專利名稱：用于醫(yī)學成像的自動糞便刪除方法
用于醫(yī)學成像的自動糞便刪除方法
說明
本發(fā)明涉及放射線療法，具體的涉及在胃腸道區(qū)域中的放射線療法。
放射線療法用輻射，例如x射線輻射，來治療疾病，例如癌癥腫瘤。
在對患病組織進行輻射的過程中， 一些健康的組織也暴露于輻射中。健康 組織暴露于輻射中會引起與并發(fā)癥有關的治療。因而，就希望正確且精確 地使劑量與患病區(qū)域相適應，以便可控地將輻射施加到患病組織，且將施 加到周圍健康組織的輻射降低到最小程度。
被治療區(qū)域的正確且精確的輪廓(規(guī)劃目標體積或PTV)與分級治療 (fractionated treatment)期間目標的移動融合在一起。移動可以是在治療規(guī)劃 時病人的相對于病人裝置的物理移動(裝置誤差)，或者包含患病組織的內(nèi)部 組織的移動、變型、增長或收縮，這些是由生理機能(例如心臟、呼吸和消 化系統(tǒng))所引起的，或者是治療反映的結果。突出的例子是蠕動造成的變化， 例如穿過所關注器官的糞便和腸氣的變化。
當前實踐使用來自病人統(tǒng)計學的標準誤差容限來導出PTV。這些不是 針對具體病人的，且常常由于對正常組織的劑量應用而產(chǎn)生浪費。在分級 的放射線治療之前或在其過程中獲取幾個數(shù)據(jù)集有可能定量地評估特定病 人的移動和對該病人的治療效果。為了定量地分析這些數(shù)據(jù)集，就必須通 過解決剛性變換和由可變型幾何結構引起的差異，來將全部數(shù)據(jù)集與初始 圖像數(shù)據(jù)集的坐標系相關聯(lián)。適應在圖像數(shù)據(jù)集之間的幾何結構差異的算 法被稱為圖像配準。
糞便或類似物體的存在對于這種技術而言是尤其麻煩的，這是因為不 僅是糞便和腸子移動穿過系統(tǒng)，從而移動或位移了器官和組織，而且就尺 寸、形狀或位置而言，其并不是一致性地存在于全部圖像數(shù)據(jù)集中。存在 多種用于減小GI區(qū)域中的移動的病人固定技術，但對于病人是不舒服的且 很少使用。當前的圖像配準方法對于準確定義在這種治療區(qū)域中的變形而言是無 法令人接受的?；诨叶戎迪嗨菩缘呐錅史椒僭O在圖像對之間的一對一 的對應性；換句話說，這些圖像不能包括僅存在于一個圖像中的數(shù)值，例 如當成像區(qū)域中存在糞便時的情況。另外，在灰度值中的變化常常被解釋 為變形，其不一定是真實的，例如如果在直腸中的氣泡被糞便代替。這些 影響會導致灰度值技術失敗，因為在模板與變形的目標圖像之間的差別不 會收斂到正確的解?；诒砻娴呐錅史椒ɑ诮o定的表面變形，推斷體積 變形。這些方法有可能回避基于體積灰度值的方法中的問題。然而，基于 表面的技術需要識別結構的表面，其在一些區(qū)域中，例如直腸和前列腺中， 是難以自動操作的，因為CT成像沒有包括足夠的表面特征。因此，必須人 工確定輪廓。
因而，希望提供一種自動化的方法，其從成像區(qū)域中刪除糞便，從而 實現(xiàn)基于灰度值的治療區(qū)域的配準，而無需人工描繪輪廓。
本發(fā)明針對一種用于醫(yī)學成像的改進的配準方法。在一些實施例中， 該改進的配準方法用于從成像數(shù)據(jù)中自動刪除糞便或腸氣，以實現(xiàn)更準確 的圖像數(shù)據(jù)配準。
在一些實施例中， 一種配準方法包括分類處理、自動分割處理和配準 處理。該配準方法可以用于從圖像數(shù)據(jù)中刪除糞便或其它物體。
在合并于說明書中并組成說明書的一部分的附圖中，示出了本發(fā)明的 多個實施例，其與以上給出的本發(fā)明總體說明和以下給出的詳細說明一起 起到闡明本發(fā)明原理的作用。本領域技術人員應認識到這些說明性的實施 例并不意味著限制本發(fā)明，而僅是提供具體體現(xiàn)本發(fā)明原理的多個實例。


圖1示出了一種成像系統(tǒng)的實例，其能夠用于實現(xiàn)在此公開的配準處理。
圖2示出了一種配準方法的實例。
在此公開的配準方法和算法提供自動化過程，在該過程中，將糞便從 成像區(qū)域中刪除，從而實現(xiàn)具有不同程度的腸和糞便內(nèi)容物的圖像對的準確配準。通過從圖像刪除糞便、腸子和其它類似的物體，就可以評估在圖 像對之間定量的變形區(qū)域，可以將劑量分布變換到規(guī)劃圖像的坐標系和幾 何結構中，就能夠?qū)崿F(xiàn)在變化的病人幾何結構中積累并適應性地調(diào)整劑量。 這些工具能夠增加指定允許劑量的準確性，從而增大對腫瘤的控制并將對 周圍健康組織的劑量減到最小。
在本發(fā)明的一個實施例中，通過使用一種修改的灰度值技術，從兩個
CT圖像中刪除糞便。在這種實施例中，由分割和分類所產(chǎn)生的結果將屬于 糞便的圖像體素的灰度值替換為軟組織灰度值，從而實現(xiàn)了采用可變形圖 像配準的整體加權灰度值相似度測量的使用。依據(jù)閱讀包括在此所述的特 定實施例的本說明，該方法及其它方法對于本領域技術人員來說會變得顯 而易見。本領域技術人員會意識到，在此所述的實施例僅是對本發(fā)明概念 的說明，因此并不意味著限制超出其所要求的本發(fā)明的范圍。
圖1示出了通常結構框架，用于實現(xiàn)在此公開的配準方法的不同實施 例。例如CT、 MRI超聲、或其它解剖成像方式的成像設備IO獲取圖像數(shù) 據(jù)。應意識到，成像數(shù)據(jù)可以與圖像的配準在相同時間和/或相同位置進行 收集，或者可替換地，該數(shù)據(jù)可以在不同時間和/或位置進行收集。成像數(shù) 據(jù)被傳遞到處理單元20。用戶界面30使用戶從處理單元20接收信息，并 向處理單元20輸入信息。該信息包括重構的圖像，可以將該信息顯示在顯 示單元35上。
圖2示出了本發(fā)明的一個示范性實施例。在100中，從成像設備10獲 取的圖像數(shù)據(jù)被輸入到處理單元20中，并且開始配準算法。首先，在105 中，將圖像體素分類到多個主類中，即器官組織、其它組織、空氣、骨骼 和糞便。這是通過在110中將特征向量分配給每一個體素來實現(xiàn)的。每一 個特征向量都是1X18向量，其包括以下的級聯(lián)i)從灰度值的2D 3X3 窗得到的行主要順序(row-major-order)lD向量，和ii)梯度值的2D3X3窗。 隨后，在120中，根據(jù)主類來標記每一個體素。這可以用任何分類方案來 實現(xiàn)，諸如例如k均值或k-NN。由此，每一個體素都被標記為器官組織、 其它組織、空氣、骨骼或糞便中的一種。每一個體素還被分配了一個概率 向量，其描述了其屬于某個特定主類的概率。
在125中，開始分割處理。通常在130中首先確認所關注區(qū)域。盡管沒有要求，對所關注區(qū)域的分割處理的限制實現(xiàn)了更快的處理時間，因為
在所關注區(qū)域之外的區(qū)域不必進行分割。在140中，計算距離映射。為了 產(chǎn)生該距離映射，形成一個二進制圖像，其中，將軟組織和糞便的全部體 素都標記為"1"，將全部體素標記為"0"。體素的主分類使得能夠產(chǎn)生這 個二進制圖像。然后對該二進制圖像進行距離變換，例如在G. Borgefors, "Distance Transformations in Digit Images", Computer Vision, Graphics and Image Processing 34， 344-371, 1986中所述的距離變換，由此將 該文獻合并于此作為參考。對于每一個"內(nèi)"體素(其在二進制圖像中被標 記為"1")，該距離變換計算到最接近的"外"體素(其在二進制圖像中被 標記為"0")的距離。另外，對于在所關注區(qū)域內(nèi)的每一個體素，計算最大 拉普拉斯軸線值(Laplacian axis value)(MLAV)。拉普拉斯軸通過查看相鄰區(qū) 域以發(fā)現(xiàn)距離值下降得有多快，來測量結構的氣泡似然性。例如，如果距 離在所有方向上都以相對相同的速率下降，則物體就是球形的。MLAV越 負，物體就越象氣泡。
在150中，將體素按照升序MLAV進行排序，將具有最負MLAV的體 素用于三維區(qū)域增長的第一種子增長。該區(qū)域增長在該種子點開始，且在 最大距離值的方向上增長。由于物體被假定為球形，因此物體在所有方向 上都等量的增長。當距離值急劇下降時，物體的增長停止。在該物體的增 長過程完成之后，為物體分配給一個D/O值，其等于在表面上的距離總和 與表面積的比值。由于物體被假定為球形，因此表面積由(V/(fpi/3)廣(1/3) 來估計。該種子增長過程在于2004年10月14日公布的、題為"Volume Meansurementsin3DDatasets"的國際專利公開號WO2004/088589A1中被 進一步詳細說明，由此將其合并于此作為參考。
在第一區(qū)域的增長之后，配準處理循環(huán)回來以確定是否有另一個種子 點。在先前的一個或多個增長區(qū)域內(nèi)的所有點都已被評估之后，使用下一 個最負的MLAV體素。區(qū)域增長繼續(xù)進行，直到不存在其他種子點。
在160中，基于增長區(qū)域的D/O比值，使用k均值將增長區(qū)域分類為 群。具有大于預定閾值的D/O比值的增長區(qū)域被分類為糞便。具有小于該 閾值的D/O比值的增長區(qū)域被分類為組織。 一旦糞便已被適當?shù)姆诸?，?可以從圖像數(shù)據(jù)將其刪除。隨后，該處理可以移動到配準處理，其中，可以使用任何配準算法。
依據(jù)對本公開的回顧，本領域技術人員應意識到，在此公開的該說明 性方法通過依據(jù)來自處理之前的圖像的灰度值相似度測量的可變形配準算 法，來適應所關注區(qū)域的幾何結構變化。這個配準具有幾個用途，包括幾 何結構差異的解決，以便進行劑量積累和適應性的重新計劃，而不用考慮 變形的器官。另外，基于第二數(shù)據(jù)集對第一數(shù)據(jù)集的配準，可以自動提供 對于第二數(shù)據(jù)集的輪廓。
已經(jīng)參考一個或多個優(yōu)選實施例來說明了本發(fā)明。明顯的，依據(jù)對本 說明書的閱讀和理解，其他人可以想到多種修改和可選方案。其意圖是包 括所有這種修改、組合及可選方案，只要它們在所附權利要求或其等價物 的范圍內(nèi)。
權利要求
1、一種圖像配準方法，包括輸入待配準的圖像數(shù)據(jù)；將所述圖像數(shù)據(jù)分類到多個組織類中；自動分割所述圖像數(shù)據(jù)，以便刪除一個或多個組織類；并且配準所述分割的圖像數(shù)據(jù)。
2、 根據(jù)權利要求l的圖像配準方法，其中，所述被刪除的組織類包括 糞便或腸氣。
3、 根據(jù)權利要求l的圖像配準方法，其中，將所述圖像數(shù)據(jù)分類到多 個組織類中的步驟包括將特征向量分配給每一個體素；并且 根據(jù)組織類來標記所述體素。
4、 根據(jù)權利要求1的圖像配準方法，其中，所述組織類是從器官組織、 其它組織、空氣、骨骼和糞便中選出的。
5、 根據(jù)權利要求l的圖像配準方法，其中，所述自動分割僅對所選擇 的所關注區(qū)域執(zhí)行。
6、 根據(jù)權利要求l的圖像配準方法，其中，自動分割所述圖像數(shù)據(jù)以 便刪除一個或多個組織類的步驟包括產(chǎn)生二進制圖像；計算在所述二進制圖像上的距離映射； 為每個體素計算最大拉普拉斯軸線值； 基于最大拉普拉斯軸線值，對所述體素進行排序；并且 從基于體素的最大拉普拉斯軸線值而選擇的種子點開始進行區(qū)域增長。
7、 根據(jù)權利要求6的圖像配準方法，還包括為每一個增長區(qū)域計算 D/O比值。
8、 根據(jù)權利要求7的圖像配準方法，還包括將每一個增長區(qū)域分類為 兩個類之一。
9、 根據(jù)權利要求8的圖像配準方法，其中，第一類包括高于一閾值 D/0比值的增長區(qū)域，其中，所述第一類包括糞便或腸氣。
10、 一種設備，用于配準圖像，包括 用于輸入待配準的圖像數(shù)據(jù)的裝置； 用于將所述圖像數(shù)據(jù)分類到多個組織類中的裝置； 用于自動分割所述圖像數(shù)據(jù)以便刪除一個或多個組織類的裝置；以及 用于配準所述分割的圖像數(shù)據(jù)的裝置。
11、 根據(jù)權利要求10的設備，其中，所述被刪除的組織類包括糞便或 腸氣。
12、 根據(jù)權利要求10的設備，其中，所述用于將所述圖像數(shù)據(jù)分類到 多個組織類中的裝置包括用于將特征向量分配給每一個體素的裝置；以及 用于根據(jù)組織類來標記所述體素的裝置。
13、 根據(jù)權利要求10的設備，其中，所述用于自動分割所述圖像數(shù)據(jù) 以便刪除一個或多個組織類的裝置包括用于產(chǎn)生二進制圖像的裝置；用于計算在所述二進制圖像上的距離映射的裝置；用于為每個體素計算最大拉普拉斯軸線值的裝置；用于基于最大拉普拉斯軸線值對所述體素進行排序的裝置；以及用于從基于體素的最大拉普拉斯軸線值而選擇的種子點開始進行區(qū)域 增長的裝置。
14、 根據(jù)權利要求13的設備，還包括用于為每一個增長區(qū)域計算D/0 比值的裝置。
15、 根據(jù)權利要求14的設備，還包括用于將每一個增長區(qū)域分類為兩 個類之一的裝置。
16、 根據(jù)權利要求15的設備，其中，第一類包括高于一閾值D/0比值 的增長區(qū)域，其中，所述第一類包括糞便或腸氣。
17、 一種放射治療方法，包括從兩個不同時間期間獲得醫(yī)學圖像數(shù)據(jù)； 將圖像數(shù)據(jù)輸入到系統(tǒng)處理器； 將所述圖像數(shù)據(jù)分類到多個組織類中； 自動分割所述圖形數(shù)據(jù)，以便刪除一個或多個組織類；并且 配準所述分割的圖像數(shù)據(jù)。
18、 根據(jù)權利要求17的放射治療方法，其中，所述被刪除的組織類包 括糞便或腸氣。
19、根據(jù)權利要求17的放射治療方法，其中，將所述圖像數(shù)據(jù)分類到 多個組織類中的步驟包括將特征向量分配給每一個體素；并且根據(jù)組織類來標記所述體素，并且 其中，自動分割所述圖像數(shù)據(jù)以便刪除一個或多個組織類的步驟包括產(chǎn)生二進制圖像；計算在所述二進制圖像上的距離映射； 為每個體素計算最大拉普拉斯軸線值；基于最大拉普拉斯軸線值對所述體素進行排序；并且 從基于體素的最大拉普拉斯軸線值而選擇的種子點開始進行區(qū)域增長。
20、 根據(jù)權利要求19的放射治療方法，還包括 為每一個增長區(qū)域計算D/0比值；及 將每一個增長區(qū)域分類為兩個類之一，其中第一類包括高于閾值的D/O比值的增長區(qū)域，其中所述第一類包 括糞便或腸氣。
21、 一種配準胃腸區(qū)域圖像的方法，包括 輸入要被配準的圖像數(shù)據(jù)；將所述圖像數(shù)據(jù)分類到多個組織類中，所述多個組織類包括包含糞便 的一類；從所述圖像數(shù)據(jù)刪除所述糞便；及配準已經(jīng)從其刪除了所述糞便的所述圖像數(shù)據(jù)。
全文摘要
提供了一種配準處理，其實現(xiàn)對在胃腸區(qū)域中的變形的評估。所述配準處理包括分類處理，其將圖像數(shù)據(jù)分類為被成像物質(zhì)的類型。所述配準處理還包括自動化的分割處理，其實現(xiàn)在成像區(qū)域中物質(zhì)的識別，并從成像數(shù)據(jù)中刪除物體，例如糞便，來為圖像的配準做準備。
文檔編號G06T5/00GK101454800SQ200680041652
公開日2009年6月10日 申請日期2006年10月17日 優(yōu)先權日2005年11月9日
發(fā)明者R·維姆克, 米夏埃多·考斯 申請人:皇家飛利浦電子股份有限公司;米夏埃多·考斯