[发明专利]一种基于流形聚类和加权稀疏的呼吸运动补偿方法

说明书

本发明提出一种基于流形聚类和加权稀疏的呼吸运动补偿方法，包括以下步骤：采集群体数据集的4D‑CT图像及个体受试者呼气‑吸气两个相位的3D‑CT图像；通过图像配准获取群体数据集和个体受试者的变形向量场运动特征；基于流形聚类获得与个体受试者运动特征相似的亚群体数据集；采用加权稀疏法建立个体与亚群体运动特征之间的量化关系，构建个体4D‑CT图像；获取个体受试者的内部变形向量场和外部皮肤表面运动，构建个体化的呼吸运动补偿模型，以实现实时预测肺部图像。本发明在保证对肺部运动进行精确预测的同时，减少了受试者的辐射损伤，有望突破现有呼吸运动补偿方法的局限性，可以对全肺进行实时影像预测，减小呼吸运动对肺组织的影响。

技术领域

本发明涉及医学图像处理、计算机视觉、机器学习等领域，具体为一种基于流形聚类和加权稀疏的呼吸运动补偿方法。

背景技术

随着计算机、医学影像、高精度测量等技术的发展，能够构建人体的多模影像。然而，由于呼吸运动的影响，肺部组织会随着整个肺部产生持续的运动，导致肺部CT图像实时误差较大。因此，研究呼吸运动的规律，特别是其对肺部组织结构的影响具有重要的意义。

当前，解决呼吸运动问题的方法有几种，包括：屏气/呼吸门控、运动跟踪以及呼吸运动补偿等。屏气/呼吸门控的方法最简单，但此类方法对呼吸相位控制较为粗糙，难以保证精度，而且部分受试者难以完成屏气或呼吸门控的要求。运动跟踪方法需将标记物植入肺部区域，然后使用成像设备(如X射线)通过标记物跟踪来监测呼吸运动，但是，此种方法具有侵入性，且监测范围较小，仅在标记物附近能获取较为精确的肺部运动信息，此外，还存在较大辐射损伤风险。由于上述技术的局限性，近年来研究者对如何通过计算的方法估计和校正呼吸运动对肺部形变及结构运动的影响，即呼吸运动补偿模型，产生了浓厚的兴趣。呼吸运动补偿模型可以减少辐射剂量，无需受试者进行屏气操作，且能大范围预测肺部的运动，因此成为当前的研究热点。

常见的呼吸运动补偿方法大致分为两类，包括个体化呼吸运动补偿模型和全局呼吸运动补偿模型。个体化呼吸运动补偿模型先采集个体受试者的4D-CT图像，利用其建立肺部变形场和皮肤表面运动之间的关联，并应用该模型预测实时肺部影像。此方法的缺点在于涵盖受试者整个呼吸周期的4D-CT图像采集，对受试者存在较大的辐射损伤风险。为了解决这个问题，提出了群体呼吸运动补偿模型，基于统计模型/深度学习建立群体受试者肺部变形场和皮肤表面运动之间的运动补偿关系。此种模型基于整个群体来提取肺部运动和皮肤运动的共性特征，预测肺部实时图像时不需要采集个体4D-CT图像，能有效减小辐射剂量，然而，由于个体肺部运动的差异性和随机性，最接近特定受试者真实运动的个性特征可能被忽略。

本发明公开了一种基于流形聚类和加权稀疏的个性化呼吸运动补偿方法，将群体运动特征与个体相位有效结合，能够在辐射风险和模型精度之间达到较好的平衡，同时满足实时性要求。

发明内容

本发明技术解决问题：克服现有技术的不足，提供一种基于流形聚类和加权稀疏的个性化呼吸运动补偿方法，有效结合群体特征和个体相位，对全肺进行实时影像预测，减小呼吸运动对肺部组织结构的影响，为医生提供全面、直观和真实的肺部场景。

为实现上述目的，本发明提供以下技术方案：

一种基于流形聚类和加权稀疏的呼吸运动补偿方法，所述方法包括：获取群体数据集的4D-CT图像及个体受试者呼气-吸气两个相位的3D-CT图像；通过图像配准获取群体数据集和个体受试者的变形向量场；基于流形聚类获得与个体受试者运动特征相似的亚群体数据集；采用加权稀疏算法建立个体与亚群体运行特征之间的量化关系，构建个体受试者4D-CT图像；获取个体受试者的内部变形向量场和外部皮肤表面运动，构建个体化的呼吸运动补偿模型，以实现实时预测肺部图像。

进一步的，所述方法具体包括以下步骤：