放療影像配準模型研發(fā)獲得進展

發(fā)布日期：2022-12-09 作者：康為點擊：

放射治療是利用射線靶向消滅腫瘤細胞的技術，是癌癥治療的重要技術手段。為了最大限度地照射腫瘤病灶并保護周圍的組織和器官，多模態(tài)圖像[計算機斷層掃描(ct)、磁共振(MRI)、超聲(us)和錐束CT(CBCT)]引導的放射治療技術引起了極大的關注。其中，錐束CT(CBCT)圖像具有骨組織對比度高、空間分辨率高等優(yōu)點。與其他影像引導技術相比，CBCT影像引導放射治療是目前應用最廣泛的影像引導技術。放射治療醫(yī)生通過剛性或彈性地將定位CT圖像與在治療實施階段掃描的CBCT圖像配準，并通過設置和驗證不同治療之間的劑量，使得腫瘤的精確放射治療成為可能。

然而，由于CT和CBCT圖像之間灰度差異、結構信息不一致、CBCT圖像質量差等因素的干擾，研究快速準確的CT到CBCT圖像配準算法仍然是一個巨大的挑戰(zhàn)(圖1)。傳統(tǒng)的配準算法一般采用迭代優(yōu)化算法，運行時間長，實時性差。目前相關研究的前沿主要集中在利用深度學習理論研究快速準確的配準方法。然而，這些努力還沒有深入研究CBCT和CT圖像域之間的分布差異以及CBCT的噪聲偽影干擾。

針對上述問題，中國科學院蘇州生物技術研究所楊曉東研究組等。提出了一種基于邊界梯度引導和跨域特征融合的配準算法。算法的整體結構由兩個重要模塊組成(圖2):邊界引導注意模塊(EGAM)和跨域注意模塊(CDAM)，它們共同構成了一個跨域融合注冊網(wǎng)絡。該網(wǎng)絡使用兩個具有相同結構的卷積流以非耦合的方式提取ct和CBCT的獨特圖像特征。此外，邊界引導注意模塊充分挖掘梯度圖像的邊界信息，引導配準網(wǎng)絡對CT和CBCT中相關解剖結構的對應關系進行建模，抑制CBCT中的噪聲偽影；跨域注意模塊利用全局和局部信息引導來自兩個圖像域的特征映射到一個公共空間，從而緩解圖像域之間的分布差異。

該算法在真實的臨床CT-CBCT數(shù)據(jù)集上進行了測試，與其他先進的配準方法相比，取得了最佳的性能。與傳統(tǒng)的配準方法相比，該方法在TRE、DSC和MHD指標上取得了顯著的提高。TRE誤差從4.00mm下降到2.27mm，DSC指數(shù)從74.02%上升到80.01%，MHD距離從1.62mm下降到1.50 mm，在相同的硬件條件下，該方法的運行速度提高了近10倍。此外，該算法在公開的肺4D-CT數(shù)據(jù)集(Dir-Lab)上取得了具有競爭力的配準性能，顯示了該方法在單模圖像配準中的潛力。未來，團隊將對圖像引導放療中多模態(tài)圖像配準的痛點進行更深入的研究，幫助提高臨床放療的精度和療效。

相關研究成果發(fā)表在《生物醫(yī)學中的計算機方法和程序》(computer methods and programs in biomedicine)上，標題為CDF regnet:一種用于CT到CBCT圖像配準的跨域融合配準網(wǎng)絡。該研究得到了山東省自然科學基金、蘇州市科技局、江蘇省衛(wèi)生委員會、常州醫(yī)學物理重點實驗室等項目的支持。