立体放疗机器人基于点云数据融合的体表三维重建与肿瘤运动跟踪研究

Respiration tumor tracking is a necessary component for a robotic stereotaxic radiosurgery system. The correlation model between a tumor and some markers mounted on the torso is a key problem in respiration tumor tracking, and has influence on the effective precision of treatment beam raying on the target area. Localizing the tumor precisely by using the correlation model will reduce the treatment time and the radiant quantity suffered by the patients’ healthy organizations. And this can assure a better treatment effect. To improve the precision and robustness of tumor tracking when patients are in complex clinical status, this project utilizes the merits of the torso’s 3D model in describing the details of a respiration motion. In the theories of random system modeling and probabilistic optimization, the point clouds data representing the torso’s structure collected by the depth camera array can be processed to give a 3D model, which can be used to track tumors. This research containing four aspects of contents, including the reconstruction of the 3D torso’s model based on the fusion of the point clouds data, the representation of the respiration motion and the analyses of respiration phase, the data fusing strategy of correlation models, and the simulations and experiments based on point clouds. Finally, this project will give a high accurate and robust solution for respiratory tumor tracking. And the results of this project will provide theory foundations and technology supports to the development of advanced stereotaxic radiousurgery instrument in our country.

肿瘤呼吸跟踪是立体放疗机器人系统的一个必要组成部分，其中体表标记与肿瘤位置之间的关联模型是肿瘤呼吸跟踪的关键，影响治疗射束对靶区照射的有效精度。建立关联模型并实现对肿瘤的精准定位能够减少病人正常组织所受的辐射、缩短治疗时间，实现更好的治愈效果。为了提高肿瘤跟踪在临床复杂呼吸模式下的精准度和鲁棒性，本课题针对病人三维体表信息表达人体呼吸运动特征更全面的特点，利用深度相机阵列采集蕴含患者体表呼吸运动信息的点云数据，基于随机系统建模、概率优化等理论，实现对病人体表的三维建模，并利用该模型实现对肿瘤的跟踪。研究包括基于点云数据融合的体表三维重建、基于体素模型的呼吸状态表征与时相分析，关联模型的数据融合策略，以及基于点云数据融合的仿真与实验研究四方面内容，最终得到高精度、高鲁棒性的呼吸运动同步跟踪方案，为我国先进放射医疗机器人的发展提供理论基础与技术支撑。

精准放疗过程中，随着人体的呼吸运动，肿瘤的位置以及所在的靶区位置会发生对应的变化。所以对肿瘤位置进行呼吸运动关联和运动预测是放疗手术机器人实现精准放疗的关键步骤。本研究针对人体体表的三维结构信息在表征人体呼吸现象方面具有比传统使用有限体外标记点方法更全面的特点，研究了基于点云数据的人体胸腹体表建模方法；根据基于时间序列的体表模型，提出了一种体表信息表征方法；利用体表特征与体内肿瘤运动信息，提出一种基于体素表征的关联模型的建模方法；针对肿瘤运动信息有限带来的预测困难问题，建立基于递归神经网络的肿瘤位置预测模型。实验结果表明，基于体素模型的呼吸运动表征方法与体内肿瘤运动的相关性高于传统的表征方法，相关系数为0.9；基于体素模型呼吸表征向量的关联模型方法，平均误差精度为0.104mm；基于门控循环神经网络的呼吸运动预测模型，最小RMSE误差为0.1598。本研究提出的基于体表3D点云的呼吸运动表征方法，以及相应的关联模型和预测模型，对获得高精度、高鲁棒性的肿瘤运动跟踪方案起着关键性作用；并对打破国外技术垄断，我国高端医疗设备的自主研发以及减轻患者医疗经济负担具有重要意义和积极作用。