專(zhuān)利名稱(chēng)：基于預(yù)測(cè)的圖像引導(dǎo)跟蹤方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種圖像引導(dǎo)跟蹤的方法，尤其是涉及一種呼吸預(yù)測(cè)的圖像引 導(dǎo)跟蹤的方法。
背景技術(shù)：
立體定向放射治療主要分為60Co立體定向放療和電子直線(xiàn)加速器立體定 向放療兩大類(lèi)。隨著科學(xué)技術(shù)的進(jìn)步，精確放射治療技術(shù)的實(shí)施，大大提高了 腫瘤治療的準(zhǔn)確性和療效，是整個(gè)放療領(lǐng)域的發(fā)展方向。放射治療中，腫瘤組
織隨時(shí)間動(dòng)態(tài)地變化，如胸腹部器官腫瘤的放療很大程度受呼吸運(yùn)動(dòng)影響， 由此產(chǎn)生的不確定性問(wèn)題成為當(dāng)前放射治療面對(duì)的主要問(wèn)題。傳統(tǒng)的基于適形 調(diào)強(qiáng)技術(shù)的放療模式通常采用等中心位移控制、呼吸訓(xùn)練、呼吸門(mén)控放射等技 術(shù)來(lái)應(yīng)對(duì)上述問(wèn)題。
(1) 等中心位移控制技術(shù)如西門(mén)子公司的Primaton系統(tǒng)，它利用前若干 次擺位時(shí)檢測(cè)到的運(yùn)動(dòng)和擺位的系統(tǒng)誤差對(duì)腫瘤中心的位置進(jìn)行修正，該方法 作為一種近似治療手段對(duì)正常組織傷害較大。
(2) 呼吸訓(xùn)練方法中，會(huì)迫使患者承受一定的呼吸約束，因而無(wú)法保證治療 的穩(wěn)定性。
(3) 呼吸門(mén)控放射技術(shù)中，只利用呼吸周期的局部時(shí)段治療，效率很低， 并且無(wú)法估計(jì)腫瘤運(yùn)動(dòng)的準(zhǔn)確時(shí)相。
目前采用的適形調(diào)強(qiáng)放療技術(shù)治療靜止的腫瘤基本可以達(dá)到治療目的，而 對(duì)于肺部、腹部等部位的動(dòng)態(tài)腫瘤的治療很難獲得良好效果，主要問(wèn)題是采用 傳統(tǒng)的門(mén)控和呼吸訓(xùn)練方法治療時(shí)不易掌握門(mén)控的時(shí)機(jī)，且門(mén)控的局部治療時(shí) 段窄，很影響治療效率。
專(zhuān)利號(hào)為US 20060074292，名稱(chēng)為"Dynamic tracking of moving targets"的 美國(guó)專(zhuān)利，介紹了一種動(dòng)態(tài)腫瘤跟蹤放療的方法，該方法，在治療前利用采集 的三維CT(3D-CT)序列圖像和腫瘤的數(shù)字重建X射線(xiàn)圖像(腫瘤形態(tài)〉分析并 記錄腫瘤在呼吸周期中的位置；治療中進(jìn)行腫瘤形態(tài)圖像與實(shí)時(shí)X射線(xiàn)圖像的 配準(zhǔn)、利用四維數(shù)學(xué)模型描述腫瘤解剖學(xué)區(qū)域的運(yùn)動(dòng)與形變，從而完成腫瘤目 標(biāo)的跟蹤與實(shí)時(shí)定位。呼吸周期任意時(shí)刻的耙區(qū)劑量控制由連接參考結(jié)構(gòu)與解 剖學(xué)區(qū)域的四維數(shù)學(xué)模型決定。
該專(zhuān)利內(nèi)容所包含的四維數(shù)學(xué)模型的形變跟蹤需要一定的計(jì)算負(fù)荷，缺少 對(duì)治療延時(shí)的計(jì)算方案，由于沒(méi)有考慮延時(shí)問(wèn)題，在實(shí)時(shí)跟蹤放療中，將產(chǎn)生較大的跟蹤誤差，影響放射治療的效果。

發(fā)明內(nèi)容
針對(duì)現(xiàn)有技術(shù)的上述缺陷，本發(fā)明提供一種基于預(yù)測(cè)的圖像引導(dǎo)跟蹤方法， 通過(guò)分析計(jì)算目標(biāo)的動(dòng)態(tài)特性，以及通過(guò)計(jì)算實(shí)時(shí)圖像與預(yù)測(cè)動(dòng)態(tài)區(qū)間的運(yùn)動(dòng) 矢量場(chǎng)，據(jù)此估計(jì)出延時(shí)的腫瘤形態(tài)，實(shí)現(xiàn)腫瘤運(yùn)動(dòng)的實(shí)時(shí)跟蹤，提高基于預(yù) 測(cè)的圖像引導(dǎo)跟蹤的效率及其跟蹤的精確性。
為了解決以上技術(shù)問(wèn)題，本發(fā)明包括以下步驟
(1) 輸入腫瘤解剖結(jié)構(gòu)的圖像序列/^)、呼吸狀態(tài)特征集及^);
(2) 建立狀態(tài)關(guān)聯(lián)數(shù)據(jù)庫(kù)，包括腫瘤解剖結(jié)構(gòu)的圖像序列/("、腫瘤形 態(tài)圖像序列"(W、呼吸狀態(tài)特征集/ ("，令r為標(biāo)準(zhǔn)周期長(zhǎng)度，上述 四種狀態(tài)數(shù)據(jù)按照同一時(shí)相順序"^^，.A建立關(guān)聯(lián)；
(3) 獲取治療中^ = ~時(shí)刻動(dòng)態(tài)腫瘤的實(shí)時(shí)圖像/(/,.)和呼吸狀態(tài)特征及")；
(4) 通過(guò)預(yù)測(cè)模型，預(yù)測(cè)延時(shí)"后的呼吸狀態(tài)特征/ ".+A^;并在腫瘤形 態(tài)圖像序列中"("，確定i ". + AO對(duì)應(yīng)的腫瘤形態(tài)變化區(qū)間的圖像序 歹!j— a) ~ + a) ， ~ e {1",.，《};
(5) 將實(shí)時(shí)圖像/".)與腫瘤形態(tài)變化區(qū)間的圖像序列，在感興趣區(qū)內(nèi)逐個(gè) 進(jìn)行配準(zhǔn)；
(6) 從配準(zhǔn)結(jié)果中選擇一幅最佳腫瘤形態(tài)圖像D(、+m), me[^-"，^+"]， 代表^+A/時(shí)刻的腫瘤形態(tài)；
(7 )輸出描述+ A 時(shí)刻腫瘤解剖結(jié)構(gòu)的圖像/(~ + w)。
本發(fā)明步驟(2)中建立關(guān)聯(lián)數(shù)據(jù)庫(kù)的具體步驟為
(a) 在患者腫瘤附近體表設(shè)置若干標(biāo)記物；
(b) —個(gè)標(biāo)準(zhǔn)呼吸周期下獲取一個(gè)呼吸周期中時(shí)刻H..l,包含體表標(biāo) 記物和腫瘤解剖結(jié)構(gòu)的圖像序列/(";
(C)同步獲取該周期下對(duì)應(yīng)時(shí)刻的呼吸狀態(tài)特征集及Ot)， * = &，&2，...~;
(d) 依據(jù)該呼吸周期的腫瘤解剖結(jié)構(gòu)圖像序列iW， 通過(guò)目 標(biāo)的投影衰減模型分別計(jì)算各時(shí)刻對(duì)應(yīng)的腫瘤形態(tài)圖像序列Z)(";
(e) 按照時(shí)相對(duì)應(yīng)關(guān)系，順序建立該呼吸周期的腫瘤解剖結(jié)構(gòu)圖像序列 /(W、腫瘤形態(tài)圖像序列"("、呼吸狀態(tài)特征集i ("的關(guān)聯(lián)數(shù)據(jù)庫(kù)， 在后續(xù)應(yīng)用中由的數(shù)值進(jìn)行關(guān)聯(lián)狀態(tài)的檢索。
本發(fā)明步驟(3)中獲取治療中腫瘤的實(shí)時(shí)圖像，具體步驟為(a) 利用兩套成像系統(tǒng)建立空間光路相交叉的投影成像方式，每套成像系 統(tǒng)由源和探測(cè)板構(gòu)成；
(b) 上述光路交叉區(qū)域覆蓋了體表標(biāo)記物、腫瘤運(yùn)動(dòng)區(qū)、設(shè)備等中心點(diǎn)；
(ch,.時(shí)刻，ze{l,...,W，可通過(guò)兩套系統(tǒng)采集的腫瘤投影圖像y;(o和/w,.)計(jì)
算出腫瘤三維實(shí)時(shí)圖像/(0。
本發(fā)明步驟(3)中還包括對(duì)呼吸狀態(tài)特征集及(0,/￡{1，...，^},進(jìn)行狀態(tài)的判別， 具體步驟為-
(a) 獲取治療中,=/,.時(shí)刻動(dòng)態(tài)腫瘤的實(shí)時(shí)圖像/(0和呼吸狀態(tài)特征及(0
(b) 將呼吸狀態(tài)特征/ ".)輸入狀態(tài)判別模型；
(c) 依據(jù)了呼吸時(shí)變信號(hào)的速率和方向、或一階導(dǎo)數(shù)過(guò)零點(diǎn)、或時(shí)變信號(hào) 的半周期和周期的范圍，判斷"寸刻的呼吸狀態(tài)，
若呼吸狀態(tài)正常，則執(zhí)行步驟(d);
否則，進(jìn)入下一時(shí)刻,^,.+1，并執(zhí)行步驟(a);
(d) 進(jìn)行標(biāo)記物特征匹配和呼吸狀態(tài)預(yù)測(cè)
本發(fā)明步驟(4)中預(yù)測(cè)延時(shí)A,后的呼吸狀態(tài)特征，確定腫瘤形態(tài)變化區(qū)間的 圖像序列，具體步驟為
(a) 將z,.時(shí)刻的呼吸狀態(tài)特征/ (g輸入呼吸預(yù)測(cè)模型，預(yù)測(cè)延時(shí)&后的呼 吸狀態(tài)特征邵,.+A《)；
(b) 通過(guò)^"+")檢索參考數(shù)據(jù)庫(kù)中對(duì)應(yīng)的腫瘤形態(tài)圖像Z)(、)， ^{1,.."， '并選擇適當(dāng)?shù)钠x度"，從而生成^ + Af時(shí)刻的腫瘤形態(tài)變化區(qū)間的圖
像序列- a) "(、+ or);
本發(fā)明步驟(6)中從配準(zhǔn)結(jié)果中選擇一幅最佳腫瘤形態(tài)圖像，具體步驟為
(a) 采用基于圖像特征的方法建立配準(zhǔn)算法模型，并將感興趣區(qū)內(nèi)腫瘤容
積圖像y'")與腫瘤形態(tài)變化區(qū)間的圖像序列-") 中的
各個(gè)圖像D'(、+m)，附=卞...,4 ，逐個(gè)配準(zhǔn)；
(b) 依據(jù)計(jì)算出的若干配準(zhǔn)結(jié)果，分別得到運(yùn)動(dòng)矢量場(chǎng)r(f,，m)， ！s{l,...,iV};
(C)構(gòu)造能量代價(jià)函數(shù)//(.),該函數(shù)的輸入為^時(shí)刻和Z,.時(shí)刻腫瘤目標(biāo)的 運(yùn)動(dòng)矢量場(chǎng)r(仏，,m)和， ze {l,...，iV}，在運(yùn)動(dòng)平滑性和連續(xù)性約 束條件下，該函數(shù)的輸出為動(dòng)態(tài)區(qū)間中運(yùn)動(dòng)連續(xù)性的平均測(cè)度 運(yùn)m，附e {—""."+"}。
(d)從配準(zhǔn)圖像中選擇最大測(cè)度值l對(duì)應(yīng)的腫瘤形態(tài) 像Z)(、+m')^'e{-",...,}，作為最佳腫瘤形態(tài)圖像。
所述腫瘤解剖結(jié)構(gòu)的圖像序列/(W可以是臨床獲取的多種模態(tài)的醫(yī)學(xué)圖像
數(shù)據(jù)，包括CT、 MRI、 PET等；關(guān)于腫瘤形態(tài)圖像，主要指從數(shù)學(xué)上模擬CT 的成像幾何原理，依據(jù)投影衰減模型計(jì)算出腫瘤的數(shù)字重建X射線(xiàn)圖像；進(jìn)一 步，在三維重建算法下獲取腫瘤形態(tài)圖像序列0(*),(^: = ^..0。
所述呼吸狀態(tài)特征的獲取手段包括
(a) 通過(guò)測(cè)量體表標(biāo)記物相對(duì)靜態(tài)參照物的位移信號(hào)變化，提取呼吸狀態(tài) 特征；
(b) 呼吸條件下，通過(guò)呼吸測(cè)量設(shè)備獲取呼吸信號(hào)，提取呼吸狀態(tài)特征；
本發(fā)明采用的技術(shù)方案包括(1)在正確判別呼吸狀態(tài)的基礎(chǔ)上，進(jìn)行腫 瘤的解剖學(xué)形態(tài)和空間位置的精確估計(jì)和實(shí)時(shí)跟蹤，真正達(dá)到動(dòng)態(tài)適形、實(shí)時(shí) 調(diào)強(qiáng)的治療效果；(2)用狀態(tài)空間取代傳統(tǒng)時(shí)間變量空間，從而使得治療過(guò)程 中的呼吸運(yùn)動(dòng)無(wú)需符合特定的規(guī)律和時(shí)相約束；(3)采用非線(xiàn)性呼吸運(yùn)動(dòng)跟蹤
模型處理局部運(yùn)動(dòng)和動(dòng)態(tài)范圍變化。由于采用了該技術(shù)方案，產(chǎn)生了如下技術(shù)
效果
第一，能夠處理任意部位和類(lèi)型特征的腫瘤
本發(fā)明可以解決任意呼吸狀態(tài)下、任意形狀的腫瘤定位和形態(tài)跟蹤問(wèn)題。 能夠連續(xù)、自動(dòng)、全周期地精確治療受呼吸運(yùn)動(dòng)影響大的肺部/腹部的腫瘤，也 包括治療人體任何普通部位靜止的腫瘤。
第二，腫瘤局部控制率更高、跟蹤定位更準(zhǔn)
原因在于(1)利用呼吸信號(hào)進(jìn)行狀態(tài)判別和預(yù)測(cè)，比起單純利用實(shí)時(shí)圖 像與腫瘤形態(tài)/ 3D-CT序列進(jìn)行腫瘤的運(yùn)動(dòng)的配準(zhǔn)/跟蹤來(lái)說(shuō)，能夠極大地減少 計(jì)算負(fù)荷、從而減少計(jì)算延時(shí)、進(jìn)而降低跟蹤誤差；(2)非線(xiàn)性呼吸運(yùn)動(dòng)跟蹤 模型不同于傳統(tǒng)線(xiàn)性估計(jì)模型，能夠估計(jì)和計(jì)算局部發(fā)生的更多運(yùn)動(dòng)細(xì)節(jié)，因 此可減少估計(jì)結(jié)果和實(shí)際結(jié)果間的偏差。(3)不加任何呼吸約束條件下，呼吸 狀態(tài)當(dāng)然可能表現(xiàn)出非常復(fù)雜和預(yù)測(cè)不準(zhǔn)的情況，本發(fā)明提出的狀態(tài)判別模型 和狀態(tài)控制策略能夠給治療系統(tǒng)提供實(shí)時(shí)反饋，以避免較大誤差出現(xiàn)。(4)呼 吸運(yùn)動(dòng)下，腫瘤的所有形狀和解剖學(xué)結(jié)構(gòu)信息被事先存儲(chǔ)起來(lái)，治療中，腫瘤 的任何變化形式可以從先前存儲(chǔ)的數(shù)據(jù)中快速檢索到。因此，真正達(dá)到了實(shí)時(shí) 的動(dòng)態(tài)適形效果。本發(fā)明的速度優(yōu)勢(shì)體現(xiàn)在在呼吸預(yù)測(cè)的基礎(chǔ)上，"由n時(shí)刻的腫瘤位置/ 形態(tài)，估計(jì)n+l時(shí)刻腫瘤位置/形態(tài)"實(shí)際上完成了一種僅針對(duì)序列中局部動(dòng)態(tài) 區(qū)間的匹配，因而比美國(guó)專(zhuān)利中采用實(shí)時(shí)X圖像與腫瘤形態(tài)全序列匹配更加簡(jiǎn) 捷和高效。


圖l是本發(fā)明的流程框圖
圖2是本發(fā)明的治療前的信號(hào)與圖像采集
圖3是本發(fā)明的目標(biāo)與參照物關(guān)系示意圖
圖4是本發(fā)明的放射治療系統(tǒng)的立體結(jié)構(gòu)示意圖5是本發(fā)明的放射治療系統(tǒng)的側(cè)向結(jié)構(gòu)示意圖6是呼吸信號(hào)與解剖形態(tài)之間的關(guān)系示意圖7是包含體表標(biāo)記物和腫瘤的肺部橫斷面圖像；
圖8是圖7中體表標(biāo)記物與腫瘤的運(yùn)動(dòng)波形；
圖9是呼吸運(yùn)動(dòng)預(yù)測(cè)示意圖
圖IO是呼吸運(yùn)動(dòng)狀態(tài)判別示意圖
圖中30.多葉準(zhǔn)直器的機(jī)械部分，31.第一套成像系統(tǒng)的X射線(xiàn)球管，32. 直線(xiàn)加速器發(fā)射的治療射束，33.用于呼吸信號(hào)采集和處理的體表標(biāo)記系統(tǒng)跟蹤 記錄儀，34.治療床，35.治療床的傳動(dòng)系統(tǒng)，36.第二套成像系統(tǒng)的平板探測(cè)器， 37.第一套成像系統(tǒng)的平板探測(cè)器，38.第二套成像系統(tǒng)的X射線(xiàn)球管，39.直 線(xiàn)加速器，40.體表標(biāo)記物，41.治療的等中心點(diǎn)，42.患者，44.腫瘤，50.參照 物骨骼，110-160.分別為呼吸過(guò)程中六個(gè)不同狀態(tài)的圖像編號(hào)，401.第一個(gè)體 表標(biāo)記物，402.第二個(gè)體表標(biāo)記物，403.第三個(gè)體表標(biāo)記物。
具體實(shí)施例方式
下面結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步說(shuō)明。
如圖4、圖5所示，放射治療系統(tǒng)中，多葉準(zhǔn)直器的機(jī)械部分30與直線(xiàn) 加速器39相連接，多葉準(zhǔn)直器的機(jī)械部分30下方設(shè)有治療床的傳動(dòng)系統(tǒng)35 支撐的治療床34，治療床34上載有患者42，治療床的傳動(dòng)系統(tǒng)35接收控制指 令后，可以帶動(dòng)治療床34進(jìn)行多維運(yùn)動(dòng)，治療時(shí)，患者42體內(nèi)的腫瘤位于治 療的等中心點(diǎn)上41，患者的腫瘤附近分布有體表標(biāo)記物40，用于呼吸信號(hào)采集 和處理的體表標(biāo)記系統(tǒng)跟蹤記錄儀33位于治療床旁，通過(guò)探測(cè)裝置與患者42 相連接，第一套成像系統(tǒng)的X射線(xiàn)球管31和第二套成像系統(tǒng)的X射線(xiàn)球管38 位于多葉準(zhǔn)直器的機(jī)械部分30的兩側(cè)，分別與治療床34下方的第一套成像系統(tǒng)的平板探測(cè)器37和第二套成像系統(tǒng)的平板探測(cè)器36相對(duì)應(yīng)，球管發(fā)出的X 射線(xiàn)穿過(guò)患者體內(nèi)的腫瘤和體表標(biāo)記物，被相對(duì)應(yīng)的平板探測(cè)器接收，通過(guò)球 管和平板探測(cè)器組成的成像系統(tǒng)獲取實(shí)時(shí)X射線(xiàn)圖像中的腫瘤44位置形態(tài)，直 線(xiàn)加速器39發(fā)出的射束32經(jīng)過(guò)多葉準(zhǔn)直器的機(jī)械部分30，穿過(guò)治療的等中心 點(diǎn)上41。
實(shí)施基于預(yù)測(cè)的圖像引導(dǎo)跟蹤的步驟如下
1. 如圖1中的10:治療前，在患者腫瘤附近體表放置若干標(biāo)記物，該標(biāo)記物
為X射線(xiàn)不透明的密度較高的材料，其作用 一是通過(guò)體表標(biāo)記跟蹤系統(tǒng)記
錄呼吸信號(hào)，并轉(zhuǎn)換成呼吸特征數(shù)據(jù)的時(shí)間序列；二是通過(guò)獲取包含脊柱、 標(biāo)記物等參照物的解剖結(jié)構(gòu)圖像-CT容積圖像、腫瘤形態(tài)圖像-腫瘤形態(tài)圖 像、呼吸信號(hào)、標(biāo)記物特征集，構(gòu)造狀態(tài)關(guān)聯(lián)數(shù)據(jù)庫(kù)；三是通過(guò)實(shí)時(shí)成像系 統(tǒng)記錄治療過(guò)程中的參照物、腫瘤的相對(duì)空間變化情況，以判斷腫瘤運(yùn)動(dòng)和 呼吸的相關(guān)性程度。
2. 輸入腫瘤解剖結(jié)構(gòu)的圖像序列/("、呼吸狀態(tài)特征集/ ("; 如圖1中的11所示解剖結(jié)構(gòu)的圖像序列/(W;
治療前， 一個(gè)標(biāo)準(zhǔn)呼吸周期下獲取一個(gè)呼吸周期中時(shí)刻^，^，...^包含體表 參照物和腫瘤解剖結(jié)構(gòu)的圖像序列/("。該數(shù)據(jù)作用有二 一是用于生成腫 瘤形態(tài)圖像序列-腫瘤形態(tài)圖像序列，二是治療計(jì)劃系統(tǒng)用其進(jìn)行定位和劑 量計(jì)算的參考。
如圖1中的14所示相同周斯的呼吸信號(hào)、呼吸狀態(tài)特征集i (^; 在該呼吸周期中，同步獲取相同周期下對(duì)應(yīng)時(shí)刻的呼吸信號(hào)，提取呼吸狀態(tài) 特征集i ("， * = &,^,...~，呼吸狀態(tài)特征集用來(lái)進(jìn)行呼吸狀態(tài)的判別、依靠 狀態(tài)關(guān)聯(lián)庫(kù)進(jìn)行腫瘤形態(tài)檢索、呼吸預(yù)測(cè)和動(dòng)態(tài)區(qū)間估計(jì)；呼吸狀態(tài)特征 i W的獲取手段包括
(a) 通過(guò)測(cè)量體表標(biāo)記物相對(duì)靜態(tài)參照物的位移信號(hào)變化，提取呼吸狀態(tài) 特征；
(b) 呼吸條件下，通過(guò)呼吸測(cè)量設(shè)備獲取呼吸信號(hào)，提取呼吸狀態(tài)特征；
3. 建立狀態(tài)關(guān)聯(lián)數(shù)據(jù)庫(kù)
如圖1中的12所示腫瘤形態(tài)圖像序列"("；
依據(jù)該呼吸周期的腫瘤解剖結(jié)構(gòu)圖像序列/("， "H.A，通過(guò)目
標(biāo)的投影衰減模型分別計(jì)算各時(shí)刻對(duì)應(yīng)的腫瘤形態(tài)圖像序列"(W ;該 計(jì)算過(guò)程利用了現(xiàn)有成熟的投影、衰減、重建模型。腫瘤形態(tài)圖像與 X射線(xiàn)實(shí)時(shí)圖像有著一致的投影衰減性質(zhì)和點(diǎn)擴(kuò)散原理，因此可用來(lái)200810068548.4
與實(shí)時(shí)x射線(xiàn)圖像進(jìn)行治療過(guò)程中的匹配、配準(zhǔn)、狀態(tài)判別、運(yùn)動(dòng)估
計(jì)等一系列計(jì)算操作；
如圖3所示，依據(jù)衰減模型、腫瘤目標(biāo)分割和增強(qiáng)算法，對(duì)腫瘤形態(tài) 圖像進(jìn)行處理得到的包含體表標(biāo)記物、體內(nèi)靜態(tài)參照物-脊柱、腫瘤 的圖像，令X、 Y、 Z分別代表側(cè)向、前后向、和頭腳向，則對(duì)應(yīng)三個(gè) 時(shí)刻。心=/)、。心=附)、。(_/ =")，子圖a,b，c為三維空間關(guān)系示意圖； 子圖a'， 6'， c'為沿Y軸投影得到的平面關(guān)系示意。針對(duì)呼吸周期的 3D-CT圖像序列的獲取主要依據(jù)呼吸信號(hào)的相位關(guān)系分析產(chǎn)生。
如圖1中的15所示建立及(W和/("、"("狀態(tài)關(guān)聯(lián)數(shù)據(jù)庫(kù)；
順序建立該呼吸周期的腫瘤解剖結(jié)構(gòu)圖像序列/(;t)、腫瘤形態(tài)圖像序
列"("、呼吸狀態(tài)特征集i (it)，并按照相同的時(shí)間相位順序組成序列， 形成關(guān)聯(lián)數(shù)據(jù)庫(kù)，序列中相鄰數(shù)據(jù)形態(tài)具有呼吸變化的連續(xù)性和平滑 性特點(diǎn)，在后續(xù)應(yīng)用中由呼吸狀態(tài)特征集的數(shù)值進(jìn)行關(guān)聯(lián)狀態(tài)的 檢索。
如圖2所示，首先，在治療前利用高排數(shù)CT掃描儀獲取患者一個(gè)呼 吸周期中各個(gè)狀態(tài)區(qū)間的3D"CT圖像序列，并同步記錄該呼吸周期下體表標(biāo) 記物的呼吸運(yùn)動(dòng)波形信號(hào)、建立標(biāo)記物特征集、呼吸特征集；其次，依據(jù)投 影衰減模型和重建模型，將對(duì)應(yīng)CT圖像轉(zhuǎn)換成相應(yīng)的腫瘤形態(tài)圖像序列， 構(gòu)造呼吸/腫瘤形態(tài)的狀態(tài)關(guān)聯(lián)數(shù)據(jù)庫(kù)。該數(shù)據(jù)庫(kù)所反映的器官、腫瘤形態(tài) 圖像與解剖結(jié)構(gòu)圖像，是一一對(duì)應(yīng)的、不隨治療環(huán)境和治療間隔的改變而變 化；而標(biāo)記物特征集S(Q、呼吸狀態(tài)特征集i ("與以上參考圖像數(shù)據(jù)的對(duì)應(yīng) 關(guān)系會(huì)隨著治療環(huán)境和治療間隔發(fā)生局部改變，原因在于腫瘤的動(dòng)因有兩 種 一是呼吸，二是體內(nèi)器官之間壓力變化。
4. 如圖1中的16所示獲取實(shí)時(shí)圖像/( = 0;實(shí)時(shí)呼吸狀態(tài)特征i^^,.) 獲取治療中腫瘤的實(shí)時(shí)圖像/("的步驟為
(a) 利用兩套成像系統(tǒng)建立空間光路相交叉的投影成像方式，每套成像系 統(tǒng)由X射線(xiàn)球管31、 38和平板探測(cè)器36、 37組成；
(b) 球管發(fā)出X射線(xiàn)的交叉區(qū)域覆蓋了體表標(biāo)記物、腫瘤運(yùn)動(dòng)區(qū)、設(shè)備等 中心點(diǎn)；
(c) ^時(shí)刻，可通過(guò)兩套系統(tǒng)采集的腫瘤投影圖像/;(o和/A)
計(jì)算出腫瘤三維實(shí)時(shí)圖像/(,,)。
5. 如圖1中的17所示判別呼吸狀態(tài)是否正常，具體步驟為
11(a)將呼吸狀態(tài)特征i (O輸入狀態(tài)判別模型；
正常呼吸狀態(tài)模式下，可以用特征集/ (~)，_/ = 1,...，7\記錄了一個(gè)自然呼吸
周期的各個(gè)采樣點(diǎn)對(duì)應(yīng)的特征矢量；如果采樣點(diǎn)數(shù)為r，特征矢量長(zhǎng)度
為M,則特征集描述了一個(gè)對(duì)象的rxM大小的呼吸狀態(tài)矩陣。矩陣每 一列為呼吸特征矢量，它的組成定義如下:對(duì)應(yīng)正常和非正常狀態(tài)；[狀態(tài)方向^/]: [EX， E0E， IN];[變 化幅度r]:參照物之間的距離；[變化速度V]:距離的變化方向與速率； [一階導(dǎo)數(shù)過(guò)零點(diǎn)]:反應(yīng)時(shí)變信號(hào)的半周期和周期的范圍。
(b)依據(jù)了呼吸時(shí)變信號(hào)的速率和方向、或一階導(dǎo)數(shù)過(guò)零點(diǎn)、或時(shí)變信號(hào)的半 周期和周期的范圍，判斷,,時(shí)刻的呼吸狀態(tài)，
若呼吸狀態(tài)正常，則執(zhí)行步驟(6);
否則，進(jìn)入下一時(shí)刻/ = ~+1，并執(zhí)行步驟(4)，采集下一時(shí)刻的動(dòng)態(tài)腫瘤的 實(shí)時(shí)圖像和呼吸狀態(tài)特征
治療中f,.時(shí)刻，如果滿(mǎn)足呼吸狀態(tài)正常條件，腫瘤狀態(tài)單純受呼吸運(yùn) 動(dòng)影響，腫瘤和其附近體表標(biāo)記物的運(yùn)動(dòng)完全同步、并存在特定的相位 差；腫瘤運(yùn)動(dòng)軌跡相對(duì)于體表標(biāo)記物運(yùn)動(dòng)軌跡具有一定的相關(guān)性。如果 在非正常呼吸狀態(tài)，如發(fā)生咳嗽、哮喘、和情緒波動(dòng)等，會(huì)引起患者 體內(nèi)的腫瘤形態(tài)的氣質(zhì)性變化，所述的相關(guān)性會(huì)變差。通過(guò)判別呼吸狀 態(tài)，可以提高預(yù)測(cè)的精度。
如圖6所示，上圖中，不均勻呼吸條件下，腫瘤附近體表標(biāo)記物在 若干連續(xù)周期中隨呼吸運(yùn)動(dòng)的波形；中圖，對(duì)應(yīng)于若干呼吸時(shí)刻，相同 掃描參數(shù)下同步獲得的肺部弧狀面CT圖像；下圖，對(duì)應(yīng)每幅CT圖像的 感興趣區(qū)的腫瘤位置和形態(tài)。110 160分別為呼吸過(guò)程中六個(gè)不同的狀 態(tài)；上、中、下圖中分別描述了不同時(shí)刻狀態(tài)下，對(duì)應(yīng)的標(biāo)記物、CT圖 像解剖結(jié)構(gòu)、感興趣區(qū)腫瘤目標(biāo)的形態(tài)。
如圖7、圖8所示，利用實(shí)時(shí)X射線(xiàn)圖像中反應(yīng)呼吸運(yùn)動(dòng)的體表動(dòng) 態(tài)標(biāo)記物401、 402、 403、腫瘤位置形態(tài)、參照物骨骼-脊柱的空間關(guān)系， 通過(guò)測(cè)量得到的X射線(xiàn)不透明標(biāo)記物的運(yùn)動(dòng)波形；443為腫瘤44在呼氣 末端的位置；442為腫瘤44在吸氣末端的位置；441指腫瘤隨呼吸運(yùn)動(dòng) 的波形。
如圖IO所示，利用有限狀態(tài)模型判別呼吸狀態(tài)并控制跟蹤的過(guò)程， 呼吸的狀態(tài)變化被分為四種模式，即呼氣、呼氣末、吸氣、不規(guī)則狀 態(tài)，其中&、 A。e、 &、 ^分別為呼氣EX、呼氣末E0E、吸氣IN、不規(guī)則狀態(tài)IRR的轉(zhuǎn)移條件；各模式可以用呼吸特征集描述。狀態(tài)判別時(shí)， 本發(fā)明提出了判別模型，該模型按照狀態(tài)轉(zhuǎn)移條件進(jìn)行控制，狀態(tài)轉(zhuǎn)移 條件依據(jù)了呼吸特征的參數(shù)分布范圍。狀態(tài)判別貫穿了呼吸預(yù)測(cè)和腫瘤 跟蹤的整個(gè)過(guò)程，當(dāng)測(cè)量到的呼吸特征屬于某一確定狀態(tài)的模式時(shí)，狀 態(tài)模型的轉(zhuǎn)移條件起作用，完成從一個(gè)狀態(tài)向該狀態(tài)的跳變。當(dāng)不滿(mǎn)足 跳變條件的情況下，則繼續(xù)進(jìn)行當(dāng)前狀態(tài)下的跟蹤和預(yù)測(cè)。
呼吸狀態(tài)的判別時(shí)需測(cè)量個(gè)體對(duì)象在正常呼吸條件下的狀態(tài)特征的 參數(shù)分布范圍，實(shí)際測(cè)量和計(jì)算過(guò)程中，可以用上述特征矢量構(gòu)成的特征 集描述整個(gè)呼吸過(guò)程。依據(jù)體表標(biāo)記物，呼吸預(yù)測(cè)模型可以實(shí)時(shí)跟蹤腫瘤 的位置和形狀。
6.如圖1中的21、 22所示通過(guò)預(yù)測(cè)模型，估計(jì)下一時(shí)刻的呼吸狀態(tài)特征； 確定腫瘤形態(tài)變化區(qū)間的圖像序列，具體步驟為
(a) 將z,.時(shí)刻的呼吸狀態(tài)特征/ ")輸入呼吸預(yù)測(cè)模型，預(yù)測(cè)延時(shí)"后的呼 吸狀態(tài)特征i^,+A0;用于估計(jì)腫瘤形態(tài)的搜索區(qū)域。
(b) 通過(guò)/ "+AO檢索參考數(shù)據(jù)庫(kù)中對(duì)應(yīng)的腫瘤形態(tài)圖像"(、)，7e仏...77， 并選擇適當(dāng)?shù)钠x度"，從而生成f,.+Az時(shí)刻的腫瘤形態(tài)變化區(qū)間的圖 像序列"(、-a) D(、 + a);
其中，腫瘤形態(tài)圖像序列"^),7 = 1，...，7\中包含了一個(gè)呼吸周期的所有腫瘤 狀態(tài)，在實(shí)時(shí)治療時(shí)，只關(guān)心預(yù)測(cè)出的腫瘤動(dòng)態(tài)區(qū)間"(、 確定動(dòng)態(tài)區(qū)間中心的腫瘤圖像"(、)時(shí)利用子塊21中產(chǎn)生的預(yù)測(cè)結(jié)果在狀 態(tài)關(guān)聯(lián)數(shù)據(jù)庫(kù)中檢索得到。區(qū)間的產(chǎn)生是在腫瘤形態(tài)序列的、.處，左右各增 加同等長(zhǎng)度的觀察范圍"。
如圖9所示，呼吸預(yù)測(cè)時(shí)采用非線(xiàn)性模型可以達(dá)到比傳統(tǒng)線(xiàn)性模型更加準(zhǔn)確的 跟蹤效果。非線(xiàn)性運(yùn)動(dòng)估計(jì)算法采用了最大后驗(yàn)概率準(zhǔn)則
尸(jir/y卜尸(;o尸(y/義)，其中x代表實(shí)時(shí)呼吸特征、y代表標(biāo)準(zhǔn)呼吸特征。概
率建模過(guò)程中的局部約束規(guī)則為定義先驗(yàn)約束條件尸(;n為實(shí)際呼吸過(guò)程 相鄰時(shí)刻的連續(xù)性或相似性；定義似然約束條件p(y/;o為當(dāng)前呼吸過(guò)程與
觀測(cè)的標(biāo)準(zhǔn)呼吸過(guò)程的狀態(tài)特征相關(guān)性。呼吸運(yùn)動(dòng)預(yù)測(cè)是在每一個(gè)呼吸狀態(tài) 下按照采樣的順序連續(xù)進(jìn)行的。最大化上述兩項(xiàng)局部概率的乘積，可以使得 估計(jì)的結(jié)果向平滑性、實(shí)際與測(cè)量的相似性逼近。在此基礎(chǔ)上，如果將逐段 估計(jì)結(jié)果有效地連接起來(lái)(是指將相鄰采樣點(diǎn)處估計(jì)的結(jié)果用直線(xiàn)或曲線(xiàn)連 接起來(lái)，或稱(chēng)線(xiàn)段或曲線(xiàn)擬合)，便可以連續(xù)完整地描述出呼吸運(yùn)動(dòng)軌跡。 呼吸運(yùn)動(dòng)預(yù)測(cè)的結(jié)果按時(shí)間均勻分布在擬合后的軌跡中。腫瘤跟蹤過(guò)程中，呼吸預(yù)測(cè)和狀態(tài)判別過(guò)程交替工作的控制策略如下
(a) 從吸氣末端一點(diǎn)開(kāi)始跟蹤，起始點(diǎn)《作為初始種子點(diǎn)注冊(cè)下來(lái)，有限狀
態(tài)模型記錄當(dāng)前狀態(tài)類(lèi)別為ex。
(b) 定義概率跟蹤的候選集"}^為標(biāo)準(zhǔn)呼吸信號(hào)周期中的某一段數(shù)據(jù)分布 集，分布集的起點(diǎn)與實(shí)際呼吸信號(hào)的當(dāng)前特征點(diǎn)有相同的幅值，分布集 的終點(diǎn)為與實(shí)際呼吸信號(hào)有相同狀態(tài)方向d的一階導(dǎo)數(shù)過(guò)零點(diǎn)處。
(c) 依據(jù)當(dāng)前點(diǎn)《的特征參數(shù)和概率候選集"}^ ，用概率模型預(yù)測(cè)下一點(diǎn)的
值為、如果^仍屬于樣本集W"，則繼續(xù)進(jìn)行當(dāng)前狀態(tài)下的概率跟蹤。
(d) 當(dāng)估計(jì)至lj"l時(shí)亥ij，如果出現(xiàn)、^W議且^"n^，則跳轉(zhuǎn)到相應(yīng)狀態(tài)
^0e，并且后續(xù)概率候選集使用"L。E;鑒于狀態(tài)變化的規(guī)則，如果 《+1 e{y}w，則跳轉(zhuǎn)到irr。
(e) 控制過(guò)程的狀態(tài)跳變邏輯條件定義為& e e; L ^《+1 e ;
以此類(lèi)推，利用上述策略可以完成呼吸跟蹤的過(guò)程控制。
7. 如圖1中的23所示實(shí)時(shí)圖像/(。與腫瘤形態(tài)變化區(qū)間的圖像序列，在感 興趣區(qū)內(nèi)逐個(gè)進(jìn)行配準(zhǔn)；首先采用基于圖像特征的方法建立配準(zhǔn)算法模型， 并將感興趣區(qū)內(nèi)腫瘤容積圖像/'("與腫瘤形態(tài)變化區(qū)間的圖像序列 Z)(、 -QT) Z)(、 +QT)中的各個(gè)圖像D'(、 ， 逐個(gè)配準(zhǔn)，然后，
依據(jù)計(jì)算出的若干配準(zhǔn)結(jié)果，分別得到運(yùn)動(dòng)矢量場(chǎng)r(仏M)。
8. 如圖1中的24所示從配準(zhǔn)結(jié)果中選擇一幅最佳腫瘤形態(tài)圖像 Z)(、+m)，附e[、-ca,+"]，代表,,.+/^時(shí)刻的腫瘤形態(tài)；首先，構(gòu)造能量代
價(jià)函數(shù)HO ,該函數(shù)的輸入為^時(shí)刻和《.時(shí)刻腫瘤目標(biāo)的運(yùn)動(dòng)矢量場(chǎng)
n^,附)和r".，附)，z"l,…,W，在運(yùn)動(dòng)平滑性和連續(xù)性約束條件下，該函數(shù)
的輸出為動(dòng)態(tài)區(qū)間中運(yùn)動(dòng)連續(xù)性的平均測(cè)度l，we {-",...,+"}，然后，從配準(zhǔn) 圖像中選擇最大測(cè)度值l對(duì)應(yīng)的腫瘤形態(tài)圖像"(、+m,，;n'e {-",...,+"}，作
為最佳腫瘤形態(tài)圖像。
9. 輸出描述。+ a,時(shí)刻腫瘤解剖結(jié)構(gòu)的圖像+附')；
如圖1中的25所示依據(jù)關(guān)聯(lián)數(shù)據(jù)庫(kù)中腫瘤形態(tài)圖像所對(duì)應(yīng)的解剖結(jié)構(gòu)圖 像，計(jì)算所需的放射劑量分布；由D(、+m')對(duì)應(yīng)的呼吸狀態(tài)特征檢索出對(duì)應(yīng)的腫瘤解剖結(jié)構(gòu)圖像，,+m')，以此實(shí)施劑量分布的計(jì)算。
10.如圖1中的26所示射束傳輸；照射方位和劑量的選擇依據(jù)放射治療中劑 量學(xué)或放射醫(yī)學(xué)中關(guān)于人體組織受量的標(biāo)準(zhǔn)計(jì)算方法進(jìn)行分析和規(guī)劃,計(jì)劃 結(jié)果通過(guò)控制系統(tǒng)執(zhí)行射束傳輸。
權(quán)利要求
1.一種基于預(yù)測(cè)的圖像引導(dǎo)跟蹤方法，其特征在于，包括以下內(nèi)容和步驟(1)輸入腫瘤解剖結(jié)構(gòu)的圖像序列I(k)、呼吸狀態(tài)特征集R(k)；(2)建立狀態(tài)關(guān)聯(lián)數(shù)據(jù)庫(kù)，包括腫瘤解剖結(jié)構(gòu)的圖像序列I(k)、腫瘤形態(tài)圖像序列D(k)、呼吸狀態(tài)特征集R(k)，令T為標(biāo)準(zhǔn)周期長(zhǎng)度，上述四種狀態(tài)數(shù)據(jù)按照同一時(shí)相順序k＝k1，k2，...kT建立關(guān)聯(lián)；(3)獲取治療中t＝ti時(shí)刻動(dòng)態(tài)腫瘤的實(shí)時(shí)圖像f(ti)和呼吸狀態(tài)特征R(ti)；(4)通過(guò)預(yù)測(cè)模型，預(yù)測(cè)延時(shí)Δt后的呼吸狀態(tài)特征R(ti+Δt)；并在腫瘤形態(tài)圖像序列中D(k)，確定R(ti+Δt)對(duì)應(yīng)的腫瘤形態(tài)變化區(qū)間的圖像序列D(kj-α)～D(kj+α)，kj∈{1，...，K}；(5)將實(shí)時(shí)圖像f(ti)與腫瘤形態(tài)變化區(qū)間的圖像序列，在感興趣區(qū)內(nèi)逐個(gè)進(jìn)行配準(zhǔn)；(6)從配準(zhǔn)結(jié)果中選擇一幅最佳腫瘤形態(tài)圖像D(kj+m)，m∈[kj-α，kj+α]，代表ti+Δt時(shí)刻的腫瘤形態(tài)；(7)輸出描述ti+Δt時(shí)刻腫瘤解剖結(jié)構(gòu)的圖像I(kj+m)。
2. 如權(quán)利要求1所述的基于預(yù)測(cè)的圖像引導(dǎo)跟蹤方法，其特征在于，所述步驟(2) 中建立關(guān)聯(lián)數(shù)據(jù)庫(kù)的具體步驟為(a) 在患者腫瘤附近體表設(shè)置若干標(biāo)記物；(b) —個(gè)標(biāo)準(zhǔn)呼吸周期下獲取一個(gè)呼吸周期中時(shí)刻^，*2,...^包含體表標(biāo)記物 和腫瘤解剖結(jié)構(gòu)的圖像序列/(";(c) 同步獲取該周期下對(duì)應(yīng)時(shí)刻的呼吸狀態(tài)特征集i ("， * = &,^,...~;(d) 依據(jù)該呼吸周期的腫瘤解剖結(jié)構(gòu)圖像序列/("， * = &，*2，...~，通過(guò)目標(biāo)的 投影衰減模型分別計(jì)算各時(shí)刻對(duì)應(yīng)的腫瘤形態(tài)圖像序列"(W ;(e) 按照時(shí)相對(duì)應(yīng)關(guān)系，順序建立該呼吸周期的腫瘤解剖結(jié)構(gòu)圖像序列/("、 腫瘤形態(tài)圖像序列"0t)、呼吸狀態(tài)特征集/ ("的關(guān)聯(lián)數(shù)據(jù)庫(kù)，在后續(xù)應(yīng)用 中由i ()t)的數(shù)值進(jìn)行關(guān)聯(lián)狀態(tài)的檢索。
3. 如權(quán)利要求1所述的基于預(yù)測(cè)的圖像引導(dǎo)跟蹤方法，其特征在于，所述步驟(3) 中獲取治療中腫瘤的實(shí)時(shí)圖像，具體步驟為(a)利用兩套成像系統(tǒng)建立空間光路相交叉的投影成像方式，每套成像系統(tǒng)由 源和探測(cè)板構(gòu)成；(b) 上述光路交叉區(qū)域覆蓋了體表標(biāo)記物、腫瘤運(yùn)動(dòng)區(qū)、設(shè)備等中心點(diǎn)；(c) t時(shí)刻，/e{i,...，iv}，可通過(guò)兩套系統(tǒng)采集的腫瘤投影圖像/;("和/2(o計(jì)算出腫瘤三維實(shí)時(shí)圖像/("。
4. 如權(quán)利要求l所述的基于預(yù)測(cè)的圖像引導(dǎo)跟蹤方法，其特征在于，所述步 驟(3)中還包括對(duì)呼吸狀態(tài)特征集及(g,z'e仏...，W，進(jìn)行狀態(tài)的判別，具體步驟為(a) 獲取治療中 z,.時(shí)刻動(dòng)態(tài)腫瘤的實(shí)時(shí)圖像/(0和呼吸狀態(tài)特征/ ("(b) 將呼吸狀態(tài)特征刑O(píng)輸入狀態(tài)判別模型；(c) 依據(jù)了呼吸時(shí)變信號(hào)的速率和方向、或一階導(dǎo)數(shù)過(guò)零點(diǎn)、或時(shí)變信號(hào)的半 周期和周期的范圍，判斷^時(shí)刻的呼吸狀態(tài)，若呼吸狀態(tài)正常，則執(zhí)行步驟(d);否則，進(jìn)入下一時(shí)刻^Q，并執(zhí)行步驟(a);(d) 輸出正常的呼吸狀態(tài)特征及(g。
5. 如權(quán)利要求1所述的基于預(yù)測(cè)的圖像引導(dǎo)跟蹤方法，其特征在于，所述步驟(4)中預(yù)測(cè)延時(shí)后的呼吸狀態(tài)特征，確定腫瘤形態(tài)變化區(qū)間的圖像序列， 具體步驟為(a) 將^時(shí)刻的呼吸狀態(tài)特征i (0輸入呼吸預(yù)測(cè)模型，預(yù)測(cè)延時(shí)Af后的呼吸狀 態(tài)特征雄+ A0;(b) 通過(guò)及(《.+A,)檢索參考數(shù)據(jù)庫(kù)中對(duì)應(yīng)的腫瘤形態(tài)圖像D(、)， )e{l,...r}，并 選擇適當(dāng)?shù)钠x度"，從而生成Z,.+A/時(shí)刻的腫瘤形態(tài)變化區(qū)間的圖像序 歹!jZ)(、 一 cr) D(、 +")。
6. 如權(quán)利要求1所述的基于預(yù)測(cè)的圖像引導(dǎo)跟蹤方法，其特征在于，所述步驟(6)中從配準(zhǔn)結(jié)果中選擇一幅最佳腫瘤形態(tài)圖像，具體步驟為(a) 采用基于圖像特征的方法建立配準(zhǔn)算法模型，并將感興趣區(qū)內(nèi)腫瘤容積圖像/'(0與腫瘤形態(tài)變化區(qū)間的圖像序列D(、+")中的各個(gè)圖像 D'(、+m)， m=" "."+a，逐個(gè)配準(zhǔn)；(b) 依據(jù)計(jì)算出的若干配準(zhǔn)結(jié)果，分別得到運(yùn)動(dòng)矢量場(chǎng)r"，附)，kU};(C)構(gòu)造能量代價(jià)函數(shù)//(.)，該函數(shù)的輸入為^時(shí)刻和^時(shí)刻腫瘤目標(biāo)的運(yùn)動(dòng) 矢量場(chǎng)r(^,m)和r'".,附)，/ e {1，...， W ，在運(yùn)動(dòng)平滑性和連續(xù)性約束條件下， 該函數(shù)的輸出為動(dòng)態(tài)區(qū)間中運(yùn)動(dòng)連續(xù)性的平均測(cè)度1 ,/ e {-",...,+"};(d)從配準(zhǔn)圖像中選擇最大測(cè)度值l對(duì)應(yīng)的腫瘤形態(tài)圖像"(、+m〕，m'e{-"，...,+"}，作為最佳腫瘤形態(tài)圖像。
7. 如權(quán)利要求1或權(quán)利要求2所述的基于預(yù)測(cè)的圖像引導(dǎo)跟蹤方法，其特征 在于，所述腫瘤解剖結(jié)構(gòu)的圖像序列/(W可以是臨床獲取的多種模態(tài)的醫(yī) 學(xué)圖像數(shù)據(jù)，包括CT、 MRI、 PET等；關(guān)于腫瘤形態(tài)圖像，主要指從數(shù)學(xué) 上模擬CT的成像幾何原理，依據(jù)投影衰減模型計(jì)算出腫瘤的數(shù)字重建X射 線(xiàn)圖像；進(jìn)一步，在三維重建算法下獲取腫瘤形態(tài)圖像序列<formula>formula see original document page 4</formula>
8. 如權(quán)利要求1所述的基于預(yù)測(cè)的圖像引導(dǎo)跟蹤方法，其特征在于，所述呼 吸狀態(tài)特征i (O的獲取手段包括(a) 通過(guò)測(cè)量體表標(biāo)記物相對(duì)靜態(tài)參照物的位移信號(hào)變化，提取呼吸狀態(tài)特征；(b) 呼吸條件下，通過(guò)呼吸測(cè)量設(shè)備獲取呼吸信號(hào)，提取呼吸狀態(tài)特征。
全文摘要
本發(fā)明公開(kāi)了一種基于預(yù)測(cè)的圖像引導(dǎo)跟蹤方法，包括以下步驟(1)輸入腫瘤解剖結(jié)構(gòu)的圖像序列、呼吸狀態(tài)特征集；(2)建立狀態(tài)關(guān)聯(lián)數(shù)據(jù)庫(kù)；(3)獲取實(shí)時(shí)圖像和呼吸狀態(tài)特征；(4)預(yù)測(cè)延時(shí)后的呼吸狀態(tài)特征；并確定對(duì)應(yīng)的腫瘤形態(tài)變化區(qū)間的圖像序列；(5)將實(shí)時(shí)圖像與腫瘤形態(tài)變化區(qū)間的圖像序列，在感興趣區(qū)內(nèi)逐個(gè)進(jìn)行配準(zhǔn)；(6)從配準(zhǔn)結(jié)果中選擇一幅最佳腫瘤形態(tài)圖像；(7)輸出腫瘤解剖結(jié)構(gòu)的圖像。本發(fā)明通過(guò)呼吸狀態(tài)量化與分析，建立呼吸和腫瘤運(yùn)動(dòng)的相關(guān)性，據(jù)此進(jìn)行呼吸的預(yù)測(cè)與運(yùn)動(dòng)跟蹤，提高動(dòng)態(tài)腫瘤實(shí)時(shí)跟蹤的效率及其跟蹤的精確性。
文檔編號(hào)A61N5/00GK101628154SQ200810068548
公開(kāi)日2010年1月20日 申請(qǐng)日期2008年7月16日 優(yōu)先權(quán)日2008年7月16日
發(fā)明者周壽軍 申請(qǐng)人:深圳市海博科技有限公司