一種用于肺部圖像引導(dǎo)放射治療的雙能X射線透視成像方法

賀樹萌，馬善達，王 偉，付東山*

(1.天津醫(yī)科大學(xué)腫瘤醫(yī)院放射治療科 國家腫瘤臨床醫(yī)學(xué)研究中心 天津市“腫瘤防治”重點實驗室 天津市惡性腫瘤臨床醫(yī)學(xué)研究中心，天津 300060；2.江蘇瑞爾醫(yī)療科技有限公司，江蘇 無錫 214192)

雙能減影(dual energy subtraction， DES)成像技術(shù)于1967由Alvarez等首先提出，于1986年首次用于臨床診斷，目前主要用于放射診斷領(lǐng)域，包括檢測及診斷胸部異常[1-5]及骨密度儀等[6]；其在放射治療領(lǐng)域的研究對象普遍為模體[7]，臨床研究尚處于起步階段。X線在穿透人體的過程中主要發(fā)生光電效應(yīng)和康普頓效應(yīng)。采用高低能X線分別照射同一種物質(zhì)時，在高能X線束作用下主要發(fā)生光電效應(yīng)，低能X線束作用下主要發(fā)生康普頓效應(yīng)。采用單次曝光法與雙次曝光法兩種方法可獲得高低能X線圖像。傳統(tǒng)雙次曝光法中高低能X線切換時間較長，受患者呼吸、肌肉及心臟運動影響，所得減影圖像易存在運動偽影。

本文提出一種雙能X線透視成像方法，以高低能X線對同一部位進行曝光，通過高低能快速切換方式采集一對高低能圖像，以最大限度降低減影圖像的運動偽影。雙能X線透視成像設(shè)備具有C型臂旋轉(zhuǎn)結(jié)構(gòu)，可在不同投影方向采集呼吸周期內(nèi)9或10個時相的高低能圖像對序列。通過改進傳統(tǒng)對數(shù)加權(quán)減影算法，本文提出的自動雙能減影首先對高能X線圖像進行低通濾波，以降低軟組織減影圖像中的量子噪聲，然后采用CNR值作為圖像評價參數(shù)，自動搜索對數(shù)加權(quán)值，獲得最佳質(zhì)量的軟組織減影圖像。本研究采集和分析了20例肺部腫瘤患者的臨床數(shù)據(jù)，并與高低能X線圖像進行目視對比，評價其對軟組織減影圖像中腫瘤可視度的提高程度。

1 設(shè)計與方法

1.1 成像設(shè)備及圖像采集 雙能X線透視成像設(shè)備主要由C型臂、治療床、X線管、平板探測器、高壓發(fā)生器和控制計算機組成(圖1)，可在不同投影角度采集圖像。

通過雙次曝光法采集高低能X線圖像對，采集過程中高低能X線快速切換。采集雙能圖像時需要每個管電壓保持在平穩(wěn)狀態(tài)，若X線能量切換時間較短，會造成管電壓在切換瞬間圍繞基準(zhǔn)電壓上下波動，產(chǎn)生不穩(wěn)定的高低能X線而影響圖像質(zhì)量。受設(shè)備限制，傳統(tǒng)圖像采集方式采用較長的能量切換時間來保證電壓的穩(wěn)定性。受患者呼吸、肌肉、心臟運動的影響，如不進行高低能X線切換，得到的減影圖像易存在運動偽影。本研究選用升壓時間短且穩(wěn)定的定制高壓發(fā)生器，以縮短能量切換時間，同時保證管電壓的穩(wěn)定性；高能X線能量在125～135 kVp之間、低能X線能量在70～80 kVp之間選擇。

圖1 雙能X線透視成像設(shè)備 圖2 一組高低能脈沖序列

圖3 連續(xù)高低能脈沖序列

圖2示采集圖像過程中的一組高低能脈沖序列(130 kVp/75 kVp)，其中If、Ib和kV分別是燈絲電流、脈沖電流和電壓，Trigger指高能觸發(fā)信號。首先通過一個低能長脈沖(75 kVp, 65 ms)完成低能X線圖像采集，此過程中脈沖電流由180 mA上升至290 mA；經(jīng)過33 ms低能到高能的切換時間；再觸發(fā)一個高能短脈沖(130 kVp, 5 ms)完成高能X線圖像采集。采集一組高低能X線圖像需103 ms，快速切換可避免呼吸運動引起的圖像偽影。

圖3示本成像設(shè)備通過觸發(fā)連續(xù)高低能脈沖序列，每對高低能脈沖之間間隔0.4 s，在一個呼吸周期內(nèi)(4～5 s)可采集9或10個呼吸時相的圖像，形成呼吸周期運動圖像序列。采集20例接受放射治療的肺部腫瘤患者的圖像，每例分別在0°、45°、90°和135°投影方向采集9或10個時相的高低能X線圖像對序列，高低能脈沖電壓范圍選擇分別為120～130 kVp和70～80 kVp。

1.2 自動減影算法 通過對數(shù)加權(quán)減影公式獲得軟組織減影圖像：

(1)

研究[8]指出減影會造成圖像中量子噪聲擴大，降低圖像質(zhì)量，使組織結(jié)構(gòu)細(xì)節(jié)模糊。由于軟組織減影圖像中的絕大部分量子噪聲由高能X線圖像引入[9]，對高能X線圖像通過低通濾波，去除量子噪聲，軟組織減影圖像中的高頻信息由未經(jīng)低通濾波的低能X線圖像提供。改進后的對數(shù)加權(quán)減影公式為：

(2)

自動減影算法采用CNR值作為圖像質(zhì)量評價參數(shù)，自動獲取最佳軟組織減影圖像。CNR指兩種組織信號強度差異與背景噪聲強度之比，在減影過程中以之作為衡量骨骼與軟組織區(qū)域之間對比度的評價參數(shù)。對權(quán)重系數(shù)進行固定步長迭代，精確計算迭代過程中每個權(quán)重系數(shù)對應(yīng)的CNR值。CNR值最小時，骨骼與軟組織間的對比度小，骨骼被充分減去，減影效果最佳，此時對應(yīng)最佳權(quán)重系數(shù)和最優(yōu)軟組織減影圖像。CNR值計算公式：

(3)

其中Mbone，Msoft分別代表骨骼與肺部軟組織的像素平均值，σbone和σsoft分別代表骨骼和肺部軟組織的像素標(biāo)準(zhǔn)偏差。

在有明顯骨骼與軟組織對比度的肺實質(zhì)區(qū)域計算CNR值，選擇圖像對比度較高的低能X線圖像確定肺實質(zhì)區(qū)域，提取肺實質(zhì)，并進行骨骼與軟組織圖像分割。肺部組織密度低，在X線圖像中呈現(xiàn)為2個獨立的亮區(qū)域。根據(jù)此灰度特征，計算整幅圖像在水平方向與垂直方向的平均投影灰度值，劃分出左右2個肺實質(zhì)區(qū)域[10]，見圖4A。在面積較大的肺實質(zhì)區(qū)內(nèi)使用形態(tài)學(xué)濾波與最小誤差閾值分割法[11]，分割出肺實質(zhì)的主要部分，見圖4B，肺實質(zhì)圖像僅包含肺部軟組織與骨骼。然后采用王鑫等[12]的基于Hough變換的肋骨邊緣檢測法確定骨骼邊界，分割出骨骼和軟組織(圖4C、4D)。

2 結(jié)果

采用雙能X線透視成像系統(tǒng)對20例患者在0°、45°、90°、135°投影方向采集呼吸周期9或10個時相的高低能圖像對序列，分別獲得198、196、198和198個高低能圖像對，共790組，分析790個高低能圖像對，獲得790幅軟組織減影圖像；通過與高低能X線圖像的目視對比，評價軟組織減影圖像中腫瘤可視度的提高程度。

2.1 自動減影算法結(jié)果 圖5A和5B為一對高能X線圖像(125 kVp)和低能X線圖像(70 kVp)，圖5C為通過本文減影算法獲得的軟組織減影圖像。在減影圖像計算過程中，對ωs在0～1范圍內(nèi)進行迭代，迭代步長0.001。圖6為減影迭代過程中權(quán)重系數(shù)ωs與CNR值的關(guān)系曲線，圖7為不同ωs取值時對應(yīng)的減影圖像結(jié)果。如圖6和圖7所示，隨ωs值增大，CNR值變小，當(dāng)ωs值達到0.635時，CNR值最小，減影圖像質(zhì)量最好，骨骼被充分消除(圖7F)；當(dāng)ωs取值過大時，骨骼邊界重現(xiàn)，減影圖像出現(xiàn)失真(圖7G、7H)。

圖8A和8B分別為經(jīng)傳統(tǒng)減影算法和自動減影算法處理得到的軟組織減影圖像，白色矩形內(nèi)為腫瘤區(qū)域;圖8C和8D分別為圖8A和8B白色矩形內(nèi)放大的腫瘤區(qū)域。目視對比可見自動減影算法得到的圖像噪聲小，腫瘤細(xì)節(jié)更加清晰。

2.2 腫瘤可視度評價 2名影像科醫(yī)師通過目視判斷高低能X線圖像與減影圖像中腫瘤的可視度和清晰度，發(fā)現(xiàn)高低能圖像中，受骨骼遮擋，腫瘤可見度很低，而經(jīng)自動減影算法處理得到的軟組織減影圖像中腫瘤清晰可見(圖9)。

在0°、45°、90°和135°方向分別采集的198、196、198和198個高低能X線圖像對中，腫瘤可視圖像分別為198、38、69和49對，可視比例分別為100%(198/198)、19.39%(38/196)、34.85%(69/198)和24.75%(49/198)。骨骼遮擋是造成腫瘤不可視或可視度低的主要原因。軟組織減影圖像中腫瘤可視圖像分別為198、108、149和159幅，可視比例提升至100%(198/198)、55.10%(108/196)、75.25%(149/198)和80.30%(159/198)，肺部腫瘤可視度得到顯著提高。

圖4 軟組織區(qū)域與骨骼位置確定過程圖 A.肺實質(zhì)區(qū)域; B.肺實質(zhì); C.骨骼; D.軟組織

圖5 患者男，60歲，肺癌，軟組織減影圖像的效果圖 A.高能X線圖像； B.低能X線圖像； C.軟組織減影圖像

圖6 ωs-CNR值曲線

3 討論

本研究提出的雙能X線透視成像方法包含圖像采集系統(tǒng)與自動減影算法兩部分。圖像采集系統(tǒng)采用C臂旋轉(zhuǎn)結(jié)構(gòu)和高低能快速切換采圖機制，可在任意投影角度采集圖像，高低能快速切換可避免運動偽影產(chǎn)生。以自動減影算法對高能X線圖像進行去噪處理，可減少軟組織減影圖像中的量子噪聲，保留腫瘤

部位細(xì)節(jié)清晰度，提高軟組織減影圖像的圖像質(zhì)量；采用CNR值作為減影過程中的圖像質(zhì)量評價參數(shù)，自動獲取最佳軟組織減影圖像，無需人工干預(yù)，可避免人工操作帶來的不確定性。自動減影算法在Matlab中實現(xiàn)，計算耗時<0.8 s，后續(xù)將采用C++實現(xiàn)本算法，并使用GPU加速和并行運算，以提高實時性。此法具有偽影低、圖像質(zhì)量高、全自動無需人工干預(yù)的優(yōu)點，可顯著提高肺部腫瘤可視度，提供完整腫瘤信息。

目前常用的腫瘤動態(tài)跟蹤方式主要為kV級X線立體平面成像系統(tǒng)[13-14]，受骨骼遮擋難以直接對腫瘤進行定位跟蹤，通常在腫瘤內(nèi)部或附近植入一個或多個金屬標(biāo)記，通過跟蹤金屬標(biāo)記間接估算腫瘤位移，且金屬標(biāo)記植入可能引發(fā)氣胸等并發(fā)癥。本文方法為無標(biāo)記腫瘤運動跟蹤提供了新的途徑：通過自動雙能減影算法獲得呼吸周期所有時相的軟組織減影圖像序列，以圖像間平均像素差值作為衡量標(biāo)準(zhǔn)，自適應(yīng)選擇匹配所需的參考圖像，采用基于歸一化互信息的軟組織圖像匹配算法，獲取呼吸周期所有時相的腫瘤位置，實現(xiàn)無標(biāo)記定位跟蹤運動腫瘤。

圖7 ωs不同取值時減影結(jié)果圖 A.ωs=0.2; B.ωs=0.3; C.ωs=0.4; D.ωs=0.5; E.ωs=0.6; F.ωs=0.635; G.ωs=0.7; H.ωs=0.8

圖8 減影結(jié)果對比圖 A.傳統(tǒng)減影算法結(jié)果; B.自動減影算法結(jié)果； C.傳統(tǒng)減影算法結(jié)果腫瘤區(qū)域放大圖; D.自動減影算法結(jié)果腫瘤區(qū)域放大圖

圖9 腫瘤可視度目視比較 A.高能圖像(130 kVp)及腫瘤區(qū)域; B.低能圖像(70 kVp)及腫瘤區(qū)域; C.軟組織減影圖及腫瘤區(qū)域