[發明專利]面向放療的人體胸腹表面運動預測方法

有效

• 申請號: 201910258140.1
• 申請日: 2019-04-01
• 公開（公告）號: CN109887573B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 趙煙橋;王妍;張琴;朱子桐;王淼;李宇瀟
• 申請（專利權）人: 哈爾濱理工大學
• 主分類號: G16H20/30
• 分類號: G16H20/30;G16H20/40
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.面向放療的人體胸腹表面運動預測方法，其特征在于，包括以下步驟：

步驟a、利用fasttrack，采集胸腹表面呼吸運動數據f_low-high(x)；

步驟b、利用高通濾波器，濾除步驟a得到的胸腹表面呼吸運動數據f_low-high(x)中的低頻成分，去除放療過程中人體自身除呼吸運動外的其他運動，得到胸腹表面呼吸運動數據f_high(x)；

步驟c、利用低通濾波器，濾除步驟b得到的胸腹表面呼吸運動數據f_high(x)中的高頻成分，去除胸腹表面呼吸運動數據采集過程中的噪聲，得到胸腹表面呼吸運動數據f(x)；

步驟d、從步驟c得到的胸腹表面呼吸運動數據f(x)中獲取特征數據，作為訓練集，包括以下步驟：

步驟d1、采集胸腹表面呼吸運動數據的極大值，這些極大值為：f_max(i),i＝1,2,3,…,n；

步驟d2、確定步驟d1所述極大值發生的時間，這些極大值發生時間為：t_max(i),i＝1,2,3,…,n；

步驟d3、采集胸腹表面呼吸運動數據的極小值，這些極小值為：f_min(i),i＝1,2,3,…,n；

步驟d4、確定步驟d3所述極小值發生的時間，這些極小值發生時間為：t_min(i),i＝1,2,3,…,n；

步驟e、根據步驟d得到的特征數據，預測下一組特征數據，包括以下步驟：

步驟e1、預測下一個極大值f_max(n+1)，包括以下步驟：

步驟e11、構造分辨率為n×n的矩陣K，在矩陣K中，第i行第j列元素k(i,j)為：

步驟e12、按照如下公式，計算f_max(n+1)

f_max(n+1)＝K(n,:)K^-1(f_max')

其中，K(n,:)表示矩陣K的第n行，K^-1表示矩陣K的逆矩陣，f_max'表示胸腹表面呼吸運動數據的極大值f_max的轉置；

步驟e2、預測下一個極大值發生時間，包括以下步驟：

步驟e21、按照如下公式，計算IN₁

步驟e22、按照如下公式，計算IN₂

步驟e23、按照如下公式，計算T_max

步驟e24、按照如下公式，計算INT_max

步驟e25、按照如下公式，計算下一個極大值發生時間t_max(n+1)

步驟e3、預測下一個極小值f_min(n+1)，包括以下步驟：

步驟e31、構造分辨率為n×n的矩陣K，在矩陣K中，第i行第j列元素k(i,j)為：

步驟e32、按照如下公式，計算f_min(n+1)

f_min(n+1)＝K(n,:)K^-1(f_min')

其中，K(n,:)表示矩陣K的第n行，K^-1表示矩陣K的逆矩陣，f_min'表示胸腹表面呼吸運動數據的極小值f_min的轉置；

步驟e4、預測下一個極大值發生時間，包括以下步驟：

步驟e41、按照如下公式，計算IN₁

步驟e42、按照如下公式，計算IN₂

步驟e24、按照如下公式，計算T

步驟e24、按照如下公式，計算INT_min

步驟e25、按照如下公式，計算下一個極大值發生時間t_min(n+1)

步驟f、根據給定的時間t，預測胸腹表面呼吸運動數據f(t)，包括以下步驟：

步驟f1、判斷時間t位于最后一個從極小值向極大值變化的區間，還是位于最后一個從極大值向極小值變化的區間；

如果，時間t位于最后一個從極小值向極大值變化的區間，計算每一個從極小值向極大值變化的區間內，對應時間下的對應幅值比例；

如果，時間t位于最后一個從極大值向極小值變化的區間，計算每一個從極大值向極小值變化的區間內，對應時間下的對應幅值比例；

步驟f2、將計算得到的對應幅值比例做平均；

步驟f3、根據步驟f2得到的比例平均值，計算得到胸腹表面呼吸運動數據f(t)。