一种呼吸运动预测方法技术

本发明专利技术提供了一种呼吸运动预测方法，包括如下步骤：构建BP神经网络，并融合模拟退火遗传算法对BP神经网络进行优化；优化BP神经网络的加权误差；获取呼吸运动数据并对呼吸运动数据进行处理；利用处理后的呼吸运动数据对优化加权误差后的BP神经网络进行训练以获取强回归器；利用强回归器对人体的呼吸运动状态进行预测。本发明专利技术可以对病人的呼吸运动状态进行高精度预测，避免实际的肿瘤超出靶区，以更好地对病人进行放射性治疗。

【技术实现步骤摘要】
一种呼吸运动预测方法
本专利技术涉及医疗
，具体而言，涉及一种呼吸运动预测方法。
技术介绍
在对肿瘤进行放射治疗的过程中，呼吸运动的影响会导致胸部和腹部组织和器官的位置和形状发生变化。为避免实际的肿瘤超出靶区，通常采用的方法有:1)扩大放射治疗范围法，此方法由于扩大了靶区范围，故而会加大对病人的辐射量；2)屏气技术，此技术需要病人屏住呼吸，但许多病人不能长时间屏住呼吸；3)图像采集方法，此方法会在采集的图像中造成伪影，限制了其实际效用；4)呼吸门控技术，此方法仅涉及基于简单的呼吸信号在有限的窗口(例如呼气末)期间获取/使用成像数据，其增加了获取和干预时间。5)运动跟踪法，此方法通常将标记物植入感兴趣的区域并使用诸如X射线的成像设备进行跟踪，其是侵入式的，会对人体造成创伤。上述几种现有技术各有其局限性，均无法对病人的呼吸运动状态进行预测。
技术实现思路
基于此，为了解决现有技术无法对病人的呼吸运动状态进行预测的问题，本专利技术提供了一种呼吸运动预测方法，其具体技术方案如下：一种呼吸运动预测方法，包括如下步本文档来自技高网...

【技术保护点】
1.一种呼吸运动预测方法，其特征在于，包括如下步骤：/n构建BP神经网络，并融合模拟退火遗传算法对所述BP神经网络进行优化；/n优化所述BP神经网络的加权误差；/n获取呼吸运动数据，并对所述呼吸运动数据进行处理；/n利用处理后的所述呼吸运动数据对优化所述加权误差后的BP神经网络进行训练以获取强回归器；/n利用所述强回归器对人体的呼吸运动状态进行预测。/n

【技术特征摘要】
1.一种呼吸运动预测方法，其特征在于，包括如下步骤：
构建BP神经网络，并融合模拟退火遗传算法对所述BP神经网络进行优化；
优化所述BP神经网络的加权误差；
获取呼吸运动数据，并对所述呼吸运动数据进行处理；
利用处理后的所述呼吸运动数据对优化所述加权误差后的BP神经网络进行训练以获取强回归器；
利用所述强回归器对人体的呼吸运动状态进行预测。


2.如权利要求1所述的一种呼吸运动预测方法，其特征在于，融合模拟退火遗传算法对所述BP神经网络进行优化的具体方法包括如下步骤：
步骤1a，初始化种群并确定初温；
步骤1b，以BP神经网络的预测误差作为个体初始化时的适应度值；
步骤1c，判断当前种群中各个体是否满足收敛准则，若是，则跳到步骤1h，若否，则执行步骤1d至步骤1g；
步骤1d，执行选择、交叉以及变异操作；
步骤1e，对群体中的个体进行退火搜索以产生新个体；
步骤1f，以概率接受新个体；
步骤1g，进行退温操作；
步骤1h，更新全局最优个体，获取BP神经网络最优权值与阈值，完成所述BP神经网络的优化。


3.如权利要求2所述的一种呼吸运动预测方法，其特征在于，优化所述BP神经网络的加权误差的具体方法包括如下步骤：
步骤2a，计算优化后的所述BP神经网络的加权误差；
步骤2b，判断所述加权误差是否小于预设误差，若否，则设定比例系数并根据所述比例系数更新所述BP神经网络最优权值与阈值直至所述加权误差是否小于预设误差，若是，则完成所述BP神经网络的加权误差的优化。


4.如权利要求3所述的一种呼吸运动预测方法，其特征在于，对所述呼吸运动数据进行处理的具体方法包括如下步骤：
步骤3a，对所述呼吸运动数据进行归一化处理；
步骤3b，将归一化处理后的所述呼吸运动数据划分为训练数据以及测试数据。
...

【专利技术属性】
技术研发人员：刘军，彭慧娴，
申请(专利权)人：佛山科学技术学院，
类型：发明
国别省市：广东;44