(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211114226.5 (22)申请日 2022.09.14 (71)申请人 苏州大学 地址 215000 江苏省苏州市相城区济学路8 号 (72)发明人 郁树梅　姚耀　孙荣川　孙立宁　 (74)专利代理 机构 苏州见山知识产权代理事务 所(特殊普通 合伙) 32421 专利代理师 袁丽花 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/136(2017.01) G06T 7/33(2017.01) G06T 7/80(2017.01) G06T 5/00(2006.01)G06T 17/00(2006.01) G06V 10/77(2022.01) (54)发明名称 一种基于体表显著性分析的呼吸特征提取 方法 (57)摘要 本申请提供一种基于体表显著性分析的呼 吸特征提取方法， 包括： 建立胸腹部呼吸运动的 体表体素模型， 包含点云信息的获取、 体素模型 的生成以及呼吸运动特征提取； 通过对体表不同 区域进行显著性分析构建显著性评价函数， 基于 所述评价函数选取与肿瘤运动具有高相关性的 体表区域； 对所述体表区域进行体素化处理， 利 用局部线性嵌入降维算法得到体表区域的有效 一维表征信息。 与现有方法相比， 避免了体表冗 余运动信息对关联模型精度的影响， 与PCC方法 相比， 本申请提出的方法能够避免X射线持续照 射对人体造成的危害。 能够更精 准地获取体表运 动信息， 有助于建立更精准的体表 ‑体内运动信 息关联模型， 为放射治疗机器人提供更精准的治 疗精度。 权利要求书2页 说明书11页 附图9页 CN 115187608 A 2022.10.14 CN 115187608 A 1.一种基于体表显著性分析的呼吸特 征提取方法， 其特 征在于， 包括： 建立胸腹部呼吸运动的体表体素模型， 包含点云信息的获取、 体素模型的生成以及呼 吸运动特 征提取； 通过对体表不同区域进行显著性分析构建显著性评价函数， 基于所述评价函数选取与 肿瘤运动具有高相关性的体表区域； 对所述体表区域进行体素化处理， 利用局部线性嵌入降维算法得到体表区域的有效一 维表征信息 。 2.根据权利要求1所述的方法， 其特 征在于， 所述点云信息的获取， 包括： 使用校准标定 板将两台位置固定的RGB ‑D深度相机坐标统一到同一 坐标系下； 通过所述两台位置固定的RGB ‑D深度相机采集胸腹 体表的点云信息； 利用统计滤波算法去除噪声点并使用ICP算法将两组点云信息进行配准； 利用RGB与边界阈值分割去除冗余信息； 使用移动最小二乘算法对点云数据进行平 滑处理。 3.根据权利要求2所述的方法， 其特 征在于， 所述体素模型的生成， 包括： 将处理后的点云信息插入到Octomap八叉树地图中， 通过定义点云在空间中的占据与 空闲状态创建体素地图。 4.根据权利要求3所述的方法， 其特 征在于， 所述呼吸运动特 征提取， 包括： 将每一帧的体表信息建模为体素模型， 该体素模型代表一个时刻的体表呼吸运动状 态； 遍历所有帧的体素模型， 构建一个长方体包围盒即最小包围盒， 使得该包围盒容纳最 大的一帧体素模型； 对每个体素模型使用相同遍历顺序从该包围盒中取 出体素块， 形成一个一维列向量； 通过LLE算法将该一维列向量降维至能够表征体表呼吸运动特 征的低维特 征。 5.根据权利要求1所述的方法， 其特 征在于， 所述通过对体表不同区域进行显著性分析构建显著性评价函数， 基于所述评价函数选 取与肿瘤运动具有高相关性的体表区域， 包括： 对三维重建后的胸腹 体表进行等大小区域分割； 对体表各区域进行显著性分析得到周期性、 稳定性和运动幅值三个表征显著性的指 标； 通过核主成分分析算法对三个指标进行降维处理， 从而计算每一块区域的显著性表征 值； 选取表征值 排名靠前的区域作为有效区域。 6.根据权利要求5所述的方法， 其特 征在于， 所述通过核主成分分析算法对三个指标进行降维处理， 从而计算每一块 区域的显著性 表征值， 包括：权　利　要　求　书 1/2 页 2 CN 115187608 A 2用 表示某一 块区域的显著性 值， 则 的大小由下式求得： 其中 表示周期性 值， 表示稳定性 值， 表示运动幅值， F为KPCA作用函数。 7.根据权利要求6所述的方法， 其特 征在于， 所述周期性 值的计算过程如下： 1） 根据人体呼吸运动数据的周期性特 征将该块区域数据划分为若干周期； 2） 求解相邻周期之间的动态时间规整算法DTW距离； 3） 对DTW值进行求和并求 解均值， 所 得均值即为该区域的周期性 值。 8.根据权利要求6所述的方法， 其特 征在于， 所述稳定性 值用每块区域的震荡点数量表征， 过程如下： 1） 计算每块区域降维数据的峰值 点数目； 2） 去除水平 距离大于25帧的点。 9.根据权利要求6所述的方法， 其特 征在于， 所述运动幅值的计算过程 为： 将区域降维数据作平 滑处理后求其极差即得到该区域的运动幅值。 10.根据权利要求1 ‑9任一项所述的方法， 其特 征在于， 进一 步包括： 将降维后的有效一维表征信息与体内肿瘤信息建立多 项式关联模型。权　利　要　求　书 2/2 页 3 CN 115187608 A 3