用于放疗中实时肿瘤追踪的呼吸运动预测

目的。放疗是一种针对肿瘤内及周围细胞的局部治疗。本研究的目标是开发一种算法解决方案，用于实时预测靶区在三维空间中的位置，旨在为每位患者在治疗开始时的固定短时校准时间。对肺部肿瘤运动的准确预测有望通过控制治疗床或光束的位置以补偿放疗期间的呼吸运动，从而提高放射治疗的精度。方法。为开发该算法解决方案，使用了数据挖掘技术。假设了指数平滑族中的一种模型形式，并通过最小化绝对位移误差和预测信号（抖动）的波动来拟合模型参数。预测性能在临床数据集上回顾性评估，这些数据集捕获了不同行为（安静、说话、大笑），并在具有呼吸运动模拟的原型系统上实时验证。结果。设计了一种用于呼吸运动预测的算法解决方案（称为 ExSmi）。在样本外数据测试中，ExSmi 达到了良好的预测精度（误差 $4-9$ mm/s）和可接受的抖动值（5-7 mm/s）。数据集、算法代码和实验在一个专门网站上公开供研究使用。结论。所开发的算法解决方案性能良好，可在放疗应用中原型化并部署。