【摘要】 本发明公开了一种动态肿瘤实时跟踪方法，包括以下步骤：(1)输入：肿 瘤解剖结构的图像序列、呼吸状态特征集；(2)建立状态关联数据库；(3)获 取实时图像和呼吸状态特征；(4)预测延时后的呼吸状态特征；并确定对应的 肿瘤形态变化区间的图像序列；(5)判别肿瘤运动与呼吸运动相关性；(6)将 实时图像与肿瘤形态变化区间的图像序列，在感兴趣区内逐个进行配准；(7) 从配准结果中选择一幅最佳肿瘤形态图像；(8)输出肿瘤解剖结构的图像。本 发明通过呼吸状态量化与分析，建立呼吸和肿瘤运动的相关性，据此进行呼吸 的预测与运动跟踪，提高动态肿瘤实时跟踪的效率及其跟踪的精确性。 【专利类型】发明申请 【申请人】深圳市海博科技有限公司 【申请人类型】企业 【申请人地址】518057广东省深圳市南山区科苑南路高新南七道惠恒大楼三楼 【申请人地区】中国 【申请人城市】深圳市 【申请人区县】南山区 【申请号】CN200810068354.4 【申请日】2008-07-08 【申请年份】2008 【公开公告号】CN101623198A 【公开公告日】2010-01-13 【公开公告年份】2010 【发明人】周寿军 【主权项内容】1.一种动态肿瘤实时跟踪方法，其特征在于，包括以下内容和步骤： (1)输入：肿瘤解剖结构的图像序列I(k)、呼吸状态特征集R(k)； (2)建立状态关联数据库，包括：肿瘤解剖结构的图像序列I(k)、肿瘤形态图 像序列D(k)、标记物特征集S(k)、呼吸状态特征集R(k)，令T为标准周期长 度，上述四种状态数据按照同一时相顺序k＝k1，k2，...kT建立关联； (3)获取治疗中t＝ti时刻动态肿瘤的实时图像f(ti)和呼吸状态特征R(ti)； (4)通过预测模型，预测延时Δt后的呼吸状态特征R(ti+Δt)；并在肿瘤形态图 像序列中D(k)，确定R(ti+Δt)对应的肿瘤形态变化区间的图像序列 D(kj-α)～D(kj+α)，kj∈{1，...，K}； (5)判别ti时刻下的肿瘤运动与呼吸运动相关性； (6)将实时图像f(ti)与肿瘤形态变化区间的图像序列，在感兴趣区内逐个进行 配准； (7)从配准结果中选择一幅最佳肿瘤形态图像D(kj+m)，m∈[kj-α，kj+α]，代表 ti+Δt时刻的肿瘤形态； (8)输出描述ti+Δt时刻肿瘤解剖结构的图像I(kj+m)。 【当前权利人】深圳市海博科技有限公司 【当前专利权人地址】广东省深圳市南山区科苑南路高新南七道惠恒大楼三楼 【专利权人类型】有限责任公司 【统一社会信用代码】9144030073206590X0 【被引证次数】59 【家族被引证次数】59
