基于概率优化的立体放疗机器人肿瘤位置实时跟踪模型

Respiratory tumor tracking is the key problem for the robotic stereotaxic radiosurgery in curing extracranial tumors. The correlation model for the marker position and tumor position is the core in the respiratory tumor tracking technology. The existed Cyberknife System determines the respiration phase and establishes the correlation model from the point view of a definite system. The lack of considering the noise of the sensors' data leads to the results of respiration phase determination being incorrect and the results of the correlation model deviating from true values. Moreover, the existing Cyber Knife System re-locates tumors and updates the correlation model with a fixed frequency. This increases the X-ray irradiated doses to bodies and brings negative impact on people' s health. By using the theory of stochastic system, this project determines respiration phase by using the hypothesis testing method, analyzes the correlation between a tumor and three markers and establishes the correlation model from the point view of probability optimization, researches the sensor data's influence on the correlation model's stability, proposes a method to calculate the optimal observation point that can improve the correlation model's stability greatest, and finally achieves a respiratory tracking plan with high precision and high robustness. The research of this project not only can provide other researchers a new concept to the modeling of respiratory tracking, but also has important realistic meanings to the development of stereotaxic radiosurgery instrument in our country.

对于立体放疗机器人,呼吸运动同步跟踪是其应用于颅外肿瘤治疗需要解决的关键问题。在呼吸运动同步跟踪技术中，体表标记与肿瘤位置的关联模型具有核心地位。目前射波刀系统从确定性系统角度判定呼吸运动时相以及建立肿瘤和体表标记的关联模型，没有考虑传感器数据的噪声分布情况，导致时相状态判断不准、关联结果不能收敛到真值；另外，已有的医疗系统以固定频率重定位肿瘤位置并更新关联模型，导致X射线对人体照射次数较多，对人体的健康造成一定的负面影响。本课题从随机系统的角度，采用假设检验的方法判断呼吸运动时相，以概率优化的方法分析肿瘤与体表标记之间的相关性并建立其关联模型，研究传感器数据对关联模型稳定性的影响，提出能够计算出最大程度提高模型稳定性的最佳观察点的方法，最终得到高精度、高鲁棒性的呼吸运动同步跟踪方案。本课题的研究不仅能为其他研究人员提供一种新的思路，而且对于发展我国立体定向放射医疗技术具有重要的现实意义。

以射波刀为代表的立体定向放疗机器人系统具有定位精准、治疗时间短、治疗效果好的特点。对人体胸腹腔病灶的治疗需要考虑呼吸等生理运动对靶点定位的干扰，目前射波刀采用线性模型关联体表标记点和肿瘤的运动，在此基础上采用滑窗法预测靶点位置。然而，现有的预测方法无法适应呼吸运动规律的变化，导致肿瘤位置预测误差较大。本项目针对呼吸引起的人体颅外肿瘤运动对精准放疗造成干扰的问题，对放疗机器人的肿瘤呼吸运动补偿方法及实验实现手段进行研究。针对X射线照射获取体内器官运动信息对人体造成健康危害问题，本项目提出了一种模拟呼吸引起的人体胸腹体表-体内器官关联运动模拟器，通过运动和动力学仿真分析以及搭建实物平台实验验证，模拟器满足呼吸引起的体表及体内器官关联运动的非线性和滞后关系。基于概率优化理论提出肿瘤位置估计方法，该方法利用卡尔曼滤波理论，解决了以往传统模型中未能考虑传感器噪声，以及模型参数不能实时优化的问题，基于UT变换建立体表和肿瘤运动的关联模型，继而得到肿瘤运动的预测模型。提出的肿瘤的呼吸跟踪预测算法已经通过公开数据库和本项目所搭建的人体呼吸运动模拟平台实验验证，在预测精度方面，效果优于临床传统算法（即射波刀采用线性拟合或者多项式拟合作为关联模型，采用滑窗预测算法实现肿瘤位置预测），并优于未采用UT变换的基于卡尔曼滤波的肿瘤位置预测算法。本项目的研究结果对放疗手术机器人呼吸跟踪关键技术的突破具有重要意义，并对其他手术机器人如骨科手术机器人、腹腔镜手术机器人的手术部位呼吸扰动补偿问题具有借鉴意义。