理想放射治疗的目的是精确给予肿瘤高剂量的同时尽量减少对靶区周围正常组织的照射。近年来放疗领域出现的适形调强技术使得对于体积较小,靶区容积固定的肿瘤的剂量适形放射成为可能。这些技术面临的其中一个挑战就是实时跟踪和预测肿瘤目标的运动,从而补偿治疗过程中不可避免的系统延迟。对图像引导放射治疗系统来说,通过降低采样率来减少成像剂量也是减轻患者辐射的可取办法。基于此,对受呼吸影响较大的胸腹部位肿瘤目标进行治疗时,需要对呼吸条件下目标的运动进行估计。本文致力于研究显著影响肺部肿瘤状态的呼吸运动预测技术。由于呼吸节律的复杂性和不确定性,需要一种合理的数学模型来提高呼吸运动实时预测的精度。本文提出一种基于非参数局部回归的呼吸轨迹预测方法。该方法主要由三部分构成:(1)构建一个扩展状态空间来捕捉系统的动态特性;(2)在扩展的状态空间中通过局部回归来训练预测器,训练数据来源为观察得到的具有不规则周期性特征的呼吸运动数据;(3)通过局部权值调整来包含衰减的时间相关因素。为了评价呼吸轨迹的预测精度,本文分析了10位肿瘤患者的胸壁基准块轨迹,研究了基准块预测位置和观察位置间的均方根误差和绝对平均误差。作为比较,本文还采用同样的数据研究了目前使用的常规预测方法,包括线性预测、人工神经网络和卡尔曼滤波器等。实验证明,文中提出的方法对不同的成像率和延迟时间,特别是较长的预测时间来说,有效地减少了预测误差。