[实用新型]图像和呼吸引导的辅助放疗床垫系统

说明书

技术领域

本实用新型属于医疗器械辅助治疗设备领域，具体涉及一种图像和呼吸引导的辅助放疗床垫系统。

背景技术

在放射治疗(放疗)的过程中，患者的呼吸运动会引起肺部肿瘤位置的变化。为了减少呼吸运动对放疗带来的不利影响，传统的方法是扩大放疗靶区，以充分覆盖运动的肿瘤，但这会对正常组织造成一定的伤害。随后出现了呼吸屏气(breath-hold)和呼吸门控(respiratory gating)技术，即在病人屏气或呼气吸气末的时候，对肿瘤区域进行放疗，以使用尽可能小的肿瘤靶区。如名称为“Method and system for physiological gating of radiation therapy”(US6690965B1)的美国专利文献，通过光学或视频图像系统检测患者有规则的生理运动，当运动超过某一阈值时，就启动门控信号，暂停放射源的照射。但这种方法对病人的呼吸状态有严格的要求，需要病人的配合，并且病人躺在治疗床上的时间有很大一部分都不是在接受照射治疗，使得治疗设备不能充分发挥使用效率。

也有专利文献针对这一问题提出了研究呼吸状态和肿瘤位置之间的关系的方法，如名称为“基于预测的图像引导跟踪方法”(公开号为CN101428154A)和名称为“动态肿瘤实时跟踪方法”(公开号为CN101423198A)的专利文献，通过对输入的肿瘤解剖结构图像和呼吸状态特征集进行量化和分析，建立呼吸运动和肿瘤运动的相关性，并实时获取动态肿瘤的图像和呼吸状态特征，通过预测延时后的呼吸状态特征，确定对应的肿瘤形态变化区间图像序列，将其与实时获取的动态肿瘤图像进行匹配并从中选取最佳的肿瘤形态图，以实现对肿瘤的运动跟踪。这两个专利文献通过多幅图像的配准来跟踪肿瘤位置，计算比较耗时，不能满足实时跟踪肿瘤运动的要求，另外，该专利文献对如何将跟踪肿瘤运动的结果用于放疗过程没有给出有效的方法。

目前也有多种预测方法可用于对呼吸状态和肿瘤运动进行预测，如″Adaptive switching circuits″(B.Widrow and M.E.Hoff，IRE Wescon Convention Record Part 4，pp.96-104，1960.)中介绍了一种卡尔曼(Kalman)滤波器；″A tutorial on particle filters for online nonlinear/non-Gaussian Bayesian tracking，″(M.S.Arulampalam，S.Maskell，N.Gordon，and T.Clapp，IEEE Transactions on Signal Processing，vol.50，pp.174-188，Feb 2002.)提出了最小均方(least mean square，LMS)自适应滤波器；Neural networks for pattern recognition(C.M.Bishop，New York：Oxford University Press，Inc.，1995.)介绍了人工神经网络(artificial neural network)方法。这些预测方法可以在预测的过程中对预测模型的参数进行自动调整。对于图像中的目标检测，模板匹配是一种比较常用的方法(参见R.O.Duda and P.E.Hart，Pattern classification and scene analysis.New York：Wiley，1973.)。对于关系建模，最小二乘法是一种常用的数据拟合方法(参见O.Bretscher，Linear algebra with applications，3rd ed.New York：Prentice Hall，1995.)。

对于呼吸的检测，目前主要有压力传感器法、电感体积描计法、热敏电阻法、通过心电信息获取、阻抗呼吸描记和红外摄像头检测等方法。如公开号为CN2885122Y的专利文献公开了一种《光电式腹式呼吸传感器》，公开号为CN101212930的专利文献也公开了一种《呼吸检测装置》，均可以用于检测得到人体的呼吸状态。