《基於患者動態信息的序列胸片自適應分割方法的研究》是依託復旦大學，由史勇紅擔任項目負責人的面上項目。
基本介紹
- 中文名：基於患者動態信息的序列胸片自適應分割方法的研究
- 依託單位：復旦大學
- 項目類別：面上項目
- 項目負責人：史勇紅
項目摘要,結題摘要,
項目摘要
本項目旨在研究一種序列胸片上肺部區域的自適應可變形分割方法，用於提供各種隨著治療而變化的診斷測度。以往，人們在使用可變形模型分割肺部區域時，孤立地分割患者在某個時刻所獲得的圖像，沒有考慮患者在整個治療階段所有時刻的圖像信息變化，因此分割結果沒有真正地反映患者的病情進展。而本項目將使用患者在治療期間的所有動態圖像信息，提出一種面向患者的序列胸片自適應分割算法。為此我們將研究三個主要問題：① 研究多種特徵描述運算元，選擇具有區別能力的運算元表示肺部區域邊界上每一點的特徵，並指導每一點的匹配；② 研究患者形狀序列上每一點的縱向變形特徵，利用該信息劃分形狀模型，產生層次化的特定患者形狀統計模型，並自適應地約束模型變形；③ 研究有效力的多種形狀統計模型自適應約束可變形模型的結合方式。解決了這三個問題，我們將能魯棒而精確地分割胸片上的肺部區域，進而提供各種反映患者治療進展的測度，達到計算機輔助診斷的目的。
結題摘要
在基於患者動態信息的序列胸片自適應分割方法項目的支助下，本項目在計算機輔助診斷方面做了大量的研究，尤其從醫生治療的角度，考慮了患者在整個治療期間的不同時刻接受治療後的圖像信息，這客觀的反映了醫生對患者的治療效果。其次，這項研究也在圖像配準、圖像引導的放療、DTI張量圖像配準以及張量圖像追蹤纖維束在大腦膠質瘤的臨床診斷方面得到了豐富的結果。具體如下：（1）由於在圖像配準中常常涉及到從小量的稀疏對應點上插值產生變形場，從而進行非線性配準，本項目提出基於稀疏表示的變形場重建算法，這改進了傳統的變形模型，從而能夠更有效的產生精確的配準結果。該方法不僅精度高，而且耗時短。（2）在自適應放射性治療前列腺癌時，快速精確地配準病人的計畫圖像和治療圖像是非常重要的。我們在首先使用所開發的基於統計的可變形表面模型分割出前列腺之後，每一個治療圖像的前列腺邊界能夠快速得到，並且可以得到前列線邊界的對應點，那么從前列腺邊界上就可以插值產生前列腺所在區域的變形，這將能夠將計畫圖像上制定的治療計畫映射到治療圖像以便進行放療。我們提出一種學習前列腺邊界與非邊界區域變形的統計相關性方法，以便快速估計非邊界區域的變形。 （3） 為了同時配準多個圖像，我們提出基於局部多項式擴展的的多仿射非線性配準算法。我們是在二次多項式擴展的基礎上提出我們的方法的。局部仿射模型被使用這一推廣模式估計，並結合至可變形配準算法中。實驗證明從這一二次模式中所得的仿射參數計算比線性模型更準確，而且這一多仿射可變形配準方法可以處理複雜的非線性位移場，並具有較快的收斂率。（4）我們方法的一個套用就是在臨床手術中評估術前腫瘤尤其是膠質瘤的等級。通過回顧性地評估白質纖維密度，DTI圖像的各向異性，這將有助於在術前確定膠質瘤的等級，對開發臨床手術策略和改善病人治療都是有益的。（5）我們也將壓縮感測技術套用到胸片圖像處理，得到更準確的肺部區域分割結果。
