一种主成分驱动的典型相关融合表征方法
本发明涉及医学图像处理、放射治疗及人工智能辅助医学分析,具体涉及一种从4dct多时相肿瘤内部点云提取六自由度位姿,并采用主成分驱动的典型相关融合策略构建低维pc-ccf(principalcomponent-drivencanonicalcorrelationfusion,pc-ccf)运动表征的方法,可应用于肿瘤呼吸运动建模、放疗运动预测、实时肿瘤跟踪和自适应放疗。
背景技术:
1、近年来,精准放射治疗已经成为肺癌、肝癌、胰腺癌等胸腹部恶性肿瘤的重要治疗方式之一。随着调强放疗(imrt)、容积旋转调强放疗(vmat)以及立体定向放射治疗(sbrt)等先进放疗技术的发展,照射剂量逐渐向高精度、高剂量集中发展,因此对于肿瘤定位精度提出了更高要求。
2、然而,在实际治疗过程中,由于患者正常呼吸、心脏搏动以及其他生理运动的影响,胸腹部肿瘤会发生明显的空间位置变化和姿态变化。大量研究表明,肺部肿瘤在一个完整呼吸周期内可产生数毫米甚至数厘米的位移,不同方向上的运动幅度存在明显差异。同时,由于肺组织受到周围组织牵拉及呼吸形变影响,肿瘤除产生平移运动外,还会伴随一定程度的旋转及局部形变。如果不能准确描述上述运动变化,容易造成放疗照射偏离计划靶区,增加正常组织受照剂量,降低治疗效果。
3、为了减小呼吸运动对放疗精度的影响,目前临床广泛采用四维计算机断层扫描(four-dimensionalcomputedtomography,4dct)获取患者一个完整呼吸周期内多个呼吸时相的医学图像。相比传统三维ct,4dct能够记录肿瘤在整个呼吸周期内的动态变化过程,为研究肿瘤运动规律提供了重要的数据基础。目前,4dct已经成为呼吸门控放疗、运动管理以及自适应放疗的重要数据来源。
4、现有针对肿瘤运动分析的方法主要包括质心轨迹分析、轮廓传播分析以及形变场分析三类。
5、第一类方法主要采用肿瘤质心位置作为运动描述对象。通过计算各呼吸时相肿瘤质心坐标,建立三维运动轨迹,再结合时间序列模型预测未来位置变化。该类方法计算简单、效率较高,但仅能描述肿瘤整体位置变化,无法反映肿瘤姿态变化以及不同方向之间的耦合关系。当肿瘤发生旋转或局部姿态变化时,仅利用质心轨迹难以准确表征真实运动状态。
6、第二类方法利用肿瘤轮廓进行运动分析。通常通过图像分割、轮廓传播或配准算法获得各呼吸时相肿瘤边界,再利用轮廓之间的对应关系描述肿瘤运动。这类方法能够较完整地保留肿瘤几何形状信息,对肿瘤边界变化具有较好的表达能力。然而,由于轮廓点数量较多,数据维度较高,计算复杂度较大,同时轮廓质量高度依赖图像分割精度,在不同病例之间稳定性较差。
7、第三类方法采用形变场描述肿瘤运动。通过非刚性图像配准计算不同呼吸时相之间的形变场,以反映肿瘤及周围组织的局部形变信息。该类方法能够较准确描述复杂运动模式,但形变场通常包含大量体素级位移信息,数据规模庞大,不利于直接用于后续运动预测模型。同时,形变场缺乏直观物理意义,不便于解释肿瘤整体运动规律。
8、近年来,随着三维点云技术的发展,点云模型逐渐应用于医学图像分析领域。相比传统体数据,点云能够更加紧凑地表达目标几何结构,同时保留三维空间信息,因此逐渐成为医学图像三维建模的重要方式。对于4dct肿瘤而言,可根据医生勾画得到的肿瘤区域构建三维点云模型,再利用点云配准算法分析不同呼吸时相之间的运动变化。相比直接处理体数据,点云计算效率更高,便于进行三维几何分析及运动建模。
9、目前已有部分研究利用迭代最近点(iterativeclosestpoint,icp)算法实现点云刚体配准,通过计算旋转矩阵和平移向量描述目标运动。但现有方法多数仅利用平移参数作为运动特征,或者仅分析单一方向运动变化,对于旋转信息利用不足。同时,直接采用六自由度参数作为后续模型输入,又存在不同维度量纲不一致、参数冗余较高以及特征稳定性不足等问题,影响后续运动预测模型的训练效果。
10、因此,如何在保留肿瘤整体运动信息的基础上,同时综合平移和旋转运动特征,构建一种具有物理意义、维度较低、稳定性较好的运动表征方法,已经成为当前呼吸预测及智能放疗领域亟待解决的重要技术问题。
技术实现思路
1、本发明的目的是通过以下技术方案实现的。
2、针对上述问题,本发明提出一种主成分驱动的典型相关融合表征方法。现有基于质心轨迹的方法难以反映肿瘤姿态变化;轮廓或形变场方法维度高且依赖分割、配准稳定性;仅采用pca对六自由度参数压缩时又主要关注总体方差,不能显式描述平移与旋转之间的同步耦合。为此,本发明提出由整体主趋势分量和位姿耦合分量共同组成的pc-ccf表征,在保留物理可解释性的同时实现低维压缩。
3、本发明的目的在于:
4、(1)建立一种适用于4dct多时相医学影像的肿瘤三维点云建模方法;
5、(2)建立一种能够同时获取肿瘤三维平移运动和三维旋转运动的六自由度位姿提取方法;
6、(3)建立一种融合六自由度运动参数的低维运动特征构建方法;
7、(4)降低肿瘤运动表征维度,提高运动信息表达能力;
8、(5)为呼吸预测、自适应放疗、实时肿瘤跟踪及智能放疗系统提供统一且稳定的运动特征表示。
9、为实现上述目的,本发明采用如下技术方案。
10、一种主成分驱动的典型相关融合表征方法,包括如下步骤:
11、s1、获取患者完整呼吸周期内的4dct多时相医学影像数据;
12、s2、选取其中一个呼吸时相作为参考时相,其余呼吸时相作为移动时相,对各移动时相图像进行图像配准,使各呼吸时相图像映射至统一参考坐标系;
13、s3、根据肿瘤靶区轮廓或感兴趣区域,从各呼吸时相图像中提取肿瘤区域体素坐标,构建对应呼吸时相的肿瘤三维点云;
14、s4、对所述肿瘤三维点云进行预处理,获得标准化肿瘤点云;
15、s5、以参考时相肿瘤点云作为固定点云,以其余呼吸时相肿瘤点云作为移动点云,采用刚体点云配准算法计算各移动点云相对于固定点云的刚体变换关系;
16、s6、根据所述刚体变换关系提取三维平移参数和三维旋转参数,构建六自由度位姿参数;
17、s7、将各呼吸时相对应的六自由度位姿参数按照时间顺序排列,形成六自由度运动矩阵;
18、s8、对所述六自由度运动矩阵进行标准化处理;
19、s9、对标准化后的六自由度运动矩阵进行主成分分析,获得主成分得分及对应解释方差;
20、s10、依据主成分解释方差对主成分得分进行加权融合,获得用于表征肿瘤整体呼吸运动的低维融合运动特征。
21、与现有技术相比,本发明具有如下有益效果:
22、(1)以多时相4dct中的肿瘤内部点云为处理对象,将肿瘤三维几何信息转换为具有明确物理含义的三维平移和三维旋转参数,区别于仅对体表点云或质心位移进行建模的方法。
23、(2)在点云刚体配准前进行逐时相中心与尺度归一化,并在求得归一化刚体变换后恢复至原始参考空间,可降低点云原始位置和尺度差异对icp最近邻匹配的干扰。
24、(3)采用pca从六自由度位姿序列中提取整体主趋势,使不同量纲的平移、旋转参数映射至统一低维空间并降低冗余。
25、(4)依据主成分载荷在平移维度与旋转维度上的贡献能量划分两个主导子空间,使平移主导变化和旋转主导变化在低维空间中可解释地分离。
26、(5)采用cca提取两个子空间之间同步变化最强的耦合分量,并将其与pca整体主趋势联合形成pc-ccf表征;由此同时保留总体方差趋势和跨子空间同步关系,避免仅以最大方差方向替代位姿耦合关系。
27、(6)在相同lstm加权注意力预测网络、训练参数和数据增强条件下,pc-ccf特征取得mae0.0422和corr0.9940;相较trans、rot和单独pca特征,mae分别降低约83.7%、68.0%和27.7%,表明所述耦合表征能够提供更有效的低维预测输入。
28、(7)所得pc-ccf表征可作为呼吸预测、自适应放疗和实时肿瘤跟踪系统的统一输入,并可根据模型接口输出二维特征或进一步融合为一维特征。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com