[论文解读] Geodesic Density Regression for Correcting 4DCT Pulmonary Respiratory Motion Artifacts

Wei Shao, Yue Pan+5 more|arXiv (Cornell University)|Jun 12, 2021

Medical Imaging Techniques and Applications参考文献 47被引用 5

一句话总结

该论文提出了一种新型算法——测地密度回归（GDR），通过利用组织密度变化和二值化伪影掩码，估计平滑、密集的4D形变场及无伪影的肺部模板，从而校正4DCT肺部扫描中的呼吸运动伪影。GDR在模拟和临床4DCT扫描中均优于最先进水平的测地强度回归（GIR）算法，表现为生成的模板更清晰、雅可比图像更准确，并且在数据丢失情况下具有更强的鲁棒性。

ABSTRACT

Pulmonary respiratory motion artifacts are common in four-dimensional computed tomography (4DCT) of lungs and are caused by missing, duplicated, and misaligned image data. This paper presents a geodesic density regression (GDR) algorithm to correct motion artifacts in 4DCT by correcting artifacts in one breathing phase with artifact-free data from corresponding regions of other breathing phases. The GDR algorithm estimates an artifact-free lung template image and a smooth, dense, 4D (space plus time) vector field that deforms the template image to each breathing phase to produce an artifact-free 4DCT scan. Correspondences are estimated by accounting for the local tissue density change associated with air entering and leaving the lungs, and using binary artifact masks to exclude regions with artifacts from image regression. The artifact-free lung template image is generated by mapping the artifact-free regions of each phase volume to a common reference coordinate system using the estimated correspondences and then averaging. This procedure generates a fixed view of the lung with an improved signal-to-noise ratio. The GDR algorithm was evaluated and compared to a state-of-the-art geodesic intensity regression (GIR) algorithm using simulated CT time-series and 4DCT scans with clinically observed motion artifacts. The simulation shows that the GDR algorithm has achieved significantly more accurate Jacobian images and sharper template images, and is less sensitive to data dropout than the GIR algorithm. We also demonstrate that the GDR algorithm is more effective than the GIR algorithm for removing clinically observed motion artifacts in treatment planning 4DCT scans. Our code is freely available at https://github.com/Wei-Shao-Reg/GDR.

研究动机与目标

• 为解决因呼吸不规则导致4DCT扫描中运动伪影的问题，此类伪影会降低放射治疗计划的质量。
• 开发一种方法，通过利用多个呼吸相位中无伪影区域来校正伪影。
• 在现有测地强度回归（GIR）的基础上，通过整合呼吸过程中组织密度的变化来加以改进。
• 生成高保真度、无伪影的肺部模板以及平滑的4D形变场，以实现精确的图像配准。
• 提高功能避免放射治疗中所用雅可比图像的准确性。

提出的方法

• GDR估计一个平滑、密集的4D向量场，将参考模板形变以匹配4DCT扫描的每一相。
• 它使用二值化伪影掩码，在图像回归过程中排除存在运动伪影的区域。
• 该算法考虑了呼吸过程中因空气进出导致的局部组织密度变化，从而在准确性上优于强度恒定模型。
• 通过将所有相位中的无伪影区域映射到统一坐标系并取平均，生成无伪影的肺部模板。
• 使用L-BFGS优化器最小化代价函数，其下降方向通过位置和梯度向量的有限内存更新来估计。
• 采用U-Net架构自动检测2D CT切片中的运动伪影区域，以生成二值化伪影掩码。

实验结果

研究问题

• RQ1 与测地强度回归（GIR）相比，测地密度回归（GDR）是否能更准确地校正4DCT扫描中的运动伪影？
• RQ2 在4DCT扫描中存在数据丢失或缺失相位的情况下，GDR的表现如何？
• RQ3 整合组织密度变化是否能提高所估计形变场和模板图像的准确性？
• RQ4 GDR能否生成更清晰、更可靠的雅可比图像，以支持功能避免放射治疗？
• RQ5 基于U-Net的伪影检测系统在不同呼吸相位中识别运动伪影的效率如何？

主要发现

• 在模拟4DCT扫描中，GDR生成的雅可比图像显著优于GIR算法。
• 与GIR相比，GDR生成的模板图像更清晰，信噪比更高。
• GDR在数据丢失情况下表现出更强的鲁棒性，即使部分相位缺失或受损，仍能保持较高的准确性。
• 在存在明显运动伪影的临床4DCT扫描中，GDR在伪影去除和图像质量恢复方面优于GIR。
• 基于U-Net的伪影检测系统有效识别了伪影区域，从而在回归过程中实现了准确的排除。
• GDR算法已开源发布于GitHub，支持可复现性与进一步研究。