张艳贤 徐子海

计算机视觉是一门新兴学科，主要研究如何通过摄像机和计算机的连接获取拍摄对象的数据和信息，即利用计算机模拟和延伸人的视觉功能，通过获取二维图像来识别与重构三维环境信息，不仅包括物体的形状、大小等表面特性，还包括位置、空间运动参数等动态信息，并能对以上信息进行分析、处理、利用及存储。

近年来，有学者将其应用于放射治疗过程中，可协助纠正患者体位误差、监测患者体位变化并协助呼吸门控开关起作用，全程充当“医师助手”，在提高治疗精确度的同时简化放射治疗摆位验证流程，展现出极大的临床应用潜力。通过重点介绍近年来计算机视觉系统在肿瘤放射治疗摆位纠正中的研究现状与发展，分析其优缺点，探讨其临床实用价值。

1 肿瘤放射治疗摆位与计算机视觉系统

1.1 肿瘤放射治疗摆位

放射治疗是肿瘤的三大治疗手段之一，约有70%的肿瘤患者需在治疗过程中接受放射治疗。放射治疗靶区的剂量高低决定肿瘤的局部控制率，而在治疗过程中，机器误差、摆位误差及固定技术等外部因素，以及患者呼吸运动、体位、体重变化、肿瘤自身消退、肿瘤周围正常组织器官运动及充盈程度等患者自身因素引起的位置变化均会影响靶区受照剂量的准确性，影响治疗效果。其中，对靶区位置变化影响最大的因素为呼吸运动，故呼吸运动的跟踪和建模有利于在外照射过程中精确制定治疗计划及计算剂量[1-2]。

目前，临床常用的减少由呼吸运动引起误差的方法有屏气技术、实时肿瘤跟踪技术及呼吸门控技术等，皆高度依赖X射线摄影和(或)透视成像，会增加患者受射线照射的频率，且定位的标志物多采用在患者体表或固定体模上做标记，甚至手术植入金属标志物，为患者带来不便[3-6]。

在患者定位过程中应用计算机视觉系统，采用非接触测量手段即可得到准确的测量结果[7-9]。在治疗前依据计算机视觉系统探测的数据对摆位情况做出精确快速调整，还可通过实时监测记录肿瘤在放射治疗过程中随呼吸运动的位移情况，为患者提供精确可靠的摆位误差信息，以评判放射治疗计划的优劣及重新计划的必要性，同时为靶区外扩大小提供数据参考，提高摆位精度，强化治疗效果。

1.2 计算机视觉系统

自20世纪70年代以来，计算机视觉技术从处理简单的二维图像到研究复杂的三维视觉原理、模型及算法，至今已形成一套独立的计算理论与算法，该技术涉及多门学科交叉，在图像处理、数学、人工智能(artificial intelligence，AI)及医疗等领域应用广泛。

光学成像技术是计算机视觉技术的分支之一，在放射治疗领域已开发出一套基于可见光的表面扫描系统[10]。利用此类系统对患者体表进行光学扫描跟踪，并通过计算机软件与实时获得的体表影像匹配，将匹配结果以不同颜色投影到患者体表，可协助技术员根据投影颜色差异及时纠正患者体位误差。还实时监测患者体位随其呼吸、运动等变化的情况，并协助呼吸门控开关起作用，提高治疗精确度，简化摆位验证流程。

目前，计算机视觉系统中应用的图像视频采集系统主要由电荷耦合器件(charge-coupled device，CCD)摄像头和采集卡组成。随着电子科技的发展，数字摄像机以其图像质量佳、画面失落少、记录密度高、可靠性高、机器体积小及使用成本低等诸多优点得到迅速推广使用，其采集图像的过程可概括为:光源照明条件下，数字摄像机拍摄目标物体后将图像信号转变成光电信号，通过串行接口传输到计算机进行处理。

在放射治疗过程中，可通过计算机视觉技术实时获取患者体表标记物的三维空间坐标，将信息传递给反向跟踪平台系统，实时监测人体在治疗过程中的位置变化情况，视觉实时测量系统见图1。

1.3 计算机视觉系统下最佳体表标记位置

临床中最常采用在患者体表设置标记的方式，以保证预测肿瘤位置的准确性及患者放射治疗体位的可重复性，且标记的位置多根据经验选择。为实现智能地选择与肿瘤位置具有最佳相关性的体表标记位置，Miandoab等[12]使用典型相关分析(canonical correlation analysis，CCA)和主成分分析(principal component analysis，PCA)两种输入算法，与自适应神经模糊推理系统(adaptive network-based fuzzy inference system，ANFIS)结合，制作出相关模型，输出患者定位信息。结果表明，以上两种输入算法能合理地从给定区域选择与肿瘤位置具有最佳相关性的体表标记位置。

图1 视觉实时测量系统框图

2 计算机视觉系统测量精度研究

目前，用于监测放射治疗过程中患者位置变化的计算机视觉系统测量精度已基本能达到亚毫米级，常见的计算机视觉系统在测量精度方面的研究有Kinect摄像机、RGB-D摄像机、Madibreast系统及Catalyst光学系统等。

2.1 Kinect摄像机

为实时监控患者移动状况并帮助其重新定位，有学者应用微软公司旗下的Kinect摄像机对患者定位及呼吸触发情况进行深入研究。其中，Rihana等[13]应用基于2台Kinect摄像机的视觉放射治疗(vision radiation therapy，VRT)系统，利用其可同步产生彩色及深度数据信息的特点，分别对静态模体、动态模体进行测量，评估Kinect检测患者呼吸信号的能力。研究显示，Kinect摄像机测量距离其800～1000 mm的物体误差＜1 mm。同时，其检测到的呼吸信号与目前临床常用设备Alice6检测到信号的相似度达85%。Kinect具有构建患者表面三维视图和实时监控运动的功能。Kinect摄像机构成见图2。

图2 Kinect摄像机结构示意图

2.2 RGB-D摄像机

与临床常用的减少摆位误差的屏气技术、X射线透视及呼吸门控技术等相比，RGB-D摄像机无需接触患者即可提供目标表面的实时深度信息，并可将该信息用于呼吸运动测量。Wijenayake等[14]基于此提出了新的呼吸运动跟踪方法:通过RGB-D摄像机连续捕获患者胸壁的深度图像，利用PCA创建患者呼吸运动模型，以消除输入深度数据的空间和时间噪声。然后利用从RGB-D摄像机获取的深度数据实时测量外部呼吸运动，精度可达0.5 mm。此外，引入一种基于标记的深度配准技术，将测量区域限制在与解剖学上一致的区域，帮助处理治疗期间患者的运动。为分析所提出方法的运动，将其与传统肺活量计对比，相关系数为0.97，与以高精度著称的激光线扫描技术对比，平均误差仅为0.53 mm，测量精度效果相当。研究表明，与基于标记的方法对比，RGB-D摄像机空间分辨率高且提供整个目标表面的深度信息，不仅可测量整个胸壁运动，还可测量区域运动，未来有望应用该模型描述内部肿瘤的运动。

2.3 Madibreast系统

Leduc等[15]设计一套基于计算机视觉的呼吸监测和处理系统，称为Madibreast，其图像分辨率在4 m内可实现实时亚毫米级。该系统选用2台摄像机，将摄像机1设置于患者侧面，监视乳房外部的前后运动和上下运动；摄像机2设置于天花板，监视乳房前表面的左右运动和上下运动。为保证直线加速器的手臂正常转动，所有摄像机的位置均需距离患者至少2～3 m。Madibreast系统见图3。

图3 Madibreast系统示意图

Leduc等[15]利用开源计算机视觉库(open computer vision library，Open CV)开发一套光学跟踪系统。系统由基于计算机视觉算法的特定软件驱动，可光学跟踪高对比度标记，并在用户界面显示实时运动和数据。为验证Madibreast系统的空间和时间准确性，研究者设计一个可模拟各种范围胸部运动的机械模型，然后通过在模型和志愿者乳房上设置高对比度标记，对不同呼吸模式下Madibreast系统的跟踪精度进行验证。

数据显示，志愿者乳房皮肤前后运动与上下运动存在明显差异。尽管正常呼吸模式的运动差异＜1 mm，但呼吸困难模式的运动差异最大为4 mm。Madibreast系统可跟踪乳房不同位置上以各种幅度和呼吸频率运动的标记，通过直观地显示标记的即时轨迹实时监控，及时纠正位移偏差，显示出0.5 mm的精度和可接受的潜伏期(延迟时间＜100 ms)。Madibreast系统还可在皮肤上设置多个标记，以增加标记与实际肿瘤位置的相关性。

该系统的局限性在于当光照不足以及呼吸模式非常快时，跟踪就会失败。此外，延迟时间会随着CPU占用的增加而增加。

2.4 Catalyst光学系统

Catalyst光学系统是使用可见光投影仪和CCD相机的一种新型扫描设备，安装于直线加速器治疗台脚底上方的天花板，通过3个LED将波长为405 nm(蓝色)，528 nm(绿色)和624 nm(红色)的光投射到患者体表。其中，蓝光为扫描患者的测量光，系统通过蓝光检测出患者的局部位移后，将位移结果以绿光、红光的形式直接投影到患者体表，用于显示实际扫描与参考扫描不匹配的位移区域，直观展现患者的位移偏差。该系统同时具有监视功能，可检测患者在治疗过程中的呼吸运动。Catalyst光学系统见图4。

图4 Catalyst光学系统示意图

Stieler等[11]在带有锥形束X射线计算机断层扫描(cone-beam computed tomography，CBCT)的直线加速器室，额外安装一套Catalyst光学系统，将基于Catalyst光学系统表面匹配的患者定位数据与基于CBCT匹配的患者定位数据进行比较，验证Catalyst光学系统的扫描质量及可重复性，对其临床性能进行评估。CBCT和Catalyst测量所得数据间的总体平均偏差保持在1.5 mm和0.4 °以内，标准偏差在4 mm和1.7 °以内，所有患者Catalyst位移与CBCT测量的偏差≤1 cm。

在体位可重复性上，Catalyst光学系统与CBCT具有较好一致性。Catalyst还能在不影响放射治疗的同时对患者的整个治疗过程进行监测，CBCT只能在每次治疗前进行位置修正，治疗过程中无法做到实时监测。临床应用中，可引入Catalyst光学系统以减少CBCT的扫描频率，且Catalyst的监视功能还能使分次定位误差最小化。

2.5 其他检测患者外部运动的计算机视觉系统

Barbés等[16]利用2台摄像机拍摄二维平面图像，组建三维视觉空间，获得空间点的三维位置信息，以此开发并测试一套定位和跟踪空间中的点的新系统，可自动测量物体表面所设立标志物的三维空间坐标，并监测标志物的线性和旋转位移轨迹。如跟踪患者体表一个或多个区域的运动，只需在区域上粘贴标记并启动程序，用该系统测量标记的位移，并计算实际位置和测量位置之间的差异。

Barbés等[16]应用该系统跟踪患者体表的461个点，显示其在三维空间方向上的跟踪误差＜0.3 mm。同时，监测周期性运动的精度达0.5 mm，旋转运动速度达11.5 cm/s，跟踪呼吸运动的精确度类似于其他更复杂的商业系统，且在操作上不会增加治疗时间及患者不适感。该系统可跟踪身体任何部位的平移和旋转运动，跟踪点的数量不受限，校准过程简单快捷，约1 min，如移动摄像机只需重新校准即可。

目前，该系统的可靠性和准确性已得到开发者验证，并在临床应用中被证实其对于实施放射治疗的实时质量控制是有效的，可在放射治疗过程中检测患者位置偏差情况，如偏差超过某固定阈值则会发出警告，提醒操作者，如检测到较大幅度的运动，可触发直线加速器停止放射。

2.6 计算机视觉系统的准确性研究

Belcher等[17]设计制作一个能由6个自由度(6 degree of freedom，6DOF)运动的机械平台，可在6DOF工作空间内进行亚毫米及亚度精度的运动，利用该平台验证常用的计算机视觉跟踪系统的准确性。平台在6DOF空间的运动轨迹是预知的，将模体固定在平台上，利用计算机视觉系统对模体6DOF位置进行跟踪，将计算机视觉系统测得的模体的位置坐标与平台预先设定好的位置坐标进行比较，结果显示，计算机视觉系统6DOF位置跟踪最大均方根误差沿X轴、Y轴和Z轴平移分别为0.46 mm、0.60 mm和0.54 mm；绕X轴、Y轴和Z轴旋转分别为0.06 °、0.11 °和0.08 °。基于此水平的平移和旋转精度，所观察到的计算机视觉系统可能在亚毫米和亚度级别对放射治疗患者的运动进行有效监控。

3 计算机视觉系统与AI技术

AI是研究在计算机环境下模拟及延伸人的智能行为的技术，以多种智能技术为基础。计算机视觉可视为AI的一个分支，属于模拟人类感知行为的应用研究，即计算机视觉系统的发展可归属于AI应用的发展。传统的AI智能的实现依赖于逻辑符号模拟人脑逻辑思维，而计算机视觉系统是通过数字信息或概率统计技术识别物体，模拟人的视觉功能[18-19]。视觉计算理论的基础包括AI理论，AI的发展离不开计算机科学技术的发展，两者相辅相成，共同促进计算机视觉系统向更加实用及复杂的技术研究进展[18]。

计算机视觉系统作为AI中相对独立的功能模块，大部分尚未充分发挥智能监控作用，若将AI技术更多应用于现有的计算机视觉系统，使之更加智能，预计将更明显的提升监控效果，减少安全隐患及人力物力消耗[19]。但目前对AI的研究尚处于初级阶段，在医学领域的应用仍较少，计算机智能视觉系统面临许多待解决的难题，需更多研究和探索打破其技术困境和局限性。

4 讨论与展望

摆位重复性是对肿瘤放射治疗准确性和安全性的挑战。目前，市场上用于摆位验证与校准的各种商业系统费用较为昂贵，计算机视觉系统可突破医院临床放射治疗中心的设备硬件及人员技术等条件限制，为不具备图像引导设备的医院提供摆位验证服务。医院也可在原有验证设备基础上附加一套计算机视觉系统，实现双重保障，达成更直观的摆位验证及校准，还可实时监测记录肿瘤随呼吸运动的位移情况，为靶区摆位扩边提供数据参考。

在放射治疗过程中运用计算机视觉系统进行患者体位运动监测具有下列优点:①系统结构简单，测量装置易于移动和重新校准，灵活性及便携性强；②与X射线计算机断层扫描和磁共振成像技术相比，患者接收额外剂量的辐射减少；③可实时获取患者体表位置信息，精度高；④非接触式光学方法，无创且成本低，数据收集不引起患者的任何不适，无跟踪时间限制，即不延误治疗也不干扰患者周围的物体，为患者提供舒适高效的治疗，便于临床推广应用。

目前，AI理论已逐步应用于实践，在医疗领域的应用成果不断，但仍存在如下问题:①计算模型算法存在冗余，需不断改进算法以求更简便、快速及精确；②测量工具存在微小硬件误差或小运动，导致可用方案之间存在差异；③能测量1个表面6DOF的系统较少；④与AI技术结合不足。

随着科技进步、计算机和电子技术的发展，结合AI的研究成果和经验，计算机视觉系统的理论框架将进一步完善，其分辨率、图像处理能力和分析能力等将不断增强，在临床实际应用中发挥更大作用，AI也会更好为人类服务。