【作 者】汪 濤 ，馮漢升，李 實，楊 洋

1 中國科學(xué)院等離子體物理研究所，合肥市，230031

2 中國科學(xué)技術(shù)大學(xué)，合肥市，230026

0 引言

錐形束CT（Cone Beam Computed Tomography，CBCT）由于其掃描速度快，輻射劑量低，圖像幾何精度高，易于與放療設(shè)備集成等優(yōu)點已經(jīng)被廣泛應(yīng)用于圖像引導(dǎo)放射治療（Image-Guided Radiation Therapy， IGRT）中。通過錐形束CT的圖像與計劃系統(tǒng)的圖像進行配準，獲得患者的擺位誤差并加以修正，有效地落實了計劃靶區(qū)劑量，極大提高了放療的精度[1]。錐形束CT的圖像質(zhì)量直接影響了擺位信息的獲取，決定了圖像引導(dǎo)放射治療的精度。所以物理師在使用錐形束CT的過程中，需要定期對錐形束CT進行圖像質(zhì)量保證（Quality Assurance，QA）[2]，以保證錐形束CT發(fā)揮其作用。

傳統(tǒng)的基于圖像處理軟件選取感興趣區(qū)（Region of Interest，ROI）計算相應(yīng)數(shù)值，通過調(diào)節(jié)窗寬窗位觀察圖像，這種QA方式受限于ROI選取的準確性和操作人員的經(jīng)驗[3]。針對在中國廣泛使用的美國模體實驗室Catphan500模體，本文論述了一種基于Canny算法[4]和Hough變換的自動化錐形束CT圖像QA軟件的設(shè)計。本軟件可以自動定位相關(guān)組件并提取ROI，快速生成圖像QA報告，達到快速準確獲取圖像QA結(jié)果的目的。

1 軟件的整體架構(gòu)

如圖1所示，錐形束CT自動化圖像QA軟件由圖像讀取模塊、模體定位模塊、模體分析模塊、圖像QA報告生成模塊組成。圖像讀取模塊用于處理多種格式圖像的讀入，獲取圖像的數(shù)據(jù)，體素大小等圖像信息。模體定位模塊通過遍歷圖像的各層，獲取模體各個組件所在圖像的層數(shù)、模體擺放的坐標、模體的偏移角度。模體分析模塊根據(jù)模體定位模塊的結(jié)果，對模體的各個組件進行分析，得到圖像的HU（Hounsfield Unit）準確性、HU均勻性、空間線性度、MTF（Modulation Transfer Function）分析結(jié)果。圖像QA報告生成模塊根據(jù)模體分析模塊的結(jié)果生成PDF版的圖像QA報告。

2 模體定位模塊的實現(xiàn)

如圖2所示，Catphan500模體由4個直徑15 cm不同厚度的組件組成，其中本軟件使用了三個組件：CTP401組件（厚度2.5 cm，用于檢測圖像的HU準確性和空間線性度），CTP528組件（厚度4 cm，用于檢測圖像分辨率）和CTP486組件（厚度5 cm，用于檢測圖像的HU均勻性）。

圖1 軟件架構(gòu)圖Fig.1 Software architecture diagram

圖2 Catphan500模體剖面圖Fig.2 Catphan500 phantom profile

因為在圖像采集的過程中模體擺放的位置是不固定的，所以在對圖像的自動化分析之前需要定位模體在圖像中的位置。本軟件中模體定位模塊用于找到模體擺放的位置坐標，為下一步對模體的各個組件進行分析做準備。本軟件通過找到模體各個組件所在的層數(shù)、模體的中心坐標、模體的偏移角度三個參數(shù)來定位模體。

因為模體各個組件與與模體CTP401組件的相對位置是已知的，所以只需要定位出CTP401組件中心所在的層數(shù)，就可以根據(jù)相對位置定位出模體各個組件所在的層數(shù)。算法流程如圖3所示，首先通過Canny算法找到每層圖像的邊緣，其中CTP401模塊的邊緣圖如圖4所示，通過Hough變換檢測到3個指定半徑的圓，以每層圖像是否能檢測到3個指定半徑的圓為組件分類的標準，這樣就找到所有CTP401模塊所在的層數(shù)，計算這些層數(shù)的均值便可以得到CTP401組件中心所在的層數(shù)。以CTP401組件的中心作為參考點，根據(jù)模體中各組件相對位置的實際尺寸，就可以計算出其他組件中心點的坐標。

圖3 CTP401組件中心點檢測流程圖Fig.3 CTP401 module center detection flow chart

圖4 CTP401組件邊緣檢測結(jié)果圖Fig.4 CTP401 module edge detection result

模體的中心位置檢測如圖5所示，根據(jù)上一步在CTP401組件中檢測的Teflon和低密度聚乙烯兩個圓形ROI中心連線的中點計算得到。模體的偏移角度根據(jù)連線和圖像坐標系x軸正方向的夾角計算得到。

圖5 模體中心定位結(jié)果圖Fig.5 Phantom center positioning result graph

3 模體分析模塊的實現(xiàn)

3.1 HU準確性分析

CTP401組件中嵌有4個不同X射線吸收率材料的圓柱形結(jié)構(gòu)，用于測量HU準確性。本軟件采用定位模體時使用的算法，首先使用Canny算法處理圖像，提取圖像的邊緣，再使用Hough變換進行圓檢測，得到特氟龍、低密度聚乙烯、空氣三個圓形結(jié)構(gòu)的圓心位置。如圖6中白色矩形區(qū)域所示，以檢測到的圓心為中心，選取邊長為7 mm的正方形ROI，計算ROI中平均HU值用于HU準確性分析[2]。計算三個ROI的HU值的均值與物質(zhì)實際HU值的差值，將差值與預(yù)設(shè)的閾值進行比較，得到分析結(jié)果。

圖6 HU準確性ROI選取結(jié)果圖Fig.6 HU accuracy ROI selection result graph

3.2 空間線性度分析

CTP401組件中有三個孔和一個內(nèi)嵌的聚四氟乙烯圓柱體，用于測量圖像的空間線性度。本軟件如圖7所示，通過分別檢測出四個小圓的圓心，因為四個圓心圍成的凸四邊形是唯一的，使用Graham掃描法連接出如圖7所示的凸四邊形，再計算出凸四邊形的各個邊長用于空間線性度分析[5]。計算四條圓心的連線與實際尺寸的差值，將差值與預(yù)設(shè)的閾值進行比較，得到分析結(jié)果。

圖7 空間線性度ROI選取結(jié)果圖Fig.7 Spatial linearity ROI selection result graph

3.3 HU均勻性分析

CTP486組件是由X光吸收率等同于水的均值材料制成，用于測量圖像HU均勻性。本軟件根據(jù)模體定位模塊計算得到的模體中心和該組件在圖像中的層數(shù)，如圖8中白色矩形區(qū)域所示，在CTP486上選取中心、上、下、左、右5個邊長為10 mm的正方形ROI，計算ROI中HU值的均值用于HU均勻性分析[5]。計算五個ROI的HU值的均值與水的HU值的差值，將差值與預(yù)設(shè)的閾值進行比較，得到分析結(jié)果。

3.4 空間分辨率分析

CTP528組件內(nèi)嵌有21組呈放射狀分布的高密度線對結(jié)構(gòu)，用于測量高對比度下的空間分辨率?？臻g分辨率的檢測分為主觀法和客觀法。主觀法通過調(diào)節(jié)窗寬窗位后觀察圖像來得到空間分辨率。主觀法簡單易行，但是帶有主觀性，只能得到整數(shù)的測試結(jié)果[6-7]。本軟件使用基于Droege和Morin提出的測量方法[8-9]。

圖8 HU均勻性ROI選取結(jié)果圖Fig.8 HU uniformity ROI selection result graph

其中，M圖案是高密度線對結(jié)構(gòu)圖案HU值的標準偏差，N背景是背景HU值的標準偏差，CT物質(zhì)是柵組件材料的測量CT值，CT基體是基體的測量CT值。本軟件根據(jù)模體定位模塊計算的模體中心位置和模體偏移角度，結(jié)合每組線對的實際物理尺寸和物理坐標自動選取ROI。如圖9所示，計算出各個周期組件圖案的標準差、背景的標準差、柵組件材料和背景材料HU值的均值帶入式(1)計算得到結(jié)果。

圖9 空間分辨率ROI選取結(jié)果圖Fig.9 Spatial resolution ROI selection result graph

4 測試結(jié)果

通過使用錐形束CT實驗平臺的圖像對本軟件功能進行驗證，實驗平臺由兩個正交的射線源組成。將Catphan500模體放在實驗平臺正中的載物平臺上，保證圓柱形模體的軸線與實驗平臺的旋轉(zhuǎn)軸線平行，載物平臺下的轉(zhuǎn)盤旋轉(zhuǎn)360o采集一組圖像，使用FDK算法[10]重建得到三維圖像作為本軟件的輸入，根據(jù)軟件輸出的模體定位模塊的模體擺位參數(shù)，以及模體分析模塊選取的ROI驗證軟件的功能。

在10組實驗中，本軟件均能正確定位模體的擺位，選取模體不同模塊的ROI，軟件平均用時73 s。如圖10所示，在125 kV，2 mAs的曝光參數(shù)下采集重建一組圖像，然后使用本軟件處理后得到圖像QA的結(jié)果。

圖10 圖像QA結(jié)果圖Fig.10 Image QA result graph

5 總結(jié)

本軟件通過對采集到的圖像進行特征提取，自動定位出模體的擺位并選取模體不同組件的ROI進行圖像QA，提高了圖像QA的效率和準確性。本軟件的優(yōu)勢體現(xiàn)在：①縮短了錐形束CT圖像QA的時間，減少了人工成本；②避免了操作人員手動選取ROI和觀察圖像的主觀性，提高了圖像QA的準確性；③能生成統(tǒng)一詳細的圖像QA報告，便于后續(xù)的數(shù)據(jù)分析。但是本軟件也存在不足，暫時只能針對單一模體進行自動化圖像QA，后續(xù)要擴展本軟件的功能，支持更多模體的自動化圖像QA。