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方案

本申请提供一种基于模糊评价的异构呼吸运动模型融合方法和系统，所述方法包括如下步骤：建立基于胸腹体表体素模型的体表

【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。
专利
技术实现思路

[0006]有鉴于此，本申请的目的在于提出一种基于模糊评价的异构呼吸运动模型融合方法和系统，本申请能够针对性的解决现有的问题，用以提高肿瘤关联模型的精度。本申请选择基于模糊推理的原理，通过定义不同数据在不同时刻和肿瘤运动的相关性大小制定数据在不同阶段的权重分配方案，赋予计算机人一样的思维能力，可以实现更好的融合效果。
[0007]基于上述目的，本申请提出了一种基于模糊评价的异构呼吸运动模型融合方法，包括：
[0008]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；
[0009]通过遗传算法拟合参数得到待融合呼吸运动模型；
[0010]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；
[0011]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。
[0012]进一步地，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：
[0013]步骤1、使用深度相机采集胸腹部点云信息；
[0014]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；
[0015]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；
[0016]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。
[0017]进一步地，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：
[0018]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；
[0019]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。
[0020]进一步地，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：
[0021]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。
[0022]进一步地，所述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，包括：
[0023]步骤8、通过所述模糊权重评价矩阵获取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某一帧的权重分配，进行加权平均得到该帧的肿瘤预测位姿。
[0024]进一步地，所述步骤4中的三种待选呼吸运动模型为三种经典表征具有准周期运动特性信息的模型。
[0025]进一步地，所述步骤7中，通过定义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融合过程中不同呼吸阶段与肿瘤运动的相关性大小确定权重分配，形成所述模糊权重评价矩阵。
[0026]基于上述目的，本申请还提出了一种基于模糊评价的异构呼吸运动模型融合系统，包括：
[0027]第一建模模块，用于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；
[0028]第二建模模块，用于通过遗传算法拟合参数得到待融合呼吸运动模型；
[0029]评价矩阵构建模块，用于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；
[0030]融合模块，用于通过所述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。
[0031]总的来说，本申请的优势及给用户带来的体验在于：本申请使用模糊权重评价矩阵融合关联模型与周期呼吸运动模型，相比于传统的关联模型，优化了模型在呼吸始末阶段的关联效果，提高了关联模型对肿瘤位姿的预测精度。
附图说明
[0032]在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本申请公开的一些实施方式，而不应将其视为是对本申请范围的限制。
[0033]图1为本申请的基于模糊评价的异构呼吸运动模型融合方法流程图。
[0034]图2为本申请的深度相机采集信息场景图。
[0035]图3为本申请的胸腹体表一维特征表征量提取过程示意图。
[0036]图4为本申请的遗传算法的原理图。
[0037]图5示出根据本申请实施例的基于模糊评价的异构呼吸运动模型融合系统的构成图。
[0038]图6示出了本申请一实施例所提供的一种电子设备的结构示意图。
[00本文档来自技高网...

【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：