放射治療中的圖像處理技術
醫學影像技術在過去的30年間由於計算機技術的飛速發展而發生了革命性的變化，這種變化也影響著放射治療的發展，使得基於圖像處理技術的現代放射治療相對於傳統的常規放射治療發生了質的變化。
對CT的應用研究表明，在沒有CT影像的情況下，放療中靶區的決定在20%的病例中是明顯不合適的，在另外27%的病例中亦存在著靶區邊界設置不當，因此，沒有現代醫學影像技術，也就談不上精確的放療
放射治療中的圖像一般可分為解剖或功能圖像、後處理圖像和治療圖像三類。
一、解剖或功能圖像
解剖和功能圖像包括計算機斷層掃描(CT)、MRI圖像(MRI)、單光子發射計算機斷層圖像(SPECT)、正電子發射計算機斷層圖像(PET)、X光平片和超聲圖像等。
1
計算機斷層（CT）圖像
CT的圖像是通過測量視場 (field of view) 範圍內每個像素點的線性吸收係數，並用不同的灰度表示像素點的CT值(hounsfield unit, Hu)來表示圖像的。CT值Hu與線性吸收係數m的關係為：
Hu = 1000(mx-mwater)/mwater
足標x表示待測物質。線性吸收係數m與像素點上物質的電子密度和原子序數有關。在診斷X線能區(70~120 kv)下，CT測出不同組織的Hu值後可近似外推出劑量計算所需的電子密度值。因為這個緣故、CT圖像是現代三維治療中最基本的影像，它在每個像素點上的Hu值在某些演算法中被直接用來進行組織不均勻性修正，而且，能否逐點(pixel by pixel)進行密度修正本身是衡量放療計劃設計系統（radiation treatment planning system，RTPS）演算法的一個重要指標。
目前CT的發展趨勢之一是速度越來越快。現代螺旋CT能在病人一個呼吸周期中掃描約40層圖像。超高速CT的這種優點，也可以在放射治療中用來觀察臟器的運動狀況（如肺的呼吸運動）。
2
核磁共振圖像（MRI）
MRI是通過磁場的射頻測量體積元中原子核磁化強度得到的圖像，它的圖像與許多因素有關，如質子密度、磁化馳豫時間、磁化率等等。空間解析度、對比度與信號獲取時間密切相關。目前常用的是氫原子圖像，通常有T1加權和T2加權兩種圖像。T1是自旋～晶格馳豫時間，T2是自旋～自旋馳豫時間。具有未配對電子的偏磁性物質，如釓原子，會在磁場中被磁化。因此釓的贅化物可作MRI的造影劑，它能通過血腦屏障。
MRI不僅能作橫斷面上的圖像，通過產生不同方向的梯度場能獲得體內任意平面的圖像，這是MRI優於CT的地方。
MRI在放射治療中的優越性在於它比CT更能區別軟組織腫瘤，特別是中樞神經系統腫瘤 。一般來說，MRI比CT更能發現腦部異常。
3
CT模擬機
目前部分模擬定位機也有簡單的CT功能，即在一般的模擬機中插上一些附件，使之能在機架旋轉過程中產生斷層圖像。模擬機CT優點是視場範圍大，克服了CT孔徑小而使一些特殊體位(如乳房切線位病人手臂上舉)無法成像的局限。但由於其球管到探測器的距離長，相對的探頭數少，圖像解析度較低，且無法作連續的掃描。
4
發射圖像
發射圖像是通過測量注入人體的放射性核素在體內的分布而獲得的圖像，這些放射性核素與某些生物分子有親和作用，因而產生一些生化分布圖像。目前，這一類的圖像發展很快，如果找到與腫瘤細胞親合的核素，它們診斷腫瘤周圍的亞臨床灶的精度將大大提高。
已獲得的人體數據圖像信息須傳輸到TPS系統，常用的媒體有磁帶、可擦寫光碟或區域網。如果不具備數據傳輸條件，也可以通過膠片掃描儀輸入，當然這種輸入方式信息量損失很多。某些專用的數據格式標準，如DICOM 3.0協議，能使一些一些煩瑣的數據格式解碼工作變得更為有效。
二、圖像處理
三維治療計劃中最重要工作之一是準確確定計劃靶體積（planning target volume，PTV）和鄰近的危險器官（organ at risk，OAR），以決定病變範圍、設計射野、計算和分析劑量。確定PTV和OAR的一般方法是先在一系列橫斷面上確定各種輪廓，再用這些二維輪廓重建出各種器官組織的三維立體輪廓。各斷層間的距離越小，三維重建效果越好，但同時會增加掃描時間和勾畫輪廓工作量。
原始數據一般以坐標位置和相應的強度值存儲，為了使它們便於觀察，需對這些圖像進行分解和轉化。在三維RTPS中這些工作可部分地藉助於專用軟體進行。
1
圖像分解
圖像分解（segmentation）是在圖像數據序列中定義或標記一些區域（如腫瘤、臟器）的過程，治療計劃中對圖像的分解，即在原始的CT層面圖像中定出靶區和各種臟器的輪廓。儘管人們發明了許多方法試圖對醫療圖像進行自動分解，然迄今為止，似乎還沒有一種方法能適用於所有的場合。在整個計划過程中，分解圖像（勾勒輪廓）往往是一件相對費時的工作。
手工分解，即RTPS操作者手握滑鼠或光筆在屏幕上逐層顯示的CT層面上勾勒輪廓，操作者可通過調節CT窗位和窗寬以獲得清晰的圖像便於勾勒。
自動或半自動分解方法可分為邊界方法（boundary method）和區域方法（region based method）。邊界方法的依據是臟器在邊界上有顯著的信號強度變化，因此，相應的演算法通過探測圖像中的像素值梯度變化來勾勒輪廓。採用這種方法得到的原始輪廓也許邊界比較毛糙，須輔之以光滑處理。區域方法不是尋找邊界，而是定出組成器官的像素區域。這種技術試圖逐步地將符合某一特徵的小範圍生成或合併成大區域。合併依據一些試圖在目標間找出相關的相似性準則重複地進行。相似性的性質根據搜尋的對象而定。例如，它們可以是強度，也可以是邊界的共有部分或幾何形狀。
在辨認的過程中可引入半自動或自動的方法，通常是通過測量（或者說是過濾）過程，將整個需要分解範圍內符合特徵的信息（一般是像素元：pixel 或 voxel）歸類出來。這裡所說的特徵，常常是指圖像像素元的強度或CT值。特徵值的全部可能範圍構成了一個特徵空間（一個類似於能譜圖中的X軸），每一個像素元（pixel /voxel）由於它們的特徵值(Hu)不同而落入特徵空間的不同位置，然後，分解就在特徵空間中進行歸類。這個過程可能需要人為干預，也可以基於概率原理。
圖1-17是這種方法的一個圖示。圖中a 是一個以CT值(Hu)為特徵值的CT數據直方圖， 從這個直方圖上可以得到幾種物質的峰位，空氣、脂肪、肌肉和骨骼。b 由於對部分體積平均和一些其它因素，各種物質的CT值之間有所重迭，因此它也帶來一個常見的問題，用這種方法分解出的器官的邊界遠不如人為的清晰。c 表示人為規定的閾值，而 d 則表示某一特定的CT值，其歸屬於哪一 類物質的程度是變化的(fuzzy)。最後，在特徵空間中利用自動的演算法可進行圖像的分解。
圖1-17的例子其特徵空間是一維的，也即是把CT值作為單一變數。實際上這種方法也可以擴展到多維特徵變數的情形中去。例如在MRI中可能有兩種圖像：T1加權圖像和T2加權圖像，如圖1-18，a 表示顱腦的T1、T2兩種加權圖像，b 是以 T1、T2兩種加權圖像強度為特徵的二維特徵空間，在這裡，一維特徵空間上重迭的不同部分在二維特徵空間中往往是分離的。 c經特徵空間分解後的圖像。
區域分解中自動辨認方法遇到的主要問題是CT束流硬化過程中的空間不穩定或是MRI中的射頻不均勻性。這些因素往往使本屬於同一器官的像素元可能有不同的圖像強度。
圖 1-18 MRI圖像二維特徵空間
目前勾畫輪廓的問題較多，比如在同一CT影像上勾畫輪廓，不同醫生勾畫的結果不同，即使採用自動勾畫，也必須進行檢查、修改，因每人的選擇、修改不同而使結果不同。任何內部器官位置移動必須區別其重要性；在確定靶區和其他輪廓時，應考慮器官的生理學運動規律和運動範圍。先考慮用體外固定方式盡量限制如胸腹部呼吸運動，必要時再採用其它方式跟蹤其運動，進行修正。如前列腺在前後(AP)方向運動可達1cm；一些病人俯卧位治療時前後位移可達3cm，側方向位移可達1.5cm；MRI顯示出肝在平靜呼吸中位移約1.7cm，在深呼吸時移動可達3.9cm。因此在以PTV為基礎確定適形照射計劃時不能忽略這些器官運動的誤差。解決這種誤差目前常採用四種方法：
監控前列腺運動；
附加邊緣，計算出理想的安全邊緣，包括由大體腫瘤體積(GTV)擴展生成的臨床靶體積(CTV)、器官移動、擺位誤差；
校準直腸與膀胱的充填；
校正呼吸周期，並注意CT單層掃描時間。在採用多種方式的影像時應注意的是CT可直接給出計劃計算所需的電子密度而MRI不能、普通CT不能像螺旋CT那樣在矢狀面和冠狀面給出與橫斷面相同的空間解析度、腫瘤可能在一種類型的影像中與在另一種類型的影像中表現非常不同。因此可根據實際情況選擇CT、或MRI、或SPECT、或PET。
2
圖像融合技術
在放射治療中，儘管CT圖像得到了廣泛的應用，但在有些場合，如中樞神經系統腫瘤中，MRI圖像在確定靶區範圍方面具有明顯的優勢，但MRI圖像卻不能提供組織的電子密度、阻止本領等。
為了既保持CT圖像便於作不均勻修正的優點，又利用MRI圖像軟組織解析度高的長處，需要把這兩組圖像融合(fusion)成一組圖像，即將CT 數據序列(dataset)和MRI 數據序列合成到 RTPS 的數據序列中去，這種技術有時也稱為圖像套准(套准registration是印刷行業中的一個術語，意為同一圖像的不同層次需相互對準以合成一幅無錯位的圖像).每一組來源的圖像本身構成一個數據序列，每個數據序列具有各自獨立的特徵，如坐標取向、解析度、放大率、強度定標等。治療計劃中的圖像套准和融合，就是要把不同來源的數據序列映射到RTPS數據序列中，即先套准，後融合。
圖1-19顯示的是CT與MRI及它們融合後的圖像，可以看到，由於融合了MRI，能比較方便地在CT圖像上勾勒腫瘤和正常結構的輪廓。
圖1-19 CT、MRI圖像融合
目前的圖像融合方法大致可分兩類，一類是基於對象的方法，另一類是基於像素方法。
基於對象的方法（object-based methods）是通過自動連接同屬於兩組圖像的公共部分的方法，融合這種方法需要預分解圖像，有時這些方法需要通過放置外部標記物進行。有的要求兩組圖像在同一體位，同一位置上掃描相同的層面，另一些在找到兩組圖像上的體外標記後能將一組圖像按另一組圖像的層數，空間取向重新內插生成一組與之位置完全相同的圖像。還有的採用在兩組圖像上分別勾勒出明顯的器官輪廓，然後用最小方差方法將它們融成一組圖像。一般來說，這些方法都需要人工干預，融合後圖像的質量在相當程度上取決於人工干預的正確性，但由於這種過程有人為參與，它甚至可工作於圖像質量很差的場合。
基於像素的方法（pixel-based methods）是通過建立兩組圖像灰度或色彩的相關性的融合方法。它需要對數據序列作所有像素的散布圖。如果兩組圖像融合良好的話，像素點應基本散布在一條直線上。這種方法也許更適合於兩組同屬性（CT~CT、MRI~MRI）的圖像，如病人術前與術後的兩組圖像。而對病人不同來源的CT與MRI的套准，由於一個MRI灰度值可能對應於多個CT值，這樣的相對融合比較困難。一般認為，一個最好的方融合法應該使圖中的黑塊區域最小化。這個概念更精確的表示是：合成系統的「熵」應為最小。
圖像融合技術現在發展也很快，並且已成為一個研究熱點。目前相對成熟的是CT與MRI的融合，但CT與其它功能性圖像（functional image）如ECT、SPECT等的融合對於甄別靶區的意義和潛力很大，因而有很好的臨床前景。
此外，不少醫院都在建立自己的PACS系統（picture archiving and communication system），該系統包括圖像產生、網路構造、圖像管理、顯示分析和儲存，實現了醫學影像的無膠片化，並可使多個部門共享同一圖像資料，這個系統無疑對放射治療部門也有很大的意義。
三、圖形的可視化
治療計劃系統中圖像的可視化即是圖像數據的表達和顯示技術，它採用圖像技術將前面已分解的圖像數據及射野設置和等劑量分布用二維或三維的方法重建後表達。這種技術一般稱為描繪（rendering）技術。描繪是將幾何模型產生一個可視的屏幕圖像的過程，這個過程要形成模型的網狀包絡線。形成這些包絡線有三個要點：
進行一個從定義空間模型的坐標繫到計算機屏幕上顯示坐標系的轉換；
遮蔽計算（shading calculation）要考慮物體本身的色彩和物質特性、觀察者視角和光源的類型與方向；
物體間的屏蔽和陰影等。
圖1-20表示了目前TPS中常見的四種病人模型表示方法。圖1-20 a 表示的是二維輪廓模型，在對CT圖像分解(畫輪廓)時，每一層面(z)上的輪廓由一些點(x,y)連成封閉曲線構成，根據病人CT層面數的不同，這些器官可用10~50個封閉曲線組成，對這些輪廓線的描繪幾乎可以在所有的平台上進行。
圖1-20b表現的是以多面體表面模型（polyhedral surface model）所表現的病人模型，這種模型擅長於表示簡化的病人原始解剖關係，它是將屬於同一器官表面的點連同頂和地一起拼成一個封閉的曲面。 其儲存形式是(x, y, z)矢量陣列連同曲面元(通常是小三角形)。相對與前一種模型，它的儲存和顯示需要更多的內存和計算，當然，這種模型的視覺效果很好。現代計算機配備了專用硬體後能加速對錶面模型的描繪。表面模型還可用來計算體積，放大靶區和設計射野。
圖1-20c表示的是基於體積元的模型（voxel-based model）。這種模型包含了原始圖像強度(即每一個pixel點上的CT值)或它分解後導出信息的陣列。體積元空間位置的坐標信息可以顯現也可以隱含在陣列中，而原始圖像的強度是通過將序列的二維圖像(CT)合併到一個陣列或文件中獲得的。在合併過程中可採用降階取樣（dowm sampling）的方式以減少數據量。這種模型可用在產生重要的可視圖像中，如多平面重建、DRR或高精度描繪的解剖信息，見圖1-21。
圖1-20d所示的是病人的點模型表示。它是通過對錶面模型或體積元模型所表示的病人解剖進行取樣而生成的模型。這種方法在顯示病人解剖結構時並不多見，但在交互評估治療計劃或快速計算劑量分布和劑量統計的優化過程中有廣泛的用途。由於它能顯著減少計算點的數量，所以在取樣統計劑量時能明顯減少計算時間。
圖1-20 TPS的幾種描繪方法
圖1-21 由CT數據重建以後的影像
四、與治療計劃相關的圖像
1
射野視觀
BEV（beam"s eye view, BEV）在進行三維治療計劃時應用相當廣泛，已成為目前治療計劃系統的標準工具。它模擬位於射野焦點位置的光源將病人的三維解剖結構投影到後面與射線軸垂直的平面上，以便觀察在特定的機器幾何參數(機架角、床轉角、光欄角和射野大小)下靶區和正常組織的相互位置關係。這種顯示隨機器幾何參數變化交互進行，因此BEV能使計劃者方便地選擇射野方向以最大限度地保護鄰近的危險器官。
BEV功能的基礎是原始CT圖像的分解，並在這基礎上對輪廓進行模型描繪。BEV功能中還常附有一些工具，如圖像對比度 / 亮度調節、縮放、測距等。
與BEV相對應的，還有醫生視觀（physician』s eye view 或 room』s eye view： REV），如圖1-22所示。它是將病人和治療機模型的重建和顯示治療室內觀察者所見的病人~機器相對位置關係。現代的三維治療常使用非共面野，非常規的投照方向常使計劃者如墜霧中，除了通過BEV觀察靶區和危及器官等正常組織在射野中的相互關係外，採用REV可清楚地了解治療機與病人的相對空間位置關係，而且，一個好的REV功能甚至應該能提示機架與病人在某些立體角的碰撞。
圖1-22 REV與BEV
在立體定向放射治療中，還有一種成為腫瘤視觀（tumor』s eye view）的圖像，它是根據設置在腫瘤中的等中心點及射野大小，由計劃系統算得的在不同幾何參數情況下（如機架和床轉角的組合）射線對正常組織的累及。根據參數組合的不同，採用不同的色調或灰度來表示正常組織累及程度的不同。在這個結果的提示下設野，可避免正常組織的過量照射（圖1-23）。
2
數字重建圖像
二維的BEV顯示應與模擬複核時的X攝片進行比較，這個過程可通過DRR（digitally reconstructed radiography，DRR）來實現。DRR的生成是通過模擬計算從源射出的束流經過由CT像素組成的虛擬病人吸收後達到屏上的強度分布而形成的虛擬X影像，如圖1-24所示。一般的DRR的功能中有亮度和對比度的調節，另外，有些DRR功能能進一步實現對某些特定組織的CT強度增強以凸現某些結構，這種圖像稱為DCR，如圖1-25所示。為了在CT值變化範圍較小的部位(如腹腔)也獲得較好的圖像，有些系統可以僅對屬於一層的CT數據進行重建，以便在某些組織間反差不太大的區域突現某一組織。
圖 1-24 DRR生成
圖 1-25 DRR與DCR
TAG:東陽光BNCT科普 |