[1]田 龙,李明辉,胡逸民,等.利用EPID图像金球位置自动跟踪算法研究[J].中国医学物理学杂志,2014,31(04):5038-5042.[doi:10.3969/j.issn.1005-202X.2014.04.014]
点击复制

利用EPID图像金球位置自动跟踪算法研究()
分享到:

《中国医学物理学杂志》[ISSN:1005-202X/CN:44-1351/R]

卷:
31卷
期数:
2014年04期
页码:
5038-5042
栏目:
出版日期:
2014-08-31

文章信息/Info

作者:
田 龙李明辉胡逸民
武汉大学物理科学与技术学院;中国医学科学院北京协和医科大学肿瘤医院肿瘤研究所放疗科;
关键词:
EPID成像图像处理空间坐标重建金球自动探测实时位置验证
分类号:
R812
DOI:
10.3969/j.issn.1005-202X.2014.04.014
文献标志码:
A
摘要:
目的:建立一种全新的算法,并利用EPID(Electronic Portal Imaging Device)图像实时读取预埋于体内金球的投影位置,自动重建金球在体内的投影位置坐标。方法:利用所编算法和Matlab软件进行EPID图像读取和处理金球投影位置并自动重建金球在体内的位置坐标。即取通过图像处理和圆曲率识别各自获得的金球投影位置坐标集合的交集为真实的2D坐标,并依此反推到病人体内获得金球位于靶区当中真实的3D重建坐标。结果:本研究共进行了三组实验,每组为两个交角拍摄的EPID片。每组所有EPID片上的金球投影位置探测成功率分别为94.44%,93.75%,94.44%。算法重建的和利用CT扫描在TPS中重建的金球位置的三维坐标最大偏差为2.2 mm,最小偏差为0.1 mm。该算法于所使用的PC上完成一组(两张交角EPID图像)图像处理和重建的运行时间<1s。结论:对于多组相交角度拍摄的含金球投影位置的EPID图像,所编算法金球探测成功率比较高,平均为94%,算法重建出的靶区周围金球三维坐标同CT扫描重建出的坐标相比较,偏差在可以接受的范围内。但是该程序参数调节较复杂,而且EPID板接缝处剂量会影响探测成功率,还需要进一步开发自动参数计算程序和消除EPID板接缝处剂量影响。

相似文献/References:

[1]刘玉红,王志芳,杨佳仪,等.彩色图像二值化算法及应用[J].中国医学物理学杂志,2013,30(01):3873.[doi:10.3969/j.issn.1005-202X.2013.01.009]
[2]杜永兴,桑路路,秦岭,等.一种基于图像匹配的微波热疗方法[J].中国医学物理学杂志,2016,33(10):1026.[doi:10.3969/j.issn.1005-202X.2016.10.011]
 [J].Chinese Journal of Medical Physics,2016,33(04):1026.[doi:10.3969/j.issn.1005-202X.2016.10.011]
[3]朱翔宇,葛中芹,张冰清,等.基于图像处理的医学影像处理平台系统设计[J].中国医学物理学杂志,2017,34(4):388.[doi:DOI:10.3969/j.issn.1005-202X.2017.04.014]
[4]金京,孟雅丹,徐琦,等.二维分形维数在皮肤癌光学相干断层成像技术诊断中的应用[J].中国医学物理学杂志,2017,34(7):698.[doi:10.3969/j.issn.1005-202X.2017.07.010]
 [J].Chinese Journal of Medical Physics,2017,34(04):698.[doi:10.3969/j.issn.1005-202X.2017.07.010]
[5]王耿媛,赖官铨,段铮昱,等. 基于裂隙灯的眼微血管形态学参数分析在眼科疾病诊断的应用[J].中国医学物理学杂志,2018,35(3):323.[doi:DOI:10.3969/j.issn.1005-202X.2018.03.014]
 WANG Gengyuan,LAI Guanquan,DUAN Zhengyu,et al. Application of morphological parameters analysis of ophthalmic microvasculature based on slit lamp in the diagnosis of ophthalmic diseases[J].Chinese Journal of Medical Physics,2018,35(04):323.[doi:DOI:10.3969/j.issn.1005-202X.2018.03.014]
[6]王力,孟庆民,郭永新,等. 基于Hessian矩阵的DSA图像冠状动脉直径的测量[J].中国医学物理学杂志,2019,36(10):1182.[doi:DOI:10.3969/j.issn.1005-202X.2019.10.013]
 WANG Li,MENG Qingmin,GUO Yongxin,et al. Measurement of coronary artery diameter on DSA image based on Hessian matrix[J].Chinese Journal of Medical Physics,2019,36(04):1182.[doi:DOI:10.3969/j.issn.1005-202X.2019.10.013]
[7]孙凯,姚旭峰,马风玲,等.基于机器学习的血细胞分类研究进展[J].中国医学物理学杂志,2020,37(1):127.[doi:DOI:10.3969/j.issn.1005-202X.2020.01.023]
 SUN Kai,YAO Xufeng,et al.Blood cell classification based on machine learning[J].Chinese Journal of Medical Physics,2020,37(04):127.[doi:DOI:10.3969/j.issn.1005-202X.2020.01.023]
[8]惠钊,黄慧明.基于比率距离的自适应超声图像去噪方法[J].中国医学物理学杂志,2020,37(2):174.[doi:DOI:10.3969/j.issn.1005-202X.2020.02.008]
 HUI Zhao,HUANG Huiming.Adaptive ultrasound image denoising method based on ratio distance[J].Chinese Journal of Medical Physics,2020,37(04):174.[doi:DOI:10.3969/j.issn.1005-202X.2020.02.008]
[9]王尧,黄钢.深度学习在细胞图像分析中的应用进展[J].中国医学物理学杂志,2022,39(8):963.[doi:DOI:10.3969/j.issn.1005-202X.2022.08.008]
 WANG Yao,HUANG Gang,Advances in application of deep learning in cell image analysis[J].Chinese Journal of Medical Physics,2022,39(04):963.[doi:DOI:10.3969/j.issn.1005-202X.2022.08.008]
[10]王萍,徐凯成,张一弛,等.基于反注意力机制U-Net网络的胃部肿瘤分割[J].中国医学物理学杂志,2022,39(9):1133.[doi:DOI:10.3969/j.issn.1005-202X.2022.09.013]
 WANG Ping,XU Kaicheng,ZHANG Yichi,et al.Gastric tumor segmentation by U-Net based on reverse attention mechanism[J].Chinese Journal of Medical Physics,2022,39(04):1133.[doi:DOI:10.3969/j.issn.1005-202X.2022.09.013]

更新日期/Last Update: 2014-07-10