atp edition Einsatz robotergeführter Patientenliegen (Vorschau)
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
tivem Anteil benötigt wurde. Hier wurde ein PI-Regler<br />
ausgewählt, da er aufgrund des proportionalen Anteils<br />
eine schnellere Regelung ermöglicht. Für die modellprädiktive<br />
Regelung wurde das identifizierte ARX-<br />
Modell verwendet. Die Abtastzeit beträgt aufgrund des<br />
Robotertaktes 12 ms.<br />
3. VERSUCHE UND ERGEBNISSE<br />
3.1 Quantifizierung des Positionsfehlers<br />
Das Ergebnis der Messung der Trajektorientreue mit<br />
einem Trackingsystem kann als relativer Worst-Case-<br />
Fehler der Dosisverteilung zu der PTV als ein Resultat<br />
der Tumorbewegung bezogen auf die optimale<br />
Dosisverteilung eines stationären Tumors interpretiert<br />
werden. Der Fehler wird im Folgenden als medizinischer<br />
Fehler bezeichnet. Diese Annahme basiert<br />
auf der Annahme eines kugelförmigen Tumors<br />
mit einem Radius von 10 mm und 2 s Bestrahlungsdauer.<br />
In Bild 2 ist das Ergebnis der Messung der Trajektorientreue<br />
dargestellt. Es werden die drei Fälle (1) keine<br />
Regelung, (2) FFC und (3) MPC verglichen. Ohne<br />
Regelung wird ein medizinischer Fehler von 13,47 %<br />
erreicht. Mit Reglern liegt dieser Fehler immer unter<br />
2,5 % – die Abhängigkeit von der Intraprädiktionsvarianz<br />
und Interprädiktionsvarianz ist in Bild 3 dargestellt.<br />
Bild 3 zeigt, dass FFC bezogen auf die Interprädiktionsvarianz<br />
weniger Robustheit als MPC ausweist.<br />
Nichtsdestotrotz erzielen beide Regler zufriedenstellende<br />
Resultate im Zusammenhang mit der 4-D-Radiotherapie.<br />
Ein Nachteil von beiden Techniken ist ihre<br />
starke Abhängigkeit von einem ausreichend akkuraten<br />
Modell des geregelten Systems. Wie dargestellt, kann<br />
ein solches Modell durch Systemidentifikationstechniken<br />
erhalten werden, während es jedoch vom Roboter<br />
und seinem Arbeitspunkt abhängt. Dementsprechend<br />
kann die erneute Konfiguration des internen<br />
Modells des Reglers von Roboter zu Roboter, von Patient<br />
zu Patient und sogar von Behandlung zu Behandlung<br />
nötig sein, um zufriedenstellende Resultate zur<br />
Regelung der Lokalisierung zu erhalten.<br />
Im nächsten Schritt wird bei diesem Projekt die<br />
Robustheit von FFC und MPC in Bezug auf Modellunsicherheiten<br />
und die resultierende Komplexität der<br />
praktischen Anwendung dieser Regler beurteilt.<br />
Ebenso werden alternative Regelungsmethoden angewandt<br />
und getestet, die zukünftig weniger Modellgenauigkeit<br />
voraussetzen. Mögliche Methoden sind<br />
dafür die repetitive Regelung und die Iterative Learning-Regelung.<br />
FAZIT<br />
Basierend auf den beschriebenen Untersuchungen<br />
lässt sich zusammenfassen, dass die Vorsteuerung mit<br />
PI-Regler und die MPR für das Nachführen von Atemtrajektorien<br />
im Vergleich zum Fall, dass kein Regler<br />
verwendet wird, den medizinischen Fehler verringern.<br />
Diese Regler eignen sich somit für das Nachführen<br />
von Atemtrajektorien. Für größere Amplituden<br />
erwiesen sich die Regler als stabil hinsichtlich des<br />
medizinischen Fehlers. Dieser stieg mit der Amplitude<br />
nur moderat an. Der Vergleich des medizinischen<br />
Fehlers mit Atemtrajektorien mit besonderer Charakteristik<br />
ergab keine abweichende Bewertung der Regelungsverfahren<br />
und bestätigte damit die bisherigen<br />
Ergebnisse. Ein genauer Vergleich der geeigneten Regler<br />
ergibt, dass die MPR den kleinsten medizinischen<br />
BILD 3: Darstellung des medizinischen Fehlers<br />
in Abhängigkeit von der Intraprädiktionsvarianz<br />
und Interprädiktionsvarianz<br />
BILD 2: Ergebnis. rot: Referenz,<br />
türkis: keine Regelung, grün: FFC, blau: MPC<br />
<strong>atp</strong> <strong>edition</strong><br />
7-8 / 2014<br />
31