从热图像确定呼吸信号的制作方法

本发明涉及一种由计算机执行的数据处理方法，其用于确定能表征患者的呼吸周期的呼吸信号数据。

背景技术：

许多医疗应用得益于获知患者的呼吸信号，或者甚至需要呼吸信号。一个典型的应用是放射治疗或者放射外科手术，其中根据呼吸信号来选通或引导治疗束。呼吸通常以周期循环的形式发生。本申请因此涉及如何确定能表征患者的呼吸周期的呼吸信号数据。

技术实现要素：

所附独立权利要求限定出所述方法、程序和系统。本发明的优点、有利特征、有利实施例及有利方面均在下文中公开，并包含在从属权利要求的主题中。只要技术上便利且可行，便可以根据本发明对不同的有利特征进行组合。具体说，一个实施例中与另一实施例的另一特征具有相同或类似功能的特征可以与该另一特征进行替换，而一个实施例中能为另一实施例补充附加功能的特征可特定地被添加到该另一实施例中。

本发明涉及一种由计算机执行的用于确定能表征患者的呼吸周期的呼吸信号数据的数据处理方法。该方法包括获取用于表征患者至少一部分体表的随时间变化的一系列训练热图像的图像数据的步骤，其中该一系列训练热图像至少包括半个呼吸周期并且通过热成像相机来捕捉。该方法还包括基于这一系列训练热图像来跟踪图像数据中的至少一个跟踪点的步骤，以便将跟踪点的轨迹作为呼吸信号数据，其中跟踪点是位于患者身表上的点。该跟踪点也被称为热界标。

热图像中显示的那部分患者体表优选是能随着患者呼吸而运动的那部分身体表面。这意味着在该身体表面所在区域中的某点会随着患者呼吸而运动，从而使得该点在一系列训练热图像的图像中所在位置会随时间发生改变。为了简洁起见，该位置也被称为跟踪点位置或热图像中的跟踪点的位置。

尽管该系列训练热图像覆盖半个呼吸周期就已经足够了，但是该系列训练热图像优选地覆盖一个完整的呼吸周期乃至多个呼吸周期。

跟踪图像数据中的点是指确定跟踪点在该系列训练热图像中的位置。上述跟踪步骤的结果是得到跟踪点的一系列位置，该一系列位置代表跟踪点的轨迹的离散样本。该轨迹可由这组位置表示，或者是由这组位置所限定的闭合曲线来表示，并且例如可通过将曲线拟合到跟踪点的位置上，来获得最佳拟合曲线。该轨迹不仅具有特定的形状，而且还具有时间性，因为每经历一个完整呼吸周期该轨迹就被遍历一遍。该轨迹在热图像坐标系中典型地是二维曲线。

热成像相机优选为空间固定式的。由此，一系列训练热图像中的跟踪点的位置由跟踪点在空间中的移动来限定。如果患者在空间中不移动，则跟踪点在空间中的移动仅由患者的呼吸活动引起。

表述“训练热图像”中的“训练”一词是指训练热图像是用来确定跟踪点的轨迹的，是针对该方法的一种训练过程。该方法可选的后续步骤则利用实时热图像，该实时热图像是捕捉到训练热图像之后再由热成像相机捕捉的图像。

典型情况下，轨迹是椭圆形的。由此，轨迹具有两个主顶点，它们是轨迹上彼此距离最远的两个点。典型情况下，这两个主顶点限定出了在呼吸周期中吸气环节终止并转而开始呼气环节(或相反情况)的那一点。

本发明的一个方面是从二维热图像的时间序列里推导出呼吸信号。在热图像中，像素不表示可见光谱中的点的颜色，而是指从该点发射出的温度或温度分布。由于每个点发射出直至最高温度的的温度范围，因此热图像的像素例如可代表该点的最高温度。在本申请中，热图像优选地仅表示从患者身表发射的不可见光谱形式的热辐射。只有当采用频率映射，热图像才能被人眼有效可见。这通常称为伪色彩表示。

采用热图像的优势在于热辐射的光谱与周围环境条件(例如照明)以及表面的光学特性无关，因此，即使大面积的表面在可见光谱方面具有相同的光学特性，它仍然可以在其热辐射方面展现出特定图案，这能够在一系列热图像中可靠地识别并跟踪患者体表上的点。

在一个实施例中，二维热图像表示8μm和14μm之间的波长。该范围对应于患者体表的典型温度。二维热图像优选地不表示近红外光谱中的波长。近红外光谱通常被认为波长至多延伸到2.5μm或3μm。

在一个实施例中，所述方法还包括如下步骤：在由热成像相机捕捉的实时热图像中确定选通区域，在实时热图像中找出跟踪点的位置，并生成指示出跟踪点是否位于选通区域内的选通信号。如上所述，实时热图像是在捕捉了训练热图像之后才被捕捉的、能表征患者的当前状态的图像。选通区域可例如是实时热图像的区域，例如矩形区域。选通区域例如可以自动设置，以便包括轨迹上的顶点，或者由用户来输入。

如果跟踪点的位置位于选通区域内，则这意味着患者处于呼吸周期的特定环节。同时，这意味着例如肿瘤的某个结构正处于特定位置，于是，可以激活治疗束。选通区域可例如是轨迹的主顶点之一所在的区域。由于该点典型地表示从吸气到呼气(或者相反)的过渡，这意味着在跟踪点的位置处于选通区域内的时刻，目标没有移动或仅做出略微移动。本领域公知的是，选通信号可用于打开和关闭治疗束。

该实施例提供了一种运算复杂度很小的、通过适当地限定实时热图像中的选通区域来确定用于控制治疗束的选通信号的简易方法。

在一个实施例中，所述方法还包括以下步骤：在由热成像相机捕捉的实时热图像中限定出轨迹周围的廊道，在实时热图像中找出跟踪点的位置，并且当跟踪点位于廊道外部时输出移动告警信号。

如上所述，热成像相机优选为空间固定式的。由此，实时热图像中的跟踪点的位置可以通过呼吸运动与患者的附加移动的叠加来确定。附加移动可以由咳嗽或其他任何有意或无意的运动所引起。如果跟踪点位于廊道外部，则假设定发生了附加移动。这意味着患者很可能不再处于理想位置，于是，最好停止放射外科手术或放射治疗等医学治疗。因此，该实施例允许在患者发生不期望的移动以致于该患者不再处于理想位置时输出告警。

在本实施例中，术语“廊道”是指向左和向右围绕轨迹的区域。廊道可以由轨迹左侧的多个像素和轨迹右侧的多个像素来限定。术语“向左”和“向右”是相对于所遍历轨迹的方向(优选地指代与轨迹正交的方向)来定义的。

如果不想限定用于拓宽轨迹的廊道的话，那么可以转而限定围绕整个轨迹的区域。该区域可例如是椭圆形或矩形形状。如果跟踪点位于该区域外部，则输出移动告警信号。这进一步降低了运算复杂度。

在一个实施例中，如果已经输出了移动告警信号，就可以清楚患者在空间中的位置。移动告警信号表明患者在空间中的位置可能已经改变，那么那些需要得知患者在空间中位置所采取的措施就不再正确了。因此，需要触发移动告警信号以便再次确定患者在空间中的位置。

在一个实施例中，在输出移动告警信号之后，重复以下步骤：获取图像数据，并且在图像数据中跟踪至少一个跟踪点。如果患者发生空间移动，那么患者和热成像相机之间的相对位置就发生了改变。这意味着轨迹可能不能再表征跟踪点在患者体表上的移动。在这种情况下，根据一系列新的训练热图像来确定跟踪点的新轨迹。

在一个实施例中，所述方法还包括以下步骤：从由热成像相机捕捉的至少两个连续的实时热图像中确定跟踪点的速度，将所确定的速度与轨迹的相应位置处的跟踪点的速度进行比较，如果两速度的差值高于预定阈值，则发出速度告警。例如，速度可根据两个连续的实时热图像中跟踪点在两个位置之间的距离来计算。特别是在已知捕捉这两个连续实时热图像所花费时间的情况下，该距离就表示跟踪点的速度。

呼吸周期的时长典型地在3至6秒之间。在某一时间段内，例如几分钟，呼吸周期的时长通常是恒定的。因此，如果从实时热图像中确定的跟踪点速度显著不同于从训练热图像中推导出的速度，则这可能是患者状况异常的预兆。

也可以使用加速度来代替速度。这意味着要从连续的热图像中确定跟踪点的加速度，将所确定的加速度与轨迹的对应位置处的跟踪点加速度进行比较，并且如果两者加速度的差值高于预定阈值，则输出加速度告警。跟踪点的加速度例如可以根据三个连续的实时热图像来确定。在一个实施例中，从第一和第二连续实时热图像中确定跟踪点的第一速度，并且从第二和第三连续实时热图像中确定第二速度。然后，由第一和第二速度确定加速度。

在一个实施例中，跟踪点的速度或加速度分别可以不与轨迹上对应点处的速度或加速度进行比较，而是与统计学裕度进行比较。统计学裕度例如可通过相对于训练热图像、相对于呼吸周期或相对于部分呼吸周期对速度或加速度求平均，然后计算标准偏差来获得。然后，裕度被计算为速度平均值或加速度平均值的标准偏差选择性地乘以某因数，该因数优选为大于1。在另一个实施例中，确定速度或加速度的最小值和最大值，并且裕度是将该最小值至最大值的范围选择性地扩展大于1的因数。这意味着，使最小值除以该因数并且使最大值乘以该因数。

在一个实施例中，通过应用分类符来判断是否出现正常性呼吸或异常性呼吸(可以是呼吸异常或附加移动)。由此，分类符(也简称分类)可以判断患者的当前状态是否正常。为此，至少借助训练热图像来对分类符进行训练。可以利用实时热图像来继续进行分类符的训练。由于分类符归属于两种可能状态(也称为类)中的一种，因此这两种状态之间存在判断边界。

在一个实施例中，所述方法还包括将轨迹的维度降到一维的步骤。如上所述，轨迹在热图像坐标系中典型地是二维曲线。对于某些应用而言，随时间变化地来绘制呼吸周期就足够了，这样通常获得正弦曲线图。降低维度例如是将轨迹变换为随时间变化的一维图形，这包括怎样随时间变化来遍历轨迹。

在一个实施方式中，降低维度的步骤包括确定轨迹的主轴线并将轨迹投影到主轴线上。主轴线例如是用于连接轨迹上的具有最大可能距离的两个点的直线。该直线的长度限定了随时间变化的一维图形的最大幅度。然后，通过遍历一系列训练热图像中的跟踪点的轨迹或位置并将各个点投影到主轴上，来获得一维图像。

如上所述，使用热图像的一个优点是可以不必考虑外部可见光谱的条件(例如照明)就能可靠地检测到患者体表上的点。有几种方法用于在多个图像(例如一系列训练热图像以及任意的实时热图像)中寻找跟踪点，该跟踪点是患者体表上的同一点。一种方法是向跟踪点分配一特定温度，并在热图像中找出具有相同温度的点。更复杂的方法是不仅要考虑跟踪点自身的温度，还要考虑围绕跟踪点的区域的热标签。

在一个实施例中，所述方法包括将描述符分配给患者体表上的点，例如跟踪点。描述符例如可以是根据该点的属性或者根据该点的附近点的属性计算出的值。描述符典型地用于明确识别出点。在本申请中，描述符也可以是一组描述符或一组描述符的值。描述符例如根据热图像来计算，例如根据能表征患者体表上的点的像素的属性和/或该像素的附近像素的属性来计算。

描述符的一个优点是基本上不随时间变化，例如1秒、2秒、5秒、10秒、15秒、30秒、60秒或甚至更长的时间。这意味着描述符可有利地用于从不同时间点拍摄的热图像中识别出显示了患者体表上的同一点的像素。

描述符的计算原理例如公布于2012年7月出版的《IEEE Transactions on Pattern Analysis and Machine Intelligence》第34卷，第07期，第1281至1298页，由M.Calonder、V.Lepetit、M.Ozuysal、T.Trzcinski、C.Strecha、P.Fua发表的“BRIEF：Computing a Local Binary Descriptor Very Fast”中，其通过引用并入本文。

另一种方法是利用点周围的邻域。一张热图像中的这种邻域用于定义和分析另一热图像中所谓的积分窗口中的相似性函数。位于该另一热图像中的积分窗口中心以具有与上述一张热图像的邻域最相似的领域的那一点，被认为是位于另一热图像中的同一个点。所谓的Lukas-Kanade算法对该方法提供了有效实践。

在一个实施例中，可以自动选择跟踪点。例如，如果体表上的某点可以在一系列训练热图像中被清晰地识别出，则将该点选为跟踪点。这意味着将能在整个系列的训练热图像上跟踪到的那点自动选为跟踪点。

在一个实施例中，在热图像的用户自定义区域内自动选择跟踪点。用户自定义区域例如代表特定的解剖区域，例如胸部或腹部。已知，这些示例性区域会发生与患者的呼吸动作强烈相关的运动。因此，如果跟踪点位于用户自定义区域内，则可以假定跟踪点的移动表示呼吸动作。

在一个实施例中，在一系列训练热图像中跟踪多个跟踪点，以便找出每个跟踪点的轨迹。这使本方法在例如跟踪图像数据中的跟踪点时出现的噪声或其他不确定性方面，显得更为强大。

如上所述，轨迹可以是拟合到图像数据中的跟踪点的位置上的最佳拟合曲线。由于在确定热图像中的跟踪点位置方面存在不确定性，使得在患者体表上彼此靠近的不同跟踪点的轨迹可能会针对跟踪点而出现略微不同的轨迹形状。这例如可以通过对患者体表上的两个或多个(相邻)跟踪点的轨迹求平均来补救，特别是针对在体表相同区域内存在多个点的情况。然后，将求平均后的轨迹分配给那些轨迹经过求平均处理的每个跟踪点。

在一个实施例中，多个跟踪点仅包括那些各自的轨迹都具有相似的主轴线的跟踪点。如上所述，轨迹典型地是椭圆形状，其中每个椭圆都具有主轴线，该主轴线是用于连接椭圆的两个顶点的直线。如上所述，顶点是轨迹上具有最大可能距离的那两个点。因此，各自轨迹具有相似主轴线的那些跟踪点在呼吸周期内会发生相似的移动。因此，例如仅仅对那些具有相似主轴线的轨迹求平均是有利的。在本文语境中，词语“相似”是指主轴线相互之间的夹角位于有限的范围内，例如位于1°、2°、3°、5°或10°之内。

在本实施例的变型或补充例中，多个跟踪点仅包括那些具有相似相位的跟踪点。轨迹的相位例如可由参考时间点和某时间点(在该时间点时经过了轨迹上的特定点，例如经过了轨迹的顶点之一)的时间差来定义。例如，如果参考时间点与某时间点的时间差小于0.1秒、0.2秒、0.3秒或0.5秒，则轨迹的相位是相似的。在备选方案中，如果参考时间点与某时间点的时间差低于呼吸周期时长的特定分数(例如呼吸周期时长的2％、5％或10％)，则认为轨迹的相位是相似的。

在一个实施例中，所述方法还包括以下步骤：在由热成像相机捕捉的实时热图像中为每个跟踪点定义选通区域，在实时热图像中找出跟踪点的位置，并且产生能表明全部或大多数跟踪点是否都位于其各自的选通区域内的选通信号。该实施例类似于为单个跟踪点定义单个选通区域的实施例。然而，在该实施例中，可以为多个跟踪点定义独立的选通区域。在一个实施例中，选通信号表明所有的跟踪点都位于(同一)实时热图像中的它们各自的选通区域内，这意味着在相同的时间点时跟踪点均位于轨迹上的指定位置上。在另一个实施例中，大多数跟踪点位于它们各自的选通区域内就足够了。跟踪点轨迹之间的潜在相位差可以通过适当地定义选通区域来补偿。这意味着选通区域不一定要处于相同的轨迹顶点上。

在该实施例中，“大多数”一词是指在所有跟踪点中占据的特定分数，例如占所有跟踪点的80％、90％、95％、98％或99％。

该实施例可以更稳健地产生选通信号。即便是由于实时热图像中的噪声而无法正确地确定少数跟踪点的位置，都不会影响生成正确的选通信号。

在一个实施例中，所述方法还包括以下步骤：确定每个跟踪点的轨迹的主轴线，将轨迹投影到各自的主轴线上，并且对投影的轨迹求平均以获得一维呼吸信号数据。该实施例类似于上述针对单个跟踪点确定轨迹的主轴线并且将单个跟踪点的轨迹或位置投影到主轴线上的实施例。然而，在本实施例中，对多个跟踪点的多个投影轨迹求平均，这样使得一维呼吸信号数据更可信。

在一个实施例中，所述方法还包括：将轨迹与如肿瘤移动模型所描述的肿瘤移动进行关联的步骤。

肿瘤通常不会位于患者体内的固定位置上，而是可移动的，例如由于患者的呼吸动作所引起。用于描述由于呼吸动作所引起的肿瘤移动的肿瘤移动模型是已知的。如果将跟踪点的轨迹与肿瘤移动模型所描述的肿瘤移动进行关联，则可以根据轨迹上的跟踪点位置来计算肿瘤的位置。由此，可以用呼吸信号数据来替代用于描述肿瘤在患者体内的移动情况的肿瘤移动信号。

在一个实施例中，将经成像的(部分)患者体表划分为两个或更多个区域，并且如上所述地确定出每个区域中的至少一个点的轨迹。这意味着在每个区域中存在至少一条轨迹。在一个实施例中，可以根据那些区域中的轨迹来针对每个区域计算出一个或多个平均轨迹，特别是对相同区域中的多个轨迹求平均。如果每个区域的体表上的点具有相同或相似的轨迹，而不同区域的体表上的点的轨迹彼此不同，那么这样做是非常有用的。

在一个实施例中，该方法还包括以下步骤：从由热成像相机捕捉的至少两个连续的实时热图像中确定跟踪点的方向，将所确定的方向与轨迹的对应位置处的跟踪点的方向进行比较，如果所述方向的差异高于预定阈值，则发出方向告警。预定阈值例如为5°、10°、20°、30°、45°或60°。在该实施例中，可以确定跟踪点相对于其轨迹的偏差，例如即使是跟踪点的位置位于廊道外部或轨迹周围的区域外部，亦是如此。

本发明的优点是，在确定呼吸信号数据之前不需要任何校准过程。此外，单个热成像相机，特别是单个二维热成像相机，就足以确定呼吸信号数据。另外，通过基于热成像相机帧速率的高频率来跟踪患者体表上的跟踪点，该高频率典型地处于30hz与60hz之间，或者更高。

本发明还涉及实现在非暂时性计算机可读介质上的计算机程序，当该计算机程序运行或加载到计算机上时，可促使计算机执行上述任何一种或多种数据处理方法。

本发明还涉及一种用于确定能表征患者的呼吸周期的呼吸信号数据的系统，该系统包括其中存储有或运行有上述程序的计算机。

本发明例如涉及申请人的产品其用于放射治疗中的患者设置和监测。本发明可用于计算用于选通治疗光束的选通信号，也可用于计算用于表征例如肿瘤的结构的移动情况的移动信号，该移动信号用于控制治疗光束的方向。本发明还可用于那些利用呼吸信号的任何其他应用，例如发明人的系统。

根据本发明的方法例如是一种数据处理方法。所述数据处理方法优选地使用例如计算机的技术手段来执行。所述数据处理方法优选地构造为由计算机执行或在计算机上执行。例如，可以由计算机来执行根据本发明的方法的全部步骤或仅某些步骤(即，少于总步骤数目)。为了处理数据，例如为了以电的方式和/或光的方式处理数据，该计算机例如还包括处理器和存储器。所描述的计算步骤例如通过计算机来执行。确定步骤或计算步骤例如是在该技术性的数据处理方法框架内(例如在程序框架内)对数据进行确定的步骤。计算机可以例如是任何种类的数据处理装置，例如电子数据处理装置。计算机可以是那些通常被认为是例如台式个人计算机PC、笔记本、上网本等的装置，但计算机也可以是任何可编程装置，例如移动电话或嵌入式处理器。计算机可例如包括“子计算机”系统(网络)，其中每个子计算机代表其本身的计算机。术语“计算机”包含云计算机，例如云服务器。术语“云计算机”包括云计算机系统，其例如包括具有至少一个云计算机的系统并且例如包括多个可操作式互连的云计算机(例如服务器场)的系统。这种云计算机优选地与诸如万维网(WWW)的广域网连接，并且位于连接于万维网的计算机的所谓“云”中。这种基础设施用于云计算，所述云计算描述了不要求终端用户获知计算机的物理位置和/或传送特定服务的计算机配置的那些计算、软件、数据访问和存储服务。例如，术语“云”用来比喻互联网(万维网)。例如，云提供作为服务(IaaS)的计算基础设施。云计算机可用作用于执行本发明方法的操作系统和/或数据处理应用程序的虚拟主机。云计算机例如是由Amazon Web Services^TM提供的弹性计算云(EC2)。为了接收或输出数据和/或执行模数转换，计算机例如还包括接口。该数据例如是可表示物理特性的数据和/或可从技术信号生成的数据。该技术信号例如通过(技术性)探测装置(例如，用于探测标记符的装置)和/或(技术性)分析装置(例如，用于执行成像方法的装置)产生，其中所述技术信号例如是电信号或光信号。所述技术信号例如可以表示由计算机接收或输出的数据。计算机优选地可操作式地连接到显示设备，该显示设备例如允许将计算机输出的信息显示给用户。显示设备的一个示例是增强现实设备(也称为实境眼镜)，其可用作导航用的“护目镜”。这种实境眼镜的具体实例是谷歌眼镜(谷歌公司旗下的品牌)。增强现实设备不仅用来通过用户交互向计算机输入信息，还用来显示计算机输出的信息。显示设备的另一个例子是标准的计算机监控器，其例如包括可操作式地连接与计算机的液晶显示器，该液晶显示器用于从被用于产生要在显示设备上显示的图像信息内容的计算机那里接收显示控制信号。这种计算机监视器的具体实施例是数字灯箱。监视器还可以是例如手持式的便携式设备，例如智能电话、个人数字助理或数字媒体播放器。

表述“获取数据”例如(在数据处理方法的框架内)包含数据是由数据处理方法或程序确定的情况。确定数据例如包括：测量物理量，以及将所测量的值转换成数据(例如是数字数据)，和/或通过计算机来计算该数据，并例如在根据本发明的方法框架内计算该数据。“获取数据”的含义还例如包含这样的情况，即通过数据处理方法或程序从例如另一程序、前一方法步骤或数据存储介质中接收或检索数据，例如用于通过数据处理方法或程序进行进一步处理。表述“获取数据”因此还可例如表示等待接收数据和/或正在接收数据。所接收的数据可例如经由接口来输入。表述“获取数据”还可指代数据处理方法或程序为了从数据源(主动)或经由接口(例如，从另一计算机或网络)接收或检索数据所执行的步骤，所述数据源例如为数据存储介质(例如，ROM、RAM、数据库、硬盘驱动器等)。数据可通过在获取步骤之前执行附加步骤的方式来实现“就绪”状态。根据附加步骤来生成数据，以用于获取。对数据进行特定的探测或捕捉(例如，通过分析装置)。作为备选或附加，数据是根据所述附加步骤例如通过接口来输入的。例如可输入所生成的数据(例如，输入到计算机中)。根据附加步骤(其在获取步骤之前进行)，数据也可以通过执行将数据存储于数据存储介质(例如，ROM、RAM、CD和/或硬盘驱动器)的附加步骤的方式来提供，从而使数据在根据本发明的方法或程序的框架内就绪。“获取数据”的步骤因此还可涉及操控装置以获得和/或提供待获取的数据。特别地，获取步骤不涉及侵入性步骤，侵入性步骤表示对身体进行实质上的生理干扰，其需要对身体采取专业医疗措施，并且即使采取了所需的专业医疗措施或护理，该身体还是会承受极大的健康风险。特别地，获取数据的步骤(例如是确定数据)不涉及外科手术步骤，并且尤其不涉及使用外科手术或外科疗法来治疗人体或动物体的步骤。为了区分本发明的方法所使用的不同数据，数据被标记为(即，简称为)“XY数据”等，并且根据其所描述的、称为“XY信息”等的信息进行定义，该数据由此还优选地称为“XY信息”等。

根据本发明的方法优选地至少部分由计算机来执行，例如可由计算来执行根据本发明的方法的全部步骤或仅某些步骤(即，少于总步骤数目)。

本发明还涉及一种程序，所述程序当运行在计算机上时使计算机执行本文所述的一个、多个或全部的方法步骤；和/或涉及一种存储有所述程序(特别是以非暂时性形式)的程序存储介质；和/或涉及一种包括了所述程序存储介质的计算机；和/或涉及一种携带了可表示所述程序(例如是上述程序)的信息的(物理性(例如电(例如以技术手段产生的))信号波，例如数字信号波，所述程序例如包括适于执行本文所述的任意或全部的方法步骤的代码装置。

在本发明的框架内，计算机程序单元可通过硬件和/或软件(这包括固件、驻留软件、微代码等)来实施。在本发明的框架内，计算机程序单元可采取通过计算机可用、例如是计算机可读的数据存储介质来实施的计算机程序产品的形式，例如可采取所述数据存储介质中包含的指令执行系统上采用的或与之结合使用的计算机可读的程序指令、“代码”或“计算机程序”的形式。这种系统可以是计算机；计算机可以是包括用于执行根据本发明的计算机程序单元和/或程序的装置的数据处理设备，例如包括执行计算机程序单元的数字处理器(中央处理单元或CPU)以及可选地包括用于存储执行计算机程序单元所使用的和/或产生的数据的易失性存储器(具体说是随机存取存储器或RAM)的数据处理设备。在本发明的框架内，计算机可用、例如是计算机可读的数据存储介质可以是任何数据存储介质，其可以包含、存储、传送、传播或传输那些指令执行系统、装置或设备上使用或与之结合使用的程序。计算机可用、例如是计算机可读的数据存储介质例如可以是，但不限于电子、磁、光、电磁、红外或半导体系统、仪器或设备，或者是诸如互联网的传播介质。计算机可用或计算机可读的数据存储介质甚至可以是例如可打印所述程序的纸或其他适当介质，因为程序可以通过电的方式而获取，例如通过光学扫描该纸或其他适当介质，然后再编译、解码或以适当方式另行处理。数据存储介质优选为非易失数据存储介质。本文所述的计算机程序产品以及任何软件和/或硬件形成用于执行本发明的示例性实施例中的功能的各种装置。计算机和/或数据处理设备可例如包括具有可输出引导信息的装置的引导信息设备。引导信息可例如通过视觉指示装置(如监视器和/或灯)可视地输出给用户，和/或通过听觉指示装置(如扬声器和/或数字语音输出装置)可听地输出给用户，和/或通过触觉指示装置(如振动元件或并入到仪器中的振动元件)可触摸地输出给用户。根据本发明的目的，计算机是技术上的计算机，其例如包括技术上的、有实体的部件，例如机械和/或电子部件。在本文中提及的任何设备都是技术上的并且有实体的设备。

治疗束对待通过治疗辐射来治疗的身体部位进行治疗，这种部位将在下文称为“治疗患体部位”。这些身体部位具体说是患者身体的部位，即解剖学上的身体部位。

本发明涉及医药领域，例如涉及使用束具体说幅射束(也称为治疗束)来治疗患者的身体部位。治疗束对待通过治疗辐射来治疗的身体部位进行治疗，这种部位将在下文称为“治疗患体部位”。治疗辐射是与待治疗的身体部位相互作用的辐射。这些身体部位具体说是患者身体的部位，即解剖学上的身体部位。电离辐射例如用作以治疗为目的的治疗辐射。例如，治疗束包括或由电离辐射构成。电离辐射包括或由粒子(例如，亚原子粒子或离子)或电磁波构成，所述粒子或电磁波的能量足以使电子从原子或分子中分离，由此对其进行电离。这种电离辐射的示例是X射线、高能粒子(高能粒子束)和/或从放射性元件发出的电离辐射。例如治疗束的治疗辐射例如用于放射治疗中，例如是在肿瘤学领域中的放射治疗中。特别是针对癌症的治疗，使用了电离辐射对带有诸如肿瘤的病理结构或组织的身体部位进行治疗。由此，肿瘤作为治疗患体部位的示例。

优选地，对治疗束进行控制，使其能穿过治疗患体部位。然而，治疗束会对治疗患体部位之外的身体部位造成负面影响。这些身体部位在本文称为“外部身体部位”。通常，为到达并由此穿过治疗患体部位，治疗束必须穿过外部身体部位。

针对背景技术A，可参考以下网页：http://www.elekta.com/healthcare_us_elekta_vmat.php及http://www.varian.com/us/oncology/treatments/treatment_techniques/rapidarc。

特别地，本发明不涉及或不特别地包括或包含侵入性步骤，侵入性步骤表示对身体进行实质上的生理干扰，其需要对身体采取专业医疗措施，并且即使采取了所需的专业医疗措施或护理，该身体还是会承受极大的健康风险。例如，本发明不包括安置医学植入体以将该医学植入体固定到解剖结构中的步骤，也不包括将医学植入体固定到解剖结构中的步骤，以及不包括使解剖结构就绪以备医学植入体固定其中的步骤。更特别的是，本发明不涉及也不特别地包括或包含任何手术或治疗活动。相反，本发明被指导为适于相对于医学植入体来固定位于患者体外的工具。仅仅由于这个原因，运用本发明就不需要或不隐含任何手术或治疗活动，尤其是不需要或不隐含手术或治疗步骤。

附图说明

在下文中，通过参考附图对本发明进行了描述，其中附图代表本发明的优选实施例。然而，本发明的范围并非限制于附图中公开的具体特征，附图示出了：

附图1根据本发明的系统示意图；

附图2一系列训练热图像；

附图3a一系列训练热图像中的跟踪点的位置的叠加图像；

附图3b从图3a所示的位置中确定出的轨迹；

附图4确定跟踪点的轨迹的流程图；

附图5显示出选通区域的图像；

附图6选通治疗束的流程图；

附图7包含有轨迹周围的廊道的图像；

附图8输出移动告警信号的流程图；

附图9显示出轨迹的主轴线的图像；

附图10显示出轨迹在主轴线上随时间变化的投影的曲线图；以及

附图11包括两个区域和多个轨迹的图像。

具体实施方式

图1示出用于确定呼吸信号数据的系统1，所述呼吸信号数据表征患者P的呼吸周期。系统1包括：连接到热成像相机3的计算机2，输入设备10和输出设备11。

热成像相机3包括热成像成像单元4。成像单元4包括透镜系统5和传感器6。透镜系统5将入射热辐射引导到传感器6上，其中传感器6产生二维热图像，所述二维热图像优选地代表8μm-14μm的波长。透镜系统5具有与能够捕捉可见光谱中的图像的照相机的光轴相似的特性轴。图1中以虚线示出了特性轴。

根据患者体表上的点的空间位置以及透镜系统5的特性，将从患者身体上的点发射出的热辐射引导到传感器6的一个或多个像素上。

在本实施例中，传感器6是传感器单元的二维阵列，其中所述传感器单元将入射热辐射转换成与患者体表上的相应点的温度相对应的电压。温度典型地根据入射红外辐射的光谱中的波长最大值来推导。

热成像相机3布置在固定的空间位置中，例如在手术室里。患者P例如躺在手术台上。

计算机2包括中央处理单元7、存储器单元8和接口9。存储器单元8存储程序数据或工作数据，例如从热成像相机3获取的图像数据。计算机通过接口9连接到输入设备10、输出设备11和热成像相机3。

计算机2从热成像相机3获取图像数据，该图像数据表征由传感器6捕捉的一系列二维训练热图像。计算机2确定出二维训练热图像中的显示出了从患者体表上的相同点(即，跟踪点)发射的热辐射的像素。该像素例如通过描述符的方式来确定，所述描述符描述了跟踪点及其周围区域的热标签，由此该描述符就是这个点的特性。

图2显示了来自一系列N个训练热图像的训练热图像T1、T2、T3...TN。在训练热图像T1-TN的每个图像里，用小圆点来显示跟踪点TP所成像的位置。通过已知的算法来识别和定位训练热图像中跟踪点TP的位置。通过热成像相机3来捕捉患者P的完整呼吸周期中的一系列训练热图像T。

图3a显示出将这一系列训练热图像中的跟踪点TP的位置叠加起来的图像。这些位置形成位置集合。图3b将轨迹T与图3a的位置集合一起显示出来，所述轨迹T是该位置集合的最佳拟合曲线。轨迹T不仅是能表征训练热图像中的跟踪点位置的曲线，而且还具有时间分量，该时间分量表征跟踪点位于某特定位置的时刻。由箭头指示出在患者P的呼吸周期内遍历轨迹T时的方向。

图4是用于确定呼吸信号数据的过程的流程图。步骤S01涉及通过计算机2从热成像相机3中查询图像数据。图像数据包括患者的至少一部分体表随时间变化的一系列训练热图像，例如图2中的那一系列训练热图像T1-TN。图像数据存储在存储器8中。

步骤S02涉及在这一系列训练热图像中识别出要跟踪的患者体表上的点，这意味着对跟踪点进行识别。换句话说，找出合适的点，尤其是那些例如由于自身的热标签而能够在这一系列训练热图像中被可靠跟踪到的点。

步骤S03涉及确定跟踪点的元数据。元数据描述了跟踪点的属性，所述跟踪点的属性可用于在一系列训练热图像中寻找跟踪点。元数据例如可以是跟踪点的温度、跟踪点的热标签、包括跟踪点在内的跟踪点周围区域的热标记，或跟踪点的描述符。

步骤S04涉及在这一系列训练热图像中跟踪跟踪点。这意味着，例如通过使用跟踪点的元数据，而在每个训练热图像中确定出跟踪点的位置。图2显示出了这一系列训练热图像T1-TN中的跟踪点的位置。

步骤S05涉及从这一系列训练热图像中的跟踪点位置中找出跟踪点的轨迹。该步骤例如包括将曲线拟合到训练热图像中的跟踪点的位置集合上。为图3a所示的跟踪点的位置集合找出如图3b所示的轨迹T。轨迹描述了在患者P的呼吸周期内训练热图像中的跟踪点的移动，也就是能表征患者呼吸周期的呼吸信号数据。在输出设备11上显示这一系列训练热图像或轨迹中的跟踪点位置。

步骤S02至S05特别地通过计算机2的中央处理单元7来执行。

图5显示了轨迹T和选通区域GR的图像，在本实施例中选通区域GR是包括了一部分轨迹T(其包括了轨迹T的下顶点)的矩形区域。

图6显示了用于产生选通信号的过程的流程图，该选通信号可用于打开和关闭治疗束。该过程执行于图4所示的流程图的步骤S05之后。

在步骤S11中，定义选通区域，例如图5中的选通区域GR。通常，选通区域包括轨迹的一部分。例如可以由用户使用输入设备10来输入选通区域。

在步骤S12中，通过热成像相机3获取实时热图像。获取实时热图像的时间点发生在捕捉一系列训练热图像的最后一幅图像的时间点之后。

在步骤S13中，在实时热图像中确定跟踪点的位置。步骤S13例如使用在步骤S03中确定的跟踪点的元数据。

在步骤S14中，确定实时热图像中的跟踪点的位置是否位于选通区域(例如图5的选通区域GR)内。如果跟踪点的位置位于选通区域之外(即，步骤S14中的“否”)，则在步骤S15中生产指示将要关闭治疗束的选通信号，并且流程返回到步骤S12。如果确定跟踪点的位置位于选通区域内(即，步骤S14中的“是”)，则在步骤S16中生成指示将要接通治疗束的选通信号，并且流程进行到步骤S12。

在图6所示的过程中，连续地确定跟踪点的位置是否位于选通区域内，这意味着患者呼吸动作的当前状态正处于呼吸周期的特定部分。然后，相应地生成选通信号，从而使得治疗束仅在呼吸周期的某个阶段内接通。

图7显示了轨迹T以及轨迹T周围的廊道C的图像，其中廊道C由虚线表示。廊道C是图像中围绕轨迹T的二维区域。

图8示出了用于输出移动告警的过程的流程图，该过程执行在步骤05之后。

在步骤S21中，定义轨迹周围的廊道，例如如图7所示的轨迹T周围的廊道C。

在步骤S22中，如步骤S12那样地获取实时热图像，并且在步骤S23中，如步骤S13那样地在实时热图像中确定跟踪点的位置，由此不再赘述这些步骤的重复细节。

在步骤S24中，判断在步骤S23中确定的跟踪点位置是否位于廊道(例如图7所示的廊道C)内。如果跟踪点位置不在廊道内(即，步骤S24的“否”)，则在步骤S25中输出移动告警。如果跟踪点位置位于廊道内(即，步骤S24的“是”)，则过程返回到步骤S22。

围绕轨迹限定的廊道定义了跟踪点位置偏离于轨迹(该轨迹可能是最佳拟合曲线)而不被认为异常的裕度(margin)。如果跟踪点位置的偏离超出由廊道限定的裕度，则认为跟踪点的位置是异常的，这可能例如由患者的移动引起的，而不是由呼吸动作引起的。

图9示出了其中绘制出轨迹T的主轴线MA的图像。主轴线MA是连接轨迹T上具有最远距离的两个点的直线。由于示例性轨迹T是椭圆形，因此主轴线是椭圆形的长对称轴。

如上所述，从随时间变化的跟踪点位置中确定轨迹T。图10显示出随时间变化的跟踪点位置在主轴线MA上的正交投影。图10还示出一条连续曲线，这条曲线是针对随时间变化的跟踪点位置在主轴线MA上的投影的最佳拟合曲线。该曲线是正弦曲线，并且表征在训练热图像中跟踪点移动的主要分量。为了监测患者P的呼吸活动，确定实时热图像中的跟踪点位置并将其投影到主轴线MA上，从而实时地绘制出随时间变化的实际呼吸活动。

图11示出了其中定义了两个区域或者区域R1和R2的图像。在区域R1中，描绘了跟踪点TP1a、TP1b和TP1c(图中未显示)的轨迹T1a、T1b和T1c。在区域R2中，示出了跟踪点TP2a、TP2b和TP2c的轨迹T2a、T2b和T2c。如从图11看出的那样，轨迹T1a、T1b和T1c具有非常相似或甚至相同的形状，并且相对于彼此仅发生偏移，这是因为跟踪点TP1a、TP1b和TP1c在患者P的体表上相对于彼此偏离。类似地，轨迹T2a、T2b和T2c的形状相似或者甚至相同，但是这些轨迹相对于彼此发生偏移，因为跟踪点TP2a、TP2b和TP2c在患者P的体表上相对于彼此偏离。

还可以看出，区域R1中的轨迹与区域R2中的轨迹不同。其原因可能是由于呼吸活动而使得患者体表的不同区域会进行不同的移动。例如区域R1例如代表胸部，而区域R2则代表腹部。

分别位于区域R1和R2内的跟踪点的移动相似性可用于更稳健地确定呼吸信号数据。在一个实施例中，对每个区域内的轨迹求平均，并将这些轨迹分配给各自区域内的所有跟踪点。在另一实施例中，将选通区域或廊道分配给区域内的每个轨迹，并且针对区域内的每条轨迹来产生告警信号(例如移动告警信号、速度告警信号)或选通信号。因此，例如，区域内的每个跟踪点或预定分数的跟踪点必须位于实时热图像中的相应选通区域内，以便生成用于指示即将接通治疗束的选通信号。在另一个例子中，区域内的每个跟踪点或预定分数的跟踪点必须位于相应的廊道内，以便确定不输出移动告警信号。

在另一个例子中，确定区域内的每个轨迹的主轴线并对其求平均，并且将跟踪点的位置投影到平均主轴线上，以便获得随时间变化的一维呼吸信号。

在图2、3a、3b、5、7、9和11中，关于图像的坐标系给出跟踪点位置或轨迹。该坐标系对应于传感器6。热图像中的跟踪点的位置是通过将跟踪点在空间中的位置投影到传感器6的成像面上来进行定义的，所述传感器6的成像面取决于热成像摄像机3的属性，特别是取决于透镜系统5的特性。由于认为热成像相机3是空间固定的，因此认为图2、3a、3b、5、7、9和11中所示的图像的坐标系统是一致的。