基于卡尔曼滤波和4D CT图像配准的肺部呼吸运动估计方法技术

本发明专利技术属于医学图像处理领域，具体为一种基于卡尔曼滤波和4D CT图像配准的肺部呼吸运动估计方法，其包括以下步骤：(1)在肺部4D CT图像序列中，选取初始最大吸气相位作为参考相位并初始化参考相位的肺部运动状态；(2)将前一相位的最优运动状态估计作为基于高阶马尔可夫配准方法先验值，分别利用isoPTV和基于高阶马尔可夫随机场两种配准方法对当前相位图像与参考图像进行配准，并利用配准结果分别求取卡尔曼滤波算法的观测向量与预测向量；(3)根据观测向量与预测向量逆向求取的观测矩阵与预测矩阵获得当前相位最优运动状态。本发明专利技术能有效地避免依赖外部指标的间接测量方式对肺部带来的侵入性损伤，具有较高的估计精度与稳定性。

【技术实现步骤摘要】
基于卡尔曼滤波和4DCT图像配准的肺部呼吸运动估计方法
本专利技术属于图像处理领域，具体涉及一种基于卡尔曼滤波和4DCT图像配准的肺部呼吸运动估计方。
技术介绍
精准的肺部呼吸运动模型在临床诊断、制定治疗计划和图像引导放疗等方面有着巨大的应用潜力。目前，大多数肺部呼吸运动估计方法主要通过对肺部感兴趣区域植入标记物从而间接地测量肺部呼吸运动状态。在这种情况下，标记物的植入会对肺部带来侵入性损伤，并且测量的运动状态不适用于整个肺部区域。此外，一些方法会使用4DCT等成像技术对肺部呼吸运动进行建模，但在图像采集过程中，受人体呼吸运动以及心脏跳动的影响会造成图像伪影，无法实现实时的高精度肺部呼吸运动估计。
技术实现思路
针对上述肺部呼吸运动建模中存在的问题，本专利技术提出了一种基于卡尔曼滤波和4DCT图像配准的肺部呼吸运动估计方法。本专利技术的技术方案为：首先，在肺部4DCT图像序列中选取初始最大吸气相位作为参考相位并初始化参考相位的运动状态；然后，将前一相位估计的最优运动状态作为基于高阶马尔可夫配准方法先验值，分别利用isoPTV配准方法与基于高阶马尔可夫随机场(High-OrderMRFbasedImageRegistrationMethod,HOMRF)配准方法对当前相位图像与参考图像进行配准，并将配准结果分别作为卡尔曼滤波算法的观测向量与预测向量；随后，根据观测向量与预测向量反向求取卡尔曼滤波算法中的观测矩阵与预测矩阵；最后，利用卡尔曼滤波算法获得当前相位最优运动状态。本专利技术的有益效果在于：在对呼吸运动进行建模时无需对肺部植入标记物，能有效地避免依赖外部指标的间接测量方式对肺部带来的侵入性损伤；此外，将卡尔曼滤波算法与4DCT图像配准技术相结合，可以充分利用卡尔曼滤波算法的快速收敛特性以及4DCT图像配准方法具有较高配准精度的特点，从而实现实时的高精度肺部呼吸运动估计。附图说明图1是本专利技术方法的流程图。具体实施方式下面结合附图及具体实施例对本专利技术作进一步详细的说明。本专利技术实现基于卡尔曼滤波与4DCT图像配准的肺部呼吸运动估计方法主要包括以下步骤：步骤1：在肺部4DCT图像序列{It}t∈{0,1,...,T}中，选取初始最大吸气相位对应的图像作为参考图像IR∈{It}t∈{0,1,…,T}。与此同时，根据参考图像中每个像素点p的空间位置xp，将参考相位的肺部运动状态X0初始化为X0＝{xp}。据此，对于任意t∈{0,1,…,T}相位，肺部的呼吸运动状态可以表示为：Xt＝X0+Dt,0，其中，Dt,0表示参考图像IR与t相位对应的浮动图像IM∈{It}t∈{0,1,…,T}之间的最优位移场。步骤2：将t-1相位估计得到的最优位移场作为HOMRF配准算法的先验值，分别利用isoPTV和基于高阶马尔可夫两种配准方法对t相位对应的浮动图像IM与参考图像IR进行配准，并获得配准后的两种变形场分别为和据此，t相位时的观测向量Yt与预测向量可以分别表示为：步骤3：根据卡尔曼滤波算法，构建t相位下状态向量Xt的预测方程与观测方程分别为：Yt＝HtXt(2)其中Ft与Ht分别表示t相位时的状态转移矩阵与观测矩阵；步骤4：根据步骤3中构建的t相位下状态向量Xt的预测方程(1)与观测方程(2)以及步骤2中通过配准获得的观测向量Yt与预测向量可以逆向求出状态转移矩阵与观测矩阵Ft与Ht。据此卡尔曼滤波估计过程如下：其中Q与R分别表示卡尔曼滤波估计过程中的预测噪声与观测噪声，Σt-1表示t-1相位下状态向量Xt-1的协方差矩阵，Σt表示t相位下状态向量Xt的协方差矩阵，Kt为卡尔曼增益矩阵，其计算方式为为t相位肺部呼吸运动的最优估计值。为了评估本专利技术提出的基于卡尔曼滤波与4DCT图像配准的肺部呼吸估计方法有的有效性，采用目标配准误差(TargetRegistrationError,TRE)在POPI数据集上对本专利技术方法效果进行评价。其中，TRE定义为专家标记点坐标与经过变形场变换后估计点坐标之间的欧式距离。POPI数据集由一个呼吸周期中10个不同相位(T00-T90)的3D重建CT图像组成，其中每个相位对应的3DCT图像的分辨率为0.9mm×0.98mm×2mm，并且每个图像含有40个专家标记的特征点。在实验中我们选择最大吸气相位(T10)作为初始参考相位来跟中一个呼吸周期中不同相位下的肺部呼吸运动情况。表1列出了POPI数据集中采用不用方法在各个相位的TRE，从表1中可以看出，本专利技术提出的方法在9个相位中的平均TRE为0.86mm，在表1所列出的所有方法中是最优的。通过对表1中所有方法逐相位分析可以看出本专利技术提出的方法有7个相位是最优的，同时将本专利技术提出的方法与HOMRF配准方法(预测值0.96mm)和isoPTV方法(观测值0.86mm)相比，本专利技术提出的方法能更准确地估计肺部的呼吸运动状态。表1不同方法在POPI数据集中的平均TRE最后应说明的是，以上实施实例仅用以说明本专利技术的技术方案而非限制，尽管参照较佳的实施实例对本专利技术进行了详细的说明，但本专利技术的保护范围并不局限于此，任何熟悉本
的技术人员在本专利技术揭露的技术范围内，可轻易想到的修改或等同替换，而不脱离本专利技术技术方案的精神和范围，都应涵盖在本专利技术的保护范围之内。本文档来自技高网...

【技术保护点】
1.一种基于卡尔曼滤波和4D CT图像配准的肺部呼吸运动估计方法，其特征在于包括以下步骤：/n步骤1，在肺部4DCT图像序列{I

【技术特征摘要】
1.一种基于卡尔曼滤波和4DCT图像配准的肺部呼吸运动估计方法，其特征在于包括以下步骤：
步骤1，在肺部4DCT图像序列{It}t∈{0,1,...,T}中，选取初始最大吸气相位对应的图像作为参考图像IR∈{It}t∈{0,1,...,T}，并初始化参考相位的肺部运动状态；
步骤2，将前一相位t-1的最优运动状态估计作为基于高阶马尔可夫配准方法先验值，分别利用isoPTV和基于高阶马尔可夫随机场两种配准方法对t相位对应的浮动图像IM与参考图像IR进行配准，并利用配准结果分别求取卡尔曼滤波算法的观测向量Yt与预测向量
步骤3：根据观测向量Yt与预测向量Xt反向求取卡尔曼滤波算法中的观测矩阵Ft与预测矩阵Ht；
步骤4：利用卡尔曼滤波算法获得当前相位最优运动状态。


2.根据权利要求1所述的肺部呼吸运动估计方法，其特征在于所述步骤1中根据参考图像中每个像素点p的空间位置xp，将参考相位的肺部运动状态X0初始化为X0＝{xp}，据此，对于任意t∈{0,1,...,T}相位，肺部的呼吸运动状态可以表示为：Xt＝X0+Dt,0，其中，Dt,0表示参考图像IR与t相位对应的浮动图像I...

【专利技术属性】
技术研发人员：董恩清，薛鹏，曹海，傅宇，纪惠中，崔文韬，
申请(专利权)人：山东大学，山东知微智成电子科技有限公司，
类型：发明
国别省市：山东;37