【技术实现步骤摘要】
一种基于模糊评价的异构呼吸运动模型融合方法和系统
[0001]本申请涉及精准放疗机器人呼吸跟踪
,尤其涉及一种基于模糊评价的异构呼吸运动模型融合方法和系统。
技术介绍
[0002]精准放疗机器人在进行肺部肿瘤的照射治疗过程中通过建立体表标记点运动信息和体内肿瘤运动信息的关联模型从而实现在不借助X光的条件下预测肿瘤位姿。然而,放置于胸腹部的标记点数量有限,难以表征胸腹部的呼吸特征。由于人体在呼吸的始末阶段容易产生呼吸扰动,导致关联模型在这两个阶段的关联精度降低。因此,研究提高关联模型在呼吸始末阶段的关联精度是提高放疗机器人放疗精度的关键。
[0003]肺部肿瘤的运动主要受病人自由呼吸运动的影响,因此肿瘤的运动特征很大程度上与呼吸运动特征具有一致性,呼吸运动最大的特征就是其准周期性,即呼吸运动可以近似看作为一种基于时间序列的周期性运动,因此,肿瘤运动受呼吸运动影响,其运动特征同样具有周期性特征。在建立体表
‑
体内运动信息关联模型时,可以考虑将周期呼吸运动模型与传统关联模型相结合,取两种模型的各自优势进行融合得到一个优化关联模型。
[0004]在得到两组模型后,如何将其进行有效的融合也是一个关键步骤,常用且简单的数据融合方法如加权平均法将两组数据进行加权平均实现数据的融合,这种方法虽能实时处理数据,但无法制定数据在不同时刻与场景下的权重分配,并且受噪声影响较大。
[0005]因此,研究关联模型与呼吸运动模型的有效融合,对于提高精准放疗机器人的放疗精度具有重要意义。
专 ...
【技术保护点】
【技术特征摘要】
1.一种基于模糊评价的异构呼吸运动模型融合方法,其特征在于,包括:建立基于胸腹体表体素模型的体表
‑
肿瘤呼吸运动关联模型;通过遗传算法拟合参数得到待融合呼吸运动模型;构建所述待融合呼吸运动模型与体表
‑
肿瘤呼吸运动关联模型的模糊权重评价矩阵,所述模糊权重评价矩阵用于表征单周期呼吸的不同阶段中,所述待融合呼吸运动模型与体表
‑
肿瘤呼吸运动关联模型分别与肿瘤运动的相关性大小;通过所述模糊权重评价矩阵求得所述待融合呼吸运动模型与体表
‑
肿瘤呼吸运动关联模型在同一时刻的权重分配大小,然后进行加权平均得到该同一时刻的融合值。2.根据权利要求1所述的方法,其特征在于,所述建立基于胸腹体表体素模型的体表
‑
肿瘤呼吸运动关联模型,包括:步骤1、使用深度相机采集胸腹部点云信息;步骤2、将采集得到的点云信息进行点云处理,包含点云配准、分割、滤波与平滑处理,得到胸腹体表体素模型;步骤3、将胸腹体表体素模型进行LLE降维处理得到体表呼吸运动的一维特征向量;步骤4、通过电磁跟踪器获取模拟肿瘤的位姿,并与步骤3得到的体表呼吸运动的一维特征向量建立体表
‑
肿瘤呼吸运动关联模型。3.根据权利要求2所述的方法,其特征在于,所述通过遗传算法拟合参数得到待融合呼吸运动模型,包括:步骤5、将三种待选呼吸运动模型分别与肿瘤运动信息构建误差函数;步骤6、利用遗传算法分别最小化步骤5中的误差函数,得到模型参数并选取误差最小的待选呼吸运动模型作为待融合呼吸运动模型。4.根据权利要求3所述的方法,其特征在于,所述构建所述待融合呼吸运动模型与体表
‑
肿瘤呼吸运动关联模型的模糊权重评价矩阵,包括:步骤7、基于模糊评价方法构建所述待融合呼吸运动模型与体表
‑
肿瘤呼吸运动关联模型的模糊权重评价矩阵。5.根据权利要求4所述的方法,其特征在于,所述通过所述模糊权重评价矩阵求...
【专利技术属性】
技术研发人员:邓若愚,胡尚薇,
申请(专利权)人:同济人工智能研究院苏州有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。