项目名称: 联合时空域信息的呼吸相关序列图像处理算法及应用研究

项目编号: No.61471226

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 无线电电子学、电信技术

项目作者: 李登旺

作者单位: 山东师范大学

项目金额: 80万元

中文摘要: 为辅助临床实施肿瘤精确放疗并保护危及器官,本申请拟通过研究包含呼吸运动信息的四维序列图像特征来定量分析胸腹部肿瘤和危及器官随呼吸运动变化规律。研究内容包含如下四方面:(1)研究联合空域和时域信息的形变配准算法实现4D-CT中不同时相的呼吸相关序列图像配准,从而获取肿瘤靶区的运动规律并辅助定位;(2)通过构建边缘保护多尺度空间,并结合基于B样条的自由形变网格模型设计配准算法,用于实现计划日4D-CT和治疗日3D-CT图像之间的配准,重建放疗当日4D-CT图像;(3)研究临床可行的4D-MRI技术,通过基于原始图像片层内部的身体区域像素变化提取呼吸信号并计算各个呼吸时相,使用多项式拟合和主成分分析法对形变域优化,实现4D-MRI中伪影去除,并通过形变配准算法实现增强;(4)将4D-CT和4D-MRI技术实施临床验证和应用,以放射性肝脏损伤为例,研究基于形变配准算法的点对点剂量叠加方案。

中文关键词: 图像配准;多尺度分析;图像引导放疗

英文摘要: Aiming for assisting precise radiotherapy and protecting organs at risk, respiratory motion with abdomen-thorax is analyzed quantitatively by studying the characteristics of four dimensional sequence images. Our research mainly focuses on four parts. Firstly, deformable image registration algorithm using spatial and temporal information jointly is proposed for 4D-CT with different respiration related phases in order to obtain the tumor motion. Secondly, edge-preserving scale space is constructed for multi-scale decomposition of free breathing 3D-CT images in treatment day, and then aiming for reconstructing the 4D-CT in treatment day, the deformable registration algorithm is implemented on 4D-CT in planning day and 3D-CT in treatment day by using B-spline based free form deformation model. Thirdly, based on the internal pixels changing in body area with the original images, the respiratory signal is derived from clinic practical 4D-MRI, and then the respiratory phase is calculated based on the respiratory signal. Furthermore, for removing the artifacts in 4D-MRI, the deformation fields are optimized by using polynomial fitting and principal component analysis, and deformable registration is followed for enhancing the tumor and soft tissues. Finally, clinical application for liver cancer patients is studied based on 4D-CT and 4D-MRI technique, point to point dose accumulation is implemented based on the deformable registration for radiation injury prediction with hepatic organ. Both of phantom and clinical patients are studied for verification and evaluation.

英文关键词: image registration;multi-scale analysis;image guided radiation therapy

成为VIP会员查看完整内容
0

相关内容

图像配准是图像处理研究领域中的一个典型问题和技术难点,其目的在于比较或融合针对同一对象在不同条件下获取的图像,例如图像会来自不同的采集设备,取自不同的时间,不同的拍摄视角等等,有时也需要用到针对不同对象的图像配准问题。具体地说,对于一组图像数据集中的两幅图像,通过寻找一种空间变换把一幅图像映射到另一幅图像,使得两图中对应于空间同一位置的点一一对应起来,从而达到信息融合的目的。 该技术在计算机视觉、医学图像处理以及材料力学等领域都具有广泛的应用。根据具体应用的不同,有的侧重于通过变换结果融合两幅图像,有的侧重于研究变换本身以获得对象的一些力学属性。
基于深度学习的视频超分辨率重构进展综述
专知会员服务
17+阅读 · 2022年3月7日
专知会员服务
28+阅读 · 2021年9月13日
专知会员服务
27+阅读 · 2021年9月6日
专知会员服务
31+阅读 · 2021年7月26日
【CVPR2021】群体协同学习在共显著目标检测中的应用
专知会员服务
17+阅读 · 2021年4月6日
专知会员服务
44+阅读 · 2021年1月31日
专知会员服务
77+阅读 · 2020年12月6日
【CVPR2020】时序分组注意力视频超分
专知会员服务
30+阅读 · 2020年7月1日
最新《医学图像深度语义分割》综述论文
专知会员服务
95+阅读 · 2020年6月7日
图像分割在医学影像中的应用
极市平台
2+阅读 · 2022年2月16日
最新综述!基于图神经网络的关系抽取技术进展
图与推荐
1+阅读 · 2021年12月7日
基于深度学习的视频目标检测综述
极市平台
15+阅读 · 2019年7月19日
最全综述 | 医学图像处理
计算机视觉life
57+阅读 · 2019年6月15日
CVPR2019 | 文本检测算法综述
极市平台
34+阅读 · 2019年5月30日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
深度学习之视频图像压缩
论智
13+阅读 · 2018年6月15日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月19日
小贴士
相关VIP内容
基于深度学习的视频超分辨率重构进展综述
专知会员服务
17+阅读 · 2022年3月7日
专知会员服务
28+阅读 · 2021年9月13日
专知会员服务
27+阅读 · 2021年9月6日
专知会员服务
31+阅读 · 2021年7月26日
【CVPR2021】群体协同学习在共显著目标检测中的应用
专知会员服务
17+阅读 · 2021年4月6日
专知会员服务
44+阅读 · 2021年1月31日
专知会员服务
77+阅读 · 2020年12月6日
【CVPR2020】时序分组注意力视频超分
专知会员服务
30+阅读 · 2020年7月1日
最新《医学图像深度语义分割》综述论文
专知会员服务
95+阅读 · 2020年6月7日
相关资讯
图像分割在医学影像中的应用
极市平台
2+阅读 · 2022年2月16日
最新综述!基于图神经网络的关系抽取技术进展
图与推荐
1+阅读 · 2021年12月7日
基于深度学习的视频目标检测综述
极市平台
15+阅读 · 2019年7月19日
最全综述 | 医学图像处理
计算机视觉life
57+阅读 · 2019年6月15日
CVPR2019 | 文本检测算法综述
极市平台
34+阅读 · 2019年5月30日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
深度学习之视频图像压缩
论智
13+阅读 · 2018年6月15日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员