放疗中人体胸腹表面区域呼吸运动预测模型研究

发布时间：2023-12-11 20:35

　　治疗胸腹部肿瘤的一个种重要手段就是放射治疗,但是在放疗过程中,呼吸运动使得肿瘤靶区的体积和位置均发生改变,这就造成肿瘤癌细胞的漏照,或者照射过度,损伤肿瘤周围正常细胞。针对此问题,本文建立了放疗中人体胸腹表面区域呼吸运动预测模型,提出了一种基于高斯过程回归模型的呼吸运动预测方法。本文主要从呼吸运动信号采集、运用高斯过程回归模型预测呼吸运动、与常用呼吸运动预测算法进行对比实验等方面进行分析。首先,采用FASTRAK运动跟踪定位系统进行呼吸运动数据采集,运用该系统对同一名实验者进行10组呼吸运动信号采集实验,得到10组相对平滑的呼吸运动信号,然后将得到的数据作为本文提出预测算法的输入,为呼吸运动信号的预测提供真实的实验数据。其次,提出高斯过程回归模型后,又通过公式推导和理论分析详细研究了高斯过程回归模型,通过对一组单元高斯伪随机数进行预测,并且在预测中选取不同的核函数与超参数进行了对比实验,表明了不同核函数与超参数对预测结果会有较大影响,因此高斯过程回归模型建立最重要的是要选取合适的核函数,并求出最优的超参数。最后,将采集到的呼吸运动数据一部分作为训练集,通过训练选取合适的核函数,并求出最...

【文章页数】：59 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题研究背景和意义
    1.2 国内外研究现状
        1.2.1 呼吸运动预测的国内外研究现状
        1.2.2 高斯过程国内外研究现状
    1.3 本文主要研究内容
第2章 呼吸运动数据采取与预处理
    2.1 呼吸信号的测量
    2.2 呼吸运动的数据采集系统
        2.2.1 采集系统的选择
        2.2.2 呼吸运动信号采集实验的环境搭建
    2.3 呼吸运动信号特点
    2.4 本章小结
第3章 高斯过程回归模型的理论基础
    3.1 高斯过程
        3.1.1 权值空间
        3.1.2 函数空间
    3.2 高斯过程回归建模
        3.2.1 基于高斯过程回归的建模方法
        3.2.2 核函数选取
        3.2.3 超参数
    3.3 实验仿真
        3.3.1 仿真实验数据生成
        3.3.2 选取不同核函数的对比实验
    3.4 本章小结
第4章 呼吸运动预测模型的实现
    4.1 高斯过程回归实现呼吸运动预测
    4.2 常规呼吸运动预测算法
        4.2.1 非参数回归
        4.2.2 线性预测
        4.2.3 BP神经网络
    4.3 实验结果分析
        4.3.1 预测性能评价标准
        4.3.2 采用相对误差评价标准对比四种算法
        4.3.3 采用均方根误差评价标准对比四种算法
    4.4 本章小结
结论
参考文献
攻读学位期间发表的学术成果
致谢



本文编号：3873323