APP下载

基于支持向量回归的呼吸运动预测技术的研究*

2018-10-22康开莲童蕾万伟权孙海涛陈超敏

生物医学工程研究 2018年2期
关键词:模型

康开莲,童蕾,万伟权,孙海涛,陈超敏△

(1.南方医科大学生物医学工程学院,广州 510515;2.广东机电职业技术学院,广州 510515)

1 引 言

胸腹部肿瘤放疗中由于呼吸运动的影响,靶区位置会发生位移,使肿瘤逸出靶区而使周围正常组织进入,因此靶区的准确跟踪极其重要。随着放疗的发展,传统的呼吸控制技术,如射野扩边、屏气技术、呼吸门控等,虽有一定效果,但均不能满足精确放疗的需求[1]。研究表明外部呼吸信号与胸腹部肿瘤运动具有很好的相关性,所以利用体外信号来追踪体内肿瘤位置是目前的发展趋势[2]。位置信息获取到射野中心的调整一般都存在几百毫秒的延时,因此要对体外信号进行预测来补偿系统响应的延时[3]。目前已经提出多种呼吸运动预测方法,如神经网络,局部回归法,基于记忆学习及核密度估计法[4-6],这些方法都比无预测时误差小,但都有缺陷,其中神经网络受网络结构和样本复杂性的影响较大,容易发生过学习或低泛化能力,局部回归会受到基线漂移的影响,记忆学习法在回归分析过程中常会“过拟合”出现病态。核密度估计法计算量很大,难以满足实时的需求。本研究提出一种基于支持向量回归的呼吸运动预测算法。该方法首先选取一定长度的呼吸运动数据进行训练得到回归模型,当有一段新的数据时,通过回归模型来计算其所对应的体外数据。

支持向量机(support vector machine,SVM)是在统计学习理论基础上发展起来,具有坚实的理论基础,在处理小样本问题时解决了传统学习方法难以解决的难题(如神经网络局部极小点问题等)[7]。……

登录APP查看全文

猜你喜欢

模型
一半模型
一种去中心化的域名服务本地化模型
适用于BDS-3 PPP的随机模型
函数模型及应用
p150Glued在帕金森病模型中的表达及分布
函数模型及应用
重尾非线性自回归模型自加权M-估计的渐近分布
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究
一个相似模型的应用