[发明专利]面向放疗的人体胸腹表面运动预测方法

摘要

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。

主权项

1.面向放疗的人体胸腹表面运动预测方法，其特征在于，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；步骤d2、确定步骤d1所述极大值发生的时间，这些极大值发生时间为：t_max(i),i＝1,2,3,…,n；步骤d3、采集胸腹表面呼吸运动数据的极小值，这些极小值为：f_min(i),i＝1,2,3,…,n；步骤d4、确定步骤d3所述极小值发生的时间，这些极小值发生时间为： t_min(i),i＝1,2,3,…,n；步骤e、根据步骤d得到的特征数据，预测下一组特征数据，包括以下步骤：步骤e1、预测下一个极大值f_max(n+1)，包括以下步骤：步骤e11、构造分辨率为n×n的矩阵K，在矩阵K中，第i行第j列元素k(i,j)为：步骤e12、按照如下公式，计算f_max(n+1)f_max(n+1)＝K(n,:)K^‑1(f_max')其中，K(n,:)表示矩阵K的第n行，K^‑1表示矩阵K的逆矩阵，f_max'表示胸腹表面呼吸运动数据的极大值f_max的转置；步骤e2、预测下一个极大值发生时间，包括以下步骤：步骤e21、按照如下公式，计算IN₁步骤e22、按照如下公式，计算IN₂步骤e23、按照如下公式，计算T_max步骤e24、按照如下公式，计算INT_max步骤e25、按照如下公式，计算下一个极大值发生时间t_max(n+1)步骤e3、预测下一个极小值f_min(n+1)，包括以下步骤：步骤e31、构造分辨率为n×n的矩阵K，在矩阵K中，第i行第j列元素k(i,j)为：步骤e32、按照如下公式，计算f_min(n+1)f_min(n+1)＝K(n,:)K^‑1(f_min')其中，K(n,:)表示矩阵K的第n行，K^‑1表示矩阵K的逆矩阵，f_min'表示胸腹表面呼吸运动数据的极小值f_min的转置；步骤e4、预测下一个极大值发生时间，包括以下步骤：步骤e41、按照如下公式，计算IN₁步骤e42、按照如下公式，计算IN₂步骤e24、按照如下公式，计算T步骤e24、按照如下公式，计算INT_min步骤e25、按照如下公式，计算下一个极大值发生时间t_min(n+1)步骤f、根据给定的时间t，预测胸腹表面呼吸运动数据f(t)，包括以下步骤：步骤f1、判断时间t位于最后一个从极小值向极大值变化的区间，还是位于最后一个从极大值向极小值变化的区间；如果，时间t位于最后一个从极小值向极大值变化的区间，计算每一个从极小值向极大值变化的区间内，对应时间下的对应幅值比例；如果，时间t位于最后一个从极大值向极小值变化的区间，计算每一个从极大值向极小值变化的区间内，对应时间下的对应幅值比例；步骤f2、将计算得到的对应幅值比例做平均；步骤f3、根据步骤f2得到的比例平均值，计算得到胸腹表面呼吸运动数据f(t)。