[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

本發明面向放療的人體胸腹表面運動預測方法涉及精密測量、腫瘤醫學、統計數學等技術領域；該方法包括以下步驟：首先采集胸腹表面呼吸運動數據，再分別利用高通濾波器和低通濾波器濾除人體自身除呼吸運動外的其他運動和胸腹表面呼吸運動數據采集過程中的噪聲，然后獲取特征數據作為訓練集，并根據特征數據預測下一組特征數據，最后根據給定的時間，預測胸腹表面呼吸運動數據；本發明面向放療的人體胸腹表面運動預測方法采用對特征量和發生時間分別進行預測的方式，并結合特征量和發生時間與未知量發生時間的關系，來實現對未知量的預測，這樣能夠充分利用特征量的有序性和慣性，實現對未知量的更準確預測，有利于提高消化系統惡性腫瘤的放療效果。

技術領域

本發明面向放療的人體胸腹表面運動預測方法涉及精密測量、腫瘤醫學、統計數學等技術領域。

背景技術

放射治療(后文簡稱為放療)是治療癌癥最主要的手段之一。大約70％的癌癥患者在治療癌癥的過程中會用到放療，約有40％的癌癥可以通過放療治愈。放射治療效果與放射線照射到腫瘤區域的精度和劑量有關。消化系統惡性腫瘤位于胸腔腹腔內，受呼吸運動影響，腫瘤的位置和體積都會隨時間而改變，造成放射線照射精度降低，從而影響放療效果。

為了解決呼吸運動降低放療效果的問題，很多學者開展了靶區擴邊、屏氣、呼吸門控、被動加壓、四維放療和實時跟蹤等技術或方法的研究工作。這些工作有效降低了呼吸運動對放療效果的影響。然而，由于這些工作都是在呼吸運動發生后開展的滯后補償工作，因此無法從根本上克服呼吸運動降低放療效果的問題。

如果更夠開展超前補償方法，就有希望能夠從根本上克服呼吸運動降低放療效果的問題。要想實現對呼吸運動超前補償，首先需要對呼吸運動進行預測。目前，呼吸運動方法可以分為以下兩大類：第一、模型預測方法，這種方法通過監測前期呼吸運動數據，建立呼吸運動模型，再基于模型來推測未來的呼吸運動；第二、無模型預測方法，這種方法通過對呼吸運動數據進行訓練，形成啟發式的學習算法，通過學習來預測未來的呼吸運動。

雖然呼吸運動不斷重復吸氣和呼氣動作，但是呼吸運動卻并不是以吸氣和呼氣為一個周期進行簡單重復，在每次呼吸過程中，受自身以及外界的影響，運動規律都會發生變化。模型預測方法無法照顧到這種變化，因此預測精度會受到制約，所以，更多學者開始在無模型預測方法中進行嘗試。

發明內容

為了實現對呼吸運動進行準確預測，同時為了照顧到呼吸運動規律的變化，本發明提出了一種面向放療的人體胸腹表面運動預測方法，該方法的最大特點是并不是利用先驗知識對未知量進行直接預測；而是采用對特征量和發生時間分別進行預測的方式，并結合特征量和發生時間與未知量發生時間的關系，來實現對未知量的預測，該方法能夠充分利用特征量的有序性和慣性，實現對未知量的更準確預測。

本發明的目的是這樣實現的：

面向放療的人體胸腹表面運動預測方法，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；