數字重建X射線圖像(腫瘤形態〉分析并 記錄腫瘤在呼吸周期中的位置；治療中進行腫瘤形態圖像與實時X射線圖像的 配準、利用四維數學模型描述腫瘤解剖學區域的運動與形變，從而完成腫瘤目 標的跟蹤與實時定位。呼吸周期任意時刻的耙區劑量控制由連接參考結構與解 剖學區域的四維數學模型決定。
該專利內容所包含的四維數學模型的形變跟蹤需要一定的計算負荷，缺少 對治療延時的計算方案，由于沒有考慮延時問題，在實時跟蹤放療中，將產生較大的跟蹤誤差，影響放射治療的效果。

發明內容
針對現有技術的上述缺陷，本發明提供一種基于預測的圖像引導跟蹤方法， 通過分析計算目標的動態特性，以及通過計算實時圖像與預測動態區間的運動 矢量場，據此估計出延時的腫瘤形態，實現腫瘤運動的實時跟蹤，提高基于預 測的圖像引導跟蹤的效率及其跟蹤的精確性。
為了解決以上技術問題，本發明包括以下步驟
(1) 輸入腫瘤解剖結構的圖像序列/^)、呼吸狀態特征集及^);
(2) 建立狀態關聯數據庫，包括腫瘤解剖結構的圖像序列/("、腫瘤形 態圖像序列"(W、呼吸狀態特征集/ ("，令r為標準周期長度，上述 四種狀態數據按照同一時相順序"^^，.A建立關聯；
(3) 獲取治療中^ = ~時刻動態腫瘤的實時圖像/(/,.)和呼吸狀態特征及")；
(4) 通過預測模型，預測延時"后的呼吸狀態特征/ ".+A^;并在腫瘤形 態圖像序列中"("，確定i ". + AO對應的腫瘤形態變化區間的圖像序 歹!j— a) ~ + a) ， ~ e {1",.，《};
(5) 將實時圖像/".)與腫瘤形態變化區間的圖像序列，在感興趣區內逐個 進行配準；
(6) 從配準結果中選擇一幅最佳腫瘤形態圖像D(、+m), me[^-"，^+"]， 代表^+A/時刻的腫瘤形態；
(7 )輸出描述+ A 時刻腫瘤解剖結構的圖像/(~ + w)。
本發明步驟(2)中建立關聯數據庫的具體步驟為
(a) 在患者腫瘤附近體表設置若干標記物；
(b) —個標準呼吸周期下獲取一個呼吸周期中時刻H..l,包含體表標 記物和腫瘤解剖結構的圖像序列/(";
(C)同步獲取該周期下對應時刻的呼吸狀態特征集及Ot)， * = &，&2，...~;
(d) 依據該呼吸周期的腫瘤解剖結構圖像序列iW， 通過目 標的投影衰減模型分別計算各時刻對應的腫瘤形態圖像序列Z)(";
(e) 按照時相對應關系，順序建立該呼吸周期的腫瘤解剖結構圖像序列 /(W、腫瘤形態圖像序列"("、呼吸狀態特征集i ("的關聯數據庫， 在后續應用中由的數值進行關聯狀態的檢索。
本發明步驟(3)中獲取治療中腫瘤的實時圖像，具體步驟為(a) 利用兩套成像系統建立空間光路相交叉的投影成像方式，每套成像系 統由源和探測板構成；
(b) 上述光路交叉區域覆蓋了體表標記物、腫瘤運動區、設備等中心點；
(ch,.時刻，ze{l,...,W，可通過兩套系統采集的腫瘤投影圖像y;(o和/w,.)計
算出腫瘤三維實時圖像/(0。
本發明步驟(3)中還包括對呼吸狀態特征集及(0,/￡{1，...，^},進行狀態的判別， 具體步驟為-
(a) 獲取治療中,=/,.時刻動態腫瘤的實時圖像/(0和呼吸狀態特征及(0
(b) 將呼吸狀態特征/ ".)輸入狀態判別模型；
(c) 依據了呼吸時變信號的速率和方向、或一階導數過零點、或時變信號 的半周期和周期的范圍，判斷"寸刻的呼吸狀態，
若呼吸狀態正常，則執行步驟(d);
否則，進入下一時刻,^,.+1，并執行步驟(a);
(d) 進行標記物特征匹配和呼吸狀態預測
本發明步驟(4)中預測延時A,后的呼吸狀態特征，確定腫瘤形態變化區間的 圖像序列，具體步驟為
(a) 將z,.時刻的呼吸狀態特征/ (g輸入呼吸預測模型，預測延時&后的呼 吸狀態特征邵,.+A《)；
(b) 通過^"+")檢索參考數據庫中對應的腫瘤形態圖像Z)(、)， ^{1,.."， '并選擇適當的偏離度"，從而生成^ + Af時刻的腫瘤形態變化區間的圖
像序列- a) "(、+ or);
本發明步驟(6)中從配準結果中選擇一幅最佳腫瘤形態圖像，具體步驟為
(a) 采用基于圖像特征的方法建立配準算法模型，并將感興趣區內腫瘤容
積圖像y'")與腫瘤形態變化區間的圖像序列-") 中的
各個圖像D'(、+m)，附=卞...,4 ，逐個配準；
(b) 依據計算出的若干配準結果，分別得到運動矢量場r(f,，m)， ！s{l,...,iV};
(C)構造能量代價函數//(.),該函數的輸入為^時刻和Z,.時刻腫瘤目標的 運動矢量場r(仏，,m)和， ze {l,...，iV}，在運動平滑性和連續性約 束條件下，該函數的輸出為動態區間中運動連續性的平均測度 運m，附e {—""."+"}。
(d)從配準圖像中選擇最大測度值l對應的腫瘤形態 像Z)(、+m')^'e{-",...,}，作為最佳腫瘤形態圖像。
所述腫瘤解剖結構的圖像序列/(W可以是臨床獲取的多種模態的醫學圖像
數據，包括CT、 MRI、 PET等；關于腫瘤形態圖像，主要指從數學上模擬CT 的成像幾何原理，依據投影衰減模型計算出腫瘤的數字重建X射線圖像；進一 步，在三維重建算法下獲取腫瘤形態圖像序列0(*),(^: = ^..0。
所述呼吸狀態特征的獲取手段包括
(a) 通過測量體表標記物相對靜態參照物的位移信號變化，提取呼吸狀態 特征；
(b) 呼吸條件下，通過呼吸測量設備獲取呼吸信號，提取呼吸狀態特征；
本發明采用的技術方案包括(1)在正確判別呼吸狀態的基礎上，進行腫 瘤的解剖學形態和空間位置的精確估計和實時跟蹤，真正達到動態適形、實時 調強的治療效果；(2)用狀態空間取代傳統時間變量空間，從而使得治療過程 中的呼吸運動無需符合特定的規律和時相約束；(3)采用非線性呼吸運動跟蹤
模型處理局部運動和動態范圍變化。由于采用了該技術方案，產生了如下技術
效果
第一，能夠處理任意部位和類型特征的腫瘤
本發明可以解決任意呼吸狀態下、任意形狀的腫瘤定位和形態跟蹤問題。 能夠連續、自動、全周期地精確治療受呼吸運動影響大的肺部/腹部的腫瘤，也 包括治療人體任何普通部位靜止的腫瘤。
第二，腫瘤局部控制率更高、跟蹤定位更準
原因在于(1)利用呼吸信號進行狀態判別和預測，比起單純利用實時圖 像與腫瘤形態/ 3D-CT序列進行腫瘤的運動的配準/跟蹤來說，能夠極大地減少 計算負荷、從而減少計算延時、進而降低跟蹤誤差；(2)非線性呼吸運動跟蹤 模型不同于傳統線性估計模型，能夠估計和計算局部發生的更多運動細節，因 此可減少估計結果和實際結果間的偏差。(3)不加任何呼吸約束條件下，呼吸 狀態當然可能表現出非常復雜和預測不準的情況，本發明提出的狀態判別模型 和狀態控制策略能夠給治療系統提供實時反饋，以避免較大誤差出現。(4)呼 吸運動下，腫瘤的所有形狀和解剖學結構信息被事先存儲起來，治療中，腫瘤 的任何變化形式可以從先前存儲的數據中快速檢索到。因此，真正達到了實時 的動態適形效果。本發明的速度優勢體現在在呼吸預測的基礎上，"由n時刻的腫瘤位置/ 形態，估計n+l時刻腫瘤位置/形態"實際上完成了一種僅針對序列中局部動態 區間的匹配，因而比美國專利中采用實時X圖像與腫瘤形態全序列匹配更加簡 捷和高效。


圖l是本發明的流程框圖
圖2是本發明的治療前的信號與圖像采集
圖3是本發明的目標與參照物關系示意圖
圖4是本發明的放射治療系統的立體結構示意圖5是本發明的放射治療系統的側向結構示意圖6是呼吸信號與解剖形態之間的關系示意圖7是包含體表標記物和腫瘤的肺部橫斷面圖像；
圖8是圖7中體表標記物與腫瘤的運動波形；
圖9是呼吸運動預測示意圖
圖IO是呼吸運動狀態判別示意圖
圖中30.多葉準直器的機械部分，31.第一套成像系統的X射線球管，32. 直線加速器發射的治療射束，33.用于呼吸信號采集和處理的體表標記系統跟蹤 記錄儀，34.治療床，35.治療床的傳動系統，36.第二套成像系統的平板探測器， 37.第一套成像系統的平板探測器，38.第二套成像系統的X射線球管，39.直 線加速器，40.體表標記物，41.治療的等中心點，42.患者，44.腫瘤，50.參照 物骨骼，110-160.分別為呼吸過程中六個不同狀態的圖像編號，401.第一個體 表標記物，402.第二個體表標記物，403.第三個體表標記物。
具體實施例方式
下面結合附圖對本發明作進一步說明。
如圖4、圖5所示，放射治療系統中，多葉準直器的機械部分30與直線 加速器39相連接，多葉準直器的機械部分30下方設有治療床的傳動系統35 支撐的治療床34，治療床34上載有患者42，治療床的傳動系統35接收控制指 令后，可以帶動治療床34進行多維運動，治療時，患者42體內的腫瘤位于治 療的等中心點上41，患者的腫瘤附近分布有體表標記物40，用于呼吸信號采集 和處理的體表標記系統跟蹤記錄儀33位于治療床旁，通過探測裝置與患者42 相連接，第一套成像系統的X射線球管31和第二套成像系統的X射線球管38 位于多葉準直器的機械部分30的兩側，分別與治療床34下方的第一套成像系統的平板探測器37和第二套成像系統的平板探測器36相對應，球管發出的X 射線穿過患者體內的腫瘤和體表標記物，被相對應的平板探測器接收，通過球 管和平板探測器組成的成像系統獲取實時X射線圖像中的腫瘤44位置形態，直 線加速器39發出的射束32經過多葉準直器的機械部分30，穿過治療的等中心 點上41。
實施基于預測的圖像引導跟蹤的步驟如下
1. 如圖1中的10:治療前，在患者腫瘤附近體表放置若干標記物，該標記物
為X射線不透明的密度較高的材料，其作用 一是通過體表標記跟蹤系統記
錄呼吸信號，并轉換成呼吸特征數據的時間序列；二是通過獲取包含脊柱、 標記物等參照物的解剖結構圖像-CT容積圖像、腫瘤形態圖像-腫瘤形態圖 像、呼吸信號、標記物特征集，構造狀態關聯數據庫；三是通過實時成像系 統記錄治療過程中的參照物、腫瘤的相對空間變化情況，以判斷腫瘤運動和 呼吸的相關性程度。
2. 輸入腫瘤解剖結構的圖像序列/("、呼吸狀態特征集/ ("; 如圖1中的11所示解剖結構的圖像序列/(W;
治療前， 一個標準呼吸周期下獲取一個呼吸周期中時刻^，^，...^包含體表 參照物和腫瘤解剖結構的圖像序列/("。該數據作用有二 一是用于生成腫 瘤形態圖像序列-腫瘤形態圖像序列，二是治療計劃系統用其進行定位和劑 量計算的參考。
如圖1中的14所示相同周斯的呼吸信號、呼吸狀態特征集i (^; 在該呼吸周期中，同步獲取相同周期下對應時刻的呼吸信號，提取呼吸狀態 特征集i ("， * = &,^,...~，呼吸狀態特征集用來進行呼吸狀態的判別、依靠 狀態關聯庫進行腫瘤形態檢索、呼吸預測和動態區間估計；呼吸狀態特征 i W的獲取手段包括
(a) 通過測量體表標記物相對靜態參照物的位移信號變化，提取呼吸狀態 特征；
(b) 呼吸條件下，通過呼吸測量設備獲取呼吸信號，提取呼吸狀態特征；
3. 建立狀態關聯數據庫
如圖1中的12所示腫瘤形態圖像序列"("；
依據該呼吸周期的腫瘤解剖結構圖像序列/("， "H.A，通過目
標的投影衰減模型分別計算各時刻對應的腫瘤形態圖像序列"(W ;該 計算過程利用了現有成熟的投影、衰減、重建模型。腫瘤形態圖像與 X射線實時圖像有著一致的投影衰減性質和點擴散原理，因此可用來200810068548.4
與實時x射線圖像進行治療過程中的匹配、配準、狀態判別、運動估
計等一系列計算操作；
如圖3所示，依據衰減模型、腫瘤目標分割和增強算法，對腫瘤形態 圖像進行處理得到的包含體表標記物、體內靜態參照物-脊柱、腫瘤 的圖像，令X、 Y、 Z分別代表側向、前后向、和頭腳向，則對應三個 時刻。心=/)、。心=附)、。(_/ =")，子圖a,b，c為三維空間關系示意圖； 子圖a'， 6'， c'為沿Y軸投影得到的平面關系示意。針對呼吸周期的 3D-CT圖像序列的獲取主要依據呼吸信號的相位關系分析產生。
如圖1中的15所示建立及(W和/("、"("狀態關聯數據庫；
順序建立該呼吸周期的腫瘤解剖結構圖像序列/(;t)、腫瘤形態圖像序
列"("、呼吸狀態特征集i (it)，并按照相同的時間相位順序組成序列， 形成關聯數據庫，序列中相鄰數據形態具有呼吸變化的連續性和平滑 性特點，在后續應用中由呼吸狀態特征集的數值進行關聯狀態的 檢索。
如圖2所示，首先，在治療前利用高排數CT掃描儀獲取患者一個呼 吸周期中各個狀態區間的3D"CT圖像序列，并同步記錄該呼吸周期下體表標 記物的呼吸運動波形信號、建立標記物特征集、呼吸特征集；其次，依據投 影衰減模型和重建模型，將對應CT圖像轉換成相應的腫瘤形態圖像序列， 構造呼吸/腫瘤形態的狀態關聯數據庫。該數據庫所反映的器官、腫瘤形態 圖像與解剖結構圖像，是一一對應的、不隨治療環境和治療間隔的改變而變 化；而標記物特征集S(Q、呼吸狀態特征集i ("與以上參考圖像數據的對應 關系會隨著治療環境和治療間隔發生局部改變，原因在于腫瘤的動因有兩 種 一是呼吸，二是體內器官之間壓力變化。
4. 如圖1中的16所示獲取實時圖像/( = 0;實時呼吸狀態特征i^^,.) 獲取治療中腫瘤的實時圖像/("的步驟為
(a) 利用兩套成像系統建立空間光路相交叉的投影成像方式，每套成像系 統由X射線球管31、 38和平板探測器36、 37組成；
(b) 球管發出X射線的交叉區域覆蓋了體表標記物、腫瘤運動區、設備等 中心點；
(c) ^時刻，可通過兩套系統采集的腫瘤投影圖像/;(o和/A)
計算出腫瘤三維實時圖像/(,,)。
5. 如圖1中的17所示判別呼吸狀態是否正常，具體步驟為
11(a)將呼吸狀態特征i (O輸入狀態判別模型；
正常呼吸狀態模式下，可以用特征集/ (~)，_/ = 1,...，7\記錄了一個自然呼吸
周期的各個采樣點對應的特征矢量；如果采樣點數為r，特征矢量長度
為M,則特征集描述了一個對象的rxM大小的呼吸狀態矩陣。矩陣每 一列為呼吸特征矢量，它的組成定義如下:對應正常和非正常狀態；[狀態方向^/]: [EX， E0E， IN];[變 化幅度r]:參照物之間的距離；[變化速度V]:距離的變化方向與速率； [一階導數過零點]:反應時變信號的半周期和周期的范圍。
(b)依據了呼吸時變信號的速率和方向、或一階導數過零點、或時變信號的半 周期和周期的范圍，判斷,,時刻的呼吸狀態，
若呼吸狀態正常，則執行步驟(6);
否則，進入下一時刻/ = ~+1，并執行步驟(4)，采集下一時刻的動態腫瘤的 實時圖像和呼吸狀態特征
治療中f,.時刻，如果滿足呼吸狀態正常條件，腫瘤狀態單純受呼吸運 動影響，腫瘤和其附近體表標記物的運動完全同步、并存在特定的相位 差；腫瘤運動軌跡相對于體表標記物運動軌跡具有一定的相關性。如果 在非正常呼吸狀態，如發生咳嗽、哮喘、和情緒波動等，會引起患者 體內的腫瘤形態的氣質性變化，所述的相關性會變差。通過判別呼吸狀 態，可以提高預測的精度。
如圖6所示，上圖中，不均勻呼吸條件下，腫瘤附近體表標記物在 若干連續周期中隨呼吸運動的波形；中圖，對應于若干呼吸時刻，相同 掃描參數下同步獲得的肺部弧狀面CT圖像；下圖，對應每幅CT圖像的 感興趣區的腫瘤位置和形態。110 160分別為呼吸過程中六個不同的狀 態；上、中、下圖中分別描述了不同時刻狀態下，對應的標記物、CT圖 像解剖結構、感興趣區腫瘤目標的形態。
如圖7、圖8所示，利用實時X射線圖像中反應呼吸運動的體表動 態標記物401、 402、 403、腫瘤位置形態、參照物骨骼-脊柱的空間關系， 通過測量得到的X射線不透明標記物的運動波形；443為腫瘤44在呼氣 末端的位置；442為腫瘤44在吸氣末端的位置；441指腫瘤隨呼吸運動 的波形。
如圖IO所示，利用有限狀態模型判別呼吸狀態并控制跟蹤的過程， 呼吸的狀態變化被分為四種模式，即呼氣、呼氣末、吸氣、不規則狀 態，其中&、 A。e、 &、 ^分別為呼氣EX、呼氣末E0E、吸氣IN、不規則狀態IRR的轉移條件；各模式可以用呼吸特征集描述。狀態判別時， 本發明提出了判別模型，該模型按照狀態轉移條件進行控制，狀態轉移 條件依據了呼吸特征的參數分布范圍。狀態判別貫穿了呼吸預測和腫瘤 跟蹤的整個過程，當測量到的呼吸特征屬于某一確定狀態的模式時，狀 態模型的轉移條件起作用，完成從一個狀態向該狀態的跳變。當不滿足 跳變條件的情況下，則繼續進行當前狀態下的跟蹤和預測。
呼吸狀態的判別時需測量個體對象在正常呼吸條件下的狀態特征的 參數分布范圍，實際測量和計算過程中，可以用上述特征矢量構成的特征 集描述整個呼吸過程。依據體表標記物，呼吸預測模型可以實時跟蹤腫瘤 的位置和形狀。
6.如圖1中的21、 22所示通過預測模型，估計下一時刻的呼吸狀態特征； 確定腫瘤形態變化區間的圖像序列，具體步驟為
(a) 將z,.時刻的呼吸狀態特征/ ")輸入呼吸預測模型，預測延時"后的呼 吸狀態特征i^,+A0;用于估計腫瘤形態的搜索區域。
(b) 通過/ "+AO檢索參考數據庫中對應的腫瘤形態圖像"(、)，7e仏...77， 并選擇適當的偏離度"，從而生成f,.+Az時刻的腫瘤形態變化區間的圖 像序列"(、-a) D(、 + a);
其中，腫瘤形態圖像序列"^),7 = 1，...，7\中包含了一個呼吸周期的所有腫瘤 狀態，在實時治療時，只關心預測出的腫瘤動態區間"(、 確定動態區間中心的腫瘤圖像"(、)時利用子塊21中產生的預測結果在狀 態關聯數據庫中檢索得到。區間的產生是在腫瘤形態序列的、.處，左右各增 加同等長度的觀察范圍"。
如圖9所示，呼吸預測時采用非線性模型可以達到比傳統線性模型更加準確的 跟蹤效果。非線性運動估計算法采用了最大后驗概率準則
尸(jir/y卜尸(;o尸(y/義)，其中x代表實時呼吸特征、y代表標準呼吸特征。概
率建模過程中的局部約束規則為定義先驗約束條件尸(;n為實際呼吸過程 相鄰時刻的連續性或相似性；定義似然約束條件p(y/;o為當前呼吸過程與
觀測的標準呼吸過程的狀態特征相關性。呼吸運動預測是在每一個呼吸狀態 下按照采樣的順序連續進行的。最大化上述兩項局部概率的乘積，可以使得 估計的結果向平滑性、實際與測量的相似性逼近。在此基礎上，如果將逐段 估計結果有效地連接起來(是指將相鄰采樣點處估計的結果用直線或曲線連 接起來，或稱線段或曲線擬合)，便可以連續完整地描述出呼吸運動軌跡。 呼吸運動預測的結果按時間均勻分布在擬合后的軌跡中。腫瘤跟蹤過程中，呼吸預測和狀態判別過程交替工作的控制策略如下
(a) 從吸氣末端一點開始跟蹤，起始點《作為初始種子點注冊下來，有限狀
態模型記錄當前狀態類別為ex。
(b) 定義概率跟蹤的候選集"}^為標準呼吸信號周期中的某一段數據分布 集，分布集的起點與實際呼吸信號的當前特征點有相同的幅值，分布集 的終點為與實際呼吸信號有相同狀態方向d的一階導數過零點處。
(c) 依據當前點《的特征參數和概率候選集"}^ ，用概率模型預測下一點的
值為、如果^仍屬于樣本集W"，則繼續進行當前狀態下的概率跟蹤。
(d) 當估計至lj"l時亥ij，如果出現、^W議且^"n^，則跳轉到相應狀態
^0e，并且后續概率候選集使用"L。E;鑒于狀態變化的規則，如果 《+1 e{y}w，則跳轉到irr。
(e) 控制過程的狀態跳變邏輯條件定義為& e e; L ^《+1 e ;
以此類推，利用上述策略可以完成呼吸跟蹤的過程控制。
7. 如圖1中的23所示實時圖像/(。與腫瘤形態變化區間的圖像序列，在感 興趣區內逐個進行配準；首先采用基于圖像特征的方法建立配準算法模型， 并將感興趣區內腫瘤容積圖像/'("與腫瘤形態變化區間的圖像序列 Z)(、 -QT) Z)(、 +QT)中的各個圖像D'(、 ， 逐個配準，然后，
依據計算出的若干配準結果，分別得到運動矢量場r(仏M)。
8. 如圖1中的24所示從配準結果中選擇一幅最佳腫瘤形態圖像 Z)(、+m)，附e[、-ca,+"]，代表,,.+/^時刻的腫瘤形態；首先，構造能量代
價函數HO ,該函數的輸入為^時刻和《.時刻腫瘤目標的運動矢量場
n^,附)和r".，附)，z"l,…,W，在運動平滑性和連續性約束條件下，該函數
的輸出為動態區間中運動連續性的平均測度l，we {-",...,+"}，然后，從配準 圖像中選擇最大測度值l對應的腫瘤形態圖像"(、+m,，;n'e {-",...,+"}，作
為最佳腫瘤形態圖像。
9. 輸出描述。+ a,時刻腫瘤解剖結構的圖像+附')；
如圖1中的25所示依據關聯數據庫中腫瘤形態圖像所對應的解剖結構圖 像，計算所需的放射劑量分布；由D(、+m')對應的呼吸狀態特征檢索出對應的腫瘤解剖結構圖像，,+m')，以此實施劑量分布的計算。
10.如圖1中的26所示射束傳輸；照射方位和劑量的選擇依據放射治療中劑 量學或放射醫學中關于人體組織受量的標準計算方法進行分析和規劃,計劃 結果通過控制系統執行射束傳輸。
權利要求
1.一種基于預測的圖像引導跟蹤方法，其特征在于，包括以下內容和步驟(1)輸入腫瘤解剖結構的圖像序列I(k)、呼吸狀態特征集R(k)；(2)建立狀態關聯數據庫，包括腫瘤解剖結構的圖像序列I(k)、腫瘤形態圖像序列D(k)、呼吸狀態特征集R(k)，令T為標準周期長度，上述四種狀態數據按照同一時相順序k＝k1，k2，...kT建立關聯；(3)獲取治療中t＝ti時刻動態腫瘤的實時圖像f(ti)和呼吸狀態特征R(ti)；(4)通過預測模型，預測延時Δt后的呼吸狀態特征R(ti+Δt)；并在腫瘤形態圖像序列中D(k)，確定R(ti+Δt)對應的腫瘤形態變化區間的圖像序列D(kj-α)～D(kj+α)，kj∈{1，...，K}；(5)將實時圖像f(ti)與腫瘤形態變化區間的圖像序列，在感興趣區內逐個進行配準；(6)從配準結果中選擇一幅最佳腫瘤形態圖像D(kj+m)，m∈[kj-α，kj+α]，代表ti+Δt時刻的腫瘤形態；(7)輸出描述ti+Δt時刻腫瘤解剖結構的圖像I(kj+m)。
2. 如權利要求1所述的基于預測的圖像引導跟蹤方法，其特征在于，所述步驟(2) 中建立關聯數據庫的具體步驟為(a) 在患者腫瘤附近體表設置若干標記物；(b) —個標準呼吸周期下獲取一個呼吸周期中時刻^，*2,...^包含體表標記物 和腫瘤解剖結構的圖像序列/(";(c) 同步獲取該周期下對應時刻的呼吸狀態特征集i ("， * = &,^,...~;(d) 依據該呼吸周期的腫瘤解剖結構圖像序列/("， * = &，*2，...~，通過目標的 投影衰減模型分別計算各時刻對應的腫瘤形態圖像序列"(W ;(e) 按照時相對應關系，順序建立該呼吸周期的腫瘤解剖結構圖像序列/("、 腫瘤形態圖像序列"0t)、呼吸狀態特征集/ ("的關聯數據庫，在后續應用 中由i ()t)的數值進行關聯狀態的檢索。
3. 如權利要求1所述的基于預測的圖像引導跟蹤方法，其特征在于，所述步驟(3) 中獲取治療中腫瘤的實時圖像，具體步驟為(a)利用兩套成像系統建立空間光路相交叉的投影成像方式，每套成像系統由 源和探測板構成；(b) 上述光路交叉區域覆蓋了體表標記物、腫瘤運動區、設備等中心點；(c) t時刻，/e{i,...，iv}，可通過兩套系統采集的腫瘤投影圖像/;("和/2(o計算出腫瘤三維實時圖像/("。
4. 如權利要求l所述的基于預測的圖像引導跟蹤方法，其特征在于，所述步 驟(3)中還包括對呼吸狀態特征集及(g,z'e仏...，W，進行狀態的判別，具體步驟為(a) 獲取治療中 z,.時刻動態腫瘤的實時圖像/(0和呼吸狀態特征/ ("(b) 將呼吸狀態特征刑O輸入狀態判別模型；(c) 依據了呼吸時變信號的速率和方向、或一階導數過零點、或時變信號的半 周期和周期的范圍，判斷^時刻的呼吸狀態，若呼吸狀態正常，則執行步驟(d);否則，進入下一時刻^Q，并執行步驟(a);(d) 輸出正常的呼吸狀態特征及(g。
5. 如權利要求1所述的基于預測的圖像引導跟蹤方法，其特征在于，所述步驟(4)中預測延時后的呼吸狀態特征，確定腫瘤形態變化區間的圖像序列， 具體步驟為(a) 將^時刻的呼吸狀態特征i (0輸入呼吸預測模型，預測延時Af后的呼吸狀 態特征雄+ A0;(b) 通過及(《.+A,)檢索參考數據庫中對應的腫瘤形態圖像D(、)， )e{l,...r}，并 選擇適當的偏離度"，從而生成Z,.+A/時刻的腫瘤形態變化區間的圖像序 歹!jZ)(、 一 cr) D(、 +")。
6. 如權利要求1所述的基于預測的圖像引導跟蹤方法，其特征在于，所述步驟(6)中從配準結果中選擇一幅最佳腫瘤形態圖像，具體步驟為(a) 采用基于圖像特征的方法建立配準算法模型，并將感興趣區內腫瘤容積圖像/'(0與腫瘤形態變化區間的圖像序列D(、+")中的各個圖像 D'(、+m)， m=" "."+a，逐個配準；(b) 依據計算出的若干配準結果，分別得到運動矢量場r"，附)，kU};(C)構造能量代價函數//(.)，該函數的輸入為^時刻和^時刻腫瘤目標的運動 矢量場r(^,m)和r'".,附)，/ e {1，...， W ，在運動平滑性和連續性約束條件下， 該函數的輸出為動態區間中運動連續性的平均測度1 ,/ e {-",...,+"};(d)從配準圖像中選擇最大測度值l對應的腫瘤形態圖像"(、+m〕，m'e{-"，...,+"}，作為最佳腫瘤形態圖像。
7. 如權利要求1或權利要求2所述的基于預測的圖像引導跟蹤方法，其特征 在于，所述腫瘤解剖結構的圖像序列/(W可以是臨床獲取的多種模態的醫 學圖像數據，包括CT、 MRI、 PET等；關于腫瘤形態圖像，主要指從數學 上模擬CT的成像幾何原理，依據投影衰減模型計算出腫瘤的數字重建X射 線圖像；進一步，在三維重建算法下獲取腫瘤形態圖像序列<formula>formula see original document page 4</formula>
8. 如權利要求1所述的基于預測的圖像引導跟蹤方法，其特征在于，所述呼 吸狀態特征i (O的獲取手段包括(a) 通過測量體表標記物相對靜態參照物的位移信號變化，提取呼吸狀態特征；(b) 呼吸條件下，通過呼吸測量設備獲取呼吸信號，提取呼吸狀態特征。
全文摘要
本發明公開了一種基于預測的圖像引導跟蹤方法，包括以下步驟(1)輸入腫瘤解剖結構的圖像序列、呼吸狀態特征集；(2)建立狀態關聯數據庫；(3)獲取實時圖像和呼吸狀態特征；(4)預測延時后的呼吸狀態特征；并確定對應的腫瘤形態變化區間的圖像序列；(5)將實時圖像與腫瘤形態變化區間的圖像序列，在感興趣區內逐個進行配準；(6)從配準結果中選擇一幅最佳腫瘤形態圖像；(7)輸出腫瘤解剖結構的圖像。本發明通過呼吸狀態量化與分析，建立呼吸和腫瘤運動的相關性，據此進行呼吸的預測與運動跟蹤，提高動態腫瘤實時跟蹤的效率及其跟蹤的精確性。
文檔編號A61N5/00GK101628154SQ200810068548
公開日2010年1月20日 申請日期2008年7月16日 優先權日2008年7月16日
發明者周壽軍 申請人:深圳市海博科技有限公司