基于EPID的图像引导放疗中DR和DRR影像跨模态自动配准方法技术

本发明专利技术涉及图像引导放疗技术领域，尤其涉及基于EPID的图像引导放疗中DR和DRR影像跨模态自动配准方法，步骤包括：采集图像、构建深度学习模型、骨性边界分割、图像配准、EPID图像引导放疗临床应用；EPID获取正交的DR影像，计划CT重建出DRR影像，将每个患者的DRR影像和DR影像预处理，并作为图像组输入到深度学习模型中，自动分割两幅图像中的骨性边界，再利用传统的互信息方法通过配准边界轮廓来实现两幅图像的跨模态自动配准。本发明专利技术通过利用清晰的高质量DRR影像，基于深度学习实现影像信息跨模态的交互，改进了EPID获取的DR影像质量，预测可靠的骨性边界实现高鲁棒性的配准，提高图像引导放疗质量。

【技术实现步骤摘要】
基于EPID的图像引导放疗中DR和DRR影像跨模态自动配准方法
本专利技术涉及图像引导放疗
，尤其涉及基于EPID的图像引导放疗中DR和DRR影像跨模态自动配准方法。
技术介绍
放射治疗是当今治疗肿瘤的重要方法。在放疗中，精确摆位具有重要意义，能够保证放疗计划的有效实施，在降低周围器官剂量的同时最大化目标剂量，保护瘤周正常组织，提高放疗质量。因此，提高放射治疗中的摆位精度是十分必要的。图像引导放疗IGRT将放疗时的影像与放疗前的影像进行配准，以减少摆位误差，这是放射治疗成功的必要步骤。兆伏级的EPID在IGRT的日常实践中得到广泛应用，虽然有全新的CBCT技术，但是EPID有效利用了加速器资源，与治疗束同坐标系，并直接从治疗束中获取正交图像，从而减少了机械误差并允许在治疗期间进行实时验证。更重要的是，EPID的操作效率更高，只需要两个角度，而CBCT需要旋转一圈。通常情况下，基于EPID的IGRT将兆伏级EPID采集的正交二维平面数字射线影像DR配准到由计划CT生成的千伏级数字重建射线影像DRR上。在EPID验证中，由于D本文档来自技高网...

【技术保护点】
1.基于EPID的图像引导放疗中DR和DRR影像跨模态自动配准方法，其特征在于，包括以下步骤：/nS1采集图像：在放疗前中，首先采集患者的CT三维图像，通过数字重建出正交方向的两张二维DRR影像，分别为前后向视图0°和侧视图90°，放疗时，利用EPID采集正交的平面X光片DR影像，将DICOM格式的数据全部转化为JPG格式，预处理后存储为训练和测试数据集；/nS2构建深度学习模型：建立自动分割配准网络模型，由DeepLabV3+、跨模态注意力模块和跨模态优化模块组成，输入为S1中采集的DR-DRR影像组，在GPU上进行深度学习训练，保存最佳网络模型权重；/nS3骨性边界分割：将S2训练好的网络...

【技术特征摘要】
1.基于EPID的图像引导放疗中DR和DRR影像跨模态自动配准方法，其特征在于，包括以下步骤：
S1采集图像：在放疗前中，首先采集患者的CT三维图像，通过数字重建出正交方向的两张二维DRR影像，分别为前后向视图0°和侧视图90°，放疗时，利用EPID采集正交的平面X光片DR影像，将DICOM格式的数据全部转化为JPG格式，预处理后存储为训练和测试数据集；
S2构建深度学习模型：建立自动分割配准网络模型，由DeepLabV3+、跨模态注意力模块和跨模态优化模块组成，输入为S1中采集的DR-DRR影像组，在GPU上进行深度学习训练，保存最佳网络模型权重；
S3骨性边界分割：将S2训练好的网络用于分割骨性边界，并输出边界轮廓，实现可视化；
S4图像配准：利用经典的互信息方法计算S3中获得的DR和DRR中边界轮廓的相似度，并得出X，Y两个方向的位移值，根据结果计算配准率；
S5EPID图像引导放疗临床应用：将模型应用于EPID图像引导放疗，在患者放疗时，实时分割DR-DRR图像组骨性边界并可视化，配准计算X，Y两个方向的位移值...

【专利技术属性】
技术研发人员：倪昕晔，孙佳伟，刘琮，李春迎，毕卉，陆正大，高留刚，
申请(专利权)人：常州市第二人民医院，
类型：发明
国别省市：江苏;32