论文部分内容阅读
放射治疗是一种重要的治疗肝癌的治疗方式,以其治疗中能将肿瘤细胞彻底杀死而得到广泛应用。但在目前临床治疗中,胸腹部的呼吸、心脏的跳动和膈肌的运动严重影响了放射治疗过程中的剂量控制,肝癌肿瘤细胞需要大剂量放射治疗才能完全杀死,但剂量过大容易损伤肝癌肿瘤周围的健康组织和重要器官,从而影响治疗效果。本研究目的是通过研究肝癌肿瘤随呼吸等动作的运动状态,得到其运动规律,再进行呼吸运动预测算法的研究,制定出适合手术中长延迟的预测算法,以提高放射治疗的精确度和手术的成功率。精确的肝癌肿瘤运动的预测,很大程度上取决于对肿瘤运动特性的充分了解和对肿瘤治疗过程中位置的准确预测。为此,本研究对大量自由呼吸运动数据进行了统计分析,并提出一种基于小波分解和神经网络的呼吸运动预测算法,该算法对长延迟能做出精准的预测。本文主要对以下内容进行了研究：(1)对大量呼吸运动的数据进行统计分析：根据Wu等人所述有限状态模型,将一个周期的呼吸运动分为三个状态,即呼吸(EX)、呼气结束(EOE)和吸气(IN),定义了呼吸周期、持续时间、移动距离和速度等运动参数,统计最小值、最大值、平均值、范围和相关性,对患者与患者之间以及患者自身两种情况进行分析。(2)采集体外呼吸运动数据：对7名志愿者采集仰卧位时呼吸腹部最高点数据,包含X、Y、Z三个方向的数据。本文采用NDI光学定位系统,研究NDI采集坐标点的原理。在采集数据过程中,实时的把采集的数据传送给预测程序,即呼吸运动预测算法的输入。(3)提出了一种适用于手术中长延迟的预测算法：对Haar小波和Elman神经网络进行了理论研究,设计出一种松散型小波神经网络(WEN)算法,该方法能够满足预测运动状态的实时要求。(4)对提出的算法和采集的数据进行实验验证和讨论：对比得出本文提出的算法在长延迟下效果较其他算法好,均方根误差在某个例中可低至0.51mm,为放射治疗的临床实践提供了一个可行的预测方案。