一种强放疗设备优化加速器等中心测量方法

技术领域

本发明涉及图像处理与计算机视觉的技术领域，具体而言涉及一种强放疗设备优化加速器等中心加测量方法。

背景技术

放疗是一种常见的治疗肿瘤的方法，其通过使用高能辐射来杀灭癌细胞。在放疗过程中，准确的定位和瞄准是确保治疗精确性和安全性的关键因素。为了实现这一目标，红外双目定位系统广泛应用于强放疗设备，以提供快速且准确的定位。

然而，红外双目定位系统在实际应用中面临着伪点问题。伪点是指相机视野中的某些物质经过红外线照射后反射给相机，导致系统定位出现错误的点。这些伪点可能是环境中的异物、反射物或其他干扰源。伪点的存在给定位精度带来了挑战，可能导致治疗过程中的定位偏差，从而影响治疗效果和患者的安全性。

目前，针对红外双目定位系统中的伪点问题，已经提出了一些解决方案。例如，现有的申请公开号为CN116466293A的一种去除伪点的无源多站多目标交叉定位方法。这种方法是通过多站测量的角度信息及自身位置即可完成对目标的定位。然而，这种方法在特定情况下可能无法完全解决伪点问题，存在定位精度不足的风险。

因此，需要一种更有效的方法来优化红外双目定位系统，以提高加速器等中心测量的精度。这种方法应该能够准确地识别和修正伪点，从而实现更精确的定位结果，提高放疗过程的准确性和安全性。

本发明旨在提供一种强放疗设备优化加速器等中心测量的方法，以解决红外双目定位系统中的伪点问题，并提高系统的定位精度。通过采用本发明的优化方法，可以有效降低伪点的影响，为放疗过程提供更精确和可靠的定位，从而提高治疗效果和患者的安全性。

发明内容

本发明的目的在于提供一种强放疗设备优化加速器等中心加测量方法，以解决上述背景技术中提出的问题。为实现上述目的，本发明提供如下技术方案：一种强放疗设备优化加速器等中心加测量方法。为克服上述缺陷，采用的技术方案如下：

S1：确定放射治疗设备中需要优化加速器等中心测量的部位并在放射治疗设备中安装红外双目定位系统；

S2：通过红外双目定位系统采集所需测量部位的图像数据；

S3：使用图像处理和计算机视觉算法对采集到的图像数据进行预处理；

S4：对于预处理后图像数据中的伪点，运用IRLS算法通过迭代的方式进行识别和修正；

S5：运用RANSAC算法通过随机采样和一致性，从采集到的图像数据中选取一组内点数据，并根据这些内点数据拟合出最优的空间圆模型；

S6：根据拟合出的空间圆模型，计算出加速器等中心测量的精确位置，并进行修正。

作为本发明的一种优选方案，其中：所述确定放射治疗设备中需要优化加速器等中心测量的部位并在放射治疗设备中安装红外双目定位系统的具体步骤包括：

S11：分析设备的物理结构、加速器的性能以及治疗的精确度来明确加速器等中心测量的部位；

S12：使用光定位系统、超声波传感器、红外传感器测量工具和技术，对需要优化测量的部位进行测量和分析；

S13：设计安装红外双目定位系统并在模拟环境中进行测试和验证，再对放射治疗设备定位和校准；

S14：根据红外双目定位系统得到的结果进行优化，调整红外摄像头的角度、距离、亮度以及调整放射治疗设备的参数和设置。

作为本发明的一种优选方案，其中：所述通过红外双目定位系统采集所需测量部位的图像数据具体步骤包括：

S21.准备好红外双目定位系统、计算机和采集卡，并且与强放疗设备进连接；

S22.使用红外双目定位系统对测量部位进行标定，以确保系统能够准确识别和定位目标部位，标定物然后通过系统进行识别和校准；

S23.通过红外双目定位系统采集所需测量部位的图像数据系统将对目标部位进行识别和定位，并生成相应的图像数据；将处理后的图像数据传输到强放疗设备中。

作为本发明的一种优选方案，其中：所述使用图像处理和计算机视觉算法对采集到的图像数据进行预处理具体步骤包括：

S31：将图像文件读入到计算机中，使用OpenCV图像处理库来处理；

S32：将读取到的图像转换为灰度图像；

S33：使用滤波器等技术去除颗粒、杂色这些噪声得到预处理后的图像数据，预处理后的图像数据中包含相机视野中的环境中的异物、反射物或其他干扰源，经过红外线照射后反射给相机导致系统定位出现错误所形成的伪点。

作为本发明的一种优选方案，其中：所述对于预处理后图像数据，运用IRLS算法通过迭代的方式进行伪点识别和修正具体步骤包括：

首先初始化，设定迭代次数和初始权重；其次输入预处理后的图像数据进行迭代过程，直到达到预设的迭代次数或者满足停止迭代的条件，最终得到想要的球面模型；根据所得的球面模型，计算每个数据点到球面的距离，将计算出来的距离与设定的阈值进行比较，将距离大于阈值的点标记为伪点；使用格朗日插值法对伪点进行修正，拉格朗日插值法通过构造一个多项式来逼近伪点附近的数据从而修正伪点。

作为本发明的一种优选方案，其中：所述运用RANSAC算法通过随机采样和一致性，从采集到的图像数据中选取一组内点数据，并根据这些内点数据拟合出最优的空间圆模型具体步骤包括：

首先，从红外双目定位系统采集到的图像数据中随机选择一组内点数据；然后，根据这些内点数据拟合出一个空间圆模型，并通过一致性检验筛选出符合预设模型的目标点组数据；重复这个步骤直至满足设定的迭代次数或收集到了足够的目标点集合；最终，选取具有最大内点数量的集合作为最优的空间圆模型。

作为本发明的一种优选方案，其中所述根据拟合出的空间圆模型，计算出加速器等中心测量的精确位置，并进行修正具体步骤包括：

S61：根据拟合出的空间圆模型，确定圆心的位置；根据空间圆模型的半径，确定加速器等中心测量的精确位置与圆心的距离；

S62：根据加速器的测量方向，确定在三维空间中的测量轴线；

S63：将圆心的位置和加速器测量轴线的方向代入到三维坐标系中，得到加速器等中心测量的精确位置；

S64：对计算出的加速器等中心测量的精准位置进行修正，图像采集和处理的过程中存在误差，通过使用参考点或者标志物，将其与红外双目定位系统测量出来的距离进行对比，从而得出加速器等中心测量的修正值。通过不断迭代校准来逐步减小误差，提高定位精度。：

本发明的有益效果：通过优化后的强放疗设备加速器等中心测量方法，可以提高放射治疗设备的定位精度，从而提高治疗效果和患者的安全性。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一个实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：

图1为本发明一种强放疗设备优化加速器等中心测量方法的系统模块结构图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。

其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。

再其次，本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。

实施例

如图1，提供了一种一种强放疗设备优化加速器等中心测量方法的系统模块结构图。

具体的，本发明系统结构包括数据采集模块，预处理模块，伪点处理模块，位置计算和修正模块，放疗定位模块和结果输出模块。其中伪点处理模块包括IRLS算法进行伪点识别和修正和RANSAC算法拟合出最优空间模型。

一种强放疗设备优化加速器等中心测量方法具体包括以下步骤：

S1：确定放射治疗设备中需要优化加速器等中心测量的部位并在放射治疗设备中安装红外双目定位系统。需要说明的是：首先分析设备的物理结构、加速器的性能以及治疗的精确度来明确加速器等中心测量的部位；

然后使用光定位系统、超声波传感器、红外传感器测量工具和技术，对需要优化测量的部位进行测量和分析；再者设计安装红外双目定位系统并在模拟环境中进行测试和验证，再对放射治疗设备定位和校准；最后根据红外双目定位系统得到的结果进行优化，调整红外摄像头的角度、距离、亮度以及调整放射治疗设备的参数和设置。

S2：通过红外双目定位系统采集所需测量部位的图像数据。需要说明的是：首先准备好红外双目定位系统、计算机和采集卡，并且与强放疗设备进连接，然后使用红外双目定位系统对测量部位进行标定，以确保系统能够准确识别和定位目标部位，标定物然后通过系统进行识别和校准。最后通过红外双目定位系统采集所需测量部位的图像数据系统将对目标部位进行识别和定位，并生成相应的图像数据；将处理后的图像数据传输到强放疗设备中。

S3：使用图像处理和计算机视觉算法对采集到的图像数据进行预处理。需要说明的是：采集到的RGB图像运用加权平均法进行灰度化处理得到灰度图。需要说明的是：对双目识别检检测设备采集到的RGB图像运用加权平均法进行灰度化处理步骤包括：

首先将图像文件读入到计算机中，使用OpenCV图像处理库来处理；然后将读取到的图像转换为灰度图像；根据重要性给R，G，B赋予不同的权值，并使其值加权平均，运用公式RGB＝ωR+νG+μB，ω、ν、μ分别表示权重，其中ω+ν+μ＝1。灰度权值如下表：

对每个像素，将其RGB通道的像素值与对应的权重相乘，然后将R，G，B三个通道的结果相加，得到加权平均值作为该像素的灰度值；使用计算得到的灰度值来构建新的灰度图。最后使用滤波器等技术去除颗粒、杂色这些噪声得到预处理后的图像数据，预处理后的图像数据中包含相机视野中的环境中的异物、反射物或其他干扰源，经过红外线照射后反射给相机导致系统定位出现错误所形成的伪点。

S4：对于预处理后图像数据中的伪点，运用IRLS算法通过迭代的方式进行识别和修正。需要说明的是：

首先将初始权重记为ω

初始化拟合球面模型的参数向量p

p＝[A

其中A

再计算每个数据点到拟合的球面模型的距离残差，

其中p

根据残差大小来更新权重

重复更新权重值的步骤，直到达到预设的迭代次数或者满足停止迭代的条件，最终得到想要的球面模型。

最后伪点识别和修正，根据上述的球面模型，计算每个数据点到球面的距离

其中x

将计算出来的距离与设定的阈值进行比较，将距离大于阈值的点标记为伪点，将该伪点从数据集中剔除，不纳入后续的处理和分析。

使用拉格朗日插值法对伪点进行修正，拉格朗日插值法通过构造一个多项式来逼近伪点附近的数据从而修正伪点。若伪点的位置为(x

得到伪点的修正值。

S5：运用RANSAC算法通过随机采样和一致性，从采集到的图像数据中选取一组内点数据，并根据这些内点数据拟合出最优的空间圆模型。需要说明的是：首先从采集到的数据集P

S6：根据拟合出的空间圆模型，计算出加速器等中心测量的精确位置，并进行修正。

需要说明的是：

首先根据拟合出的空间圆模型，确定圆心的位置；根据空间圆模型的半径，确定加速器等中心测量的精确位置与圆心的距离；接着根据加速器的测量方向，确定在三维空间中的测量轴线；然后将圆心的位置和加速器测量轴线的方向代入到三维坐标系中，得到加速器等中心测量的精确位置；对计算出的加速器等中心测量的精准位置进行修正，图像采集和处理的过程中存在误差，通过使用参考点或者标志物，将其与红外双目定位系统测量出来的距离进行对比，从而得出加速器等中心测量的修正值。通过不断迭代校准来逐步减小误差，提高定位精度。

应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。