利用BP（back propagation）神经网络模型对1例肝癌碘油介入术后患者的肝肿瘤运动趋势进行预测。
使用X射线容积成像系统对某肝癌患者进行扫描，采集各时相呼吸运动图像。利用碘油标记方法，对肝癌病灶进行定位，并通过图像检测技术，获取病灶标记点的运动轨迹。对标记点的运动轨迹数据进行分析，建立BP神经网络模型，并用其预测下一时间段的运动曲线，将预测结果与肿瘤标记点实际的运动轨迹进行比较分析。
利用BP神经网络可以有效预测肝肿瘤的运动趋势，在一定时间段内可保持良好的精准度，误差在1个像素距离内，但在呼吸运动峰值处预测精准度尚不理想，误差接近2个像素距离。
BP神经网络模型是预测肝肿瘤运动的一种新方法，可能对肝癌的体部立体定向放疗以及实时跟踪放疗精准度的提升有一定帮助，且具有一定的临床价值。
版权归中华医学会所有。
未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
除非特别声明，本刊刊出的所有文章不代表中华医学会和本刊编委会的观点。
随着肿瘤放射治疗（简称：放疗）进入"精确定位、精确计划、精确治疗"时代，对肿瘤的实时跟踪定位提出了更高要求。放疗过程中，胸腹部肿瘤的位移主要是受呼吸运动的影响。肿瘤病灶在呼吸周期内随着时间表现出与呼吸运动相关性的运动，这使得定位扫描、靶区勾画、计划设计、实际照射之间存在着偏差，影响了放疗的精度。为了减少呼吸运动带来的影响，放疗工作者采取了各种方法，比如：呼吸训练、门控技术等。利用电子射野影像装置或者锥形束计算机断层成像装置的图像引导技术为肿瘤病灶的实时跟踪提供了可能，但图像获取及分析速度、系统延迟、患者额外照射的剂量等，仍然是有待解决的问题。本研究针对动态实时跟踪肿瘤的前沿问题，提出一种呼吸信号预测模型，利用已获取的呼吸信号数据对患者的呼吸运动状态进行预测，并对预测数据进行验证和评价。
