近日，生物医学和健康信息学国际顶级期刊IEEE Journal of Biomedical and Health Informatics (简写IEEE JBHI)发表了学院董恩清教授课题组的最新研究成果“Lung Respiratory Motion Estimation Based on Fast Kalman Filtering and 4D CT Image Registration”。学院博士研究生薛鹏为该文第一作者，董恩清教授、崔文韬博士为共同通讯作者，永利yl23411no1为唯一完成单位。

肺癌是全球范围内常见的恶性肿瘤之一，严重威胁人类的健康。图像引导放疗技术是治疗肺癌的一种有效手段。在肺部图像引导放疗过程中，受呼吸运动与心脏跳动的影响，肿瘤靶区会发生移动和变形，从而造成肿瘤靶区位置不确定性，限制放疗效果。通过构建肺部的呼吸运动模型，可以精确规划治疗边际，计算放射剂量分布，从而可以进一步提高靶区的定位精度，降低对病人的辐射伤害，有利于提高手术成功率。

近十几年来，计算机断层摄影(Computed Tomography, CT)技术的不断发展，推动放疗技术突飞猛进。通过对4D CT图像进行配准得到的变形场可以有效地描述序列间相应组织结构的相对运动，从而实现对整个肺部运动的精确估计。相比于依赖体外呼吸信号的估计方式，通过4D CT与图像配准技术建立肺部的运动模型不需要额外的辅助成像设备，具有非侵入性、可达性高、低成本的优点，是一种理想的肺部呼吸运动估计方法，在肺癌放疗方面具有巨大的应用潜力。但是，由于4D CT图像数据量大、局部灰度分布不均匀以及心脏搏动导致的运动不连续性，给肺部呼吸运动估计带来了巨大的挑战。

为此，董恩清教授课题组围绕肺部呼吸运动估计目前面临的关键性难题，从4D CT图像的时空信息和肺呼吸生理信息出发，联合相关的4D CT图像配准算法与并行GPU快速算法提出了一种基于卡尔曼滤波和4D CT图像配准的肺部呼吸运动估计方法。通过实验验证可以发现，董恩清教授课题组所提出的肺部呼吸运动方法可以动态、实时地估计肺部呼吸运动状态。该方法不仅解决了4D CT图像数据量大、局部灰度分布不均匀，以及由心脏搏动导致的运动不连续性为肺部呼吸运动建模带来的难题，而且其基于GPU的并行计算能够进一步促进了其在临床中实时引导放疗的应用，为提高肺部运动估计精度及图像引导放疗效果奠定了坚实的理论基础。

IEEEJBHI是公认的生物医学和健康信息学领域的TOP期刊，在全球27种医学信息学(Medical Informatics)SCI收录期刊中排名第1 (TOP1);全球59种数学与计算生物学(Mathematical & Computational Biology) SCI收录期刊中排名第5 (TOP5);在全球109种计算机科学及交叉学科应用(Computer Science, Interdisciplinary Applications) SCI收录期刊中排名第12 (TOP12);在全球156种计算机科学及信息系统(Computer Science, Information Systems) SCI收录期刊中排名第15 (TOP15); IEEE JBHI 2019年影响因子5.223。

董恩清教授带领的医学影像信息处理研究团队聚焦国际上医工学科交叉研究领域中的热点问题，在图像分割、图像配准、影像组学、AI医学影像诊断等方向取得了丰硕的研究成果，引起了国内外同行的广泛关注。该研究成果是本团队于2019年在医学成像领域国际顶级期刊EEE Transactions on Medical Imaging上发表肺部4D CT图像配准的研究成果之后，又一项引起关注的最新研究成果。近年来，以第一作者和通信作者单位在IEEE Transactions on Medical Imaging、IEEE Journal of Biomedical and Health Informatics、Signal Processing、European Radiology、Radiotherapy and Oncology、Medical Physics等国际顶级期刊（JCR Q1）发表高水平的SCI论文9篇。

本项研究工作得到了国家自然科学基金面上项目资助（2013、2016）、中央高校基本科研专项资金（2019）、教育部高等学校博士学科点专项科研基金（2012）。

论文链接：https://ieeexplore.ieee.org/document/9220764

图/文 崔文韬  编辑/李倩