龐皓文 孫小楊 楊 波

在臨床放射治療過程中，由于患者體重變化、腫瘤退縮以及危及器官分次狀態(tài)不同，導(dǎo)致腫瘤靶區(qū)與危及器官吸收劑量與初始放射治療計(jì)劃產(chǎn)生較大不同，通過重新掃描CT圖像以及重新制作放射治療計(jì)劃，減少上述變化帶來的影響，并監(jiān)測(cè)放射治療過程中腫瘤與危及器官的變化，以及帶來的劑量影響，而實(shí)現(xiàn)患者的自適應(yīng)放射治療是腫瘤放射治療研究的熱點(diǎn)[1-5]。

彈性配準(zhǔn)算法通過比較不同分次放射治療時(shí)患者CT圖像，了解腫瘤與危機(jī)器官的形變過程，進(jìn)一步計(jì)算出放射治療全過程中腫瘤與危機(jī)器官的累加劑量，是自適應(yīng)放射治療的理論基礎(chǔ)，同時(shí)加入時(shí)間因素的四維放射治療也建立在彈性配準(zhǔn)基礎(chǔ)上[6-7]。Mencarelli等[8]和Francisco等[9]通過研究形變配準(zhǔn)算法模型模擬腫瘤與危及器官在放射治療過程中變化的不確定性，探索了彈性配準(zhǔn)在放射治療中的應(yīng)用，而在放射治療中應(yīng)用彈性配準(zhǔn)算法，需要建立準(zhǔn)確、快速與自動(dòng)的軟件平臺(tái)。為此，本研究通過自主編程的軟件平臺(tái)，對(duì)Horn-Schunck光流法、Demons算法、加速Demons算法、水平集算法以及快速自由形變算法5種常見的彈性配準(zhǔn)方法在盆腔放射治療患者CT圖像中的配準(zhǔn)精度進(jìn)行比較。

1 CT圖像配準(zhǔn)設(shè)備與方法

1.1 設(shè)備與原理

(1)設(shè)備。使用LightSpeed Plus 4型CT(美國(guó)GE公司)。

(2)原理。5種常見的彈性配準(zhǔn)方法有Horn-Schunck光流法[10]、Demons算法[11]、加速Demons算法[12]、水平集算法[13]以及快速自由形變算法[14]。

設(shè)定兩組圖像，一組為待配準(zhǔn)圖像灰度值為M(v)；一組為參考圖像灰度值為S(v)，v為三維空間的方向。彈性配準(zhǔn)是通過找出待配準(zhǔn)圖像形變?yōu)閰⒖紙D像合適的位移場(chǎng)u(v)，使得其灰度值從M(v)改變?yōu)镸(v-u)后，與參考圖像的灰度值S(v)類似，用于測(cè)量相似度的函數(shù)計(jì)算為公式1：

圖像彈性形變的過程是搜尋位移場(chǎng)u(v)的過程，不同的彈性配準(zhǔn)方法u(v)的取值各有差異。

1.2 Horn-Schunck光流法

Horn-Schunck光流算法u(v)實(shí)現(xiàn)迭代為公式2：

式中u為鄰域均值；λ為權(quán)重值；n為迭代次數(shù)。

1.3 Demons算法

Demons算法u(v)實(shí)現(xiàn)迭代為公式3：

式中Gσ為高斯低通濾波函數(shù)，窗寬為σ；n為迭代次數(shù)。

1.4 加速Demons算法

加速Demons算法u(v)實(shí)現(xiàn)迭代為公式4：

式中Gσ同Demons算法；n為迭代次數(shù)。

1.5 水平集算法

水平集算法u(v)實(shí)現(xiàn)迭代為公式5：

式中u(v)ninit=(M(v)-S(v)),Gσ同Demons算法，n為迭代次數(shù)。

1.6 快速自由形變算法

快速自由形變算法u(v)實(shí)現(xiàn)迭代為公式6：

式中Lm,n= λΔ2(um,n)-[M(vm+um)-S(vm)]gm,n(vm+um),g(v)=ΔM(v)， n為迭代次數(shù)。

1.7 彈性配準(zhǔn)迭代步驟

(1)初始時(shí)，n=0，u(v)0=0。

(2)設(shè)n=n+1，選取公式(2～6)中一種對(duì)位移場(chǎng)u(v)n+1實(shí)現(xiàn)迭代，待配準(zhǔn)圖像迭代為Mn(v-u(v)n+1)。

(3)判別迭代次數(shù)小于預(yù)設(shè)值，轉(zhuǎn)為迭代停止[步驟(4)]，否則轉(zhuǎn)為步驟(2)。

(4)迭代停止，Mn(v-u(v)n+1)為最后待配準(zhǔn)圖像，彈性配準(zhǔn)中選用多分辨策略。

2 CT圖像配準(zhǔn)結(jié)果

2.1 試驗(yàn)對(duì)比參數(shù)

使用Matlab 2016 a軟件，根據(jù)上述5種常見的彈性配準(zhǔn)算法原理，編寫具有完全知識(shí)產(chǎn)權(quán)代碼的彈性配準(zhǔn)程序，并對(duì)10例行盆腔放射治療患者的定位時(shí)與放射治療中兩組CT圖像執(zhí)行彈性配準(zhǔn)。其中放射治療定位時(shí)CT圖像為參考圖像、放射治療中CT圖像為待配準(zhǔn)圖像，比較五種常見的彈性配準(zhǔn)方法的配準(zhǔn)精度。硬件為英特爾酷睿i5-3210 M CPU，2.5 GHz，4 G內(nèi)存。10例行盆腔放射治療患者CT斷層圖像分辨率為512×512，層厚為5 mm。10例患者均方誤差(mean squared error，MSE)、平均相關(guān)系數(shù)(correlation coefficient，CC)及平均配準(zhǔn)用時(shí)見表1。

表1 五種算法評(píng)價(jià)參數(shù)及用時(shí)

2.2 平均MSE

Horn-Schunck光流法平均MSE減少26.0%，Demons算法平均MSE減少18.5%，快速Demons算法平均MSE減少6.7%，水平集算法平均MSE減少22.7%，快速自由形變算法平均MSE減少13.4%。

2.3 平均CC

Horn-Schunck光流法平均CC提高3.7%，Demons算法平均CC提高3.3%，快速Demons算法平均CC提高2.4%，水平集算法平均CC提高3.4%，快速自由形變算法平均CC提高2.6%；均配準(zhǔn)時(shí)間為107.5～220.8 s。

2.4 配準(zhǔn)后的CT冠狀面差分圖

為了更全面了解配準(zhǔn)前后放射治療CT圖像的差別，選取本研究中第5例盆腔放射治療患者為例，其基于5種常用的彈性配準(zhǔn)算法配準(zhǔn)后的CT冠狀面差分圖如圖1所示。

圖1 五種常用彈性配準(zhǔn)算法配準(zhǔn)后的CT冠狀面差分圖

3 結(jié)論

評(píng)價(jià)參數(shù)表明，本研究中的5種常用的彈性配準(zhǔn)算法均取得了較好的配準(zhǔn)結(jié)果，其中Horn-Schunck光流法平均MSE減少26.0%、CC提高3.7%，其配準(zhǔn)平均耗時(shí)也最少，因此推薦使用Horn-Schunck光流法對(duì)放射治療CT圖像進(jìn)行配準(zhǔn)。全部放射治療過程中腫瘤及危及器官持續(xù)變化，將彈性配準(zhǔn)方法應(yīng)用于放射治療圖像配準(zhǔn)中，可進(jìn)一步了解腫瘤及危及器官的變化帶來的劑量學(xué)變化。但現(xiàn)階段的彈性配準(zhǔn)理論并不能真實(shí)模擬腫瘤及危及器官的實(shí)際變化，故下一步研究擬開發(fā)出應(yīng)用于放射治療的具有自主知識(shí)產(chǎn)權(quán)和代碼的醫(yī)學(xué)圖像彈性配準(zhǔn)軟件平臺(tái)，通過在腫瘤或危及器官中植入標(biāo)記點(diǎn)的方法，總結(jié)最真實(shí)模擬各個(gè)腫瘤及危及器官的變化模型，并將其轉(zhuǎn)化為適合各個(gè)腫瘤及危及器官個(gè)體化的彈性配準(zhǔn)數(shù)學(xué)模型，進(jìn)一步提高配準(zhǔn)精度，對(duì)放射治療中腫瘤及危及器官的變化進(jìn)行評(píng)估，實(shí)現(xiàn)放射治療全程中腫瘤及危及器官的個(gè)體化劑量監(jiān)測(cè)[15-18]。

[1]Yan D，Jaffray DA，Wong JW.A model to accumulate fractionated dose in a deforming organ[J].Int J Radiat Oncol Biol Phys，1999，44(3)：665-675.

[2]Noel CE，Santanam L，Olsen JR，et al.An automated method for adaptive radiation therapy for prostate cancer patients using continuous fiducial-based tracking[J].Phys Med Biol，2010，55(1)：65-82.

[3]Qi XS，Santhanam A，Neylon J，et al.Near Real-Time Assessment of Anatomic and Dosimetric Variations for Head and Neck Radiation Therapy via Graphics Processing Unit-based Dose Deformation Framework[J].Int J Radiat Oncol Biol Phys，2015，92(2)：415-422.

[4]Swaminath A，Massey C，Brierley JD，et al.Accumulated Delivered Dose Response of Stereotactic Body Radiation Therapy for Liver Metastases[J].Int J Radiat Oncol Biol Phys，2015，93(3)：639-648.

[5]Teo BK，Bonner Millar LP，Ding X，et al.Assessment of cumulative external beam and intracavitary brachytherapy organ doses in gynecologic cancers using deformable dose summation[J].Radiother Oncol，2015，115(2)：195-202.[6]Velec M，Moseley JL，Craig T，et al.Accumulated dose in liver stereotactic body radiotherapy：positioning，breathing，and deformation effects[J].Int J Radiat Oncol Biol Phys，2012，83(4)：1132-1140.

[7]Chan MK，Kwong DL，Ng SC，et al.Experimental evaluations of the accuracy of 3D and 4D planning in robotic tracking stereotactic body radiotherapy for lung cancers[J].Med Phys，2013，40(4)：041712.

[8]Mencarelli A，van Kranen SR，Hamming-Vrieze O，et al.Deformable image registration for adaptive radiation therapy of head and neck cancer：accuracy and precision in the presence of tumor changes[J].Int J Radiat Oncol Biol Phys，2014，90(3)：680-687.

[9]Salguero FJ，Saleh-Sayah NK，Yan C，et al.Estimation of three dimensional intrinsic dosimetric uncertainties resulting from using deformable image registration for dose mappi ng[J].Med Phys，2011，38(1)：343-353.

[10]Horn B，Schunck B.Determining optic flow[J].International Journal of Artificial Intelligen ce，1981，17(2)：185-203.

[11]Thirion JP.Image matching as a diffusion process： an analogy with Maxwell's demons[J].Med Image Anal，1998，2(3)：243-260.

[12]Wang H，Dong L，O'Daniel J，et al.Validation of an accelerated'demons' algorithm for deformable image registration in radiation therapy[J].Phys Med Biol，2005，50(12)：2887-2905.

[13]Vemuri BC，Ye J，Chen Y，et al.Image registration via level-set motion：applications to atlas-based segmentation[J].Med Image Anal，2003，7(1)：1-20.

[14]Lu W，Chen ML，Olivera GH，et al.Fast free-form deformable registration via calculus of variations[J].Phys Med Biol，2004，49(14)：3067-3087.

[15]Jin P，van der Horst A，de Jong R，et al.Markerbased quantification of interfractional tumor position variation and the use of markers for setup verification in radiation therapy for esophageal cancer[J].Radiother Oncol，2015，117(3)：412-418.

[16]Bolton WD，Richey J，Ben-Or S，et al.Electromagnetic Navigational Bronchoscopy：A Safe and Effective Method for Fiducial Marker Placement in Lung Cancer Patients[J].Am Surg.2015，81(7)：659-662.

[17]Langerak T，Mens JW，Quint S，et al.Cervix motion in 50 cervical cancer patients assessed by daily cone beam computed tomographic imaging of a new type of marker[J].Int J Radiat Oncol Biol Phys，2015，93(3)：532-539.

[18]Takao S，Miyamoto N，Matsuura T，et al.Intrafractional baseline shift or drift of lung tumor motion during gated radiation therapy with a real-time tumor-tracking system[J].Int J Radiat Oncol Biol Phys，2016，94(1)：172-180.