基于PET/CT形變配準技術對放療前后靶區變化的評估

張路路 楊 娟 黃 浦 趙 睿 馬長升 尹 勇 李登旺

1(山東省醫學物理圖像處理省級重點實驗室，山東師范大學物理與電子科學學院，濟南 250014)2(山東省腫瘤醫院放射科，濟南 250117)

基于PET/CT形變配準技術對放療前后靶區變化的評估

張路路1楊 娟1黃 浦1趙 睿1馬長升2尹 勇2李登旺*

1(山東省醫學物理圖像處理省級重點實驗室，山東師范大學物理與電子科學學院，濟南 250014)2(山東省腫瘤醫院放射科，濟南 250117)

PET圖像提供的新陳代謝信息可用于判斷放療后腫瘤的復發區域，對于制訂精確的放療計劃具有重要的臨床意義。研究采用多分辨率形變配準的方法提取放療前后CT圖像的形變域，并將其作用于放療前PET圖像，與放療后的PET圖像相比較，通過設定圖像中SUV 的閾值，判斷勾畫輪廓之間的重疊率，以獲得圖像中的高攝取區域，回顧性指導精確放療。研究針對22例肺癌病例，實驗結果顯示放療后殘留的高代謝區域和放療前GTV重疊較好：當閾值設定為SUVmax的70%、80%和90%時，對應的重疊率分別為(95.2±0.6)%、(96.6±3.4)%和100%；當閾值設定為SUV2.5和SUV5.0時，對應的重疊率為(86.0±6.6)%和(97.0±3.0)%。對氟代脫氧葡萄糖(FDG)高攝取區域的高重疊率表明病變區域在放療前后的位置相對穩定，放療后的殘余腫瘤基本上位于放療前靶區對FDG的攝取區域。初步實驗結果證明，研究可用于判斷靶區區域對放療的反應，回顧性指導在放療計劃中，針對放療后殘余的靶區加大照射劑量，保護危及器官和組織，精確放療。

18F-FDG PET-CT；肺癌；重疊率；形變配準

引言

對于腫瘤放射治療的高效性和有效性，主要依賴于對潛在腫瘤組織的完全識別以及對腫瘤的精確定位[1]，多模態成像技術的應用已經解決了很多腫瘤治療中的問題。多模態圖像可以根據不同的成像原理，從多個方面反映腫瘤各個階段的狀態，這些非侵入性的成像技術可以分為兩類：解剖成像技術和功能成像技術[2]。解剖成像技術對應的醫學圖像，如CT、MRI、超聲等，具有較高的圖像分辨率，可以提供豐富的人體生理形態的解剖結構信息；功能成像技術對應的功能性影像，如PET、SPECT等，具有較低的分辨率，但可以提供豐富的新陳代謝信息[3]。顯然，單一成像模式不能同時提供器官和組織的解剖信息和代謝信息，這種缺陷可以通過融合多種模態的醫學圖像彌補，當前已經出現的多模態的圖像融合技術包含18F-FDG PET/CT和PET/MRI等。

此外，臨床中所實施的18F-FDGPET-CT全身掃描術，兩種模式的數據采集仍舊是分開進行。CT圖像具有較高分辨率(512像素×512像素)，具備解剖信息豐富的特點，因此可以提供清晰的器官和腫瘤邊界[4-5]；而PET圖像的分辨率低(128像素×128像素)，但可以提供器官內部的新陳代謝信息，并且可以通過SUV值勾畫出不同的腫瘤攝取區域輪廓。利用這一特點，可以將腫瘤劃分成對射線敏感度不同的區域，在放療實施過程中對射線不敏感的區域(抵抗區域)加大劑量，對敏感區域(積極區域)實施正常放射治療[6]，以達到保護周圍危機器官的目的。在文獻[7]中，總結了PET/CT在放射治療計劃的作用：一是準確診斷癌癥分期[8]；二是用SUV閾值的方法來勾畫GTV，并應用在放療計劃中[9-11]；三是觀察攝取值的變化監督癌癥的放療反應[12]，更好地指導下一步肺癌的放療；四是放療結束，繼續后續觀察，識別局部的危險復發區域[13]，增加放射劑量。將PET與CT兩者結合，可以更好地反映腫瘤的特征，更加精確地確定PET圖像上腫瘤的變化情況，以及放療后腫瘤的殘留情況，以指導放療計劃的制定。此外，腫瘤的大小及形狀在放療實施前后有很大變化，病人自身的變化情況也不可忽視，在接受長時間的圖像掃描過程中，受呼吸運動的影響，放療前后的PET/CT圖像會存在較大的形變，而這種形變可以通過圖像形變配準的方法來衡量。

PET/CT的形變配準已經廣泛地應用于靶區的精確定位。例如，采用全局剛性粗配準，對食道癌病例中的PET和CT圖像進行預處理，該配準策略可以快速地精確腫瘤靶區位置。此外，Hugo等[14]基于PET/CT的掃描，驗證了放療前后腫瘤對FDG的高吸收位置相對穩定，并依據剛性配準的方法，計算了放療前后殘留區域與靶區的重疊率。文獻[15]中已提出采用基于PET/CT圖像集來分割病變，并實現自動分割病變輪廓[16]，可以更好地指導放射治療。

本研究采用多分辨率的形變配準方法，得到放療前后CT圖像的形變域，將該形變域作用于放療前PET圖像，并將形變后的PET圖像與放療后PET圖像融合，由此可以比較由SUV閾值設定的放療前后PET中的輪廓重疊率，獲得圖像中的高攝取區域，進一步指導精確放療。

1 方法

1.1 實驗過程

對22位患有原發瘤肺癌的患者進行氟脫氧葡萄糖(18F-FDG)PET-CT成像設備(Discovery LS;GE Healthcare,Waukesha,WI)掃描，在PET/CT圖像采集之前，所有的患者禁食至少6 h，并且對每位病人的血糖水平進行測試，經病人同意，獲得其資料如表1所示。

在對病人進行PET-CT掃描前，對每一位病人進行370 MBq的18F-FDG靜脈注射，等待60 min后，然后對其進行從頭到大腿的圖像采集，其中每一個視野持續5 min，共覆蓋14.5 cm的身體長度。對PET圖像采用基于CT的衰減矯正，該步驟是在基于有序子集期望最大化的軟件中實現的。CT掃描的成像參數設置如下：電流/電壓為90 mA/120 kV，層厚為2.5 mm，重建矩陣為512×512，面內分辨率為0.98 mm×0.98 mm。PET圖像面內分辨率為3.91 mm×3.91 mm，重建矩陣為128×128，層厚為4.25 mm。

表1 所有病人資料

Tab.1 Summary of patients′ characteristics and measurements

病人年齡性別TNM分期GTV/cm3放療前SUVmax放療后SUVmax155男T3N2M010.315.494.31271男T2N3M03.314.876.59353女T2N3M033.3314.9312.48465男T4N0M098.2510.183.55561男T2N2M0141.1812.896.87673男T3N2M07.3319.169.49782女T2N2M022.2411.716.37879女T2N1M0908.2929.4624.77960男T3N2M04.025.283.701062男T2N0M045.8913.863.381144女T2N2M020.8212.974.681277男T4N0M0110.712.687.321364女T2N1M0153.9512.7910.921480男T2N2M05.647.715.941579女T2N2M063.756.464.71670男T4N2M00.583.041.391755男T1N2M03.584.782.781870男T4N2M032.3212.069.11958男T2N2M0196.9521.2613.62073女T2N2M042.38.805.352150女T4N2M010.513.963.52283女T4N2M0152.76.685.77平均值66.5——94.0010.967.11標準差11——191.446.485.05

注：GTV—原發瘤的總體積；SUV—標準攝取值。

Note: GTV: Gross tumor volume; SUV: Standard uptake value.

圖1 本研究流程Fig.1 Flow chart of this study

圖1概括了研究的技術路線，其中核心的部分為形變圖像配準過程。采用多分辨率的Demons形變配準算法配準放療前CT1和放療后CT2，計算得到兩者之間的形變域，并進一步將該形變域作用于放療前PET1圖像。通過比較由SUV閾值設定的融合放療前后PET的輪廓重疊率，可獲得圖像中的高攝取區域，進一步指導精確放療。首先計算放療后PET圖像中70%、80%和90%SUVmax及SUV2.5和SUV5.0對應的輪廓，再計算與放療前PET圖像34%、40%、50%和70%SUVmax對應的輪廓的重疊率，并以此為依據判斷靶區區域對放療的反應，從而可以在后續放療計劃中針對放療后殘余靶區加大照射劑量，保護周圍正常的危及器官和組織，精確放療。

1.2 Symmetric Demons算法

Rogelj等提出了一種對稱配準算法，并應用于基于相似性測度的形變配準中[17]。所謂對稱算法，是指在原始Demons算法的基礎上，將形變的內力改進為對稱梯度，即把參考圖像和浮動圖像的梯度平均化，認為它們對于圖像形變的貢獻等同，而不是局限于使用參考圖像的梯度。假設待配準兩幅圖像，M是浮動圖像，F是參考圖像，m是浮動圖像M的灰度，f是參考圖像F的灰度。該算法使用對稱梯度，并綜合了浮動圖像和參考圖像的梯度，形變向量可表示為[18]

(1)

式中，J表示驅動形變的內力。

在Thirion提出的原始Demons算法中，J=-f，在Symmetric Demons算法中，(f+m)，有

(2)

使用對稱梯度的Demons方法，相比于其他內力情況下的Demons方法，具有收斂速度快、匹配誤差小的優勢。

采用多分辨率的策略來加速配準過程，可保持圖像的魯棒性，避免局部極值。將原始圖像分解成許多不同空間分辨率的子圖像，高分辨率的子圖像放在底層，低分辨率的子圖像放在頂層，從而形成一個圖形金字塔結構[19-20]，通過對低分辨率、尺寸較小的上層進行分析，所得到的信息還可以用來指導對高分辨率、尺寸較大的下層進行分析，從而大大地簡化了分析和計算。首先選擇高斯低通濾波器對圖像進行卷積，產生平滑處理效果，然后對高斯平滑處理的圖像以2為步長進行抽取，產生降采樣效果。所處理的CT圖形，基礎層分辨率為512像素×512像素，選取的分辨率分別為512像素×512像素、256像素×256像素、128像素×128像素、64像素×64像素，對于每個分辨率層使用的高斯濾波器的標準差σ分別為2.5、2.5、2.5、4.0。

2 量化分析

文獻[13,16]介紹了通過設定閾值的方法，判定放療前PET中高攝取區域與放療后病變內殘留區域間的相關性，并驗證了該方法的有效性。本研究在MIM6.5(MIM Software Inc., Nashville, TN)中自動勾畫由34%、40%、50%和70%SUVmax確定的輪廓，以及放療后閾值為70%、80%和SUVmax90%對應的輪廓，還有和SUV5.0和SUV2.5對應的輪廓、SUV2.5勾畫的靶區PET圖像，如圖2所示。實驗結果顯示，放療后殘留腫瘤的SUVmax值比放療前腫瘤的SUVmax值低，因此放療前后閾值的選取不同[21]。

圖2 SUV2.5勾畫的靶區PET圖像(從左至右依次是橫截面、軸截面、縱截面)Fig.2 SUV2.5 image of target area PET(From the left to the right: cross section, axial section, longitudinal section)

采用輪廓重疊率量化放療的療效，該輪廓重疊率的大小由DR(Dice overlap ratios)來衡量，其計算公式為

(3)

式中，VA和VB是放療前PET和放療后PET的輪廓體積，VA∩B是A和B的公共體積，即放療前后PET的重疊區域。

如圖3所示，(a)是由70%、60%、50%、34%SUVmax的閾值確定的形變后PET的輪廓；(b)是放療后由70%、80%和90%SUVmax的閾值確定的輪廓；(c)是70%SUVmax閾值確定的輪廓和放療后由80%SUVmax閾值確定的輪廓的融合，其中陰影部分代表兩者的重疊區域，即VA∩B。

圖3 放療前后PET圖像的重疊樣式。(a)放療前PET;(b)放療后PET;(c)配準圖像Fig.3 Overlapping regions of PET images before and after radiotherapy. (a) Before PET images; (b) After PET images;(c)Overlapping regions of PET images

3 結果

3.1 基于閾值的體積

圖4給出了放療前后由閾值設定而確定的腫瘤體積。放療前，34%SUVmax包含的區域的大小是GTV的(81.0±3.3)%，50%SUVmax包含的區域大小是GTV的(43.1±7.0)%，以及60%SUVmax包含的區域大小是GTV的(28.0±5.5)%，70%SUVmax包含的區域大小是GTV的(17.7±2.6)%。綜上，在腫瘤內的高攝取區域(50%～70%)SUVmax相比GTV的體積小。放療后，殘留的代謝活性區域的體積是放療前GTV的(21.7±6.4)%。在殘留腫瘤的區域，高攝取區(70%～90%)SUVmax的體積較小，70%SUVmax包含的區域大小是殘留腫瘤的區域的(8.7±3.4)%，80%SUVmax包含的區域大小是殘留腫瘤的區域的(3.5±1.0)%，90%SUVmax包含的區域大小是殘留腫瘤的區域的(1.1±0.4)%。固定閾值(SUV2.5和SUV5.0)的體積在殘留腫瘤的區域也包含一部分，SUV2.5和SUV5.0包含的區域大小是殘留區域的(33.7±8.7)%和(7.3±4.0)%。

圖4 基于閾值的放療前后腫瘤的相對體積Fig.4 Tumor relative volume before and after radiotherapy based on threshold values

3.2 輪廓重疊率

圖5為放療后閾值和放療前閾值之間的重疊率。放療后腫瘤的殘余區域的70%和80%SUVmax主要位于放療前GTV內，DR=(95.2±0.6)%和DR=(96.6±3.4)%；而殘余區域的90%SUVmax所有的體積完全在GTV內部，即DR=100%。比較放療前后的攝取區域，放療前的34%SUVmax閾值和殘留區域的重疊區域值有重要意義，DR=(90.3±4.4)%，放療后的殘留區域主要是放療前的高攝取區域。

圖5 放療后的閾值和放療前的閾值之間的重疊率Fig.5 The overlapping ratios of the outlines determined before and after radiotherapy

圖6為放療后的SUV2.5、SUV5.0和放療前閾值之間的重疊率。放療后SUV2.5、SUV5.0和放療前GTV之間的重疊率，DR=(86.0±6.6)%和DR=(97.0±3.0)%；放療后SUV2.5、SUV5.0和放療前34%SUVmax區域之間的重疊率，DR=(82.3±6.1)%和DR=(95.7±1.5)%；放療后SUV2.5、SUV5.0和放療前50%SUVmax區域之間的重疊率，DR=(67.8±7.0)%和DR=(76.4±9.1)%。

圖6 放療后的SUV2.5、SUV5.0和放療前的閾值之間的重疊率Fig.6 Overlapping ratios between SUV2.5, SUV5.0, and preirradiation thresholds before and after radiotherapy

4 討論

腫瘤的精確放療，越來越傾向于在治療后的腫瘤靶向放射治療區內，選擇具有高概率的持久性腫瘤細胞[22-23]，在沒有增加副作用的情況下，對局部腫瘤加大劑量，同時降低易敏感區域的劑量，從而使腫瘤得到有效的控制。而分子成像技術(PET)既形象化地呈現腫瘤的新陳代謝的情況，也對腫瘤內不同特征的區域進行特殊量化。另外，對已經接受手術或放射治療的非小細胞肺癌病人，PET圖像依據腫瘤內最大的攝取值預測病人的生存周期[24-28]。研究表明，FDG的攝取模式在放療前后是保持穩定的[14]。放療前大多數腫瘤對18F-FDG的攝取是不均勻的，并且高攝取區域往往不是位于腫瘤的中心位置，這為臨床放療中腫瘤內輻射劑量再分配的研究提供了可能。

文獻[13]在研究中采用了剛性配準的方法，沒有考慮肺部呼吸導致的組織形變，以及放療引起的體重變化。考慮了以上因素，采用形變配準的方法，對兩次圖像中的CT圖像配準，獲取形變域，應用到PET圖像中，使PET圖像能更好地配準，使放療前后腫瘤區域的重疊區域統計的結果更加準確。對放療后殘留的高代謝區域和放療前GTV的重疊情況進行了探索，通過對22例病人的結果分析發現，放療后殘留區域主要位于GTV內(DR=91.8%)，50%SUVmax包含的區域大小是GTV 的(43.1±7.0)%，而殘余區域的90%SUVmax所有的體積完全在GTV內部，即DR=100%。因此，放療后腫瘤殘留代謝區域可以在放療前的FDG-PET/CT圖像得以辨認。此外，研究還表明，由個體化閾值(70%～90%SUVmax)與群體化閾值(SUV2.5和SUV5.0)確定的放療后殘余腫瘤的體積比放療前靶區體積小；而由個體化閾值SUVmax的70%、80%和90%確定的放療后殘余腫瘤與放療前靶區的重疊率值均大于95%，并且由群體值SUV2.5和SUV5.0確定的殘余腫瘤與放療前靶區的重疊率值均大于80%，進一步說明高攝取區域的高重疊率表明病變區域在放療前后的位置相對穩定，放療后的殘余腫瘤基本上位于放療前靶區對FDG的攝取區域。因此，本研究可用于判斷靶區區域對放療的反應，回顧性指導在放療計劃中針對放療后殘余的靶區并加大照射劑量，保護危及器官和組織，精確放療。

然而，本研究存在的問題包含：研究結果僅建立在對22例非小細胞肺癌患者的分析，更加魯棒性的做法應該使研究包含更多的病人數據以及不同部位的腫瘤；形變配準[29-30]的準確性對研究有重要的意義，采用了Symmetric Demons算法確定放療前后CT圖像之間的形變場，并將此形變場應用于PET圖像，因此形變配準算法準確性的研究也是至關重要的，即鉆研更好的形變配準算法。此外，PET/CT掃描有其自身的缺陷：一是該掃描時間長，對患者輻射大；二是采用該掃描方式的費用高。因此，本研究中僅選取了放療前后兩次的PET/CT圖像，而不是每一次分次治療后的PET/CT圖像。未來研究，可以觀察放療分次間腫瘤的變化情況，以及腫瘤對射線的抵抗性，結合本研究得到更精確的結果，建立數據模型，對腫瘤繼續放療提供更好的根據，保護危機器官。

5 結論

本研究采用形變配準技術，明確放療前后腫瘤FDG高攝取區域的重疊率，應用指導后續放療計劃，針對放療后殘余的腫瘤靶區加大放射劑量，對周圍正常組織保護得更好，也減少了放射性肺炎的發生，并且更好地控制腫瘤，提高放療療效。腫瘤的FDG的高吸收區域可以作為一個指示信號，表明腫瘤對放療作用起抵抗區域的位置，為分次治療間劑量的分配提供根據。

[1] Habib Zaidi, Issam El Naqa.PET-guided delineation of radiation therapy treatment volumes: a survey of image segmentation techniques[J].Eur J NuclMed MolImaging,2010,37(11): 2165-2187.

[2] Ford EC,HermanJ,YorkeE,et al.18F-FDG PET/CT for image-guided and intensity-modulated radiotherapy[J].J Nucl Med,2009,50(10): 1655-1665.

[3] MawlawiO,Townsend DW. Multimodality imaging: an update on PET/CT technology[J].Eur J Nucl Med Mol Imaging,2009,36: 15-29.

[4] Li Dengwang, Liu Li,Xing Lei, et al. Augmenting atlas-based liver segmentation for radiotherapy treatment planning by incorporating image features proximal to the atlas contours[J].Phys Med Biol,2017,62(1):272-288.

[5] Li Dengwang,ZangPengxiao, Xing Lei,et al.Automatic multi-organ segmentation in CT images of the male pelvis using region-specific hierarchical appearance cluster models[J]. Med Phys,2016,43(10):5426-5436.

[6] 李登旺, 李洪升, 王慧, 等.基于邊緣保護尺度空間的形變配準方法及在自適應放療中的應用[J].自動化學報, 2012,38 (5): 751-758.

[8] KernstineKH, Mclaughlin KA, Menda Y,et al. Can FDG-PET reduce theneed for mediastinoscopy in potentially resectable non-small celllungcancer?[J]. Ann ThoracSurg,2002,73(2):394-401.

[9] Paulino AC, Johnstone PA. FDG-PET in radiotherapy treatmentplanning: Pandora′s box?[J].Int J Radiat Oncol Biol Phys,2004, 59:4-5.

[10] Ashamalla H, Guirgius A, Bieniek E, et al.The inpact of PET/CT in edge delineation of gross tumor volume for head and neck cancer[J].Int J Radiat Onco Biol Phys, 2007,68(2):388-395.

[11] Mac Manus MP, Everitt S, Bayne M, et al. The use of fused PET/CT images for patient selection and radical radiotherapy target volume definition in patients with non-small cell lung cancer: Results of a prospective study with mature survival data[J].Radiother Oncol,2013,106(3):292-298.

[12] van Elmpt W, Ollers M, Dingemans AM,et al. Response assessment using 18F-FDG PET early in the course of radiotherapy correlates with survival in advanced-stage Non-Small Cell Lung Cancer[J]. J Nucl Med,2012,53(10):1514-1520.

[13] Aerts HJ, Bussink J, Oyen WJ, et al. Identification of residual metabolic-active areas within NSCLC tumours using a pre-radiotherapy FDG-PET-CT scan: a prospective validation[J]. Lung Cancer,2012,75(1):73-76.

[14] 孟雪.功能分子影像在非小細胞肺癌中的應用研究[D].濟南：山東大學,2012.

[15] Aerts HJ, Bosmans G, Van Baardwijk AA, et al. Stability of18F-deoxyglucose uptake locations within tumor during radiotherapy for NSCLC: a prospective study[J]. Int J Radio Onco Biol Phys,2008,71(5):1402-1407.

[16] 石雪, 陳進琥, 李登旺, 等.基于感興趣窄帶區域的同步分割與配準方法及在IGRT中的應用[J].自動化學報.2015, 41(9):1589-1600.

[17] Rogelj P, Kovacis S.Symmetric image registration[J].Med Image Ana, 2006, 10(3):484-493.

[18] 周付根, 段卓鐳.Demons算法在四維CT圖像配準中的應用[J].CT理論與應用研究,2009,18(1):69-75.

[19] Peter J. Burt, Edward H. Adelson.The laplacian pyramid as a compact image code[J].IEEE Trans Commun,1983,31(4): 532-540.

[20] 李登旺, 王洪君, 尹勇,等. 基于邊緣保護多尺度空間的醫學圖像配準方法模式識別與人工智能[J].2011, 24(1):117-122.

[21] Mac Manus MP, Hicks RJ, Matthews JP,et al. Metabolic (FDG-PET) response after radical radiotherapy/chemoradiotherapy for non-small cell lung cancer correlates with patterns of failure[J]. Lung Cancer,2005,49(1):95-108.

[22] Bentzen SM. Dose painting and theragnostic imaging: towards the prescription, planning and delivery of biologically targeted dose distributions in external beam radiation oncology[J]. Cancer Treat Res,2008,139:41-62.

[23] Sovk A, Malinen E, Skogmo HK,et al. Radiotherapy adapted to spatial and temporal variability in tumor hypoxia[J].Int J Rad Oncol Biol Phys,2007,68(5):1496-1504.

[24] Borst GR, Belderbos JS, Boellaard R, et al.Standardised FDG uptake: a prognostic factor for inoperable non-small cell lung cancer[J].Eur J Cancer,2005,41(11):1533-1541.

[25] Doney RJ, Akhurst T, Gonen M, et al.Preoperative18F- FDGemission tomography maximal standardized uptake value predicts survival after lung cancer resection[J]. J Clin Oncol,2004,22(16):3255-3260.

[26] Escmann SM, Friedel G, Paulsen F, et al. Is standardised18F-FDG uptake value an outcome predictor in patients with stage III non-small cell lung cancer?[J]. Eur J Nucl Med Mol Imaging,2006,33(3):263-269.

[27] Van Baardwijk A,Dooms C, Van Suylen RJ,et al.The maximum uptake of18F-deoxyglucose on positron emission tomography scan correlates with survival, hypoxia inducible factor-1alpha and GLUT-1 in non-small cell lung cancer[J].Eur J Cancer, 2007,43(9):1392-1398.

[28] Vansteenkiste JF, Stroobants SG, Dupont PJ, et al. Prognostic importance of the standardized uptake value on18F-fluoro-2-deoxy-glucose-positron emission tomography scan in non-small-cell lung cancer: an analysis of 125 cases Leuven Lung Cancer Group[J].J Clin Oncol, 1999,17(10):3201-3206.

[29] Li Dengwang,Li Hongsheng,Yong Yin,et al. Multiscale registration of medical images based on edge preserving scale space with application in image guided radiation therapy[J]. Phys Med Biol, 2012,57(16):5187-5204.

[30] Li Dengwang, Wang Hongjun, Yin Yong, et al. Deformable registration using edge-preserving scale space for adaptive image-guided radiation therapy[J].J Appl Clin Med Phys, 2011,12(4):105-123.

Evaluation of Tumor Target Changes Before and After Radiation Therapy Based on PET/CT Deformation Image Registration

Zhang Lulu1Yang Juan1Huang Pu1Zhao Rui1Ma Changsheng2Yin Yong2Li Dengwang1*

1(ShandongProvincialKeyLaboratoryofMedicalPhysicsImageProcessing,SchoolofPhysicsandElectronicsScience,ShandongNormalUniversity,Jinan250014,China)2(DepartmentofRadiology,ShandongCancerHospitalandInstitute,Jinan250117,China)

The metabolic information provided by PET images can be used to define the high recurrence region, which is of great significance for accurate treatment planning. This study proposed a multi-resolution deformable registration method to extract the deformation field between CT images in two inter-fractions, and then applied the deformation field to PET images. By defining the SUV (standard uptake value) thresholds we determined the outlines in two PET images and then calculated their overlapping ratio to obtain high uptake regions, which are good for retrospectively performing accurate radiation therapy in the next fraction. Twenty-two patients with lung cancer were included in this study. The preliminary results showed that residual hyper-metabolic region after radiotherapy well overlapped with gross tumor volume (GTV) before radiotherapy: the overlapping ratios were 95.2±0.6%, 96.6±3.4% and 100% with the SUVmaxthreshold defined to 70%, 80% and 90%, respectively; the overlapping ratio was 86.0±6.6% and 97.0±3.0% with the thresholds confined to SUV2.5 and SUV5.0, respectively. The high overlap rate of the high uptake area of fluorodeoxyglucose showed that the location of the lesion was relatively stable before and after radiotherapy, and the residual tumor after radiotherapy was located in the area of FDG uptake before radiotherapy. Preliminary results showed that this study had a potential ability of determining target reaction to radiotherapy and was good for retrospectively increasing radiation dose to residual tumor target with good protection to organs and tissues, showing potentials of realizing accurate radiotherapy.

18F FDGPET CT images; lung cancer; overlapping area; deformable registration

10.3969/j.issn.0258-8021. 2017. 04.002

2016-11-09， 錄用日期:2017-03-23

國家自然科學基金(61471226)；山東省自然科學杰出青年基金(JQ201516);中國博士后科學基金(2016M600554)

R318

A

0258-8021(2017) 04-0394-07

*通信作者(Corresponding author)，E-mail: lidengwang@sdnu.edu.cn