4D-CBCT优质重建新方法研究

摘要

随着当今社会肿瘤发病率的提高，人们越来越关注肿瘤防治领域的发展。放射治疗作为临床对抗肿瘤的主要手段之一，因其无创的优势而得到广泛应用。近年来，随着相关基础学科的发展，学者们将放疗技术与自动控制技术相结合，开发出了三维适形放射治疗(Three-Dimensional Conformal Radiation Therapy，3DCRT)、调强放射治疗(Intensity Modulated Radiation Therapy，IMRT)等技术。这类放疗技术旨在缩小靶区的同时在靶区内外形成较大梯度的剂量变化，所以对靶区的准确性要求较高，靶区位置的偏移将会导致正常组织吸收大量的辐射剂量，引发比传统放疗形式更加严重的副作用。图像引导放疗技术(Image-guided Radiotherapy，IGRT)将放疗设备与影像设备相结合，在放疗过程中进行实时成像，调整靶区对肿瘤进行动态覆盖。目前临床IGRT系统中普遍使用3D-CBCT(Three-Dimensional Cone beam CT)技术进行成像，扫描时间大约为1分钟。由于人体呼吸运动的存在，所采集的CBCT数据包含多个呼吸周期，通过这类包含多个呼吸周期的投影数据所重建出的图像是带有大量的运动伪影的“平均”图像，该现象在肺癌患者中显得尤为突出。为了解决上述问题，研究人员在3D-CBCT的基础上引入时间因素，提出了4D-CBCT(Four-DimensionalCone beam CT)的概念。4D-CBCT系统在获取投影数据后，首先根据病人的呼吸信号对投影数据进行相位拆分，随后对分组后的投影数据进行分别重建，形成三维动态序列图像。该技术不但可以消除呼吸运动引起的运动伪影，还可以提供肿瘤形态变化及位置变化等信息，为临床实时调整放疗方案提供依据。但目前4D-CBCT成像技术仍存在缺陷，在临床应用过程中，呼吸周期常被分为8～10个呼吸相位，CBCT旋转一周所采集到的投影数量普遍在180～700之间，经过相位拆分后会导致单一相位下的投影数较少。在这种情况下，使用传统算法所重建出的图像会存在大量伪影和噪声。本文以4D-CBCT成像技术为中心展开研究，目的是通过常规CBCT投影数据重建出高质量的4D-CBCT序列图像。归纳起来，本文的主要工作有：
　　1)提出了利用4D-CBCT图像中各相位图像间的冗余信息对每一特定相位下的投影数据进行重建的策略。首先通过配准的方法获取不同相位图像之间所有对应像素的运动矢量场。然后选定任一相位下图像作为参考图像，再将其分割为大小一致的小正方体，以运动矢量场为索引，估计正方体中心像素在序列图像中的运动轨迹。根据中心像素的运动轨迹提取对应的图像块构建四维矩阵。最后本文创新性的使用HOSVD(High Order Singular Value Decomposition)方法对该矩阵进行时空先验分析并构建基于运动追踪引导的时空稀疏(Motionguided Spatiotemporal Sparsity，MgSS)先验约束模型。
　　2)由于呼吸运动的存在有可能导致相邻两帧图像的相似度不足以构建时空稀疏先验，为此本文提出了基于运动补偿TV(Motion-Compensated TotalVariation，MC-TV)正则项的4D-CBCT迭代重建模型。利用帧间图像的形变矢量场对每帧图像进行运动补偿。随后对补偿后的图像序列进行三维空间TV处理及一维时间TV处理。在模型的构建上将运动补偿模块和TV模块同时写入同一个迭代模型中，并通过变量分离的方法对其进行优化求解。
　　在验证MgSS算法和MC-TV算法的鲁棒性时，本文采用仿真数据实验和病人真实数据实验进行双重验证。经试验证明，以上两种新方法在4D-CBCT图像重建问题上表现出明显优于传统算法的性能。两种方法都能够通过4D-CBCT投影数据重建出较高质量的4D-CBCT图像，可以从图像中较为准确完整的估计出肺部肿瘤的运动轨迹以及形态变化，为临床医生在放疗过程中实时调整放疗计划提供了基础。

目录

摘要

第一章 绪论

1．1 计算机断层成像(CT)技术简介及其发展现状

1．2 4D-CBCT成像技术背景与意义

1．3 4D-CBCT重建问题及研究现状

1．3．1 基于运动补偿(Motion Compensation，MC)的重建算法

1．3．2 基于呼吸相关(Respiratory Correlated，RC)的重建算法

1．4 论文提出的背景及论文结构安排

第二章 CBCT成像原理及重建算法简介

2．1 引言

2．2 CT成像原理

2．3 CBCT成像原理

2．4 解析重建方法

2．4．1 Radon变换

2．4．2 中心切片定理

2．4．3 FBP算法

2．4．4 FDK算法

2．5 迭代重建方法

2．5．1 代数迭代重建算法

2．5．2 统计迭代重建算法

第三章 基于追踪块的时空先验信息的4D-CBCT迭代重建

3．1 引言

3．2 重建模型与求解方法

3．2．1 呼吸信号的提取与相位拆分

3．2．2 运动矢量场的获取及运动块轨迹追踪

3．2．3 基于区域时空稀疏的先验约束项构建

3．2．4 重建模型

3．3 实验设置

3．3．1 数字体模仿真实验

3．3．2 真实体模仿真实验

3．3．3 病人真实数据实验

3．3．4 评价指标

3．4 实验结果与分析

3．4．1 高阶奇异值分解与传统奇异值分解结果对比

3．4．2 数字仿真实验结果

3．4．3 真实体模仿真实验

3．5 本章讨论与小结

第四章 基于运动补偿TV正则化的4D-CBCT迭代重建

4．1 引言

4．2 重建模型与求解方法

4．2．1 运动补偿信息引导的4D-CBCT成像

4．2．2 基于光流算法的运动补偿信息估计

4．2．3 运动补偿引导的Tv正则项设计

4．2．4 重建模型

4．3 实验设置

4．3．1 数字体模仿真实验

4．3．2 病人真实数据

4．3．3 评价指标

4．4 实验结果与分析

4．4．1 数字体模实验结果

4．4．2 病人数据实验结果

4．5 本章讨论与小结

第五章 总结与展望

5．1 工作总结

5．2 工作展望

参考文献

博士期间研究成果

致谢

声明