面向放疗机器人的肿瘤呼吸运动跟踪方法研究

面向放疗机器人的肿瘤呼吸运动跟踪方法研究
作 者 : 豆梦
学位授予单位 : 苏州大学
学位名称 : 硕士
导师姓名 : 王传洋;孙荣川
学位年度 : 2017
关键词 : 放疗;机器人;肿瘤;呼吸;运动跟踪
摘 要 : 放射治疗是目前治疗肺癌最主要的方法之一,其主要目的是使用大剂量射线对病灶靶区进行多角度照射,同时避免肿瘤周围正常的组织受到射线伤害,在杀死癌细胞的同时降低并发症的发生率。但是人体呼吸引起的肿瘤位置变化给精准放射治疗带来了很大的困难,而且呼吸运动的影响贯穿着整个治疗过程。为了补偿呼吸运动对肿瘤定位造成的扰动,提高放射治疗的精度,目前最有效的方法是采用同步呼吸跟踪技术治疗肺部肿瘤。该技术通过建立体内外呼吸运动关联模型,利用体外标记物的运动信息获得体内靶区的运动位置,然后调节治疗射束始终对准肿瘤靶区,实现对肿瘤的实时跟踪和精确治疗。本文面向放疗机器人进行肿瘤运动跟踪方法的研究及实验,肿瘤跟踪方法在建立呼吸运动关联模型的基础上,根据采集的标记物的运动数据预测出肿瘤在未来时刻的位置,以实现实时跟踪和治疗肿瘤。本研究针对传统建模方法没有考虑传感器噪声及模型的不确定性问题,提出一种基于UT(UnscentedTransformation)变换的关联模型的建模方法,并将此方法应用于多种预测算法中,通过对比预测误差验证基于UT变换建模的有效性。同时设计一款呼吸运动模拟平台,所设计的三维呼吸运动模拟平台可以仿真体外标记物和体内肿瘤之间的运动变化关联,利用该平台提供的数据可以有效的对肿瘤跟踪方法进行验证。论文的主要研究内容如下:(1)分析人体自由呼吸时体内肿瘤和体表标记点之间的运动变化关系,基于PCA(Principal Component Analysis)主成分分析方法研究呼吸运动相位划分方法,针对传统建模方法没有考虑传感器噪声及模型的不确定性的问题,提出一种基于UT变换的建模方法,建立概率优化的关联模型,并以此为基础研究肿瘤跟踪预测算法。(2)研究肿瘤运动预测方法,包括扩展卡尔曼滤波算法(ExtendedKalmanFilter),无色卡尔曼滤波算法(Unscented Kalman Filter)和粒子滤波算法(Particle Filter),将传统的关联模型和基于UT变换建立的概率优化的关联模型分别用于这三种预测算法中,通过对比预测误差验证基于UT变换建模的有效性。(3)研究放疗机器人实时跟踪放射治疗肿瘤原理,分析人体呼吸运动特征,自主设计一款模拟放疗中体内肿瘤和胸腹部体表标记点之间运动关联的三维呼吸运动模拟器,该模拟器能够再现人体真实的呼吸运动,为放疗机器人的肿瘤呼吸跟踪算法提供了数据来源与验证平台。(4)基于公开数据库和呼吸运动模拟平台进行呼吸跟踪算法实验研究,利用公开数据库中的数据和平台采集的数据验证新的建模方法的有效性和肿瘤跟踪方法的精确性。公开数据库验证和平台实验结果表明,基于UT变换建模的跟踪算法相对于基于传统模型的跟踪算法具有更高的预测精度。

      • 温馨提示:
      • 在微信、微博等APP中下载时,会出现无法下载的情况
      • 这时请选择在浏览器中打开,然后再请下载浏览
361图书馆,资源府邸,学习的天地
361图书馆 » 面向放疗机器人的肿瘤呼吸运动跟踪方法研究

Optimized by WPJAM Basic