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。