基于體外信號的呼吸運動跟蹤模型的研究.pdf

1、放射治療是治療腫瘤最重要的手段之一，其根本目的在于使腫瘤靶區(qū)接受盡可能大劑量的照射，同時周圍正常組織接受的劑量盡可能小或者免受照射。隨著技術(shù)的發(fā)展，各種精確放療技術(shù)相繼出現(xiàn)并在臨床得到廣泛的應用，放療患者的生存率和生活質(zhì)量得到穩(wěn)步提升。
　　 目前，在放療過程中，仍然存在著諸多的不確定性，如患者分次間的擺位誤差，腫瘤的體積和位置隨著治療的進行發(fā)生變化，以及在治療中患者存在著各種非自主運動，尤其是呼吸運動，會導致胸腹部靶區(qū)發(fā)生較大

2、的位移。呼吸運動對放療的影響貫穿著整個治療過程，包括影響計劃圖像的采集、影響放療計劃的設計和計劃的精確執(zhí)行等。目前常規(guī)的用于處理放療中呼吸運動的方法包括:運動包含法、壓迫式淺呼吸法、屏氣法和呼吸門控法等，但這些方法均存在不足，不能很好的解決呼吸運動的帶來的問題。實時跟蹤法是目前處理呼吸運動的最佳方法，通過跟蹤設備實時獲取患者的靶區(qū)位置信息，然后再將這些信息反饋給射束調(diào)整裝置，使高能射線始終對準腫瘤靶區(qū)，實現(xiàn)對腫瘤的精確治療。
　　

3、 要實現(xiàn)實時跟蹤治療，核心問題之一就是要實現(xiàn)運動靶區(qū)準確實時的跟蹤。目前應用最廣泛的跟蹤方法有三種:通過X線成像跟蹤植入靶區(qū)或者靶區(qū)附近的金屬標記物、通過X線成像跟蹤與靶區(qū)同步運動器官和通過光學測量裝置跟蹤患者體表標記物的運動。使用X線進行跟蹤可以準確的獲取體內(nèi)靶區(qū)的運動信息，但患者將接受大量額外劑量的照射，且植入標記物的過程是有創(chuàng)的;使用光學法能實時的獲取患者的體外運動信息，操作便利且對患者完全無創(chuàng)，但由于體內(nèi)運動和體外運動之間的關(guān)

4、系不恒定，僅通過體外跟蹤很難實現(xiàn)對體內(nèi)靶區(qū)的準確跟蹤。目前認為最可行的方法是將體內(nèi)運動測量法和體外運動測量法進行結(jié)合，充分利用二者的優(yōu)勢，實現(xiàn)對運動靶區(qū)準確實時的跟蹤。目前在臨床上有著廣泛應用的Cyberknife治療系統(tǒng)的同步呼吸跟蹤系統(tǒng)(Synchrony系統(tǒng))就是基于這一理念。Synchrony系統(tǒng)通過一對正交的X線成像系統(tǒng)跟蹤植入體內(nèi)的金屬標記物來獲取體內(nèi)靶區(qū)的運動數(shù)據(jù);通過紅外定位裝置獲取患者體外的運動信息;在治療中實時獲取體

5、外運動數(shù)據(jù)，并通過相關(guān)性模型推算得到靶區(qū)的位置信息;然后通過預測算法提前預知靶區(qū)的運動，最后將模型的結(jié)果傳遞給治療系統(tǒng)用于調(diào)整治療。但Synchrony系統(tǒng)同樣存在一些不足，如需通過有創(chuàng)的方法植入標記物、相關(guān)性模型和預測模型的誤差比較大等。
　　 以Synchrony系統(tǒng)的跟蹤模型為基礎，我們提出了一種基于體外運動信號的呼吸運動跟蹤模型，其模型架構(gòu)與Synchrony系統(tǒng)類似，但各個模塊的具體實現(xiàn)存在很大的區(qū)別。在模型中，體外運

6、動數(shù)據(jù)通過NDI公司的POLARIS紅外定位系統(tǒng)來采集。本文以NDI提供的通信接口函數(shù)為基礎，實現(xiàn)了一套實用的體外呼吸運動測量系統(tǒng)，主要功能包括運動數(shù)據(jù)的采集、顯示和記錄，在視場的三視圖中顯示標記物的位置，實時計算呼吸運動參數(shù)，通過預測算法對呼吸運動進行預測，顯示實時運動曲線、預測曲線和預測誤差等。在實驗中，將置于患者體表的紅外反射標記物的運動數(shù)據(jù)作為體外呼吸運動數(shù)據(jù)。
　　 體內(nèi)運動數(shù)據(jù)通過數(shù)字模擬定位機進行采集，以橫膈膜項部

7、的運動信息作為體內(nèi)運動數(shù)據(jù)。在透視模式下，通過攝像頭記錄膈頂?shù)倪\動過程，再將視頻轉(zhuǎn)換為數(shù)字圖像，通過目標跟蹤算法自動在圖像中得到膈頂?shù)奈恢眯畔?。本文實現(xiàn)了三種目標跟蹤算法:二維最小絕對差累加和算法(MAD算法)，最多鄰近點距離算法(MCD算法)和互信息算法(MI算法)，結(jié)果表明，三種算法均能有效地對運動目標進行跟蹤，其中MI算法的準確性和魯棒性最好，并針對MI算法的匹配速度過慢的問題，采用了一種等步長搜索法對搜索過程進行加速。
　

8、　 在治療過程中，采用的運動跟蹤策略是體內(nèi)低頻采樣、體外高頻采樣，從體外運動推算體內(nèi)運動，因此要求在治療開始時建立體內(nèi)運動和體外運動的相關(guān)性模型，在治療時通過跟蹤體外運動來獲知靶區(qū)的位置信息。而且從運動跟蹤設備開始跟蹤到治療設備做好調(diào)整之間存在著系統(tǒng)延遲，包括數(shù)據(jù)獲取時間、計算處理時間、數(shù)據(jù)傳輸及機械延遲時間等，總延遲時間可以達到幾百毫秒，處理這一問題最有效的方法是通過預測模型提前預知靶區(qū)的位置信息。
　　 對于相關(guān)性模型，將

9、體外的運動數(shù)據(jù)作為輸入，靶區(qū)的運動估計數(shù)據(jù)作為輸出;而對于預測模型，是將當前值作為輸入，未來值作為輸出，兩種模型的本質(zhì)很相似，故可以使用相同的函數(shù)形式，然后依照不同模型給定對應的輸入和輸出，求出模型對應的參數(shù)，即可分別構(gòu)建出兩種模型。但是由于呼吸運動本身很不規(guī)則，同時放療對模型的準確性和實時性要求非常高，利用傳統(tǒng)的建模方法很難滿足要求，本研究提出應用非參數(shù)回歸法構(gòu)建相關(guān)性模型和預測模型。
　　 本文采集了11名受試者的呼吸運動數(shù)

10、據(jù)，然后分別使用非參數(shù)回歸模型、自回歸模型和BP神經(jīng)網(wǎng)絡模型進行預測，并與無預測時的結(jié)果進行比較。同時針對預測過程中出現(xiàn)的“異常狀態(tài)”，提出了一種改進的非參數(shù)回歸預測方法。最后將預測算法集成在測量系統(tǒng)中，以驗證預測算法實時測量中的有效性。經(jīng)測試表明，在不同的預測長度下，非參數(shù)回歸法能夠準確實時的對呼吸運動進行預測，改進的方法則能大幅減小呼吸運動中“異常狀態(tài)”的預測誤差。在預測長度為0.6s時，11組數(shù)據(jù)在無預測，自回歸模型、BP神經(jīng)網(wǎng)絡

11、、非參數(shù)回歸和改進非參數(shù)回歸法的歸一化均方誤差均值分別為0.85，0.54，0.52、0.44和0.4，且與測量系統(tǒng)結(jié)合后，算法同樣能實時準確的進行預測。
　　 Synchrony系統(tǒng)中所使用的相關(guān)性模型為混合多項式模型，其結(jié)構(gòu)簡單，但是模型的誤差較大，在實驗中，我們建立了基于非參數(shù)回歸法的相關(guān)性模型，并且與線性模型、雙二次多項式模型和神經(jīng)網(wǎng)絡模型的結(jié)果進行比較。使用7組體內(nèi)-體外同步運動數(shù)據(jù)進行了驗證，其中體內(nèi)運動數(shù)據(jù)為通過3

12、D超聲獲取的肝臟內(nèi)血管的運動數(shù)據(jù)，體外數(shù)據(jù)為通過光學測量系統(tǒng)獲得的體表標記物的運動數(shù)據(jù)。經(jīng)計算，線性、雙二次多項式、神經(jīng)網(wǎng)絡和非參數(shù)回歸四種相關(guān)性模型的歸一化均方誤差均值分別為0.35、0.32、0.30、0.19，因此基于非參數(shù)回歸的相關(guān)性模型誤差遠小于其他三種模型，并且模型構(gòu)建方便，計算的實時性好。
　　 通過光學設備跟蹤體外運動時，可以同時跟蹤多個標記物的運動信息，采樣點越多，所包含的體外運動數(shù)據(jù)就越多，此時模型也會更復雜

13、。在研究中，本文建立了基于非參數(shù)回歸的多體外-體內(nèi)運動相關(guān)性模型，使用1個、2個、3個體外標記物時模型的歸一化均方誤差均值分別為0.185、0.136、0.126，由此可知，模型包含的體外標記物越多，模型的誤差越小，但模型的誤差和體外標記物的組合之間并不存在確定的關(guān)系。
　　 通過比較不同的算法建立的內(nèi)外運動相關(guān)性模型、運動預測模型和多體外-體內(nèi)相關(guān)性模型，可知，非參數(shù)回歸法在呼吸運動的建模中具有魯棒性強、準確度高、實時性好的優(yōu)