專利名稱：：呼吸同步跟蹤系統(tǒng)的位置信號(hào)的模糊預(yù)測(cè)方法及預(yù)測(cè)器的制作方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及一種位置信號(hào)的預(yù)測(cè)方法及預(yù)測(cè)器，特別是呼吸同步跟蹤系統(tǒng)的位置信號(hào)的模糊預(yù)測(cè)方法以及按照這種方法設(shè)計(jì)的預(yù)測(cè)器。
背景技術(shù)：
：放射治療(簡(jiǎn)稱放療)已經(jīng)在醫(yī)學(xué)臨床得到廣泛應(yīng)用，成為治療惡性腫瘤的主要手段之一。精確放射治療的目標(biāo)是最大限度地殺滅腫瘤細(xì)胞并有效保護(hù)周圍正常組織和重要器官。研究表明，劑量精度每提高1%，治愈率便可提高2%，因此，提高放射治療的精確度是非常重要的。呼吸在引起體外(胸部/腹部)表面的運(yùn)動(dòng)的同時(shí)，還會(huì)導(dǎo)致體內(nèi)腫瘤(肺部，肝部和胰腺部位的腫瘤)的運(yùn)動(dòng)。體內(nèi)腫瘤由于受呼吸和器官本身的運(yùn)動(dòng)影響，其位置有很大的不確定性。通過影像檢查顯示胸部和腹部腫瘤和器官的移動(dòng)度在1030mm，有時(shí)甚至超過30mm，對(duì)由于呼吸引起的運(yùn)動(dòng)腫瘤，比如肺部和肝臟腫瘤，圖像引導(dǎo)系統(tǒng)需要對(duì)腫瘤運(yùn)動(dòng)實(shí)時(shí)追蹤，從而保證在整個(gè)治療射線投放過程中，能夠動(dòng)態(tài)地移動(dòng)或控制治療射線束，使其準(zhǔn)確地投放到病灶區(qū)，這需要通過呼吸運(yùn)動(dòng)跟蹤系統(tǒng)來實(shí)現(xiàn)。圖像引導(dǎo)系統(tǒng)拍攝患者體部高清晰的射線影像，通過事先植入腫瘤內(nèi)部或附近的金屬標(biāo)記物，構(gòu)造空間立體結(jié)構(gòu)，通過迭代算法精確算出腫瘤的空間位置；治療中，通過實(shí)時(shí)的金標(biāo)影像與定位CT數(shù)字生成的DRR中的金標(biāo)影像位置的對(duì)比，可自動(dòng)進(jìn)行校正，這稱為金標(biāo)追蹤。對(duì)于隨呼吸運(yùn)動(dòng)的腫瘤，記錄患者皮膚運(yùn)動(dòng)，形成相應(yīng)的呼吸曲線。在這個(gè)動(dòng)態(tài)連續(xù)的呼吸曲線過程中，通過攝影系統(tǒng)在不同的呼吸時(shí)相拍攝人體影像，并通過其中的金標(biāo)確立一個(gè)呼吸模型關(guān)系。靜態(tài)金標(biāo)影像與動(dòng)態(tài)的外在呼吸曲線相結(jié)合確立的關(guān)系能準(zhǔn)確的反映體內(nèi)隨呼吸運(yùn)動(dòng)的靶區(qū)的位移。這樣就可以通過病人體表的位置計(jì)算出體內(nèi)腫瘤的位置。帶有圖像引導(dǎo)的放療系統(tǒng)的治療射線投放裝置的控制指令和實(shí)際的響應(yīng)之間存在時(shí)間延遲。處理不好，這種時(shí)間延遲將可能在治療期間導(dǎo)致意想不到的、甚至危險(xiǎn)的振動(dòng)。為了獲得更好的跟蹤性能，位置信號(hào)的預(yù)測(cè)可以用來補(bǔ)償時(shí)間延遲。在當(dāng)前的國(guó)際和國(guó)內(nèi)流行的商用放療系統(tǒng)里，呼吸運(yùn)動(dòng)跟蹤系統(tǒng)中的同步跟蹤子系統(tǒng)采用的預(yù)測(cè)方法通常是模式匹配法(Pattern-Matching)。和最小均方(Least-Mean-Square或LMS)。模式匹配算法的總體思路是根據(jù)到當(dāng)前位置為止的一段歷史位置記錄，定義一個(gè)模式(即以前的一些位置點(diǎn))，在該段歷史位置記錄歷史上搜索與預(yù)先定義的模式最佳匹配的模式；再?gòu)脑撈ヅ淠Ｊ将@取最好的"預(yù)測(cè)"。也就是說，Y'p二Y一，其中Y'p是我們想要的預(yù)測(cè)值，Y。是最好的匹配模式，而P是預(yù)測(cè)步驟。LMS算法是一種最速下降算法地近似算法，它使用了一個(gè)瞬時(shí)估計(jì)來近似代價(jià)函數(shù)的梯度矢量。梯度的估計(jì)數(shù)是根據(jù)對(duì)輸入向量和誤差信號(hào)的采樣值。該算法遍歷每個(gè)濾波器的系數(shù)，并沿近似梯度方向移動(dòng)。在實(shí)際的呼吸同步跟蹤系統(tǒng)中，由于人體呼吸作用的影響，胸/腹部位置以及體內(nèi)腫瘤的位置信號(hào)是隨時(shí)間周期性變化的；更關(guān)鍵的是，其振幅和周期(或頻率)也隨時(shí)間變化。如果目前的呼吸模式在以前的時(shí)間框架里發(fā)生過并在歷史記錄里保存下來，那么模式匹配能夠提供完善的多步以后的位置信號(hào)預(yù)測(cè)。一旦上述條件不成立，它的預(yù)測(cè)精度將惡化。在某些情況下可能還會(huì)導(dǎo)致預(yù)測(cè)間斷問題。因此，我們需要一種更好的預(yù)測(cè)方法，來解決以上存在的問題。
發(fā)明內(nèi)容本發(fā)明針對(duì)現(xiàn)有技術(shù)的不足，提供了一種新的基于模糊算法的同步跟蹤系統(tǒng)的位置信號(hào)的預(yù)測(cè)方法，以解決現(xiàn)有技術(shù)中存在的一些困難問題，為放射治療的同步跟蹤提供了一種新的途徑。考慮到如圖2所示的腫瘤位置隨呼吸而變化，而且其隨時(shí)間曲線的幅度和周期也是變化的，本發(fā)明的具體步驟如下采集病人體表某點(diǎn)的位置Po并計(jì)算與其對(duì)應(yīng)的腫瘤位置P(x，y，z)在一段時(shí)間內(nèi)的位置參數(shù)(x，y，z)并且存入計(jì)算機(jī)，根據(jù)位置參數(shù)計(jì)算出相應(yīng)的速度參數(shù)(dx，dy，dz)并存入計(jì)算機(jī)<formula>formulaseeoriginaldocumentpage5</formula>根據(jù)計(jì)算機(jī)內(nèi)存儲(chǔ)的位置參數(shù)(x，y，z)，找出最大和最小的位置(Xmax，ymax，Zniax)和(xmin，ymin，zmin)，根據(jù)計(jì)算機(jī)內(nèi)存儲(chǔ)的速度參數(shù)(dx，dy，dz)，找出最大和最小的速度(dxmax，dy隨，dz隨)禾口(dxmin，dymin，dzmin);制定模糊規(guī)則根據(jù)最大和最小的位置參數(shù)，把X模糊劃分出&個(gè)子集，這ni個(gè)子集的每一個(gè)子集再被根據(jù)最大和最小的速度參數(shù)模糊劃分為n2個(gè)子集，得到M=ni*n2個(gè)子模型，每個(gè)子模型都對(duì)應(yīng)一個(gè)規(guī)則，在這里，我們以&取3為例加以說明，ni=3，即得到大(Big)，中(Medium)，小(Small)三個(gè)不同的子集，如圖3所示。接下來，每個(gè)子集可以根據(jù)速度再分為化個(gè)子集，這里我們n2也取3，即負(fù)(Negative)，零(Zero)和正(Positive)。這樣我們一共就有M=n^化個(gè)子模型。每個(gè)子模型都給出了一個(gè)線性方程組，其廣義方程是這樣的<formula>formulaseeoriginaldocumentpage5</formula>》是第m規(guī)則的模式輸出，m的范圍是在1M，而M是方程的總數(shù)，p是預(yù)測(cè)步驟，r是預(yù)測(cè)階數(shù)，可以選擇2-15中任意一個(gè)數(shù)字，a和c是參數(shù)。在ni取3，n2取3的情況下，這些規(guī)則是Rl:如果y(k)是Big而且dy(k)是Positive那么j)，(A:+/)=^,o少(A:)+…+a—r)+qR2:如果y(k)是Big而且dy(k)是Zero那么<formula>formulaseeoriginaldocumentpage5</formula>采用同樣的步驟，我們可以得到我們所想要的x和z的預(yù)測(cè)。這樣，我們就得到了位置P(x，y，z)的預(yù)測(cè)值。參數(shù)的訓(xùn)練所有的參數(shù)可以用梯度下降算法來訓(xùn)練，根據(jù)各個(gè)子模型所對(duì)應(yīng)的計(jì)算機(jī)內(nèi)已經(jīng)存儲(chǔ)的已知的位置參數(shù)(x，y，z)、速度參數(shù)(dx，dy，dz)以及該體表位置在相應(yīng)時(shí)間點(diǎn)上的所對(duì)應(yīng)的體內(nèi)病灶的位置參數(shù)采用梯度下降算法，訓(xùn)練出對(duì)應(yīng)子模型的參數(shù)a^和cm;根據(jù)存儲(chǔ)的點(diǎn)的歷史記錄，對(duì)參數(shù)am和cm進(jìn)行訓(xùn)練。先定義成本函數(shù)J如下1^17每個(gè)參數(shù)的更新如下<formula>formulaseeoriginaldocumentpage6</formula>a和c的初始值可以在-0.001到0.001之間隨機(jī)選擇，但不為0這里，<formula>formulaseeoriginaldocumentpage6</formula>n,和n。是學(xué)習(xí)率.慣量P可以被添加到Aa禾PAc來加速訓(xùn)練的收斂。我們i和n。取o.3，e取o.oi<formula>formulaseeoriginaldocumentpage6</formula>根據(jù)之前存儲(chǔ)的數(shù)據(jù)，對(duì)a和c進(jìn)行訓(xùn)練，得到a和c的值。對(duì)隨機(jī)選來的10組病人數(shù)據(jù)進(jìn)行驗(yàn)證后，我們得到了類似的結(jié)果。表1顯示了不<table>tableseeoriginaldocumentpage7</column></row><table>預(yù)測(cè)的位置將被用來指揮治療射線投放裝置作相應(yīng)的移動(dòng)。如果預(yù)測(cè)誤差較大，人體器官中好的一部分就有可能將受射線的影響。如果預(yù)測(cè)誤差有太多的高頻成分，可能會(huì)導(dǎo)致治療射線投放裝置振動(dòng)。此外，一般期望射線能夠均勻地治療腫瘤。因此，最好是使得平均預(yù)測(cè)誤差接近于零。從表1所列的測(cè)試結(jié)果和詳細(xì)的數(shù)據(jù)觀測(cè)，我們發(fā)現(xiàn)該自適應(yīng)模糊預(yù)測(cè)器能夠處理隨時(shí)間變化的幅度和頻率問題。具體而言0與模式匹配相比，它的預(yù)測(cè)中的大值誤差的數(shù)目更小。0與模式匹配和LMS相比，它的預(yù)測(cè)的最大誤差最小。0與模式匹配和LMS相比，它的預(yù)測(cè)的平均誤差最小。0不象LMS，它從沒有導(dǎo)致預(yù)測(cè)誤差的大的突變。0它的預(yù)測(cè)誤差具有更少量的高頻噪音。這對(duì)模式匹配是個(gè)問題，對(duì)LMS更是個(gè)大問題。當(dāng)采用ni=5，n2=5時(shí)，并沒有觀察到明顯的差異。不同的應(yīng)用可以相應(yīng)調(diào)整或比較幾種情況后選取最佳值。圖1是同步跟蹤子系統(tǒng)的結(jié)構(gòu)圖圖2是人體胸部位置信號(hào)由于呼吸作用而隨時(shí)間變化示意圖圖3是模糊位置模型的模糊劃區(qū)圖具體實(shí)施例方式下面給出本發(fā)明的一個(gè)較好的實(shí)施例，并予以詳細(xì)描述，以使能更好的本發(fā)明的結(jié)構(gòu)特征、功能，而不是用來限制本發(fā)明的權(quán)利要求保護(hù)范圍。如圖1所示，本發(fā)明裝置包括數(shù)據(jù)采集模塊，計(jì)算機(jī)，功率放大器，驅(qū)動(dòng)電路以及動(dòng)作機(jī)構(gòu)。數(shù)據(jù)采集器將采集到的前30000個(gè)點(diǎn)的位置，以及在該時(shí)刻對(duì)應(yīng)的體內(nèi)的腫瘤的位置數(shù)據(jù)存入計(jì)算機(jī)，根據(jù)位置參數(shù)計(jì)算出相應(yīng)的速度參數(shù)(dx，dy，dz)并存入計(jì)算機(jī)<formula>formulaseeoriginaldocumentpage8</formula><formula>formulaseeoriginaldocumentpage8</formula><formula>formulaseeoriginaldocumentpage8</formula>根據(jù)計(jì)算機(jī)內(nèi)存儲(chǔ)的位置參數(shù)(x，y，z)，找出最大和最小的位置(xmax，ymax，zmax)和(xmin，ymin，zmin);根據(jù)計(jì)算機(jī)內(nèi)存儲(chǔ)的速度參數(shù)(dx，dy，dz)，找出最大和最小的速度(dxmax，dymax，dzmax)和(dxmin，dymin，dz幽)，根據(jù)模糊劃分的特征以及已經(jīng)記錄的最大和最小值，把x分為5個(gè)子集，它們可以是非常小(VerySmall)，小(Small)，零(Zero)，大(Big),非常大(VeryBig);y和z也各被分成5個(gè)子集；同樣的，根據(jù)模糊劃分的特征以及已經(jīng)記錄的最大和最小值，把速度也分為5個(gè)子集，可以是負(fù)大(NegativeBig)，負(fù)小(NegativeSmall)，零(Zero)，正小(PositiveSmall)禾口正大(PositiveBig)。這樣對(duì)于x—共就有5*5=25個(gè)子模型，y，z同理。所有的子模型都可以用以下方程表示<formula>formulaseeoriginaldocumentpage8</formula>義是第m規(guī)則的模式輸出，m的范圍是在1M，而M是方程的總數(shù)，p是預(yù)測(cè)步驟，r是預(yù)測(cè)階數(shù)，可以選擇2-15中任意一個(gè)數(shù)字，這里我們選5，~和cm是參數(shù)。權(quán)利要求一種呼吸同步跟蹤系統(tǒng)的位置信號(hào)的模糊預(yù)測(cè)方法，其特征在于包括以下步驟(1)在病人體表確定一體表位置P0并計(jì)算出相對(duì)應(yīng)的體內(nèi)病灶的目標(biāo)位置參數(shù)P(x，y，z)；(2)采集該位置P(x，y，z)在一段時(shí)間內(nèi)的位置參數(shù)(x，y，z)存入計(jì)算機(jī)；(3)根據(jù)P(x，y，z)的位置參數(shù)計(jì)算出相應(yīng)的速度參數(shù)(dx，dy，dz)并存入計(jì)算機(jī)<mrow><msub><mi>dx</mi><mrow><mi>i</mi><mo>+</mo><mn>1</mn></mrow></msub><mo>=</mo><mfrac><mrow><msub><mi>x</mi><mrow><mi>i</mi><mo>+</mo><mn>1</mn></mrow></msub><mo>-</mo><msub><mi>x</mi><mi>i</mi></msub></mrow><mrow><msub><mi>t</mi><mrow><mi>i</mi><mo>+</mo><mn>1</mn></mrow></msub><mo>-</mo><msub><mi>t</mi><mi>i</mi></msub></mrow></mfrac></mrow><mrow><msub><mi>dy</mi><mrow><mi>i</mi><mo>+</mo><mn>1</mn></mrow></msub><mo>=</mo><mfrac><mrow><msub><mi>y</mi><mrow><mi>i</mi><mo>+</mo><mn>1</mn></mrow></msub><mo>-</mo><msub><mi>y</mi><mi>i</mi></msub></mrow><mrow><msub><mi>t</mi><mrow><mi>i</mi><mo>+</mo><mn>1</mn></mrow></msub><mo>-</mo><msub><mi>t</mi><mi>i</mi></msub></mrow></mfrac></mrow><mrow><msub><mi>dz</mi><mrow><mi>i</mi><mo>+</mo><mn>1</mn></mrow></msub><mo>=</mo><mfrac><mrow><msub><mi>z</mi><mrow><mi>i</mi><mo>+</mo><mn>1</mn></mrow></msub><mo>-</mo><msub><mi>z</mi><mi>i</mi></msub></mrow><mrow><msub><mi>t</mi><mrow><mi>i</mi><mo>+</mo><mn>1</mn></mrow></msub><mo>-</mo><msub><mi>t</mi><mi>i</mi></msub></mrow></mfrac><mo>;</mo></mrow>(4)根據(jù)計(jì)算機(jī)內(nèi)存儲(chǔ)的位置參數(shù)(x，y，z)，找出最大和最小的位置(xmax，ymax，zmax)和(xmin，ymin，zmin)；(5)根據(jù)計(jì)算機(jī)內(nèi)存儲(chǔ)的速度參數(shù)(dx，dy，dz)，找出最大和最小的速度(dxmax，dymax，dzmax)和(dxmin，dymin，dzmin)；(6)制定模糊規(guī)則根據(jù)最大和最小的位置參數(shù)，把x模糊劃分出n1個(gè)子集，這n1個(gè)子集的每一個(gè)子集再被根據(jù)最大和最小的速度參數(shù)模糊劃分為n2個(gè)子集，得到M＝n1*n2個(gè)子模型，每個(gè)子模型都對(duì)應(yīng)一個(gè)規(guī)則，該規(guī)則用線性方程<mrow><msub><mover><mi>x</mi><mo>^</mo></mover><mi>m</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>+</mo><mi>p</mi><mo>)</mo></mrow><mo>=</mo><msub><mi>a</mi><mrow><mi>m</mi><mo>,</mo><mn>0</mn></mrow></msub><mi>x</mi><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>+</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>+</mo><msub><mi>a</mi><mrow><mi>m</mi><mo>,</mo><mi>r</mi></mrow></msub><mi>x</mi><mrow><mo>(</mo><mi>k</mi><mo>-</mo><mi>r</mi><mo>)</mo></mrow><mo>+</mo><msub><mi>c</mi><mi>m</mi></msub></mrow>表示，是第m規(guī)則的模式輸出，m的范圍是在1～M，而M是規(guī)則的總數(shù)，p是預(yù)測(cè)步驟，r是預(yù)測(cè)階數(shù)，am和cm是在第m規(guī)則的參數(shù)；對(duì)于y，z作同樣處理；(7)根據(jù)各個(gè)子模型所對(duì)應(yīng)的計(jì)算機(jī)內(nèi)已經(jīng)存儲(chǔ)的已知的位置參數(shù)(x，y，z)、速度參數(shù)(dx，dy，dz)，采用梯度下降算法，訓(xùn)練出對(duì)應(yīng)子模型的參數(shù)am和cm；(8)采集下一時(shí)間點(diǎn)體表目標(biāo)的位置參數(shù)，并計(jì)算出該位置參數(shù)對(duì)應(yīng)的體內(nèi)病灶的位置參數(shù)，根據(jù)已經(jīng)制定的模糊規(guī)則，把計(jì)算出的參數(shù)映射到相應(yīng)的子模型里，得到輸出對(duì)相應(yīng)映射的子模型的輸出結(jié)果加權(quán)平均，即為所需要的預(yù)測(cè)結(jié)果，<mrow><mover><mi>x</mi><mo>^</mo></mover><mrow><mo>(</mo><mi>k</mi><mo>+</mo><mi>p</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mrow><munderover><mi>&Sigma;</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>M</mi></munderover><msub><mi>&mu;</mi><mi>i</mi></msub><mo>&CenterDot;</mo><msub><mover><mi>x</mi><mo>^</mo></mover><mi>i</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>+</mo><mi>p</mi><mo>)</mo></mrow></mrow><mrow><munderover><mi>&Sigma;</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>M</mi></munderover><msub><mi>&mu;</mi><mi>i</mi></msub></mrow></mfrac></mrow><mrow><mover><mi>y</mi><mo>^</mo></mover><mrow><mo>(</mo><mi>k</mi><mo>+</mo><mi>p</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mrow><munderover><mi>&Sigma;</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>M</mi></munderover><msub><mi>&mu;</mi><mi>i</mi></msub><mo>&CenterDot;</mo><msub><mover><mi>y</mi><mo>^</mo></mover><mi>i</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>+</mo><mi>p</mi><mo>)</mo></mrow></mrow><mrow><munderover><mi>&Sigma;</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>M</mi></munderover><msub><mi>&mu;</mi><mi>i</mi></msub></mrow></mfrac></mrow><mrow><mover><mi>z</mi><mo>^</mo></mover><mrow><mo>(</mo><mi>k</mi><mo>+</mo><mi>p</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mrow><munderover><mi>&Sigma;</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>M</mi></munderover><msub><mi>&mu;</mi><mi>i</mi></msub><mo>&CenterDot;</mo><msub><mover><mi>z</mi><mo>^</mo></mover><mi>i</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>+</mo><mi>p</mi><mo>)</mo></mrow></mrow><mrow><munderover><mi>&Sigma;</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>M</mi></munderover><msub><mi>&mu;</mi><mi>i</mi></msub></mrow></mfrac></mrow>μi是子模型的隸屬度。FSA00000065570600015.tif,FSA00000065570600021.tif2.根據(jù)權(quán)利要求1所述的模糊規(guī)則，其特征在于把x模糊劃分出5個(gè)子集，這5個(gè)子集再被根據(jù)速度模糊劃分為5個(gè)子集，得到M=25個(gè)子模型。3.根據(jù)權(quán)利要求1所述的線性方程，其特征在于所述預(yù)測(cè)階數(shù)r為5。4.一種用于放射治療的同步跟蹤定位系統(tǒng)，包括數(shù)據(jù)采集裝置，同步跟蹤子系統(tǒng)，執(zhí)行機(jī)構(gòu)，數(shù)據(jù)采集裝置將采集到的數(shù)據(jù)送到同步子系統(tǒng)，處理放大后傳送到執(zhí)行機(jī)構(gòu)，其特征在于所述同步跟蹤子系統(tǒng)包括有內(nèi)建有如權(quán)利要求1所述的模糊規(guī)則以及所述子模型的計(jì)算機(jī)。全文摘要呼吸同步跟蹤系統(tǒng)在治療射線投放時(shí)，可以監(jiān)測(cè)病人的呼吸，并對(duì)腫瘤目標(biāo)運(yùn)動(dòng)作出補(bǔ)償。在治療射線投放系統(tǒng)的指令和響應(yīng)之間存在時(shí)間延遲，這種延遲可能會(huì)導(dǎo)致意外的、甚至危險(xiǎn)的振動(dòng)。為了提高同步跟蹤性能，可以用信號(hào)預(yù)測(cè)技術(shù)來彌補(bǔ)時(shí)間延遲。本發(fā)明提供了一種新的同步跟蹤系統(tǒng)的位置信號(hào)的模糊預(yù)測(cè)方法以及預(yù)測(cè)器，該預(yù)測(cè)器能夠處理隨時(shí)間變化的幅度和頻率問題，比較好的解決了放射治療中同步跟蹤的問題。文檔編號(hào)A61N5/00GK101794357SQ201010134869公開日2010年8月4日申請(qǐng)日期2010年3月30日優(yōu)先權(quán)日2010年3月30日發(fā)明者盛曄申請(qǐng)人:江蘇瑞爾醫(yī)療科技有限公司