专利名称：一种基于呼吸相位的胸部或腹部ct图像的回顾性分类方法
技术领域：
本发明涉及一种医学CT图像的处理方法，具体涉及根据呼吸相位对人体CT图像 进行分类的方法，该方法所得到的CT图像可用于制订肿瘤放射治疗计划。
背景技术：
计算机断层成像技术，即CT(CompUted Tomography)是肿瘤放射治疗必不可少的 工具和技术。4D-CT是一种评价肿瘤和器官运动的新技术，即在CT扫描的过程中，同步记 录代表病人呼吸运动的时间信息，所以在扫描结果中除三维空间信息外还包括了病人呼吸 运动的时间信息。它可以实现对运动肿瘤形状的动态观察，为研究肿瘤的运动提供了条件。 对比与3D-CT，4D-CT不仅可以减少器官的运动伪影而且可以体现肿瘤和正常器官的运动 信息，根据不同病人的呼吸运动的个体差异性进行个体化的放疗计划设计。该技术应用于 放疗定位、计划制定及实施中，从而进入图象引导的四维放射治疗时代。现代医学研究结果显示，影响肿瘤放射治疗时精确定位的众多因素中，呼吸运动 最为显著。因此，CT图像的回顾性分类是将所得的各床位的CT图像按一个呼吸周期的时相 进行归类。然而，要进行上述分类就需要在带PRM系统的计算机断层成像设备上进行。由于 带PRM系统的计算机断层成像设备具有一套获得两个荧光标记点的光学系统(PRM系统)， 因此我们且不说它的复杂性和设备造价高的不足，就肿瘤放射治疗时精确定位来说还存在 下述缺陷1、由于制订肿瘤放射治疗计划的CT扫描与计划的执行往往不是在同一张床上 进行，因此难免存在换床的误差；2、即使是在同一张床上进行，由于所述的光学系统中的具 有荧光标记点的塑料盒放在人体的不同位置也会影响实际放疗效果；3、CT扫描的过程是 将患者置于热塑固定体模内进行的，患者呼吸过程中的起伏运动受到所述体模的限制，使 得PRM系统不能准确地测出呼吸幅度，进而不能正常重建4D-CT。对于带PRM(Realtime Position Management，RPM)系统的计算机断层成像设备重 建 4D-CT 方法(如 Keall P J,Starkschall G, Shukla H, Forster K M, Ortiz V, Stevens C W, Vedam S S, George R, Guerrero T andMohan R 2004Acquiring 4D thoracic CT scans using a multislice helical method Phys. Med. Biol. 492053-67)，在 CT 扫描时，RPM 系 统与CT机相互通信，通过CT机的出射线信号实现CT扫描与跟踪信号的联动，获得每张CT 图像成像时两个荧光标记点的高度信号，这个信号作为呼吸特征信号并绘制出每个床位 的呼吸特征曲线，对呼吸特征曲线中两个波峰和中间的波谷分别设为0°，180°，360°相 位角度，其余相位通过线性插值获得相位角度实现4D CT回顾性分类。带PRM(Realtime Position Management,RPM)系统的计算机断层成像设备除了上述已经讨论的缺陷外，在该 方法中涉及的呼吸周期被认为是在扫描前测得的固定不变的，没有考虑扫描状态时呼吸频 率的变化的事实，无法挑选出扫描状态时周期变化差异最小的4D-CT分类，该方法实现的 回顾性分类也就不能精确反映扫描状态时呼吸周期的规律，其不准确性是显然的。此外，张书旭等提出了一种在多螺旋CT上重建4D-CT的方法(中国组织工程研究与临床康复，第14卷，第沈期，2010-06-25，作者张书旭等)，该方法如下所述分割出读 入的Cine模式扫描CT图像并进行目标组织的体积计算，然后根据目标组织随呼吸过程变 化，确定每一张图片在一个完整呼吸周期中的相位，最后将各床位的CT图像按相位归类。 由以上描述可见，上述方法没考虑呼吸频率的变化，即将所得到的各床位的图像按一个固 定周期的相位进行分类，因此难免出现某一图像的分类相位与实际相位不符。众所周知，受 自身因素和外部条件的影响，人的每一个呼吸周期是不等的，因此用不变的呼吸周期对每 一床位的图像进行呼吸相位分类，所造成的不准确性是可预见的。故，将采用上述方法所得 到的回顾分类的图像用于制订肿瘤放射治疗计划，同样存在不精确性。
发明内容
鉴于现有技术存在上述不足，本发明所要解决的技术问题是提高基于呼吸相位的 CT图像的回顾性分类的准确性。现代医学形态学研究结果表明，受呼吸运动影响的人体器官，虽然每一个呼吸周 期是不等的，但是其胸部扩张和收缩的变化曲线近似于正弦波，且每一个周期的变化曲线 基本相似。基于上述理论，本发明解决上述问题的技术方案如下所述一种基于呼吸相位的胸部或腹部CT图像的回顾性分类方法，该方法由以下步骤 组成(1)首先对需要进行CT扫描的对象进行呼吸周期的时长标定，以对象的平均呼吸 周期为预设呼吸周期，然后根据CT扫描器的转速，设定一个床位CT扫描器转动的转数，使 一个床位中探测器所得到的CT图片张数大于探测器在一个预设呼吸周期内获得的CT图片 张数，小于探测器在两个预设呼吸周期内获得的CT图片张数；( 启动CT扫描器对人体的胸部或腹部进行电影模式CT扫描，并将所获得的每一 张CT图片按人体进入扫描区的先后顺序给CT图像的每一图片赋予床位号和层位号，按扫 描成像的时间顺序给CT图像的每一图片赋予相位号；(3)将CT图像的每一图片进行阈值分割并获取人体体表轮廓曲线；(4)以通过人体轮廓曲线在垂直方向的最低点的水平线为基准，对每一图片自左 向右依次竖向逐点扫描，当图片的一列像素点的像素值全为零时记为零，当图片的一列由 上而下有一个像素点的像素值不为零时，便记下第一个像素值不为零的像素点的高度值； 然后将所记录的数据按自左向右的顺序排列，再以所得到的排列为行，按床位层位号的顺 序由上向下排列，得到每一个床位的轮廓矩阵；(5)将每一矩阵中所有元素的高度值累加求和，从一个床位中挑出所求和的最大 值所对应的一个相位的一组图片，然后以该组图片为起点将相位号大于该组图片相位号的 每一组图片按相位号由小到大排列，得到每一个床位内一个完整呼吸周期的图片阵列；(6)选择任一床位为基准床位，以其完整呼吸周期作为回顾性分类的呼吸周期构 建分类矩阵，该矩阵的构建方法是，自被选中的那床位起向上或向下依次以前一床位为基 准，逐列从本床位对应的半个完整呼吸周期内的图片阵列中挑出一列相邻层位间轮廓高度 的差分的距离和最小的一列图片并按相位号的顺序排，将所得到图片阵列按床的顺序上下 排列，分别得到一个与基准床位内一个完整呼吸周期的图片阵列的列数相等的矩阵；其中， 所述的相邻层位间轮廓高度的差分的距离和的计算方法如下所述
(6. 1)从所述的轮廓矩阵T中挑出每个床的一个完整呼吸周期轮廓矩阵，以所挑 出的每一个轮廓矩阵的每列为一个列向量，并对每一列向量中相邻两点进行拟合，建立所 挑出的每一个轮廓矩阵的每个列向量中相邻两点间的三次样条函数；(6.2)构建每个列向量中的光滑样条曲线的目标函数，然后对每一目标函数求导， 并令其为零，再结合自然边界条件求解出每个三次样条函数的多项式系数，得到每一拟合 点的拟合值，然后把每一拟合点的拟合值分别代入所对应的每个床的一个完整呼吸周期轮 廓矩阵，得到相应的拟合矩阵；(6. 3)累加相邻床位的两拟合矩阵间两相邻层位所有列的二阶前向差分的绝对 值，求出两床位间每两个相位相邻层位间轮廓高度差分的距离和；(7)以所构建的分类矩阵的每一行图片所对应的相位号为一行依次排列，然后删 除相位号完全相同的行，得到一个以相位号排列的阵列，再用该阵列的每一列所对应的相 位号分别减去第一列所对应的相位号，每一分类矩阵便得到一个第一列相位号为零的相位 矩阵；然后用基准床位所对应的那一行的相位号减去相位矩阵中其它床位的每一行的对应 相位号，再把所有差值的绝对值累加，所得和除以本相位矩阵的列数，比较所得商的大小， 选择所得商最小(商最小代表相位分类的周期变化差异程度最小，相位分类也就最能反映 扫描状态时呼吸周期的规律)的相位矩阵对应的分类矩阵为回顾性分类结果。本发明所述的方法根据CT扫描过程中CT扫描对象呼吸周期的实际变化，计算以 每个床位为基准床位获得的分类矩阵的周期变化差异程度，选择周期变化差异程度最小的 分类矩阵作为回顾性分类结果，因此所得到的分类矩阵结果最能代表对象在进行扫描时的 实际呼吸周期，准确性显著提高。此外，本发明所述的方法不是使用肺体积、空气量等高度 概括的呼吸特征信号，而是对两床位中两个相位轮廓矩阵的每一列轮廓曲线向量进行分析 处理，因此就能清楚地知道所得到的4D-CT图像中伪影的分布情况，为重新修订肿瘤放射 治疗计划提供必要的依据和信息。
图1为本发明所述回顾性分类的流程图。图2为进行分割并提取后的人体轮廓曲线图。图3为对人体轮廓曲线进行竖向逐点扫描示意图。图4为CT图片的相位与呼吸曲线的对应关系示意图，图中，A、B、C表示床位号，水 平箭头表示时间坐标，正弦波曲线表示呼吸曲线，垂直于的竖线表示CT扫描器旋转一周所 得到的一组图片(下述实施例中为8张)，图(a)、(b)和(c)上方的阿拉伯数字分别表示 本床位中该组图片所对应的相位号，图(a)、(b)和(c)下方的角度分别表示本床位中该组 图片所对应的相位角。图5为一个完整呼吸周期内CT图片的相位与呼吸曲线的对应关系示意图，图中， A、B、C表示床位号，水平箭头表示时间坐标，正弦波曲线表示呼吸曲线，垂直于的竖线表示 CT扫描器旋转一周所得到的一组图片(下述实施例中为8张)，图(a' )、(b')和(c') 上方的阿拉伯数字分别表示本床位中该组图片所对应的相位号，图(a' )、(b')和(c') 下方的角度分别表示本床位中该组图片所对应的相位角。
具体实施例方式本例的实施对象为一患肺癌的病人，所使用的CT扫描器为GE Iightspeed 16排 CT,该CT机每转一周的时长为0. 5秒，每一张图片的大小为512X512。如图1所示，所述患 肺癌的病人的CT图像的回顾性分类过程如下(1)首先让患者躺在CT床上，用呼吸机测出其平均呼吸周期为5秒，并以此为预设 呼吸周期，然后拟定扫描计划如下扫描3个床位，每床8个层位，每层的层厚为1. 5mm,每 一个预设呼吸周期CT扫描器转10圈，每床扫描器转16圈，采用电影模式扫描。(2)启动CT扫描器对人体的胸部进行电影模式CT扫描，并将所获得的每一张CT 图片，按人体进入扫描区的先后顺序给每一图片赋予床位号和层位号，按扫描成像的时间 顺序给每一图片赋予相位号；然后，以A、B和C表示三个床位的床位号，以每一层图片按时 序排列为行，并按人体进入扫描区的先后顺序由上向下排列为列，便得到以下三个图片矩 阵
权利要求
1. 一种基于呼吸相位的胸部或腹部CT图像的回顾性分类方法，该方法由以下步骤组成(1)首先对需要进行CT扫描的对象进行呼吸周期的时长标定，以对象的平均呼吸周期 为预设呼吸周期，然后根据CT扫描器的转速，设定一个床位CT扫描器转动的转数，使一个 床位中探测器所得到的CT图片张数大于探测器在一个预设呼吸周期内获得的CT图片张 数，小于探测器在两个预设呼吸周期内获得的CT图片张数；(2)启动CT扫描器对人体的胸部或腹部进行电影模式CT扫描，并将所获得的每一张 CT图片按人体进入扫描区的先后顺序给CT图像的每一图片赋予床位号和层位号，按扫描 成像的时间顺序给CT图像的每一图片赋予相位号；(3)将CT图像的每一图片进行阈值分割并获取人体体表轮廓曲线；(4)以通过人体轮廓曲线在垂直方向的最低点的水平线为基准，对每一图片自左向右 依次竖向逐点扫描，当图片的一列像素点的像素值全为零时记为零，当图片的一列由上而 下有一个像素点的像素值不为零时，便记下第一个像素值不为零的像素点的高度值；然后 将所记录的数据按自左向右的顺序排列，再以所得到的排列为行，按床位层位号的顺序由 上向下排列，得到每一个床位的轮廓矩阵；(5)将每一矩阵中所有元素的高度值累加求和，从一个床位中挑出所求和的最大值所 对应的一个相位的一组图片，然后以该组图片为起点将相位号大于该组图片相位号的每一 组图片按相位号由小到大排列，得到每一个床位内一个完整呼吸周期的图片阵列；(6)选择任一床位为基准床位，以其完整呼吸周期作为回顾性分类的呼吸周期构建分 类矩阵，该矩阵的构建方法是，自被选中的那床位起向上或向下依次以前一床位为基准，逐 列从本床位对应的半个完整呼吸周期内的图片阵列中挑出一列相邻层位间轮廓高度的差 分的距离和最小的一列图片并按相位号的顺序排列，将所得到图片阵列按床位号的顺序上 下排列，分别得到一个与基准床位内一个完整呼吸周期的图片阵列的列数相等的矩阵；其 中，所述的相邻层位间轮廓高度的差分的距离和的计算方法如下所述(6. 1)从所述的轮廓矩阵T中挑出每个床的一个完整呼吸周期轮廓矩阵，以所挑出的 每一个轮廓矩阵的每列为一个列向量，并对每一列向量中相邻两点进行拟合，建立所挑出 的每一个轮廓矩阵的每个列向量中相邻两点间的三次样条函数；(6. 2)构建每个列向量中的光滑样条曲线的目标函数，然后对每一目标函数求导，并令 其为零，再结合自然边界条件求解出每个三次样条函数的多项式系数，得到每一拟合点的 拟合值，然后把每一拟合点的拟合值分别代入所对应的每个床的一个完整呼吸周期轮廓矩 阵，得到相应的拟合矩阵；(6. 3)累加相邻床位的两拟合矩阵间两相邻层位所有列的二阶前向差分，求出两床位 间每两个相位相邻层位间轮廓高度差分的距离和；(7)以所构建的分类矩阵的每一行图片所对应的相位号为一行依次排列，然后删除相 位号完全相同的行，得到一个以相位号排列的阵列，再用该阵列的每一列所对应的相位号 分别减去第一列所对应的相位号，每一分类矩阵便得到一个第一列相位号为零的相位矩 阵；然后用基准床位所对应的那一行的相位号减去相位矩阵中其它床位的每一行的对应相 位号，再把所有差值的绝对值累加，所得和除以本相位矩阵的列数，比较所得商的大小，选 择所得商最小的相位矩阵对应的分类矩阵为回顾性分类结果。
全文摘要
本发明涉及一种基于呼吸相位的胸部或腹部CT图像的回顾性分类方法，该方法的步骤为测量预设呼吸周期，设置CT扫描的参数；进行电影模式CT扫描获得图像，并给每张图片赋予床位号、层位号和相位号；对每一图片进行阈值分割，获得人体体表轮廓；利用人体体表轮廓的像素点的高度值建立每个相位的轮廓矩阵；累加每个相位的轮廓矩阵中元素的高度值，在每个床位中挑出累加和最大值所对应的一组图片作为一个完整周期的图片阵列；以任一床位为基准床位，对两相位间轮廓矩阵的每一列向量进行三次样条曲线光滑拟合，再计算两相位相邻层位间轮廓高度差分的距离和，挑出距离和最小的图片序号构建分类矩阵；选择呼吸周期差异程度最小的分类矩阵作为回顾性分类结果。
文档编号A61B6/03GK102068271SQ201110042148
公开日2011年5月25日 申请日期2011年2月22日 优先权日2011年2月22日
发明者刘迎军, 卢文婷, 周凌宏, 徐圆, 甄鑫 申请人:南方医科大学