[發明專利]一種基于體素模型的呼吸特性表征的方法

在審

• 申請號: 201911023806.1
• 申請日: 2019-10-25
• 公開（公告）號: CN110752004A
• 公開（公告）日: 2020-02-04
• 發明（設計）人: 郁樹梅;后鵬程;孫榮川;匡紹龍;孫立寧
• 申請（專利權）人: 蘇州大學
• 主分類號: G16H20/40
• 分類號: G16H20/40;G16H30/20;G06T17/00
• 代理公司: 32257 蘇州市中南偉業知識產權代理事務所(普通合伙)
• 代理人: 楊慧林

本發明公開了一種基于體素模型的呼吸特性表征的方法，包括：使用相機連續采集人體胸腹體表的多幀深度圖像，對所述多幀深度圖像進行三維建模，獲得在時間序列上的多幀體素模型；遍歷所述多幀體素模型的體素單元，提取所述多幀體素模型的體積特征和面積特征；獲取所述多幀體素模型的公共最小體素包圍盒；以概率形式描述多幀體素模型的空間分布，并排列每一幀體素模型的最小體素包圍盒的概率，組成超高維向量的樣本空間；對所述樣本空間進行降維，獲得降維后的本質參量；根據本質參量、體積特征和面積特征獲得能夠表征體素模型的特征變量。其能夠全面的表征的體表呼吸運動信息，應用廣泛。

技術領域

本發明涉及放療機器人的呼吸跟蹤技術領域，具體涉及一種基于體素模型的呼吸特性表征的方法。

背景技術

腫瘤運動的呼吸跟蹤是立體放療機器人實現精準放療的關鍵技術之一，目前最主流的一類方法是其利用體表標記點和體內腫瘤的關聯模型，提前預測腫瘤到達的位置并規劃機械臂運動，使得直線加速器的射束能夠實時跟蹤腫瘤運動，達到精準放療的目的。然而腫瘤呼吸運動建模具有極大的復雜性及個體差異性，利用有限體表標記點表征呼吸特性的方法，對曲面運動信息表征不全面，導致了用于臨床數據的精準性和魯棒性欠佳。

為達到更優的精準性和魯棒性，需要不斷探索能反映更為完整的體表運動信息的表征方法。研究完整的體表運動信息表征方法主要有兩個方向。一是圍繞有限體表標記點的個數展開研究。比如使用3個、6個、19個等體表標記點來表征體表運動信息。二是基于多模態傳感器的體表運動信息的表征方法。使用多種傳感器，包括固定在胸腹部表面的張力帶、光學標記點、加速度傳感器，固定在鼻孔周圍的氣流加速度及溫度傳感器等，融合多傳感器信息表征體表運動。多模態信息表征方法的研究表明，體表標記點運動信息對于腫瘤位置具有更好的關聯度；而體表標記點表征方法的研究表明，標記點數量越多，對呼吸運動特征的表達就越趨于完整，但有限的體表標記點信息仍無法準確反映體表呼吸運動變化規律。

因此，研究體表呼吸特性表征方法，對于提高放療機器人中的腫瘤運動呼吸跟蹤技術的精準性與魯棒性有著重要意義。

發明內容

本發明要解決的技術問題是提供一種基于體素模型的呼吸特性表征的方法，其能夠全面的表征的體表呼吸運動信息，應用廣泛。

為了解決上述技術問題，本發明提供了一種基于體素模型的呼吸特性表征的方法，包括以下步驟：

使用相機連續采集人體胸腹體表的多幀深度圖像，對所述多幀深度圖像進行三維建模，獲得在時間序列上的多幀體素模型；

遍歷所述多幀體素模型的體素單元，提取所述多幀體素模型的體積特征和面積特征；

獲取所述多幀體素模型的公共最小體素包圍盒；

以概率形式描述多幀體素模型的空間分布，并排列每一幀體素模型的最小體素包圍盒的概率，組成超高維向量的樣本空間；

對所述樣本空間進行降維，獲得降維后的本質參量；

根據本質參量、體積特征和面積特征獲得能夠表征體素模型的特征變量。

作為優選的，所述“體積特征”為多幀體素模型整體的體積變化狀態特征。

作為優選的，所述“面積特征”為多幀所述體素模型整體的外層表面積變化狀態特征。

作為優選的，所述“使用相機連續采集人體胸腹體表的多幀深度圖像，對所述多幀深度圖像進行三維建模，獲得在時間序列上的多幀體素模型”，具體包括以下步驟：

S11、利用2臺固定不動的RGB-D相機對運動的人體胸腹體表進行連續多幀深度圖像的采集；

S12、使用濾波算法對深度圖像的點云數據去噪，使用移動最小二乘法平滑點云，并使用ICP算法對點云數據融合；