放射治疗作为肿瘤治疗的手段之一占据着越来越重要的地位。随着计算机技术和放射物理学的发展,放射治疗从传统的普通放疗、适形放疗逐渐向更加精确的调强放疗、图像引导放射治疗方向发展。高精度、高剂量、高疗效、低损失始终是当前精确放射治疗所追求的目标。在胸腹部肿瘤放射治疗中,呼吸运动会使目标肿瘤移出射束范围而正常组织移入射束范围,对放疗靶区精确定位产生不利影响,从而影响放疗效果,增加正常组织的损伤。为了减小呼吸运动的影响,保证临床肿瘤靶区(CTV)的受照剂量,传统的做法是扩大CTV的靶区边界变为内靶区(ITV),将靶区的呼吸运动包含在照射范围内,再制定放疗计划。随着科技的发展,还可以通过呼吸控制技术、呼吸门控技术、图像引导实时跟踪技术、四维放疗技术等减小或补偿肿瘤运动。在这些技术中,从信息采集到射束调整需要一定的时间,使加速器响应或者机器臂的运动滞后于肿瘤运动,产生系统时间延迟问题。可以通过呼吸运动预测,补偿系统时间延迟,提高胸腹部肿瘤图像引导跟踪或门控放射治疗的靶点精度。目前国内外学者提出了多种呼吸预测算法,比较典型的有神经网络(NN)、支持向量机(SVM)、自适应神经模糊推理系统(ANFIS)、CyberKnife放射外科系统的Synchrony呼吸同步追踪系统中采用的预测算法。NN算法容易陷入局部最小化或者产生过拟合问题。SVM算法复杂度高,预测结果依赖参数选择。ANFIS算法采用呼吸运动的位置作为模型的输入参数构造模糊集进行预测,预测能力较强,但对不规则信号特别是当呼吸信号的振幅发生突变时,预测误差过大。Synchrony预测精度较好,已有大量临床实践验证,但其预测不规则或者异常呼吸的误差较大,仍然不能完全满足临床精度的要求。呼吸运动因人而异,并且同一患者呼吸运动的基线、频率、周期随时间不断发生变化,影响预测精度。本文针对呼吸运动的复杂性和不确定性,研究对非规则呼吸运动更精确的预测算法,提出了一种结合小波分解和自适应神经模糊推理系统的呼吸预测算法(WANFIS)。该算法利用小波分解将呼吸信号分成基线、低频、高频三部分,并分别采用三种不同方法进行联合预测。基线部分较平滑,采用线性算法(LF)进行预测。低频部分是呼吸信号去除基线后的呼吸振幅部分,采用自适应神经模糊推理系统(ANFIS)进行预测。此ANFIS采用一种新的模型结构,其利用呼吸运动的位置和速度作为输入参数,从而构造一个结合位置和速度的N×N模糊集。在ANFIS预测过程中,如最新输入信号的位置或速度超出历史数据建立的训练集的幅度范围,则对位置或速度进行相应的幅度调整,再作为ANFIS模型的输入参数进行预测。高频部分主要是噪声,采用简单移动平均法进行预测。最后综合三部分预测值作为呼吸运动的预测结果。本研究采集了42例CyberKnife治疗的胸腹部肿瘤患者的非规则呼吸临床数据,通过回顾性离线分析,对NN、SVM、ANFIS、Synchrony、WANFIS五种预测算法的精度进行对照比较。实验结果表明,本文提出的WANFIS算法的归一化均方根误差(nRMSE)、平均值(Mean)、标准偏差(STDEV)、误差最大值(Max)、大于1mm误差个数都小于NN、SVM、ANFIS和Synchrony。WANFIS算法的精确性和鲁棒性都优于其他四种算法,能更精确地预测非规则呼吸,更有效地补偿放疗系统时间延迟。