肺部4D CT图像的高精度非刚性配准算法研究

While 4D CT (Computed Tomography) provides a good basis for pulmonary motion estimation, but non-rigid registration for 4D CT lung images encounters the following challenges such as intensity inhomogeneous resulted from lung compression, large deformation of small texture features, local motion discontinuities of lungs caused by heart beat, and the requirements of real-time calculation, the research on high precision non-rigid registration algorithms for 4D CT lung images is proposed in the project. The whole research includes the following five parts: graph cuts-based active contour model for lung parenchyma local segmentation, lung airway tree segmentation and skeleton extraction, research on registration similarity algorithm based on local binary patterns for solving intensity inhomogeneous, in order to focus on the large offset of 4D CT lung images, and the local motion discontinuities of lungs, and ensure the invariance properties of the lung anatomy, research on non-rigid registration algorithms restricted in airway tree skeleton features based on Active Demons model and Markov random fields for 4D CT lung images respectively.. The research of the project is a key technology for Image-Guided Radiation Therapy (IGRT), which is helpful to pinpoint the location of the tumor targets, dose estimation, the evaluation of pulmonary ventilatory capacity and objective assessment of treatment effect. The research will be a very distinctive, challenging, innovative and interdisciplinary fundamental research subject.

虽然4D CT为肺部运动的估计提供很好的基础，但是4D CT图像的非刚性配准遇到如肺部压缩导致局部灰度的非均匀性、细小纹理特征的较大形变、心脏搏动导致肺运动的局部不连续性以及很难达到实时计算要求等诸多挑战，为此开展肺部4D CT图像的高精度非刚性配准算法研究。研究内容包括：基于图割理论的主动轮廓模型肺实质精细局部分割算法研究；肺气道树的分割及骨架提取算法研究；针对肺部图像强烈的局部灰度非均匀性，开展基于局部二值模式的配准相似度算法研究；在肺气道树骨架特征约束下，针对肺部图像偏移量较大和肺部运动局部不连续性的问题以及保证肺部解剖结构的不变性，分别开展基于Active Demons模型和基于马尔可夫随机场的肺部4D CT图像的非刚性配准算法研究。本研究是图像引导放射治疗的关键技术，有助于精确定位肿瘤靶区位置、剂量估计、肺通气能力评价及治疗效果评估，是一项极具挑战性多学科交叉的应用基础研究课题。

在本项目研究中，针对肺部4D CT图像的灰度非均匀变化、数据量较大以及肺部局部运动不连续等特点，依据“分割-配准”理论提出了一系列用于肺部4D CT图像配准的创新性方法，有效地解决了在受呼吸运动以及心脏搏动影响下的肺部4D CT图像的高精度非刚性配准问题。.针对不同的具体问题，提出了如下解决方法：① 提出了一种基于局部Kullback-Leibler距离和图割的主动轮廓（KLD-GCBAC）模型，以及一种基于类球体区域限制波面传播法的肺气道树分割模型；② 针对肺部4D CT图像具有大形变的特点，提出了一种基于L2规范正则化的B样条非刚性配准算法；③ 通过研究马尔可夫随机场模型，提出了一种基于高阶幂乘法的肺部4D CT图像配准方法；④ 针对基于连续优化传统图像配准算法在对形变较大肺部4D CT图像序列进行配准中容易陷入局部最优解从而导致严重错误配准的问题，提出了一种基于高阶马尔可夫的肺部4D CT图像配准方法；⑤ 依据上述肺部4D CT配准方法，提出了一种基于卡尔曼滤波与4D CT图像配准的肺部呼吸运动估计方法；⑥ 提出一种基于4D CT图像配准与超像素的肺通气量成像方法；⑦ 构建基于深度学习的肺结节良恶性多种病理类型的分类模型。.该研究项目不仅在理论研究上取得了诸多标志性研究成果，而且所提出的方法在实际应用中具有较好的应用效果。提出的系列方法可以将配准误差控制在1毫米以内，最终实现了对肺部4D CT图像的高精度非刚性配准。本研究项目是一项极具挑战性的多学科交叉的应用基础研究工作。不仅可以精确定位肿瘤靶区位置，帮助医生制定个性化的放疗计划，提高图像引导放疗效果，而且有助于肺通气能力及治疗效果评估。为提高肺部运动估计精度及图像引导放疗效果奠定了坚实的理论基础。