基于高斯过程的呼吸运动预测研究

发布时间：2017-04-15 08:26

  本文关键词：基于高斯过程的呼吸运动预测研究，由笔耕文化传播整理发布。

【摘要】：治疗癌症的一个重要手段就是放射治疗,现代放射治疗的需求是尽可能多的照射肿瘤癌细胞,与此同时尽可能的避免肿瘤周围正常细胞的照射。然而患者自身的呼吸和心跳等不确定因素的影响,使得肿瘤靶区会进行一定的不规则运动,同时在治疗过程中,整个系统由于数据的采集和传输以及治疗仪器的调整治疗等原因存在着一定的延迟,因此对肿瘤靶区的实时跟踪和预测变得尤为重要。针对这一问题,本文主要研究对于肿瘤影响比较主要的呼吸运动预测技术。由于呼吸运动具有不规则和不确定性的特点,需要一个合理的数学模型来对其进行预测。为此,本研究对呼吸运动数据进行了统计分析,并且提出一种基于高斯过程回归的呼吸运动预测算法,文章分别从以下几个方面进行研究。首先对人的呼吸运动特点进行了分析,利用有限状态模型将呼吸运动划分为三个状态,同时采用NDI光学仪器采集呼吸运动信号数据,并且对采集后的数据进行预处理,将得到的数据作为本文提出预测算法的输入。然后提出一种基于高斯过程模型对于回归问题进行预测。利用数据构建一个合适的回归模型,并进行训练和预测,在训练过程中选择核函数,并且求出其中的超参数,通过离线仿真实验验证算法可行性。最后选择准周期核函数,利用共轭梯度法求出超参数,进行高斯过程回归方法对呼吸运动数据进行模型预测。进一步将预测结果与三种常用预测算法进行对比分析,分别比较了不同延迟下和相同延迟下的预测结果,并用百分比误差作为评价。
【关键词】：呼吸运动 高斯过程 呼吸预测
【学位授予单位】：哈尔滨理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R730.55
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-18
• 1.1 课题研究的目的及意义10-11
• 1.2 课题国内外研究现状11-16
• 1.2.1 呼吸运动预测的国内外研究现状11-14
• 1.2.2 高斯过程国内外研究现状14-16
• 1.3 论文的研究内容16-18
• 第2章 呼吸运动数据采集与分析18-29
• 2.1 概述18
• 2.2 呼吸信号数据采集18-23
• 2.2.1 信号相关性问题18-20
• 2.2.2 数据采集系统20-22
• 2.2.3 数据采集实验22-23
• 2.3 呼吸信号分析和预处理23-28
• 2.3.1 呼吸信号分析23-26
• 2.3.2 呼吸信号预处理26-28
• 2.4 本章小结28-29
• 第3章 高斯过程回归建模29-41
• 3.1 贝叶斯理论29-30
• 3.2 高斯过程30-36
• 3.2.1 权重空间31-33
• 3.2.2 函数空间33-36
• 3.3 高斯过程建模36-38
• 3.3.1 核函数的选择36-38
• 3.3.2 超参数的确定38
• 3.4 实验仿真38-40
• 3.5 本章小结40-41
• 第4章 呼吸运动预测算法的实现41-53
• 4.1 常规呼吸运动预测算法41-44
• 4.1.1 线性预测41-42
• 4.1.2 卡尔曼滤波42-43
• 4.1.3 人工神经网络43-44
• 4.2 高斯过程回归预测算法的实现44-45
• 4.3 实验结果分析45-52
• 4.3.1 性能评价指标46
• 4.3.2 四种预测算法在不同延迟下的对比分析46-47
• 4.3.3 三种不同算法在同一延迟下的对比分析47-52
• 4.4 本章小结52-53
• 结论53-54
• 参考文献54-58
• 攻读学位期间发表的学术论文58-59
• 致谢59

【相似文献】

中国重要会议论文全文数据库 前5条

1 刘信恩;肖世富;莫军;;用于不确定性分析的高斯过程响应面模型设计点选择方法研究[A];中国计算力学大会'2010（CCCM2010）暨第八届南方计算力学学术会议（SCCM8）论文集[C];2010年

2 刘冬;张清华;;基于高斯过程的精密卫星钟差加密[A];第二届中国卫星导航学术年会电子文集[C];2011年

3 李雅芹;杨慧中;;一种基于仿射传播聚类和高斯过程的多模型建模方法[A];2009中国过程系统工程年会暨中国mes年会论文集[C];2009年

4 赵级汉;张国敬;姜龙;魏巍;;基于叠加高斯过程的数字噪声产生方法FPGA实现[A];第二十四届全国空间探测学术交流会论文摘要集[C];2011年

5 何志昆;刘光斌;姚志成;赵曦晶;;基于高斯过程回归的FOG标度因数温度漂移建模新方法[A];第25届中国控制与决策会议论文集[C];2013年

中国博士学位论文全文数据库 前6条

1 王建民;矿山边坡变形监测数据的高斯过程智能分析与预测[D];太原理工大学;2016年

2 赵静;基于高斯过程的动态系统研究[D];华东师范大学;2016年

3 潘伟;基于高斯过程的高炉炼铁过程辨识与预测[D];浙江大学;2012年

4 贺建军;基于高斯过程模型的机器学习算法研究及应用[D];大连理工大学;2012年

5 夏战国;基于高斯过程的提升机轴承性能评测方法研究[D];中国矿业大学;2013年

6 赵伟;复杂工程结构可靠度分析的高斯过程动态响应面方法研究[D];广西大学;2014年

中国硕士学位论文全文数据库 前10条

1 李红丽;回归分析中的贝叶斯推断技术的研究[D];江南大学;2015年

2 叶婧;基于高斯过程回归的锂电池数据处理[D];北京交通大学;2016年

3 张栋;基于在线学习高斯过程有杆泵油井动态液面建模方法研究[D];东北大学;2014年

4 王奉伟;改进的局部均值分解和高斯过程在变形监测数据处理中的应用研究[D];东华理工大学;2016年

5 曹瑜;基于高斯过程的非线性不确定延迟系统的模型预测控制[D];华中科技大学;2014年

6 张莉萍;基于广义高斯过程回归的函数型数据分析[D];东南大学;2016年

7 王欢;基于逆高斯过程的退化数据分析与试验设计[D];东南大学;2016年

8 张伟;基于高斯过程回归的自适应多模型建模及校正[D];江南大学;2016年

9 彭新宽;复Isonormal高斯过程及其导算子的可闭性[D];湖南科技大学;2016年

10 王晓新;基于高斯过程的非线性优化方法研究及应用[D];湖南大学;2015年

  本文关键词：基于高斯过程的呼吸运动预测研究，，由笔耕文化传播整理发布。

本文编号：307953