吳澤志 胡孝朋

摘 要：延髓星形細胞瘤影像配準融合，是精準診療的關鍵技術之一.雖然傳統(tǒng)的變形配準融合的方法，能反映病灶解剖結構在放射治療中發(fā)生的局部形變，但對于低對比度延髓星形細胞瘤影像，處理的速度和精度難以達到臨床要求.目的：實現(xiàn)延髓星形細胞瘤多模影像配準融合，滿足在臨床治療中勾畫、擺位及實施的應用需求.方法：在傳統(tǒng)搜索算法的基礎上，采用了改進算法，實現(xiàn)了延髓星形細胞瘤多模態(tài)影像的配準融合.結果：延髓星形細胞瘤配準融合的精度和速度都達到了臨床應用的要求.結論：探索了建立延髓星形細胞瘤影像，多模態(tài)配準融合適合臨床診療的改進算法.

關鍵詞：延髓;細胞瘤;多模影像;配準融合;改進算法

中圖分類號：TP39? 文獻標識碼：A? 文章編號：1673-260X（2019）10-0075-03

星形細胞瘤有很高的發(fā)生率，是脊髓內(nèi)常見腫瘤.可在中樞神經(jīng)系統(tǒng)的任何部位發(fā)生，最多見于頸髓，其次為胸段延髓、腰骶段延髓.可發(fā)生在任何年齡，且男性多于女性，出現(xiàn)對側肢體運動及感覺障礙.

脊髓星形細胞瘤一般難以采用手術治療，多采取立體定向放射治療和/或化療，而多模影像配準，可以為靶區(qū)勾畫和精確擺位提供重要依據(jù)，是精確診療的關鍵技術之一.雖然變形配準方法，能反映在放療過程中發(fā)生局部形變的解剖結構，但對于低對比度延髓星形細胞瘤影像，處理的速度和精度都難以達到臨床要求.

本課題采用改進算法，實現(xiàn)延髓星形細胞瘤多模態(tài)影像的配準融合，滿足在臨床治療中勾畫、擺位及實施的應用需求，探索建立延髓星形細胞瘤影像，多模態(tài)配準融合適合臨床診療的改進算法.

1 延髓星形細胞瘤多模實驗影像

延髓星形細胞瘤CT（電子計算機斷層掃描）影像通常為一密度不均勻的腫塊，病變的邊界不清楚，腫瘤周圍常無明顯水腫.本組延髓星形細胞瘤病例中有大約40%的腫瘤不強化.在腫瘤強化的病例中，其強化的模式多種多樣，可以是局灶性、結節(jié)性、環(huán)形、或均勻強化.

延髓星形細胞瘤MRI（磁共振成像）影像呈浸潤性生長，與周圍組織界限不清.本組延髓星形細胞瘤病例在MRI影像上，病灶段延髓均有不同程度的增粗，腫瘤邊界常顯示不清.腫瘤內(nèi)因有壞死和囊變等導致腫瘤信號多不均勻.

總之，對于延髓星形細胞瘤，MRI增強掃描后呈不均勻輕度強化.延髓星形細胞瘤常呈散在斑片狀強化，邊界多不清楚.單發(fā)的延髓血管細胞瘤，分為大囊小結節(jié)型和實質性腫塊型，增強掃描后實質性腫塊均呈非常明顯強化，在腫瘤背側多可見紆曲的血管流空影.延髓星形細胞瘤還需與其他一些髓內(nèi)腫瘤（如轉移瘤）及非腫瘤性病變鑒別.

2 多模影像配準改進算法的原理及結構

2.1 配準搜索的改進算法

基于互信息的配準融合，沒有一個具體的函數(shù)表達式，表達輸入?yún)?shù)，水平位移、垂直位移、旋轉角度等，搜索算法不需計算目標函數(shù)的梯度，通過對目標函數(shù)提出一套計算方案，經(jīng)過若干次搜索后，即可得到極值點.在算法中，為了保持線性無關，延髓星形細胞瘤配準改進算法如下：

2.2 改進算法配準融合的實現(xiàn)流程

3 配準實驗與結果

3.1 實驗過程

延髓星形細胞瘤多模影像配準融合改進算法，是在Matlab2016a環(huán)境實現(xiàn)的，采集同一人CT和MRI樣本368個病例，首先輸入?yún)⒖己透訄D像，提取數(shù)據(jù)并實例化，之后設置濾波參數(shù)低通濾波處理，接著按照給定的初始點和方向搜索，計算互信息值，利用改進算法依據(jù)最大互信息理論，判斷所得參數(shù)是否最優(yōu)，若不是，則繼續(xù)搜索較優(yōu)參數(shù)，直至搜索到滿意的精度要求的參數(shù)，最后輸出配準參數(shù).

3.2 實驗結果

應用以上改進算法對同一人多模圖像進行配準，CT和MR圖像改進算法實現(xiàn)配準結果如圖2所示.

從圖2可以看到CT和MR間的多模醫(yī)學圖像配準結果的正確性，實驗結果表明，其配準運行速度為2.592秒，精度分別為0.1963，達到了亞像素節(jié)的配準精度.

從表1可以得知，利用傳統(tǒng)的搜索算法配準結果的平移為9.39mm，旋轉度為20.62，耗時為11.66s，其誤差參數(shù)平移為0.07mm，旋轉度為1.62.而采用改進算法后，其誤差平移只有0.02mm，旋轉度為0.08，耗時為2.59s.所以，延髓星形細胞瘤多模配準融合改進算法的精度和速度，滿足了在臨床治療中勾畫、擺位及實施的應用需求.

4 結論

延髓星形細胞瘤多模影像配準融合改進算法，對于低對比度延髓星形細胞瘤影像，處理的速度和精度都能達到了臨床診療的指標，改進算法配準的依據(jù)，是基于圖像灰度信息的統(tǒng)計特性，避免了分割和特征提取的精度損失，提高了多模配準精度，增強了配準的魯棒性，在對同一人CT和MRI樣本368個病例實驗中具有普遍性，滿足了在臨床治療中勾畫、擺位及實施的應用需求，配準融合搜索的改進算法，實踐中具有較強的臨床應用價值.

參考文獻：

〔1〕ZHANG LB， LI AX， Region-of-Interest Extraction Based on Saliency Analysis of Co-Occurrence Histogram in High Spatial Resolution Remote Sensing Images[J]， IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing， 2015，8（5）： 2111-2124.

〔2〕NA IS， LE H， KIM SH， et al.， Extraction of Salient Objects Based on Image Clustering and Saliency[J]， Pattern Analysis and Applications， 2015，18（3）： 667-675.

〔3〕TANAKA R， SANADA S， SAKUTA K， et al.， Improved Accuracy of Markerless Motion Tracking on Bone Suppression Images： Preliminary Study for Image-Guided Radiation Therapy （IGRT）[J]， Physics in Medicine and Biology， 2015，60（10）： N209-N218.

〔4〕HUANG TC， CHOU KT， YANG SN， et al.， Fractionated Changes in Prostate Cancer Radiotherapy Using Cone-Beam Computed Tomography[J]， Medical Dosimetry， 2015，40（3）： 222-225.

〔5〕LU W， WANG J，ZHANG HH， Computerized PET/CT Image Analysis in the Evaluation of Tumour Response to Therapy[J]， British Journal of Radiology， 2015，88（1048）：13.

〔6〕SETHI A， RUSU I， SURUCU M， et al.， Evaluation of Multi-Modality （CT/MRI/PET） Image Registration Accuracy in Radiotherapy Planning[J]， Medical Physics， 2012，39（6）： 3674-3675.

〔7〕LANGEN KM， JONES DTL， Organ Motion and Its Management[J]， International Journal of Radiation Oncology Biology Physics， 2001，50（1）： 265-278.

〔8〕ZHUANG L， YAN D， LIANG J， et al.， Evaluation of Image Guided Motion Management Methods in Lung Cancer Radiotherapy[J]， Medical Physics， 2014，41（3）：257-262.

〔9〕SEELEY EH， WILSON KJ， YANKEELOV TE， et al.， Co-Registration of Multi-Modality Imaging Allows for Comprehensive Analysis of Tumor-Induced Bone Disease[J]， Bone， 2014（61）：208-216.

〔10〕DJAN I， PETROVIC B， ERAK M， et al.， CT-MRI Image Registration and Fusion in Radiotherapy Target Volume Definition - Institutional Experience[J]， European Journal of Cancer， 2011，47：S192-S193.

〔11〕趙明昌，田捷，薛健，等.醫(yī)學影像處理與分析開發(fā)包MITK的設計與實現(xiàn)[J].軟件學報，2005（04）：485-49.

〔12〕劉芳，曹瑞芬，裴曦，等.Dicom-RT解析及在精確放射治療計劃系統(tǒng)中的應用[J].中國醫(yī)學物理學雜志，2012（02）：3263-3266.

〔13〕吳宜燦，李國麗，陶聲祥，等.精確放射治療系統(tǒng)ARTS的研究與發(fā)展[J].中國醫(yī)學物理學雜志，2005（06）：683-690+702.

〔14〕李佳，龍鵬程，羅月童，等.精確放射治療計劃系統(tǒng)中快速三維重建方法的研究與應用[J].核技術，2010（01）：69-74.

〔15〕黃善清，龍鵬程，李佳，等.基于itk與vtk的配準融合方法的研究與應用[J].計算機應用，2010（S1）：140-142.

〔16〕羅述謙，周果宏.醫(yī)學影像處理與分析[M].北京：科學出版社，2010.

〔17〕王江濤，韓萍，陳艷.CT與MRI影像融合對于顱底腫瘤的應用價值研究.中國醫(yī)學影像技術國際論壇暨《中國醫(yī)學影像技術》編委換屆會.中國北京，2010.

〔18〕何暉光，田捷，楊驊，等.三維醫(yī)學影像診斷工作站—3D MED[J].中國體視學與影像分析，2001（02）：73-77.

〔19〕蘭蓉，賈世英.基于紋理與顏色特征融合的刑偵圖像檢索算法[J].西安郵電大學學報，2016（02）：57-62.

〔20〕劉穎，黃源，高梓銘.刑偵圖像檢索中的特征提取及相似性度量[J].西安郵電大學學報，2014（06）：11-16.