本文關(guān)鍵詞：基于聯(lián)合剛性懲罰項(xiàng)的梯度形變配準(zhǔn)算法研究

  更多相關(guān)文章： CT 錐形束CT 剛性懲罰項(xiàng) 梯度 形變配準(zhǔn)

【摘要】：圖像引導(dǎo)放療(Image-Guided Radiotherapy,IGRT)目前已經(jīng)被廣泛應(yīng)用于臨床放療中,主要用于解決臨床上出現(xiàn)的放療分次間的擺位誤差、腫瘤靶區(qū)的收縮、放療分次內(nèi)呼吸運(yùn)動(dòng)等不利因素對(duì)放療精度造成的不利影響。醫(yī)學(xué)圖像處理技術(shù)是IGRT系統(tǒng)里的關(guān)鍵技術(shù),包括圖像配準(zhǔn)、圖像分割,圖像融合等。應(yīng)用醫(yī)學(xué)圖像技術(shù)來解決臨床放療中的不利因素,優(yōu)化放療計(jì)劃,提高自適應(yīng)放療精度是目前國內(nèi)外眾多專家學(xué)者研究的一個(gè)熱點(diǎn)。本文主要介紹了圖像引導(dǎo)放療的發(fā)展背景、研究現(xiàn)狀和意義以及圖像配準(zhǔn)的流程和一些主要算法。提出了一個(gè)剛性懲罰項(xiàng),用以約束非剛體配準(zhǔn)。同時(shí)研究了基于梯度的形變配準(zhǔn),將我們所研究的剛性懲罰項(xiàng)與基于梯度的配準(zhǔn)算法進(jìn)行結(jié)合,并與結(jié)合前的算法做出對(duì)比,分析了我們所提出的新算法的優(yōu)勢及其對(duì)臨床自適應(yīng)放療的重要意義。本文研究的重點(diǎn)是剛性懲罰項(xiàng)和基于梯度的形變配準(zhǔn)的結(jié)合在自適應(yīng)放療中的應(yīng)用,所以分別介紹了剛性懲罰項(xiàng)的原理、算法以及基于梯度形變配準(zhǔn)的算法研究過程,主要包含以下的研究工作:(1)剛性懲罰項(xiàng)的研究。在臨床醫(yī)學(xué)圖像中,往往只包含兩種結(jié)構(gòu),剛性結(jié)構(gòu)和形變結(jié)構(gòu)。在進(jìn)行形變配準(zhǔn)時(shí),有些不能模擬不同類型組織結(jié)構(gòu)特性的形變配準(zhǔn)算法可能會(huì)導(dǎo)致剛性結(jié)構(gòu)發(fā)生形變。在本文中,設(shè)計(jì)一個(gè)局部剛性懲罰項(xiàng),來防止骨骼等剛性結(jié)構(gòu)發(fā)生形變。應(yīng)用梯度向量場來表示形變域,設(shè)計(jì)一個(gè)快速算法,與不受約束的形變配準(zhǔn)進(jìn)行對(duì)比。在臨床胸部CT數(shù)據(jù)上進(jìn)行評(píng)估,結(jié)果表明應(yīng)用剛性懲罰項(xiàng)的形變配準(zhǔn)既保持了形變配準(zhǔn)的精度,又保持了局部結(jié)構(gòu)的剛性。(2)在自適應(yīng)放療中,CT與錐形束CT(CBCT)之間的配準(zhǔn)也是放療至關(guān)重要的一步。由于CT與CBCT圖像之間的電子密度不一樣,基于灰度的配準(zhǔn)算法不適合用于CT與CBCT之間的配準(zhǔn)。應(yīng)用基于梯度的形變配準(zhǔn)算法,使用梯度向量場來描述形變域,可以降低CBCT灰度精度差對(duì)于配準(zhǔn)相似性測度的影響;應(yīng)用基于可信區(qū)間的局部多項(xiàng)式逼近(LPA-ICI)算法描述平滑過程,用于構(gòu)建該物理模型以確保得到一個(gè)平滑連續(xù)的形變域;引入雙向力來加速配準(zhǔn)過程,同時(shí),在該算法中利用多尺度策略來加速配準(zhǔn)過程,避免出現(xiàn)局部極值。(3)將剛性懲罰項(xiàng)加入到基于梯度的形變配準(zhǔn)方法中,構(gòu)建新的算法,既解決了CT與CBCT之間形變配準(zhǔn)時(shí)灰度精度差的不利影響,同時(shí)也保持了骨骼等結(jié)構(gòu)的剛體結(jié)構(gòu)不變性,提高了自適應(yīng)放療的精度。
【關(guān)鍵詞】：CT 錐形束CT 剛性懲罰項(xiàng) 梯度 形變配準(zhǔn)
【學(xué)位授予單位】：山東師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：R730.55;TP391.41
【目錄】：

• 中文摘要5-7
• ABSTRACT7-9
• 第一章 引言9-18
• 1.1 圖像引導(dǎo)放療的研究背景和現(xiàn)狀9-11
• 1.2 醫(yī)學(xué)圖像配準(zhǔn)技術(shù)的發(fā)展背景和研究現(xiàn)狀11-14
• 1.3 課題研究背景及意義14-16
• 1.4 本文研究工作和章節(jié)組織安排介紹16-18
• 第二章 醫(yī)學(xué)圖像配準(zhǔn)技術(shù)18-27
• 2.1 醫(yī)學(xué)圖像配準(zhǔn)技術(shù)的概念18-19
• 2.2 醫(yī)學(xué)圖像配準(zhǔn)技術(shù)的框架19-27
• 2.2.1 空間幾何變換19-22
• 2.2.2 相似性測度22-24
• 2.2.3 插值算法24
• 2.2.4 優(yōu)化算法24-27
• 第三章 基于聯(lián)合剛性懲罰項(xiàng)的梯度形變配準(zhǔn)技術(shù)27-40
• 3.1 概述27
• 3.2 剛性懲罰項(xiàng)的構(gòu)建27-30
• 3.3 基于梯度的形變配準(zhǔn)算法30-35
• 3.3.1 灰度不一致對(duì)于基于灰度形變配準(zhǔn)算法的影響30-33
• 3.3.2 構(gòu)建基于梯度的形變配準(zhǔn)算法33-34
• 3.3.3 引進(jìn)散射過程中的雙向力34-35
• 3.4 基于聯(lián)合剛性懲罰項(xiàng)的梯度形變配準(zhǔn)技術(shù)35-36
• 3.5 實(shí)驗(yàn)結(jié)果與分析36-40
• 第四章 總結(jié)與展望40-42
• 參考文獻(xiàn)42-49
• 參與項(xiàng)目49-50
• 致謝50

，

本文編號(hào)：528695