本文關(guān)鍵詞： 錐束CT 幾何誤差校正 運(yùn)動(dòng)腫瘤動(dòng)態(tài)跟蹤 靶區(qū)可見(jiàn)性增強(qiáng)　出處：《清華大學(xué)》2014年博士論文　論文類型：學(xué)位論文

【摘要】：近年來(lái)，基于平板探測(cè)器的X射線動(dòng)態(tài)成像和三維立體成像技術(shù)迅速發(fā)展。利用平板探測(cè)器既可以用錐束CT（cone beam computed tomography, CBCT）方式，實(shí)現(xiàn)三維高分辨等體素成像，同時(shí)也可以用多角度動(dòng)態(tài)透視的方式，實(shí)現(xiàn)對(duì)器官的運(yùn)動(dòng)跟蹤。這些特點(diǎn)使其在醫(yī)學(xué)成像研究和臨床診療中發(fā)揮了獨(dú)特的作用。 基于平板探測(cè)器的CBCT成像過(guò)程中，X射線源、探測(cè)器和轉(zhuǎn)軸之間的幾何構(gòu)型及偏差對(duì)圖像重建有關(guān)鍵性影響。本文提出利用視覺(jué)相機(jī)模型對(duì)幾何參數(shù)和誤差進(jìn)行標(biāo)定和校正。首先利用位置已知的三維標(biāo)志點(diǎn)及其在各投影圖像上對(duì)應(yīng)的二維投影點(diǎn)，依據(jù)視覺(jué)相機(jī)模型求解CBCT二維透視圖像與三維物體之間的成像關(guān)系，從而完整地復(fù)現(xiàn)出CBCT各投影角度下的幾何構(gòu)型，，標(biāo)定出完備的幾何參數(shù)和誤差。然后，基于所建立的視覺(jué)相機(jī)模型對(duì)CBCT成像關(guān)系進(jìn)行修正，并對(duì)圖像重建的FDK方程進(jìn)行改進(jìn)，實(shí)現(xiàn)CBCT重建的校正。該方法利用統(tǒng)一的理論框架對(duì)CBCT幾何參數(shù)和誤差進(jìn)行系統(tǒng)、完備的標(biāo)定及校正，提高了重建圖像的質(zhì)量。該方法已應(yīng)用于自行研發(fā)的小動(dòng)物雙模式成像系統(tǒng)。 借助平板探測(cè)器的動(dòng)態(tài)成像能力，臨床中可以對(duì)胸腹部腫瘤的治療進(jìn)行引導(dǎo)。在利用二維透視圖像進(jìn)行引導(dǎo)時(shí)，由于透視圖像中軟組織疊加，腫瘤的可見(jiàn)性差，大幅度的呼吸運(yùn)動(dòng)更給腫瘤定位帶來(lái)困難，難以實(shí)現(xiàn)精確的運(yùn)動(dòng)跟蹤。本文利用CBCT原位采集容積圖像和透視圖像的特點(diǎn)，依據(jù)相機(jī)模型實(shí)現(xiàn)多角度二維透視圖像的動(dòng)態(tài)跟蹤與三維CBCT重建高分辨的體素信息的關(guān)聯(lián)和結(jié)合，實(shí)現(xiàn)了腫瘤可見(jiàn)性的增強(qiáng)和腫瘤運(yùn)動(dòng)的動(dòng)態(tài)跟蹤，為治療引導(dǎo)提供了增強(qiáng)的信息。 基于動(dòng)態(tài)X光平板成像和CBCT重建，針對(duì)肺部引導(dǎo)放療中腫瘤運(yùn)動(dòng)全時(shí)相、自動(dòng)跟蹤的需求，提出了一種依據(jù)二維動(dòng)態(tài)圖像來(lái)跟蹤呼吸深度和劃分呼吸周期，從而將各角度采集的透視投影圖像進(jìn)行分組，重建不同時(shí)相CBCT（4D-CBCT）的方法，進(jìn)而確定腫瘤在不同呼吸時(shí)相下的位置，通過(guò)與重建的3D-CBCT融合增強(qiáng)4D容積圖像的質(zhì)量，最終通過(guò)2D-4D配準(zhǔn)實(shí)現(xiàn)透視圖像中腫瘤運(yùn)動(dòng)的動(dòng)態(tài)跟蹤。為了增強(qiáng)肝部腫瘤引導(dǎo)介入穿刺治療中靶區(qū)及周邊組織的可見(jiàn)性，提出通過(guò)對(duì)3D-CBCT感興趣組織和血管的分割，并依據(jù)重建的透視關(guān)系，將渲染后的腫瘤靶區(qū)和感興趣區(qū)反投影回二維成像平面，與動(dòng)態(tài)透視圖像融合，增強(qiáng)了腫瘤和周邊組織的可見(jiàn)性，并實(shí)現(xiàn)了呼吸運(yùn)動(dòng)下的動(dòng)態(tài)配準(zhǔn)，可以為醫(yī)生的穿刺提供直觀準(zhǔn)確的引導(dǎo)。
[Abstract]:In recent years , X - ray dynamic imaging and three - dimensional stereo imaging technology based on flat panel detector have been developed rapidly . The use of flat panel detector can realize three - dimensional high - resolution voxel imaging by cone beam computed tomography ( CBCT ) method , and can also use multi - angle dynamic perspective to realize the motion tracking of organs . These characteristics make it play a unique role in medical imaging research and clinical diagnosis and treatment . In the process of CBCT imaging based on flat panel detector , the geometrical configuration and deviation between X - ray source , detector and rotating shaft have a key influence on image reconstruction . With the aid of the dynamic imaging ability of flat panel detector , it is possible to guide the treatment of thoracic and abdominal tumors . When guided by two - dimensional fluoroscopic images , it is difficult to realize precise motion tracking due to the overlapping of soft tissues in the fluoroscopic images , the difference in the visibility of the tumors , the correlation and the combination of the dynamic tracking of the multi - angle two - dimensional fluoroscopic image and the voxel information with high resolution based on the camera model , and the enhancement of the tumor visibility and the dynamic tracking of tumor motion are achieved . Based on dynamic X - ray imaging and CBCT reconstruction , a two - dimensional dynamic image is proposed to track the depth of respiration and to divide the breathing cycle , so as to improve the visibility of tumor motion in the target and peripheral tissues .

【學(xué)位授予單位】：清華大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2014
【分類號(hào)】：R814.42

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 程一斌,汪松,任彬;利用彈簧模型提取物體輪廓[J];安徽大學(xué)學(xué)報(bào)(自然科學(xué)版);2001年02期

2 張坤,羅立民,舒華忠,楊芳;基于Level Set方法的Visible Human Being虛擬人圖像處理[J];安徽大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年04期

3 張雪飛;;基于GVF模型的蔬果圖像快速分割方法[J];安徽農(nóng)業(yè)科學(xué);2010年05期

4 趙瑩;張學(xué)東;;改進(jìn)水平集的車輛檢測(cè)算法[J];遼寧科技大學(xué)學(xué)報(bào);2010年05期

5 張鶴;董彥麟;;一種改進(jìn)的變分水平集車輛檢測(cè)技術(shù)[J];遼寧科技大學(xué)學(xué)報(bào);2011年03期

6 李燕;羅四維;鄒琪;;帶評(píng)價(jià)系統(tǒng)的曲率相關(guān)有向主動(dòng)輪廓模型[J];北京交通大學(xué)學(xué)報(bào);2010年02期

7 易鑫;李雷;;基于數(shù)學(xué)形態(tài)學(xué)的snake模型圖像分割[J];兵工自動(dòng)化;2007年09期

8 王孝通,趙晶,金良安;視頻序列中目標(biāo)定位跟蹤的一種新方法[J];兵工學(xué)報(bào);2005年05期

9 胡永利,尹寶才;基于線性組合模型的人臉特征檢測(cè)方法[J];北京工業(yè)大學(xué)學(xué)報(bào);2005年05期

10 李旭東,宗光華,畢樹(shù)生,趙瑋;生物工程微操作機(jī)器人視覺(jué)系統(tǒng)的研究[J];北京航空航天大學(xué)學(xué)報(bào);2002年03期

相關(guān)博士學(xué)位論文 前10條

1 王興梅;水下聲納圖像的MRF目標(biāo)檢測(cè)與水平集的輪廓提取方法研究[D];哈爾濱工程大學(xué);2010年

2 林穎;基于水平集方法的圖像分割關(guān)鍵技術(shù)研究[D];哈爾濱工程大學(xué);2010年

3 韓守東;紋理建模與圖切分優(yōu)化方法研究[D];華中科技大學(xué);2010年

4 莫X;基于隱式函數(shù)的曲面重構(gòu)方法及其應(yīng)用[D];華中科技大學(xué);2010年

5 涂虬;智能視覺(jué)監(jiān)視中目標(biāo)檢測(cè)與跟蹤算法研究[D];華中科技大學(xué);2010年

6 徐蕭蕭;基于特征學(xué)習(xí)與特征聯(lián)想的視覺(jué)跟蹤算法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2010年

7 王義文;鋼球表面缺陷檢測(cè)關(guān)鍵技術(shù)研究及樣機(jī)研制[D];哈爾濱理工大學(xué);2010年

8 辛哲奎;基于視覺(jué)的小型無(wú)人直升機(jī)地面目標(biāo)跟蹤技術(shù)研究[D];南開(kāi)大學(xué);2010年

9 張娜;面向脊柱微創(chuàng)手術(shù)機(jī)器人的圖像處理與虛擬現(xiàn)實(shí)技術(shù)研究[D];南開(kāi)大學(xué);2010年

10 鐘凡;在線視頻分割關(guān)鍵問(wèn)題研究[D];浙江大學(xué);2010年

本文編號(hào)：1489073