论文部分内容阅读
聚焦超声治疗是无创手术治疗肿瘤等疾病的前沿技术之一。治疗计划的规划,特别是治疗靶区的三维引导定位,直接决定着靶区的治疗效果及对周围正常组织的损伤程度。术前规划图像引导的目的在于利用医学影像设备所采集的图像进行治疗靶区的定位。目前常用的引导设备有B超和磁共振(MR):B超价格低、嵌入灵活、成像速度快,但图像质量差、靶区定位困难;MR能够实现多参数成像、图像质量高、对温度场变化敏感,但价格昂贵、与治疗换能器集成结构复杂。为了解决超声图像靶区定位的难题,本文采用多模态医学图像配准技术,利用患者术前采集的CT/MR图像与实时B超采集的超声图像序列共同进行引导定位。在没有集成MR设备的聚焦超声治疗机器上利用了CT/MR图像靶区定位精确的优点。整个图像引导过程主要包括图像采集、预处理、分割、治疗靶区重建、及多模态图像配准等几个方面。在术前预处理中,针对图像中微细线状结构的增强,提出一种窄条引导的侧抑制增强模型,在不损失原始图像信息及抑制噪声同步放大的同时,有效地增强了微细线状结构的可视化效果,方便了后续配准特征点的提取。针对扩散窄条模型的去噪处理,本文提出等间隔采样方向模板集进行计算,在显著降低计算量的同时,取得了不亚于原始扩散窄条模型的去噪效果,为后续分割提供了快速有效的去噪处理。在术前图像分割中,利用水平集方法与主动轮廓线模型,结合一定的初始化策略,实现了快速的靶区半自动、全自动分割。针对相邻靶区数目不一致的序列图像分割,提出基于Cartoon-Texture模型的自动跟踪与分割靶区的算法。算法允许相邻序列图像靶区数目不同及靶区在图像中位置不相邻,且能去除与靶区紧邻的部分组织,对靶区内部的小空洞不会产生过度分割。在靶区表面重建中,提出基于层间最短距离的自适应三维表面重建算法。算法实现简单,且能快速地从分割后的序列轮廓线中重建出靶区。将初步规划的聚焦焦点三维显示于靶区内,方便用户直观地进行治疗方案的调整与优化,增加术前规划的准确性。在多模态图像配准中,提出了三视图多模态医学图像配准与融合技术,极大方便了刚性配准中三维特征点对的提取以及非刚性配准参数的设置。利用配准所得到的映射关系,将靶区及聚焦焦点从CT/MR图像空间映射到超声图像空间上,一定程度上实现了超声图像上治疗靶区的精确定位。