Tiên đoán chuyển động của u phổi bằng giải thuật PE-NLMS
Email tác giả liên hệ:
thinhnt@hcmute.edu.vnTừ khóa:
Giải thuật tên đoán, Chuyển động khối u phổi, LMSTóm tắt
Trong xạ trị robot, một trong những vấn đề chính là thời gian trễ của hệ thống giữa việc xác định vị trí của khối u và đáp ứng của các cơ cấu cơ khí nhằm đạt đến vị trí mong muốn. Để đáp ứng của hệ thống dịch chuyển chính xác, các thuật toán dự đoán chuyển động được sự dụng để bù trừ cho những khoảng thời gian trễ của hệ thống bằng cách tiên đoan trước vị trí của khối u n trong một khoảng thời gian xác định. Trong nghiên cứu này, chúng tôi đã phân tích tính chính xác của ba thuật toán dự đoán vị trí của khối u. Các chuyển động đã được phân tích để dự đoán lên tới 400ms bằng thuật toán dự đoán Least Mean Square (LMS), Normalised Squares Mean Square (NLMs) và dự báo lỗi dựa trên chuẩn hóa Squares Mean nhất (eNLMS). Việc thực hiện các thuật toán dự đoán được đánh giá bằng cách sử dụng tỷ lệ lấy mẫu 30 Hz trong 3 cơ sở dữ liệu hô hấp thực. Kết quả cho thấy thuật toán eNLMS là vượt trội so với tất cả các thuật toán khác và không yêu cầu điều chỉnh thông số quá nhiều.
Tải xuống: 0
Tài liệu tham khảo
Y. Seppenwoolde, H. Shirato, K. Kitamura, S. Shimizu, M. van Herk, J.V. Lebesque and K. Miyasaka, “Precise and real-time measurement of 3D tumor motion in lung due to breathing and heartbeat, measured during radiotherapy,” International Journal of Radiation Oncology Biology Physics, vol. 53, no. 4, pp. 822-834, 2002.
M.J. Murphy. “Tracking moving organs in real time,” Seminar in Radiation Oncology, vol. 14, no. 1, pp. 91-100, 2004.
P. Giraud and et al. “Conformal radiotherapy (CRT) planning for lung cancer: analysis of intrathoracic organ motion during extreme phases of breathing,” International Journal of Radiation Oncology Biology Physics, vol. 51, no. 4, pp. 1081-1092, 2001.
H. Wu, et al, “A finite state model for respiratory motion analysis in image guided radiation therapy,” Physics in Medicine and Biology, vol. 49, no. 23, pp. 5357–5372, 2004.
F. Ernst, Compensating for Quasi-periodic Motion in Robotic Radiosurgery, Springer, 2011.
P.J. Keall, G.S. Mageras, J.M. Balter, R.S. Emery, K.M. Forster, S.B. Jiang, J.M. Kapatoes, D.A. Low, M.J. Murphy, B.R. Murray, C.R. Ramsey, M.B. Van Herk, S.S. Vedam, J.W. Wong, E. Yorke, “The management of respiratory motion in radiation oncology report of AAPM Task Group 76,” Medical Physics, vol. 33, no. 10, pp. 3874–3900, 2006.
Y.D. Mutaf, C.J. Scicutella, D. Michalski, K. Fallon, E.D. Brandner, G. Bednarz, M.S. Huq, “A simulation study of irregular respiratory motion and its dosimetric impact on lung tumors,” Physics in Medicine and Biology, vol. 56, no. 3, pp. 845–859, 2011.
http://www.imaios.com/en/e-Anatomy/Limbs/Planes-and-motions-diagrams
Lee, Suk Jin, Motai, Yuichi, Prediction and Classification of Respiratory Motion, Springer, 2013.
P.S. Verma, H. Wu, M.P. Langer, I.J. Das, G. Sandison, “Survey: real-time tumor motion prediction for image guided radiation treatment,” Computing in Science & Engineering, vol. 13, no. 5, pp. 24-35, 2011.
E. Floris, D. Robert, S. Alexander and S. Achim, “Evaluating and comparing algorithms for respiratory motion prediction,” Physics in Medicine and Biology, vol.58, no.11, pp. 3911-3929, 2013.
S. Sayeh, J. Wang, W.T. Main, W. Kilby, Jr. Maurer, C.R.: Robotic Radiosurgery, Treating Tumors that Move with Respiration, 1st ed., chap. “Respiratory motion tracking for robotic radiosurgery”, pp. 15-30. Springer, Berlin, 2007.
S.S. Vedam, P.J. Keall, A. Docef, D.A. Todor, V.R. Kini, R. Mohan, “Predicting respiratory motion for four-dimensional radiotherapy,” Medical Physics, vol. 31, no. 8, pp. 2274–2283, 2004.
G. .C. Sharp, S.B. Jiang, S. Shimizu, H. Shirato, “Prediction of respiratory tumour motion for real-time image-guided radiotherapy,” Physics in Medicine and Biology, vol. 49, no. 3, pp. 425–440, 2004.
S. Haykin.: Adaptive Filter Theory, 4th ed., Prentice Hall, Englewood Cliffs, NJ, 2002.
A. Schweikard, Medical Robotics, course notes, summer 2013.
F. Ernst, R. Bruder, A. Schlaefer and A. Schweikard, “Performance Measures and Pre- Processing for Respiratory Motion Prediction,” In: 53rd Annual Meeting of the AAPM, Medical Physics, vol. 38, no.6, pp. 3857, 2011.
S. Haykin, B. Widrow, Least-Mean-Square Adaptive Filter, John Wiley & Sons, 2003.
Tải xuống
Đã Xuất bản
Cách trích dẫn
Số
Chuyên mục
Categories
Giấy phép
Tác phẩm này được cấp phép theo Giấy phép quốc tế Creative Commons Attribution-NonCommercial 4.0 .
Bản quyền thuộc về JTE.
