（三十六：2021.01.13）Pre-MICCAI 2019學習（一）《從植入粒子後的CT圖像自動定位植入的粒子》

《Automatic localization of implanted seeds frompost-implant CT images》

• 講在前面
• 摘要
• 論文内容
• • 1.介紹
  • 2. 方法和材料
  • • 2.1 算法描述
    • 2.2 基于強度的CT門檻值分割
    • 2.3 幾何區域分割
    • 2.4 幾何區域連通
    • 2.5 确定種子位置和方向
  • 3.結果
  • • 3.1 最佳門檻值确定
    • 3.2 使用體模進行算法測試
    • 3.3 使用實際的植入後CT圖像進行算法測試
    • 3.4 算法可移植性測試
    • 3.5 植入後劑量
  • 4.讨論
  • • 4.1 算法的可移植性
    • 4.2 CT層厚上的選擇建議
  • 總結

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 es》)
• 三、本文基于論文**《A Deep Regression Model for Seed Localizationin Prostate Brachytherapy》**

摘要

本文介紹了一種從一系列植入後CT圖像中自動定位植入種子的方法。對接受前列腺近距離放射治療的患者進行了植入後CT研究。 在每個CT切片中使用二進制門檻值對明亮的區域進行分割，并收集這些區域的幾何資訊。 通過在每個切片中進行基于幾何的過濾，将較大的區域（可能包含兩個相連的種子）分成較小的區域。 使用基于幾何學的連接配接搜尋算法對每個區域切片進行縱向切片，分析沿縱向的區域連通性，進而将連通區域組合為一個對象。 将每個對象的權重質心作為這些位置。 該方法在含種子的前列腺幻象上進行了良好的測試，并通過患者的CT研究進行了統計分析。統計分析表明，該方法可以實作99％以上的檢測率，并且定位準确，速度快。 對于在CT上定位植入的種子，它是可靠且友善的，可用于輔助前列腺近距離放射治療的植入後劑量測定。

論文内容

1.介紹

經直腸超聲（TRUS）引導的永久性近距離放射治療植入物已被越來越多地用作前列腺癌的治療選擇，其中 I 125 I^{125} I125或者 P d 103 Pd^{103} Pd103放射性種子被永久植入前列腺中。 始終使用最佳的預計劃來指導粒子植入過程，旨在将規定的劑量覆寫範圍提供給前列腺和備用尿道和直腸。 但是，由于植入過程中的一些技術問題，例如前列腺運動和浮腫，針頭放置和粒子下沉，實際的種子位置将與預先計劃的位置不同。 是以，植入後劑量測定是驗證明際劑量覆寫範圍和評估植入物品質的重要步驟。

在最近的一份報告中，美國近距離放射治療協會（ABS）建議對所有接受永久性前列腺近距離放射治療的患者進行植入後劑量測定，原因如下：

• （a）記錄前列腺和正常鄰近組織在植入物的整個生命周期内的實際劑量;
• （b）通過使用補充的外部束照射或其他粒子植入來糾正由于前列腺劑量不足引起的可能的治療失敗;
• （c）幫助剛剛開始進行永久性粒子植入的醫師評估和修改其植入技術，并幫助經驗豐富的醫師完善和完善該程式；
• （d）用于将來的結果分析，例如比較各個機構的治療結果，并用作預期的多機構臨床試驗的品質保證工具（質控）。

通過定位粒子位置，已采用幾種方法确定植入後劑量。 這些包括使用兩到三張膠片，使用計算機斷層攝影（CT）圖像以及使用MRI圖像。 目前，基于可用性，成本以及對前列腺以及粒子成像的能力，ABS推薦使用基于CT的劑量測定法。

大多數基于CT的粒子定位方法會首先确定連續2D切片上的種子位置。 由于種子通常會暴露在多個相鄰的切片上（取決于成像厚度），是以此過程往往會比患者體内的種子數量識别出更多的種子位置。 是以，使用疊代過程将初始位置的數量減少到種子的确切數量。 Brinkmann和Kline（1998）和Liet等人（2001）分别報告了自動種子定位的方法。 他們的方法基于數​​據聚類技術，該技術通過對CT圖像中分離的斑點進行分組來确定種子位置。 由于這些方法僅取決于亮點的大小，是以檢測結果将極大地依賴于CT研究的設定參數和門檻值。随着CT切片厚度的增加，每個種子的像素數變得更加取決于粒子軸向平面的相對方向；另一個重要因素是，由于粒子丢失（例如，通過外部遷移或排出種子），在成像時前列腺中的粒子數量可能不等于植入的數量。 這兩個因素會使使用這些方法識别單個粒子變得困難，尤其是當軸向分辨率降低時。

在本文中，我們描述了一種基于幾何的識别方法，該方法可自動确定粒子中心的三維（3D）坐标并将其位置記錄在植入種子後前列腺的CT研究中的患者解剖結構中。 這種方法并不是強制性找到預期的植入種子數量，是以，可以解釋粒子丢失的影響。 分割的粒子位置可以被轉移到治療計劃中以計算劑量分布。 在足夠高的切片分辨率下（例如1.5毫米或1毫米切片厚度），該算法可以提取粒子的3D方向進行各向異性計算，進而比點源方法更精确地進行劑量測定。 已對包含粒子的前列腺體模以及來自患者的CT進行了測試。

2. 方法和材料

2.1 算法描述

圖一：

圖1顯示了該算法的流程圖，該算法以C++程式實作。 CT圖像以DICOM 3.0格式導入到程式中。 經過二進制門檻值處理後，程式會在每個CT切片中的明亮區域上收集相關的幾何資訊（例如大小，位置）。 初始的基于幾何的過濾算法将大區域（可能包含連接配接的粒子）分割為單個較小的區域。 每個區域的描述（例如位置，大小，質心，長軸和短軸）都輸出到多元矩陣中。 下面的基于幾何的連接配接搜尋算法逐一搜尋從頂部切片到底部切片的每個區域，并根據幾個标準确定連續切片上的連接配接區域是否屬于一個粒子體積，每個最終連接配接體積均被視為一個粒子且權重質心被計算為種子位置。 如果粒子由兩個或多個區域組成，則可以确定粒子方向。根據CT圖像的像素間距和得到的粒子位置，将坐标從像素機關轉換為厘米機關，以進行随後的劑量計算。 該算法包括三個關鍵步驟：圖像分割，基于幾何的初始過濾和基于幾何的連接配接搜尋。 我們将在本節的其餘部分讨論這些步驟。

2.2 基于強度的CT門檻值分割

本研究中使用的CT圖像具有512×512像素，像素值介于0和4095之間，0為黑色，而4095為白色。 盡管像素值不在以0表示水而-1000表示空氣的Hounsfield機關（HU）中，但是可以将它們視為與Hounsfield機關的線性偏移。

在我們的研究中，為了選擇用于分割每個CT圖像中放射性粒子的最佳值，我們首先對38個CT圖像集進行了統計分析。 對于每種設定，首先選擇一個感興趣的區域（ROI）以覆寫前列腺區域（在我們的程式中，可以通過将滑鼠拖到CT圖像上來快速定義矩形ROI），然後使用低門檻值（1500）進行分割 從背景組織中剔除出較高價值的像素。 然後根據像素連接配接性将這些像素聚類到一些分離的對象。 對于每個對象，記錄其最大值和大小。 放射性粒子具有較高的最大值和較小的尺寸，而骨骼和鈣化物具有較低的最大值和較大的尺寸（如圖2所示）。 在通過CT圖像觀察确認骨骼和鈣化的檢測之後，記錄每種情況下的鈣化物數目，鈣化物的最大像素值和骨骼的最大像素值。 本文描述的自動算法中使用的門檻值大于從該統計研究中獲得的骨骼和鈣化物的最大值。（也就是說，僅僅統計38個CT的骨骼和鈣化物來确定手動分割的門檻值，在這個門檻值之上過濾掉鈣化物，怎麼感覺這麼草率呢？）

圖2：

2.3 幾何區域分割

上一步在每個CT切片中建立了許多分段區域。 這一步将設定一個截斷尺寸，以區分單個種子與CT平面内的重疊種子對。 截斷尺寸通過以下方法自動确定：

在門檻值化之後，每個分割的區域具有大小，即，大于門檻值的像素數。 由于大多數區域僅包含一個種子，是以它們的大小相似。幾個區域的大小可能幾乎翻倍，因為它們包含兩個相連的種子區域。 将整個CT圖像集中所有分割區域的大小收集為資料數組，并進行統計分析。 将平均值加此資料數組标準差的三倍設定為截斷大小。 大于此大小的區域被視為兩個相連的粒子區域，是以從陣列中删除。 重新計算了新陣列的截斷大小，并且再次消除了大于該大小的區域。 重複此過程，直到沒有任何區域的大小大于目前的截斷尺寸為止，該截斷尺寸是以被設定為最終截斷尺寸。

對于比截斷尺寸大的區域，基于幾何的分割算法（圖3）被分成了兩部分。 首先，通過在區域邊界中搜尋最大距離來找到區域的長軸。 然後計算該區域的質心，并将質心投影到長軸上，将長軸分為兩部分。 計算這兩個部分的各個質心，并将它們投影到長軸上作為起點和終點。 沿着長軸，從起點到終點搜尋，找到了垂直距離最短的位置。 該位置用作分割點，從該分割點建立了兩個子區域。

圖3：

2.4 幾何區域連通

在此步驟中，如果滿足多個規則，則将可能屬于一個粒子體積的多個連續切片中的粒子區域連接配接起來。 該算法從頭到尾連續搜尋每個區域，并将每個區域配置設定為

起始

粒子區域或

後續

粒子區域。 第一個CT切片中的所有區域都被視為

起始

粒子區域。 對于每個後續切片中的每個區域，該算法首先檢查它是否連接配接到上一個切片中的任何粒子區域。 計算了從該粒子區域到先前切片中所有粒子區域的橫向距離。 然後選擇距離最小的種子區域。如果這兩個粒子區域具有連接配接的體素，則将應用

最大粒子體積

标準。

最大粒子體積

标準意味着，如果添加此粒子區域使粒子量的總大小超過

最大粒子體積

，則該粒子區域将被配置設定為新的

起始

種子區域； 否則，它是

後續

粒子區域。 根據所植入粒子的數量 N N N 自适應地确定

最大粒子體積

，具體實作方法如下：

• 首先，确定

  平均粒子體積

  ：為所有種子區域的總大小除以 N N N ；
• 然後，兩倍的

  平均粒子體積

  作為初始的

  最大粒子體積

  ,總共的待偵測粒子數目也會被确定。 因為

  平均粒子體積

  足夠大，大到可以連接配接實體上分離的粒子，是以檢測到的粒子總數 N 1 N1 N1小于預期的粒子數 N N N。這些檢測到的粒子的體積按降序計算和排序。 設 M ＝ N − N 1 M ＝ N-N1 M＝N−N1。 選擇第 M M M 個粒子體積作為最終的

  最大粒子體積

  ，然後将再次執行連接配接算法。

如果

後續

粒子區域位于

起始

粒子區域的第三（或更多）切片上，則

直線規則

也将适用。 這意味着，如果該區域的質心在粒子區域的直線上，它将連接配接到粒子上； 否則，它将被配置設定為新的

起始

種子區域。

2.5 确定種子位置和方向

最後一步是确定每個粒子的3D位置和方向（如果僅在一個切片上出現了，則無法确定方向）。 對于顯示在兩個或更多CT切片上的粒子，使用面積權重方法确定3D坐标，方法如下：

x = ∑ i = 1 N x i A i ∑ i = 1 N A i , y = ∑ i = 1 N y i A i ∑ i = 1 N A i , z = ∑ i = 1 N z i A i ∑ i = 1 N A i x=\frac{\sum^N_{i=1}x_iA_i}{\sum^N_{i=1}A_i}, y=\frac{\sum^N_{i=1}y_iA_i}{\sum^N_{i=1}A_i}, z=\frac{\sum^N_{i=1}z_iA_i}{\sum^N_{i=1}A_i} x=∑i=1N​Ai​∑i=1N​xi​Ai​​,y=∑i=1N​Ai​∑i=1N​yi​Ai​​,z=∑i=1N​Ai​∑i=1N​zi​Ai​​

• N N N是所有包含粒子的切片數目；
• ( x i , y i , z i ) (x_i,y_i,z_i) (xi​,yi​,zi​)是第 i i i個切片上粒子的坐标；
• A i A_i Ai​是第 i i i個切片上的粒子的面積；
• ( x , y , z ) (x,y,z) (x,y,z)是結果：面積權重坐标。

粒子的方向通過計算 ( x , y , z ) (x,y,z) (x,y,z)得到的 α \alpha α和 β \beta β來表示：

α = x N − x 1 ( N − 1 ) Δ , β = y N − y 1 ( N − 1 ) Δ \alpha=\frac{x_N-x_1}{(N-1)\Delta}, \beta=\frac{y_N-y_1}{(N-1)\Delta} α=(N−1)ΔxN​−x1​​,β=(N−1)ΔyN​−y1​​

• Δ \Delta Δ是CT的厚度。

3.結果

3.1 最佳門檻值确定

在我們研究的38個前列腺患者CT中，在19個病例上發現了41處鈣化物，這些鈣化物的最大HU值在1232到2338之間，骨骼的最大HU值在1870到2322之間。這表明，2338可能是最好的過濾掉鈣化物和骨骼的門檻值。但是考慮到算法向其他資料的遷移，我們将門檻值設定為2400。

3.2 使用體模進行算法測試

在植入了56個假粒子的前列腺體模上測試了這種自動粒子定位方法。 體模的尺寸為5.0×4.5×4.0 cm3（長×寬×高），直徑為1cm的尿道嵌入模型中。 假粒子的直徑為0.8毫米，長度為4.5毫米。模型的ACT切片如圖4（a）所示。 這項研究評估了該算法在種子定位中的準确性及其分離位置緊密的種子的能力。更近似的模仿實際植入物，在不同角度引入某些針頭，以驗證算法能夠以随機方向準确定位種子。 使一些粒子彼此接觸以形成多個粒子的交叉。 在使用1.5毫米厚度的連續切片擷取的CT資料集上測試了自動方法。 正交膜定位技術是由一名觀察員執行的。 觀察者獲悉圖像中包含的種子總數，将種子坐标與自動化方法的結果進行比較，最大，最小和平均差異分别為2.72 mm，0.17 mm和1.63 mm。 據報道，約11％的種子位置超過2 mm。 識别出的種子的3D坐标被投影到CT掃描之前擷取的AP和側面偵察視圖上。 圖4（b）和（c）顯示了CT檢測結果與實際X射線偵察圖像之間的比對：

圖四：

3.3 使用實際的植入後CT圖像進行算法測試

使用來自兩名患者的影像學研究，使用CT和正交膜技術通過自動方法确定了粒子坐标。 對植入了86125粒子的患者1進行了1毫米和3毫米厚度的連續CT圖像掃描。 圖5顯示了該患者CT檢測到的粒子位置與X射線膠片之間的比較。 植入了69103 P d Pd Pd粒子的患者2僅在3毫米厚的CT圖像中進行了掃描。 在CT掃描的同一天為每位患者擷取AP和橫向正交膠片。 将所得的粒子坐标與相應3D位置之間的最大，最小和平均差異的自動方法的結果進行比較（表1）。 對于CT厚度為1 mm的患者1，所有種子均被識别，并且85個種子具有3D方向（其中78％記錄在三個相鄰的切片上）。剩餘的一顆種子僅記錄在一個切片上，是以無法确定其方向。

圖5：(a)是将CT檢測的結果和X光進行覆寫的AP顯示；(b)是側面顯示

表一：

3.4 算法可移植性測試

為了測試該算法在不同臨床情況下的可移植性，使用四種不同類型的種子（ 103 P d ^{103}Pd 103Pd TheraSeed， 103 P d ^{103}Pd 103Pd PdGold， 125 I ^{125}I 125I 6711和 125 I ^{125} I 125I IoGold），三種不同的CT切片厚度（1 mm，3 mm和5 mm）和兩種不同的FOV（ 16厘米和36厘米）。 所有測試用例均獲得滿意的結果。 該算法針對不同情況自動确定不同的參數。 例如，TheraSeed，PdGold和IoGold種子的截斷尺寸通常在16 cm FOV下為27–32像素，對于3 mm切片厚度在36 cm FOV下為7-11像素，對于16 cm FOV為17–18像素。 切片厚度為5 mm，而對于3 mm切片厚度，碘6711種子的截斷尺寸在16 cm FOV下為45–58像素，在36 cm FOV下為9–13像素。 表2列出了20個測試案例的種子類型，CT切片厚度，FOV，算法确定的參數以及植入和檢測到的粒子數量。（由此也可以看出一個問題，對于不同性質的資料，算法内部的參數都需要人工調整，這裡的問題在于，論文沒有進行橫向的對比，沒有在控制住其他變量隻改變病例的情況下做測試。）

表二：

使用Pentium 4 2.4 GHz計算機的平均處理速度為1秒。 與手動操作相比，這節省了大量時間。

3.5 植入後劑量

我們将這種自動粒子定位算法應用于近距離放療後的28個病例。 這些包括18個 103 P d ^{103}Pd 103Pd 植入物和101個 25 I ^{25}I 25I植入物。 所有病例都以3毫米的切片厚度掃描。 根據每個CT圖像序列的前列腺邊界的手動輪廓線，計算每個患者的植入後體積和劑量體積直方圖（DVH）。表3列出了研究結果。 在該表中，植入前的體積是從超聲研究中獲得的。 經驗豐富的觀察員對每個病例​​進行目視檢查，以确認粒子的正确性。 最後一行給出統計總結，包括植入粒子總數（2634）和已鑒定種子（2610），平均鑒定率99.1±1.0％（平均值±标準差），平均體積增加1.25±0.26（平均值±标準差） ）和平均D90 / Rx劑量1.08±0.18（平均值±标準偏差）。 在此，D90是前列腺體積的90％所接受的劑量，Rx劑量是前列腺的規定劑量。 D90 / Rx劑量之比是反映植入後劑量測定中植入品質的重要因素，這是美國醫學實體學會（AAPM）第64号任務組的建議。 125 I ^{125 }I 125I的D90 / Rx劑量（1.23）高于 103 P d ^{103}Pd 103Pd（1.00）。 這可能是由于 103 P d ^{103}Pd 103Pd病例的體積增加較高（1.33比1.10）和 103 P d ^{103}Pd 103Pd來源的劑量衰減更快。

一名經驗豐富的觀察員根據人工粒子定位對2例（ I − 125 I-125 I−125病例編号為10， P d − 103 Pd-103 Pd−103病例編号為18）進行了植入後劑量測定.D90的值分别為201和94。 這兩種情況下的粒子自動定位結果均在1％的範圍内。這表明，自動粒子定位方法與植入後劑量計算的專家手動定位相當。 粒子定位差異（與正交X射線膠片定位技術相比，平均差異為3 mm）沒有轉化為明顯的劑量學差異。

表三：

4.讨論

4.1 算法的可移植性

該算法應該相對容易在其他診所中實施，因為它與粒子的類型和CT掃描參數無關。

在本研究中，通過實驗确定了用于将粒子區域分割出前列腺組織，鈣化和恥骨弓骨的門檻值。 在本研究中，發現2400的像素值足夠高，可以消除那些屬于所有測試用例的鈣化和骨骼像素。 搜尋屬于非粒子區域的最大像素值的方法是該程式的一項獨立功能，是以可以很容易地在其他診所中實施以找到其最佳門檻值。

該算法中使用的兩個關鍵參數是來自CT，而不是來自外部輸入。 分割雙粒子區域的截斷面積被計算為平均值加上單粒子區域大小分布的标準偏差的三倍。 測試結果表明，這是一個合理的選擇，并使算法與粒子類型和FOV無關。 确定體素數量的

最大粒子體積

是基于知識的自适應過程，因為最初植入的粒子數是前提條件。 由于此輸入可能不是CT上存在的确切種子數，是以不會強制算法比對此輸入數，是以本地化粒子的最終數可能會有小的差異。 該參數的自動确定使該算法與粒子類型，FOV和CT切片厚度無關。

4.2 CT層厚上的選擇建議

在該算法中，較小的CT切片厚度（1毫米）将提高粒子定位的準确性，因為将權重的質心位置計算為這些質心。 表1展現了使用1mm CT切片厚度比使用3mmCT導緻更高的精度。此外，在較小的CT切片厚度中，更多的種子将具有取向資訊，因為粒子将出現在兩個或更多個切片上。 研究發現，使用1毫米CT切片時，可以3D方向計算98％以上的粒子，而使用3毫米CT切片時可以減少到67％的種子，但是在正常情況下使用1毫米CT可能會被禁止（由于成本和時間的臨床實踐）。

另一方面，使用1 mm和3 mm CT（平均差0.2 mm）的結果之間的一緻性表明，當不需要粒子方向資訊時，使用3 mm CT是一個很好的折衷方案。 布林克曼還研究了5毫米CT切片，發現在1毫米和5毫米CT中比對坐标之間的距離大于2.0毫米。 我們的研究表明3 mm CT是正常臨床實踐中的合理選擇。

總結

本文從植入後的CT圖像中描述了一種自動粒子定位算法，該算法與先前釋出的方法之間的主要差別在于該算法依賴于3D粒子分布上的幾何和強度資訊，是以在處理粒子重疊和計算方向方面可能更準确。 對于那些仍處于標明門檻值連接配接狀态的粒子區域，該算法使用粒子大小标準來拆分連接配接的粒子區域，而不是像以前的方法那樣将組合對象的質心坐标配置設定給每個連接配接的粒子區域。

該算法已使用20個病例進行了測試，其中有四種不同種子類型、三種不同CT切片厚度和兩種不同FOV的病例。結果對于所有情況都是令人滿意的，是以表明該算法與這些變量無關。 在Pentium III 600 MHz處理器計算機上，典型CT序列的處理速度為4 s，在Pentium 4 2.4GHz處理器計算機上為1s。