2026, Vol. 46
2. 福州大学机械工程及自动化学院 福建省智慧医工联合工程研究中心，福州 350001;
3. 福建漳浦县医院，漳浦 363299
2. School of Mechanical Engineering and Automation, Fuzhou University, Fujian Engineering Research Center of Joint Intelligent Medical Engineering, Fuzhou 350001, China;
3. Zhangpu County Hospital, Zhangpu 363299, China
肿瘤放射治疗的核心原则是准确给予肿瘤体积剂量，同时尽量提高治疗区域剂量并降低正常组织受量，保护周围重要器官[1]。然而，患者在治疗过程中的生理活动，如呼吸、消化道蠕动等，会导致肿瘤和周围组织位置变化，影响射线照射的准确性。呼吸诱导的肿瘤运动是一个重要的误差来源，其运动幅度可能超过3 cm，这种位置变化不仅会降低治疗准确性，还可能使健康组织受到不必要的辐射，引发不良反应[2-4]。为了应对这些不确定因素，临床上通常把临床靶体积(clinical target volume, CTV)外放一定边界产生计划靶体积(planning target volume, PTV) [5]。然而，PTV过小，容易造成肿瘤遗漏复发，PTV过大，将会引起正常组织器官过量照射[6]。
计算机视觉技术通过模拟人类视觉系统的功能，赋予计算机对图像及视频内容进行理解和解释的能力，从而实现图像的自动识别、分析与理解。与传统光学体表监测技术(optical surface monitoring system, OSMS)主要依赖表面形变分析不同，计算机视觉技术一般不直接处理光学体表，而是通过摄像头捕捉目标外观(如颜色和纹理)进行跟踪。随着计算机技术的发展，视觉技术开始应用于放疗领域，特别是在放疗摆位和呼吸运动管理中。本研究旨在探讨计算机视觉技术在这些关键环节的应用情况，并将其与现有的图像引导放射治疗(image guided radiation therapy, IGRT)和OSMS进行对比分析，以期为提升放疗的精确性和安全性提供有益的参考。
一、摆位精度的提升在放射治疗中，靶区剂量的高低是确保肿瘤局部控制率的关键因素。治疗中，外部因素如机器误差、摆位不准、固定技术等，以及患者的呼吸运动、体位改变、体重变化、肿瘤消退、周围正常组织和器官的移动和充盈等内在因素，都会影响靶区受到的剂量准确性，进而影响治疗效果[7-9]。IGRT在精准放疗的发展中起到了关键作用。现有的放射治疗图像引导设备从有辐射的电子射野影像系统(electronic portal imaging device, EPID)到kV级锥形束CT(kV-cone beam CT, kV-CBCT)，再到无辐射的超声引导放疗和光学体表追踪，以及视觉追踪等，都在不断提高放疗的精确性。IGRT技术的应用显著提高了摆位精度，减少了计划靶区的边界，降低了正常组织的照射体积。
1. IGRT：当前IGRT主要依赖MV或kV级CBCT，这些设备虽然在指导摆位方面表现出色，但是CBCT只能在每次治疗前进行位置调整，在治疗过程中无法动态实时监测患者的体位移动[10]。此外，CBCT还会产生额外的辐射剂量，增加患者发生二次肿瘤的风险[11-12]，并且软组织对比度低，不利于追踪体内靶区和器官运动。
2. OSMS：OSMS虽然可以监测患者实时摆位误差[13-14]，但有研究发现OSMS辅助摆位组和常规摆位组在x、y以及z轴方向上的平移摆位误差可以分别达到(0.17±0.12)和(0.21±0.15)cm (P=0.394)、(0.14±0.13)和(0.24±0.19)cm(P=0.026)以及(0.13±0.12)和(0.19±0.21)cm (P=0.591)[15]。同时，在处理体表组织容易变形的问题上仍面临挑战[16]。此外，OSMS系统占用空间大、成本高，且在放疗或质量控制过程中标记物的特征点可能被遮挡，体表组织易变形，光学识别的精度等问题都会影响放疗的精准度[17-19]。
无锡瑞尔医疗公司自主研发的光学引导跟踪系统(optical guided tracking system, OGTS)采用红外传感技术，通过固定在患者体表的光学标记点反射的红外光，实时探测患者的运动状态。有研究使用该公司生产的OGTS检验模体进行测试，结果显示，反光球平台与光学标记点的综合平移偏差最小为0，最大为0.18 mm，选取其中一点进行重复测量6次后，综合平移偏差的标准差为0.03 mm[20]。该系统在提高放疗精准度和安全性方面具有显著优势，尤其在无创无辐射、实时监控和提高摆位精度等方面表现出色，也可以弥补Catalyst系统、AlignRT系统等常规光学体表系统容易丢失信息的缺点。然而，其在临床应用中仍面临一些挑战，如遮挡问题和皮肤状况影响标记物稳定性等。随着技术的不断改进和临床应用的深入，OGTS有望在放疗领域发挥更大的作用[20]。
3. 视觉追踪在摆位中的应用：近年来，视觉追踪技术在放射治疗摆位的应用日益受到重视，其通过计算机视觉技术实时获取患者体表标记物的三维空间坐标，并将这些信息传递给反向跟踪平台系统，实现对人体在放射治疗过程中位置变化的实时监测，从而指导技术员摆位，提高治疗的精确性和效率，减少人为误差[21]。Barbés等[22] 通过使用两个摄像头记录的二维图像，利用投影技术来获取空间中点的三维位置。通过追踪附着在移动患者体表的白色贴纸上的黑点，实现了位置追踪。在跟踪放疗期间患者表面的461条点轨迹后，结果显示3个空间方向上的轨迹再现精度达到了0.3 mm以上。该系统能够跟踪身体任何部位的平移和旋转运动，且跟踪点的数量不受限制。校准过程简便迅速，大约只需1 min。Sarmadi等[23] 的研究团队开发了一种高效且经济的算法，用于实时追踪现场和患者，通过视觉反馈交互地帮助技术员进行患者定位。该技术的应用不仅提升了定位的准确性，还增强了操作的便捷性，优化了患者体验。谢理哲等[24] 研发的基于双目视觉定位的骨盆正位片拍摄姿势校正系统，通过双目摄像头组对患者骨盆、下肢及脚底部位进行三维坐标采集，结合标记点检测算法实现无接触式体位校准。该系统无需物理标记点，直接通过图像分析脊柱曲度与骨盆角度，为实现骨科影像的标准化拍摄提供了关键技术保障。也有学者通过增强现实(AR)装置获取治疗室内图像及摄像机坐标系，计算获得机房治疗机坐标系及在摄像机坐标系下的患者体表参考影像[25]。将机房治疗机坐标系与计划治疗机坐标系进行配准并重合，计算获得治疗室场景中摄像机坐标系下的患者体表参考影像。操作人员可以对比显示的患者体表参考影像，以虚拟图像为参照进行摆位。这种摆位方式参照物更直观，摆位更便捷，参考范围更广，可以多角度地对患者体位进行各个方向的微调。其优势具体体现在以下几个方面：首先，视觉追踪系统的结构简单，具备高度的灵活性、便携性和重复性；其次，相较于单纯使用IGRT和CBCT，患者受到的额外辐射剂量显著减少；第三，该技术具备实时性，能够实时获取患者体表位置信息，且精度高。采用非接触式光学方法，该系统无创且成本低，数据收集过程中不会引起患者不适，没有跟踪时间限制，不延误治疗，也不干扰患者周围的物体，并且具有良好的抗干扰能力；第四，该技术可整合多光谱摄像头(如RGB-D、红外)与外部传感器数据(如呼吸门控信号)，构建多模态融合模型；第五，多目标追踪，视觉追踪可同时监测体膜标记点、皮肤表面及外部设备(如呼吸门控装置)[24]；最后，视觉追踪可利用普通工业相机(成本较低)结合开源算法框架(如OpenCV、PyTorch)[26-27]，而OSMS需专用光学探头(单探头成本高)及配套校准设备。这些优点为患者提供了舒适且高效的治疗体验，有利于在临床中的推广应用。3种技术的优缺点比较见表 1。
|
表 1 不同技术的优缺点比较 Table 1 Comparison of advantages and limitations among different technologies |
二、视觉追踪在呼吸运动管理中的应用
1. 实时运动跟踪技术：根据美国医学物理学家协会(AAPM)工作组76号报告[28]，在放疗中，减少呼吸运动影响的方法可大致分为5类：包括主动呼吸控制技术、屏气技术、强制浅呼吸技术、呼吸门控技术和实时运动跟踪技术。目前，临床常用的减少因呼吸运动引起误差的方法包括屏气技术、实时肿瘤跟踪技术和呼吸门控技术等。这些方法通常依赖于X射线摄影或透视成像，可能增加患者暴露于射线的频率。此外，定位标志物往往需要在患者体表或固定体膜上标记，甚至可能需要手术植入金属标志物，这给患者带来一定的不便。
2. 现有技术的优缺点：为了解决这些问题，市场上出现了光学表面成像(optical surface imaging, OSI)系统，如英国伦敦VisionRT公司生产的AlignRT系统、瑞典C-RAD公司生产的Catalyst系统及德国Humediq公司生产的identify系统[29]。这些系统被广泛应用于立体定向放射治疗、自由呼吸下乳腺癌放疗、深吸气屏气下乳腺癌术后照射，以及头颈部、胸腹部、四肢等部位及儿童肿瘤患者的放射治疗中。OSI系统通过非接触式的光学方法，实时监测患者的体表运动，减少了患者受辐射的风险，提高了治疗的舒适度和精确性，为放疗提供了更为安全和便捷的解决方案。OSI系统存在束开时间延迟较长的问题。例如，Versa-HD系统的平均束开启时间延迟为(1 664±72)ms。这种延迟可能影响治疗的精确性，尤其是在需要快速响应的场景中[29]。
3. 视觉技术在呼吸追踪的应用：目前，基于视觉的呼吸频率检测技术已经在众多医疗领域崭露头角，其应用范围涵盖了放射治疗、早产儿护理以及睡眠监测等多个方面。例如，Li和Dai[30] 发现通过视觉反馈的应用可以提高左乳腺癌屏气放疗的可重复性和稳定性，还可以有效减少屏气次数和治疗时间。这些技术的出现，不仅提高了医疗监测的准确性，也为患者带来了更为舒适和安全的体验。
在放射治疗领域，双目视觉技术的应用尤为突出。该技术通过两个摄像头捕捉患者的三维图像，能够实时监测和跟踪患者在呼吸过程中的身体运动。这种技术对于减少放疗过程中肿瘤靶区因呼吸导致的位移具有重要意义。由于放疗需要精确地对准肿瘤位置，任何微小的位移都可能导致放疗效果降低或正常组织的损伤。双目视觉技术的引入，极大地提高了放疗的精确性，有助于实现更为精准的放射治疗[31]。
舒双宝等[32] 利用非接触式呼吸频率测量方法，该方案基于Kinect深度相机，通过标定板定位胸部感兴趣区，结合三维校正和滤波提取呼吸信号，经傅里叶变换计算频率(30帧/s)，兼顾实时性与连续性。其优势在于非侵入性、低成本及抗环境干扰能力，但依赖标定板影响实用性，且受限于深度相机分辨率与复杂算法的计算负荷。未来可通过无标定特征追踪和算法优化进一步提升适用性。
Wijenayake和Park[33] 提出了一种新颖的呼吸运动跟踪方法，利用RGB-D摄像机捕获患者胸壁的深度图像，并通过主成分分析(principal component analysis, PCA)建立呼吸模型以减少噪声。该方法的摄像机帧率可达60 Hz，能够实时测量外部呼吸运动，精度达到0.5 mm，并使用标记辅助的深度配准技术来限定测量区域，从而处理患者的运动。与肺活量计和激光线扫描技术相比，该方法表现出高相关性(0.97)和低平均误差(0.53 mm)，验证了其测量精度。研究表明，RGB-D摄像机的高空间分辨率和深度信息能力不仅能测量胸壁的运动，还能测量区域运动，具有描述内部肿瘤运动的潜力。但是其硬件要求高，需要较高处理器进行加速计算。
Leduc等[34] 设计了一套基于计算机视觉的呼吸监测和处理系统Madibreast，该系统能够准确跟踪乳房不同位置的运动，其摄像机的帧率可以达到100 Hz以实时监控标记轨迹，并及时纠正位移偏差，展现出0.5 mm的精度和小于100 ms的延迟时间。系统还允许在皮肤上设置多个标记以提高与肿瘤位置的相关性，但其局限性在于光照不足或呼吸模式过快时跟踪可能失败，且延迟时间可能随CPU占用增加而增长。
这些技术不仅提高了监测的精度和可靠性，还为临床治疗提供了更为有效的支持，预计在未来将进一步推动呼吸监测技术的发展和应用。与此同时，有学者将视觉追踪应用在实时监测患者屏气状态，同时结合语音指导和视觉反馈训练，能够让患者直观地观察自己的呼吸状态、屏气水平以及需要屏气的位置，从而促进患者自主控制屏气的节奏和时间，以及提高屏气的可重复性[35-36]。
三、视觉技术在治疗床的应用视觉测距作为机器视觉领域的基础技术之一，备受关注，并在机器人领域占据重要地位。它广泛应用于机器视觉定位、目标跟踪、视觉避障等方面。机器视觉测量技术主要包括单目、双目和结构光视觉测量等。测量距离是计算机视觉的关键应用之一，通过三角测量、深度传感器等技术，能够获取物体与摄像机之间的距离信息[37-39]。
随着相关研究的不断深入，视觉测距技术的应用效果不断提升，应用场景也在不断扩大。当前，在医学领域，尤其是在导航内窥镜手术中，计算机视觉系统能够有效帮助医生定位病变组织，确定与病变组织的距离，从而减少对健康组织的损伤。同时视觉测距技术在放疗中展现了良好的前景。高庆阳[40] 设计了颅脑手术导航系统，该系统通过术中可见光人脸三维点云和术前CT人脸三维点云配准，建立术中RGB-D相机坐标系和术前CT成像坐标系间的转换矩阵，同时通过RGB-D相机计算和跟踪颅钻的三维空间位姿，并将其投影到CT成像坐标系下，评估颅钻真实路径与虚拟导航路径的重合程度，最后通过调整颅钻位姿使得手术真实路径符合虚拟导航路径。在黄心怡等[41] 学者基于单目视觉定位原理的颅颌面手术机器人系统，可以进一步提高颅颌面手术机器人的准确性。董峰[42] 基于位置的视觉系统动态标定算法，通过视觉模型和逆动力学控制，实现了在线估计旋转矩阵，并反馈调整机器人位置，使误差趋近于零，达到视觉系统的动态标定。其通过李亚谱诺夫函数证明了算法的收敛性，仿真实验验证了其正确性。研究还提出了基于图像点特征的标定算法，实现了定位床的精确控制。
四、小结与展望视觉技术在放射治疗领域的应用，不仅显著提升了治疗的精准度与效率，还为患者带来了更为安全、舒适的治疗体验。在治疗过程中，该技术通过对床位移动的实时监控与精准控制，极大地保障了放疗的精确性，同时有效减轻了放疗技师的工作负担。
计算机视觉追踪系统能够实时监测并记录体表随呼吸运动的位移情况，为靶区摆位扩边提供重要的数据参考。它为放射治疗提供了精准的定位和追踪技术支持，并能够在放疗过程中实时反映患者的呼吸和位置变化。随着技术的不断进步，非接触式的光学表面成像系统和先进的呼吸频率监测方法将被广泛应用，这不仅能极大地改善治疗效果，还能减少患者的辐射暴露和不适感。
展望未来，视觉追踪技术结合智能反馈机制和个性化治疗方案，有望进一步推动放射治疗的创新与发展，为患者提供更精准、高效的医疗服务。随着这些技术的成熟和普及，放射治疗的整体质量将得到显著提升，患者满意度也将大幅提高，这无疑是医疗领域迈向更高标准的重要一步。
利益冲突 无
作者贡献声明 吴冰撰写论文；刘彦、王伟培负责文献收集；李小波指导论文修改
| [1] |
Wang K, Tepper JE. Radiation therapy-associated toxicity: etiology, management, and prevention[J]. CA Cancer J Clin, 2021, 71(5): 437-454. DOI:10.3322/caac.21689 |
| [2] |
Pan CH, Shiau AC, Li KC, et al. The irregular breathing effect on target volume and coverage for lung stereotactic body radiotherapy[J]. J Appl Clin Med Phys, 2019, 20(7): 109-120. DOI:10.1002/acm2.12663 |
| [3] |
Ding Y, Barrett HH, Kupinski MA, et al. Objective assessment of the effects of tumor motion in radiation therapy[J]. Med Phys, 2019, 46(7): 3311-3323. DOI:10.1002/mp.13601 |
| [4] |
Al-Hallaq HA, Cerviño L, Gutierrez AN, et al. AAPM Task Group Report 302. Surface-guided radiotherapy[J]. Med Phys, 2022, 49(4): e82-e112. DOI:10.1002/mp.15532 |
| [5] |
Frederick A, Quirk S, Grendarova P, et al. An updated approach for deriving PTV margins using image guidance and deformable dose accumulation[J]. Phys Med Biol, 2022, 67(7): 075004. DOI:10.1088/1361-6560/ac5ce5 |
| [6] |
Trémolières P, Gonzalez-Moya A, Paumier A, et al. Lung stereotactic body radiation therapy: personalized PTV margins according to tumor location and number of four-dimensional CT scans[J]. Radiat Oncol, 2022, 17(1): 5. DOI:10.1186/s13014-021-01973-5 |
| [7] |
Lizar JC, Volpato KC, Brandão FC, et al. Tridimensional dose evaluation of the respiratory motion influence on breast radiotherapy treatments using conformal radiotherapy, forward IMRT, and inverse IMRT planning techniques[J]. Phys Med, 2021, 81: 60-68. DOI:10.1016/j.ejmp.2020.11.036 |
| [8] |
Gurjar OP, Arya R, Goyal H. A study on prostate movement and dosimetric variation because of bladder and rectum volumes changes during the course of image-guided radiotherapy in prostate cancer[J]. Prostate Int, 2020, 8(2): 91-97. DOI:10.1016/j.prnil.2019.12.003 |
| [9] |
Dyce E, Cutajar D, Metcalfe P, et al. Dose verification for liver target volumes undergoing respiratory motion[J]. Australas Phys Eng Sci Med, 2019, 42(2): 619-626. DOI:10.1007/s13246-019-00737-6 |
| [10] |
Wei R, Zhou F, Liu B, et al. Real-time tumor localization with single x-ray projection at arbitrary gantry angles using a convolutional neural network (CNN)[J]. Phys Med Biol, 2020, 65(6): 065012. DOI:10.1088/1361-6560/ab66e4 |
| [11] |
Al-Hallaq H, Batista V, Kügele M, et al. The role of surface-guided radiation therapy for improving patient safety[J]. Radiother Oncol, 2021, 163: 229-236. DOI:10.1016/j.radonc.2021.08.008 |
| [12] |
谢丽娜, 高诚宜, 李毅, 等. 精准放疗质控保证—位置/剂量监测技术研究进展[J]. 西安交通大学学报: 医学版, 2020, 41(1): 7-12. Xie LN, Gao CY, Li Y, et al. Assurance of precision radiotherapy quality control: the advances in position/dose monitoring technologies[J]. J Xi'an Jiaotong Univ Med Sci, 2020, 41(1): 7-12. DOI:10.7652/jdyxb202001002 |
| [13] |
Cilla S, Romano C, Craus M, et al. Reproducibility and stability of spirometer-guided deep inspiration breath-hold in left-breast treatments using an optical surface monitoring system[J]. J Appl Clin Med Phys, 2023, 24(6): e13922. |
| [14] |
Wang H, Xu Z, Grantham K, et al. Performance assessment of two motion management systems for frameless stereotactic radiosurgery[J]. Strahlenther Onkol, 2021, 197(2): 150-157. DOI:10.1007/s00066-020-01688-8 |
| [15] |
冯鑫, 郇福奎, 陈欢, 等. 光学体表监测系统在乳腺癌改良根治术后放疗中的应用研究[J]. 实用肿瘤杂志, 2023, 38(1): 59-65. Feng X, Huan FK, Chen H, et al. Application of optical surface monitoring system during postmastectomy radiotherapy for patients with breast cancer[J]. J Pract Oncol, 2023, 38(1): 59-65. DOI:10.13267/j.cnki.syzlzz.2023.010 |
| [16] |
Li G. Advances and potential of optical surface imaging in radiotherapy[J]. Phys Med Biol, 2022, 67(16): 16T. DOI:10.1088/1361-6560/ac838f |
| [17] |
李庆, 刘飞, 付秀根, 等. 基于光学表面监测系统对头部肿瘤放疗中摆位误差的研究[J]. 中国耳鼻咽喉颅底外科杂志, 2019, 25(5): 526-532. Li Q, Liu F, Fu XG, et al. Study on set-up errors in radiotherapy for head tumors based on an optical surface monitoring system[J]. Chin J Otolaryngol Skull Base Surg, 2019, 25(5): 526-532. DOI:10.11798/j.issn.1007-1520.201905016 |
| [18] |
于松茂, 周舜, 陈吉祥, 等. 光学体表影像系统联合开放式双面膜在头部肿瘤放疗中的应用[J]. 临床肿瘤学杂志, 2021, 26(9): 822-826. Yu SM, Zhou S, Chen JX, et al. Application of optical surface imaging system combined with open double shell positioning system in radiotherapy of head tumor[J]. Chin Clin Oncol, 2021, 26(9): 822-826. DOI:10.3969/j.issn.1009-0460.2021.09.008 |
| [19] |
Bry V, Licon AL, McCulloch J, et al. Quantifying false positional corrections due to facial motion using SGRT with open-face masks[J]. J Appl Clin Med Phys, 2021, 22(4): 172-183. DOI:10.1002/acm2.13170 |
| [20] |
林漳华, 邓显智, 董芳芬, 等. 光学引导跟踪系统在放疗应用中的准确性研究[J]. 中华放射医学与防护杂志, 2023, 43(9): 698-704. Lin ZH, Deng XZ, Dong FF, et al. Accuracy of the optically guided tracking system in radiotherapy[J]. Chin J Radiol Med Prot, 2023, 43(9): 698-704. DOI:10.3760/cma.j.cn112271-20230412-00116 |
| [21] |
张艳贤, 徐子海. 计算机视觉系统在放射治疗摆位中的应用研究[J]. 中国医学装备, 2019, 16(12): 146-150. Zhang YX, Xu ZH. Study on the application of computer vision system in positioning of radiotherapy[J]. China Med Equip, 2019, 16(12): 146-150. DOI:10.3969/j.issn.1672-8270.2019.12.041 |
| [22] |
Barbés B, Azcona JD, Prieto E, et al. Development and clinical evaluation of a simple optical method to detect and measure patient external motion[J]. J Appl Clin Med Phys, 2015, 16(5): 306-321. DOI:10.1120/jacmp.v16i5.5524 |
| [23] |
Sarmadi H, Muñoz-Salinas R, Álvaro Berbís M, et al. Joint scene and object tracking for cost-effective augmented reality guided patient positioning in radiation therapy[J]. Comput Methods Programs Biomed, 2021, 209: 106296. DOI:10.1016/j.cmpb.2021.106296 |
| [24] |
谢理哲, 郑朋飞, 胡轶宁, 等. 基于双目视觉定位的骨盆正位片拍摄姿势校正方法及系统: 中国, CN113912845A[P]. 2022-01-18. Xie LZ, Zheng PF, Hu YN, et al. A method and system for correcting the shooting posture of pelvic anteroposterior radiographs based on binocular vision positioning: China, CN113912845A[P]. 2022-01-18. |
| [25] |
白雪, 张婕, 王彬冰. 放射治疗的摆位方法及系统: 中国, CN116370848B[P]. 2023-09-01. Bai X, Zhang J, Wang BB. A method and system for patient positioning in radiotherapy: China, CN116370848B[P]. 2023-09-01. |
| [26] |
Wan G, Chen J, Zhang J, et al. Research on robot monocular vision-based 6DOF object positioning and grasping approach combined with image generation technology[J]. IEEE Access, 2023, 11: 136910-136923. DOI:10.1109/ACCESS.2023.3339163 |
| [27] |
Zhang KW, Zhu DD, Min XK, et al. Textured mesh saliency: bridging geometry and texture for human perception in 3D graphics[C]. Vancouver: AAAI, 2024.
|
| [28] |
Keall PJ, Mageras GS, Balter JM, et al. The management of respiratory motion in radiation oncology report of AAPM Task Group 76[J]. Med Phys, 2006, 33(10): 3874-3900. DOI:10.1118/1.2349696 |
| [29] |
Chen L, Bai S, Li G, et al. Accuracy of real-time respiratory motion tracking and time delay of gating radiotherapy based on optical surface imaging technique[J]. Radiat Oncol, 2020, 15(1): 170. DOI:10.1186/s13014-020-01611-6 |
| [30] |
Li TZ, Dai JF. Application of visual feedback coaching bar in deep inspiration breath holding for left breast cancer radiotherapy[J]. Int J Radiat Oncol Biol Phys, 2020, 108(3): e27. DOI:10.1016/j.ijrobp.2020.07.1049 |
| [31] |
王艳, 孙向明, 熊珀艺, 等. 基于双目视觉的呼吸运动实时跟踪方法研究[J]. 中国生物医学工程学报, 2018, 37(1): 72-78. Wang Y, Sun XM, Xiong PY, et al. Binocular stereo vision based real-time tracking for respiratory motion[J]. Chin J Biomed Eng, 2018, 37(1): 72-78. DOI:10.3969/j.issn.0258-8021.2018.01.010 |
| [32] |
舒双宝, 郑昌杰, 卢兆星. 基于Kinect深度相机的非接触式呼吸频率测量方法: 中国, CN118452877A[P]. 2024-05-09. Shu SB, Zheng CJ, Lu ZX. A non-contact respiration rate measurement method based on Kinect depth camera: China, CN118452877A[P]. 2024-05-09. |
| [33] |
Wijenayake U, Park SY. Real-time external respiratory motion measuring technique using an RGB-D camera and principal component analysis[J]. Sensors (Basel), 2017, 17(8): 1840. DOI:10.3390/s17081840 |
| [34] |
Leduc N, Atallah V, Escarmant P, et al. Technical note: a respiratory monitoring and processing system based on computer vision: prototype and proof of principle[J]. J Appl Clin Med Phys, 2016, 17(5): 534-541. DOI:10.1120/jacmp.v17i5.6219 |
| [35] |
柏青, 何昱, 徐嘉琪, 等. 视觉反馈引导在乳腺癌放疗患者屏气训练中的应用价值[J]. 实用临床医药杂志, 2023, 27(8): 7-12. Bai Q, He Y, Xu JQ, et al. Application value of visual feedback guidance in breath holding training of breast cancer patients with radiotherapy[J]. J Clin Med Pract, 2023, 27(8): 7-12. DOI:10.7619/jcmp.20230244 |
| [36] |
Yoshitake T, Nakamura K, Shioyama Y, et al. Breath-hold monitoring and visual feedback for radiotherapy using a charge-coupled device camera and a head-mounted display: system development and feasibility[J]. Radiat Med, 2008, 26(1): 50-55. DOI:10.1007/s11604-007-0189-4 |
| [37] |
Wang Z, Lai Y, Yang S, et al. Absolute depth measurement of objects based on monocular vision[J]. Int J Artif Intell Tools, 2020, 29(07n08): 2040011. DOI:10.1142/s0218213020400114 |
| [38] |
Wang J, Guan Y, Kang Z, et al. A robust monocular and binocular visual ranging fusion method based on an adaptive UKF[J]. Sensors (Basel), 2024, 24(13): 4178. DOI:10.3390/s24134178 |
| [39] |
Meng CC, Bao H, Ma Y, et al. Visual meterstick: preceding vehicle ranging using monocular vision based on the fitting method[J]. Symmetry, 2019, 11(9): 1081. DOI:10.3390/sym11091081 |
| [40] |
高庆阳. 基于计算机视觉的颅脑虚拟手术导航关键技术研究[D]. 杭州: 杭州电子科技大学, 2023. Gao QY. Research on key technologies of virtual surgical navigation for craniocerebral surgery based on computer vision[D]. Hangzhou: Hangzhou Dianzi University, 2023. |
| [41] |
黄心怡, 李文皓, 雷云丹, 等. 基于单目视觉跟踪定位系统的手术机器人研究进展[J]. 中国口腔颌面外科杂志, 2024, 22(5): 487-492. Huang XY, Li WH, Lei YD, et al. Research advance of surgical robots based on monocular vision tracking and positioning system[J]. Chin J Oral Maxillofac Surg, 2024, 22(5): 487-492. DOI:10.19438/j.cjoms.2024.05.013 |
| [42] |
董峰. 面向放疗机器人定位床的视觉系统标定与测量方法研究[D]. 苏州: 苏州大学, 2014. Dong F. Research on calibration and measurement methods of visual system for radiotherapy robot positioning bed[D]. Suzhou: Soochow University, 2014. |