一種呼吸信號預測方法、裝置和計算機設備

本技術涉及信號預測，特別是涉及一種呼吸信號預測方法、裝置和計算機設備。

背景技術：

1、在放射治療的過程中，胸腹部腫瘤會隨呼吸運動發生變化，若根據靶區實時測量位置對治療進行干預有數百毫秒時延，導致靶區漏照，影響治療效果。此外，在獲取腫瘤靶區位置后，治療系統需要一定時間做出反應。因此，需要通過預測呼吸運動來預測時延后靶區位置，提前調節靶區位置，提高放射照射的準確率。而呼吸信號是對呼吸運動的直接反饋信號。因此，對呼吸信號的準確預測非常重要。

2、而現有技術，主要采用預設的某一種呼吸信號預測模型對待預測的呼吸信號進行預測，但是，采用某一種呼吸信號預測模型對呼吸信號進行預測，則呼吸信號的預測效果嚴重依賴模型搭建者的經驗，若預設的呼吸信號預測模型并不適用于對待預測的呼吸信號進行預測，則會存在呼吸信號的預測結果準確率低的情況。

3、針對現有技術存在呼吸信號的預測結果準確率低的問題，目前還沒有提出有效的解決方案。

技術實現思路

1、基于此，有必要針對上述技術問題，提供一種呼吸信號預測方法、裝置和計算機設備。

2、第一方面，本技術提供了一種呼吸信號預測方法。所述方法包括以下步驟：

3、獲取待預測的呼吸信號；

4、根據待預測的呼吸信號與預設的呼吸信號樣本庫中的各個呼吸信號樣本之間的相似度，將與所述待預測的呼吸信號之間的相似度最高的呼吸信號樣本所對應的最優完備預測模型，作為所述待預測的呼吸信號所匹配的目標預測模型；所述呼吸信號樣本所對應的最優完備預測模型，為利用與所述呼吸信號樣本所對應的多個完備預測模型分別對所述呼吸信號樣本進行預測，得到最優預測結果時所對應的完備預測模型；

5、利用所述目標預測模型，對所述待預測的呼吸信號進行呼吸預測。

6、在其中一個實施例中，所述方法還包括以下步驟：

7、獲取多個呼吸信號樣本，并基于獲取到的多個呼吸信號樣本，構建所述呼吸信號樣本庫；

8、利用與所述呼吸信號樣本庫中的各個所述呼吸信號樣本所對應的多個完備預測模型，分別對所述呼吸信號樣本庫中的各個所述呼吸信號樣本進行預測，得到每個所述呼吸信號樣本的多個預測結果；

9、選取每個所述呼吸信號樣本的多個所述預測結果中的最優預測結果所對應的完備預測模型，作為各個所述呼吸信號樣本所對應的最優完備預測模型。

10、在其中一個實施例中，在利用與所述呼吸信號樣本庫中的各個所述呼吸信號樣本所對應的多個完備預測模型，分別對所述呼吸信號樣本庫中的各個所述呼吸信號樣本進行預測，得到每個所述呼吸信號樣本的多個預測結果之前，包括以下步驟：

11、針對所述呼吸信號樣本庫中的每個所述呼吸信號樣本，分別對預設的多種初始預測模型中的各個初始預測模型進行訓練，得到與所述呼吸信號樣本庫中的各個所述呼吸信號樣本所對應的多個所述完備預測模型。

12、在其中一個實施例中，所述針對所述呼吸信號樣本庫中的每個所述呼吸信號樣本，分別對預設的多種初始預測模型中的各個初始預測模型進行訓練，得到與所述呼吸信號樣本庫中的各個所述呼吸信號樣本所對應的多個所述完備預測模型，包括以下步驟：

13、針對所述呼吸信號樣本庫中的每個所述呼吸信號樣本，分別對所述預設的多種初始預測模型中的各個所述初始預測模型進行超參數尋優，得到每個所述呼吸信號樣本所對應的多個所述初始預測模型的超參數尋優結果；

14、基于每個所述呼吸信號樣本所對應的多個所述初始預測模型的所述超參數尋優結果，分別對所述各個所述呼吸信號樣本所對應的多個所述初始預測模型進行訓練，得到與所述呼吸信號樣本庫中的各個所述呼吸信號樣本所對應的多個所述完備預測模型。

15、在其中一個實施例中，所述針對所述呼吸信號樣本庫中的每個所述呼吸信號樣本，分別對所述預設的多種初始預測模型中的各個所述初始預測模型進行超參數尋優，得到每個所述呼吸信號樣本所對應的多個所述初始預測模型的超參數尋優結果，包括以下步驟：

16、針對所述呼吸信號樣本庫中的每個所述呼吸信號樣本，采用mopso方法，分別對所述預設的多種初始預測模型中的各個所述初始預測模型進行超參數尋優，得到每個所述呼吸信號樣本所對應的多個所述初始預測模型的所述超參數尋優結果。

17、在其中一個實施例中，所述根據待預測的呼吸信號與預設的呼吸信號樣本庫中的各個呼吸信號樣本之間的相似度，將與所述待預測的呼吸信號之間的相似度最高的呼吸信號樣本所對應的最優完備預測模型，作為所述待預測的呼吸信號所匹配的目標預測模型，包括以下步驟：

18、計算所述待預測的呼吸信號與所述預設的呼吸信號樣本庫中的各個所述呼吸信號樣本之間的相似度，得到所述待預測的呼吸信號與所述預設的呼吸信號樣本庫中的各個所述呼吸信號樣本之間的各個相似度結果；

19、基于所述待預測的呼吸信號與所述預設的呼吸信號樣本庫中的各個所述呼吸信號樣本之間的各個所述相似度結果，確定所述呼吸信號的樣本庫中與所述待預測的呼吸信號之間的相似度最高的所述呼吸信號樣本；

20、將所述呼吸信號的樣本庫中與所述待預測的呼吸信號相似度最高的所述呼吸信號樣本所對應的最優完備預測模型，確定為所述待預測的呼吸信號所匹配的所述目標預測模型。

21、在其中一個實施例中，所述利用所述目標預測模型，對所述待預測的呼吸信號進行呼吸預測，包括以下步驟：

22、利用所述待預測的呼吸信號，對所述目標預測模型進行訓練，得到完備的目標預測模型；

23、利用所述完備的目標預測模型，對所述待預測的呼吸信號進行預測。

24、在其中一個實施例中，在利用所述目標預測模型，對所述待預測的呼吸信號進行呼吸預測之后，包括以下步驟：

25、獲取與所述待預測的呼吸信號同源的實時呼吸信號；

26、利用所述目標預測模型對獲取到的所述實時呼吸信號進行預測，得到實時預測結果；

27、當所述實時預測結果小于所述預設的預測結果閾值時，將呼吸信號樣本庫中的與所述待預測的呼吸信號之間的相似度第二高的呼吸信號樣本所對應的最優完備預測模型，作為新的目標預測模型，重復獲取實時預測結果的過程，直至所述實時預測結果大于或等于所述預設的預測結果閾值為止，或直至獲取所述實時預測結果的次數滿足預設的次數閾值時為止。

28、第二方面，本技術還提供了一種呼吸信號預測裝置。所述裝置包括：

29、信號獲取模塊，用于獲取待預測的呼吸信號；

30、模型確定模塊，用于根據待預測的呼吸信號與預設的呼吸信號樣本庫中的各個呼吸信號樣本之間的相似度，將與所述待預測的呼吸信號之間的相似度最高的呼吸信號樣本所對應的最優完備預測模型，作為所述待預測的呼吸信號所匹配的目標預測模型；所述呼吸信號樣本所對應的最優完備預測模型，為利用與所述呼吸信號樣本所對應的多個完備預測模型分別對所述呼吸信號樣本進行預測，得到最優預測結果時所對應的完備預測模型；

31、以及預測模塊，用于利用所述目標預測模型，對所述待預測的呼吸信號進行呼吸預測。

32、第三方面，本技術還提供了一種計算機設備。所述計算機設備包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執行所述計算機程序時實現上述第一方面所述的呼吸信號預測方法。

33、上述呼吸信號預測方法、裝置和計算機設備，通過預先設置預設的呼吸信號樣本庫，并預先確定預設的呼吸信號樣本庫中的每個呼吸信號樣本的最優完備預測模型，因此，在獲取到待預測的呼吸信號時，可以直接對預設的呼吸信號樣本庫中每個呼吸信號樣本與待預測的呼吸信號之間進行相似度計算，將與待預測的呼吸信號之間的相似度最高的呼吸信號樣本所對應的最優完備預測模型，作為待預測的呼吸信號所匹配的目標預測模型，因為目標預測模型為針對與待預測的呼吸信號之間的相似度最高的呼吸信號樣本的最優完備預測模型，因此，利用目標預測模型能夠準確預測待預測的呼吸信號，解決了現有技術存在呼吸信號的預測結果準確率低的問題。

34、本技術的一個或多個實施例的細節在以下附圖和描述中提出，以使本技術的其他特征、目的和優點更加簡明易懂。