| 利用Informer深度学习网络预测呼吸运动 |
| |
| 引用本文： | 晋國棟,刘宇翔,杨碧凝,魏然,陈辛元,梁晓坤,全红,门阔,戴建荣.利用Informer深度学习网络预测呼吸运动[J].中华放射医学与防护杂志,2023,43(7):513-517. |
| |
| 作者姓名： | 晋國棟 刘宇翔 杨碧凝 魏然 陈辛元 梁晓坤 全红 门阔 戴建荣 |
| |
| 作者单位： | 武汉大学物理科学与技术学院, 武汉 430072;国家癌症中心 国家肿瘤临床医学研究中心中国医学科学院北京协和医学院肿瘤医院, 北京 100021;中国科学院深圳先进技术研究院, 深圳 518055 |
| |
| 基金项目： | 国家自然科学基金(12175312);北京市科技新星计划(Z201100006820058) |
| |
| 摘 要： | 目的 研究时间序列深度学习方法预测呼吸运动。方法 纳入肺癌患者的呼吸运动数据80例,将每一例呼吸运动数据按8∶2的比例划分为训练集和测试集,深度学习采用Informer网络,预测约600 ms延迟的呼吸运动,采用归一化均方根误差(nRMSE)和相对均方根误差(rRMSE)评估模型性能。结果 Informer的整体效果优于常规的多层感知器(MLP)和长短期记忆(LSTM)模型。在423 ms的预测时间下,Informer模型的平均nRMSE和rRMSE分别为0.270和0.365;在615 ms的预测时间下,平均nRMSE和rRMSE分别为0.380和0.379。结论 采用的Informer模型在预测时间较长时有较好的效果,对提高实时跟踪技术的效果具有潜在应用价值。
|
| 关 键 词： | 呼吸运动|深度学习|时间序列预测 |
| 收稿时间： | 2022/11/20 0:00:00 |
Predicting respiratory motion using an Informer deep learning network |
| |
| Jin Guodong,Liu Yuxiang,Yang Bining,Wei Ran,Chen Xinyuan,Liang Xiaokun,Quan Hong,Men Kuo,Dai Jianrong.Predicting respiratory motion using an Informer deep learning network[J].Chinese Journal of Radiological Medicine and Protection,2023,43(7):513-517. |
| |
| Authors: | Jin Guodong Liu Yuxiang Yang Bining Wei Ran Chen Xinyuan Liang Xiaokun Quan Hong Men Kuo Dai Jianrong |
| |
| Institution: | School of Physics and Technology, Wuhan University, Wuhan 430072, China;Cancer Hospital, Chinese Academy of Medical Sciences & Peking Union Medical College, National Clinical Research Center for Cancer, National Cancer Center, Beijing 100021, China;Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences, Shenzhen 518055, China |
| |
| Abstract: | |
| |
| Keywords: | Respiratory motion|Deep learning|Time series forecasting |
|
| 点击此处可从《中华放射医学与防护杂志》浏览原始摘要信息 |
| 点击此处可从《中华放射医学与防护杂志》下载免费的PDF全文 |
|
