本發(fā)明涉及醫(yī)療技術(shù)領(lǐng)域，具體涉及一種用于醫(yī)療的腫瘤精確定位系統(tǒng)。

背景技術(shù)：

由于腫瘤大多位于身體內(nèi)，因此，對于腫瘤精確定位仍然是難點(diǎn)所在。由于身體表面的皮膚容易移動，因此，僅僅通過皮膚表面進(jìn)行定位是存在比較大的誤差的。相關(guān)技術(shù)中，通常將外部器件固定在身體上進(jìn)行定位，但這樣會給病患帶極大的痛苦。由于患者在拍CT圖像進(jìn)行腫瘤定位后，治療系統(tǒng)通常依據(jù)該CT圖像腫瘤的位置制定治療計(jì)劃，但通常在拍CT圖像和正式上治療床進(jìn)行治療有一段時(shí)間，重新上治療床后，其身體位置都會有些變化，不可能與拍CT圖像時(shí)位置完全一樣，因此，存在比較大的定位誤差。

技術(shù)實(shí)現(xiàn)要素：

針對上述問題，本發(fā)明提供一種用于醫(yī)療的腫瘤精確定位系統(tǒng)。

本發(fā)明的目的采用以下技術(shù)方案來實(shí)現(xiàn)：

提供了一種用于醫(yī)療的腫瘤精確定位系統(tǒng)，包括DDR腫瘤圖像采集模塊、DR腫瘤圖像采集模塊、圖像配準(zhǔn)模塊、腫瘤定位模塊；所述DDR腫瘤圖像采集模塊用于采集含有定位患者腫瘤的定位標(biāo)記點(diǎn)的患者腫瘤區(qū)域的DDR圖像；所述DR腫瘤圖像采集模塊用于采集患者腫瘤區(qū)域的DR圖像；所述圖像配準(zhǔn)模塊用于對所述DDR圖像、DR圖像進(jìn)行圖像配準(zhǔn)，獲取腫瘤定位參數(shù)；所述腫瘤定位模塊用于根據(jù)所述腫瘤定位參數(shù)對腫瘤重新定位。

本發(fā)明的有益效果為：采用圖像配準(zhǔn)技術(shù)，實(shí)現(xiàn)了腫瘤的精確的定位。

附圖說明

利用附圖對本發(fā)明作進(jìn)一步說明，但附圖中的實(shí)施例不構(gòu)成對本發(fā)明的任何限制，對于本領(lǐng)域的普通技術(shù)人員，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)以下附圖獲得其它的附圖。

圖1本發(fā)明的結(jié)構(gòu)連接框圖；

圖2是本發(fā)明DR腫瘤圖像采集模塊的工作流程圖。

附圖標(biāo)記：

DDR腫瘤圖像采集模塊1、DR腫瘤圖像采集模塊2、圖像配準(zhǔn)模塊3、腫瘤定位模塊4。

具體實(shí)施方式

結(jié)合以下實(shí)施例對本發(fā)明作進(jìn)一步描述。

參見圖1，本實(shí)施例提供的用于醫(yī)療的腫瘤精確定位系統(tǒng)包括DDR腫瘤圖像采集模塊1、DR腫瘤圖像采集模塊2、圖像配準(zhǔn)模塊3、腫瘤定位模塊4；所述DDR腫瘤圖像采集模塊1用于采集含有定位患者腫瘤的定位標(biāo)記點(diǎn)的患者腫瘤區(qū)域的DDR圖像；所述DR腫瘤圖像采集模塊2用于采集患者腫瘤區(qū)域的DR圖像；所述圖像配準(zhǔn)模塊3用于對所述DDR圖像、DR圖像進(jìn)行圖像配準(zhǔn)，獲取腫瘤定位參數(shù)；所述腫瘤定位模塊4用于根據(jù)所述腫瘤定位參數(shù)對腫瘤重新定位。

優(yōu)選地，所述采集含有定位患者腫瘤的定位標(biāo)記點(diǎn)的患者腫瘤區(qū)域的DDR圖像，包括：采集患者的CT圖像、根據(jù)患者的CT圖像重建生成DDR圖像。

優(yōu)選地，所述采集患者腫瘤區(qū)域的DR圖像，包括：從不同角度拍攝患者腫瘤區(qū)域，獲取多張DR圖像。

本發(fā)明上述實(shí)施例采用圖像配準(zhǔn)技術(shù)，實(shí)現(xiàn)了腫瘤的精確的定位。

優(yōu)選地，參見圖2，所述采集含有定位患者腫瘤的定位標(biāo)記點(diǎn)的患者腫瘤區(qū)域的DDR圖像，還包括：采用自定義的篩選函數(shù)從多張CT圖像篩選出質(zhì)量較好的CT圖像，用于重建生成DDR圖像：其中所述的自定義的篩選函數(shù)為：

Q＝{Q_i,Q_i>0，i＝1,…,m}

其中

式中，Q為篩選后的目標(biāo)圖像集，Z_i為多張圖像中第i張圖像的平均灰度值，m為采集的圖像的數(shù)量，W_i為多張圖像中第i張圖像的邊緣銳度，W為根據(jù)實(shí)際情況設(shè)定的邊緣銳度閾值，當(dāng)時(shí)，時(shí)，

本優(yōu)選實(shí)施例，將篩選后的CT圖像用于重建生成DDR圖像，能夠提高生成的DDR圖像的質(zhì)量度，為實(shí)現(xiàn)腫瘤精確的定位奠定基礎(chǔ)。

優(yōu)選地，對所述DDR圖像、DR圖像進(jìn)行圖像配準(zhǔn)，包括：

(1)選取DDR圖像作為參考圖像S₀，DR圖像作為待配準(zhǔn)圖像S，分別計(jì)算參考圖像S₀和待配準(zhǔn)圖像S的熵圖像的Arimoto熵V_S，定義Arimoto熵的計(jì)算公式為：

式中，V_S(x,y)表示圖像S(x,y)的熵圖像的Arimoto熵，U₁、U₂為設(shè)定的調(diào)節(jié)參數(shù)，且U₁>0,U₁≠1，c(i,j)為以像素點(diǎn)(x,y)為中心、尺寸為n×n的圖像塊，其中n為奇數(shù)，J[c(i,j)]表示圖像塊c(i,j)的灰度級，n_k是第k個(gè)灰度級出現(xiàn)的頻數(shù)，A為圖像塊c(i,j)的總像素；

(2)基于微分同胚Demons算法，將圖像的配準(zhǔn)看作一個(gè)氣體擴(kuò)散過程，給定迭代的位移場的初始值Ψ₀，通過以下迭代公式更新位移場：

式中，G_δ為高斯濾波器，δ表示高斯濾波器核函數(shù)的均方差，*表示卷積操作，Ψ_k表示第k步迭代時(shí)的位移場，Ψ_k-1表示第k-1步迭代時(shí)的位移場，P_S表示待配準(zhǔn)圖像S的灰度值，表示參考圖像的灰度值，表示參考圖像的梯度；

(3)不斷迭代更新位移場，若滿足微分同胚Demons算法的目標(biāo)函數(shù)的停止條件，跳出循環(huán)得到最終位移場Ψ，否則繼續(xù)更新位移場，直至達(dá)到最大迭代次數(shù)；

(4)將最終位移場Ψ作為待配準(zhǔn)圖像間的最優(yōu)變換，完成參考圖像S₀和待配準(zhǔn)圖像的配準(zhǔn)。

本優(yōu)選實(shí)施例中，采用上述方式進(jìn)行述DDR圖像、DR圖像配準(zhǔn)，降低了圖像間灰度差異對配準(zhǔn)結(jié)果造成的影響，提高了圖像配準(zhǔn)的精度，從而有利于實(shí)現(xiàn)高精度的腫瘤定位。

優(yōu)選地，為實(shí)現(xiàn)更優(yōu)化的圖像配準(zhǔn)效果，對微分同胚Demons算法的目標(biāo)函數(shù)進(jìn)行優(yōu)化，在目標(biāo)函數(shù)中引入正則化項(xiàng)和梯度分布距離項(xiàng)，定義優(yōu)化后的目標(biāo)函數(shù)為：

定義目標(biāo)函數(shù)的停止條件為：

式中，為引入的正則化項(xiàng)，B₁、B₂為權(quán)重因子，ξ(Ψ_k)為位移場Ψ_k的雅克比行列式，M表示參考圖像與待配準(zhǔn)圖像之間重疊部分的像素個(gè)數(shù)，表示采用位移場Ψ_k對待配準(zhǔn)圖像的熵圖像進(jìn)行形變；為引入的梯度分布距離項(xiàng)，α為圖像梯度中的樣本點(diǎn)，表示待配準(zhǔn)圖像S的梯度分布，表示參考圖像的梯度分布。

本優(yōu)選實(shí)施例中，考慮了像素間的空間信息以及配準(zhǔn)中的不光滑問題，對微分同胚Demons算法的目標(biāo)函數(shù)進(jìn)行優(yōu)化，在目標(biāo)函數(shù)中引入正則化項(xiàng)和梯度分布距離項(xiàng)，然后采用優(yōu)化后的微分同胚Demons算法的目標(biāo)函數(shù)求取最優(yōu)解，相對于傳統(tǒng)的微分同胚Demons算法，能夠獲得更高的配準(zhǔn)精度，從而能夠獲得較高精度的腫瘤定位效果。

最后應(yīng)當(dāng)說明的是，以上實(shí)施例僅用以說明本發(fā)明的技術(shù)方案，而非對本發(fā)明保護(hù)范圍的限制，盡管參照較佳實(shí)施例對本發(fā)明作了詳細(xì)地說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，可以對本發(fā)明的技術(shù)方案進(jìn)行修改或者等同替換，而不脫離本發(fā)明技術(shù)方案的實(shí)質(zhì)和范圍。