X线图像引导系统KylinRay-XGPS关键技术研发.pdf

1医疗装备 2024 年 4 月第 37 卷第 7 期 Medical Equipment,April.2024,Vol.37,No.7我国每年新增约 457 万例癌症患者，其中 70%患者需要接受放射治疗1-2。图像引导旨在减少放疗间靶区位移误差和摆位误差，监测和校正放射治疗时肿瘤和正常组织运动引起的误差，实时监测肿瘤或其标志物，是实现精准放射治疗的重要保障3-5。研究表明，患者首次放射治疗必须进行位置验证，且每周至少进行 1 次位置验证以确保治疗X 线图像引导系统 KylinRay-XGPS 关键技术研发俞盛朋1，2，王文1，2，龙鹏程1，2（通信作者），凤麟核团队1中科超精（南京）科技有限公司（江苏南京210044）；2中科超精（安徽）先进技术研究院有限公司（安徽合肥230031）摘要图像引导用以实现患者摆位的精确定位，是放射治疗等领域实现精准治疗的重要保障。常见的锥形束 CT（CBCT）图像引导设备花费时间长且辐射剂量大。基于此，本研究基于 X 线透视成像技术开发了图像引导系统 KylinRay-XGPS。该系统根据采集的 X 线图像和患者定位 CT 进行 2D-3D 图像配准，输出患者配准平移和旋转误差，从而纠正患者的摆位误差。KylinRay-XGPS 系统的关键技术有动态步长法生成数字影像重建图像（DRR）、基于 GPU 并行加速、多模态互信息灰度配准和基于骨性结构的配准方法。结合 KylinRay-XGPS在放射治疗的临床病例测试结果表明，KylinRay-XGPS 具有定位精度高、定位时间短和成像剂量低的优势。关键词2D-3D 图像配准；DRR；GPU 并行；互信息灰度配准；骨性结构中图分类号R318 文献标识码A 文章编号1002-2376（2024）07-0001-06DOI10.3969/j.issn.1002-2376.2024.07.001基金项目：南京江北新区重点研发计划项目（ZDYF20200219）收稿日期：2023-06-06论著Research and Development of Key Technologies of Image Guidance System KylinRay-XGPS Based on X-ray ImagesYu Shengpeng1,2,Wang Wen1,2,Long Pengcheng1,2(Corresponding Author),FDS Team.1 SuperAccuracy Science&Technology Co.Ltd,Nanjing Jiangsu 210044,China;2 SuperAccuarcy(Anhui)Advance Technology Institute Co.Ltd,Hefei Anhui 230031,China【Abstract】Image guidance is used to achieve precise positioning of patients and is an important guarantee for achieving precise treatment in fields such as radiation therapy.Due to the long time and high radiation dose for common cone-beam CT(CBCT)image guidance devices,the image guidance system KylinRay-XGPS was developed based on X-ray fluoroscopy imaging technology,in this study.With the registration of 2D-3D image based on the collected X-ray images and patient positioning CT in this system,patient registration translation and rotation errors were output to correct patient positioning errors.The key technologies of the KylinRay XGPS system included digitally reconstructed radiography(DRR)images generation by dynamic step method,parallel acceleration based on GPU,multi-modal mutual information grayscale registration,and registration methods based on bone structures.The clinical test results of KylinRay XGPS in radiation therapy show that KylinRay XGPS has the advantages of high positioning accuracy,short positioning time,and low imaging dose.【Key words】2D-3D image registration;DRR;GPU parallel;Mutual information grayscale registration;Bony structure2医疗装备 2024 年 4 月第 37 卷第 7 期 Medical Equipment,April.2024,Vol.37,No.7精确性，特殊放疗技术如体部立体定向放射治疗每个分次都需要进行位置验证6-7。目前，集成在直线加速器的锥形束 CT（cone-beam CT，CBCT）图像引导设备是常见的图像引导技术，其通过加速器kV 级球管和平板旋转 1 周采集和重建 CBCT 图像，实现 CBCT 图像与定位用 CT 图像的 3D-3D 图像配准，其图像引导定位精度较高8-9。然而，CBCT 图像引导设备的图像采集和配准时间约 23 min10，1 次 CBCT 扫描患者所受的剂量约 3050 mGy11，花费时间长且辐射剂量大。有研究表明，二维图像引导系统包括 MV 级和 kV 级图像引导技术，可弥补 CBCT 图像引导定位的不足12-14。为满足临床对精度和定位速度的更高要求，本研究进一步研发了基于 kV 级平面成像图像引导的关键技术。基于X 线的图像引导通过采集靶区 X 线图像直接定位图像中靶区，实现靶区的精确定位。X 线图像通过数字 X 线摄影设备采集，其与 CT 图像在图像维度、像素取值范围方面均不同，基于 X 线图像引导可实现 X 线图像和 CT 图像不同模态图像的配准14-16。对于胸腹部靶区，人体呼吸运动会造成软组织位移，干扰 X 线图像中软组织位置17，因此本研究提出了基于骨性结构的配准方法，以减少图像中软组织位移对配准的影响。1 系统架构设计KylinRay-XGPS 图像引导系统采用交角立体平面成像技术，通过计算机控制 kV 级 X 线管组件曝光对患者的解剖结构进行透视投影成像。用获得的二维 X 线投影图像与用于放射治疗计划的三维 CT图像，进行 2D-3D 图像配准，计算患者定位结果，从而消除摆位误差，实现对患者在治疗前的精确定位。KylinRay-XGPS 的使用流程为：硬件初始化后，开启连接硬件，加载患者定位计划，根据患者病灶位置设置 X 线能量参数，核对患者信息，完成患者在治疗床的摆位，成像设备曝光采集图像；图像配准，选择配准方法，设置配准参数，启动自动定位，显示定位结果；核查定位结果，定位结果错误则重新配准，定位结果正确进入下一步；传输定位结果，将定位结果传输至放疗系统控制系统。KylinRay-XGPS独立于医用电子直线加速器和其他放疗设备，无机械和电气连接，具有定位精度高、定位时间短、单次定位可在几秒内完成、受照剂量小、单次成像剂量在 1 mGy 以内等优势。KylinRay-XGPS 图像引导放疗定位系统由硬件和软件 2 个部分组成。硬件包括高压发生器、kV 级X 线管组件、平板探测器、影像采集控制器、隔离变压器、机械连接装置、控制计算机和限束器。硬件部件分别安装在放射治疗设备治疗室和控制室内，各硬件部件通过电气连线连接。软件功能模块包括数据管理、图像配准、机械校准和几何校正模块。数据管理模块采用数据库管理技术，新建、审核、修改、保存、上传KylinRay-XGPS定位计划。图像配准模块从数据库上传定位计划，控制成像设备采集 X 线投影图像，计算并显示定位结果。机械校准模块利用机械校准装置，对 KylinRay-XGPS 系统机械安装精度进行校准和验证。几何校正模块用于精确测量安装后的 KylinRay-XGPS 系统机械几何位置信息。KylinRay-XGPS 系统架构如图 1 所示。图 1KylinRay-XGPS 系统架构图2 关键技术研发三维 CT 图像与二维 X 线图像的配准原理为：将三维 CT 体积数据投影到二维平面上得到数字影像重建图像（digitally reconstructed radiography，DRR），待配准的 1 组图像分别为 DRR 和 X 线图像。由于两者成像模式相同，因此图像纹理、形状、密度值和空间位置具有相关性。在此基础上，根据图像中所有像素值和空间位置等参数，构造相似性测度函数，通过计算相似性测度函数的最优解，不断调整投影参数，进行 2 个二维平面数据（X 线图像与 DRR）的配准，从而实现二维 X 线图像与三维 CT 图像间的配准。2D-3D 图像配准具体流程（图 2）如下：（1）将初始空间参数作用于三维 CT 图像，生成对应的二维 DRR；（2）以DRR 和 X 线图像（DR）为输入，计算图像互信息的相似性测度；（3）以梯度下降优化作为优化方法，迭代计算空间变换参数；（4）当优化达到最大迭代次数或停止条件，得出最优空间变换参数。2D-3D 图像配准的关键技术包括动态步长法生成 DRR、基于 GPU 并行加速、多模态互信息灰度配准和基于骨性结构的配准方法。基于动态步长的 DRR 生成方法保证了 DRR 生成计算精度的同时加快了计算时间。基于 GPU 并行加速实现计算3医疗装备 2024 年 4 月第 37 卷第 7 期 Medical Equipment,April.2024,Vol.37,No.7并行，提高了计算效率。采用互信息梯度下降的优化方法，适配不同模态图像配准。基于骨性结构的配准通过阈值法生成骨性结构 DRR，再与 X 线图像配准，减少软组织呼吸移位的影响。注：DRR 为数字影像重建图像图 22D-3D 图像配准流程图2.1 动态步长法生成 DRR 技术DRR 是在 CT 机获取三维 CT 影像数据的基础上进行类似放射影像的重建，即模拟光子穿过数字人体生成人体内容各器官、组织等的灰度图像。DRR 上每个像素点对应虚拟射线源到该像素点路径上的衰减，其中 X 线衰减过程符合光学吸收模型规律。基于动态步长的 DRR 生成方法在保证了 DRR 生成计算精度的同时加快了计算时间，进一步提高 DRR 与 X 线投影图的相似性测度和配准效果。基于动态步长的 DRR 生成方法包括以下步骤：（1）基于 CT 图像三维体素数据及体素间 CT 值相互关系建立预处理三维体素模型；（2）沿虚光源向预处理三维体素模型发出若干条投影线，射线数量与接收平板的像素个数相同；（3）计算每条投影线入射和出射此体素模型的交点，基于预处理三维体素模型计算分段采样步长和分段采样步长对应的 CT 值；（4）将采样步长对应的 CT 值与对应采样步长相乘后累加得到该投影线投影到接收平板的投影值，遍历所有投影线得到接收平板所有像素投影值得到 DRR。具体流程见图 3。2.2 基于 GPU 的并行加速技术为实现 DRR 的快速重建，本研究采用基于CUDA 纹理插值的并行 DRR 生成方法。该方法采用 CUDA 核函数并行计算单条光线的 DRR 投影，采用 CUDA 纹理插值计算采样点处的 CT 值。CUDA 核函数并行方法将具有串行特点的 DRR生成流程放到 CPU 上执行，将具有并行特点的DRR 单个像素值的计算放到 GPU 上执行，具体在CUAD 核函数上多线程地并行执行。在 CPU 上，首先读入患者的 CT 数据，根据 CT 数据为 GPU 构造出 CUDA 纹理，根据 DRR 大小合理分配线程，启动 CUDA 核函数，将并行计算的 DRR 像素值返回到 CPU，构造出 DRR。CUDA 核函数用于 DRR单个像素值的计算，沿着光线的方向按步长进行采样，从光源处采样依次得到该光线的采样点，直到光线到达目标点，采用 CUDA 纹理插值方法（首先根据光线的起点和目标点计算采样点的坐标，然后根据采样点坐标和 CUDA 纹理，采用线性插值的方法计算采样点的值）分别计算每个采样点的值，累加合成为该光线的 DRR 单个像素的投影值。基于 CUDA 纹理插值的并行 DRR 生成方法的主要步骤为：在 CPU 端读入 CT 数据并构造 CUDA 纹理，进行 GPU 端线程分配，将数据从 CPU 端转存至GPU 端，CUDA 核函数计算完成后将 GPU 端数据转存至 CPU 端，构造 DRR。在 GPU 端沿光线方向并行计算 DRR 单个像素值，按步长计算采样点坐标，插值计算该采样点的纹理值，累加合成为该光线的投影值。基于 CUDA 实现 DRR 的算法流程见图 4。图 3动态步长的 DRR 生成方法流程图2.3 多模态互信息灰度配准技术互信息是确定 2 个图像相应像素值间相似度的度量，当 2 个图像准确对齐时，互信息的值最大。互信息度量不需要对 2 个图像强度间关系作任何假设，也不需要对图像作分割或任何预处理，被广泛地用于 CT/MR、PET/MR 等多模态配准。互信息的计算方法如式（1）所示。MI（A，B）=H（A）+H（B）-H（A，B）（1）式中，MI（A，B）为图像A、B的互信息，H（A）和H（B）分别为图像A、B的熵，H（A，B）为图像A、4医疗装备 2024 年 4 月第 37 卷第 7 期 Medical Equipment,April.2024,Vol.37,No.7B 的联合熵。MI（A，B）=0 说明 2 个图像相互独立或互不相关，其关系不密切或相似程度最低。反之，当 MI（A，B）最大时，说明两个图像相似度最大。图 4基于 CUDA 实现数字重建放射影像的算法流程熵是一个统计量，可衡量变量的随机性。1 个变量的随机性越大，其熵越大。设图像对应的随机变量为 A，A 中的对象记为 a，则图像的熵的计算方法如式（2）所示。H（A）=Li=1pi（a）logpi（a）（2）式中，L 为图像空间中像素取值范围（一般为图像的灰度级别），pi（a）为变量 A 处于第 i 个取值的概率。图像的联合熵是对 2 个图像之间相互关系的不确定性的一种定量度量。对于 2 个图像 A、B，当图像 A 灰度为 a，且图像 B 灰度为 b 时，他们对应的像素对（a，b）的联合分布概率 pij（a，b）的计算方法如式（3）所示。pij（a，b）=hij（a，b）hij（a，b）（3）式中，hij（a，b）为图像 A、B 重合区域图像A 中灰度为 a 且图像 B 中灰度为 b 的像素个数，hij（a，b）为图像 A、B 重合区域像素总数。由联合概率可得，图像的联合熵 H（A，B）的计算方法如式（4）所示。H（A，B）=-pij（a，b）logpij（a，b）（4）图像的联合概率pij（a，b）与边缘概率pi（a）和pj（b）的关系为下式。pi（a）=j pij（a，b）（5）pj（b）=i=1pij（a，b）（6）2.4 基于骨性结构的配准方法为克服软组织移位对图像配准的影响，本研究采用一种基于骨性结构的 X 线图像与 CT 图像配准方法，根据扫描 CT 图像特征自适性生成骨性结构的 DRR。基于骨性结构的 X 线图像与 CT 图像配准方法采用阈值法重建 DRR，满足大于骨阈值的 CT像素才用作 DRR 生成，忽略小于骨阈值的 CT 像素对 DRR 生成的影响。为了实现骨阈值的自适应计算，基于骨性结构的方法采用二值化图像分割算法自动计算 CT 图像阈值作为骨阈值，如大津阈值法18。基于骨性结构的 X 线图像与 CT 图像配准步骤如下：（1）根据患者 CT 图像重建 DRR，作为图像配准的浮动图像；（2）临床采集患者 X 线图像，作为图像配准的固定图像；（3）采用图像互信息作为图像配准的相似性测度；（4）采用图像互信息随变换参数的梯度下降作为图像配准的优化方法；（5）优化空间变换参数，直到相似性测度达到极值，得到最优空间变换参数。配准流程见图 5。图 5基于骨性结构的配准方法流程3 临床测试验证为了评价 KylinRay-XGPS 系统的综合性能，基于临床试验数据对 KylinRay-XGPS 的定位精度、定位时间和成像剂量 2 个方面进行研究和分析。3.1 定位精度结合 KylinRay-XGPS 产品临床典型病例，将Varian OBI 定位偏差作为参考，选取若干组典型条件下的定位偏差，从灰度配准和骨性结构配准 2 个方面评价定位效果。3.1.1 灰度配准比较选取头颈、胸部肿瘤放射治疗患者各 1 例。与 OIB 的定位偏差进行对比，KylinRay-XGPS 系统颈部和胸部的相对定位偏差分别为 0.84 mm 和0.90 mm，X 线图像清晰，主要组织对比度明显，配准效果好，见表 1 及图 67。5医疗装备 2024 年 4 月第 37 卷第 7 期 Medical Equipment,April.2024,Vol.37,No.7表 1临床典型案例定位偏差病例 ID 靶区定位结果（mm）相对 OBI 定位偏差（mm）L-RA-PH-F0230颈部-0.48-0.04-0.770.840236胸部 1.22-3.94-3.740.903.1.2 骨性结构配准比较选择 6 例带有呼吸运动的胸部和腹部肿瘤放射治疗患者。根据患者定位结果，测试骨性配准相对于非骨性配准的改进效果。从定位偏差看，骨性配准相对于非骨性配准最大偏差为-1.58 mm，平均值为-0.16 mm。从定位图像看，骨性配准相对于非骨性配准偏差对应的图像骨骼部分对齐程度得到了进一步提高，见表 2。3.2 定位时间KylinRay-XGPS 系统的定位时间通过曝光时间、配准时间和定位总时间等指标评估。曝光时间为从点击开始曝光、出束按钮后听到 1 声短暂蜂鸣表 2骨性配准测试病例定位偏差（mm）病例 ID靶区相对偏差XYZ0130颈部-0.28 0.30-0.790140胸部-0.62-0.24-1.050136胸部 0.20 0.73-0.240141头部-0.27 0.41-0.300138胸部 0.08 0.09 0.680134胸部-1.58-0.49 0.50音，然后曝光成功后获得两幅平片影像。配准时间为从曝光完成后得到两幅平片影像，之后系统自动选取靶区的感兴趣区，然后点击自动配准按钮，计算机自动计算摆位误差，最后技师会同医师核对图像配准的准确性，并确认配准结果。定位总时间为曝光时间与配准时间的总和。统计临床案例中头、胸、腹部肿瘤放射治疗患者靶区各 10 次，共计 30 次的重复试验定位时间。KylinRay-XGPS 的计算机配置如下：CPU 为 Intel 图 6头颈病例 X 线图像图 7胸部病例 X 线图像6医疗装备 2024 年 4 月第 37 卷第 7 期 Medical Equipment,April.2024,Vol.37,No.7Core i9 10900X，内存为 64 G，显卡为 NVIDA RTX 3080，显存为 10 G。作为对比，选取同类双 X 线交角成像的图像引导系统、CBCT 图像引导曝光时间、配准时间和定位总时间进行对比10。从图像引导定位时间上看，KylinRay-XGPS 系统定位总时间大幅度缩短，平均时间为 4.9 s，减少到同类产品定位时间的 1/14，是 CBCT 定位时间的近 1/30，提高了图像引导定位效率。相较于 CBCT 图像引导，KylinRay-XGPS 系统具有更快的图像引导速度和更短的定位时间，见表 3。表 3KylinRay-XGPS 系统定位时间统计（s，x-s）图像引导系统曝光时间配准时间定位总时间KylinRay-XGPS 系统 1.120.02 3.780.48 4.900.48同类图像引导系统 1.130.0365.326.63 66.456.63CBCT 图像引导系统66.411.0181.217.55 147.623.78注：CBCT 为锥形束 CT3.3 成像剂量比较统计临床案例中头、胸、腹部靶区各 10 次，共计 30 次的重复试验的成像剂量。结果表明，1 组X 线成像剂量（A）为（0.460.07）mGy，另 1 组 X线成像剂量（B）为（0.450.07）mGy。国外同类产品博医来 ExacTrac 单幅图像的 X 线剂量为 0.330.55 mGy，与KylinRay-XGPS系统成像剂量相当19-20。CBCT 成像剂量为 3050 mGy，KylinRay-XGPS 图像引导系统能大幅度减少患者的照射剂量。4 结束语为保证患者摆位的精确定位，本研究基于 X 线图像设计研发了 KylinRay-XGPS 图像引导系统。KylinRay-XGPS 系统根据采集的 X 线图像和患者定位 CT 进行 2D-3D 图像配准，实现患者配准平移和旋转参数的计算和输出，从而纠正患者的摆位误差。KylinRay-XGPS 系统通过动态步长法生成 DRR、基于 GPU 并行加速、多模态互信息灰度配准和基于骨性结构的配准方法等技术，具有定位精度高、定位时间短和成像剂量低的优势。参考文献1 郎锦义.中国放疗三十年回顾、思考与展望 J.肿瘤预防与治疗，2017，30（1）：1-4.2 Chen HHW,Kuo MT.Improving radiotherapy in cancer treatment:Promises and challengesJ.Oncotarget,2017,8(37):62742-62758.3 Xing L,Thorndyke B,Schreibmann E,et al.Overview of image-guided radiation therapyJ.Med Dosim,2006,31(2):91-112.4 Bissonnette JP,Balter PA,Dong L,et al.Quality assurance for image-guided radiation therapy utilizing CT-based technologies:A report of the AAPM TG-179J.Med Phy,2012,39(4):1946-1963.5 Klein EE,Hanley J,Bayouth J,et al.Task Group 142 report:Quality assurance of medical acceleratorJ.Med Phy,2009,36(9Part1):4197-4212.6 赫捷，王绿化，李晔雄，等.NCC/T-RT 001-2017 放射治疗质量控制基本指南 J.中华放射肿瘤学杂志，2018，27（4）：335-342.7 国家癌症中心/国家肿瘤质控中心.NCC/T-RT 001-2019 医用电子直线加速器质量控制指南S.北京：中国标准出版社，2019.8 Verellen D,De Ridder M,Tournel K,et al.An overview of volumetric imaging technologies and their quality assurance for IGRTJ.Acta Oncol,2008,47(7):1271-1278.9 Ding GX,Duggan DM,Coffey CW.Accurate patient dosimetry of kilovoltage cone-beam CT in radiation therapyJ.Med Phy,2008,35(3):1135-1144.10 屈超，梁广立，刘桂芝，等.iSCOUT 图像引导定位技术在肺癌调强放疗中的临床应用 J.实用医学杂志，2019，35（24）：3848-3852.11 De Los Santos J,Popple R,Agazaryan N,et al.Image guided radiation therapy(IGRT)technologies for radiation therapy localization and deliveryJ.International Journal of Radiation Oncology Biology Physics,2013,87(1):33-45.12 程长海，闫清华，郭洪涛，等.国产首台医用加速器图像引导系统（EPID）的质量保证与质量控制 J.中国医疗设备，2019，34（10）：23-26.13 付东山，黎维娟.体部伽玛刀图像引导技术的发展J.中国医疗设备，2014，29（10）：4-8，68.14 Montgomery C,Collins M.An evaluation of the BrainLAB 6D ExacTrac/Novalis Tx System for image-guided intracranial radiotherapyJ.J Radioth Pract,2017,16(3):326-333.15 国家药品监督管理局.YY 1650-2019 X 射线图像引导放射治疗设备性能和试验方法 S.北京：中国标准出版社，2019.16 国家药品监督管理局.YY/T 0741-2018 数字化摄影X射线机专用技术条件 S.北京：中国标准出版社，2018.17 谷晓芳.放射治疗用锥形束 CT 图像引导设备技术审评要求探讨 J.中国医学物理学杂志，2018，35（9）：993-996.18 Dhont J,Harden SV,Chee LYS,et al.Image-guided Radiotherapy to Manage Respiratory Motion:Lung and LiverJ.Clin Oncol,2020,32(12):792-804.19 Bangare SL,Dubal A,Bangare PS,et al.Reviewing Otsus Method For Image ThresholdingJ.Inter J Appl Engine Res,2015,10(9):21777-21783.20 Duan X,Zhou Y,Dai H,et al.Evaluating the positional uncertainty of intrafraction,adjacent fields,and daily setup with the BrainLAB ExacTrac system in patients who are receiving craniospinal irradiationJ.J Appl Clin Med Phy,2020,21(8):35-46.