專利名稱：呼吸同步跟蹤系統(tǒng)的位置信號(hào)的混合預(yù)測(cè)方法及預(yù)測(cè)器的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種位置信號(hào)的預(yù)測(cè)方法及預(yù)測(cè)器，特別是呼吸同步跟蹤系統(tǒng)的位置 信號(hào)的混合預(yù)測(cè)方法以及按照這種方法設(shè)計(jì)的預(yù)測(cè)器。
背景技術(shù)：
放射治療(簡(jiǎn)稱放療)已經(jīng)在醫(yī)學(xué)臨床得到廣泛應(yīng)用，成為治療惡性腫瘤的主要 手段之一。精確放射治療的目標(biāo)是最大限度地殺滅腫瘤細(xì)胞并有效保護(hù)周圍正常組織和重 要器官。研究表明，劑量精度每提高1 %，治愈率便可提高2%，因此，提高放射治療的精確 度是非常重要的。呼吸在引起體外(胸部/腹部)表面的運(yùn)動(dòng)的同時(shí)，還會(huì)導(dǎo)致體內(nèi)腫瘤(肺部，肝 部和胰腺部位的腫瘤)的運(yùn)動(dòng)。體內(nèi)腫瘤由于受呼吸和器官本身的運(yùn)動(dòng)影響，其位置有很 大的不確定性。通過(guò)影像檢查顯示胸部和腹部腫瘤和器官的移動(dòng)度在10 30mm，有時(shí)甚至 超過(guò)30mm，對(duì)由于呼吸引起的運(yùn)動(dòng)腫瘤，比如肺部和肝臟腫瘤，圖像引導(dǎo)系統(tǒng)需要對(duì)腫瘤運(yùn) 動(dòng)實(shí)時(shí)追蹤，從而保證在整個(gè)治療射線投放過(guò)程中，能夠動(dòng)態(tài)地移動(dòng)或控制治療射線束，使 其準(zhǔn)確地投放到病灶區(qū)，這需要通過(guò)呼吸運(yùn)動(dòng)跟蹤系統(tǒng)來(lái)實(shí)現(xiàn)。圖像引導(dǎo)系統(tǒng)拍攝患者體部高清晰的射線影像，通過(guò)事先植入腫瘤內(nèi)部或附近的 金屬標(biāo)記物，構(gòu)造空間立體結(jié)構(gòu)，通過(guò)迭代算法精確算出腫瘤的空間位置；治療中，通過(guò)實(shí) 時(shí)的金標(biāo)影像與定位CT數(shù)字生成的DRR中的金標(biāo)影像位置的對(duì)比，可自動(dòng)進(jìn)行校正，這稱 為金標(biāo)追蹤。對(duì)于隨呼吸運(yùn)動(dòng)的腫瘤，記錄患者皮膚運(yùn)動(dòng)，形成相應(yīng)的呼吸曲線。在這個(gè)動(dòng) 態(tài)連續(xù)的呼吸曲線過(guò)程中，通過(guò)攝影系統(tǒng)在不同的呼吸時(shí)相拍攝人體影像，并通過(guò)其中的 金標(biāo)確立一個(gè)呼吸模型關(guān)系。靜態(tài)金標(biāo)影像與動(dòng)態(tài)的外在呼吸曲線相結(jié)合確立的關(guān)系能準(zhǔn) 確的反映體內(nèi)隨呼吸運(yùn)動(dòng)的靶區(qū)的位移。這樣就可以通過(guò)病人體表的位置計(jì)算出體內(nèi)腫瘤 的位置。帶有圖像引導(dǎo)的放療系統(tǒng)的治療射線投放裝置的控制指令和實(shí)際的響應(yīng)之間存 在時(shí)間延遲。處理不好，這種時(shí)間延遲將可能在治療期間導(dǎo)致意想不到的、甚至危險(xiǎn)的振 動(dòng)。為了獲得更好的跟蹤性能，位置信號(hào)的預(yù)測(cè)可以用來(lái)補(bǔ)償時(shí)間延遲。在當(dāng)前的國(guó)際和 國(guó)內(nèi)流行的商用放療系統(tǒng)里，呼吸運(yùn)動(dòng)跟蹤系統(tǒng)中的同步跟蹤子系統(tǒng)采用的預(yù)測(cè)方法通常 是模式匹配法(Pattern-Matching)。和最小均方(Least-Mean-Square或LMS)。模式匹配 算法的總體思路是根據(jù)到當(dāng)前位置為止的一段歷史位置記錄，定義一個(gè)模式(即以前的 一些位置點(diǎn))，在該段歷史位置記錄歷史上搜索與預(yù)先定義的模式最佳匹配的模式；再?gòu)?該匹配模式獲取最好的“預(yù)測(cè)”。也就是說(shuō)，Y’ P = Yc^，其中Y' P是我們想要的預(yù)測(cè)值，Ytl 是最好的匹配模式，而P是預(yù)測(cè)步驟。LMS算法是一種最速下降算法地近似算法，它使用了 一個(gè)瞬時(shí)估計(jì)來(lái)近似代價(jià)函數(shù)的梯度矢量。梯度的估計(jì)數(shù)是根據(jù)對(duì)輸入向量和誤差信號(hào)的 采樣值。該算法遍歷每個(gè)濾波器的系數(shù)，并沿近似梯度方向移動(dòng)。在實(shí)際的呼吸同步跟蹤系統(tǒng)中，由于人體呼吸作用的影響，胸/腹部位置以及體 內(nèi)腫瘤的位置信號(hào)是隨時(shí)間周期性變化的；更關(guān)鍵的是，其振幅和周期(或頻率)也隨時(shí)間變化。如果目前的呼吸模式在以前的時(shí)間框架里發(fā)生過(guò)并在歷史記錄里保存下來(lái)，那么模 式匹配能夠提供完善的多步以后的位置信號(hào)預(yù)測(cè)。一旦上述條件不成立，它的預(yù)測(cè)精度將 惡化。在某些情況下可能還會(huì)導(dǎo)致預(yù)測(cè)間斷問(wèn)題。因此，我們需要一種更好的預(yù)測(cè)方法，來(lái)解決以上存在的問(wèn)題。

發(fā)明內(nèi)容
本發(fā)明針對(duì)現(xiàn)有技術(shù)的不足，提供了一種新的基于模式匹配算法、LMS算法以及模 糊算法的同步跟蹤系統(tǒng)的位置信號(hào)的混合預(yù)測(cè)方法，以解決現(xiàn)有技術(shù)中存在的一些困難問(wèn) 題，為放射治療的同步跟蹤提供了一種新的途徑。首先，我們需要介紹一下模糊預(yù)測(cè)算法，模糊預(yù)測(cè)算法的步驟如下考慮到如圖2所示的腫瘤位置隨呼吸而變化，而且其隨時(shí)間曲線的幅度和周期也 是變化的，本發(fā)明的具體步驟如下采集病人體表某點(diǎn)的位置Po，設(shè)P是該體表位置Po對(duì) 應(yīng)的體內(nèi)病灶的位置向量。P由X，y和ζ組成，即P(x，y，ζ)，不失一般性，先選擇它的y分 量來(lái)建立模糊預(yù)測(cè)模型，χ，ζ采用相同的方法建立模糊預(yù)測(cè)模型。這里，采集Po并計(jì)算與 其對(duì)應(yīng)的腫瘤位置P (X，1，ζ)在一段時(shí)間內(nèi)的位置參數(shù)(X，y, ζ)并且存入計(jì)算機(jī)，根據(jù)位 置參數(shù)計(jì)算出相應(yīng)的速度參數(shù)(dx，dy, dz)并存入計(jì)算機(jī)
；根據(jù)計(jì)算機(jī)內(nèi)存儲(chǔ)的位置參數(shù)(x，y，z)，找出最大和最小的位置Umax，ymax，zmax)和 (Xmin，Yfflin' Zmin)，根據(jù)計(jì)算機(jī)內(nèi)存儲(chǔ)的速度參數(shù)(dx，dy, dz)，找出最大和最小的速度(dxmax， dymax' dzmax) 和(dxm
in，dymin，dzmin)
制定模糊規(guī)則根據(jù)最大和最小的位置參數(shù)，把χ模糊劃分出Ii1個(gè)子集，這Ii1個(gè)子 集的每一個(gè)子集再被根據(jù)最大和最小的速度參數(shù)模糊劃分為n2個(gè)子集，得到M = H1^n2個(gè) 子模型，每個(gè)子模型都對(duì)應(yīng)一個(gè)規(guī)則，在這里，我們以Ii1取3為例加以說(shuō)明，H1 = 3，即得到 大(Big)，中(Medium)，小(Small)三個(gè)不同的子集，如圖3所示。接下來(lái)，每個(gè)子集可以根 據(jù)速度再分為n2個(gè)子集，這里我們Ii2也取3，即負(fù)(Negative)，零(Zero)和正(Positive)。 這樣我們一共就有M = ηι*η2個(gè)子模型。每個(gè)子模型都給出了一個(gè)線性方程組，其廣義方程 是這樣的ym (k + p) = am0y(k) + …+ amry(k-r) + cmJpm是第m規(guī)則的模式輸出，m的范圍是在11，而M是方程的總數(shù)，ρ是預(yù)測(cè)步驟，r 是預(yù)測(cè)階數(shù)，可以選擇2-15中任意一個(gè)數(shù)字，a和C是參數(shù)。在II1取3，II2取3的情況下， 這些規(guī)則是Rl:如果 y(k)是 Big 而且 dy(k)是 Positive 那么 R2 如果 y (k)是 Big 而且 dy (k)是 Zero 那么 ......Rm 如果 y (k)是 Medium 而且 dy (k)是 Positive 那么 ......RM 如果 y (k)是 Small 而且 dy (k)是 Negative 那么 那么，最后的預(yù)測(cè)結(jié)果即是以上子模型輸出的綜合結(jié)果的加權(quán)平均值 這里μ i是模糊模型的隸屬度，M = 9是模糊規(guī)則的數(shù)目。采用同樣的步驟，我們可以得到我們所想要的χ和ζ的預(yù)測(cè)。這樣，我們就得到了位置P(x，y，ζ)的預(yù)測(cè)值。參數(shù)的訓(xùn)練所有的參數(shù)可以用梯度下降算法來(lái)訓(xùn)練，根據(jù)各個(gè)子模型所對(duì)應(yīng)的計(jì)算機(jī)內(nèi)已經(jīng) 存儲(chǔ)的已知的位置參數(shù)(x，y，z)、速度參數(shù)(dx，dy，dz)以及該體表位置在相應(yīng)時(shí)間點(diǎn)上的 所對(duì)應(yīng)的體內(nèi)病灶的位置參數(shù)采用梯度下降算法，訓(xùn)練出對(duì)應(yīng)子模型的參數(shù)cm ；這樣我們就得到了模糊算法的預(yù)測(cè)結(jié)果P3，再根據(jù)現(xiàn)有的模式匹配和LMS算法， 分別得到預(yù)測(cè)結(jié)果Pl和P2，然后計(jì)算P1，P2 和 P3 相互之間的距離dl2 = P1-P2 ；dl3 = P1-P3 ；d23 = IP2-P3 | ；找到最小的距離:dmin= min(dl2, d23, dl3)；對(duì)應(yīng)于dmin的Pi(i = 1,2 or 3)將被用于計(jì)算最終的預(yù)測(cè)結(jié)果。假設(shè)它們是Pa 和Pb。那么最終的預(yù)測(cè)是P= (Pa+Pb)/2。對(duì)隨機(jī)選來(lái)的10組病人數(shù)據(jù)進(jìn)行驗(yàn)證后，我們得到了類似的結(jié)果。表1顯示了不同預(yù)測(cè)器對(duì)其中一個(gè)病人的比較結(jié)果。這里ρ = 3。表1不同預(yù)測(cè)器對(duì)同一病人的比較結(jié)果(單位為mm。ex，ey和ez分別是X，Y和Z方向的預(yù)測(cè)誤差，|ex |表示ex的絕對(duì) 值，Max是最大值，Mean是平均值，# | ex | > 1則表示| ex |中大于的樣本點(diǎn)數(shù)目，STD 是標(biāo)準(zhǔn)差，樣本總數(shù)是12. 5萬(wàn)) 從表1的驗(yàn)證結(jié)果來(lái)看，與所有其他預(yù)測(cè)器相比，新的混合預(yù)測(cè)器的整體性能表 現(xiàn)是最好的?；旌项A(yù)測(cè)器的結(jié)果具有小的最大誤差，小的平均誤差，小的STD，同時(shí)介于1 5毫米范圍的較大或大誤差的數(shù)目也少。此外，在混合預(yù)測(cè)器的結(jié)果里沒(méi)有觀察到任何預(yù)測(cè) 誤差的突變，這一性能改善是非常重要的。


圖1是同步跟蹤子系統(tǒng)的結(jié)構(gòu)2是人體胸部位置信號(hào)由于呼吸作用而隨時(shí)間變化示意3是模糊位置模型的模糊劃區(qū)4是混合預(yù)測(cè)器原理示意圖，Ts是采樣時(shí)間間隔，ρ是預(yù)測(cè)步驟
具體實(shí)施例方式下面給出本發(fā)明的一個(gè)較好的實(shí)施例，并予以詳細(xì)描述，以使能更好的本發(fā)明的 結(jié)構(gòu)特征、功能，而不是用來(lái)限制本發(fā)明的權(quán)利要求保護(hù)范圍。如圖1所示，本發(fā)明裝置包括數(shù)據(jù)采集模塊，計(jì)算機(jī)，功率放大器，驅(qū)動(dòng)電路以及 動(dòng)作機(jī)構(gòu)。根據(jù)現(xiàn)有的模式匹配和LMS算法以及新的模糊算法，分別得到預(yù)測(cè)結(jié)果Pl和P2 和P3，如圖4所示，然后計(jì)算P1，P2 和 P3 相互之間的距離dl2 = P1-P2 ；dl3 = P1-P3 ；d23 = IP2-P3 | ；找到最小的距離:dmin= min(dl2，d23，dl3)；對(duì)應(yīng)于dmin的Pi(i = 1,2 or 3)將被用于計(jì)算最終的預(yù)測(cè)結(jié)果。假設(shè)它們是Pa 和Pb。那么最終的預(yù)測(cè)是P= (Pa+Pb)/2。
權(quán)利要求
一種呼吸同步跟蹤系統(tǒng)的位置信號(hào)的混合預(yù)測(cè)方法，其特征在于包括以下步驟(1)P1，P2，P3分別是采用了模式匹配預(yù)測(cè)器，LMS預(yù)測(cè)器和模糊預(yù)測(cè)器的預(yù)測(cè)結(jié)果；(2)獲得P1，P2和P3相互之間的距離d12＝|P1-P2|；d13＝|P1-P3|；d23＝|P2-P3|；(3)找到最小的距離dmin＝min(d12，d23，d13)；(4)最終的預(yù)測(cè)結(jié)果是產(chǎn)生最小距離dmin的兩種預(yù)測(cè)器產(chǎn)生的預(yù)測(cè)結(jié)果的平均值。
2.用一種用于放射治療的同步跟蹤定位系統(tǒng)，包括數(shù)據(jù)采集裝置，同步跟蹤子系統(tǒng)， 執(zhí)行機(jī)構(gòu)，數(shù)據(jù)采集裝置將采集到的數(shù)據(jù)送到同步子系統(tǒng)，處理放大后傳送到執(zhí)行機(jī)構(gòu)，其 特征在于所述同步跟蹤子系統(tǒng)包括含有模式匹配預(yù)測(cè)器，LMS預(yù)測(cè)器和模糊預(yù)測(cè)器的計(jì) 算機(jī)，該計(jì)算機(jī)還包含計(jì)算模塊，該計(jì)算模塊能夠把模式匹配預(yù)測(cè)器，LMS預(yù)測(cè)器和模糊預(yù) 測(cè)器的預(yù)測(cè)結(jié)果按照權(quán)利要求1所述的方法進(jìn)行處理。
全文摘要
呼吸同步跟蹤系統(tǒng)在治療射線投放時(shí)，可以監(jiān)測(cè)病人的呼吸，并對(duì)腫瘤目標(biāo)運(yùn)動(dòng)作出補(bǔ)償。在治療射線投放系統(tǒng)的指令和響應(yīng)之間存在時(shí)間延遲，這種延遲可能會(huì)導(dǎo)致意外的、甚至危險(xiǎn)的振動(dòng)。為了提高同步跟蹤性能，可以用信號(hào)預(yù)測(cè)技術(shù)來(lái)彌補(bǔ)時(shí)間延遲。本發(fā)明提供了一種新的基于模式匹配(Pattern-Matching)、最小均方(Least-Mean-Square或LMS)和模糊預(yù)測(cè)算法的新的混合預(yù)測(cè)方法以及預(yù)測(cè)器，該預(yù)測(cè)器能夠處理隨時(shí)間變化的幅度和頻率問(wèn)題，比較好的解決了放射治療中同步跟蹤的問(wèn)題。
文檔編號(hào)A61B6/08GK101843955SQ20101013487
公開(kāi)日2010年9月29日 申請(qǐng)日期2010年3月30日 優(yōu)先權(quán)日2010年3月30日
發(fā)明者盛曄 申請(qǐng)人:江蘇瑞爾醫(yī)療科技有限公司