發(fā)布時間：2017-04-15 08:26

  本文關(guān)鍵詞：基于高斯過程的呼吸運(yùn)動預(yù)測研究，由筆耕文化傳播整理發(fā)布。

【摘要】：治療癌癥的一個重要手段就是放射治療,現(xiàn)代放射治療的需求是盡可能多的照射腫瘤癌細(xì)胞,與此同時盡可能的避免腫瘤周圍正常細(xì)胞的照射。然而患者自身的呼吸和心跳等不確定因素的影響,使得腫瘤靶區(qū)會進(jìn)行一定的不規(guī)則運(yùn)動,同時在治療過程中,整個系統(tǒng)由于數(shù)據(jù)的采集和傳輸以及治療儀器的調(diào)整治療等原因存在著一定的延遲,因此對腫瘤靶區(qū)的實(shí)時跟蹤和預(yù)測變得尤為重要。針對這一問題,本文主要研究對于腫瘤影響比較主要的呼吸運(yùn)動預(yù)測技術(shù)。由于呼吸運(yùn)動具有不規(guī)則和不確定性的特點(diǎn),需要一個合理的數(shù)學(xué)模型來對其進(jìn)行預(yù)測。為此,本研究對呼吸運(yùn)動數(shù)據(jù)進(jìn)行了統(tǒng)計分析,并且提出一種基于高斯過程回歸的呼吸運(yùn)動預(yù)測算法,文章分別從以下幾個方面進(jìn)行研究。首先對人的呼吸運(yùn)動特點(diǎn)進(jìn)行了分析,利用有限狀態(tài)模型將呼吸運(yùn)動劃分為三個狀態(tài),同時采用NDI光學(xué)儀器采集呼吸運(yùn)動信號數(shù)據(jù),并且對采集后的數(shù)據(jù)進(jìn)行預(yù)處理,將得到的數(shù)據(jù)作為本文提出預(yù)測算法的輸入。然后提出一種基于高斯過程模型對于回歸問題進(jìn)行預(yù)測。利用數(shù)據(jù)構(gòu)建一個合適的回歸模型,并進(jìn)行訓(xùn)練和預(yù)測,在訓(xùn)練過程中選擇核函數(shù),并且求出其中的超參數(shù),通過離線仿真實(shí)驗(yàn)驗(yàn)證算法可行性。最后選擇準(zhǔn)周期核函數(shù),利用共軛梯度法求出超參數(shù),進(jìn)行高斯過程回歸方法對呼吸運(yùn)動數(shù)據(jù)進(jìn)行模型預(yù)測。進(jìn)一步將預(yù)測結(jié)果與三種常用預(yù)測算法進(jìn)行對比分析,分別比較了不同延遲下和相同延遲下的預(yù)測結(jié)果,并用百分比誤差作為評價。
【關(guān)鍵詞】：呼吸運(yùn)動 高斯過程 呼吸預(yù)測
【學(xué)位授予單位】：哈爾濱理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：R730.55
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-18
• 1.1 課題研究的目的及意義10-11
• 1.2 課題國內(nèi)外研究現(xiàn)狀11-16
• 1.2.1 呼吸運(yùn)動預(yù)測的國內(nèi)外研究現(xiàn)狀11-14
• 1.2.2 高斯過程國內(nèi)外研究現(xiàn)狀14-16
• 1.3 論文的研究內(nèi)容16-18
• 第2章 呼吸運(yùn)動數(shù)據(jù)采集與分析18-29
• 2.1 概述18
• 2.2 呼吸信號數(shù)據(jù)采集18-23
• 2.2.1 信號相關(guān)性問題18-20
• 2.2.2 數(shù)據(jù)采集系統(tǒng)20-22
• 2.2.3 數(shù)據(jù)采集實(shí)驗(yàn)22-23
• 2.3 呼吸信號分析和預(yù)處理23-28
• 2.3.1 呼吸信號分析23-26
• 2.3.2 呼吸信號預(yù)處理26-28
• 2.4 本章小結(jié)28-29
• 第3章 高斯過程回歸建模29-41
• 3.1 貝葉斯理論29-30
• 3.2 高斯過程30-36
• 3.2.1 權(quán)重空間31-33
• 3.2.2 函數(shù)空間33-36
• 3.3 高斯過程建模36-38
• 3.3.1 核函數(shù)的選擇36-38
• 3.3.2 超參數(shù)的確定38
• 3.4 實(shí)驗(yàn)仿真38-40
• 3.5 本章小結(jié)40-41
• 第4章 呼吸運(yùn)動預(yù)測算法的實(shí)現(xiàn)41-53
• 4.1 常規(guī)呼吸運(yùn)動預(yù)測算法41-44
• 4.1.1 線性預(yù)測41-42
• 4.1.2 卡爾曼濾波42-43
• 4.1.3 人工神經(jīng)網(wǎng)絡(luò)43-44
• 4.2 高斯過程回歸預(yù)測算法的實(shí)現(xiàn)44-45
• 4.3 實(shí)驗(yàn)結(jié)果分析45-52
• 4.3.1 性能評價指標(biāo)46
• 4.3.2 四種預(yù)測算法在不同延遲下的對比分析46-47
• 4.3.3 三種不同算法在同一延遲下的對比分析47-52
• 4.4 本章小結(jié)52-53
• 結(jié)論53-54
• 參考文獻(xiàn)54-58
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文58-59
• 致謝59

【相似文獻(xiàn)】

中國重要會議論文全文數(shù)據(jù)庫 前5條

1 劉信恩;肖世富;莫軍;;用于不確定性分析的高斯過程響應(yīng)面模型設(shè)計點(diǎn)選擇方法研究[A];中國計算力學(xué)大會'2010（CCCM2010）暨第八屆南方計算力學(xué)學(xué)術(shù)會議（SCCM8）論文集[C];2010年

2 劉冬;張清華;;基于高斯過程的精密衛(wèi)星鐘差加密[A];第二屆中國衛(wèi)星導(dǎo)航學(xué)術(shù)年會電子文集[C];2011年

3 李雅芹;楊慧中;;一種基于仿射傳播聚類和高斯過程的多模型建模方法[A];2009中國過程系統(tǒng)工程年會暨中國mes年會論文集[C];2009年

4 趙級漢;張國敬;姜龍;魏巍;;基于疊加高斯過程的數(shù)字噪聲產(chǎn)生方法FPGA實(shí)現(xiàn)[A];第二十四屆全國空間探測學(xué)術(shù)交流會論文摘要集[C];2011年

5 何志昆;劉光斌;姚志成;趙曦晶;;基于高斯過程回歸的FOG標(biāo)度因數(shù)溫度漂移建模新方法[A];第25屆中國控制與決策會議論文集[C];2013年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前6條

1 王建民;礦山邊坡變形監(jiān)測數(shù)據(jù)的高斯過程智能分析與預(yù)測[D];太原理工大學(xué);2016年

2 趙靜;基于高斯過程的動態(tài)系統(tǒng)研究[D];華東師范大學(xué);2016年

3 潘偉;基于高斯過程的高爐煉鐵過程辨識與預(yù)測[D];浙江大學(xué);2012年

4 賀建軍;基于高斯過程模型的機(jī)器學(xué)習(xí)算法研究及應(yīng)用[D];大連理工大學(xué);2012年

5 夏戰(zhàn)國;基于高斯過程的提升機(jī)軸承性能評測方法研究[D];中國礦業(yè)大學(xué);2013年

6 趙偉;復(fù)雜工程結(jié)構(gòu)可靠度分析的高斯過程動態(tài)響應(yīng)面方法研究[D];廣西大學(xué);2014年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 李紅麗;回歸分析中的貝葉斯推斷技術(shù)的研究[D];江南大學(xué);2015年

2 葉婧;基于高斯過程回歸的鋰電池數(shù)據(jù)處理[D];北京交通大學(xué);2016年

3 張棟;基于在線學(xué)習(xí)高斯過程有桿泵油井動態(tài)液面建模方法研究[D];東北大學(xué);2014年

4 王奉偉;改進(jìn)的局部均值分解和高斯過程在變形監(jiān)測數(shù)據(jù)處理中的應(yīng)用研究[D];東華理工大學(xué);2016年

5 曹瑜;基于高斯過程的非線性不確定延遲系統(tǒng)的模型預(yù)測控制[D];華中科技大學(xué);2014年

6 張莉萍;基于廣義高斯過程回歸的函數(shù)型數(shù)據(jù)分析[D];東南大學(xué);2016年

7 王歡;基于逆高斯過程的退化數(shù)據(jù)分析與試驗(yàn)設(shè)計[D];東南大學(xué);2016年

8 張偉;基于高斯過程回歸的自適應(yīng)多模型建模及校正[D];江南大學(xué);2016年

9 彭新寬;復(fù)Isonormal高斯過程及其導(dǎo)算子的可閉性[D];湖南科技大學(xué);2016年

10 王曉新;基于高斯過程的非線性優(yōu)化方法研究及應(yīng)用[D];湖南大學(xué);2015年

  本文關(guān)鍵詞：基于高斯過程的呼吸運(yùn)動預(yù)測研究，，由筆耕文化傳播整理發(fā)布。

本文編號：307953