[发明专利]面向放疗的人体胸腹表面运动预测方法

说明书

本发明面向放疗的人体胸腹表面运动预测方法涉及精密测量、肿瘤医学、统计数学等技术领域；该方法包括以下步骤：首先采集胸腹表面呼吸运动数据，再分别利用高通滤波器和低通滤波器滤除人体自身除呼吸运动外的其他运动和胸腹表面呼吸运动数据采集过程中的噪声，然后获取特征数据作为训练集，并根据特征数据预测下一组特征数据，最后根据给定的时间，预测胸腹表面呼吸运动数据；本发明面向放疗的人体胸腹表面运动预测方法采用对特征量和发生时间分别进行预测的方式，并结合特征量和发生时间与未知量发生时间的关系，来实现对未知量的预测，这样能够充分利用特征量的有序性和惯性，实现对未知量的更准确预测，有利于提高消化系统恶性肿瘤的放疗效果。

技术领域

本发明面向放疗的人体胸腹表面运动预测方法涉及精密测量、肿瘤医学、统计数学等技术领域。

背景技术

放射治疗(后文简称为放疗)是治疗癌症最主要的手段之一。大约70％的癌症患者在治疗癌症的过程中会用到放疗，约有40％的癌症可以通过放疗治愈。放射治疗效果与放射线照射到肿瘤区域的精度和剂量有关。消化系统恶性肿瘤位于胸腔腹腔内，受呼吸运动影响，肿瘤的位置和体积都会随时间而改变，造成放射线照射精度降低，从而影响放疗效果。

为了解决呼吸运动降低放疗效果的问题，很多学者开展了靶区扩边、屏气、呼吸门控、被动加压、四维放疗和实时跟踪等技术或方法的研究工作。这些工作有效降低了呼吸运动对放疗效果的影响。然而，由于这些工作都是在呼吸运动发生后开展的滞后补偿工作，因此无法从根本上克服呼吸运动降低放疗效果的问题。

如果更够开展超前补偿方法，就有希望能够从根本上克服呼吸运动降低放疗效果的问题。要想实现对呼吸运动超前补偿，首先需要对呼吸运动进行预测。目前，呼吸运动方法可以分为以下两大类：第一、模型预测方法，这种方法通过监测前期呼吸运动数据，建立呼吸运动模型，再基于模型来推测未来的呼吸运动；第二、无模型预测方法，这种方法通过对呼吸运动数据进行训练，形成启发式的学习算法，通过学习来预测未来的呼吸运动。

虽然呼吸运动不断重复吸气和呼气动作，但是呼吸运动却并不是以吸气和呼气为一个周期进行简单重复，在每次呼吸过程中，受自身以及外界的影响，运动规律都会发生变化。模型预测方法无法照顾到这种变化，因此预测精度会受到制约，所以，更多学者开始在无模型预测方法中进行尝试。

发明内容

为了实现对呼吸运动进行准确预测，同时为了照顾到呼吸运动规律的变化，本发明提出了一种面向放疗的人体胸腹表面运动预测方法，该方法的最大特点是并不是利用先验知识对未知量进行直接预测；而是采用对特征量和发生时间分别进行预测的方式，并结合特征量和发生时间与未知量发生时间的关系，来实现对未知量的预测，该方法能够充分利用特征量的有序性和惯性，实现对未知量的更准确预测。

本发明的目的是这样实现的：

面向放疗的人体胸腹表面运动预测方法，包括以下步骤：

步骤a、利用fasttrack，采集胸腹表面呼吸运动数据f_low-high(x)；

步骤b、利用高通滤波器，滤除步骤a得到的胸腹表面呼吸运动数据f_low-high(x)中的低频成分，去除放疗过程中人体自身除呼吸运动外的其他运动，得到胸腹表面呼吸运动数据f_high(x)；

步骤c、利用低通滤波器，滤除步骤b得到的胸腹表面呼吸运动数据f_high(x)中的高频成分，去除胸腹表面呼吸运动数据采集过程中的噪声，得到胸腹表面呼吸运动数据f(x)；

步骤d、从步骤c得到的胸腹表面呼吸运动数据f(x)中获取特征数据，作为训练集，包括以下步骤：

步骤d1、采集胸腹表面呼吸运动数据的极大值，这些极大值为：f_max(i),i＝1,2,3,…,n；