基于GA—BP神經網絡的呼吸運動預測技術在腫瘤放療中的應用

[摘要] 目前，有關放射治療效果的問題是臨床的重點問題，人們進行放射性治療最終的目標是要為患者的腫瘤提供精確的計量并盡量地減少對周圍組織的照射影響，力求實現精確的目標。隨著醫療技術的發展，放射性技術在腫瘤臨床上也得到了越來越多的應用。本文在此基礎上探討腫瘤的放療中應用GA-BP神經網絡呼吸運動的預測技術。

[關鍵詞] GA-BP神經網絡；呼吸運動；預測技術；腫瘤放療；應用

doi：10.3969/j.issn.1004-7484（x）.2014.03.133 文章編號：1004-7484（2014）-03-1324-02

呼吸運動在放射性治療腫瘤的臨床研究是對運動的輻射和輻射區的體積的研究，以降低輻射范圍，而呼吸運動能夠致使胸腹的器官發生大幅度的運動。在放療的過程中如果將此忽略，那么極有可能造成患者病區周圍的正常組織或是器官進入了輻射區，特別是在高強度高要求的醫療質量的時代，影響非常大，因此必須引起足夠的重視。本文探討腫瘤放療中對GA-BP神經網絡呼吸運動預測技術的應用。

1 BP神經網絡原理和特點

計算BP神經可以從兩個方面入手，包括前向信號傳播以及反向的誤差傳播，也就是從輸入和輸出的方向計算，按照修正的權值及閾值向輸出輸入方向執行。

BP神經網絡具備了簡捷、合并性強等多種優勢，因此成為了當前使用最多也是最廣的人工神經網絡，它可以通過減少誤差，算出最小值，也可以通過非線性的規劃形式按照準確的方式改變權值，因此，其不免存在了效率低、局部狀態小等問題。

2 GA-BP神經網絡預測模型

根據以上BP神經網絡的原理和特點，結合遺傳算法等相關的計算方法分析預測模型。因為GA-BP在網絡的預測中會經歷兩個非常重要的工作過程，第一個是通過遺傳法使BP網絡得以優化并準確計算出網絡中的閾值和權值，再通過BP網絡得出的最初值進行訓練分析。利用遺傳算法對全局進行搜索，并與BP網絡相結合從而實現任何維數在輸出輸入操作中的目的，使得網絡在預測精度上大幅度提升[1]。

遺傳算法可以為BP神經網絡得出權值和閾值，以保證計算值的最優性。但如果是直接使用BP的神經網絡，那么初始的閾值權值則是通過隨機而獲得。將初始的數值進行優化，有利于克服BP神經網絡在下降過程中被陷入局部的缺陷，讓其可以在最優解附近進行全方位的快捷搜索，從而提高搜索的精確度。

BP神經網絡的預測就是通過對各個神經元各項數值記憶序列的利用形成發展模式，這樣可以得到預期的對應值輸出，對樣本在預測和訓練中的結果都有很大的作用。通常會要求在訓練階段的樣本必須比一個周期要大，而且還要體現總體數據的特征，只有確保了樣本數據的合理性，才能使神經網絡在閾值和權值的信息涵蓋方面更為準確，同時預測的精準度才會更高。

3 在腫瘤放療中的應用分析

3.1 呼吸運動信號與腫瘤運動的相關性 呼吸的運動信號與腫瘤運動具有相關性，可以通過適形調強放療以及實施呼吸的門控技術控制靶區的范圍，為腫瘤臨床提供建模的數據，因此，兩者之間的相關性可以主要研究生理信息以及腫瘤運動之間的關系。為此，我們可以建立一個實施有效的體內外運動信號模型，在跟蹤系統得到的數據中避免了復雜物理模型的嘗試，這可以證實胰腺癌患者的標記以及腫瘤標記的關系。相關資料有記載[2]，采用熒光X射線的圖像門控系統可以取代體內外的標記信號系統，這可以在治療組織損傷中簡化治療手段。還有學者利用X射線以及4D-CT在腫瘤的外部運動相關性中做了分析，證實了腫瘤運動和外部的標記運動之間存在了很好的相關性，外部標記和內部腫瘤之間的信號與單個運動信號相比更為穩定，其相關性也更為顯著。這個結論除了證實兩者之間存在了密切的相關性，還證明了其在呼氣時間段的相關性最佳。

3.2 呼吸運動數據的獲取 在呼吸運動獲取數據的方法中，可以采用動態目標的跟蹤軟件，并結合相關的視頻采集和存儲獲取，從而實現其功能。視頻數據的采集可以利用30HZ的軟件，跟蹤獲得胸部外標記物的運動方向，由于呼吸運動與腫瘤運動具有良好的相關性，因此在制作相關運動軌跡中可以選擇幅度最大的頭腳方位軌跡。

3.3 呼吸運動信號的處理 在腫瘤放療的信號顯示中，透過對呼吸運動信號的觀察可知，其具備了非常嚴格的個體間差異性以及周期性，在進行呼吸運動信號的采集工作中，脈沖噪聲、不等幅變化等是會正常出現的。由于呼吸運動的模式具有其特征，因此處理預測呼吸運動信息過程中，要強化信號間數據的標準，那么就必須將采集的呼吸運動信號統一化，再根據數字濾波器的相關方式排除各種脈沖噪聲或者是高頻高斯噪聲的影響，這樣可以讓顯示效果更好[3]。接著再擴展已經處理好的呼吸運動數據，使其在一定的空間范圍內進行，其目的是為了把相鄰的三個數據編成一組，從而使之形成GA-BP神經網絡預測模型的輸入。

在放療的過程中，再采用對圖像的引導、技術跟蹤呼吸影響到的胸腹位置進行腫瘤目標的治療，對呼吸狀態下的運動進行全方位的評估，把GA-BP神經網絡引入呼吸預測中，即可執行呼吸預測的具體實施步驟。

4 結束語

將GA-BP神經網絡的呼吸運動預測技術應用在腫瘤放療中，通過實驗和臨床檢測的分析，都得到了比較好的實際應用效果，但是還存在了一些問題需要引起重視并加以解決。例如，精細地確立在建立外部標記物運動以及腫瘤的運動之間的關系，因為其隨著胸腹部的呼吸運動而發生運動，這與內部腫瘤間的運動不可避免地存在了一定的差異，因此建立并確定兩者之間的精確關系具有重大的意義；其次算法上也需要改變，例如怎樣減少GA-BP在神經網絡中的訓練時間進而提高算法；最后需要不斷完善軟件的系統功能。隨著我國醫療技術的不斷發展，相信在不久的將來，關于GA-BP神經網絡呼吸運動預測技術應用在腫瘤放療的工作中一定能夠取得質的飛躍。

參考文獻

[1] 戴建榮，胡逸民.圖像引導放療的實現方式[J].中華放射腫瘤學雜志，2011，11（02）：132-135.

[2] 王建華，戴建榮.圖像配準技術及其在腫瘤放療中的應用[J].中華放射腫瘤學雜志，2010，18（06）：46-47.

[3] 李洪升，李寶生，盧潔.肺腫瘤在線與離線結合錐形束CT圖像引導放療的可行性研究[J].中華放射腫瘤學雜志，2011，18（02）：67-69.