[发明专利]患者胸腹部肿瘤呼吸运动预测跟踪方法

说明书

本发明提供一种患者胸腹部肿瘤呼吸运动预测跟踪方法，包括以下步骤：采用光学位置跟踪设备，连续地获取体表呼吸运动；采用X射线立体平面成像定位设备，间断地获取体内肿瘤位置；数据预处理：对体表呼吸运动进行小波分解，得到基线、代表主要呼吸信号的低频部分、以及代表噪声的高频部分；通过呼吸预测算法得到体表呼吸运动的预测结果；以获取的体内肿瘤位置和对应时间点的体表呼吸运动作为输入，采用线性和非线性混合多项式模型，建立体表‑体内呼吸运动相关性模型；复制体表‑体内呼吸运动相关性模型，以预测的连续的体表呼吸运动作为输入，计算连续的体内肿瘤位置；进入相关性模型更新判别逻辑。本发明可用于引导实施精确的跟踪放射治疗。

技术领域

本发明属于医学信号处理领域，特别是涉及一种应用于放射治疗过程的，患者胸腹部肿瘤呼吸运动的预测跟踪方法。

背景技术

在恶性肿瘤中发病率最高的肺部肿瘤和其它胸部、腹部肿瘤，会发生由病人呼吸引起的术中移位。随着技术的发展，采用X射线立体平面成像和光学实时跟踪相结合的跟踪技术，使对患者体内肿瘤呼吸运动的实时跟踪成为可能；且高精度的呼吸预测算法，能补偿数据处理和设备电气机械动作等引入的时间延迟。由此，放射治疗设备可在放射治疗过程中，对运动肿瘤进行跟踪和补偿，实施更精准的放射治疗，可极大地减少放疗射线对肿瘤周边正常组织和关键器官的损伤，改善治疗效果，降低放疗副作用。

呼吸同步追踪系统是一种相对完善的系统和方法。该技术采用X射线立体平面成像定位设备间断获取患者体内肿瘤位置，采用光学位置跟踪设备实时跟踪患者体表呼吸运动。该技术采用一种线性和非线性混合的多项式模型，能够较好的拟合体内肿瘤-体表呼吸运动之间的运动相关性关系；然后根据体表呼吸运动，得到体内肿瘤的呼吸运动位置。该技术通过在随机或者特定时相上曝光采图，获取体内肿瘤实际位置，验证并更新运动相关性模型。该技术针对设备响应等引入的时间延迟，采用结合了模糊逻辑(FuzzyLogic,FL)、PM和LMS的混合预测算法，呼吸预测精度较好，已有大量临床实践验证。

其他研究主要关注于下一时刻呼吸位置的预测算法，效果较好的有神经网络(NN)、支持向量机(SVM)、自适应神经模糊推理系统(ANFIS)等。

呼吸同步追踪系统采用的运动相关性模型的验证和更新逻辑，对于呼吸模型变化的响应有滞后性，且对于平稳呼吸过程，又无依据进一步减少验证采图次数，降低患者所受剂量。且其采用的混合预测算法，预测不规则或者异常呼吸的误差较大，仍有较大改进空间。

其他研究的呼吸预测算法，NN算法容易陷入局部最小化或者产生过拟合问题。SVM算法复杂度高，预测结果依赖参数选择。ANFIS算法采用呼吸运动的位置作为模型的输入参数构造模糊集进行预测，预测能力较强，但对不规则信号特别是当呼吸信号的振幅发生突变时，预测误差过大。

发明内容

本发明的目的在于克服现有技术中存在的不足，提供一种患者胸腹部肿瘤呼吸运动预测跟踪方法，能够实时跟踪、预测患者体内肿瘤呼吸运动；(1)为放射治疗门控方法提供输入数据；(2)与实时跟踪放射治疗设备进行通信，引导其实施精确的跟踪放射治疗。本发明采用的技术方案是：

本发明提出一种患者胸腹部肿瘤呼吸运动预测跟踪方法，包括以下步骤：

步骤1，数据采集：采用光学位置跟踪设备，连续地获取体表呼吸运动；采用X射线立体平面成像定位设备，间断地获取体内肿瘤位置；

步骤2，数据预处理：对体表呼吸运动进行小波分解，得到基线、代表主要呼吸信号的低频部分、以及代表噪声的高频部分；

进行小波分解的具体步骤为：

步骤2.1，利用小波函数进行分解和重构的Mallat算法，选取小波基，确定分解层数；同时，为了消除边界效应，在利用小波分解得到基线部分时，边界延拓采用0阶平滑延拓；在利用小波分解得到低频部分和高频部分时，边界延拓采用1阶平滑延拓；