【技术实现步骤摘要】
本专利技术涉及医疗图像处理领域，尤其涉及一种硼中子俘获治疗血硼浓度检测方法。
技术介绍
1、硼中子俘获治疗(boron neutron capture therapy，bnct)是一种放射治疗技术，常用于治疗某些类型的癌症(黑色素瘤，胶质母细胞瘤)。在bnct治疗中，患者会被注射一个含有b-10的、可以被肿瘤细胞特异性吸收的药物(如bpa或bsh)，然后用中子束照射患部，硼-10吸收中子并产生短距离的α和li离子，这些离子在肿瘤细胞中的射程在um量级(与细胞直径为同数量级)，只会对附近的癌细胞产生伤害，从而减少对周围正常组织的损伤。相比传统的放射治疗，bnct技术有更高的精确性和更少的副作用。
2、在硼中子俘获治疗中，血硼浓度是一个重要概念，血硼浓度是指血液中的硼浓度与其他器官硼浓度的比值。在bnct治疗中，患者需要接受含有硼-10的药物(bpa、bsh等)注射，这种药物会被患者的肿瘤细胞吸收，从而在中子束照射时起到增强治疗效果的作用。但是，如果血液中的硼浓度过高，会导致中子束照射时硼-10与血液中的硼相互作用，从而减弱治疗效果。在临床治疗中，肿瘤中的硼浓度与血液硼浓度的比值越大越好。因此，在硼中子俘获治疗中，对于血硼浓度的检测尤为重要。
3、在已知技术中，关于硼中子俘获治疗的剂量模拟时，对于人体内的硼浓度设置根据多来源于生物活检或理论上理想的硼浓度参考值。但在临床治疗中，生物活检无法准确的获取人体内硼浓度的分布情况，且对于肿瘤组织的生物活检较难实现(生物活检即取人体要检测的组织的切片进行化学检验的方法)
4、值得注意的是，在硼中子俘获治疗中，根据硼药代动力学，不同器官与组织或血液的动力交换常数不同，这会导致硼浓度在器官或组织边缘区域产生阶梯式变换，硼浓度的剧烈变化，会导致相邻的属于不同器官的区域在接受中子束照射时，治疗效果差异很大。而如果由于肿瘤边缘硼浓度出现阶梯式下降，则对于肿瘤边缘癌细胞的杀伤效果会大幅下降，这会导致肿瘤的二次复发。因此，对于器官或者感兴趣区域边缘硼浓度的分布及其变化趋势的检测也尤为重要。
技术实现思路
1、为克服现有技术的不足，本专利技术提出一种硼中子俘获治疗血硼浓度检测方法。本专利技术的技术方案是这样实现的：一种硼中子俘获治疗血硼浓度检测方法，包括步骤：
2、s1：将pet扫描获取的dicom图像和ct扫描后获取的dicom图像分别读入；
3、s2：将导入的ct图像和pet图像进行自适应的高精度、高准确性的图像配准，包括步骤：
4、s21：图像预处理；
5、s22：特征提取，提取所述pet图像和ct图像中的关键点和关键点周围的局部特征；
6、s23：特征匹配，找到所述pet图像和ct图像中具有相似描述符且空间接近的特征对；
7、s24：初始变换估计，根据识别出的特征对，估计将一个图像映射到另一个图像的变换；
8、s25：转换细节优化，对初始转换进行细化以提高其准确性和鲁棒性；
9、s26：质量评估，对配准完成后的变换，评估其准确性和稳健性；
10、s27：如质量评估的参数未达到设置值或限制值，则进行参数优化，获取次级变换，重复步骤s24-s26，直到质量评估达到设置值或限制值；
11、s3：导入诊疗计划系统勾画好的ct图像的靶区信息，将自适应图像配准后的pet图像根据从pet头文件中读取的相关信息对pet图像进行归真，将ct靶区映射到配准后的pet图像上，求各个靶区或感兴趣区域的加权平均值，再通过与icru报告中国际标准的各中器官的标准密度和材料组成信息，将pet像素值单位变为硼浓度的单位。
12、进一步地，所述s3还包括步骤：进一步优化硼浓度分布模型，将ct图像勾画的器官靶区进行基于像素梯度或基于几何自适应全方位内缩，内缩不同的尺寸，将肿瘤由内到外分为几层，分别对内缩分割后的“分层”肿瘤各区域内的硼浓度和剂量进行评估以保证实现对于肿瘤不同区域的杀伤程度的评估。
13、进一步地，所述s21中图像预处理包括步骤：去除图像中的噪声和增强图像的对比度，图像预处理的方法为滤波器、锐化、直方图均衡化中的一种或其组合。
14、进一步地，步骤s22中特征提取的方法包括但不限于边缘检测、角点检测、尺度不变特征变换和直方图，包括步骤：
15、s221：定义特征提取算法；
16、s222：检测图像中的关键点；
17、s223：提取关键点周围的局部特征。
18、更进一步地，所述s221所述特征提取算法包括但不限于sift、surf、orb、hog和lbp。
19、更进一步地，所述s222所述关键点的检测算法包括但不限于harris角点检测、fast角点检测和sift尺度空间极值检测。
20、更进一步地，所述s223所述提取关键点周围的局部特征是提取关键点周围像素的描述子，可以描述关键点周围的颜色、纹理和形状，局部特征包括sift描述子、surf描述子和orb描述子。
21、进一步地，所述s23所述特征匹配的算法包括但不限于最近邻、随机样本一致性和迭代最近点。
22、进一步地，所述s24所述初始变换估计的算法包括但不限于最小二乘法、归一化最小二乘法和迭代法。
23、进一步地，所述s25中转换细节优化的算法包括但不限于梯度下降、gauss-newton或levenberg-marquardt。
24、进一步地，所述s26中质量评估的算法包括但不限于均方误差、相关系数、互信息或dice similarity coefficient骰子相似系数，在进行质量评估时，还应考虑计算时间、内存使用以及对噪声和伪影的敏感性。
25、本专利技术的有益效果在于，与现有技术相比，本专利技术可以实现pet图像与ct图像的高精度、高准确性的自适应图像配准，实现只需导入pet和ct扫描图像及ct图像靶区勾画结果然后一键式实现不同器官获取硼浓度信息的获取，也可以获取自定义的基于几何的感兴趣区域缩放后与感兴趣区域相包裹范围的硼浓度，此功能有利于评估肿瘤边缘或危机器官的相关剂量。
本文档来自技高网...【技术保护点】
1.一种硼中子俘获治疗血硼浓度检测方法，其特征在于，包括步骤：
2.如权利要求1所述的硼中子俘获治疗血硼浓度检测方法，其特征在于，所述S3还包括步骤：进一步优化硼浓度分布模型，将CT图像勾画的器官靶区进行基于像素梯度或基于几何自适应全方位内缩，内缩不同的尺寸，将肿瘤由内到外分为几层，分别对内缩分割后的“分层”肿瘤各区域内的硼浓度和剂量进行评估以保证实现对于肿瘤不同区域的杀伤程度的评估。
3.如权利要求1所述的硼中子俘获治疗血硼浓度检测方法，其特征在于，所述S21中图像预处理包括步骤：去除图像中的噪声和增强图像的对比度，图像预处理的方法为滤波器、锐化、直方图均衡化中的一种或其组合。
4.如权利要求1所述的硼中子俘获治疗血硼浓度检测方法，其特征在于，步骤S22中特征提取的方法包括但不限于边缘检测、角点检测、尺度不变特征变换和直方图，包括步骤：
5.如权利要求4所述的硼中子俘获治疗血硼浓度检测方法，其特征在于，所述S221所述特征提取算法包括但不限于SIFT、SURF、ORB、HOG和LBP。
6.如权利要求4所述的硼中子俘获
7.如权利要求4所述的硼中子俘获治疗血硼浓度检测方法，其特征在于，所述S223所述提取关键点周围的局部特征是提取关键点周围像素的描述子，可以描述关键点周围的颜色、纹理和形状，局部特征包括SIFT描述子、SURF描述子和ORB描述子。
8.如权利要求1所述的硼中子俘获治疗血硼浓度检测方法，其特征在于，所述S23所述特征匹配的算法包括但不限于最近邻、随机样本一致性和迭代最近点。
9.如权利要求1所述的硼中子俘获治疗血硼浓度检测方法，其特征在于，所述S24所述初始变换估计的算法包括但不限于最小二乘法、归一化最小二乘法和迭代法。
10.如权利要求1所述的硼中子俘获治疗血硼浓度检测方法，其特征在于，所述S25中转换细节优化的算法包括但不限于梯度下降、Gauss-Newton或Levenberg-Marquardt。
11.如权利要求1所述的硼中子俘获治疗血硼浓度检测方法，其特征在于，所述S26中质量评估的算法包括但不限于均方误差、相关系数、互信息或Dice similarity coefficient骰子相似系数，在进行质量评估时，还应考虑计算时间、内存使用以及对噪声和伪影的敏感性。
...【技术特征摘要】
1.一种硼中子俘获治疗血硼浓度检测方法，其特征在于，包括步骤：
2.如权利要求1所述的硼中子俘获治疗血硼浓度检测方法，其特征在于，所述s3还包括步骤：进一步优化硼浓度分布模型，将ct图像勾画的器官靶区进行基于像素梯度或基于几何自适应全方位内缩，内缩不同的尺寸，将肿瘤由内到外分为几层，分别对内缩分割后的“分层”肿瘤各区域内的硼浓度和剂量进行评估以保证实现对于肿瘤不同区域的杀伤程度的评估。
3.如权利要求1所述的硼中子俘获治疗血硼浓度检测方法，其特征在于，所述s21中图像预处理包括步骤：去除图像中的噪声和增强图像的对比度，图像预处理的方法为滤波器、锐化、直方图均衡化中的一种或其组合。
4.如权利要求1所述的硼中子俘获治疗血硼浓度检测方法，其特征在于，步骤s22中特征提取的方法包括但不限于边缘检测、角点检测、尺度不变特征变换和直方图，包括步骤：
5.如权利要求4所述的硼中子俘获治疗血硼浓度检测方法，其特征在于，所述s221所述特征提取算法包括但不限于sift、surf、orb、hog和lbp。
6.如权利要求4所述的硼中子俘获治疗血硼浓度检测方法，其特征在于，所述s222所述关键点的检测算法包括但不限于harris角点检测、...
【专利技术属性】
技术研发人员：王盛，陈耀，李志峰，杨尚晖，
申请(专利权)人：华硼中子科技杭州有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。