基于GRA和GPR的胸腹表面呼吸运动预测研究
胸腹部肿瘤放射治疗时，呼吸运动会使肿瘤离开靶区或正常组织进入靶区，造成肿瘤未完全照射或者放射线伤害到正常组织，严重影响放疗效果。目前，动态跟踪技术可以解决上述问题，为了实现实时跟踪，精确预测肿瘤位置十分关键。早期模型预测方法难以适应呼吸运动的不规则性，误差较大，所以学者们开始研究基于学习的非参数预测方法，取得了一定效果，但是预测精度仍有待提高；为了进一步提高预测精度，论文提出了一种基于灰色关联分析（GRA）和高斯过程回归（GPR）的胸腹表面呼吸运动预测方法，主要研究内容如下： 首先，采集呼吸运动数据并进行预处理。基于FASTRAK搭建呼吸运动数据采集系统；考虑到放疗过程中放疗标记点无法采集呼吸运动数据，制定了用辅助标记点预测放疗标记点的实验方案；采集呼吸运动数据，并进行删除异常值、平滑去噪和归一化处理。 然后，建立辅助标记点和放疗标记点的GRA模型。将放疗标记点的呼吸运动数据作为比较序列，辅助标记点的X轴、Y轴、Z轴数据分别作为参考序列，做三次灰色关联分析，得到放疗标记点每个坐标轴相对于辅助标记点X轴、Y轴、Z轴数据的关联度，利用关联度所占权重建立两点之间的映射关系。 第三，构建GPR预测模型。将辅助标记点数据划分出训练集和测试集，选取平方指数协方差函数作为核函数，初始化超参数，训练出GPR先验模型，再结合共轭梯度法求解出最优超参数，最终确定GPR后验模型。 最后，完成论文方法的实验验证工作。基于200组数据，采用GPR模型预测辅助标记点呼吸运动，再通过GRA模型实现辅助标记点到放疗标记点呼吸运动的映射；采用平均绝对百分比误差（MAPE）和均方根误差（RMSE）作为评价指标，将论文方法与线性预测、BP神经网络预测和支持向量机回归预测进行对比，结果为：论文方法MAPE的平均值为0.3056，均小于其他三种方法的1.9607、1.1421、1.6338；本文方法得到的RMSE的平均值0.0334，均小于其他方法的0.1336、0.0776、0.1140，说明论文方法预测精度得到了提高。
胸腹部肿瘤;放射治疗;胸腹表面;呼吸运动;灰色关联分析;高斯过程回归
哈尔滨理工大学
硕士
仪器仪表工程
赵烟桥
2022
中文
R730.5
2023-08-29（万方平台首次上网日期，不代表论文的发表时间）