背景技术

图像引导的基本目的是在实际治疗或处理时重 现预先设定的病 人体位，简称预设体位。以放疗为例， 医生采集病人的三维 CT影像， 根据影像制定放疗方案， 并在影像中选择一点作为治疗中心， 称为等 中心。 治疗时需要将此等中心所代表的解剖位置摆放 到治疗设备， 通 常是医用电子直线加速器的中心（也称为等中 心，设备的等中心）处。 预设体位就是指放疗计划设定的等中心代表的 解剖位置位于设备等 中心处时的病人体位。图像引导技术的用途就 是在治疗前或治疗中通 过实时采集术中影像（以下称实时影像或实时 图像）， 确定病人当前 体位和预设体位的偏差 （或所需的位置调整参数）。 医生或放疗技师 可以根据这一偏差调整病人体位，从而提高摆 位精度和实现精确放疗。

图像引导中有一类采用植入标记物作位置参照 的引导方法。标记 物事先由医生通过手术或穿刺植入被测物体内 。这一方法实现图像引 导的基本步骤可以包括： A1 )标记物（与预设体位中心相对）三维位 置可以事先在三维影像（如 CT )中取得， Rl, R2...Rn, 称为预设位置； A2 )在采集的实时图像中， 找到这些标记物的位置； 寻找的方法在参 考文献 [A]和 [B]中有讲述； 如果采用二维图像作引导， 至少在两个角 度的图像中找到他们的位置； A3 )通过反投影运算， 得到他们此时在 三维空间的位置， Sl， S2, ... Sn， 称为术中位置； A4 )最后根据预设 位置和术中位置就可以计算出术中体位与预设 体位的偏差，或者是所 需的位置调整。 这一位置偏差包括三维空间中的位移，还可以 包括围 绕三个自由度的转动。 这一方法为通用方法， 有大量的文献， 也已在 商用产品中应用了多年， 无需赘述。操作人员根据这一术中体位与预 设体位的偏差或者是所需的位置调整， 调整治疗床位置。

本方法中的关键是找到各标记物在实时二维图 像中的对应位置。 植入标记物通常由重金属， 如金、 不锈钢等材料制成， 在 X射线图像 中会呈现出对周边组织的较高对比度，因此在 二维图像中较为易于分 辨（如图 5 )。 但是， 植入标记物是一种有创的临床手段， 会增加一 定的病人风险和费用， 其适用范围也有一定限制。 临床上通常在标记 物植入体内后过一周左右 ,待植入物落定位置后进行三维图像获取等 放疗准备工作， 因而对治疗有一定时间延迟的影响。 并且植入标记物 在组织中容易发生位置挪移或脱落， 即偏离其植入位置。 这种情况下 采用这些标记物会带来较大的定位误差而且不 易被发现。采用在对病 人拍摄的三维图像或者在根据所述三维图像生 成的多个二维 DRR 上 标注能够反映病人自身的解剖特点的特征区的 方式可以避免这种情 况的发生。

发明内容

针对上述方法的缺陷，本发明提供了一种无需 植入标记物的采用 二维影像的图像引导方法。

采用二维影像进行图像引导时， 需要根据病灶的三维影像（通常 是 CT )生成二维参照图， 即 DRR (数字重建放射图 ), 然后通过比较 实时采集的二维图像（即实时图）与 DRR来确定当前位置与预设位置 的偏差。 另一方面， 采用二维影像进行图像引导时通常需要用到从 多 个角度和位置投影生成的二维影像以实现精确 的定位计算（因为如果 只采用一个角度的二维影像，延投影方向的位 置偏差将很难精确地确 定）。 通常采用两个接近于正交角度采集的二维影像 就可以实现精确 的定位计算。 DRR是模拟一个二维放射成像系统的投影成像过 程， 将 三维影像代表的物体或病人解剖部位置于某个 （相对于该成像系统的） 特定位置或体位而生成的。上述步骤中的 DRR可以是代表多个图像系 统和采集角度的， 而且可以是将病人三维影像置于（相对于成像 系统 的） 多个已知体位来生成的多组 DRR。

本发明采用的技术方案是采用二维影像的图像 引导方法的步骤 是：

1 )参照特征区的选择和筛选， 在已确定等中心的 （该确定等中 心的过程是整个图像引导或正常（非图像引导 ）放疗过程中必须首先 确定的一个步骤。 ) 病人拍摄的三维图像或者在根据所述三维图像 生 成的多个二维 DRR上选取若干个具有明显灰度、 纹理、 形状、 或颜色 等特征的明显特征区并标注（对三维图像上标 注的特征区（点）需要 通过投影关系将计算其在二维 DRR上的位置，并采用附近的区域作为 特征区）， 该具有明显特征的特征区是图像中的以某个特 征点为中心 的小区域（尺寸大小在 0. 5-6 cm, 形状可以是方形、 圓形、 球形或 其他根据某种模板确定的形状）， 可以是植入标记物形成的特征区和 在解剖结构附近形成的特征区，或只包括在解 剖结构附近形成的特征 区， 然后 选出参照特征区， 所述参照特征区中至少有一个是在解剖 结构附近形成的特征区。 特征区定义在三维图像上， 选取时可以在三 维图像上选取， 也可以在二维 DRR上选取， 并且选取的区域在三维和 二维图像上都具有明显特征。

2 ) 实时特征区的搜寻， 在实时图像中搜寻与步骤 1 ) 中参照特 征区相对应位置的实时特征区 ,搜寻到的所述实时特征区为对应全部 参照特征区的实时特征区，或者为对应全部参 照特征区的其中一部分 参照特征区的实时特征区。

3 )基于参照特征区和实时特征区的定位计算， 通过比较实时图 像上的实时特征区与二维 DRR 上的参照特征区的位置来确定作为图 像引导的位置偏差。 这一位置偏差包括三维空间中的位移， 还可以包 括围绕三个自由度的转动。

进一步包括对步骤 3 )得到的位置偏差结果的误差估计步骤， 所 述误差估计包括旋转误差和变形误差的估计。 其中旋转误差的估计主 要用计算等中心位置的可能误差进行估计，等 中心位置的可能误差为 1*ΑΘ, 其中 L为参照特征区中心与等中心的距离， ΔΘ为旋转误差。 该旋转误差估计可以根据设备的测试结果确定 。 如果测试结果表明， 图像引导系统的角度误差为 ±a度， 则 A0=a。 特征区中心即为所述特 征区的中心点。

变形误差的估计步骤为：根据每个参照特征区 在所述三维图像中 的位置，对该参照特征区和等中心之间连线上 的组织的变形度作积分, 得到该参照特征区域相对于等中心的可能的变 形度，然后对变形度作 平均或加权平均，得到一个对该参照特征区的 变形度的估计， 然后根 据这一变形度的估计给出一个对由变形引起的 等中心位置误差的估 计，最后根据查表或通过经验公式计算出参照 特征区相对亦等中心位 置的误差。

上述步骤 1 ) 中特征区的选择和筛选可以在三维影像上进行 。 用 户可以在三维影像中选取一个特征点进行标记 ，该特征点位于具有明 显特征的解剖结构附近，以该标记的特征点为 中心的区域作为备选的 具有明显特征的特征区； 然后在二维 DRR 中根据投影关系计算出该 特征点的投影位置并标注出来；再判断该位置 附近的影像是否具有足 够的特征度， 如果足够就保留， 不够则放弃并重新选择。 在本申请中 的 "具有明显特征"指的是在特征点附近图像灰度� ��较为显著的变化， 而不是平緩的没有纹路的区域。 这些特征通常是由骨性组织形成的。 这一选择原则对熟悉 X射线影像的操作人员来说极容易理解和掌握� � 而且后续的实时特征区的搜寻算法具有较高的 容错能力，因此采用这 一方式选择参照特征区对采用本图像引导方法 所获得的位置偏差完 全能符合图像引导的需求。

特征度可以有多种计算方式， 如局部的灰度变化（可以用方差， standard deviation表示）， 信息熵（ entropy ), 对比度等方式。 具体的 选择还可能需要和特征区的搜寻算法匹配。

参照特征区的选择和筛选可以在二维影像上进 行。 步骤 1 ) 中所 述在二维 DRR上选取若干个具有明显特征的特征区的步骤 为： a )在 由病人拍摄的三维图像生成的代表病人统一体 位的多个二维 DRR 中 任选一个作为第一个二维 DRR, 在第一个二维 DRR上选取一个特征强 的 A点作为具有明显特征的特征区中心点； b )在第二个二维 DRR上 标出对应 A点的投影线（这一步可以由计算机软件实现� �； c )从投影 线上选择一个特征强的 B点，作为在该第二个二维 DRR上具有明显特 征的特征区的中心点； d )根据步骤 a )和 c )中的这两个中心点 A和 B, 利用反投影关系确定在三维图像中的参照特征 区的位置 （这一步 可以由计算机软件实现）。

步骤 1 )中选择和筛选出参照特征区的过程可以由操� �人员根据 视觉评价决定， 也可由负责图像处理的设备自动完成。 自动选取方法 可以是根据前述特征度计算方法计算出三维影 像中等中心周围一定 范围内各点的特征度； 再选择局部特征度最大（loca l maximum ) 的 若干个点作为候选的特征区。自动筛选的完成 方法包括两种：一种是， 计算参照特征区在三维图像上的特征度， 并设定一个阈值， 如果特征 度小于这个阔值则删除该参照特征区， 否则保留； 另一种是， 生成若 干代表较大体位差异（如各轴向偏差 ±15mm、 绕各轴转动 ±5。等） 的 测试 DRR , 以模拟病人体位和预设体位有较大偏差时参照 特征区在实 时图像中可能的变化； 根据投影关系计算参照特征区在这些测试 DRR 中的位置；针对每一个参照特征区分别计算它 们在所有测试 DRR和步 骤 1 ) 中二维 DRR中的相似度； 如果在所有测试 DRR中的相似度高于 预设阔值的比例高于或达到某个预设比例， 如 80%或 100%, 则保留该 参照特征区。 上述相似度的计算方法很多， 可以包括相关系数 (correla t ion coeff ic ient) , 互信息 ( mutua l informa t ion )等。 上述阔值的设定也与选用的相似度计算方法有 关，如对相关系数可以 选择 0. 7。

另一种处理方法是选择多个参照特征区，在获 取实时图像后根据 实时图中这些区域与对应参照特征区的相似度 情况，选用相似度高的 参照特征区，弃用相似度低、难以在实时图中 搜寻的那些参照特征区。

上述步骤 1 ) 中实时特征区的搜寻目的是寻找步骤 1 ) 中选择的 参照特征区在实时图中的位置。根据参照特征 区中心点， 即特征点在 三维影像中的位置和成像系统的投影关系，可 以计算出参照特征区在 DRR中的投影位置。 才艮据这一投影位置可以在 DRR中定义一个以该特 征点为中心的 0. 5-6 cm的区域， 区域大小和形状（通常为方形、 矩 形）可以选择和调整。 以这个小区域作为在该 DRR中的模板。 这样实 时特征区的搜寻就是要在对应的实时图中寻找 和该模板最相似的小 区域的位置，具体的方法可以有多种。例如， 一种方法是，如文献 [A] 中描述， 包括多阔值处理以筛选 "疑似" 区域（blobs ), 以形状、 大 小、 亮度等为参数的模式筛选， 纵轴（ super ior-infer ior axi s )判 定，布局（conf igura t ion )判定等步骤。 最后， 给出最佳位置匹配的 布局方式中的 blobs被确定为实时图像中的对应特征区。

另一种搜寻实时特征区的方法是， 如文献 [B]中所描述的， 包括 预处理， 相关处理并提取局部最大值点构成候选区域列 表， 采用 CVA 算法选择最佳匹配的候选区域作为选中的实时 图像中的对应特征区。

[B]中所描述的方法是针对植入标记物研发的 。 在临床上植入标记物 时， 植入位置要求在图像引导追踪的病灶周围。 这样， 这些标记物在 预设治疗位置处的参照 DRR中通常位于图像中心区域（如图 5 中的 植入标记物）。 但在采用非植入标记物的解剖特征区作图像引 导时， 这些特征区可能位于 DRR的边缘区域（如图 1、图 2中的 0号特征区）。 这一差别会对 CVA算法中的计算关联度（ association, 公式 25 )步骤 带来影响。 这一步骤中假设同一特征区（植入标记物）在 两幅实时图 像中的共同轴（X轴）上坐标几乎相同。 这一 4艮设对位于中心区域的 特征区基本适用，但对位于边缘区的特征区会 产生较大误差。 为解决 这一问题， 可以根据 Epipolar线的原理计算关联度。 假设实时图 A中 某候选区域 φ的中心坐标为（x _A ， yJ， 实时图 B中某候选区域 Θ的中 心坐标为（ ， y _B ) , 计算二者之间的关联度时， 先找到实时图 B中对 应于 φ的 Epipolar线， 求得线上 y=y _B 处的 x坐标 x _P , 然后根据 x _B 和 x _P 计算关联度： (|x _B -Xp|)) ,其中 f (X)、 β的定义参见 [Β]。

上述步骤 3)中基于参照特征区和实时特征区的定位计算� ��方法 可以有多种。假设图像引导系统采用 Ν个成像角度拍摄的实时图实现 引导。 一种是对第 i ( i=l，..N) 幅实时图， 先独立计算在实时图上 搜寻到的各实时特征区的中心位置， Pu代表第 j 个实时特征区 (j=l，..n) 在第 i幅实时图中的位置；再计算和相应的 DRR中各实时 特征区中心 的位置偏差， dij; 并取各个实时特征区的平均值， di; 最后， 根据 N个实时图中得到的 计算出当前病人位置和预设位 置的偏差。例如， [C]中给出了在立体成像系统（ N=2 )中根据 άΑ xl, yl ) 和 d ₂ =(x2，y2)计算三维空间位置偏差的方法（� �式 2)。

第二种方法是根据前述步骤 A3从实时图中得到的实时特征区在 三维空间的坐标 Sl， ..， Sn，计算其余各自对应的参照特征区预设位置 Rl， ...，Rn之间的位置差， di = Si-Ri; 再计算出位置差的平均值 d = ∑di/n; d就是当前病人位置与预设位置的位置差。

第三种方法是采用优化算法， 寻找一个空间变换（包括平移和转 动） T, 使得各参照特征区经过变换 T后的新位置， R，=TR, 与 S之间 的距离最小化。 文献 [D]对这一方法有详细描述。

使用本方法进行图像引导无需植入标记物， 使检测变成无创的， 减少病人的痛苦， 减小病人的治疗风险和费用。 同时， 由于不需要等 待植入物在体内落定位置，使用本方法还可以 缩短治疗等待期， 病人 可以尽快开始治疗。

附图说明

图 1为选取的参照特征区示意图， 图中的 "+" 标记处左边 为 1号参照特征区右边为 0号参照特征区；

图 2为选取参照特征区的信息较弱的示意图， 图中的 "+" 标记 处左边为 0号参照特征区右边为 1号参照特征区；

图 3为从 DRR图像上选取参照特征区的过程示意图； 图中 S1和 S2代表射线源的位置； D1和 D2代表和两个源对应的成像探测器； 图 4为在三维影像中不适宜作为参照特征区的示� �； 图中 "+" 标记处是通过二维影像选中的， 在两个 DRR中都有较强的特征，但在 三维图像中位于灰度平緩的区域， 没有明显特征， 图中所示为 CT的 三视图， 其中左图为横截面； 右上为冠状面； 右下为矢状面；

图 5为植入标记物的参照特征区和实时特征区示� �图。左侧为两 幅 DRR； 右侧为与其对应的实时图， 右图中方框内为植入标记物。 具体实施方式

本方法中， 通过在实时图中搜寻一些实时特征区， 并比较实时特 征区在实时图与参照特征区在 DRR中的位置来确定位置偏差。这些参 照特征区是三维图像中的小区域， 其在二维影像（含实时图和二维 DRR ) 中的投影是具有不同于周边区域的特征的小区 域。 具体的特征 描述取决于影像模式和图像比对（也称为配准 或融合等）算法， 如在 X射线类的二维影像中， 参照特征区可以是灰度有较大的， 独特的变 化的小区域， 如图 1中所示的两个区域。 这里选择的参照特征区是非 人工植入标记物的参照特征区。放疗中采用植 入金属或其他标记物的 方式实现图像引导早有报道， 也已广泛应用在临床上。 这些植入物在 二维和三维影像上表现出很强的特征。本发明 中的参照特征区指的是 除这些植入性的标记物外， 由人体自身解剖结构所形成的， 通常是在 骨骼结构附近形成的特征区。在选择时至少要 选择一个这样的参照特 征区， 且参照特征区的大小、 形状是可调的。

这些参照特征区的选择可以手动进行。可以由 操作员在用来生成 DRR的三维图像（如 CT ) 中选择， 也可以直接在 DRR上进行选取。 在三维图像中选取参照特征区时 ,操作员选择三维空间中的若干 特征点作为若干个参照特征区的中心 （可以通过软件辅助实现）。 根 据投影关系可以计算出这些点在二维 DRR中的位置，将选择的参照特 征区标注在二维 DRR上，然后操作员可以从视觉上判断这些区域 的特 征信息是否足够强， 逐个选择是保留或删除。 可能存在这种情况： 某 个参照特征区在其中一个投影的 DRR中特征艮强，但在另一个 DRR中 则较弱。如图 2 中显示的是和图 1对应的另一角度的 DRR, 其中 1号 参照特征区在图 1中特征信息较强，但在图 2中灰度变化不明显， 特 征较弱。 这时原则上应删除类似 1号参照特征区这样的特征区。

这一过程也可以在二维 DRR上直接完成， 如图 3所示。 具体步骤 如下： 在一个 DRR 上选定一个特征较强的点作为参照特征区中心 点 P1 ; 然后再另一个 DRR上标出对应该点 P1参照的投影线 （作为辅助 手段， 可通过软件实现）， 即 Epipolar l ine, L2; 操作员从该投影 线 L2上选择一个特征较强的点 （作为在该 DRR中对应先选中的参照 特征区域的中心点）， P2; 通过反投影关系， 可以根据这两个点的位 置确定该特征点在三维图像中参照特征区的中 心点位置 P。

上述一个 DRR中的一个点对应另一个 DRR中的一条线。 DRR中的 一个点（如 P1 )的信息代表处于射线源 S1和采集该点信息的探测器 D1像素之间连线上的介质的积分效应。 这条连线称为 P1 的投影线。 投影线 S1 _P1在由 S2和 D2构成的另一个成像系统中 D2上的投影是 一条线， 由 S1 _P1上各个点在 D2上的投影连线而成， 称为对应于 P1 的 Epipolar线。 利用计算机视觉技术中的基本概念， 可以很容易通 过计算得到。

反投影关系， 根据两个 DRR上的投影点 P1和 P2确定反投影线， 进而计算出空间交汇点 P的过程是一个反投影过程，也是计算机视觉 中的基本技术。

参照特征区的筛选，根据上述步骤选取的参照 特征区可以经过进 一步的 选使特征区符合需求。 因为通过二维图像选中的特征区， 有 可能在两个二维图像上有明显特征，但在三维 图像上并没有显著特征 , 如图 4中 "+" 标记处所示； 有些特征可能会因术中体位和预设体位 的差异（特别是存在较大角度差异时） 而在实时图中发生较大变化， 导致在实时图中很难搜寻这样的特征区。这样 的特征区就不符合需求。 参照特征区的筛选方法有：

1.计算特征区在三维图像上的特征度，特征度� ��以是其三维邻域 的变化（灰度值方差）或信息量的量度。 如果其特征度达不到某个阔 值， 则删除。

2. 生成代表术中体位和预设体位差异（即较大体 位差异， 包括 较大角度和较大位移） 的测试 DRR; 根据投影关系， 计算特征点在这 些 DRR中的位置， 即参照特征区在这些测试 DRR中的位置； 再对每一 个参照特征区，计算它们在测试 DRR中和在代表预设体位的 DRR中的 相似度。操作员可以根据相似度的高低决定是 否保留或删除参照特征 区。 如果在所有测试 DRR中的相似度都较高， 就可以保留。

以上筛选过程也可以有图像处理设备自动完成 。 上述步骤中， 生 成测试 DRR, 计算特征点在测试 DRR中的位置， 以及计算参照特征区 的相似度都可以自动进行。 在判定是否保留时， 可以设定一个阔值； 如果某个特征区在所有测试 DRR 中的相似度高于预设阔值的比例或 达到一个预设比例， 则保留。

在选择的各个参照特征区和实时特征区为非植 入特征区时，由于 三维结构在二维成像平面上的投影会随被成像 体的位置和方向而改 变，这样代表预设体位的 DRR中的参照特征区可能和实时图中对应的 实时特征区相似度会下降。 这一变化是渐进的， 而且主要受方向偏差 的影响。 要解决这个问题， 可以生成一系列的 DRR, 代表被成像体和 预设体位有一定位置偏差时的预期 X射线影像， 然后选择在这些 DRR 中的投影变化不大的特征区作为参照特征区。

采用这种方法时，可以给出对得到的位置偏差 结果中可能存在的 误差的估计。误差大小和参照特征区中心与等 中心的距离有关。根据 特征区位置计算出的定位误差， 特别是旋转误差。旋转误差是位置偏 差中旋转部分结果可能存在的误差造成的对位 移部分结果的误差，会 被上述距离放大：

距离等中心越远， 等中心位置的可能误差越大（距离为 L, 旋转 误差为 ΔΘ, 等中心位置的可能误差为 L*A0 )。 对旋转误差的估计可 以基于实验数据。 通过实验可以估计旋转误差 ΔΘ, 通常是在多个已 知位置上测试结果与已知位置之间的误差的均 方根。 除了绝对误差， 还可以类似方法通过实验测定相对误差。如果 通过多个位置的实验得 到旋转结果的相对误差为 P% , 而此时的位置偏差中的旋转估计为 Θ, 则 Δθ=θχρ%。

另一方面，距离越大， 参照特征区中心和等中心中间的软组织越 多， 可能的形变越大， 根据参照特征区位置确定的等中心位置不确定 性（即误差）越大。 软组织、 肺叶组织和骨骼在 CT及 X射线影像中 的灰度值是不同的， 可以据此划分， 并设定相应的变形度（变形度可 以根据组织的弹性系数设定）。 可以根据每个特征点 （即特征区中心 点）在三维 CT中的位置， 对该点和等中心之间连线上的组织的变形 度作积分，得到该点相对于等中心的可能的变 形度度量。 然后对所有 特征点的变形度作平均或加权平均等方法，得 到一个对当前所选用的 特征区的变形度的估计。这一变形度估计可以 直接作为等中心位置误 差的一种参考提供给操作者，也可以根据这一 估计给出一个对由变形 引起的等中心位置误差的估计。最后一步由变 形度估计得到等中心位 置误差的估计的方法可以是查表， 或者通过经验公式计算等。 例如， 组织的弹性系数的测量有大量的文献可供参考 ， 如 [Ε]。 表和经验公 式都可以通过实验确定。

这种误差也和具体的解剖位置有关， 受呼吸、蠕动等影响越大的 部位这种误差存在的可能性越大。在这里运动 带来的误差主要和等中 心与设定得特征区之间的组织有关。其实现方 式可以是对各个解剖部 位赋予不同的运动系数， 例如， 对横膈附近的组织器官， 如肝脏， 赋 予较大的运动系数； 对运动较小的部位， 如颅内， 赋予很小的系数。 这一系数可以直接提示用户以便估计运动误差 。也可以将这一系数根 据一个经验公式转换成误差值。

为验证本发明中的方法的可行性，发明人采用 人形模体进行了对 照实验。 这一头颈部模体采用模拟人体头颈部组织的材 料制成。 图 4 是其 CT扫描的三截面示意图，图 1和图 2是根据其 CT重建的 DRR图。 在这些图像中可以清晰地分辩软组织和骨组织 。该模体中放入了多个 金标记（go ld marker )。 为测试本专利申请图像引导算法的精度， 进 行如下实验： 1)将模体固定在一个精确的移动平台上（精度� ��于 0. 02 mm)； 2)以某一个位置为基准并记录在该位置处图像� ��导算法给出的 结果（dO)； 3) 控制平台移动到某个已知位置 ci (即和基准位置的 相对位移已知）上， 记录图像引导在这些位置上给出的结果（di); 4) 计算 di和 dO的偏移量并和已知位置进行比较，得到算法� ��该位置上 的误差， ei = (di-dO)-ci; 5)移动平台到不同位置， 重复 3、 4步 N 次， 计算误差的均方根， ^ E= sqrt (∑ei ² /N) ₀

分别采用将参照特征区选择为植入金标记和本 发明所提出的解 剖特征区， 进行上述实验， 得到的结果非常类似， 误差在各个方向上 均好于 0.5 mm。 这一实验由国内权威的认证检测机构 （国家食药监 局沈阳医疗器械质量监督检验中心）执行并出 具检测报告， 达到临床 使用要求。

参考文献

[A] C. B. Saw, et al, "Implementation of fiducial based image registration in the Cyberknif e robotic system", Med. Dosimetry, Vol 33, No. 2, pp. 156—160， 2008。

[B] Z. Mu, et al. , IEEE TMI Vol. 27, No. 9， pp. 1288-1300, 2008。

[C] D. Fu, et al. , "A fast, accurate, and automatic 2D-3D image registration for image-guided cranial radiosurgery", Med.

Phys., Vol.35, No.5, pp.2180-2194, 2008。

[D] M.J. Murphy, "Fiducial-based targeting accuracy for external-beam radiotherapy", Med. Phys., Vol.29, No.3, pp.

334-344, 2002。

[E]E.J. Chen, et al., IEEEE UFFC, Vol.43, No.1, pp.191-194, 1996。