基于體外信號(hào)的呼吸運(yùn)動(dòng)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(shí)周?chē)＝M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(yīng)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(guò)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(jìn)行發(fā)生變化，以及在治療中患者存在著各種非自主運(yùn)動(dòng)，尤其是呼吸運(yùn)動(dòng)，會(huì)導(dǎo)致胸腹部靶區(qū)發(fā)生較大

2、的位移。呼吸運(yùn)動(dòng)對(duì)放療的影響貫穿著整個(gè)治療過(guò)程，包括影響計(jì)劃圖像的采集、影響放療計(jì)劃的設(shè)計(jì)和計(jì)劃的精確執(zhí)行等。目前常規(guī)的用于處理放療中呼吸運(yùn)動(dòng)的方法包括:運(yùn)動(dòng)包含法、壓迫式淺呼吸法、屏氣法和呼吸門(mén)控法等，但這些方法均存在不足，不能很好的解決呼吸運(yùn)動(dòng)的帶來(lái)的問(wèn)題。實(shí)時(shí)跟蹤法是目前處理呼吸運(yùn)動(dòng)的最佳方法，通過(guò)跟蹤設(shè)備實(shí)時(shí)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(duì)準(zhǔn)腫瘤靶區(qū)，實(shí)現(xiàn)對(duì)腫瘤的精確治療。
　　

3、 要實(shí)現(xiàn)實(shí)時(shí)跟蹤治療，核心問(wèn)題之一就是要實(shí)現(xiàn)運(yùn)動(dòng)靶區(qū)準(zhǔn)確實(shí)時(shí)的跟蹤。目前應(yīng)用最廣泛的跟蹤方法有三種:通過(guò)X線成像跟蹤植入靶區(qū)或者靶區(qū)附近的金屬標(biāo)記物、通過(guò)X線成像跟蹤與靶區(qū)同步運(yùn)動(dòng)器官和通過(guò)光學(xué)測(cè)量裝置跟蹤患者體表標(biāo)記物的運(yùn)動(dòng)。使用X線進(jìn)行跟蹤可以準(zhǔn)確的獲取體內(nèi)靶區(qū)的運(yùn)動(dòng)信息，但患者將接受大量額外劑量的照射，且植入標(biāo)記物的過(guò)程是有創(chuàng)的;使用光學(xué)法能實(shí)時(shí)的獲取患者的體外運(yùn)動(dòng)信息，操作便利且對(duì)患者完全無(wú)創(chuàng)，但由于體內(nèi)運(yùn)動(dòng)和體外運(yùn)動(dòng)之間的關(guān)

4、系不恒定，僅通過(guò)體外跟蹤很難實(shí)現(xiàn)對(duì)體內(nèi)靶區(qū)的準(zhǔn)確跟蹤。目前認(rèn)為最可行的方法是將體內(nèi)運(yùn)動(dòng)測(cè)量法和體外運(yùn)動(dòng)測(cè)量法進(jìn)行結(jié)合，充分利用二者的優(yōu)勢(shì)，實(shí)現(xiàn)對(duì)運(yùn)動(dòng)靶區(qū)準(zhǔn)確實(shí)時(shí)的跟蹤。目前在臨床上有著廣泛應(yīng)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(guò)一對(duì)正交的X線成像系統(tǒng)跟蹤植入體內(nèi)的金屬標(biāo)記物來(lái)獲取體內(nèi)靶區(qū)的運(yùn)動(dòng)數(shù)據(jù);通過(guò)紅外定位裝置獲取患者體外的運(yùn)動(dòng)信息;在治療中實(shí)時(shí)獲取體

5、外運(yùn)動(dòng)數(shù)據(jù)，并通過(guò)相關(guān)性模型推算得到靶區(qū)的位置信息;然后通過(guò)預(yù)測(cè)算法提前預(yù)知靶區(qū)的運(yùn)動(dòng)，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(guò)有創(chuàng)的方法植入標(biāo)記物、相關(guān)性模型和預(yù)測(cè)模型的誤差比較大等。
　　 以Synchrony系統(tǒng)的跟蹤模型為基礎(chǔ)，我們提出了一種基于體外運(yùn)動(dòng)信號(hào)的呼吸運(yùn)動(dòng)跟蹤模型，其模型架構(gòu)與Synchrony系統(tǒng)類(lèi)似，但各個(gè)模塊的具體實(shí)現(xiàn)存在很大的區(qū)別。在模型中，體外運(yùn)

6、動(dòng)數(shù)據(jù)通過(guò)NDI公司的POLARIS紅外定位系統(tǒng)來(lái)采集。本文以NDI提供的通信接口函數(shù)為基礎(chǔ)，實(shí)現(xiàn)了一套實(shí)用的體外呼吸運(yùn)動(dòng)測(cè)量系統(tǒng)，主要功能包括運(yùn)動(dòng)數(shù)據(jù)的采集、顯示和記錄，在視場(chǎng)的三視圖中顯示標(biāo)記物的位置，實(shí)時(shí)計(jì)算呼吸運(yùn)動(dòng)參數(shù)，通過(guò)預(yù)測(cè)算法對(duì)呼吸運(yùn)動(dòng)進(jìn)行預(yù)測(cè)，顯示實(shí)時(shí)運(yùn)動(dòng)曲線、預(yù)測(cè)曲線和預(yù)測(cè)誤差等。在實(shí)驗(yàn)中，將置于患者體表的紅外反射標(biāo)記物的運(yùn)動(dòng)數(shù)據(jù)作為體外呼吸運(yùn)動(dòng)數(shù)據(jù)。
　　 體內(nèi)運(yùn)動(dòng)數(shù)據(jù)通過(guò)數(shù)字模擬定位機(jī)進(jìn)行采集，以橫膈膜項(xiàng)部

7、的運(yùn)動(dòng)信息作為體內(nèi)運(yùn)動(dòng)數(shù)據(jù)。在透視模式下，通過(guò)攝像頭記錄膈頂?shù)倪\(yùn)動(dòng)過(guò)程，再將視頻轉(zhuǎn)換為數(shù)字圖像，通過(guò)目標(biāo)跟蹤算法自動(dòng)在圖像中得到膈頂?shù)奈恢眯畔?。本文?shí)現(xiàn)了三種目標(biāo)跟蹤算法:二維最小絕對(duì)差累加和算法(MAD算法)，最多鄰近點(diǎn)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(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤，其中MI算法的準(zhǔn)確性和魯棒性最好，并針對(duì)MI算法的匹配速度過(guò)慢的問(wèn)題，采用了一種等步長(zhǎng)搜索法對(duì)搜索過(guò)程進(jìn)行加速。
　

8、　 在治療過(guò)程中，采用的運(yùn)動(dòng)跟蹤策略是體內(nèi)低頻采樣、體外高頻采樣，從體外運(yùn)動(dòng)推算體內(nèi)運(yùn)動(dòng)，因此要求在治療開(kāi)始時(shí)建立體內(nèi)運(yùn)動(dòng)和體外運(yùn)動(dòng)的相關(guān)性模型，在治療時(shí)通過(guò)跟蹤體外運(yùn)動(dòng)來(lái)獲知靶區(qū)的位置信息。而且從運(yùn)動(dòng)跟蹤設(shè)備開(kāi)始跟蹤到治療設(shè)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(shí)間、計(jì)算處理時(shí)間、數(shù)據(jù)傳輸及機(jī)械延遲時(shí)間等，總延遲時(shí)間可以達(dá)到幾百毫秒，處理這一問(wèn)題最有效的方法是通過(guò)預(yù)測(cè)模型提前預(yù)知靶區(qū)的位置信息。
　　 對(duì)于相關(guān)性模型，將

9、體外的運(yùn)動(dòng)數(shù)據(jù)作為輸入，靶區(qū)的運(yùn)動(dòng)估計(jì)數(shù)據(jù)作為輸出;而對(duì)于預(yù)測(cè)模型，是將當(dāng)前值作為輸入，未來(lái)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(duì)應(yīng)的輸入和輸出，求出模型對(duì)應(yīng)的參數(shù)，即可分別構(gòu)建出兩種模型。但是由于呼吸運(yùn)動(dòng)本身很不規(guī)則，同時(shí)放療對(duì)模型的準(zhǔn)確性和實(shí)時(shí)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(yīng)用非參數(shù)回歸法構(gòu)建相關(guān)性模型和預(yù)測(cè)模型。
　　 本文采集了11名受試者的呼吸運(yùn)動(dòng)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(luò)模型進(jìn)行預(yù)測(cè)，并與無(wú)預(yù)測(cè)時(shí)的結(jié)果進(jìn)行比較。同時(shí)針對(duì)預(yù)測(cè)過(guò)程中出現(xiàn)的“異常狀態(tài)”，提出了一種改進(jìn)的非參數(shù)回歸預(yù)測(cè)方法。最后將預(yù)測(cè)算法集成在測(cè)量系統(tǒng)中，以驗(yàn)證預(yù)測(cè)算法實(shí)時(shí)測(cè)量中的有效性。經(jīng)測(cè)試表明，在不同的預(yù)測(cè)長(zhǎng)度下，非參數(shù)回歸法能夠準(zhǔn)確實(shí)時(shí)的對(duì)呼吸運(yùn)動(dòng)進(jìn)行預(yù)測(cè)，改進(jìn)的方法則能大幅減小呼吸運(yùn)動(dòng)中“異常狀態(tài)”的預(yù)測(cè)誤差。在預(yù)測(cè)長(zhǎng)度為0.6s時(shí)，11組數(shù)據(jù)在無(wú)預(yù)測(cè)，自回歸模型、BP神經(jīng)網(wǎng)絡(luò)

11、、非參數(shù)回歸和改進(jìn)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(cè)量系統(tǒng)結(jié)合后，算法同樣能實(shí)時(shí)準(zhǔn)確的進(jìn)行預(yù)測(cè)。
　　 Synchrony系統(tǒng)中所使用的相關(guān)性模型為混合多項(xiàng)式模型，其結(jié)構(gòu)簡(jiǎn)單，但是模型的誤差較大，在實(shí)驗(yàn)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(xiàng)式模型和神經(jīng)網(wǎng)絡(luò)模型的結(jié)果進(jìn)行比較。使用7組體內(nèi)-體外同步運(yùn)動(dòng)數(shù)據(jù)進(jìn)行了驗(yàn)證，其中體內(nèi)運(yùn)動(dòng)數(shù)據(jù)為通過(guò)3

12、D超聲獲取的肝臟內(nèi)血管的運(yùn)動(dòng)數(shù)據(jù)，體外數(shù)據(jù)為通過(guò)光學(xué)測(cè)量系統(tǒng)獲得的體表標(biāo)記物的運(yùn)動(dòng)數(shù)據(jù)。經(jīng)計(jì)算，線性、雙二次多項(xiàng)式、神經(jīng)網(wǎng)絡(luò)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(yuǎn)小于其他三種模型，并且模型構(gòu)建方便，計(jì)算的實(shí)時(shí)性好。
　　 通過(guò)光學(xué)設(shè)備跟蹤體外運(yùn)動(dòng)時(shí)，可以同時(shí)跟蹤多個(gè)標(biāo)記物的運(yùn)動(dòng)信息，采樣點(diǎn)越多，所包含的體外運(yùn)動(dòng)數(shù)據(jù)就越多，此時(shí)模型也會(huì)更復(fù)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(yùn)動(dòng)相關(guān)性模型，使用1個(gè)、2個(gè)、3個(gè)體外標(biāo)記物時(shí)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(biāo)記物越多，模型的誤差越小，但模型的誤差和體外標(biāo)記物的組合之間并不存在確定的關(guān)系。
　　 通過(guò)比較不同的算法建立的內(nèi)外運(yùn)動(dòng)相關(guān)性模型、運(yùn)動(dòng)預(yù)測(cè)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(yùn)動(dòng)的建模中具有魯棒性強(qiáng)、準(zhǔn)確度高、實(shí)時(shí)性好的優(yōu)