延髓星形细胞瘤多模影像配融改进算法临床研究

吴泽志 胡孝朋

摘 要：延髓星形細胞瘤影像配准融合，是精准诊疗的关键技术之一.虽然传统的变形配准融合的方法，能反映病灶解剖结构在放射治疗中发生的局部形变，但对于低对比度延髓星形细胞瘤影像，处理的速度和精度难以达到临床要求.目的：实现延髓星形细胞瘤多模影像配准融合，满足在临床治疗中勾画、摆位及实施的应用需求.方法：在传统搜索算法的基础上，采用了改进算法，实现了延髓星形细胞瘤多模态影像的配准融合.结果：延髓星形细胞瘤配准融合的精度和速度都达到了临床应用的要求.结论：探索了建立延髓星形细胞瘤影像，多模态配准融合适合临床诊疗的改进算法.

关键词：延髓;细胞瘤;多模影像;配准融合;改进算法

中图分类号：TP39  文献标识码：A  文章编号：1673-260X（2019）10-0075-03

星形细胞瘤有很高的发生率，是脊髓内常见肿瘤.可在中枢神经系统的任何部位发生，最多见于颈髓，其次为胸段延髓、腰骶段延髓.可发生在任何年龄，且男性多于女性，出现对侧肢体运动及感觉障碍.

脊髓星形细胞瘤一般难以采用手术治疗，多采取立体定向放射治疗和/或化疗，而多模影像配准，可以为靶区勾画和精确摆位提供重要依据，是精确诊疗的关键技术之一.虽然变形配准方法，能反映在放疗过程中发生局部形变的解剖结构，但对于低对比度延髓星形细胞瘤影像，处理的速度和精度都难以达到临床要求.

本课题采用改进算法，实现延髓星形细胞瘤多模态影像的配准融合，满足在临床治疗中勾画、摆位及实施的应用需求，探索建立延髓星形细胞瘤影像，多模态配准融合适合临床诊疗的改进算法.

1 延髓星形细胞瘤多模实验影像

延髓星形细胞瘤CT（电子计算机断层扫描）影像通常为一密度不均匀的肿块，病变的边界不清楚，肿瘤周围常无明显水肿.本组延髓星形细胞瘤病例中有大约40%的肿瘤不强化.在肿瘤强化的病例中，其强化的模式多种多样，可以是局灶性、结节性、环形、或均匀强化.

延髓星形细胞瘤MRI（磁共振成像）影像呈浸润性生长，与周围组织界限不清.本组延髓星形细胞瘤病例在MRI影像上，病灶段延髓均有不同程度的增粗，肿瘤边界常显示不清.肿瘤内因有坏死和囊变等导致肿瘤信号多不均匀.

总之，对于延髓星形细胞瘤，MRI增强扫描后呈不均匀轻度强化.延髓星形细胞瘤常呈散在斑片状强化，边界多不清楚.单发的延髓血管细胞瘤，分为大囊小结节型和实质性肿块型，增强扫描后实质性肿块均呈非常明显强化，在肿瘤背侧多可见纡曲的血管流空影.延髓星形细胞瘤还需与其他一些髓内肿瘤（如转移瘤）及非肿瘤性病变鉴别.

2 多模影像配准改进算法的原理及结构

2.1 配准搜索的改进算法

基于互信息的配准融合，没有一个具体的函数表达式，表达输入参数，水平位移、垂直位移、旋转角度等，搜索算法不需计算目标函数的梯度，通过对目标函数提出一套计算方案，经过若干次搜索后，即可得到极值点.在算法中，为了保持线性无关，延髓星形细胞瘤配准改进算法如下：

2.2 改进算法配准融合的实现流程

3 配准实验与结果

3.1 实验过程

延髓星形细胞瘤多模影像配准融合改进算法，是在Matlab2016a环境实现的，采集同一人CT和MRI样本368个病例，首先输入参考和浮动图像，提取数据并实例化，之后设置滤波参数低通滤波处理，接着按照给定的初始点和方向搜索，计算互信息值，利用改进算法依据最大互信息理论，判断所得参数是否最优，若不是，则继续搜索较优参数，直至搜索到满意的精度要求的参数，最后输出配准参数.

3.2 实验结果

应用以上改进算法对同一人多模图像进行配准，CT和MR图像改进算法实现配准结果如图2所示.

从图2可以看到CT和MR间的多模医学图像配准结果的正确性，实验结果表明，其配准运行速度为2.592秒，精度分别为0.1963，达到了亚像素节的配准精度.

从表1可以得知，利用传统的搜索算法配准结果的平移为9.39mm，旋转度为20.62，耗时为11.66s，其误差参数平移为0.07mm，旋转度为1.62.而采用改进算法后，其误差平移只有0.02mm，旋转度为0.08，耗时为2.59s.所以，延髓星形细胞瘤多模配准融合改进算法的精度和速度，满足了在临床治疗中勾画、摆位及实施的应用需求.

4 结论

延髓星形细胞瘤多模影像配准融合改进算法，对于低对比度延髓星形细胞瘤影像，处理的速度和精度都能达到了临床诊疗的指标，改进算法配准的依据，是基于图像灰度信息的统计特性，避免了分割和特征提取的精度损失，提高了多模配准精度，增强了配准的鲁棒性，在对同一人CT和MRI样本368个病例实验中具有普遍性，满足了在临床治疗中勾画、摆位及实施的应用需求，配准融合搜索的改进算法，实践中具有较强的临床应用价值.

参考文献：

〔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.医学影像处理与分析开发包MITK的设计与实现[J].软件学报，2005（04）：485-49.

〔12〕刘芳，曹瑞芬，裴曦，等.Dicom-RT解析及在精确放射治疗计划系统中的应用[J].中国医学物理学杂志，2012（02）：3263-3266.

〔13〕吴宜灿，李国丽，陶声祥，等.精确放射治疗系统ARTS的研究与发展[J].中国医学物理学杂志，2005（06）：683-690+702.

〔14〕李佳，龙鹏程，罗月童，等.精确放射治疗计划系统中快速三维重建方法的研究与应用[J].核技术，2010（01）：69-74.

〔15〕黄善清，龙鹏程，李佳，等.基于itk与vtk的配准融合方法的研究与应用[J].计算机应用，2010（S1）：140-142.

〔16〕罗述谦，周果宏.医学影像处理与分析[M].北京：科学出版社，2010.

〔17〕王江涛，韩萍，陈艳.CT与MRI影像融合对于颅底肿瘤的应用价值研究.中国医学影像技术国际论坛暨《中国医学影像技术》编委换届会.中国北京，2010.

〔18〕何晖光，田捷，杨骅，等.三维医学影像诊断工作站—3D MED[J].中国体视学与影像分析，2001（02）：73-77.

〔19〕兰蓉，贾世英.基于纹理与颜色特征融合的刑侦图像检索算法[J].西安邮电大学学报，2016（02）：57-62.

〔20〕刘颖，黄源，高梓铭.刑侦图像检索中的特征提取及相似性度量[J].西安邮电大学学报，2014（06）：11-16.