[发明专利]结合三周期判断的胸腹表面区域呼吸信号周期预测方法

说明书

本发明结合三周期判断的胸腹表面区域呼吸信号周期预测方法属于肿瘤医学、精密仪器、工程技术和数学等技术领域；该方法首先构建理想单周期呼吸信号，然后进行周期延拓，得到理想多周期呼吸信号，最后对理想多周期呼吸信号进行周期提取，整个提取过程在数据量相同的三个假想周期间进行，并在三个周期内即可完成周期提取；该方法方法能够准确提取理想多周期呼吸信号的周期，为准确预测呼吸运动奠定仿真实验基础。

技术领域

本发明结合三周期判断的胸腹表面区域呼吸信号周期预测方法属于肿瘤医学、精密仪器、工程技术和数学等技术领域。

背景技术

放射治疗(后文简称为放疗)是治疗癌症最主要的手段之一。大约70％的癌症患者在治疗癌症的过程中会用到放疗，约有40％的癌症可以通过放疗治愈。放射治疗效果与放射线照射到肿瘤区域的精度和剂量有关。消化系统恶性肿瘤位于胸腔腹腔内，受呼吸运动影响，肿瘤的位置和体积都会随时间而改变，造成放射线照射精度降低，从而影响放疗效果。

为了解决呼吸运动降低放疗效果的问题，很多学者开展了靶区扩边、屏气、呼吸门控、被动加压、四维放疗和实时跟踪等技术或方法的研究工作。这些工作有效降低了呼吸运动对放疗效果的影响，然而，由于这些工作都是在呼吸运动发生后开展的滞后补偿工作，因此无法从根本上克服呼吸运动降低放疗效果的问题。

为了解决上述问题，一些学者开始研究超前补偿方法，该方法首先需要对呼吸运动进行预测。目前，呼吸运动预测方法可分为以下两大类：第一、模型预测方法，它通过监测前期呼吸运动数据，建立呼吸运动模型，再基于模型来推测未来的呼吸运动；第二、无模型预测方法，它通过观察到的呼吸运动模式进行训练，形成启发式的学习算法，通过学习来预测未来的呼吸运动。

虽然呼吸运动不断重复吸气和呼气动作，但是呼吸运动并不以吸气和呼气为一个周期进行简单重复，在每次吸气和呼气的过程中，受自身以及外界的影响，周期和幅值都会有改变，模型预测方法无法照顾到这种变化，因此预测精度会受到制约，所以，更多学者开始在无模型预测方法中进行尝试，例如，用高斯过程回归来预测呼吸运动。

高斯过程回归是一种普适的预测算法，通过学习已知数据来预测未来数据，预测结果以均值和方差的形式给出。由于高斯过程回归算法本身并不是单纯针对呼吸运动预测而提出，因此不会考虑到呼吸运动的一些约束条件。如果将呼吸运动的约束条件考虑进去，就会缩小预测范围，预测结果也就会更加精确。

对于呼吸运动而言，其频率会限定在某一个范围内，因此可以通过获取呼吸信号的周期或频率来约束预测结果，提高预测精度。可见，获取呼吸运动的周期有利于提高预测精度。

然而，由于呼吸运动并不是单周期的简单重复，因此很难用两个相同特征值的距离来判断周期。那么，如果获取呼吸运动的周期已经成为提高预测精度的关键技术问题。

发明内容

为了预测呼吸信号的周期，本发明从理想的呼吸信号入手，提出了一种呼吸信号周期提取方法，该方法不仅包括根据呼吸规律构建理想呼吸信号的工作，而且包括对理想呼吸信号周期进行提取的工作。

本发明的目的是这样实现的：

结合三周期判断的胸腹表面区域呼吸信号周期预测方法，由以下步骤组成：

步骤a、构建理想单周期呼吸信号；

步骤b、对步骤a得到的理想单周期呼吸信号进行周期延拓，得到理想多周期呼吸信号；

步骤c、对步骤b得到的理想多周期呼吸信号进行周期提取，包括：

步骤c1、提取步骤b得到的理想多周期呼吸信号的直流分量；

步骤c2、用步骤b得到的理想多周期呼吸信号减去步骤c1得到的直流分量；

步骤c3、计算周期数据变量最大值，计算方法是用步骤b得到的理想多周期呼吸信号对2向下整除；