放疗中人体胸腹表面区域呼吸运动预测模型研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 呼吸运动预测的国内外研究现状 | 第11-14页 |
| 1.2.2 高斯过程国内外研究现状 | 第14-16页 |
| 1.3 本文主要研究内容 | 第16-18页 |
| 第2章 呼吸运动数据采取与预处理 | 第18-26页 |
| 2.1 呼吸信号的测量 | 第18-19页 |
| 2.2 呼吸运动的数据采集系统 | 第19-22页 |
| 2.2.1 采集系统的选择 | 第19-20页 |
| 2.2.2 呼吸运动信号采集实验的环境搭建 | 第20-22页 |
| 2.3 呼吸运动信号特点 | 第22-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 高斯过程回归模型的理论基础 | 第26-38页 |
| 3.1 高斯过程 | 第26-31页 |
| 3.1.1 权值空间 | 第27-29页 |
| 3.1.2 函数空间 | 第29-31页 |
| 3.2 高斯过程回归建模 | 第31-34页 |
| 3.2.1 基于高斯过程回归的建模方法 | 第31-32页 |
| 3.2.2 核函数选取 | 第32-33页 |
| 3.2.3 超参数 | 第33-34页 |
| 3.3 实验仿真 | 第34-37页 |
| 3.3.1 仿真实验数据生成 | 第34-35页 |
| 3.3.2 选取不同核函数的对比实验 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 呼吸运动预测模型的实现 | 第38-52页 |
| 4.1 高斯过程回归实现呼吸运动预测 | 第38-42页 |
| 4.2 常规呼吸运动预测算法 | 第42-47页 |
| 4.2.1 非参数回归 | 第42-43页 |
| 4.2.2 线性预测 | 第43-44页 |
| 4.2.3 BP神经网络 | 第44-47页 |
| 4.3 实验结果分析 | 第47-50页 |
| 4.3.1 预测性能评价标准 | 第47页 |
| 4.3.2 采用相对误差评价标准对比四种算法 | 第47-49页 |
| 4.3.3 采用均方根误差评价标准对比四种算法 | 第49-50页 |
| 4.4 本章小结 | 第50-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 攻读学位期间发表的学术成果 | 第58-59页 |
| 致谢 | 第59页 |
