（三十七：2021.01.13）Pre-MICCAI 2019學習（二）《前列腺近距離放射治療中，檢測粒子在CT中的3D位置和方向》

《Automatic 3D seed location and orientation in CT images for prostate brachytherapy》

• 講在前面
• 摘要
• 論文内容
• • 1.介紹
  • 2.材料
  • 3.方法
  • • 3.A 使用連接配接對象分割進行粒子定位
    • 3.B 使用PCA來進行方向估計
    • 3.C 使用聚類方法對`union-seed`進行分離
  • 4.結果
  • • 4.A 實驗設定
    • 4.B 體模實驗
    • 4.C 病例實驗
  • 5.總結

images for prostate brachytherapy》)

講在前面

• 一.Pre-MICCAI是我為了進一步了解MICCAI某些相當有意義論文的發展曆史而采取的一種追根溯源的方法，在這個系列中我會将這篇論文所提到的之前的論文進行一定的了解，便于更深層次的學習和了解整個算法要解決哪些之前的問題，同時借鑒前人的思想來豐富自己的知識庫；
• 二.我設計了幾種字型顔色用于更加醒目地表現關鍵的思想和主題：
  • 紅色表示尚未了解透徹的一些概念
  • 藍色表示對原來的了解做的一些修改或補充
  • 綠色表示此處需要參考的論文其他部分
  • 橙色表示本文的重要關鍵字
  • 我會用删除線将自己曾經不到位的了解進行删除
• 三、本文基于論文《A Deep Regression Model for Seed Localizationin Prostate Brachytherapy》

摘要

在前列腺近距離治療中，對每個植入的粒子的3D姿勢資訊的分析是劑量計算和品質評估的關鍵問題之一。 本文介紹了一種用于前列腺粒子的分離、定位和3D方向估計的自動圖像處了解決方案。 該解決方案将對CT圖像中的一組候選粒子的初始檢測（使用門檻值和連接配接成分方法）與使用主成分分析（PCA）的方向估計結合在一起。 這項工作的主要創意是能夠根據先驗強度和體積資訊對檢測到的物體進行分類，并使用改進的k均值方法将種子分組。 在體模和患者的CT圖像上進行了實驗，目的是在檢測性能和計算時間方面将建議的解決方案與手動分割或其他先前的工作進行比較。

論文内容

1.介紹

前列腺癌具有2006年至2010年全球每年每100,000名男性中152人的發病率，被認為是男性具有第二大發病率的癌症。 前列腺癌的診斷和治療方法的改進變得越來越重要。 使用低劑量放射性粒子的低風險前列腺近距離放射療法是一種處理局部前列腺癌的常見且高效的方法。 通過平行針将散落或擱淺的粒子插入前列腺。 在實踐中，植入前列腺的粒子數量通常為40到100。手術的目的是定位種子，以在整個前列腺中獲得适當的劑量覆寫，同時限制對鄰近器官的風險。 理論上，粒子應與針插入方向對齊。然而，實際上，粒子植入取決于許多生物力學因素以及人類經驗。 是以，盡管在放置針頭和運送種子時進行了任何特殊的護理或努力，粒子仍可能掉出位置。 這也可能導緻成排緊密排列的粒子。 我們将這樣的重疊粒子命名為

union-seed

（圖1）。 為了進行治療品質評估，通常在手術後一個月進行PID，一旦前列腺的任何發炎反應消失，便會進行基于CT的劑量測定。 CT檢查通常顯示粒子在植入方向上未對齊，并且粒子可能會遷移。盡管美國醫學實體學會建議根據實際粒子的位置和方向确定近距離放射治療粒子的3D劑量分布，但大多數治療計劃軟體仍在假設所有粒子均與CT的軸對齊這個前提。是以，粒子的最佳位置和方向（包括分離

union-seed

的能力）是評估前列腺近距離放療的主要挑戰。

圖1：

是以粒子的定位已被廣泛研究和發表。 例如，在[

《. Kuo et al., “Mri-based prostate brachytherapy seed localization,” ISBI, pp. 1397–1400, 2010》

]中考慮使用高斯的拉普拉斯算子進行斑點檢測來确定IRON圖像（利用共振水抑制進行反轉-恢複）中的粒子位置，而沒有明确提及粒子的方向。（筆者人已經傻了，在之前的工作中我恰恰是使用了這樣的算子檢測手段，實作了粒子的檢測，真沒想到在這兒遇到了祖師爺。）Wei等人在[

《. Wei et al., “Automated localization of implanted seeds in 3d trus images used for prostate brachytherapy,” Medical Physics, vol. 33(7), pp. 2404–2417, 2006》

]中從背景圖和植入後的超聲圖像之間的減影圖中分割出粒子，然後将PCA方法應用于方向檢測。 還報道了粒子在X射線圖像中的定位，例如在[

《 Lee et al.,“Prostate Brachytherapy Seed Localization with Gaussian Blurring and Camera Self-calibration”,MICCAI, pp. 636-643, 2008.》

]中使用高斯模糊圖像進行體積重建，取得了有意義的進展。 Chng等人在[《

Chng et al., “Prostate brachytherapy postimplant dosimetry: Seed orientation and the impact of dosimetric anisotropy in stranded implants,” Medical Physics, vol. 39, pp. 721–731, 2012.

》]中估計了從切向量到粒子鍊的粒子切線的方向，該粒子鍊在植入CT後的每個粒子位置處确定。 大量論文都考慮了粒子的發散，其實際方向通常更接近計劃的粒子。 但是，這些類型的粒子限制了臨床醫生規劃劑量的能力。 而且，這些方法不能處理

union-seed

。

我們已經開始在機構中開發植入手術後圖像處理軟體，強調較小的計算複雜性和粒子檢測的高效率。 在這項研究中，我們利用CT圖像中放射性粒子的高強度外觀，尋求一種基于門檻值化和關聯成分分割的解決方案。除了精确定位粒子位置和方向外，我們還進行了對

union-seed

的分割。 在此，将PCA方法用于方向估計，并改進了k均值分割方法。 本文的組織結構如下：在第二節中，介紹了此工作中使用的材料；在第三節中，我們描述了建議的解決方案；在第四節中報告了對來自體模和一名匿名患者的資料集的評估。 然後，我們将在第五節中讨論該方法的主要貢獻和潛在擴充。

2.材料

格勒諾布爾大學醫院的臨床團隊使用BEBIGIsoSeed® I − 125 I-125 I−125種子。 種子由圓柱形陶瓷材料制成，并在中心充滿了放射性碘125化合物和金标記，它們全部被雷射密封的钛管包圍。 種子的外部實體尺寸為 l = 4.5 ± 0.2 m m l = 4.5±0.2mm l=4.5±0.2mm長和 r = 0.4 ± 0.02 m m r = 0.4±0.02mm r=0.4±0.02mm外部半徑。碘125同位素以35keV的最大能量發射光子，半衰期為59.46天。 該資訊由制造商提供。

3DCT圖像是使用GE Lightspeed RT16掃描器獲得的，預設X射線管參數為：120kVp，380-440mA.s。切片寬度為0.625mm，每個切片為16幀/秒。圖像重建矩陣以512x512的DICOM 3.0格式歸檔，具有16位灰階級。

3.方法

3.A 使用連接配接對象分割進行粒子定位

初始步驟是使用分割方法檢測候選粒子清單。已經提出了圖像進行中的許多方法來分割圖像中的單個對象，例如圖像分割、分水嶺轉換和水準集。 在本文中，由于僅使用強度門檻值 t t t 很簡單且計算效率高，是以考慮了連接配接元件标記方法。 确實，我們首先根據 t t t 對原始體積進行門檻值分割，然後為每個連接配接的元件（26個像素為一個連接配接域）配置設定一個标簽 i i i。與連接配接的元件相對應的所有體素都具有相同的标簽，該标簽對于其特定元件是唯一的。 将每個元件的位置确定為其質心 c i c_i ci​。

在這項工作中，強度門檻值 t t t 的選擇可以基于粒子的X射線吸收的圖像特征和實體特征來啟發式設定。 圖2顯示了在患者的CT圖像中檢測到的連接配接元件的示例。 我們可以假設骨盆骨骼是非常大的組成部分，其體積比種子的實際體積大100倍（表示為 R V = r 2 π l RV =r^2πl RV=r2πl）。 相反，噪聲由微小的成分組成，其體積不到RV的三分之一。 骨盆的骨頭和噪音被清除。 其他成分保留為候選粒子，由兩種類型組成：

single-seed

和

union-seed

。

union-seed

基于與

single-seed

相比的體積（表示為Vsingle）進行分類。 實際上，

union-seed

最多可以包含4或5個粒子。 在第一階段，

union-seed

不能分開。 實際上，

union-seed

總是會導緻位置和方向估計的潛在誤差。 是以，我們在第III.C節中提出提出此方法的一個分離方案。

圖2：

3.B 使用PCA來進行方向估計

考慮到每個元件中的 n n n 個檢測到的體素的集合，該3.B階段旨在估計元件的3D方向。 已經有人提出了許多方法，包括3D Hough平面變換[

W. Qiu et al., “Needle segmentation using 3d hough transform in 3d trus guided prostate transperineal therapy,” Medical Physics, vol. 40,p. 042902, 2013

]或最小包圍邊界框[

. Lahanas et al., “Optimized bounding boxes for three-dimensional treatment planning in brachytherapy,” Medical Physics, vol. 27, pp.2333–2342, 2000

]。 然而，由于這些方法的複雜性和圖像僞影的高度影響，這些方法不适合在醫學圖像中識别。 在這項工作中，我們重點研究了一種3D方向估計的解決方案，該解決方案将通過研究PCA方法來改善這兩個方面。 PCA方法是通過拒絕低方差特征來壓縮和提取一組相關觀測值的描述的最簡單，最可靠的數學程式。 考慮到 p p p 維特征向量（在我們的示例中為3維），PCA方法将把此資料投影到 q q q 個主成分上。 第一主成分 v 1 v_1 v1​ 是沿着具有點雲協方差矩陣 C C C 的最大特征值 λ 1 λ_1 λ1​投影的特征空間。 選擇它作為對象的方向。 第二主成分 v 2 v2 v2 是在和第一主成分 v 1 v_1 v1​的所有正交的方向中方差中最大的那個方向。

3.C 使用聚類方法對

union-seed

進行分離

通過連接配接的元件标記檢測到的每個

union-seed

的體素集，我們研究一種使用k-均值聚類方法的無監督分類方法[

. Han et al., Data Mining: Concepts and Techniques. Morgan Kaufmann, 2011

]。 通過将每個體素重新标記為屬于具有最近均值的聚類，我們将這些成分分成k個粒子。 通過将分量體積 V V V與 V s i n g l e V_{single} Vsingle​比較： k = V / V s i n g l e k = V / V_{single} k=V/Vsingle​，将四舍五入到最接近的整數值，獲得在聯合種子中分組的種子數 k k k。我們首先随機選擇 k k k 個點作為初始簇質心。 然後，将每個體素配置設定給最近的質心。 我們重複此過程，直到所有質心不再變化為止。

K-means算法在許多分類應用中顯示出其計算簡便性。 但是，由于所得簇強烈依賴于初始質心的選擇以及簇共享區域的大小和形狀差異，是以k均值存在一些局限性。 在實踐中，當分離平行粒子組時，這種經典的k均值方法存在最大的誤差（請參見第四節）。是以，我們提出了一種改進方法

k-means-for-seeds

，通過利用PCA提供的資訊來選擇k-means算法的初始聚類：

• 我們首先使用PCA方法估計

  union-seed

  的兩個主要方向 v 1 ， v 2 {v1，v2} v1，v2；
• 然後， （ k − 1 ） （k-1） （k−1）平行平面由

  union-seed

  的主方向 v 1 v1 v1 和它們之間的距離 d = λ 2 / k d =λ_2/ k d=λ2​/k定義（見圖3），其中 λ 2 λ_2 λ2​ 是

  union-seed

  的協方差矩陣 C C C 的第二個特征值。 這些平行平面将

  union-seed

  的空間劃分為 k k k 個分區。 最後，我們将k-means聚類算法與初始聚類中心一起應用，初始聚類中心是這 k k k 個分區的質心。

  圖3：

  

  在這項工作中，我們對具有不同初始簇質心的經典k-means方法和k-means-FS方法進行了實驗。 從質心方向資訊中為

  union-seed

  中檢測到的每個單個粒子重建對應于粒子模型的圓柱體。然後，針對每種解決方案計算這些圓柱體形式和

  union-seed

  共有的體素數量之和。 總和最大的解決方案被選為最佳解決方案。

4.結果

4.A 實驗設定

所建議方法的驗證是使用放射性碘125粒子的CT圖像進行植入的：

• 1）特殊制作的體模；
• 2）來自格勒諾布爾大學醫院提供的真實患者的資料。

手動将11個粒子放置在一個平闆模型的表面上（尺寸9x9x0.5cm3）。 将成對的粒子以從垂直到平行的不同方向互相接觸，其主要目的是評估分離各種類型的

uinon-seed

的能力。粒子在體模中的參考位置基于手動檢測（圖4）。 患者資料由前列腺近距離放射治療期間植入的72顆粒子組成。 在第二個實驗中考慮的CT掃描器圖像是在粒子植入後一個月拍攝的（圖1）。使用臨床治療計劃軟體手動重建粒子在前列腺中的參考位置。

圖4：

所提出的解決方案的實作是基于我們的開源架構CamiTK（使用帶有VTK和ITK庫的C++）在3.4 GHz Intel Core i7-2600 CPU上建構的。有關DICOM圖像的更多資訊，請參見表1。 CT圖像中每種材料的體素強度（HU）為：體模材料[0,400]，患者軟組織[0,400]，患者骨骼[0,1350]和粒子[500，max]。

為了将粒子的參考位置和方向與其檢測到的位置和方向進行比較，我們使用了它們的質心 c 1 ， c 2 c1，c2 c1，c2 與它們的方向矢量 v 1 ， v 2 v1，v2 v1，v2（等式1）的點積之間的歐幾裡得距離， ∣ ∣ v i ∣ ∣ ||v_i|| ∣∣vi​∣∣ 是向量 v i v_i vi​的大小，距離 Δ d Δd Δd 的機關是mm， Δ θ Δθ Δθ 的機關是度:

Δ d = ∑ i = 1 3 ( c 1 i − c 2 i ) 2 , Δ θ = a cos ⁡ ( v 1 ⋅ v 2 ∥ v 1 ∥ ∥ v 2 ∥ ) (1) \Delta{d}=\sqrt{\sum_{i=1}^3(c_{1i}-c_{2_i})^2},\Delta{\theta}=a\cos(\frac{v_1\cdot{v_2}}{{\|v_1\|}{\|v_2\|}})\tag{1} Δd=i=1∑3​(c1i​−c2i​​)2

​,Δθ=acos(∥v1​∥∥v2​∥v1​⋅v2​​)(1)

4.B 體模實驗

表2顯示了使用強度門檻值t = 1400時檢測到的粒子相對于參考位置的方向差 Δ θ Δθ Δθ 和距離 Δ d Δd Δd 的詳細資訊。使用 Δ θ = 0.2 3 o Δθ= 0.23^o Δθ=0.23o和 Δ d = 0.02 m m Δd= 0.02mm Δd=0.02mm的11号

single-seed

獲得了最佳檢測結果。 相反，定向估計最困難的情況是平行

union-seed

，即粒子幾乎以相同的方向對齊（在這裡是5号和6号粒子）。 距離誤差最大的是

T形

，即其中一個粒子與另一粒子剛好正交（1号和2号種子）。

表2：

表3還展現了3種不同門檻值選擇的方向差 Δ θ Δθ Δθ和距離差 Δ d Δd Δd：[500,1400,7431]。 總體而言，我們針對20種以上的 t t t 進行了該實驗。 平均距離為0.13±0.07mm，而Chng方法為0.3mm。 平均取向為 1.3 2 o ± 0.9 1.32^o±0.9 1.32o±0.9，而Chng方法為 2 o 2^o 2o。 計算時間為3.15s±0.3，而Chng的方法為9s，同時他的手動确定參考資料需要30分鐘以上。 由于體模和計算機系統不同，是以必須仔細解釋這些比較。 另請注意，Chng的方法未考慮

union-seed

分離。

4.C 病例實驗

表3和圖5顯示了在實際前列腺近距離放射治療的情況下所提出的粒子定位方法的結果。 72顆粒子全部被檢測到。 最佳結果是在 t = 1400 t = 1400 t=1400 時獲得的，其中沒有錯誤檢測，并且方向差與離參考值的距離最小。 在不同強度門檻值 t t t 的20次運作中，平均計算時間為10.1s。 與用于确定參考資料的手動檢測相比，這是一種快速的解決方案。 從這些實驗結果中，我們建議在[1300,1700]的間隔内選擇強度門檻值。

圖5：

5.總結

在這項研究中，我們提出了一種精确，可靠和快速的方法，用于在CT圖像中估計近距離治療粒子的位置和方向。 它還可以自動可靠地分離

union-seed

。 這些結果為改善劑量計算準确性和品質評估提供了潛力。 這種精确度對劑量的影響尚待證明，針對這一目标的研究已經針對一系列患者展開，它将單獨出版。未來的工作将擴充到最佳強度門檻值的自動選擇和針對其他前列腺圖像模式（例如超聲）的粒子定位的可靠解決方案。