放射性治疗手术是目前治疗前列腺肿瘤一种有效手段。然而,在手术过程中人体的一些生理因素(如呼吸、咳嗽等)会导致前列腺肿瘤的位置发生变化,使得放射源发出的射线无法准确地杀死前列腺肿瘤。本文针对前列腺癌放疗手术中存在的不确定性问题,对人体肺部呼吸运动以及前列腺的运动进行了研究,并建立了相关性模型,最后进行了模型实验。首先,本章根据分析传感器的性能,建立了一套基于加速度传感器的肺部呼吸运动测量系统。为了减小检测时产生的干扰信号的影响,采用五点滑动平均法对采样数据进行平滑处理;然后通过傅里叶变换进行了频域分析,并经二次积分,得到了肺部呼吸运动的位移数据。其次,对肺部呼吸运动的位移数据进行预测,通过对比建立的ARIMA(Autoregressive Integrated Moving Average Model)的两种模型和基于SVM(Support Vector Machine)的模糊信息粒化预测模型来预测肺部呼吸的运动,并比较它们的预测误差,仿真结果表明,基于SVM的模糊信息粒化模型的均方根误差明显小于ARIMA的两种模型。然后,搭建一套前列腺运动模拟测量实验系统,并通过加速度传感器采集模拟的前列腺加速度运动信息,进而转化位移运动信息;然后介绍了BP(Back Propagation)神经网络算法,并根据BP神经网络算法建立了相关性模型;同时定义了加速度预警阀值系数?,当由于患者咳嗽或是打喷嚏造成了加速度发生了突变,则会输出报警信号,控制穿刺针进针机构停止进针。最后,对基于BP神经网络的相关性模型进行验证,并通过基于SVM的模糊信息粒化模型预测出的肺部呼吸的运动数据作为BP神经网络的输入测试数据,并分析单、双隐含层对两种模型精度的影响;实验结果表明,基于双隐含层的BP神经网络模型与SVM的模糊信息粒化预测模型相结合的模型均方根误差最小,并且模型误差满足临床手术要求,可将该模型作为临床上前列腺放疗的模型,以实现在前列腺癌放疗手术过程中对前列腺的动态感知。