基于小波的Calypso植入物CBCT前列腺图像分割算法

本文研究主要关注的是前列腺锥束CT (Prostate Cone Beam CT, CBCT) 图像在植入Calypso应答器的场景下的分割问题，这对于实时自适应放射治疗 (Real-time Adaptive Radiotherapy, ART) 的实现具有重要意义。在Calypso患者的CBCT图像中，由于信标应答器产生的伪影较多，传统的图像分割方法可能面临困难。 作者提出了一种创新的基于小波 (Wavelet) 的分割算法，旨在提高对直肠、膀胱和前列腺这三个器官的准确识别。小波变换，特别是移动窗口双Haar (Moving Window-Based Double Haar, MWDH) 变换，被应用于给定的CBCT图像上，以提取其多尺度和方向上的特征。这种方法首先通过MWDH变换获取小波系数，这些系数包含了不同频率成分的信息。 针对分割过程，作者采用了一种自适应策略。对于低频分量的小波系数，利用用户定义的兴趣区域内的点，结合聚类算法来设置阈值，以便更精确地分离目标器官与伪影。高频分量则应用了Lee滤波理论的自适应阈值处理，进一步提升区分度。接着，通过小波重构技术，将这些阈值应用到小波系数上，从而得到感兴趣物体的二进制（分段）图像。 研究以5例每日进行CBCT检查的前列腺增生患者的数据为基础，评估了新算法的性能。作者使用了Dice系数、敏感性、特异性和体积差异 (ΔV) 这些标准来衡量分割结果的质量。这样的实验设计旨在验证算法在实际临床环境中的稳健性和有效性。 这项工作在CBCT图像分析领域引入了新的小波方法，特别针对Calypso系统中的伪影问题，展示了其在分割精度和减少误报方面的潜力。随着实时自适应放射治疗的发展，这种算法有可能改善患者的治疗计划和结果。