基于记忆学习法的放疗中呼吸运动预测技术的研究

对胸腹部肿瘤进行实时跟踪放疗时,需要通过预测来补偿系统延迟.然而,由于呼吸运动的复杂性,传统方法难以满足要求.本文应用一种基于记忆学习法进行呼吸预测,该方法首先存储训练数据到记忆中,然后查找相关数据应答当前查询.在此基础上,采用“滑窗法”动态更新训练数据集,并针对预测过程中出现的“病态矩阵”采用脊回归进一步改进算法,使算法的精确性和鲁棒性有了很大提高.实验使用POLARIS红外定位系统采集了10例正常人体表的红外反射标记物的呼吸运动数据样本,平均幅度约为20 mm(9.2 ～37.8 mm),采用改进后的基于记忆学习法(预测步长为1 s),平均绝对误差约为0.3 mm(0.08～0.8 mm),每次估值耗时约1 ms.所提出的方法能够准确和实时捕捉复杂的呼吸运动轨迹.