[发明专利]基于粒子滤波的放疗机器人肿瘤运动估计预测系统及方法

说明书

本发明公开了一种基于粒子滤波的放疗机器人肿瘤运动估计预测系统及方法，所述方法包括：S1、利用呼吸跟踪单元和影像定位单元分别采集体表标记点和体内肿瘤的三维运动数据；S2、根据三维运动数据，建立当前时刻肿瘤和历史时刻肿瘤之间的运动关系模型，并将该模型作为粒子滤波的状态转移方程，建立一段时间内体表标记点和体内肿瘤之间的运动关系模型作为粒子滤波的观测方程；S3、基于状态转移方程和观测方程，利用粒子滤波算法根据当前时刻体表标记点的运动数据估计出体内肿瘤的运动位置。本发明可以用在任何形式的状态空间模型上，对于变量参数的非线性特性有更强的建模能力，且预测精度较高。

技术领域

本发明涉及医疗技术领域，特别是涉及一种基于粒子滤波的放疗机器人肿瘤运动估计预测系统及方法。

背景技术

目前治疗肺癌的主要方法是立体定向放射治疗，但是人体的呼吸运动严重影响了放疗的准确性。为了减小呼吸运动的影响，最有效的方法是呼吸运动实时跟踪技术，该技术通过建立体内肿瘤和体表标记点之间的关联模型，采用预测算法，根据标记点的运动得到肿瘤未来的运动信息，从而实时调整射线束，保证放射线和肿瘤的相对静止，以达到肿瘤放疗的实时跟踪。

采用预测算法是为了补偿立体放疗系统的时间延迟，提前预测出肿瘤在未来时刻将要达到的位置。目前研究的一些预测算法包括人工神经网络、卡尔曼滤波器、模糊控制等。但是上述算法具有以下缺点：

人工神经网络学习效率低，收敛速度慢，需要长时间的网络训练时间，不适用于实时预测；

卡尔曼滤波器则要求系统是高斯白噪声系统，且只适用于线性系统，而实际的呼吸运动过程是复杂的非线性过程，因此卡尔曼滤波器较不适用于肿瘤运动的预测；

模糊控制预测效果较好，但是这种方法自适应能力有限，复杂度较高。

粒子滤波器解决了系统必须满足高斯分布的制约，适用于任何能用状态空间模型表达的非线性系统，且有较高的精度，将该方法应用于放疗机器人实时跟踪技术中，对于提高患者的生存率以及促进我国的医疗技术发展具有很重要的意义。

因此，针对上述技术问题，有必要提供一种基于粒子滤波的放疗机器人肿瘤运动估计预测系统及方法。

发明内容

有鉴于此，本发明的目的在于提供一种基于粒子滤波的放疗机器人肿瘤运动估计预测系统及方法，以解决上述在放疗机器人精准治疗中肿瘤位置的预测问题。

为了实现上述目的，本发明实施例提供的技术方案如下：

一种基于粒子滤波的放疗机器人肿瘤运动估计预测系统，所述系统包括：呼吸跟踪单元、影像定位单元、影像融合单元及治疗计划单元，所述呼吸跟踪单元用于跟踪患者体表标记点的运动数据，所述影像定位单元用于跟踪患者体内肿瘤的运动数据，所述影像融合单元用于对收集的运动数据进行基于粒子滤波的融合并预测肿瘤未来时刻的运动数据，所述治疗计划单元用于实时调整治疗射束进行精确照射。

作为本发明的进一步改进，所述系统还包括病患固定及自动定位单元及机器人投射单元，病患固定及自动定位单元用于固定患者并进行定位，机器人投射单元用于控制治疗射束达到靶区。

作为本发明的进一步改进，所述呼吸跟踪单元为红外跟踪单元，其包括同步追踪摄像机及固定于患者腹部的若干发光二极管。

作为本发明的进一步改进，所述影像定位单元为X射线影像定位单元，其包括X光射源及非晶硅影像接收器。

作为本发明的进一步改进，所述系统还包括呼吸运动模拟器，用于模拟放疗中体内肿瘤和体表标记点之间的运动变化关系。

本发明另一实施例提供的技术方案如下：

一种基于粒子滤波的放疗机器人肿瘤运动估计预测方法，所述方法包括：