专利名称：呼吸同步跟踪系统的位置信号的混合预测方法及预测器的制作方法
技术领域：
本发明涉及一种位置信号的预测方法及预测器，特别是呼吸同步跟踪系统的位置 信号的混合预测方法以及按照这种方法设计的预测器。
背景技术：
放射治疗(简称放疗)已经在医学临床得到广泛应用，成为治疗恶性肿瘤的主要 手段之一。精确放射治疗的目标是最大限度地杀灭肿瘤细胞并有效保护周围正常组织和重 要器官。研究表明，剂量精度每提高1 %，治愈率便可提高2%，因此，提高放射治疗的精确 度是非常重要的。呼吸在引起体外(胸部/腹部)表面的运动的同时，还会导致体内肿瘤(肺部，肝 部和胰腺部位的肿瘤)的运动。体内肿瘤由于受呼吸和器官本身的运动影响，其位置有很 大的不确定性。通过影像检查显示胸部和腹部肿瘤和器官的移动度在10 30mm，有时甚至 超过30mm，对由于呼吸引起的运动肿瘤，比如肺部和肝脏肿瘤，图像引导系统需要对肿瘤运 动实时追踪，从而保证在整个治疗射线投放过程中，能够动态地移动或控制治疗射线束，使 其准确地投放到病灶区，这需要通过呼吸运动跟踪系统来实现。图像引导系统拍摄患者体部高清晰的射线影像，通过事先植入肿瘤内部或附近的 金属标记物，构造空间立体结构，通过迭代算法精确算出肿瘤的空间位置；治疗中，通过实 时的金标影像与定位CT数字生成的DRR中的金标影像位置的对比，可自动进行校正，这称 为金标追踪。对于随呼吸运动的肿瘤，记录患者皮肤运动，形成相应的呼吸曲线。在这个动 态连续的呼吸曲线过程中，通过摄影系统在不同的呼吸时相拍摄人体影像，并通过其中的 金标确立一个呼吸模型关系。静态金标影像与动态的外在呼吸曲线相结合确立的关系能准 确的反映体内随呼吸运动的靶区的位移。这样就可以通过病人体表的位置计算出体内肿瘤 的位置。带有图像引导的放疗系统的治疗射线投放装置的控制指令和实际的响应之间存 在时间延迟。处理不好，这种时间延迟将可能在治疗期间导致意想不到的、甚至危险的振 动。为了获得更好的跟踪性能，位置信号的预测可以用来补偿时间延迟。在当前的国际和 国内流行的商用放疗系统里，呼吸运动跟踪系统中的同步跟踪子系统采用的预测方法通常 是模式匹配法(Pattern-Matching)。和最小均方(Least-Mean-Square或LMS)。模式匹配 算法的总体思路是根据到当前位置为止的一段历史位置记录，定义一个模式(即以前的 一些位置点)，在该段历史位置记录历史上搜索与预先定义的模式最佳匹配的模式；再从 该匹配模式获取最好的“预测”。也就是说，Y’ P = Yc^，其中Y' P是我们想要的预测值，Ytl 是最好的匹配模式，而P是预测步骤。LMS算法是一种最速下降算法地近似算法，它使用了 一个瞬时估计来近似代价函数的梯度矢量。梯度的估计数是根据对输入向量和误差信号的 采样值。该算法遍历每个滤波器的系数，并沿近似梯度方向移动。在实际的呼吸同步跟踪系统中，由于人体呼吸作用的影响，胸/腹部位置以及体 内肿瘤的位置信号是随时间周期性变化的；更关键的是，其振幅和周期(或频率)也随时间变化。如果目前的呼吸模式在以前的时间框架里发生过并在历史记录里保存下来，那么模 式匹配能够提供完善的多步以后的位置信号预测。一旦上述条件不成立，它的预测精度将 恶化。在某些情况下可能还会导致预测间断问题。因此，我们需要一种更好的预测方法，来解决以上存在的问题。
发明内容
本发明针对现有技术的不足，提供了一种新的基于模式匹配算法、LMS算法以及模 糊算法的同步跟踪系统的位置信号的混合预测方法，以解决现有技术中存在的一些困难问 题，为放射治疗的同步跟踪提供了一种新的途径。首先，我们需要介绍一下模糊预测算法，模糊预测算法的步骤如下考虑到如图2所示的肿瘤位置随呼吸而变化，而且其随时间曲线的幅度和周期也 是变化的，本发明的具体步骤如下采集病人体表某点的位置Po，设P是该体表位置Po对 应的体内病灶的位置向量。P由X，y和ζ组成，即P(x，y，ζ)，不失一般性，先选择它的y分 量来建立模糊预测模型，χ，ζ采用相同的方法建立模糊预测模型。这里，采集Po并计算与 其对应的肿瘤位置P (X，1，ζ)在一段时间内的位置参数(X，y, ζ)并且存入计算机，根据位 置参数计算出相应的速度参数(dx，dy, dz)并存入计算机
；根据计算机内存储的位置参数(x，y，z)，找出最大和最小的位置Umax，ymax，zmax)和 (Xmin，Yfflin' Zmin)，根据计算机内存储的速度参数(dx，dy, dz)，找出最大和最小的速度(dxmax， dymax' dzmax) 和(dxm
in，dymin，dzmin)
制定模糊规则根据最大和最小的位置参数，把χ模糊划分出Ii1个子集，这Ii1个子 集的每一个子集再被根据最大和最小的速度参数模糊划分为n2个子集，得到M = H1^n2个 子模型，每个子模型都对应一个规则，在这里，我们以Ii1取3为例加以说明，H1 = 3，即得到 大(Big)，中(Medium)，小(Small)三个不同的子集，如图3所示。接下来，每个子集可以根 据速度再分为n2个子集，这里我们Ii2也取3，即负(Negative)，零(Zero)和正(Positive)。 这样我们一共就有M = ηι*η2个子模型。每个子模型都给出了一个线性方程组，其广义方程 是这样的ym (k + p) = am0y(k) + …+ amry(k-r) + cmJpm是第m规则的模式输出，m的范围是在11，而M是方程的总数，ρ是预测步骤，r 是预测阶数，可以选择2-15中任意一个数字，a和C是参数。在II1取3，II2取3的情况下， 这些规则是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，最后的预测结果即是以上子模型输出的综合结果的加权平均值 这里μ i是模糊模型的隶属度，M = 9是模糊规则的数目。采用同样的步骤，我们可以得到我们所想要的χ和ζ的预测。这样，我们就得到了位置P(x，y，ζ)的预测值。参数的训练所有的参数可以用梯度下降算法来训练，根据各个子模型所对应的计算机内已经 存储的已知的位置参数(x，y，z)、速度参数(dx，dy，dz)以及该体表位置在相应时间点上的 所对应的体内病灶的位置参数采用梯度下降算法，训练出对应子模型的参数cm ；这样我们就得到了模糊算法的预测结果P3，再根据现有的模式匹配和LMS算法， 分别得到预测结果Pl和P2，然后计算P1，P2 和 P3 相互之间的距离dl2 = P1-P2 ；dl3 = P1-P3 ；d23 = IP2-P3 | ；找到最小的距离:dmin= min(dl2, d23, dl3)；对应于dmin的Pi(i = 1,2 or 3)将被用于计算最终的预测结果。假设它们是Pa 和Pb。那么最终的预测是P= (Pa+Pb)/2。对随机选来的10组病人数据进行验证后，我们得到了类似的结果。表1显示了不同预测器对其中一个病人的比较结果。这里ρ = 3。表1不同预测器对同一病人的比较结果(单位为mm。ex，ey和ez分别是X，Y和Z方向的预测误差，|ex |表示ex的绝对 值，Max是最大值，Mean是平均值，# | ex | > 1则表示| ex |中大于的样本点数目，STD 是标准差，样本总数是12. 5万) 从表1的验证结果来看，与所有其他预测器相比，新的混合预测器的整体性能表 现是最好的。混合预测器的结果具有小的最大误差，小的平均误差，小的STD，同时介于1 5毫米范围的较大或大误差的数目也少。此外，在混合预测器的结果里没有观察到任何预测 误差的突变，这一性能改善是非常重要的。
图1是同步跟踪子系统的结构2是人体胸部位置信号由于呼吸作用而随时间变化示意3是模糊位置模型的模糊划区4是混合预测器原理示意图，Ts是采样时间间隔，ρ是预测步骤
具体实施例方式下面给出本发明的一个较好的实施例，并予以详细描述，以使能更好的本发明的 结构特征、功能，而不是用来限制本发明的权利要求保护范围。如图1所示，本发明装置包括数据采集模块，计算机，功率放大器，驱动电路以及 动作机构。根据现有的模式匹配和LMS算法以及新的模糊算法，分别得到预测结果Pl和P2 和P3，如图4所示，然后计算P1，P2 和 P3 相互之间的距离dl2 = P1-P2 ；dl3 = P1-P3 ；d23 = IP2-P3 | ；找到最小的距离:dmin= min(dl2，d23，dl3)；对应于dmin的Pi(i = 1,2 or 3)将被用于计算最终的预测结果。假设它们是Pa 和Pb。那么最终的预测是P= (Pa+Pb)/2。
权利要求
一种呼吸同步跟踪系统的位置信号的混合预测方法，其特征在于包括以下步骤(1)P1，P2，P3分别是采用了模式匹配预测器，LMS预测器和模糊预测器的预测结果；(2)获得P1，P2和P3相互之间的距离d12＝|P1-P2|；d13＝|P1-P3|；d23＝|P2-P3|；(3)找到最小的距离dmin＝min(d12，d23，d13)；(4)最终的预测结果是产生最小距离dmin的两种预测器产生的预测结果的平均值。
2.用一种用于放射治疗的同步跟踪定位系统，包括数据采集装置，同步跟踪子系统， 执行机构，数据采集装置将采集到的数据送到同步子系统，处理放大后传送到执行机构，其 特征在于所述同步跟踪子系统包括含有模式匹配预测器，LMS预测器和模糊预测器的计 算机，该计算机还包含计算模块，该计算模块能够把模式匹配预测器，LMS预测器和模糊预 测器的预测结果按照权利要求1所述的方法进行处理。
全文摘要
呼吸同步跟踪系统在治疗射线投放时，可以监测病人的呼吸，并对肿瘤目标运动作出补偿。在治疗射线投放系统的指令和响应之间存在时间延迟，这种延迟可能会导致意外的、甚至危险的振动。为了提高同步跟踪性能，可以用信号预测技术来弥补时间延迟。本发明提供了一种新的基于模式匹配(Pattern-Matching)、最小均方(Least-Mean-Square或LMS)和模糊预测算法的新的混合预测方法以及预测器，该预测器能够处理随时间变化的幅度和频率问题，比较好的解决了放射治疗中同步跟踪的问题。
文档编号A61B6/08GK101843955SQ20101013487
公开日2010年9月29日 申请日期2010年3月30日 优先权日2010年3月30日
发明者盛晔 申请人:江苏瑞尔医疗科技有限公司