技術(shù)特征：

1.一種用于醫(yī)療的腫瘤精確定位系統(tǒng)，其特征是，包括DDR腫瘤圖像采集模塊、DR腫瘤圖像采集模塊、圖像配準模塊、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記點的患者腫瘤區(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；所述圖像配準模塊用于對所述DDR圖像、DR圖像進行圖像配準，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。

2.根據(jù)權(quán)利要求1所述的一種用于醫(yī)療的腫瘤精確定位系統(tǒng)，其特征是，所述采集含有定位患者腫瘤的定位標記點的患者腫瘤區(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。

3.根據(jù)權(quán)利要求2所述的一種用于醫(yī)療的腫瘤精確定位系統(tǒng)，其特征是，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。

4.根據(jù)權(quán)利要求3所述的一種用于醫(yī)療的腫瘤精確定位系統(tǒng)，其特征是，所述采集含有定位患者腫瘤的定位標記點的患者腫瘤區(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。

5.根據(jù)權(quán)利要求4所述的一種用于醫(yī)療的腫瘤精確定位系統(tǒng)，其特征是，所述的自定義的篩選函數(shù)為：

Q＝{Q_i,Q_i>0，i＝1,…,m}

其中

$Q_i=\frac{W_i-W}{{\mathrm{\Σ}}_i^m{W}_i}\×f(Z_i-\frac{1}{3}\underset{i}{\overset{m}{\Σ}}{Z}_i)$

式中，Q為篩選后的目標圖像集，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)實際情況設(shè)定的邊緣銳度閾值，當(dāng)時，時，

6.根據(jù)權(quán)利要求5所述的一種用于醫(yī)療的腫瘤精確定位系統(tǒng)，其特征是，對所述DDR圖像、DR圖像進行圖像配準，包括：

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

$V_{S(x,y)}=\frac{U_2+U_1}{U_1-1}(1-\sqrt[U_1]{\underset{k=1}{\overset{J\[c(i,j)\]}{\Σ}}{\left(\frac{n_k}{A}\right)}^{U_1}})$

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(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，將圖像的配準看作一個氣體擴散過程，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：

${\mathrm{\Ψ}}_k=G_{\mathrm{\δ}}*\[{\mathrm{\Ψ}}_{k-1}+(P_S-P_{S_0})\frac{{\▿}_{S_0}}{{\left({\▿}_{S_0}\right)}^2+{(P_S-P_{S_0})}^2}\]$

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步迭代時的位移場，Ψ_k-1表示第k-1步迭代時的位移場，P_S表示待配準圖像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，直至達到最大迭代次數(shù)；

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