技术领域
[0001] 本
申请大体涉及
图像配准。其具体结合
放射治疗规划应用并且将特别参考
放射治疗规划来进行描述。然而，应该理解，其也适用于其他使用场景中，并且不一定受限于前述应用。例如，其可应用于某些图像研究、计算机
断层摄影（CT）模拟，等等。
背景技术
[0002] 放射治疗给含有癌组织或者恶性组织的目标区域施加空间靶向的放射剂量。为了精确地靶向放射，基于所采集的目标区域图像来事先规划放射治疗。在图像中识别并且描绘出目标区域以及必须限制其放射剂量的
风险区域。进一步的，确定放射规划参数，典型地包括被递送至目标区域的最小或者目标剂量、针对风险区域的最大允许剂量等等。所识别出的区域和放射规划参数用作输入以优化放射的递送。
[0003] 图像配准给放射治疗规划和某些图像研究提供了重要的工具。图像配准
力图找出将第一图像和第二图像的感兴趣对象（OOI），例如感兴趣区域（ROI）以及感兴趣点（POI）最佳对齐的转换和/或
变形。一些应用包括：轮廓传播；将
正电子发射断层摄影（PET）和/或CT图像映射至规划CT图像；剂量累积；等等。其可以被用于治疗过程期间的一个或多个适应性规划事件；4D规划和/或优化；位移误差和/或位移误差规划和/或优化；组合规划；多模态治疗规划生成；等等。
[0004] 图像配准的很多不同的变化，大致分为两种类型，基于图像的或者基于点的。基于图像的方法包括例如光流法（例如Demons）、B样条、
水平集合等等的
算法，并且受图像
亮度值的驱使。基于点的方法由在每个图像中识别出的相对应的点的驱使，并且使用插值或者近似以例如薄板样条（TPS）、弹性体样条（EBS）等等的算法来导出这些点之间的配准图。
[0005] 基于点的方法中的点可以通过使用感兴趣点检测算法，例如凸点检测算法和/或
角点和/或斑点检测算法，来自动地识别。典型地，通过匹配算法，例如
块匹配算法、图形匹配算法、特征描述符匹配算法等等在图像中的感兴趣点之间建立相对应性。基于点的算法中的点也可以在图像中手动识别。例如，可以在图像中手动识别相对应的解剖学界标。基于点的方法中的点也可以通过使用网格而手动和/或自动地识别。将
网格模型拟合至两个图像中的相对应结构的表面，并且采用相对应的网格
顶点作为点。
[0006] 虽然前述方法各自具有它们自己的长处，但是它们也具有缺点。自动的感兴趣点方法依赖于感兴趣点检测算法来识别出点以及依赖于匹配算法来建立点之间的相对应性。然而，在一些情况下，在变形映射中不能识别出和/或匹配点，导致局部误差。手动的点方法是单调乏味的并且对于临床实践而言是不现实的。表面-网格-顶点方法受限于图像中所识别出结构的边界上的点。
[0007] 本申请提供了克服以上提及的问题以及其他问题的新的和改进的系统及方法。
发明内容
[0008] 根据一个方面，提供了一种用于生成图像配准图的配准系统。所述系统包括一个或多个处理器。所述处理器被编程为接收第一图像和第二图像。在所述第一图像和所述第二图像中识别相对应的感兴趣点。在所述第一图像和所述第二图像中识别相对应的结构。在所述第一图像和所述第二图像中选择所述结构的相对应的边界点。从所述相对应的边界点中的至少一对以及所述相对应的感兴趣点生成配准图。
[0009] 根据另一方面，提供了一种用于生成图像配准图的方法。接收第一图像和第二图像。在所述第一图像和所述第二图像中识别相对应的感兴趣点。在所述第一图像和所述第二图像中识别相对应的结构。在所述第一图像和第二图像中选择所述结构的相对应的边界点。从所述相对应的边界点中的至少一对以及所述相对应的感兴趣点生成配准图。
[0010] 根据另一方面，提供了一种治疗规划方法。在所述第一图像和所述第二图像中识别相对应的感兴趣点，并且在所述第一图像和第二图像中识别结构的相对应边界点。基于一个或多个所识别的点以及一个或多个所识别的边界点的组合来将所述第一图像适应性地与所述第二图像配准。
[0011] 一个优点在于可以精确地识别结构内部以及该结构的表面上的点。
[0012] 另一优点在于在配准图计算中可能改善准确度。
[0013] 另一优点在于减少了对手动识别点的需要。
[0014] 当阅读和理解了以下详细说明时，本领域技术人员而言将意识到本发明更进一步的优点。
附图说明
[0015] 本发明可以采取各种部件和部件布置的形式以及采取各种步骤和步骤安排的形式。附图仅出于图示优选的
实施例的目的，并且不得被解释为对本发明的限制。
[0016] 图1是根据本公开的多个方面的放射治疗系统的方
框图。
[0017] 图2是根据本公开的多个方面的由基于点的组合配准模块所执行的方法的方框图。
具体实施方式
[0018] 参考图1，治疗系统10包括一个或多个成像模态12，成像模态12用于采集患者之内的感兴趣对象（OOI）（例如感兴趣区域（ROI）以及感兴趣点（POI））的图像。成像模态12适当地包括计算机断层摄影（CT）扫描机、正电子发射断层摄影（PET）扫描机、磁共振（MR）扫描机、单
光子发射计算机断层摄影（SPECT）扫描机、锥形束计算机断层摄影（CBCT）扫描机等等。从成像模态12采集的图像被存储在一个或多个图像
存储器14中。
[0019] 治疗系统10的规划系统16接收患者的目标区域的图像并且采用该图像用于治疗规划。例如，规划系统16使用所接收的与患者相对应的图像来生成和/或更新患者的治疗规划。典型地，经由图像存储器14从成像模态12接收图像，但是也预期其他源。为了方便治疗规划，规划系统16包括分割模块18、显示模块20、优化模块22等等。
[0020] 分割模块18在所接收图像中的区域之间，例如目标区域和风险区域之间，进行识别和描绘。典型地通过围绕区域的轮廓来描绘这种区域。可以手动地和/或自动地执行识别和描绘。对于前者而言，分割模块18与显示模块20协作以允许临床医生手动地在区域之间进行识别和描绘。对于后者而言，采用分割算法，例如分级
聚类算法、随机行走算法，等等。
[0021] 显示模块20允许临床医生进行生成、
修改以及观察轮廓之一。在该方面，显示模块20在显示设备24上显示图像以及（在一些实施例中）相应的轮廓。临床医生然后可以使用一个或多个用户输入设备26来生成和/或修改图像上的轮廓。额外地或者备选地，显示模块20允许临床医生针对被描绘了轮廓的区域录入和/或定义规划参数。
[0022] 优化模块22接收典型地由分割模块18和/或显示模块20生成的至少轮廓和规划参数作为输入。优化模块22任选地接收其他相关输入，例如指示放射吸收的衰减图。基于该输入，优化模块22生成符合该规划参数以及任意其他相关输入的治疗规划。由优化模块22生成的治疗规划适于被存储在一个或多个治疗存储器27中。
[0023] 规划系统16包括一个或多个存储器28和一个或多个处理器30。存储器28存储可执行指令，该可执行指令用于执行与规划系统16相关联的功能，包括那些与分割模块18、显示模块20以及优化模块22相关联的功能。处理器30执行存储在存储器28中的可执行指令。在某些实施例中，规划系统16还包括通信单元，通信单元用于经由通信网络和/或
数据总线，例如局域网或者因特网，来与（例如）图像存储器14通信。
[0024] 为了方便在多个
疗程之间和/或多个图像之间进行治疗规划，一个或多个配准处理器32使用多个点识别方法来生成第一图像和第二图像之间的配准图，如下文中结合图2所详细描述。在该方面，配准处理器32适当地执行一个或多个存储器（例如规划系统16的存储器28）上的实现图2的方法50的计算机可执行指令。第一图像适当地是从成像模态12采集的经由例如图像存储器14的新图像，并且第二图像适当地是先前用于生成和/或更新治疗规划的图像，任选地从治疗存储器27中获得。点识别方法包括识别图像中相对应的感兴趣点的方法以及识别图像中相对应的边界点的方法。可以额外地或者备选地采用其他的点识别方法。
[0025] 在生成配准图时，基于点的配准例程34在第一图像和第二图像中识别相对应的感兴趣点。然而，一个挑战在于当执行基于点的配准时，可能会有无可识别点或者缺乏可识别点的表面或者其他区域，这可以导致在稀疏点
密度区域中缺乏准确度。因而，采用
图像分割例程36。该图像分割例程36在第一图像和第二图像中识别相对应的结构。此外，该图像配准例程在第一图像和第二图像中识别相对应的边界点。在一些实施例中，通过在第一图像和第二图像中将网格模型拟合到所识别出的结构（例如
肿瘤或者器官）并且采用相对应的网格顶点作为边界点来识别边界点。例如，可以使用灰度值来将表面模型与图像中的结构相拟合。作为另一范例，可以由临床医生使用交互式描绘将网格模型拟合到结构。在其他实施例中，将边界点识别作为表示感兴趣区域（ROI）的二元掩膜的相对应边界
体素的中心。在识别出相对应的边界点之后，结果典型地是十分巨大数量的相对应边界点，其中的一些处于基于点的配准缺乏识别点的区域中。可以采用这些相对应的边界点作为感兴趣点。
[0026] 点选择例程38针对除了感兴趣点之外，还选择至少一些边界点。在一些实施例中，由于基于图像的配准创建如此巨大数量的边界点，因此仅选择边界点的子集。预期用于限制点数量的各种技术或者标准。例如，可以将该子集限制于缺乏点的区域中或者附近的点，被认为是更可靠的点、处于具有更不规则表面特征的区域中的点、预先确定数量的随机选择的点，等等。
[0027] 在选择边界点之后，将选择的边界点与感兴趣的点相组合40，在该步骤中可放弃一些相矛盾或者不必要的感兴趣点，并且配准图例程42使用适当的算法，例如薄板样条算法、弹性体样条算法等等，来生成配准图。在一些实施例中，配准例程44使用配准图来将第一图像与第二图像配准。该配准图像可以用于，例如，在融合显示中直接将第一图像与第二图像相比较、剂量累积、适应性规划、更新治疗规划等等。如所图示的，采用配准图像来更新治疗存储器27中的治疗规划。
[0028] 在预定日以及患者治疗疗程的时刻，治疗递送设备46向患者递送治疗。该治疗可以包括涉及
X射线、质子、
高强度聚焦超声（HIFU）等等的放射治疗、
消融治疗、短距离放射治疗等等。适当地，该治疗递送设备46由治疗控制系统48根据治疗规划来控制。该治疗规划可以例如从治疗存储器27中接收。
[0029] 参考图2，用于生成配准图的方法50适当地由配准处理器32执行，包括接收52第一图像和第二图像。典型地，从图像存储器14和治疗存储器27中的至少一个接收该图像，但是预期从其他源，例如患者的中央记录存储系统，接收该图像。此外，该图像适当地聚焦于相同的感兴趣对象，例如器官或者肿瘤。
[0030] 第一图像和第二图像中的相对应感兴趣点是使用基于点的配准例程34来手动地和/或自动地识别54的。例如，在第一图像中识别出一个或多个感兴趣点，并且在第二图像中识别出相对应的感兴趣点。对于手动识别，采用一个或多个用户输入设备例如规划系统16的用户输入设备26，和/或显示设备例如规划系统16的显示设备24，以允许临床医生手动地识别出相对应的感兴趣点。例如，临床医生可以针对第一图像和第二图像中的清晰解剖学界标而手动地识别出相对应的感兴趣点。对于自动识别，采用感兴趣点检测算法，例如凸点检测算法或者角点和/或斑点检测算法，其中使用匹配算法，例如
块匹配算法、图形匹配算法、特征描述符匹配算法等等来适当地建立第一图像和第二图像中的感兴趣点之间的相应性。
[0031] 使用图像分割例程36手动地和/或自动地识别56第一图像和第二图像中的相对应的结构。结构包括，例如，器官、肿瘤、或者其他区域。适当地，在其中所识别感兴趣点的密度或者分布低于
阈值（例如，由于具有有限的感兴趣点，具有明显匹配误差的点、或者其他原因）——典型地表示所识别点的低密度或者分布——的图像区域，以及具有超出阈值的边界
对比度——典型地表示良好边界对比度——的图像区域（意味着可靠的分割精确性）的至少一个中识别出该结构。对于手动识别，采用一个或多个用户输入设备（例如规划系统16的用户输入设备26）和/或显示设备（例如规划系统16的显示设备24）来允许临床医生手动地识别出相对应的结构。
[0032] 然后在第一图像和第二图像中识别所识别的58结构的相对应边界点。在一些实施例中，这使用网格模型来执行，其中，使用图像分割例程36来将网格模型与图像中的每对相对应的结构的表面相拟合以生成具有相对应的网格顶点的网格对。例如，将网格模型拟合到第一图像中的结构，并且将同一网格模型拟合到第二图像中的相对应结构。然后采用相对应的网格顶点作为边界点。该网格典型地由多边形（例如三角形）构成。为确保针对相对应的结构的网格在被拟合的同时在图像中被相同地定向，可以将同一网格相对于图像中的相对应
锚点来定向。可以手动地和/或自动地识别锚点，并且在某些实施例中，包括来自基于点的配准例程32的紧邻该结构的相对应的感兴趣点。然而，预期定向网格的其他方法。
[0033] 一旦完成对图像的对的基于图像的配准，就选择60来自相对应结构的相对应边界点的对作为额外的感兴趣点，优选智能地以减少计算时间。例如，相对应的边界点对受限于来自基于点的配准例程32的代表在由感兴趣点稀疏构成的区域中的结构范围的顶点对。预期手动地和/或自动地限制相对应的边界点对。对于后者而言，可以采用细化算法。该细化算法可以，例如，将边界点限制在缺乏点的区域之内或者附近的边界点、被认为是更可靠的边界点、处于具有更不规则表面特征的区域中的边界点、预确定数量的随机选择的边界点等等。
[0034] 将选择的边界点（感兴趣点）与来自基于点的配准例程32的所识别的感兴趣点相组合62。在一些实施例中，将所识别的感兴趣点与选择的边界点相组合受限于最可靠的感兴趣点对。例如，将与稀疏构成区域更加分离或者远离的感兴趣点与选择的边界点相组合。额外地或者备选地，在一些实施例中，给组合点对加权，其中选择边界点比感兴趣点受到更小的加权。该加权适当地指示了相应性的可靠性。
[0035] 使用配准算法，例如TPS、EBS等等，并采用所识别的感兴趣点来生成64配准图。该配准算法识别出将第一图像的感兴趣点与第二图像的相对应的感兴趣点最佳对齐的转换和/或变形。在点被加权的实施例中，较高加权的点比较少加权的点更加影响所识别的转换和/或变形。有利地，配准图允许在第一图像的
坐标系中识别的点被映射至第二图像的坐标系。例如，可以使用配准图来将在新诊断图像的坐标系中定义的轮廓映射至放射治疗规划图像的坐标系。
[0036] 一旦生成了配准图，就可以将配准图应用66于第一图像以将第一图像与第二图像配准。换言之，可以将第一图像映射至第二图像的坐标系以产生配准图像。也可以将该配准图像应用于将任意的感兴趣对象（OOI）从第一图像扩展到第二图像。该配准图像可以用于，例如，直接将第一图像与第二图像相比较、剂量累积、适应性规划、更新治疗规划等等。在某些实施例中，将第一图像、第二图像以及配准图像中的至少一个显示在显示设备上，例如规划系统16的显示设备24。
[0037] 本文中使用的存储器包括以下中的一个或多个：永久性计算机可读介质；磁盘或者其他
磁性存储介质；光盘或者其他光学存储介质；
随机存取存储器（RAM）、
只读存储器（ROM）、或者其他电存储器设备或者芯片或者可操作地互连的
芯片组；经由因特网/内联网或者局域网而可从其取回所存储的指令的因特网/内联网
服务器，等等。此外，本文中使用的，处理器包括以下中的一个或多个：
微处理器、微
控制器、
图形处理单元（GPU）、专用集成
电路（ASIC）、现场可编程
门控阵列（FPGA），等等。用户输入设备包括以下中的一个或多个：
鼠标、
键盘、
触摸屏显示器、一个或多个按钮、一个或多个
开关、一个或多个触发器，等等。并且显示器包括以下中的一个或多个：LCD显示器、LED显示器、等离子显示器、投影显示器、触摸屏显示器，等等。
[0038] 已经参照优选的实施例描述了本发明。他人在阅读和理解了前述详细描述时可想到修改和变型。本申请旨在被解释为包括所有的这种修改和变型，只要它们落在
权利要求或者其等价方案的范围之内。
