基于小波分解和神经网络的呼吸运动预测算法

摘要

目的 放射治疗是胸腹部肿瘤治疗的常用手段,但呼吸等运动大大影响了放射治疗的准确性,因此精确的呼吸运动定位和预测对肿瘤治疗很有必要.相关预测方法缺乏对系统长延迟预测的研究,本文提出一种用小波分解结合Elman神经网络的算法(wavelet Elman network,WEN)预测呼吸运动.方法 采用光学定位系统采集数据,对数据进行简单的预处理,再利用小波分解压缩数据,训练Elman神经网络,最后进行神经网络的预测.预测结果和真实值对比,绘制误差曲线,计算均方根误差,并与其他主流算法对比,验证算法的可行性.结果 WEN算法在短延迟预测中表现一般,但当延迟达1000 ms时,WEN算法的均方根误差平均为1.6164 mm,比临床中使用的线性预测低32.9％.结论 通过实验验证了基于小波分解和Elman神经网络的呼吸运动预测算法,在长延迟时表现较好,证明了本算法的正确性及可行性.