一种根据肿瘤的移动动态调整放射角度和剂量的方法
技术领域
本发明涉及动态肿瘤放射技术领域,具体涉及一种根据肿瘤的移动动态调整放射角度和剂量的方法。
背景技术
随着放疗技术的发展,精确放疗技术越来越被重视。动态肿瘤的调整放射技术相对于针对呼吸所引起的肿瘤移动问题的其他解决技术,可以更加精确和高效地调整放射角度和照射规定的剂量。
然而,发明人发现在肿瘤治疗过程中,即使在短暂的观察时间中,随着肿瘤细胞群体积的变化和位置的微小移动,也会使得肿瘤治疗的靶标向其原本位置的周边移动和转化,进而导致造成放射角度的偏差和放射剂量的不精确,使得动态肿瘤放射技术无法取得理想的治疗效果。目前在动态肿瘤跟踪放射法中的使用的多叶准直器控制系统存在一定的时间延迟,这也导致本应照射在肿瘤上的射线可能照射到健康的组织上,从而对健康的组织造成损伤,而且国内外的研究者构建的能够预测肿瘤移动位置的模型上都没有达到需要的精确度。
发明内容
为了克服上述现有技术的不足,本发明提供了一种根据肿瘤的移动动态调整放射角度和剂量的方法,旨在提高对动态肿瘤移动跟踪的准确率,从而进一步提高动态肿瘤在移动过程中放射角度和剂量的精确性,减少多余射线对人体健康组织的破坏,实现精准治疗。
本发明提供的一种根据肿瘤的移动动态调整放射角度和剂量方法,包括以下步骤:1)目标肿瘤边缘提取;2)区域相关匹配;3)时间格聚类;4)移动肿瘤位置预测;5)及放射角度和剂量调整这五个步骤,通过构建数学模型对动态肿瘤的移动位置和体积变化进行精确预测与跟踪,进而根据动态肿瘤的具体位置和体积变化及时调整放射角度的偏差,并精确控制治疗靶标处的放射剂量。具体步骤为:
1)由模拟定位机定位患者的肿瘤靶区位置及区域,观察并记录观察患者不同姿势下的肿瘤所在位置及分布区域;目标肿瘤边缘提取采用水平方向和垂直方向边缘滤波器,分别对场景图像进行边缘提取,用于克服放射场景光照以及体内气息流动对目标肿瘤的特征提取造成干扰的影响;
2)区域相关匹配采用归一化积相关法计算目标肿瘤与实时图像的相关性定位靶标位置;
3)时间格聚类是针对每一个肿瘤采样位置进行时间格聚类,目的是获取移动肿瘤的时间转移特性;
4)移动肿瘤位置预测是根据区域相关匹配的匹配结果和时间格聚类的时间转移特性预测出移动肿瘤下一帧目标应该出现的位置,用来消除场景变化对目标跟踪位置产生的偏差及错判;其中,移动肿瘤位置预测是通过所述的区域相关匹配获得的靶标位置和时间格聚类获得的时间转移特性共同作用得到动态肿瘤移动后的预测位置;
5)所述的放射角度和剂量调整是根据移动肿瘤位置预测的信息来判断靶标目标脱靶量和治疗间隔时间,利用获取的时间转移特性和靶标运动预测计算变化后的治疗靶标中心坐标,进而调整放疗放射角度;同时计算治疗过程中变化肿瘤移动后的靶标的边缘面积,根据面积变化随时调整放疗放射剂量。
通过上述技术方案,本发明的有益效果是:
(1)针对肿瘤在时间和空间的变化,充分考虑移动肿瘤的转移特性和边缘变化特性,建立肿瘤所在位置及分布区域的预测模型,提高了对动态肿瘤移动跟踪及靶标位置对准的准确率。
(2)分别建立动态肿瘤的位置变化和区域分布变化与放射角度和放射剂量之间的关系,提高了动态肿瘤在移动过程中的放射角度和剂量的精确性。
附图说明
图1是一种根据肿瘤的移动动态调整放射角度和剂量的方法结构图;
图2-1是方向滤波器算子——水平滤波器;
图2-2是方向滤波器算子——垂直滤波器;
图3是移动轨迹预测示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-3,本发明提供了一种根据肿瘤的移动动态调整放射角度和剂量的方法,如图1所示,该方法包括目标肿瘤边缘提取1、区域相关匹配2、时间格聚类3、移动肿瘤位置预测4及放射角度和剂量调整5。
所述的目标肿瘤边缘提取1采用方向滤波器,用于克服放射场景光照以及体内气息流动对目标肿瘤的特征提取造成干扰的影响。
所述的区域相关匹配2采用归一化积相关法计算目标肿瘤与实时图像的相关性定位放疗时靶标的具体位置。
所述的时间格聚类3是在一定的时间单元内,即所述的时间格,根据观察获得的目标肿瘤移动位置数据计算肿瘤移动特性。
所述的移动肿瘤位置预测4采用目标轨迹运动预测技术,用来消除场景变化对目标跟踪位置产生的偏差及错判。
所述的放射角度和剂量调整5是获取的动态肿瘤的位置变化和区域分布变化调整放射角度的偏差和放射剂量的多少,以达到精准放疗的目的。
具体地,所述的目标肿瘤边缘提取1采用水平方向边缘滤波器、垂直方向边缘滤波器,分别对场景图像进行边缘提取,两种滤波器,分别为水平滤波器如图2-1和垂直滤波器如图2-2。之后将两幅不同方向的边缘图像进行加法运算,即可突出水平方向和垂直方向的靶标边缘。
具体地,所述的区域相关匹配2采用归一化积相关法用于患者体内的目标匹配,保准的归一化积相关法的相似度量公式如下:
其中,(u,v)为目标边缘图在参考边缘图的匹配搜索区域坐标,0≤u≤M-m+1,0≤v≤N-n+1;B(u+i,v+j)为匹配搜索位置(u,v)上的子参考边缘图的第(i,j)坐标对应的像素值,A(i,j)为目标图像(i,j)坐标对应的像素值,R(u,v)是度量函数位置为(u,v)时的匹配度量值。
具体地,所述的时间格聚类3是在一定的时间单元内,即所述的时间格,根据观察获得的目标肿瘤移动位置数据计算肿瘤移动特性。所述的时间格是指将一整天的时间作为时间轴,按一定的时间单元将时间轴划分成大小相等的多个时间格,根据动态肿瘤的移动轨迹数据中的时间标记将其分配给相应的时间格,然后分析每个时间格中移动对象的移动模式,通过计算将具有相似移动模式的时间格合并到一起,在进行下一位置预测时可以根据当前位置序列的时间计算肿瘤移动的距离和扩散范围等,得出准确的肿瘤移动特性。
首先从概率的角度出发,将肿瘤从当前位置离开去向其他所有位置的概率表示该时间格的移动模式。然后使用余弦相似度来计算不同移动模式之间的相似度,得到带有时间特征的移动模式聚类结果。
例如,给定移动肿瘤某一时刻的采样位置L,Pi是一个多维向量,用来表示在时间点为i的时间格中从位置L出发去向其他所有位置的转移概率,采样位置的总数m用来表示Pi向量中的维数。余弦相似度的度量公式由cosij表示:
针对采样位置L,通过使用层次聚类算法从时间角度出发将具有相似移动模式的移动对象进行聚类,获得采样位置L的时间聚类结果,每一类中包含了一系列不同的时间格,从而得到选择下一位置的概率接近的移动对象群体。
输入:时间格数目N,每个时间格的移动模式;
输出:位置L的时间格聚类结果;
在层次聚类中每一个时间格都看成一个类,然后根据linkage寻找同类,将具有相似移动模式的时间格合并成一个类,不断地重复寻找同类的过程,直到满足我们需要的选择的聚类结果数目时终止循环。在合并完成后,新的类需要重新计算它的移动模式,新的类的概率P计算如下:
这里Counti和Countj分别表示原始类i和新的时间格j中的轨迹总数。
具体地,所述的移动肿瘤位置预测4采用的目标轨迹运动预测技术是根据区域相关匹配2获得的靶标位置和时间格聚类3获得的时间转移特性共同作用预测出动态肿瘤移动后下一帧目标应该出现的位置,从而根据预测的值来判断靶标目标脱靶量,如图3所示。
其中,对于目标肿瘤的真实空间位置采用最小二乘法进行拟合,最小二乘的基本思想为假设目标函数f(t)在N个顺序时刻的观测值为f(ti)
(i=1,2,…,N),选择一个多项式p(t),使其极小均方误差逼近f(t
i)。在目标跟踪系统中,目标位置是离散的数据,可以确定一组a
0,a
l,…,a
m(m<N)的系数,使得目标位置值和逼近值的N点均方误差
最小。
最小二乘多项式表示为:
通过S对ak求偏导数,令偏导数为0,可得多项式的通解:
将脱靶量和编码器值合成为目标的空间位置:
式中:W,H分别为图像的宽度和高度,A0为系统水平方向角度值,E0为系统俯仰方向角度值,X为目标在图像中的水平位置,Y为目标在图像中的水平位置。
采用N点外推,对于时刻i首先根据公式合成目标的真正角度Ai和Ei。对于时刻i前n帧,因为已知目标的真正角度Ak和Ek,根据公式反推出其相对于(A0i,E0i)目标在图像中位置xk和yk。
根据N点二次多项式预测算法推出时刻i脱靶量预测值xi和yi。对于靶板跟踪采用匹配图像目标位置或预测目标位置根据阈值ρ判定。
若满足以下公式则目标匹配,否则目标不匹配。
具体地,所述的放射角度和剂量调整5是根据预测的肿瘤移动后的位置变化和区域分布变化大小,进一步调整放射角度的偏差和放射的剂量,具体来说,以患者初始靶标中心为坐标原点,根据上述计算得出的肿瘤移动距离及实时脱靶量,确定移动后新的靶标中心,及时调整准直器中心对准点,使其对准新的靶标中心,实现放射角度的调整;再计算靶标的边缘变化,以确定靶标面积的范围变化,进行放射剂量的调节,最终实现精准放疗。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。