检索历史 清除

摘要放射治疗作为肿瘤治疗的三大手段之一，在对肿瘤患者的治疗方面有着重要的作用。在影响放射治疗效果的众多因素之中，治疗时的摆位误差是其中最重要的一个环节，图像引导则起到了减小摆拉误差的作用。当前图像引导的方式多种多样，如锥形束CT（ConebeamCT，CBCT）、电子射野影像装置（Electronicportalimagingdevice，EPID）、表面引导放射治疗技术（surfaceguideradiotherapy，SGRT）、磁共振引导（Magneticresonance-guidedradiationtherapy，MRgRT）、超声引导、电磁引导等。在所有的引导方式中，图像配准算法一直以来都是其中的关键技术。一种优秀的图像配准算法可以很好的提高放射治疗过程的精确度、重复性、时效性，从而最大程度上保证放射治疗的效果。其中机载电子射野影像装置（EPID）引导方式在设计之初即被用作图像引导，但是由于其MV级射线的成像方式在图像质量上的不足，导致现在大部分机载EPID用做加速器的日常QA等相关工作。<br>　　本文对现有医科达precis加速器加装成像质量具有优势的雷泰公司TiGRTIVS平台，分析研究其图像配准方法，设计了一套自动图像配准系统来实现快速准确图像引导。该系统基于Yolo模型，同时添加了边缘检测算法来提高其精确度，在模型的训练过程中总共选择了219名患者入组，使用超过1200张图像引导图像来进行训练。选定左锁骨、右锁骨、左胸外廓、右胸外廓、气管、气管分叉和胸骨柄与胸骨角交界处等七个特征器官进行量化分析。最终的实验结果显示气管分叉产生最小的位置偏移，单张图像识别运行时间只需要0.093秒，mAP@0.5达到了0.95，F1评分0.93，并且在识别阶段不需要人工干预。<br>　　实验结果表明，使用本系统进行图像配准，可以很好地提高放疗的摆位精确度，减少放疗时图像配准时长，加速图像配准过程，实现了使用TiGRTIVS平台的自动图像配准。<br>　　本文所提出的这套自动配准系统，能够很好地满足临床工作需要，为大量基层单位的设备升级指明方向。虽然本系统取得了很好的效果，但本研究的测试数据相对有限，后期还需要更多标准的、包括更多情况的模型进行训练，进一步提高模型的鲁棒性，以及设计不同的算法策略、冗余机制，以期在将来能够更好的应用到临床工作中去。