自适应放疗中CT和信息缺失CBCT图像快速变形配准方法的研究

CT to Cone-beam CT (CBCT) deformable image registration (DIR) plays an important role in adaptive radiation therapy (ART) to establish a correspondence between voxels in the CT and the CBCT for purposes such as transferring the organ contours from the planning CT images to the daily CBCT images for re-planning and dose re-optimization. It is hence desirable to have an accurate and robust DIR algorithm to facilitate this step. Conventional DIR algorithms may not be able to handle the DIR problem between CT and CBCT mainly because of two reasons: intensity inconsistency between CT and CBCT images and CBCT truncation which is caused by limited FOV(field of view) scan. In our previous work, we have proposed and implemented a modified demons algorithm embedded with a simultaneous intensity correction step, called deformation with intensity simultaneously corrected (DISC). DISC is immune to the CBCT artifacts and intensity inconsistency and can successfully register CT and CBCT images with CBCT intensity corrected simultaneously. Based on DISC, this project proposes a fast GPU (graphic process unit) based DIR algorithm for CT and truncated CBCT image, which can utilize all the CBCT projection information and incorporate them into an iterative forward/backward projection scheme with the DISC algorithm, it will potentially solve the DIR problem between CT and truncated CBCT images. This research mainly includes: (1) establishing a hybrid construction and registration objective function; (2) implementation of the fast forward/backward projection based on GPU architecture; (3) registration accuracy evaluation using a deformation phantom and clinical patient data.

CT和CBCT图像变形配准是临床自适应放射治疗的一项关键技术，其精度直接关系到病人受照剂量的准确性。目前，CT-CBCT变形配准面临的两个主要问题是：CT和CBCT图像的CT值强度不一致以及CBCT使用小扫描野扫描引起的信息缺失，这两者均可能造成严重误配准。申请人的前期研究针对第一问题，建立了DISC模型，在校正CBCT图像CT值强度的同时可完成CT-CBCT变形配准。本项目在此基础上，提出了一种基于图形处理器GPU的CT与信息缺失CBCT图像快速变形配准新方法。研究内容：（1）构建及求解联合迭代重建与配准的能量函数，将CBCT全部投影图像信息以迭代前向投影与反投影的形式融入变形配准模型，同时完成CT与CBCT在投影域和图像域的匹配；（2）实现基于GPU的快速前向投影和反投影及其与DISC模型的融合；（3）模体及临床数据验证。本研究的开展对提高放射治疗计划重设计精度具有重要的临床应用价值。

图像变形配准技术是自适应放射治疗（ART）的一项最核心的技术，其精度直接影响后续的累积剂量的计算精度和计划重设计的精度，研究能应用于ART实际临床的变形配准方法需求迫切。本项目针对多个ART临床中的图像分割以及图像变形配准问题进行了探索和研究，主要研究内容包括：1）针对CBCT图像的信息缺失，提出一种快速、鲁棒的CT和信息缺失CBCT图像变形配准方法，通过构建联合迭代CBCT重建和变形配准的能量函数，并求解该能量函数，将CBCT全部投影图像信息以迭代前向投影与反投影的形式融入DISC模型，同时完成CT与信息缺失CBCT图像在投影域和图像域的匹配；2）针对非均一性的图像分割，提出了一种种子点自动生长的改进的随机游走图像分割算法（SPARSE）。该方法利用医生勾画的初始种子点中包含的目标与背景的灰度信息，对医生勾画的初始种子点进行自动生长，得到拓展后的种子点，并使用自动生长后的种子点执行RW算法，提高了图像分割精度，减少了RW算法对初始种子点的位置和数目的依赖，削弱了参数选择对分割结果的影响程度。3）针对高剂量率（HDR）近距离放疗CT图像和计划CT间配准信息的不对称问题，提出了一种联合图像分割和点配准的图像配准算法（SPEED）。该方法首先利用SPARSE方法将参考图像和浮动HDR CT图像中的施源器区域分割出来，并填充为空气腔。然后利用鲁棒的薄板样条点配准方法（TPS-RPM）对参考图像和浮动图像的空气腔轮廓点进行配准，利用B样条方法估计其近似变形场，并将其作为Demons变形配准算法的初始变形场，对整幅图像进行变形配准。SPEED算法解决了HDR CT图像配准中的信息不对称问题，在施源器区域的配准精度有显著提高。 4）针对膀胱表面的剂量累加问题，提出了一种基于局部拓扑结构保持的改进TPS-RPM的点配准算法(TPS-RPM-LTP)。该方法主要以TPS-RPM算法为基础，考虑到组织器官在变形过程中每个解剖点与其周围点的相对关系仍保持不变，在每次迭代过程时加入局部拓扑结构保持的约束；5）根据一套真实病人腹部CT图像上的器官轮廓线，制作完成了一个用于形变配准验证和散射校正的腹部体模。本研究的开展对减少肿瘤患者的额外成像受照剂量，提高放射治疗计划重设计精度和投照剂量精度具有重要的临床应用价值。