一种用于医疗的肿瘤精确定位系统的制作方法

本发明涉及医疗技术领域，具体涉及一种用于医疗的肿瘤精确定位系统。

背景技术：

由于肿瘤大多位于身体内，因此，对于肿瘤精确定位仍然是难点所在。由于身体表面的皮肤容易移动，因此，仅仅通过皮肤表面进行定位是存在比较大的误差的。相关技术中，通常将外部器件固定在身体上进行定位，但这样会给病患带极大的痛苦。由于患者在拍CT图像进行肿瘤定位后，治疗系统通常依据该CT图像肿瘤的位置制定治疗计划，但通常在拍CT图像和正式上治疗床进行治疗有一段时间，重新上治疗床后，其身体位置都会有些变化，不可能与拍CT图像时位置完全一样，因此，存在比较大的定位误差。

技术实现要素：

针对上述问题，本发明提供一种用于医疗的肿瘤精确定位系统。

本发明的目的采用以下技术方案来实现：

提供了一种用于医疗的肿瘤精确定位系统，包括DDR肿瘤图像采集模块、DR肿瘤图像采集模块、图像配准模块、肿瘤定位模块；所述DDR肿瘤图像采集模块用于采集含有定位患者肿瘤的定位标记点的患者肿瘤区域的DDR图像；所述DR肿瘤图像采集模块用于采集患者肿瘤区域的DR图像；所述图像配准模块用于对所述DDR图像、DR图像进行图像配准，获取肿瘤定位参数；所述肿瘤定位模块用于根据所述肿瘤定位参数对肿瘤重新定位。

本发明的有益效果为：采用图像配准技术，实现了肿瘤的精确的定位。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1本发明的结构连接框图；

图2是本发明DR肿瘤图像采集模块的工作流程图。

附图标记：

DDR肿瘤图像采集模块1、DR肿瘤图像采集模块2、图像配准模块3、肿瘤定位模块4。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1，本实施例提供的用于医疗的肿瘤精确定位系统包括DDR肿瘤图像采集模块1、DR肿瘤图像采集模块2、图像配准模块3、肿瘤定位模块4；所述DDR肿瘤图像采集模块1用于采集含有定位患者肿瘤的定位标记点的患者肿瘤区域的DDR图像；所述DR肿瘤图像采集模块2用于采集患者肿瘤区域的DR图像；所述图像配准模块3用于对所述DDR图像、DR图像进行图像配准，获取肿瘤定位参数；所述肿瘤定位模块4用于根据所述肿瘤定位参数对肿瘤重新定位。

优选地，所述采集含有定位患者肿瘤的定位标记点的患者肿瘤区域的DDR图像，包括：采集患者的CT图像、根据患者的CT图像重建生成DDR图像。

优选地，所述采集患者肿瘤区域的DR图像，包括：从不同角度拍摄患者肿瘤区域，获取多张DR图像。

本发明上述实施例采用图像配准技术，实现了肿瘤的精确的定位。

优选地，参见图2，所述采集含有定位患者肿瘤的定位标记点的患者肿瘤区域的DDR图像，还包括：采用自定义的筛选函数从多张CT图像筛选出质量较好的CT图像，用于重建生成DDR图像：其中所述的自定义的筛选函数为：

Q＝{Q_i,Q_i>0，i＝1,…,m}

其中

式中，Q为筛选后的目标图像集，Z_i为多张图像中第i张图像的平均灰度值，m为采集的图像的数量，W_i为多张图像中第i张图像的边缘锐度，W为根据实际情况设定的边缘锐度阈值，当时，时，

本优选实施例，将筛选后的CT图像用于重建生成DDR图像，能够提高生成的DDR图像的质量度，为实现肿瘤精确的定位奠定基础。

优选地，对所述DDR图像、DR图像进行图像配准，包括：

(1)选取DDR图像作为参考图像S₀，DR图像作为待配准图像S，分别计算参考图像S₀和待配准图像S的熵图像的Arimoto熵V_S，定义Arimoto熵的计算公式为：

式中，V_S(x,y)表示图像S(x,y)的熵图像的Arimoto熵，U₁、U₂为设定的调节参数，且U₁>0,U₁≠1，c(i,j)为以像素点(x,y)为中心、尺寸为n×n的图像块，其中n为奇数，J[c(i,j)]表示图像块c(i,j)的灰度级，n_k是第k个灰度级出现的频数，A为图像块c(i,j)的总像素；

(2)基于微分同胚Demons算法，将图像的配准看作一个气体扩散过程，给定迭代的位移场的初始值Ψ₀，通过以下迭代公式更新位移场：

式中，G_δ为高斯滤波器，δ表示高斯滤波器核函数的均方差，*表示卷积操作，Ψ_k表示第k步迭代时的位移场，Ψ_k-1表示第k-1步迭代时的位移场，P_S表示待配准图像S的灰度值，表示参考图像的灰度值，表示参考图像的梯度；

(3)不断迭代更新位移场，若满足微分同胚Demons算法的目标函数的停止条件，跳出循环得到最终位移场Ψ，否则继续更新位移场，直至达到最大迭代次数；

(4)将最终位移场Ψ作为待配准图像间的最优变换，完成参考图像S₀和待配准图像的配准。

本优选实施例中，采用上述方式进行述DDR图像、DR图像配准，降低了图像间灰度差异对配准结果造成的影响，提高了图像配准的精度，从而有利于实现高精度的肿瘤定位。

优选地，为实现更优化的图像配准效果，对微分同胚Demons算法的目标函数进行优化，在目标函数中引入正则化项和梯度分布距离项，定义优化后的目标函数为：

定义目标函数的停止条件为：

式中，为引入的正则化项，B₁、B₂为权重因子，ξ(Ψ_k)为位移场Ψ_k的雅克比行列式，M表示参考图像与待配准图像之间重叠部分的像素个数，表示采用位移场Ψ_k对待配准图像的熵图像进行形变；为引入的梯度分布距离项，α为图像梯度中的样本点，表示待配准图像S的梯度分布，表示参考图像的梯度分布。

本优选实施例中，考虑了像素间的空间信息以及配准中的不光滑问题，对微分同胚Demons算法的目标函数进行优化，在目标函数中引入正则化项和梯度分布距离项，然后采用优化后的微分同胚Demons算法的目标函数求取最优解，相对于传统的微分同胚Demons算法，能够获得更高的配准精度，从而能够获得较高精度的肿瘤定位效果。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。