專利名稱：一種自動識別特征點的醫(yī)用影像跟蹤裝置的制作方法
技術(shù)領(lǐng)域：
本實用 新型涉及影像配準技術(shù)，具體涉及一種自動識別特征點的醫(yī)用影像跟蹤裝置。
背景技術(shù)：
在當今的放射治療中，呼吸等臟器運動影響了高劑量的適形放療，如調(diào)強適形放 療(intensity modulated radiation therapy,IMRT)等。一般是把一個三維的腫瘤影像作為靜止的目標，對它實施高劑量的適形調(diào)強放 療。然而對于胸腹部的腫瘤來說，由于呼吸運動的影響，腫瘤在放療過程中會偏離射野。目 前常規(guī)的做法是把整個腫瘤靶區(qū)的范圍擴大，使它包括腫瘤的全部運動范圍，但這也導(dǎo)致 了照射本來不該照射的正常組織。因此最理想的解決方案是能夠讓放射源實時跟蹤腫瘤的 運動，也就是能夠?qū)δ[瘤實時定位。目前最先進的實時腫瘤跟蹤方法是往人體植入X射線成像高清晰的金屬顆粒或 者是可以電磁跟蹤的標志點。在放療過程中通過對這些標志點的實時成像一如X射線成 像一來達到實時腫瘤跟蹤的目的。標志點植入技術(shù)在歐美已經(jīng)日益廣泛地應(yīng)用于肺癌、 肝癌、胰腺癌、乳腺癌和前列腺癌等諸多病癥的治療。該技術(shù)雖然能夠?qū)崟r跟蹤腫瘤，但是 這些標志點必須在放射治療前約兩周通過手術(shù)的方式植入人體，而且在放療之后，標志點 將永久地保留在人體中，對患者造成新的創(chuàng)傷，給患者在放療前后都造成新的痛苦和患病 的風險。
發(fā)明內(nèi)容本實用新型實施例提供一種無創(chuàng)的實時腫瘤跟蹤技術(shù)來取代標志點跟蹤。它能夠 充分提取影像自身的信息，直接利用影像本身進行腫瘤的實時跟蹤。為達到上述目的，本實用新型的技術(shù)方案具體是這樣實現(xiàn)的—種醫(yī)用影像跟蹤的裝置，該裝置包括梯度矩陣構(gòu)建模塊，特征點的自動識別模 塊，方向直方圖計算模塊，特征點的自動匹配模塊，控制點排序模塊，影像配準和跟蹤模塊。 所述各模塊順序相連，即所述梯度矩陣構(gòu)建模塊與特征點的自動識別模塊連接，所述特征 點的自動識別模塊與方向直方圖計算模塊連接，所述方向直方圖計算模塊與特征點的自動 匹配模塊連接，所述特征點的自動匹配模塊與控制點排序模塊連接，所述控制點排序模塊 與影像配準和跟蹤模塊連接。所述梯度矩陣構(gòu)建模塊，對于影像中的每一個像素，計算該像素周圍3X3個點 (包括自身)的梯度，從而構(gòu)建該像素的2X9階梯度矩陣；所述特征點的自動識別模塊，對于影像中的每一個像素，計算該像素的梯度矩陣 與其轉(zhuǎn)置的乘積，得到2X2階的矩陣，并計算該矩陣的特征值。當兩個特征值的絕對值大 小均大于等于給定閾值時，將該像素加入特征點列；當兩個特征值的絕對值大小至少有一 個小于給定閾值時，該像素不被加入特征點列。[0010] 所述方向直方圖計算模塊，對于影像中的每一個特征點，計算該特征點周圍8X8 個點的梯度和梯度方向。將這8X8個點以特征點為圓心，按照所在象限分為四組，將每一 組中的4X4個點的梯度方向分為八組，例如梯度方向在0°和45°之間的分在第一組，以 此類推。分別統(tǒng)計這64個點落入4X8個組中的點數(shù)，從而構(gòu)成該特征點的方向直方圖。 所述特征點的自動匹配模塊，對于第一幅影像中的每一個特征點，在第二幅影像 中以該特征點坐標為中心，在其周圍給定的閾值范圍內(nèi)搜索特征點。在搜索到的第二幅影 像的特征點中找出其方向直方圖與第一幅影像中該特征點P1的方向直方圖距離最短的兩 個特征點P2和P' 2。該距離用兩幅影像特征點的方向直方圖所對應(yīng)的32個組的差值的平 方和再開方進行計算。判斷搜索到的第二幅影像的特征點個數(shù)是否大于給定閾值。如果是，則將在第二 幅影像中方向直方圖與第一幅影像中該特征點P1的方向直方圖距離最短的特征點P2確定 為P1的匹配點，并計算兩個特征點間的相似度。該相似度的計算方法為計算第一幅影像中該特征點P1在第二幅影像中所對應(yīng)的 次接近點P' 2與？1的方向直方圖之間的距離，和P1在第二幅影像中所對應(yīng)的匹配點P2與 P1的方向直方圖之間的距離之比。同理可得出對于第二幅影像中的特征點，尋找其在第一幅影像中的匹配點的方 法。對于第一幅影像中的每一個特征點，如果該特征點P1與其在第二幅影像中的匹配 點P2所對應(yīng)的其在第一幅影像中的匹配點一致，并且P1和P2在兩幅影像中的相似度都 大于給定閾值，則認為P1和P2匹配成功，并稱其為一個特征點對。所述控制點排序模塊，將特征點對按照這兩個點相似度的乘積大小進行排序。所述影像配準和跟蹤模塊，按照特征點對的順序，分別計算每一特征點對與其前 面的特征點對的偏移矢量的兩個分量的距離。如果兩個分量的距離都小于給定閾值，則把 該特征點對歸入前面那個特征點對所在分組，并對該組計數(shù)加一；否則新建分組，并對該組 計數(shù)加一。如果某一組的計數(shù)首先達到設(shè)定的閾值，則把該組的偏移矢量確定為兩幅影像 間的偏移矢量。由上述的技術(shù)方案可見，本實用新型實施例的這種自動識別特征點的影像跟蹤的 裝置，自動地在待配準的兩幅影像中搜索特征點并在影像間進行特征點的自動匹配。利用 匹配好的特征點對之間坐標的差值來決定腫瘤運動的大小和方向。相比傳統(tǒng)的影像處理技術(shù)僅僅利用了影像的灰度信息，該技術(shù)的優(yōu)勢在于能夠 考慮解剖結(jié)構(gòu)的先驗知識，充分提取影像本身的信息，包括連續(xù)性信息、形狀、質(zhì)地、紋理 等。該技術(shù)適用于各種放療設(shè)備所配備的實時影像監(jiān)控裝置，例如加速器放療中所用到的 在板成像系統(tǒng)(onboard imaging system，OBI)、電子射野影像裝置(electronic portal imaging device，EPID)，以及賽博刀(CyberKnife)中所用的X射線立體成像等等。該技術(shù)對患者來說無創(chuàng)，對放射治療設(shè)備來說不需要額外的硬件支持?？梢杂糜?腫瘤的實時跟蹤定位，并為呼吸門控技術(shù)以及四維放療技術(shù)提供實時的運動監(jiān)控信息。該 技術(shù)可以廣泛應(yīng)用于各種影像導(dǎo)引的放射治療系統(tǒng)(image-guided radiation therapy, IGRT)。


附圖為本實用新型實施例中自動識別特征點的醫(yī)用影像跟蹤裝置的流程示意圖。
具體實施方式
為使本實用新型的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下參照附圖并舉實施 例，對本實用新型進一步詳細說明。本實用新型實施例提供一種自動識別特征點的醫(yī)用影像跟蹤的裝置，通過特征 點的自動識別和匹配，進行影像的配準和跟蹤，流程圖如附圖所示，該裝置包括梯度矩陣 構(gòu)建模塊101，特征點的自動識別模塊102，方向直方圖計算模塊103，特征點的自動匹配模 塊104，特征點排序模塊105，影像配準和跟蹤模塊106。所述梯度矩陣構(gòu)建模塊101，對于影像中的每一個像素，計算該像素周圍3X3個 點(包括自身)的梯度，從而構(gòu)建該像素的2X9階梯度矩陣。該方法可以取，但不限于3X3 個像素。該方法同樣適合于三維體素。所述特征點的自動識別模塊102，對于影像中的每一個像素，計算該像素的梯度矩 陣與其轉(zhuǎn)置的乘積，得到2X2階的矩陣，并計算該矩陣的特征值。當兩個特征值的絕對值 大小均大于等于給定閾值時，將該像素加入特征點列；當兩個特征值的絕對值大小至少有 一個小于給定閾值時，該像素不被加入特征點列。所述方向直方圖計算模塊103，對于影像中的每一個特征點，計算該特征點周圍 8X8個點的梯度和梯度方向。該計算不一定限定是8X8個點，只要是周圍的若干點構(gòu)成的 方陣均可以。將這8X8個點以特征點為圓心，按照所在象限分為四組，將每一組中的4X4個點 的梯度方向分為八組，例如梯度方向在0°和45°之間的分在第一組，以此類推。分別統(tǒng)計 這64個點落入4X8個組中的點數(shù)，從而構(gòu)成該特征點的方向直方圖。該計算不一定限定 是按照四個象限分成4X4個點一組，也可以分成16組，每組2X 2個點，或者類似的分塊均 可。角度的分組也不一定是將360°分為八組，一組45°。比如分為十二組，一組30°也可 以。另外分組的起始值不一定從0°開始，也可以從-22. 5°開始，或者任何值均可。甚至 分組不一定是等間隔分組，只要能夠無交叉、不遺漏即可。所述特征點的自動匹配模塊104，對于第一幅影像中的每一個特征點，在第二幅 影像中以該特征點坐標為中心，在其周圍給定的閾值范圍內(nèi)搜索特征點。這里搜索的范圍 可以以第一幅影像中的該特征點的坐標為網(wǎng)心，以給定的閾值為半徑的圓形區(qū)域內(nèi)進行搜 索；也可以以第一幅影像中的該特征點的坐標為中心，以給定的閾值為邊長的正方形區(qū)域 內(nèi)進行搜索；或者是以其它可定義形狀的區(qū)域進行搜索。在搜索到的第二幅影像的特征點中找出其方向直方圖與第一幅影像中該特征點 P1W方向直方圖距離最短的兩個特征點P2和ρ' 2。該距離用兩幅影像特征點的方向直方 圖所對應(yīng)的32個組的差值的平方和再開方進行計算，還可以按照其它標準來定義方向直 方圖的距離。判斷搜索到的第二幅影像的特征點個數(shù)是否大于給定閾值。如果是，則將在第二 幅影像中方向直方圖與第一幅影像中該特征點P1的方向直方圖距離最短的特征點P2確定 為仏的匹配點，并計算兩個特征點間的相似度。該相似度的計算方法為計算第一幅影像中該特征點P1在第二幅影像中所對應(yīng)的次接近點P' 2與P1的方向直方圖之間的距離，和 P1在第二幅影像中所對應(yīng)的匹配點P2與P1的方向直方圖之間的距離之比。這里匹配點的 表示方法，可以是該匹配點的偏移矢量，也可以是該匹配點的對應(yīng)編號，或者是其它標記。同理可得 出對于第二幅影像中的特征點，尋找其在第一幅影像中的匹配點的方 法。對于第一幅影像中的每一個特征點，如果該特征點P1與其在第二幅影像中的匹配 點P2所對應(yīng)的其在第一幅影像中的匹配點Af—致，并且P1和P2在兩幅影像中的相似度都 大于給定閾值，則認為P1和P2匹配成功，并稱其為一個特征點對。相似度的判斷是指給定一個閾值，判斷兩幅影像的對應(yīng)匹配點的相似度是否均 大于該閾值。但對于具體的應(yīng)用場合，不一定對兩幅影像設(shè)定同樣的閾值，可以根據(jù)兩幅影 像的不同特點設(shè)定不同的閾值，比如MRI和CT之間影像的配準和跟蹤等多模態(tài)影像之間的 配準問題。甚至可以只根據(jù)一幅影像的相似度大小來決定是否選為特征點對，以及以兩幅 影像對應(yīng)匹配點相似度的乘積超過某一閾值作為判斷的標準均可。另外，相似度的判斷還 可以以相似度取值的倒數(shù)作為標準，因為它代表特征點與其在另一幅影像上的匹配點的方 向直方圖之間的相對距離。所述控制點排序模塊105，將特征點對按照這兩個點相似度的乘積大小進行排序。所述影像配準和跟蹤模塊106，按照特征點對的順序，分別計算每特征點對與其前 面的特征點對的偏移矢量的兩個分量的距離。如果兩個分量的距離都小于給定閾值，則把 該特征點對歸入前面那個特征點對所在分組，并對該組計數(shù)加一；否則新建分組，并對該組 計數(shù)加一。如果某一組的計數(shù)首先達到設(shè)定的閾值，則把該組的偏移矢量確定為兩幅影像 間的偏移矢量。該實用新型不僅可以用于平移的偏移矢量的計算，還可以推廣到旋轉(zhuǎn)這一自由度 的偏移量計算。另外，該實用新型同樣可以推廣到三維的平移和旋轉(zhuǎn)的六個自由度的偏移
量計算。因此，容易理解，以上所述僅為本實用新型的較佳實施例，并非用于限定本實用新 型的精神和保護范圍，任何熟悉本領(lǐng)域的技術(shù)人員所做出的等同變化或替換，都應(yīng)視為涵 蓋在本實用新型的保護范圍之內(nèi)。
權(quán)利要求一種醫(yī)用影像跟蹤的裝置，其特征在于，該裝置包括梯度矩陣構(gòu)建模塊，特征點的自動識別模塊，方向直方圖計算模塊，特征點的自動匹配模塊，控制點排序模塊，影像配準和跟蹤模塊，所述各模塊順序相連，即所述梯度矩陣構(gòu)建模塊與特征點的自動識別模塊連接，所述特征點的自動識別模塊與方向直方圖計算模塊連接，所述方向直方圖計算模塊與特征點的自動匹配模塊連接，所述特征點的自動匹配模塊與控制點排序模塊連接，所述控制點排序模塊與影像配準和跟蹤模塊連接。
專利摘要本實用新型公開了一種自動識別特征點的醫(yī)用影像跟蹤裝置，涉及影像配準技術(shù)，能夠利用影像本身的信息進行腫瘤的實時跟蹤，具體包括梯度矩陣構(gòu)建模塊，特征點的自動識別模塊，方向直方圖計算模塊，特征點的自動匹配模塊，特征點排序模塊，影像配準和跟蹤模塊。它能夠計算影像各像素的特征維度并確定特征點；計算特征點的方向直方圖，并進行影像之間特征點的匹配；對匹配上的特征點對進行分組，得到影像間在各自由度上的偏移矢量。本實用新型的影像跟蹤裝置可以廣泛應(yīng)用于各種醫(yī)療系統(tǒng)。
文檔編號A61B6/00GK201719372SQ20092016048
公開日2011年1月26日 申請日期2009年6月25日 優(yōu)先權(quán)日2009年6月25日
發(fā)明者謝耀欽 申請人:謝耀欽