本發(fā)明涉及數(shù)據(jù)預測追蹤的領域，具體涉及一種實時靶區(qū)追蹤和動態(tài)調(diào)控方法。

背景技術(shù)：

1、在放射治療中，靶區(qū)的精確定位和照射至關(guān)重要，其中靶區(qū)的精確定位就是在治療的過程中能夠找到靶區(qū)所在的位置，而靶區(qū)的照射就針對射線的動態(tài)調(diào)控，具體是根據(jù)獲取得到的靶區(qū)位置對射線進行調(diào)整。

2、現(xiàn)有的靶區(qū)追蹤方法有三種，分別是igrt（圖像引導放射治療）、sgrt（表面引導放射治療）和cbct（錐形束計算機斷層掃描）。其中，igrt是一種利用成像技術(shù)在治療過程中實時監(jiān)測和調(diào)整靶區(qū)位置的方法，優(yōu)勢在于能夠提供高分辨率的圖像，以便于更精確地定位靶區(qū)，缺點在于由于需要使用x射線成像而可能會給患者帶來額外的輻射暴露和成像和分析過程可能會延長治療時間，影響治療的效率；sgrt是一種非侵入性的靶區(qū)追蹤方法，它通過分析患者體表的光學標記或使用3d相機來監(jiān)測體表的變化，優(yōu)勢在于不使用輻射成像，對患者的輻射暴露較小和能夠?qū)崟r監(jiān)測體表變化，為靶區(qū)定位提供即時反饋，缺點在于圖像分辨率和深度信息較差且主要關(guān)注體表變化，可能無法準確反映體內(nèi)靶區(qū)的動態(tài)。cbct是一種在治療前使用的成像技術(shù)，可以提供較高的圖像分辨率和深度信息，其缺點在于無法實時追蹤靶區(qū)位置的變化。上述的三種方式歸結(jié)為igrt提供了高分辨率的圖像，但伴隨輻射暴露；sgrt無輻射，但圖像質(zhì)量和深度信息有限；cbct雖然能夠提供詳細的圖像信息，但無法實現(xiàn)實時追蹤。

3、現(xiàn)有的動態(tài)調(diào)控的方式包括動態(tài)光柵技術(shù)和門控放射治療。動態(tài)光柵技術(shù)是用可動態(tài)調(diào)整形狀的光柵系統(tǒng)，根據(jù)靶區(qū)的實時位置調(diào)整照射野的形狀和大小，但其的存在以下缺點：（1）調(diào)控方法僅限于特定設備，需要設備具備相應的動態(tài)調(diào)整能力；（2）光柵形狀的調(diào)整可能無法完全適應靶區(qū)的復雜運動；（3）頻繁調(diào)整光柵形狀可能影響患者的治療體驗。門控放射治療是結(jié)合呼吸門控技術(shù)，僅在靶區(qū)處于理想位置時開啟射線照射。避免在靶區(qū)移動到非理想位置時進行照射，減少對正常組織的損傷。但也存在以下的缺點：（1）門控技術(shù)可能需要患者在特定呼吸階段保持靜止，這可能延長單次治療的時間。（2）并非所有患者都適合進行門控放射治療，特別是那些有嚴重呼吸問題或無法控制呼吸的患者。（3）患者舒適度：要求患者在整個治療過程中保持一致的呼吸模式可能對某些患者來說是個挑戰(zhàn)，特別是對于需要長時間保持同一呼吸狀態(tài)的情況。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的之一在于解決上述技術(shù)中無法得到精確信息又能夠?qū)崿F(xiàn)實時追蹤和無輻射損傷的問題，提供一種實時靶區(qū)追蹤和動態(tài)調(diào)控方法及其系統(tǒng)，能夠?qū)崟r提供準確的靶區(qū)位置信息并令靶區(qū)位置能夠一直處于射線的照射范圍。

2、為了實現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案如下：

3、一種實時靶區(qū)追蹤和動態(tài)調(diào)控方法，包括如下步驟：

4、s1：基于4dct體表重建數(shù)據(jù)和三維點云體表輪廓數(shù)據(jù)得到相位預測模型；

5、s2：根據(jù)所述相位預測模型輸出的結(jié)果和4dct體內(nèi)靶區(qū)重建數(shù)據(jù)得到二階段模型；

6、s3：疊加相位預測模型和二階段模型，融合得到靶區(qū)預測模型；

7、s4：獲取實時的體表輪廓數(shù)據(jù)和呼吸信號；

8、s5：將所述體表輪廓數(shù)據(jù)和呼吸信號輸入至靶區(qū)預測模型，所述靶區(qū)預測模型預測體內(nèi)靶區(qū)的當前位置；

9、s6：根據(jù)體內(nèi)靶區(qū)的當前位置計算加速器治療床的目標位姿，基于加速器治療床的目標位姿得到加速器治療床的執(zhí)行機構(gòu)的目標位置，通過驅(qū)動執(zhí)行機構(gòu)運動至目標位置從而令加速器治療床調(diào)整至所述目標位姿。

10、在上述的技術(shù)方案中，4dct體表重建數(shù)據(jù)包括呼吸信號、與呼吸信號對應的4dct三維點云輪廓，4dct體內(nèi)靶區(qū)重建數(shù)據(jù)包括與呼吸信號對應的靶區(qū)位置信息。

11、由于相位預測模型訓練的數(shù)據(jù)集中，以三維點云體表輪廓為模型的輸入，以4dct體表重建數(shù)據(jù)的體內(nèi)靶區(qū)點云數(shù)據(jù)和對應的相位作為輸出。因此在得到相位預測模型后，通過該模型就可以根據(jù)體表數(shù)據(jù)預測得到與該體表數(shù)據(jù)對應的與呼吸信號關(guān)聯(lián)的相位和與該相位對應的體內(nèi)靶區(qū)點云數(shù)據(jù)。

12、同理，二階段模型訓練的數(shù)據(jù)集中，預測相位對應的4dct體表重建數(shù)據(jù)和三維點云體表輪廓數(shù)據(jù)為模型輸入和4dct重建數(shù)據(jù)中的靶區(qū)位置信息作為參考值，4dct體表重建數(shù)據(jù)和三維點云體表輪廓數(shù)據(jù)進行關(guān)聯(lián)后，三維點云體表輪廓數(shù)據(jù)能夠與4dct重建數(shù)據(jù)中的靶區(qū)位置信息進行關(guān)聯(lián)，也就是從三維點云體表輪廓數(shù)據(jù)得到對應的靶區(qū)位置信息，在得到二階段模型模型并訓練完成后，根據(jù)預測得到的相位和三維點云體表輪廓數(shù)據(jù)可以預測得到靶區(qū)位置信息。

13、將相位預測模型和二階段模型進行疊加后得到靶區(qū)預測模型，在需要對靶區(qū)追蹤時，只需要將實時體表數(shù)據(jù)和呼吸信號輸入至靶區(qū)預測模型，輸入的數(shù)據(jù)經(jīng)過相位預測模型和二階段模型計算，最后輸出預測的體內(nèi)靶區(qū)的當前位置。在得到體內(nèi)靶區(qū)的當前位置后，通過換算得到對應的加速器治療床的目標位姿，加速器治療床根據(jù)目標位姿讓加速器治療床的執(zhí)行機構(gòu)到達目標位置，從而實現(xiàn)姿態(tài)的變換，在加速器治療床的轉(zhuǎn)換至目標位姿之后，射線照射在體內(nèi)靶區(qū)的當前位置。體內(nèi)靶區(qū)隨著呼吸發(fā)生改變，實時的體表數(shù)據(jù)和呼吸信號也會隨著改變，而靶區(qū)預測模型的預測的體內(nèi)靶區(qū)的位置也跟隨變化，最終讓加速器治療床實時跟隨靶區(qū)的位置來變動，讓射線一直能夠只照射在靶區(qū)處。

14、優(yōu)選的，在步驟s1中，具體的流程為：

15、s1.1：通過4dct獲取至少一個呼吸周期內(nèi)的呼吸信號和對應的圖像信息，所述圖像信息包括4dct三維點云輪廓和靶區(qū)位置信息；根據(jù)呼吸信號將呼吸相位平均分為n個時相，關(guān)聯(lián)每個時相對應的4dct三維點云輪廓和靶區(qū)位置信息；

16、s1.2：獲取至少一個呼吸周期的三維點云體表輪廓；

17、s1.3：將所述三維點云體表輪廓與所述4dct三維點云輪廓進行對齊，得到三維點云體表輪廓對應的相位并進行標注；

18、s1.4：基于s1.1-s1.3得到的數(shù)據(jù)和相位標注建立數(shù)據(jù)集；

19、s1.5：將數(shù)據(jù)集輸入至第一神經(jīng)網(wǎng)絡模型中心經(jīng)訓練得到所述相位預測模型，所述相位預測模型輸出預測相位。

20、優(yōu)選的，在步驟s1.3中，計算三維點云體表輪廓中的點云數(shù)據(jù)與n個4dct三維點云輪廓中點云數(shù)據(jù)的平均向量距離，以平均向量距離最小的一個4dct三維點云輪廓對應的時相作為到三維點云體表輪廓的相位。

21、優(yōu)選的，所述第一神經(jīng)網(wǎng)絡包括pointnet層，自注意力機制層和全連接層，用于提取點云的特征并進行分類。

22、優(yōu)選的，在步驟s2中，將所述相位預測模型得到與所述預測相位對應的所述4dct三維點云輪廓的點云數(shù)據(jù)和所述三維點云體表輪廓的點云數(shù)據(jù)作為輸入值并輸入至第二神經(jīng)網(wǎng)絡模型中進行訓練，得到所述二階段模型，所述二階段模型輸出預測的靶區(qū)位置信息。4dct體內(nèi)靶區(qū)重建數(shù)據(jù)包括靶區(qū)位置信息，作為二階段模型訓練時的輸出值。

23、優(yōu)選的，所述第二神經(jīng)網(wǎng)絡模型包括dgcnn層、transformer層和pointer層。

24、優(yōu)選的，所述二階段模型的損失函數(shù)定義為預測的靶區(qū)位置信息與所述s1.1中的所述靶區(qū)位置信息之間的差值；所述損失函數(shù)具有l(wèi)2正則項。該損失函數(shù)具體為：

25、

26、式中，表示第二損失函數(shù)；表示由每個呼吸時相的三維點云體表輪廓數(shù)變換至相應最終預測相位對應的預測點云數(shù)據(jù)的旋轉(zhuǎn)矩陣的轉(zhuǎn)置矩陣；表示由每個呼吸時相的三維點云體表輪廓變換至相應真實相位對應的點云數(shù)據(jù)的旋轉(zhuǎn)矩陣；表示單位矩陣；表示由每個呼吸時相的三維點云體表輪廓變換至相應最終預測相位對應的預測點云數(shù)據(jù)的平移矩陣；表示由每個呼吸時相的體表點云輪廓變換至相應真實相位對應的點云數(shù)據(jù)的平移矩陣，表示正則化系數(shù)，表示訓練參數(shù)。

27、優(yōu)選的，在步驟s4前，對靶區(qū)預測模型進行優(yōu)化，具體步驟為：

28、通過cbct掃描獲取體內(nèi)靶區(qū)的數(shù)據(jù)作為訓練數(shù)據(jù)輸入至所述相位預測模型中進行訓練，對相位預測模型的參數(shù)進行調(diào)整。具體的，通過cbct掃描獲取體內(nèi)靶區(qū)的數(shù)據(jù)包括靶區(qū)的形狀、大小、位置以及與體表和體內(nèi)運動的相關(guān)性；所述體表和體內(nèi)運動的相關(guān)性通過積神經(jīng)網(wǎng)絡進行卷積操作提?。煌ㄟ^遷移學習方法將體內(nèi)靶區(qū)的數(shù)據(jù)輸入至所述相位預測模型進行訓練。

29、優(yōu)選的，通過體表光學引導系統(tǒng)實時監(jiān)測患者的體表輪廓數(shù)據(jù)和呼吸信號。

30、優(yōu)選的，在步驟s6中，具體步驟包括：

31、s6.1：計算體內(nèi)靶區(qū)的當前位置轉(zhuǎn)換至加速器治療床的目標位姿所對應的轉(zhuǎn)換偏差；

32、s6.2：獲取加速器治療床的當前位姿，當前位姿包括當前位置和當前角度；

33、s6.3：基于當前位姿和加速器治療床的坐標系，將所述轉(zhuǎn)換偏差轉(zhuǎn)換為加速器治療床的上平臺對于下平臺的位姿關(guān)系；

34、s6.4：將上平臺對于下平臺的位姿關(guān)系轉(zhuǎn)換為每個所述執(zhí)行機構(gòu)的目標位置對應的位置矩陣，通過位置矩陣得到執(zhí)行機構(gòu)的執(zhí)行量，執(zhí)行機構(gòu)移動對應的執(zhí)行量后，上平臺達到目標位姿。

35、優(yōu)選的，在步驟s6.1中，轉(zhuǎn)換偏差為（,,,,,)；在步驟s6.3中，所述轉(zhuǎn)換偏差轉(zhuǎn)換為加速器治療床的上平臺對于下平臺的位姿關(guān)系包括：

36、空間平移變換：

37、x軸旋轉(zhuǎn)變換：

38、y軸旋轉(zhuǎn)變換：

39、z軸旋轉(zhuǎn)變換：

40、轉(zhuǎn)換偏差對應的矩陣為：

41、

42、式中，表示腫瘤靶區(qū)在等中心的變換，表示下平臺坐標系b-xyz在等中心坐標系o-xyz下的位姿關(guān)系，加速器治療床只有4個自由度，xyz三個方向平移和繞z軸旋轉(zhuǎn)，假設其初始位置為lat,lng,vrt，初始角度為rtn，則可以獲得以下表示：

43、=*

44、表示上平臺p-xyz坐標系在下平臺坐標系b-xyz下的初始位姿變換關(guān)系，假設其初始位置為,,,?初始姿態(tài)為,,，則可以表示如下：

45、

46、通過以上已知條件，可得到對靶區(qū)矯正后的位姿關(guān)系：

47、

48、

49、表示p-xyz坐標系在經(jīng)過對靶區(qū)進行矯正后對于等中心坐標系o-xyz位姿關(guān)系；表示p-xyz坐標系在經(jīng)過對靶區(qū)進行矯正后對于等中心坐標系b-xyz位姿關(guān)系。

50、優(yōu)選的，步驟s6.4的具體步驟為：

51、s6.4.1：建立所述執(zhí)行機構(gòu)的下鉸點相對于下平臺坐標系的坐標和所述執(zhí)行機構(gòu)的上鉸點相對于上平臺坐標系的坐標，分別為：

52、

53、

54、式中，表示執(zhí)行機構(gòu)的下鉸點相對于下平臺坐標系的坐標；表示點在下平臺坐標系中的x軸坐標，n表示執(zhí)行機構(gòu)的數(shù)量，與同理；表示的下平臺上點的起點；

55、

56、

57、式中，表示執(zhí)行機構(gòu)的上鉸點相對于上平臺坐標系的坐標；表示點在上平臺坐標系中的x軸坐標，n表示執(zhí)行機構(gòu)的數(shù)量，與同理；表示的上平臺上點的起點；

58、s6.4.2：將上平臺坐標系中的上鉸點轉(zhuǎn)換到下平臺坐標系，得到所述位置矩陣，具體為：

59、

60、

61、式中，上平臺坐標系在下平臺坐標系下的位姿為，其中x、y、z是沿著坐標軸的位移量，rx，ry，rz分別為按順序繞x軸、y軸、z軸的旋轉(zhuǎn)； c是 cos的縮寫， s是 sin的縮寫；表示為點在下平臺坐標系中的坐標，即位置矩陣；表示上平臺坐標系p-xyz原點在下平臺b-xyz坐標系下的初始位置。

62、s6.4.3：根據(jù)位置矩陣計算所述執(zhí)行機構(gòu)的執(zhí)行量，具體為：

63、

64、

65、

66、式中，表示第i個執(zhí)行機構(gòu)從到的矢量，而表示為則表示第i個執(zhí)行機構(gòu)從到的單位矢量，例如；表示為第i個執(zhí)行機構(gòu)的連桿的長度。

67、一種實時靶區(qū)追蹤和動態(tài)調(diào)控的系統(tǒng)，包括：

68、模型建立模塊，用于建立相位預測模型和二階段模型，并將相位預測模型和二階段模型疊加為靶區(qū)預測模型；

69、數(shù)據(jù)收集模塊，用于收集4dct重建數(shù)據(jù)和三維點云體表輪廓數(shù)據(jù)并輸入至模型建立模塊；

70、實時數(shù)據(jù)處理模塊，用于提取靶區(qū)預測模型，用于接收實時監(jiān)測的體表輪廓數(shù)據(jù)和呼吸信號并輸入至靶區(qū)預測模型，用于將靶區(qū)預測模型的預測結(jié)果轉(zhuǎn)換成加速器治療床的目標位姿；

71、數(shù)據(jù)計算輸出模塊，用于將目標位姿轉(zhuǎn)換為執(zhí)行機構(gòu)的目標位置并輸出至加速器治療床；

72、加速器治療床，接收執(zhí)行機構(gòu)的目標位置并調(diào)整自身的目標位姿。

73、相較于現(xiàn)有技術(shù)，本發(fā)明的有益效果：通過靶區(qū)預測模型，實時輸入的體表數(shù)據(jù)和呼吸信號就可以得到實時的體內(nèi)的靶區(qū)位置，能夠?qū)崟r響應靶區(qū)的動態(tài)變化，實現(xiàn)動態(tài)調(diào)控。而靶區(qū)預測模型是通過基于4dct重建數(shù)據(jù)進行的人工智能建模，預測的靶區(qū)位置精確度高。另外，靶區(qū)預測模型的靶區(qū)位置只需要轉(zhuǎn)換成加速器治療床得目標位姿后領加速器治療床進行姿態(tài)轉(zhuǎn)換從而讓射線對準靶區(qū)，對加速器治療床的限制較少，只要具有能夠改變患者姿態(tài)的加速器治療床均可實現(xiàn)，無需依賴于特定設備。