一种利用单次X射线投影在放射治疗中实现实时体积成像的方法

本文提出一种利用单次X射线投影生成瞬时体积图像的新方法。为了充分提取投影图像中隐藏的运动信息，我们将投影图像分割成小块。我们利用稀疏学习方法自动选择与肺运动模型主成分分析（PCA）系数高度相关的小块。在块选择过程中，建立了一个将块强度映射到PCA系数的模型。基于该模型，可以利用测量到的投影预测PCA系数，进而生成运动矢量场和体积图像。我们还提出了一种基于分割投影的强度基线校正方法，通过线性变换使模拟图像中块像素强度的第一和第二矩与测量图像中的相匹配。该方法已在模拟数据和真实体模数据中得到验证。该算法能够识别包含相关运动信息的小块，例如膈肌区域。发现强度校正步骤对于消除运动预测中的系统误差至关重要。对于模拟案例，稀疏学习模型将第一PCA系数的预测误差降低到5%，而未使用稀疏学习时误差为10%。预测运动矢量的第95百分位误差从2.40 mm降低到0.92 mm。在体模案例中，预测肿瘤运动轨迹成功重建，平均矢量场误差为0.82 mm，而未使用稀疏学习方法时为1.66 mm。还研究了算法对稀疏度、块大小、膈肌存在以及计算时间的鲁棒性。