多尺度分析技术在图像引导肿瘤精确放疗中的研究及临床应用

The purpose of the project is to embed the multi-scale theory into the deformable registration and texture analysis algorithms in distinct medical images, and investigate the clinical applications in tumor precision radiotherapy and image guided radiotherapy. Currently deformable registration is an essential technique to perform the image guided adaptive radiotherapy. However, similarity measure based on the utilization of mutual information results in the tremendous increasing computational time and disregards the importance of spatial information. We propose the novel multi-scale framework based on edge preserving scale space to achieve the accurate and efficient registration of planning CT and daily CBCT. The proposed framework can improve registration speed without depressing the accuracy, and secure the effective guidance for radiotherapy positioning and adaptive radiotherapy. Furthermore, to track changes of tumors in the radiotherapy process, dual tree complex wavelet transform which has the advantage of multi-scale and multi-directional properties, is used to express the global and local deformation of the 4D-CBCT images during radiotherapy. In our framework, the energy function is formulated to estimate the wavelet coefficients by using Naiver partial differential equations. In addition, to assist clinician to develop more reasonable radiation treatment planning, tumor texture features of PET images are extracted and analyzed using multi-scale strategy, and then tumor heterogeneity is quantified for clinical application. The proposed research plannings are of great importance for both theoretical research on medical image processing algorithms and the precise radiotherapy applications on clinical oncology.

本项目的研究目的是结合多尺度理论来研究医学图像形变配准和纹理分析新技术，并在肿瘤精确放疗中进行临床应用。形变配准技术是实现图像引导自适应放疗的关键,针对采用互信息作为相似性测度的形变配准算法计算量较大，且缺少空间位置信息等缺陷，本项目提出具有边缘保护性质的多尺度配准框架，以此实现计划CT与日常放疗CBCT图像配准，在保证精度的前提下达到减少计算量的目的，从而有效指导放疗摆位和自适应放疗。同时，为跟踪放疗过程中肿瘤的变化，本项目选取具有多尺度和多方向性质的双树复小波变换来分别表达放疗过程中4D-CBCT图像的全局和局部形变，并使用Naiver偏微分方程设计极小化能量函数实现小波系数的估计。另外，为帮助临床医生制定更为合理的放疗计划，采用多尺度技术提取PET图像中肿瘤内纹理特征，并量化肿瘤异质性程度。本项目所开展的研究，对于医学图像处理算法理论研究和临床肿瘤精确放疗应用均具有重要意义。

基于锥形束CT的图像引导放射治疗技术是在三维放疗技术的基础上加入了时间因数的概念，充分考虑了解剖组织在癌症放射治疗过程中的运动和分次放疗间的位移误差，如呼吸和蠕动运动、日常摆位误差、靶区收缩等引起放疗剂量分布的变化和对治疗计划影响等方面的情况，可以在患者治疗前、治疗中利用先进的影像设备对肿瘤靶区及危及器官进行实时监控，并能根据器官位置变化调整治疗条件使照射野紧紧“追随”靶区，使之能做到真正意义上的精确放疗。基于锥形束CT的图像引导放疗技术为肿瘤的精确治疗提供了可能，而这一技术是以医学图像的配准和分割算法为基础的，是实现图像引导精确放疗和自适应放疗的关键。本项目针对图像引导放疗技术在临床应用时存在的若干问题，包括当前形变配准算法复杂、耗时巨大、有些还需要进行手工标记、不能实现全自动处理等诸多问题，研究了图像引导放疗计划系统中的形变配准和肿瘤纹理分析新技术。本项目的研究目的是结合多尺度理论来研究医学图像形变配准和肿瘤纹理分析新技术，并在图像引导肿瘤精确放疗系统中进行临床应用。形变配准技术是实现图像引导自适应放疗的关键,针对采用互信息作为相似性测度的形变配准算法计算量较大，且缺少空间位置信息等缺陷，本项目研究了具有边缘保护性质的多尺度形变配准框架，实现了计划CT与日常放疗CBCT图像的形变配准，在保证精度的前提下达到了减少计算量的目的，从而有效指导了临床放疗摆位和自适应放疗。同时，本项目为跟踪放疗过程中肿瘤的变化，特别是受呼吸运动影响较大的胸腹部肿瘤变化，本项目选取了具有多尺度和多方向性质的双树复小波变换来分别表达放疗过程中4D-CBCT图像的全局和局部形变，并使用Naiver偏微分方程设计了极小化能量函数实现了多尺度小波系数的估计。此外，为帮助临床医生制定更为合理的放疗计划，本项目采用了多尺度分析技术提取了癌症患者PET图像中肿瘤的纹理特征，并与临床参数指标结合量化了肿瘤的异质性程度。项目执行期间发表SCI论文29篇，申请国家发明专利7项，授权2项，项目负责人以首位获得山东省高等学校自然科学一等奖。在本项目的资助下，1人晋升副教授，1人晋升博士生导师，1人获山东省自然科学杰出青年基金资助，指导和培养硕士研究生7人，与美国斯坦福大学，杜克大学，哥伦比亚大学，宾夕法尼亚大学和俄勒冈健康与科学大学进行了国际合作研究。