基于配準(zhǔn)的肺4D-CT圖像超分辨率重建研究.pdf

1、肺4D-CT圖像在肺癌的治療過程中得到越來越廣泛的應(yīng)用，因為它能夠提供必要的呼吸運動信息來引導(dǎo)精確放射治療。肺4D-CT數(shù)據(jù)的獲取是通過同步采集CT圖像和呼吸信號，采集的每層CT圖像都對應(yīng)呼吸周期中的一個相位，然后按不同相位分別對CT圖像進行分類排序和三維重建。肺4D-CT數(shù)據(jù)不僅真實再現(xiàn)呼吸周期里肺部器官和靶區(qū)的形態(tài)，而且給出它們的運動范圍和方式，這對運動靶區(qū)的精確放療有重要意義:利用肺4D-CT圖像實時定位靶區(qū)與器官在呼吸過程中的位

2、置，估計它們的運動軌跡，針對患者獨特的運動特征制定個體化放療計劃，有助于在精確照射靶區(qū)范圍，提高靶區(qū)受照劑量的同時，減少正常組織的受照劑量。然而，4D-CT數(shù)據(jù)在采集過程中，面臨的一個主要問題是:采集時間長，病人受照射劑量大。病人在同一個床位要進行多次長時間掃描（至少一個呼吸周期），病人掃描一次4D-CT受到的照射劑量比一次3D-CT掃描可高出一個數(shù)量級。為了避免病人吸收過多的劑量，4D-CT的掃描只能采取增加層間隔、減少掃描層數(shù)的方式

3、進行，因此，我們往往只能獲得高層間距的4D-CT圖像數(shù)據(jù)，這會導(dǎo)致肺4D-CT數(shù)據(jù)層間距離要遠(yuǎn)大于層內(nèi)像素點之間距離。因此，想要查看正確比例的顯示圖像時，最直接有效的辦法就是使用插值方法，沿縱軸方向按照一定比例（數(shù)據(jù)層間和層內(nèi)像素點距離的比值）進行插值放大來獲取正確顯示的圖像。常用的插值方法有最近鄰插值、線性插值、雙三次插值和樣條插值等。然而簡單插值操作并不引入新的信息，無法恢復(fù)圖像中缺失的高頻信息，因此易得到較模糊的圖像。本文為提高肺

4、4D-CT數(shù)據(jù)多平面顯示圖像的質(zhì)量，根據(jù)肺4D-CT數(shù)據(jù)的特征，研究基于配準(zhǔn)的圖像超分辨率重建技術(shù)，以重構(gòu)高分辨率肺圖像。
　　圖像超分辨率重建技術(shù)是在給定一幅或多幅關(guān)于同一場景的低分辨率觀察圖像的前提下實現(xiàn)重建的，而且要求多幀圖像之間存在亞像素位移，然后通過融合單幅圖像自身的冗余信息或多幅低分辨率觀察圖像之間的非冗余信息重建出高分辨率圖像，是一種提高圖像分辨率的有效后處理方法。肺4D-CT數(shù)據(jù)提供隨呼吸運動變化的肺部低分辨率圖像

5、序列，通常由多個連續(xù)相位的圖像組成，每一相位都對應(yīng)某一呼吸時刻的肺部圖像。因此多平面間不同相位對應(yīng)的圖像可以認(rèn)為是關(guān)于同一場景的一系列低分辨率圖像“幀”，多“幀”圖像都含有部分相似的結(jié)構(gòu)信息，且圖像間存在亞像素位移。肺4D-CT數(shù)據(jù)特征符合超分辨率重建技術(shù)的要求，故可以采用超分辨率重建技術(shù)來重建清晰的高分辨率肺圖像，這是本文工作的基本思想。
　　基于以上思想，本文研究了基于配準(zhǔn)的超分辨率重建技術(shù)來提高肺4D-CT數(shù)據(jù)多平面顯示圖像

6、的分辨率。圖像超分辨率重建技術(shù)是基于圖像退化模型的，先生成一幅高分辨率估計圖，而后估計低分辨圖像之間的位移信息，并估計與圖像模糊、降采樣及運動相關(guān)的點擴散函數(shù)(Point Spread Function，PSF)，最后根據(jù)這些信息不斷修正初始估計圖來恢復(fù)超分辨率圖像。本文肺4D-CT數(shù)據(jù)提供的低分辨率圖像是原始清晰圖像退化后的形式。本文首先分析介紹了圖像退化模型;然后介紹了Active Demons配準(zhǔn)算法，采用該算法估計出不同“幀”圖

7、像之間的亞像素位移信息;在獲得圖像間位移信息之后，采用凸集投影(Projection onto convex set，POCS)超分辨率算法重建目標(biāo)高分辨率圖像;在最后，針對POCS算法有待改進和優(yōu)化的地方作了進一步的研究與實驗，使用NEDI(New edge-directed interpolation)算法優(yōu)化算法中的初始估計圖像，同時改進PSF函數(shù)來降低邊緣環(huán)狀偽影，進一步提升重建結(jié)果。本文的主要工作詳細(xì)如下:
　　(1)首

8、先介紹圖像的退化模型。在現(xiàn)實的數(shù)字成像過程中，原始場景中豐富的信息往往不能完全呈現(xiàn)出來，最終得到的是一組降質(zhì)的低分辨率觀察圖像。影響最終成像質(zhì)量的因素很多，例如原始場景和成像系統(tǒng)之間不可避免的相對運動會造成圖像變形，以及相對運動、大氣湍流會導(dǎo)致圖像模糊，硬件設(shè)備限制造成采樣不足以及在采集圖像過程中不可避免會引入噪聲等?，F(xiàn)有的低分辨率觀察圖像可以看作是由一幅高分辨率圖像經(jīng)過幾何形變、降采樣、系統(tǒng)模糊以及噪聲等因素共同影響產(chǎn)生的結(jié)果，對這過

9、程進行數(shù)學(xué)上的簡化，建立關(guān)聯(lián)高分辨率圖像和低分辨率觀察圖像序列的圖像退化模型。在超分辨率重建技術(shù)中，目標(biāo)高分辨率圖像的求取是這個退化過程的逆問題，即由多個低分辨率觀察圖像來重建高分辨率圖像。
　　(2)采用Active Demons配準(zhǔn)算法獲取不同相位圖像間運動信息。針對肺4D-CT數(shù)據(jù)，由于肺的呼吸運動幅度有限，因此無需剛性配準(zhǔn)，采用彈性配準(zhǔn)算法獲取它們的運動信息。運動估計是超分辨率算法的關(guān)鍵步驟，本文采用Active Demo

10、ns配準(zhǔn)算法來獲取運動信息。該算法是基于光流場，將經(jīng)典的Maxwell's demons熱力學(xué)原理應(yīng)用到圖像配準(zhǔn)上提出的一種彈性配準(zhǔn)方法，對隨時間變化的圖像序列中的細(xì)小形變敏感。這種基于配準(zhǔn)的運動估計算法原理簡單，精度高、速度快，適合用于超分辨率重建過程中估計圖像序列間的運動信息。本文采用Active Demons配準(zhǔn)算法估計出不同相位圖像間的運動信息，實驗結(jié)果表明，該方法可準(zhǔn)確估計肺部運動場。
　　(3)在得到相位圖像間運動信息

11、后，采用凸集投影(POCS)超分辨率算法重建出高分辨率的圖像。圖像超分辨率重建方法大體可以劃分為兩類:頻域方法和空域方法。頻域方法是基于連續(xù)和離散傅里葉變換的位移、混疊特性，將圖像轉(zhuǎn)換到頻域內(nèi)對低分辨圖像的頻譜混疊進行消除，再轉(zhuǎn)換到空域得到目標(biāo)高分辨率圖像。但是此種方法難以處理低分辨圖像形變復(fù)雜、模糊嚴(yán)重的降質(zhì)模型，并且對噪聲要求限定高，并不適用于本文的肺4D-CT數(shù)據(jù)。而空域方法就能夠處理復(fù)雜的降質(zhì)模型，模型中考慮了影響圖像成像效果的

12、各種空間域因素，如運動形變，光學(xué)模糊，運動模糊，隨機噪聲等，這種方法更接近于實際應(yīng)用情況。本文采用凸集投影法(POCS)重建圖像，它是一種基于空域的超分辨率重建算法，算法原理簡單有效，同時可以方便地加入先驗信息作為約束條件，可以很好地保持圖像細(xì)節(jié)信息。實驗結(jié)果表明，重建出的肺部圖像結(jié)構(gòu)清晰，細(xì)節(jié)信息增強。
　　(4) POCS算法重建結(jié)果圖像易出現(xiàn)邊緣振蕩效應(yīng)，針對這一現(xiàn)象本文作了進一步研究，以改進算法。深入研究分析POCS算法得

13、知，由于點擴散函數(shù)(PSF)通常采用基于各向同性的高斯函數(shù)，對邊緣區(qū)域的像素點進行估計時不準(zhǔn)確，導(dǎo)致本身高值的像素點修正后值更高，低值的像素點修正后值更低，于是出現(xiàn)邊緣振蕩效應(yīng)。為了抑制邊緣振蕩效應(yīng)和保護邊緣信息，對原算法做了兩個改進:采用NEDI方法替代原算法中的三次樣條插值方法生成邊緣清晰連貫的高分辨率初始估計圖;采用基于各向異性的高斯函數(shù)約束邊緣，抑制邊緣振蕩，保護邊緣細(xì)節(jié)信息。本文改進的算法重建結(jié)果圖像結(jié)構(gòu)清晰，邊緣平滑連貫，邊

14、緣振蕩效應(yīng)也降低;比起原算法，可得到更好的重建結(jié)果。
　　本文實驗數(shù)據(jù)來源于一套公共可用的肺4D-CT數(shù)據(jù)集，該數(shù)據(jù)集包含10組肺4D-CT數(shù)據(jù)，每組數(shù)據(jù)都有10個相位。以此數(shù)據(jù)集為基礎(chǔ)，我們采用本文方法分別進行了仿真圖像和真實圖像實驗。(a)仿真實驗:由于數(shù)據(jù)集只有在橫斷面才有高分辨率的清晰圖像，故選取橫斷面高分辨率圖像按照退化模型生成多幅低分辨率仿真圖像進行實驗研究，并采用RMSE值量化評價本文方法重建結(jié)果和真實圖像(Grou

15、nd truth)之間的差異;(b)真實圖像實驗:冠矢狀面圖像是低分辨率圖像，針對這些圖像進行本文提出的超分辨率方法重建，采用邊緣寬度值和平均梯度值來量化評價本文方法。實驗結(jié)果表明，與三次樣條插值和單幅圖像反投影(BP)算法相比，本文方法重建的高分辨率圖像在視覺上更清晰，結(jié)構(gòu)信息和邊緣細(xì)節(jié)都增強;而且量化評價指標(biāo)也優(yōu)于其他兩種方法。同時，研究的改進算法也是有效的，與初始算法相比較:重建結(jié)果圖像清晰，邊緣銳利，邊緣振蕩效應(yīng)也降低;RMSE