基于UT变换的放疗机器人肿瘤呼吸运动估计及预测系统及其使用方法技术方案

本发明专利技术公开了基于UT变换的放疗机器人肿瘤呼吸运动估计及预测系统及其使用方法，基于UT变换的放疗机器人肿瘤呼吸运动估计及预测系统及其使用方法提高了肿瘤预测的精度。该预测算法将传感器噪声及建模的误差都考虑在内，在传统建模的基础上进行UT变换，建立新的呼吸运动关联模型，提高了肿瘤预测的精度。

Radiation motion estimation and prediction system for radiotherapy robot based on UT transform and use method thereof

The invention discloses a radiotherapy robot tumor respiratory motion UT transform estimation and prediction system and method based on robot radiotherapy tumor respiratory motion estimation and UT transformation system and its use method improves the prediction accuracy of prediction based on tumor. In this algorithm, the sensor noise and modeling errors are taken into account. Based on the traditional modeling, UT transform is used to establish a new model of respiratory motion correlation, which improves the accuracy of tumor prediction.

【技术实现步骤摘要】

本专利技术属于医疗
，具体涉及基于UT变换的放疗机器人肿瘤呼吸运动估计及预测系统及其使用方法。
技术介绍
目前治疗肺癌的主要方法是立体定向放射治疗，但是人体的呼吸运动严重影响了放疗的准确性。为了减小呼吸运动的影响，最有效的方法是呼吸运动实时跟踪技术，该技术通过建立体内肿瘤和体表标记点之间的关联模型，采用预测算法，根据标记点的运动得到肿瘤未来的运动信息，从而实时调整射线束，保证放射线和肿瘤的相对静止，以达到实时跟踪的目的。采用预测算法是为了补偿立体放疗系统的时间延迟，提前预测出肿瘤在未来时刻将要达到的位置。近年来一些研究者将扩展卡尔曼滤波算法应用于肿瘤运动预测中，扩展卡尔曼滤波算法的基础是建立体内肿瘤和体表标记点之间的关联模型。传统的建模方法主要是基于最小二乘法建立的线性关联模型，但是传统的方法没有考虑传感器噪声带来的误差以及建模的不确定性。而在实际治疗过程中，体内肿瘤和体表标记点的运动都是随呼吸不断变化的，一方面传感器在测量呼吸运动数据时会产生一定的误差，另一方面两者之间的运动关系也是在不断变化的，因此在呼吸运动建模时应该将这两方面的影响因素都考虑进去。
技术实现思路
本专利技术的目的是提供基于UT变换的放疗机器人肿瘤呼吸运动估计及预测系统及其使用方法，解决上述在放疗中呼吸运动建模存在的问题。本专利技术提供基于UT变换的放疗机器人肿瘤呼吸运动估计及预测系统，包括：立体定向放疗机器人系统、扩展卡尔曼滤波估计肿瘤位置系统、基于UT变换建立关联模型的扩展卡尔曼滤波预测算法系统。进一步的技术方案，所述立体定向放疗机器人系统包括呼吸跟踪系统和影像定位系统。进一步的技术方案，所述呼吸跟踪系统包括同步追踪摄像机、X光射源及非晶硅影像接收器、患者、治疗计划系统以及影像融合系统。进一步的技术方案，呼吸运动模拟器代替所述患者。本专利技术还提供基于UT变换的放疗机器人肿瘤呼吸运动估计及预测系统的使用方法，包括：(1)利用立体定向放疗机器人系统采集体内肿瘤和体表标记点的三维运动数据；(2)根据所述三维运动数据，建立当前时刻肿瘤和历史时刻肿瘤之间的运动关系模型，并将此模型作为扩展卡尔曼滤波的过程模型，建立当前时刻体内肿瘤和当前时刻体表标记点之间的关联模型作为扩展卡尔曼滤波的测量模型，过程模型的作用是由历史时刻肿瘤运动数据得到下一时刻肿瘤位置的估计值，测量模型的作用是根据当前时刻标记点的运动数据对肿瘤位置的估计值进行校正，得到下一时刻肿瘤位置的最优估计值；(3)利用扩展卡尔曼滤波算法和基于UT变换建模的扩展卡尔曼滤波算法根据当前时刻体表标记点的运动数据预测出体内肿瘤在未来时刻的运动位置。进一步的技术方案，步骤(2)中，假设过程模型和测量模型分别为：xk＝f(xk-1)(1)zk＝h(xk)(2)则扩展卡尔曼滤波估计过程如下：xk+1|k＝f(xk|k)(3)Pk+1|k＝APk|kAT+Q(4)Kk+1＝Pk+1|kHT(HPk+1|kHT+R)-1(5)xk+1|k+1＝xk+1|k+Kk+1(zk+1-h(xk+1|k))(6)Pk+1|k+1＝Pk+1|k-Kk+1HPk+1|k(7)其中，xk为当前时刻体内肿瘤的运动数据，zk为当前时刻测得的体表标记点的运动数据，Q和R分别为过程模型和测量模型的噪声协方差，为过程模型对状态的雅克比矩阵，为测量模型对状态的雅克比矩阵。进一步的技术方案，根据扩展卡尔曼滤波算法得到的肿瘤的最优估计值(公式(6))是对下一时刻肿瘤运动位置的预测值，但是在实际治疗中，数据的采集，图像的处理，机械臂的调整等都需要一定的时间，为了补偿系统延时，需要提前预测出肿瘤未来时刻的位置，所述肿瘤位置的预测由下式得到：上述即为扩展卡尔曼滤波算法预测肿瘤位置的整个预测过程，其中为第k+1时刻后第m时刻肿瘤位置的预测值。其中，体内肿瘤的运动数据是以一定的频率间隔采集得到的，每个采集时刻k对应一组采集的运动数据xk，系统延时需要一定的时间，根据延时的时间确定出需要预测的未来时刻，即确定出m的值。进一步的技术方案，步骤(3)中，所述基于UT变换建模的扩展卡尔曼滤波算法如下：假设传统的关联模型为zk＝h(xk)，则该模型也可表示为：h＝g(x,z)(9)设S是由肿瘤和标记点的向量组成的增广矩阵，其协方差矩阵为P：s＝[x,z](10)基于UT变换建模的过程如下：χ0＝s,wi＝k/(n+k),i＝0hi＝g(χi),i＝0,...2n(12)则经UT变换后建立的关联模型为：其中，是矩阵(n+k)P的开方根的第i行或者第i列，wi是第i个西格玛点的权值，且满足：通常取n+k＝3。公式(14)即为基于UT变换建立的关联模型，将公式(14)代替公式(2)，则式(1)至(8)即为基于UT变换建模的扩展卡尔曼滤波算法预测肿瘤位置的预测流程，将基于UT变换建立的测量模型(14)应用到扩展卡尔曼滤波算法中，预测出肿瘤在未来时刻的运动位置，并与基于传统测量模型(2)的卡尔曼滤波算法对比分析，验证算法的有效性。本专利技术的优点是：基于UT变换的放疗机器人肿瘤呼吸运动估计及预测系统将传感器噪声及建模误差考虑在内，基于UT变换建立肿瘤和标记点之间的关联模型，并以此为基础采用扩展卡尔曼滤波算法预测肿瘤的运动，以提高预测的精确度。该方法可应用于肺部肿瘤的治疗中，这对于提高患者的生存率以及我国医疗技术的发展具有很重要的意义。附图说明图1为本专利技术所述的基于UT变换的放疗机器人肿瘤呼吸运动估计及预测系统用于放疗机器人治疗的流程图；图2为本专利技术所述的基于UT变换的放疗机器人肿瘤呼吸运动估计及预测系统实现同步呼吸跟踪的系统框图；图3为本专利技术所述的基于UT变换的放疗机器人肿瘤呼吸运动估计及预测系统中基于UT变换建模的扩展卡尔曼滤波预测算法流程图；图4为本专利技术所述的基于UT变换建模的扩展卡尔曼滤波算法与传统的扩展卡尔曼滤波算法的实验验证预测误差对比结果图。具体实施方式为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和实施例进一步说明本专利技术的技术方案。但是本专利技术不限于所列出的实施例，还应包括在本专利技术所要求的权利范围内其他任何公知的改变。此处所称的“一个实施例”或“实施例”是指可包含于本专利技术至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。本专利技术提供基于UT变换的放疗机器人肿瘤呼吸运动估计及预测系统，包括：立体定向放疗机器人系统、扩展卡尔曼滤波估计肿瘤位置系统、基于UT变换建立关联模型的扩展卡尔曼滤波预测算法系统，所述立体定向放疗机器人系统包括呼吸跟踪系统和影像定位系统，分别用于采集患者体表标记点和体内肿瘤的运动数据，请参阅图1，图1为本专利技术所述的基于UT变换的放疗机器人肿瘤呼吸运动估计及预测系统用于放疗机器人治疗的流程图。图1是通用的用于治疗肿瘤的放疗机器人治疗系统，即无论采用什么跟踪预测算法，里面所用的设备都是一样的，治疗流程都是相同的，所不同之处仅在于采取的算法不同。如图1所示，在治疗过程中，患者躺在并联结构手术床上，在其腹部固定三个红外发光二极管作为体表标记点。所述呼吸跟踪系统主要包括五部分，即同步追踪摄像机、X光射源及非晶硅影像接收器本文档来自技高网...

【技术保护点】
基于UT变换的放疗机器人肿瘤呼吸运动估计及预测系统，其特征在于，包括：立体定向放疗机器人系统、扩展卡尔曼滤波估计肿瘤位置系统、基于UT变换建立关联模型的扩展卡尔曼滤波预测算法系统。

【技术特征摘要】
1.基于UT变换的放疗机器人肿瘤呼吸运动估计及预测系统，其特征在于，包括：立体定向放疗机器人系统、扩展卡尔曼滤波估计肿瘤位置系统、基于UT变换建立关联模型的扩展卡尔曼滤波预测算法系统。2.根据权利要求1所述的基于UT变换的放疗机器人肿瘤呼吸运动估计及预测系统，其特征在于，所述立体定向放疗机器人系统包括呼吸跟踪系统和影像定位系统。3.根据权利要求2所述的基于UT变换的放疗机器人肿瘤呼吸运动估计及预测系统，其特征在于，所述呼吸跟踪系统包括同步追踪摄像机、X光射源及非晶硅影像接收器、患者、治疗计划系统以及影像融合系统。4.根据权利要求3所述的基于UT变换的放疗机器人肿瘤呼吸运动估计及预测系统，其特征在于，呼吸运动模拟器代替所述患者。5.基于UT变换的放疗机器人肿瘤呼吸运动估计及预测系统的使用方法，其特征在于，包括：(1)利用立体定向放疗机器人系统采集体内肿瘤和体表标记点的三维运动数据；(2)根据所述三维运动数据，建立当前时刻肿瘤和历史时刻肿瘤之间的运动关系模型，并将此模型作为扩展卡尔曼滤波的过程模型，建立当前时刻体内肿瘤和当前时刻体表标记点之间的关联模型作为扩展卡尔曼滤波的测量模型；(3)利用扩展卡尔曼滤波算法和基于UT变换建模的扩展卡尔曼滤波算法根据当前时刻体表标记点的运动数据预测出体内肿瘤在未来时刻的运动位置。6.根据权利要求5所述的基于UT变换的放疗机器人肿瘤呼吸运动估计及预测系统的使用方法，其特征在于：步骤(2)中，假设过程模型和测量模型分别为：xk＝f(xk-1)(1)zk＝h(xk)(2)则扩展卡尔曼滤波估计过程如下：xk+1|k＝f(xk|k)(3)Pk+1|k＝APk|kAT+Q(4)Kk+1＝Pk+1|kHT(HPk+1|kHT+R)-1(5)xk+1|k+1＝xk+1|k+Kk+1(zk+1-h(xk+1|k))(6)Pk+1|k+1＝Pk+1|k-Kk+1HPk+1|k(7)...

【专利技术属性】
技术研发人员：孙荣川，郁树梅，陈涛，刘会聪，匡绍龙，豆梦，孙立宁，
申请(专利权)人：苏州大学，
类型：发明
国别省市：江苏;32