利用投影增强和呼吸变异性的统计分析，从锥形束CT投影中提取可靠的呼吸信号

《Biomedical Signal Processing and Control》：Robust respiratory signal extraction from cone-beam CT projections using projection enhancement and statistical analysis of breathing variability

　　

亚当·坦·莫哈德·阿明|西蒂·萨拉西亚·莫克里|罗齐拉瓦蒂·艾哈迈德|福阿德·伊斯梅尔|阿什拉尼·艾祖丁·阿卜杜勒·拉赫尼

马来西亚普特拉大学工程学院，马来西亚雪兰莪州乌PM塞尔当43400

摘要

从锥形束CT投影中提取的呼吸运动信号可视为包含呼吸信息的生理时间序列信号。然而，现有基于投影的呼吸信号估计方法在临床常见的呼吸变化及解剖结构可见性变化条件下的稳健性仍需进一步研究。本研究针对包括正常呼吸、呼吸过缓、呼吸过速、共济失调性呼吸以及膈肌阻塞在内的多种不同呼吸状况，对四种常用的数据驱动型呼吸信号估计算法进行了系统的稳健性评估。所评估的算法包括阿姆斯特丹裹尸布法、局部主成分分析法、强度分析法以及傅里叶变换相位法，同时还考察了三种阿姆斯特丹裹尸布法图像增强技术（前景提取、自适应z标准化和复合增强）、一种基于投影的维纳滤波增强技术，以及六个基于解剖结构的兴趣区域。研究在五种基于MRI的数字假体数据和二十组临床采集的锥形束CT投影数据上，利用局部相关性指标评估了估计精度，并通过多重比较Kruskal-Wallis分析判断不同方法组合之间的统计显著性。复合增强技术提升了阿姆斯特丹裹尸布法和局部主成分分析法的性能，其中局部主成分分析法结合复合增强后可达0.84的相关性值。基于投影的增强技术进一步提升了阿姆斯特丹裹尸布法相关方法的性能，阿姆斯特丹裹尸布法结合复合增强与维纳滤波后可达0.88的相关性值，但使局部主成分分析法的性能下降了7.2%，这说明该方法对保持图像对比度的特性较为敏感。兴趣区域分析显示，在膈肌可见性良好的情况下，傅里叶变换相位法能达到最高的相关性值（0.91），而经过增强的阿姆斯特丹裹尸布法和强度分析法则呈现出相近的性能水平（0.89）。总体而言，经过优化的阿姆斯特丹裹尸布法框架在不同的呼吸模式、膈肌阻塞情况以及不同兴趣区域选择下都能保持稳定的性能，这证明了其在锥形束CT引导的放射治疗中用于稳健地估计呼吸信号的适用性。

引言

在接受外照射放射治疗的患者身上，呼吸等内部运动属于无意识行为。已有研究表明，在治疗过程中监测每一次的呼吸运动非常重要且必须加以控制，因为患者的呼吸往往是不规律的，且不同治疗次数的呼吸模式也可能存在差异[1]、[2]。在基于图像的放射治疗中，肺癌患者通常需要接受大约一分钟的完整360°旋转扫描。在这段时间内，即便是一个健康人也会完成至少12到20次正常的呼吸循环，这些呼吸活动可能会在重建的锥形束CT图像中产生运动伪影[3]。通过追踪呼吸信号，可以实现4D锥形束CT重建。然而，不规则的呼吸模式会进一步降低4D图像重建的质量，因为在每次呼吸周期对应的投影图像数量往往不均且不完整[4]、[5]、[6]、[7]、[8]、[9]、[10]。

从技术层面来看，可以通过肺活量计[11]来监测呼吸运动，该设备通过口件测量患者吸入和呼出的空气流量。此外，还可以在患者的胸部和上腹部佩戴呼吸带，通过检测压力变化来作为呼吸运动的替代指标[12]。更为复杂的方法是在患者皮肤表面的特定位置放置标记物，然后利用治疗室内的光学摄像机追踪这些标记物的位置变化。临床上常用的是Varian公司的实时位置监测系统，它使用红外标记物来实现这一功能。这类技术属于表面引导放射治疗的研究范畴，目前人们正在尝试利用质量更好的深度摄像机实现无需标记物的运动追踪[6]。不过，使用这些追踪方法的一个常见问题是，所获得的运动数据来自外部监测。研究表明，这些外部替代信号与患者体内实际的呼吸运动之间存在时间延迟，因此需要通过外部替代指标对内外部的运动数据进行关联校准[13]。

由于膈肌在呼吸机制中起着至关重要的作用[1]，因此在重建之前，先在锥形束投影采集阶段追踪膈肌的运动变化似乎是合理的，尤其是因为目前还没有公认的、可用于验证内部呼吸信号的黄金标准[14]。一种较为简单直接的方法就是直接从2D投影数据中追踪膈肌的位置。这类算法包括对投影数据进行2D抛物线拟合[15]、[16]，然后在后续图像中持续追踪膈肌的位置。然而，仅依赖膈肌结构也存在一些缺陷。对于肺癌患者而言，锥形束CT扫描的是胸腔区域，该区域不仅包含膈肌，还包括被心脏周围的心包包裹的中下纵隔结构。通常，为了获得更大的胸腔区域图像视野，人们会采用半扇形锥形束CT扫描模式，即让探测器横向移动。这样一来，2D投影图像就会出现截断现象[17]，在某些视角下，由于其他器官的遮挡，膈肌的影像会无法清晰显示。为了解决这个问题，有人提出通过图像分割技术生成膈肌的3D模型来弥补这一不足[5]。

还有一些基于配准的算法，它们利用锥形束2D投影图像序列中的多种特征，而非仅仅追踪膈肌，也可用于估计呼吸运动。实际上，这类算法可被视为最早直接从投影图像中追踪运动的方法之一[18]。基于这一理念，并将配准问题视为一种光流问题，人们提出了多种配准技术和算法[19]、[20]、[21]。虽然通过投影图像之间的配准能够得到变形向量场，但这种方法需要设计出最优的算法，而且其在线应用时的计算成本相对较高。

另一种方法是利用基于强度的技术，直接从锥形束CT投影图像中估计呼吸运动。本质上，这类方法属于最简单的数据驱动型技术，无需在治疗过程中使用任何额外设备即可估计呼吸信号。著名的阿姆斯特丹裹尸布法[22]、[23]的计算量不大，甚至已经申请了专利，Elekta公司也在其软件产品中将其应用于临床实践[24]、[25]。人们对阿姆斯特丹裹尸布法的基本原理进行了进一步研究，后来又提出了另一种局部主成分分析方法[26]。除了最初的阿姆斯特丹裹尸布法之外，人们还将局部主成分分析法的性能与其他当时开发的基于投影衰减强度的算法进行了比较，比如强度分析法[27]和傅里叶变换相位法[28]。从那以后，许多研究都采用了这些基于强度的数据驱动方法来追踪内部呼吸运动，其中一些研究还提出了进一步的优化方案，以获得更优异的检测结果。

与以往主要聚焦于单一呼吸信号提取方法或单独优化算法性能的研究不同，本研究在标准的临床锥形束CT采集条件下，为四种常用的基于投影的数据驱动型呼吸信号估计算法建立了一个统一的稳健性评估框架。该框架系统地整合了三种阿姆斯特丹裹尸布法图像增强技术、投影空间自适应滤波技术以及基于解剖结构的兴趣区域排列方式，以此评估各种增强策略和胸腔结构可见性对呼吸信号估计精度的影响。通过结合数字假体数据和包含不同正常及异常呼吸模式的临床患者数据，同时还运用因子统计分析方法对所有方法组合进行评估，本研究不仅仅局限于对单一方法的比较，而是从更广泛的视角评估算法在生理条件差异较大的情况下的稳健性。此外，该研究还通过对所有可能的方法-增强技术-兴趣区域组合进行全面的因子统计分析，为呼吸信号提取性能的评估提供了结构化的参考框架。

本研究的主要贡献包括：

• 1.
  针对临床常见的锥形束CT采集条件，为四种常用的基于投影的呼吸信号提取算法建立了一个统一的稳健性评估框架。
• 2.
  系统地整合了多种增强策略，包括阿姆斯特丹裹尸布法图像增强、投影空间自适应滤波以及基于解剖结构的兴趣区域排列方式，以此全面评估这些策略对呼吸信号估计性能的综合影响。
• 3.
  在包含不同正常及异常呼吸模式的数字假体数据和临床患者数据上进行了全面的验证，同时通过因子统计分析方法对所有方法组合进行了评估，从而确保评估结果的可靠性。

章节节选

方法

本研究利用从自由呼吸状态下基于磁共振成像的数字假体数据生成的锥形束投影数据，以及从肺癌患者那里获取的临床投影数据，对四种主流的数据驱动型方法进行了性能评估。我们在2.1小节中介绍了锥形束扫描的几何结构，随后在2.2小节阐述了这些数据驱动型方法的数学基础，2.3小节则

结果与讨论

研究结果按照既定的稳健性评估框架进行分类呈现，该框架旨在区分不同增强策略和不同解剖结构因素带来的影响，而不仅仅是对算法进行简单的相互比较，具体内容详见2.3小节。

结论

除了评估呼吸信号提取的性能之外，本研究还通过系统地整合图像增强策略、基于解剖结构的兴趣区域分析方法，以及在不同呼吸模式下的因子统计显著性分析，为锥形束CT呼吸信号估计方法的稳健性评估提供了一种结构化的方法论框架。研究既使用了数字假体数据，也使用了包含丰富内在变异性的临床患者数据，

CRediT作者贡献说明

亚当·坦·莫哈德·阿明：负责撰写原文初稿、软件开发以及方法设计。西蒂·萨拉西亚·莫克里：负责项目监督及资金筹集工作。罗齐拉瓦蒂·艾哈迈德：负责项目监督及方法设计。福阿德·伊斯梅尔：负责数据整理工作。阿什拉尼·艾祖丁·阿卜杜勒·拉赫尼：负责文章的审阅与编辑工作，同时承担项目监督、项目管理以及资金筹集职责。

利益冲突声明

作者声明，他们不存在任何可能影响本文研究结果的已知财务利益关系或个人关系。

致谢

本研究得到了马来西亚教育部以及马来西亚国民大学的资助，资助编号分别为：GGP-2019-004以及FRGS/1/2019/TK04/UKM/02/5。本研究是遵循1964年《赫尔辛基宣言》的原则开展的，相关研究已获得UKM医学中心伦理委员会的批准，批准编号为NN-2017-118。所有数据收集工作都是在UKM医学中心的肿瘤科和放射治疗科，在获得患者同意的情况下进行的。