论文部分内容阅读
螺旋断层放疗(Helical TomoTherapy)系统是世界上最先进的癌症放射治疗设备,它把剂量引导放疗(Dose Guided Radiation Therapy,DGRT)、影像引导放疗(Image Guided Radiation Therapy,IGRT)和调强放射治疗(Intensity Modulated Radiation Therapy,IMRT)整合在一起。兆伏级CT(Megavoltage CT,MVCT)图像通过TomoTherapy系统的3.5MV射线源出射的扇形束与对侧的CT探测器阵列采集并重建完成。MVCT图像在成像过程中发生了康普顿效应,对原子序数依赖减少,软组织对比度和密度分辨率较差,掺杂噪声,给IGRT和自适应放疗(Adaptive Radiation Therapy,ART)带来困难。在本文中把MVCT图像看作是低质量的CT图像(Low Quality CT,LQCT),目前图像不清楚,只能用于患者的体位校正,而图像的配准、组织和器官的勾画受到限制。本文以MVCT图像处理技术在螺旋断层影像引导放疗中的研究及应用为主线,将一种传统CT图像的去噪增强方法引进到了MVCT图像,在此基础上提出了一种基于三维块匹配和鉴别性特征表示算法,并将这两种算法与并行加速算法结合起来,实现算法的加速处理。最后在提出的算法基础上设计开发了MVCT图像去噪增强系统。针对MVCT图像不清楚的现状,本文应用一种有效的后处理方法—鉴别性特征表示(Discriminative Feature Representation,DFR)算法对MVCT图像进行去噪和增强处理。MVCT图像看作是高质量CT图像和噪声图像的叠加,使用DFR算法在鉴别性字典中分别进行高质量原子和噪声原子的选择,使用这些原子实现MVCT图像的稀疏表示,最后分离出高质量的原子,使用这些原子重建出高质量的MVCT图像,调整去噪后的MVCT图像的窗宽窗位实现图像的增强。实验结果表明DFR算法在MVCT图像应用中达到了较好的去噪增强效果(图像处理前后的平均CNR:5.6456 vs.4.5225)。本文提出了基于三维块匹配和鉴别性特征表示(Block Matching 3D and Discriminative Feature Representation,BM3D+DFR)算法。算法首先使用三维块匹配算法实现原始MVCT图像的分块,在搜索窗内选定图像块作为参考块,选择与参考块相似的图像块作为匹配块,将参考块与匹配块堆叠成三维图像块。然后使用DFR算法处理堆叠的三维图像块,进一步用三维收缩变换来衰减DFR算法中三维图像块的噪声。最后,图像块被返回到原来的位置用于重构MVCT图像,并通过调整窗宽窗位来实现图像的增强。实验结果表明,BM3D+DFR算法比单纯的DFR效果更好,实现了MVCT图像的去噪和增强(BM3D+DFR和DFR与BM3D方法的CNR:5.9569 vs.5.7575)。本文使用Matlab与OpenMP并行加速算法与上述的去噪增强算法相结合,实现MVCT图像的加速处理。通过使用Matlab并行和OpenMP中的并行操作来代替原有算法中的单线程的图像处理。实验结果表明,使用Matlab并行算法相比单线程的图像处理速度提升了2倍,使用OpenMP并行算法图像处理速度提升了5倍。本文结合所提出的算法设计实现了MVCT图像去噪增强系统。系统集成了本文所提出的图像去噪、增强和加速算法,直观展示了原始MVCT图像和处理后MVCT图像的对比效果和客观评价结果,同时系统还包括图像的勾画和放缩功能,达到了临床应用的要求。