基于摆位CBCT透视图像的呼吸运动模型构建方法研究及其在肿瘤定位中的应用

For rotational radiotherapy of lung tumor, to localize tumor using single x-ray projection is a key but difficult technique for tumor-tracking treatment technique. Tumor localization method based on respiratory motion model is an effective method. Compared with existing methods, building the respiratory motion model using positioning CBCT projections acquired for patient positioning has clinical advantages as it could better describe the tissue motion during treatment without introducing extra imaging dose to the patient. Currently, however, there is no systematic study of this method. In view of this, this project plans to study building the respiratory motion model using positioning CBCT projections and utilize it for tumor location during rotational radiotherapy. For the key problem of angle undersampling, we are going to study and compare two model-building methods. One is the method by regularized iterative 4DCBCT reconstruction; the other by deformable registration of the 3D planning CT to 2D x-ray projections. We also study the similarity metric between DRR and x-ray projection and parameter regression method to improve the accuracy and efficiency of the tumor location. Based on these studies, we will develop a tumor localization software to validate and analyze the studied methods. Besides tumor localization, the studied methods could also be used for treatment monitoring and dose verification in radiotherapy. Therefore, this project has important research significance and clinical application value.

肺部肿瘤旋转放射治疗中，基于单幅X光透视图像的肿瘤定位是肿瘤追踪治疗技术的关键和难点。基于呼吸运动模型的肿瘤定位是一种有效手段。与现有方法相比，利用摆位CBCT透视图像构建呼吸运动模型能够更好的描述治疗中组织的运动，且不额外增加患者的辐射剂量，具有较大的临床优势，但目前尚缺少系统性研究。为此，本项目拟研究基于摆位CBCT透视图像的呼吸运动建模方法，并用于旋转放射治疗中肿瘤的定位。针对透视图像角度采样不足这一关键问题，研究和比较基于4DCBCT约束迭代重建以及基于计划CT和二维透视图像形变配准的两种呼吸运动模型构建方法。通过探索DRR图像和X光透视图像的相似性测度以及呼吸运动模型参数回归估计方法，以提升肿瘤定位的精度和效率。并在此基础上搭建肿瘤定位软件平台进行方法的验证和分析。除肿瘤定位之外，项目的研究成果还可以用于放射治疗的治疗监控以及剂量验证等方面，具有重要的科学研究意义和临床应用价值。

肺部肿瘤旋转放射治疗中，基于单幅X光透视图像的肿瘤定位是肿瘤追踪治疗技术的关键和难点。基于呼吸运动模型的肿瘤定位是一种有效手段。利用摆位CBCT透视图像构建呼吸运动模型具有优势，但缺少系统性研究。为此，本项目研究和比较了两种基于摆位CBCT透视图像的呼吸运动模型构建方法，并在此基础上研究了一种基于卷积神经网络的肿瘤定位方法，突破了旋转放射治疗中基于单幅X光透视图像的肿瘤实时定位难题。主要研究内容及进展如下：.1. 提出了基于空间和时间平滑性约束的4D-CBCT迭代重建方法以及一种基于各向同性总变分约束下三维CT/二维透视图像形变配准的4D-CBCT重建方法，在研究带时空平滑性约束的组配准机制的基础上，实现了基于两种4D-CBCT重建方法的基于摆位CBCT透视图像的呼吸运动模型构建，并对两种方法进行了对比分析；.2. 在探索传统基于配准的肿瘤定位方法的基础上，创新性的提出了一种基于卷积神经网络的肿瘤实时定位方法。在研究和分析两种DRR与X光影像灰度差异修正方法的基础上，通过引入角度相关感兴趣区域掩模和角度依赖全连接网络，实现了旋转放射治疗下360°肿瘤实时定位（计算时间30毫秒左右）；.3. 针对以上研究对组织器官自动分割的需求，探索了结合预定位过程的全自动三维组织器官分割框架，提出的体部CT图像多器官全自动三维定位方法可在1秒钟之内实现十几个器官的准确定位；并在此基础上提出一种结合全卷积网络和条件随机场过程的多器官三维分割方法，提升了器官的三维分割精度。