专利名称：一种自动识别特征点的医用影像跟踪装置的制作方法
技术领域：
本实用 新型涉及影像配准技术，具体涉及一种自动识别特征点的医用影像跟踪装置。
背景技术：
在当今的放射治疗中，呼吸等脏器运动影响了高剂量的适形放疗，如调强适形放 疗(intensity modulated radiation therapy,IMRT)等。一般是把一个三维的肿瘤影像作为静止的目标，对它实施高剂量的适形调强放 疗。然而对于胸腹部的肿瘤来说，由于呼吸运动的影响，肿瘤在放疗过程中会偏离射野。目 前常规的做法是把整个肿瘤靶区的范围扩大，使它包括肿瘤的全部运动范围，但这也导致 了照射本来不该照射的正常组织。因此最理想的解决方案是能够让放射源实时跟踪肿瘤的 运动，也就是能够对肿瘤实时定位。目前最先进的实时肿瘤跟踪方法是往人体植入X射线成像高清晰的金属颗粒或 者是可以电磁跟踪的标志点。在放疗过程中通过对这些标志点的实时成像一如X射线成 像一来达到实时肿瘤跟踪的目的。标志点植入技术在欧美已经日益广泛地应用于肺癌、 肝癌、胰腺癌、乳腺癌和前列腺癌等诸多病症的治疗。该技术虽然能够实时跟踪肿瘤，但是 这些标志点必须在放射治疗前约两周通过手术的方式植入人体，而且在放疗之后，标志点 将永久地保留在人体中，对患者造成新的创伤，给患者在放疗前后都造成新的痛苦和患病 的风险。
发明内容本实用新型实施例提供一种无创的实时肿瘤跟踪技术来取代标志点跟踪。它能够 充分提取影像自身的信息，直接利用影像本身进行肿瘤的实时跟踪。为达到上述目的，本实用新型的技术方案具体是这样实现的—种医用影像跟踪的装置，该装置包括梯度矩阵构建模块，特征点的自动识别模 块，方向直方图计算模块，特征点的自动匹配模块，控制点排序模块，影像配准和跟踪模块。 所述各模块顺序相连，即所述梯度矩阵构建模块与特征点的自动识别模块连接，所述特征 点的自动识别模块与方向直方图计算模块连接，所述方向直方图计算模块与特征点的自动 匹配模块连接，所述特征点的自动匹配模块与控制点排序模块连接，所述控制点排序模块 与影像配准和跟踪模块连接。所述梯度矩阵构建模块，对于影像中的每一个像素，计算该像素周围3X3个点 (包括自身)的梯度，从而构建该像素的2X9阶梯度矩阵；所述特征点的自动识别模块，对于影像中的每一个像素，计算该像素的梯度矩阵 与其转置的乘积，得到2X2阶的矩阵，并计算该矩阵的特征值。当两个特征值的绝对值大 小均大于等于给定阈值时，将该像素加入特征点列；当两个特征值的绝对值大小至少有一 个小于给定阈值时，该像素不被加入特征点列。[0010] 所述方向直方图计算模块，对于影像中的每一个特征点，计算该特征点周围8X8 个点的梯度和梯度方向。将这8X8个点以特征点为圆心，按照所在象限分为四组，将每一 组中的4X4个点的梯度方向分为八组，例如梯度方向在0°和45°之间的分在第一组，以 此类推。分别统计这64个点落入4X8个组中的点数，从而构成该特征点的方向直方图。 所述特征点的自动匹配模块，对于第一幅影像中的每一个特征点，在第二幅影像 中以该特征点坐标为中心，在其周围给定的阈值范围内搜索特征点。在搜索到的第二幅影 像的特征点中找出其方向直方图与第一幅影像中该特征点P1的方向直方图距离最短的两 个特征点P2和P' 2。该距离用两幅影像特征点的方向直方图所对应的32个组的差值的平 方和再开方进行计算。判断搜索到的第二幅影像的特征点个数是否大于给定阈值。如果是，则将在第二 幅影像中方向直方图与第一幅影像中该特征点P1的方向直方图距离最短的特征点P2确定 为P1的匹配点，并计算两个特征点间的相似度。该相似度的计算方法为计算第一幅影像中该特征点P1在第二幅影像中所对应的 次接近点P' 2与？1的方向直方图之间的距离，和P1在第二幅影像中所对应的匹配点P2与 P1的方向直方图之间的距离之比。同理可得出对于第二幅影像中的特征点，寻找其在第一幅影像中的匹配点的方 法。对于第一幅影像中的每一个特征点，如果该特征点P1与其在第二幅影像中的匹配 点P2所对应的其在第一幅影像中的匹配点一致，并且P1和P2在两幅影像中的相似度都 大于给定阈值，则认为P1和P2匹配成功，并称其为一个特征点对。所述控制点排序模块，将特征点对按照这两个点相似度的乘积大小进行排序。所述影像配准和跟踪模块，按照特征点对的顺序，分别计算每一特征点对与其前 面的特征点对的偏移矢量的两个分量的距离。如果两个分量的距离都小于给定阈值，则把 该特征点对归入前面那个特征点对所在分组，并对该组计数加一；否则新建分组，并对该组 计数加一。如果某一组的计数首先达到设定的阈值，则把该组的偏移矢量确定为两幅影像 间的偏移矢量。由上述的技术方案可见，本实用新型实施例的这种自动识别特征点的影像跟踪的 装置，自动地在待配准的两幅影像中搜索特征点并在影像间进行特征点的自动匹配。利用 匹配好的特征点对之间坐标的差值来决定肿瘤运动的大小和方向。相比传统的影像处理技术仅仅利用了影像的灰度信息，该技术的优势在于能够 考虑解剖结构的先验知识，充分提取影像本身的信息，包括连续性信息、形状、质地、纹理 等。该技术适用于各种放疗设备所配备的实时影像监控装置，例如加速器放疗中所用到的 在板成像系统(onboard imaging system，OBI)、电子射野影像装置(electronic portal imaging device，EPID)，以及赛博刀(CyberKnife)中所用的X射线立体成像等等。该技术对患者来说无创，对放射治疗设备来说不需要额外的硬件支持。可以用于 肿瘤的实时跟踪定位，并为呼吸门控技术以及四维放疗技术提供实时的运动监控信息。该 技术可以广泛应用于各种影像导引的放射治疗系统(image-guided radiation therapy, IGRT)。
附图为本实用新型实施例中自动识别特征点的医用影像跟踪装置的流程示意图。
具体实施方式
为使本实用新型的目的、技术方案及优点更加清楚明白，以下参照附图并举实施 例，对本实用新型进一步详细说明。本实用新型实施例提供一种自动识别特征点的医用影像跟踪的装置，通过特征 点的自动识别和匹配，进行影像的配准和跟踪，流程图如附图所示，该装置包括梯度矩阵 构建模块101，特征点的自动识别模块102，方向直方图计算模块103，特征点的自动匹配模 块104，特征点排序模块105，影像配准和跟踪模块106。所述梯度矩阵构建模块101，对于影像中的每一个像素，计算该像素周围3X3个 点(包括自身)的梯度，从而构建该像素的2X9阶梯度矩阵。该方法可以取，但不限于3X3 个像素。该方法同样适合于三维体素。所述特征点的自动识别模块102，对于影像中的每一个像素，计算该像素的梯度矩 阵与其转置的乘积，得到2X2阶的矩阵，并计算该矩阵的特征值。当两个特征值的绝对值 大小均大于等于给定阈值时，将该像素加入特征点列；当两个特征值的绝对值大小至少有 一个小于给定阈值时，该像素不被加入特征点列。所述方向直方图计算模块103，对于影像中的每一个特征点，计算该特征点周围 8X8个点的梯度和梯度方向。该计算不一定限定是8X8个点，只要是周围的若干点构成的 方阵均可以。将这8X8个点以特征点为圆心，按照所在象限分为四组，将每一组中的4X4个点 的梯度方向分为八组，例如梯度方向在0°和45°之间的分在第一组，以此类推。分别统计 这64个点落入4X8个组中的点数，从而构成该特征点的方向直方图。该计算不一定限定 是按照四个象限分成4X4个点一组，也可以分成16组，每组2X 2个点，或者类似的分块均 可。角度的分组也不一定是将360°分为八组，一组45°。比如分为十二组，一组30°也可 以。另外分组的起始值不一定从0°开始，也可以从-22. 5°开始，或者任何值均可。甚至 分组不一定是等间隔分组，只要能够无交叉、不遗漏即可。所述特征点的自动匹配模块104，对于第一幅影像中的每一个特征点，在第二幅 影像中以该特征点坐标为中心，在其周围给定的阈值范围内搜索特征点。这里搜索的范围 可以以第一幅影像中的该特征点的坐标为网心，以给定的阈值为半径的圆形区域内进行搜 索；也可以以第一幅影像中的该特征点的坐标为中心，以给定的阈值为边长的正方形区域 内进行搜索；或者是以其它可定义形状的区域进行搜索。在搜索到的第二幅影像的特征点中找出其方向直方图与第一幅影像中该特征点 P1W方向直方图距离最短的两个特征点P2和ρ' 2。该距离用两幅影像特征点的方向直方 图所对应的32个组的差值的平方和再开方进行计算，还可以按照其它标准来定义方向直 方图的距离。判断搜索到的第二幅影像的特征点个数是否大于给定阈值。如果是，则将在第二 幅影像中方向直方图与第一幅影像中该特征点P1的方向直方图距离最短的特征点P2确定 为仏的匹配点，并计算两个特征点间的相似度。该相似度的计算方法为计算第一幅影像中该特征点P1在第二幅影像中所对应的次接近点P' 2与P1的方向直方图之间的距离，和 P1在第二幅影像中所对应的匹配点P2与P1的方向直方图之间的距离之比。这里匹配点的 表示方法，可以是该匹配点的偏移矢量，也可以是该匹配点的对应编号，或者是其它标记。同理可得 出对于第二幅影像中的特征点，寻找其在第一幅影像中的匹配点的方 法。对于第一幅影像中的每一个特征点，如果该特征点P1与其在第二幅影像中的匹配 点P2所对应的其在第一幅影像中的匹配点Af—致，并且P1和P2在两幅影像中的相似度都 大于给定阈值，则认为P1和P2匹配成功，并称其为一个特征点对。相似度的判断是指给定一个阈值，判断两幅影像的对应匹配点的相似度是否均 大于该阈值。但对于具体的应用场合，不一定对两幅影像设定同样的阈值，可以根据两幅影 像的不同特点设定不同的阈值，比如MRI和CT之间影像的配准和跟踪等多模态影像之间的 配准问题。甚至可以只根据一幅影像的相似度大小来决定是否选为特征点对，以及以两幅 影像对应匹配点相似度的乘积超过某一阈值作为判断的标准均可。另外，相似度的判断还 可以以相似度取值的倒数作为标准，因为它代表特征点与其在另一幅影像上的匹配点的方 向直方图之间的相对距离。所述控制点排序模块105，将特征点对按照这两个点相似度的乘积大小进行排序。所述影像配准和跟踪模块106，按照特征点对的顺序，分别计算每特征点对与其前 面的特征点对的偏移矢量的两个分量的距离。如果两个分量的距离都小于给定阈值，则把 该特征点对归入前面那个特征点对所在分组，并对该组计数加一；否则新建分组，并对该组 计数加一。如果某一组的计数首先达到设定的阈值，则把该组的偏移矢量确定为两幅影像 间的偏移矢量。该实用新型不仅可以用于平移的偏移矢量的计算，还可以推广到旋转这一自由度 的偏移量计算。另外，该实用新型同样可以推广到三维的平移和旋转的六个自由度的偏移
量计算。因此，容易理解，以上所述仅为本实用新型的较佳实施例，并非用于限定本实用新 型的精神和保护范围，任何熟悉本领域的技术人员所做出的等同变化或替换，都应视为涵 盖在本实用新型的保护范围之内。
权利要求一种医用影像跟踪的装置，其特征在于，该装置包括梯度矩阵构建模块，特征点的自动识别模块，方向直方图计算模块，特征点的自动匹配模块，控制点排序模块，影像配准和跟踪模块，所述各模块顺序相连，即所述梯度矩阵构建模块与特征点的自动识别模块连接，所述特征点的自动识别模块与方向直方图计算模块连接，所述方向直方图计算模块与特征点的自动匹配模块连接，所述特征点的自动匹配模块与控制点排序模块连接，所述控制点排序模块与影像配准和跟踪模块连接。
专利摘要本实用新型公开了一种自动识别特征点的医用影像跟踪装置，涉及影像配准技术，能够利用影像本身的信息进行肿瘤的实时跟踪，具体包括梯度矩阵构建模块，特征点的自动识别模块，方向直方图计算模块，特征点的自动匹配模块，特征点排序模块，影像配准和跟踪模块。它能够计算影像各像素的特征维度并确定特征点；计算特征点的方向直方图，并进行影像之间特征点的匹配；对匹配上的特征点对进行分组，得到影像间在各自由度上的偏移矢量。本实用新型的影像跟踪装置可以广泛应用于各种医疗系统。
文档编号A61B6/00GK201719372SQ20092016048
公开日2011年1月26日 申请日期2009年6月25日 优先权日2009年6月25日
发明者谢耀钦 申请人:谢耀钦