基于具有外源性輸入的非線性自回歸網絡的肺部腫瘤運動預測

蔣凱 周奇 藤井文武 椎木健裕 蒲自強

（1 重慶理工大學 重慶 400054）

（2 山口大學宇部市 日本 7558611）

在放療中,動態腫瘤跟蹤放射法（DTT-RT）是被廣泛應用的一種方法，其中的多葉準直器（MLC）的延遲一直是使用該方法對患者進行治療時的一個難題[1]。因此本文的目的就是建立新的數學模型預測肺部腫瘤在500ms后移動的位置以補償使用動態腫瘤跟蹤放射法對患者進行放射治療時由于MLC控制系統的延遲所造成的誤差。

1.資料與方法

1.1 患者腫瘤軌跡的獲取

為了構建基于具有外源性輸入的非線性自回歸網絡的腫瘤預測模型，本文使用了山口大學醫院的放射科醫生提供的七名接受放射治療的肺癌患者的腫瘤運動軌跡作為實驗數據樣本。目前的研究主要集中在線下學習和預測，以形成在線實時預測的理論基礎，這在動態腫瘤跟蹤放射法的實施中是必要的步驟。

1.2 實驗方法和步驟

1.2.1 NARX網絡模型NARX網絡，即具有外源性輸入的非線性自回歸網絡，相對于傳統的前饋神經網絡，NARX網絡是循環神經網絡（Recurrent neural network,RNN）的一種，相比于傳統BP(Backpropagation)神經網絡，其結構擁有一個閉環結構，并使用實時循環學習算法對權值進行更新[2]。

1.2.2 模型訓練在模型的構建中，一個輸入信號序列和一個目標信號是為了能夠訓練腫瘤的預測模型和預測腫瘤的位置而必須的。在此次實驗中，輸入信號是由當前時間過去4秒內的腫瘤坐標所構成的，在時間t的輸入信號x(t)如下式所示

其中u(t)表示患者在當前時間t時腫瘤在X軸的坐標，k則代表輸入序列的數據個數。……