发明名称 一种用于放射治疗的同步跟踪定位系统
摘要 呼吸同步跟踪系统在治疗射线投放时,可以监测病人的呼吸,并对肿瘤目标运动作出补偿。在治疗射线投放系统的指令和响应之间存在时间延迟,这种延迟可能会导致意外的、甚至危险的振动。为了提高同步跟踪性能,可以用信号预测技术来弥补时间延迟。本发明提供了一种用于放射治疗的同步跟踪定位系统,包括含有模式匹配预测器,LMS预测器和模糊预测器的计算机,该计算机还包含计算模块,该计算模块能够把模式匹配预测器,LMS预测器和模糊预测器的预测结果按照混合预测方法进行处理。
申请公布号 CN101843955B 申请公布日期 2015.07.15
申请号 CN201010134873.3 申请日期 2010.03.30
申请人 江苏瑞尔医疗科技有限公司 发明人 盛晔
分类号 A61N5/10(2006.01)I;A61B6/03(2006.01)I;A61B6/08(2006.01)I 主分类号 A61N5/10(2006.01)I
代理机构 苏州华博知识产权代理有限公司 32232 代理人 傅靖
主权项 一种用于放射治疗的同步跟踪定位系统,包括:数据采集装置,同步跟踪子系统,执行机构,数据采集装置将采集到的数据送到同步跟踪子系统,处理放大后传送到执行机构,其特征在于:所述同步跟踪子系统包括含有模式匹配预测器,LMS预测器和模糊预测器的计算机,该计算机还包含计算模块,该计算模块能够把模式匹配预测器,LMS预测器和模糊预测器的预测结果按照混合预测方法进行处理;所述混合预测方法包括以下步骤:(1)P1,P2,P3分别是采用了模式匹配预测器,LMS预测器和模糊预测器的预测结果;(2)获得P1,P2和P3相互之间的距离:d12=|P1‑P2|;d13=|P1‑P3|;d23=|P2‑P3|;(3)找到最小的距离:dmin=min(d12,d23,d13);(4)最终的预测结果是产生最小距离dmin的两种预测器产生的预测结果的平均值;所述模糊预测器的预测结果通过模糊预测算法来实现,所述模糊预测算法的步骤如下:采集病人体表某点的位置Po,设P是该体表位置Po对应的体内病灶的位置向量;P由x,y和z组成,即P(x,y,z),不失一般性,先选择它的y分量来建立模糊预测模型,x,z采用相同的方法建立模糊预测模型;采集Po并计算与其对应的肿瘤位置P(x,y,z)在一段时间内的位置参数(x,y,z)并且存入计算机,根据位置参数计算出相应的速度参数(dx,dy,dz)并存入计算机:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><msub><mi>dx</mi><mrow><mi>i</mi><mo>+</mo><mn>1</mn></mrow></msub><mo>=</mo><mfrac><mrow><msub><mi>x</mi><mrow><mi>i</mi><mo>+</mo><mn>1</mn></mrow></msub><mo>-</mo><msub><mi>x</mi><mi>i</mi></msub></mrow><mrow><msub><mi>t</mi><mrow><mi>i</mi><mo>+</mo><mn>1</mn></mrow></msub><mo>-</mo><msub><mi>t</mi><mi>i</mi></msub></mrow></mfrac></mrow>]]></math><img file="FSB0000136212910000021.GIF" wi="489" he="159" /></maths><maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><msub><mi>dy</mi><mrow><mi>i</mi><mo>+</mo><mn>1</mn></mrow></msub><mo>=</mo><mfrac><mrow><msub><mi>y</mi><mrow><mi>i</mi><mo>+</mo><mn>1</mn></mrow></msub><mo>-</mo><msub><mi>y</mi><mi>i</mi></msub></mrow><mrow><msub><mi>t</mi><mrow><mi>i</mi><mo>+</mo><mn>1</mn></mrow></msub><mo>-</mo><msub><mi>t</mi><mi>i</mi></msub></mrow></mfrac></mrow>]]></math><img file="FSB0000136212910000022.GIF" wi="533" he="154" /></maths><maths num="0003" id="cmaths0003"><math><![CDATA[<mrow><msub><mi>dz</mi><mrow><mi>i</mi><mo>+</mo><mn>1</mn></mrow></msub><mo>=</mo><mfrac><mrow><msub><mi>z</mi><mrow><mi>i</mi><mo>+</mo><mn>1</mn></mrow></msub><mo>-</mo><msub><mi>z</mi><mi>i</mi></msub></mrow><mrow><msub><mi>t</mi><mrow><mi>i</mi><mo>+</mo><mn>1</mn></mrow></msub><mo>-</mo><msub><mi>t</mi><mi>i</mi></msub></mrow></mfrac></mrow>]]></math><img file="FSB0000136212910000023.GIF" wi="518" he="163" /></maths>根据计算机内存储的位置参数(x,y,z),找出最大和最小的位置(x<sub>max</sub>,y<sub>max</sub>,z<sub>max)</sub>和(x<sub>min</sub>,y<sub>min</sub>,z<sub>min</sub>),根据计算机内存储的速度参数(dx,dy,dz),找出最大和最小的速度(dxmax,dymax,dzmax)和(dxmin,dymin,dzmin);制定模糊规则:根据最大和最小的位置参数,把y模糊划分出n1个子集,这n1个子集的每一个子集再被根据最大和最小的速度参数模糊划分为n2个子集,得到M=n1*n2个子模型,每个子模型都对应一个规则,每个子模型都给出了一个线性方程组,其广义方程是这样的:<maths num="0004" id="cmaths0004"><math><![CDATA[<mrow><msub><mover><mi>y</mi><mo>^</mo></mover><mi>m</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>+</mo><mi>p</mi><mo>)</mo></mrow><mo>=</mo><msub><mi>a</mi><mrow><mi>m</mi><mo>,</mo><mn>0</mn></mrow></msub><mi>y</mi><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>+</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>+</mo><msub><mi>a</mi><mrow><mi>m</mi><mo>,</mo><mi>r</mi></mrow></msub><mi>y</mi><mrow><mo>(</mo><mi>k</mi><mo>-</mo><mi>r</mi><mo>)</mo></mrow><mo>+</mo><msub><mi>c</mi><mi>m</mi></msub></mrow>]]></math><img file="FSB0000136212910000025.GIF" wi="1195" he="101" /></maths><img file="FSB0000136212910000026.GIF" wi="57" he="64" />是第m规则的模式输出,m的范围是在1‑M,而M是方程的总数,p是预测步骤,r是预测阶数,选择2‑15中任意一个数字,a和c是参数;最后的预测结果即是以上子模型输出的综合结果的加权平均值<maths num="0005" id="cmaths0005"><math><![CDATA[<mrow><mover><mi>y</mi><mo>^</mo></mover><mrow><mo>(</mo><mi>k</mi><mo>+</mo><mi>p</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mrow><munderover><mi>&Sigma;</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>M</mi></munderover><msub><mi>&mu;</mi><mi>i</mi></msub><mo>&CenterDot;</mo><msub><mover><mi>y</mi><mo>^</mo></mover><mi>i</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>+</mo><mi>p</mi><mo>)</mo></mrow></mrow><mrow><munderover><mi>&Sigma;</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>M</mi></munderover><msub><mi>&mu;</mi><mi>i</mi></msub></mrow></mfrac></mrow>]]></math><img file="FSB0000136212910000024.GIF" wi="1133" he="322" /></maths>这里μ<sub>i</sub>是模糊模型的隶属度,M是模糊规则的数目;采用同样的步骤,得到所要的x和z的预测,就得到了位置p(x,y,z)的预测值。
地址 214000 江苏省无锡市锡山经济开发区芙蓉中三路99号科创园