本技術(shù)涉及信號(hào)匹配，特別是涉及一種呼吸信號(hào)的預(yù)測(cè)方法、裝置和計(jì)算機(jī)設(shè)備。

背景技術(shù)：

1、在放射治療的過(guò)程中，胸腹部腫瘤會(huì)隨呼吸運(yùn)動(dòng)發(fā)生變化，若根據(jù)靶區(qū)實(shí)時(shí)測(cè)量位置對(duì)治療進(jìn)行干預(yù)有數(shù)百毫秒時(shí)延，導(dǎo)致靶區(qū)漏照，影響治療效果。此外，在獲取腫瘤靶區(qū)位置后，治療系統(tǒng)需要一定時(shí)間做出反應(yīng)。因此，需要通過(guò)預(yù)測(cè)呼吸運(yùn)動(dòng)來(lái)預(yù)測(cè)時(shí)延后靶區(qū)位置，提前調(diào)節(jié)靶區(qū)位置，提高放射照射的準(zhǔn)確率。而呼吸信號(hào)是對(duì)呼吸運(yùn)動(dòng)的直接反饋信號(hào)。因此，對(duì)呼吸信號(hào)的準(zhǔn)確預(yù)測(cè)非常重要。

2、現(xiàn)有技術(shù)，主要采用預(yù)設(shè)的某一種呼吸信號(hào)預(yù)測(cè)模型對(duì)待預(yù)測(cè)的呼吸信號(hào)進(jìn)行預(yù)測(cè)，若預(yù)設(shè)的呼吸信號(hào)預(yù)測(cè)模型對(duì)待預(yù)測(cè)的呼吸信號(hào)的預(yù)測(cè)結(jié)果不準(zhǔn)確時(shí)，則替換為另一種預(yù)設(shè)的呼吸信號(hào)預(yù)測(cè)模型對(duì)待預(yù)測(cè)的呼吸信號(hào)進(jìn)行預(yù)測(cè)，直至所采用的呼吸信號(hào)預(yù)測(cè)模型的預(yù)測(cè)結(jié)果的準(zhǔn)確率達(dá)到預(yù)設(shè)的準(zhǔn)確率要求為止。采用此種方式，會(huì)引入一定的延遲，并且計(jì)算量大，存在計(jì)算資源浪費(fèi)的問題。

3、針對(duì)現(xiàn)有技術(shù)會(huì)引入一定的延遲且存在計(jì)算資源浪費(fèi)的問題，目前還沒有提出有效的解決方案。

技術(shù)實(shí)現(xiàn)思路

1、基于此，有必要針對(duì)上述技術(shù)問題，提供一種呼吸信號(hào)的預(yù)測(cè)方法、裝置和計(jì)算機(jī)設(shè)備。

2、第一方面，本技術(shù)提供了一種呼吸信號(hào)的預(yù)測(cè)方法。所述方法包括：

3、獲取待預(yù)測(cè)的目標(biāo)呼吸信號(hào)；

4、根據(jù)預(yù)設(shè)的呼吸信號(hào)樣本庫(kù)中的各個(gè)呼吸信號(hào)樣本的關(guān)鍵時(shí)序元特征，和待預(yù)測(cè)的目標(biāo)呼吸信號(hào)的關(guān)鍵時(shí)序元特征，從所述預(yù)設(shè)的呼吸信號(hào)樣本庫(kù)中選擇，與所述待預(yù)測(cè)的目標(biāo)呼吸信號(hào)相似度大于預(yù)設(shè)的相似度閾值的所有呼吸信號(hào)樣本，得到適配信號(hào)集；

5、根據(jù)所述適配信號(hào)集中各個(gè)呼吸信號(hào)樣本與所述待預(yù)測(cè)的目標(biāo)呼吸信號(hào)之間的各個(gè)趨勢(shì)分量相似度和各個(gè)細(xì)節(jié)分量相似度，從所述適配信號(hào)集中選擇，與所述待預(yù)測(cè)的目標(biāo)呼吸信號(hào)相似度最高的呼吸信號(hào)樣本，作為適配樣本；

6、將所述適配樣本所對(duì)應(yīng)的最優(yōu)完備預(yù)測(cè)模型，作為所述待預(yù)測(cè)的目標(biāo)呼吸信號(hào)所匹配的目標(biāo)預(yù)測(cè)模型；所述適配樣本所對(duì)應(yīng)的最優(yōu)完備預(yù)測(cè)模型，為利用與所述適配樣本所對(duì)應(yīng)的多個(gè)完備預(yù)測(cè)模型分別對(duì)所述適配樣本進(jìn)行預(yù)測(cè)，得到最優(yōu)預(yù)測(cè)結(jié)果時(shí)所對(duì)應(yīng)的完備預(yù)測(cè)模型；

7、利用所述目標(biāo)預(yù)測(cè)模型，對(duì)所述待預(yù)測(cè)的目標(biāo)呼吸信號(hào)進(jìn)行呼吸預(yù)測(cè)。

8、在其中一個(gè)實(shí)施例中，所述根據(jù)預(yù)設(shè)的呼吸信號(hào)樣本庫(kù)中的各個(gè)呼吸信號(hào)樣本的關(guān)鍵時(shí)序元特征，和待預(yù)測(cè)的目標(biāo)呼吸信號(hào)的關(guān)鍵時(shí)序元特征，從所述預(yù)設(shè)的呼吸信號(hào)樣本庫(kù)中選擇，與所述待預(yù)測(cè)的目標(biāo)呼吸信號(hào)相似度大于預(yù)設(shè)的相似度閾值的呼吸信號(hào)樣本，得到適配信號(hào)集，包括：

9、根據(jù)所述預(yù)設(shè)的呼吸信號(hào)樣本庫(kù)中的各個(gè)所述呼吸信號(hào)樣本的所述關(guān)鍵時(shí)序元特征，和所述待預(yù)測(cè)的目標(biāo)呼吸信號(hào)的所述關(guān)鍵時(shí)序元特征，以及各個(gè)所述關(guān)鍵時(shí)序元特征的相似度表征系數(shù)，確定所述預(yù)設(shè)的呼吸信號(hào)樣本庫(kù)中的各個(gè)所述呼吸信號(hào)樣本與所述待預(yù)測(cè)的目標(biāo)呼吸信號(hào)之間的各個(gè)第一相似度結(jié)果；

10、基于所述預(yù)設(shè)的呼吸信號(hào)樣本庫(kù)中的各個(gè)所述呼吸信號(hào)樣本與所述待預(yù)測(cè)的目標(biāo)呼吸信號(hào)之間的各個(gè)所述第一相似度結(jié)果，從所述預(yù)設(shè)的呼吸信號(hào)樣本庫(kù)中選擇，與所述待預(yù)測(cè)的目標(biāo)呼吸信號(hào)相似度結(jié)果大于預(yù)設(shè)的相似度閾值的呼吸信號(hào)樣本，得到所述適配信號(hào)集。

11、在其中一個(gè)實(shí)施例中，在根據(jù)所述預(yù)設(shè)的呼吸信號(hào)樣本庫(kù)中的各個(gè)所述呼吸信號(hào)樣本的所述關(guān)鍵時(shí)序元特征，和所述目標(biāo)呼吸信號(hào)的所述關(guān)鍵時(shí)序元特征，以及各個(gè)所述關(guān)鍵時(shí)序元特征的相似度表征系數(shù)，確定所述預(yù)設(shè)的呼吸信號(hào)樣本庫(kù)中的各個(gè)所述呼吸信號(hào)樣本與所述目標(biāo)呼吸信號(hào)之間的各個(gè)第一相似度結(jié)果之前，包括：

12、確定所述預(yù)設(shè)的呼吸信號(hào)樣本庫(kù)中的各個(gè)所述呼吸信號(hào)樣本的所述關(guān)鍵時(shí)序元特征，并確定所述待預(yù)測(cè)的目標(biāo)呼吸信號(hào)的所述關(guān)鍵時(shí)序元特征；

13、基于所述關(guān)鍵時(shí)序元特征對(duì)于所述預(yù)設(shè)的呼吸信號(hào)樣本庫(kù)的所有所述呼吸信號(hào)樣本的所述總絕對(duì)誤差，確定各個(gè)所述關(guān)鍵時(shí)序元特征的相似度表征系數(shù)。

14、在其中一個(gè)實(shí)施例中，在確定所述預(yù)設(shè)的呼吸信號(hào)樣本庫(kù)中的各個(gè)所述呼吸信號(hào)樣本的所述關(guān)鍵時(shí)序元特征，并確定所述待預(yù)測(cè)的目標(biāo)呼吸信號(hào)的所述關(guān)鍵時(shí)序元特征之前，包括：

15、獲取所述預(yù)設(shè)的呼吸信號(hào)樣本庫(kù)中的各個(gè)所述呼吸信號(hào)樣本的全局時(shí)序元特征；

16、基于所述預(yù)設(shè)的呼吸信號(hào)樣本庫(kù)中的各個(gè)所述呼吸信號(hào)樣本的所述全局時(shí)序元特征，確定所述全局時(shí)序元特征中的各個(gè)時(shí)序元特征對(duì)于所述預(yù)設(shè)的呼吸信號(hào)樣本庫(kù)中所有呼吸信號(hào)樣本的總絕對(duì)誤差；

17、根據(jù)所述全局時(shí)序元特征中的各個(gè)所述時(shí)序元特征對(duì)于所述預(yù)設(shè)的呼吸信號(hào)樣本庫(kù)中所有所述呼吸信號(hào)樣本的所述總絕對(duì)誤差，選取所述全局時(shí)序元特征中，對(duì)于所述預(yù)設(shè)的呼吸信號(hào)樣本庫(kù)中所有所述呼吸信號(hào)樣本的所述總絕對(duì)誤差最小的預(yù)設(shè)個(gè)數(shù)的時(shí)序元特征，確定為關(guān)鍵時(shí)序元特征。

18、在其中一個(gè)實(shí)施例中，所述基于所述預(yù)設(shè)的呼吸信號(hào)樣本庫(kù)中的各個(gè)所述呼吸信號(hào)樣本的所述全局時(shí)序元特征，確定所述全局時(shí)序元特征中的各個(gè)時(shí)序元特征對(duì)于所述預(yù)設(shè)的呼吸信號(hào)樣本庫(kù)中所有呼吸信號(hào)樣本的總絕對(duì)誤差，包括：

19、針對(duì)所述全局時(shí)序元特征中的每個(gè)所述時(shí)序元特征，根據(jù)所述時(shí)序元特征，確定所述預(yù)設(shè)的呼吸信號(hào)樣本庫(kù)中的各個(gè)所述呼吸信號(hào)樣本與所述預(yù)設(shè)的呼吸信號(hào)樣本庫(kù)中的其他呼吸信號(hào)樣本的相似度；

20、基于所述預(yù)設(shè)的呼吸信號(hào)樣本庫(kù)中的各個(gè)所述呼吸信號(hào)樣本與所述預(yù)設(shè)的呼吸信號(hào)樣本庫(kù)中的其他呼吸信號(hào)樣本的相似度，將與所述預(yù)設(shè)的呼吸信號(hào)樣本庫(kù)中的各個(gè)呼吸信號(hào)樣本，相似度最高的呼吸信號(hào)樣本，作為所述預(yù)設(shè)的呼吸信號(hào)樣本庫(kù)中的各個(gè)所述呼吸信號(hào)樣本的各個(gè)匹配樣本；

21、利用所述預(yù)設(shè)的呼吸信號(hào)樣本庫(kù)中的各個(gè)所述呼吸信號(hào)樣本的各個(gè)匹配樣本，所對(duì)應(yīng)的最優(yōu)完備預(yù)測(cè)模型，對(duì)所述呼吸信號(hào)樣本庫(kù)中的各個(gè)呼吸信號(hào)樣本進(jìn)行預(yù)測(cè)，得到各個(gè)所述呼吸信號(hào)樣本的預(yù)測(cè)誤差；

22、將所有所述呼吸信號(hào)樣本的預(yù)測(cè)誤差的和，作為所述時(shí)序元特征對(duì)于所述預(yù)設(shè)的呼吸信號(hào)樣本庫(kù)的所有所述呼吸信號(hào)樣本的所述總絕對(duì)誤差；

23、遍歷所述全局時(shí)序元特征中的所有時(shí)序元特征，得到各個(gè)所述時(shí)序元特征對(duì)于所述預(yù)設(shè)的呼吸信號(hào)樣本庫(kù)的所有所述呼吸信號(hào)樣本的所述總絕對(duì)誤差。

24、在其中一個(gè)實(shí)施例中，在根據(jù)所述適配信號(hào)集中各個(gè)呼吸信號(hào)樣本與所述待預(yù)測(cè)的目標(biāo)呼吸信號(hào)之間的各個(gè)趨勢(shì)分量相似度和各個(gè)細(xì)節(jié)分量相似度，從所述適配信號(hào)集中選擇，與所述待預(yù)測(cè)的目標(biāo)呼吸信號(hào)相似度最高的呼吸信號(hào)樣本，作為適配樣本之前，包括：

25、分解所述適配信號(hào)集中的各個(gè)呼吸信號(hào)樣本與所述待預(yù)測(cè)的目標(biāo)呼吸信號(hào)的各個(gè)本征模態(tài)函數(shù)，得到所述適配信號(hào)集中的各個(gè)所述呼吸信號(hào)樣本的本征模態(tài)函數(shù)結(jié)果和所述待預(yù)測(cè)的目標(biāo)呼吸信號(hào)的本征模態(tài)函數(shù)結(jié)果；

26、基于所述適配信號(hào)集中的各個(gè)所述呼吸信號(hào)樣本的本征模態(tài)函數(shù)結(jié)果，所述待預(yù)測(cè)的目標(biāo)呼吸信號(hào)的本征模態(tài)函數(shù)結(jié)果，所述適配信號(hào)集中的各個(gè)所述呼吸信號(hào)樣本的本征模態(tài)函數(shù)結(jié)果和所述待預(yù)測(cè)的目標(biāo)呼吸信號(hào)的本征模態(tài)函數(shù)結(jié)果，得到所述適配信號(hào)集中的各個(gè)所述呼吸信號(hào)樣本的多尺度排列熵和所述待預(yù)測(cè)的目標(biāo)呼吸信號(hào)的多尺度排列熵；

27、基于所述適配信號(hào)集中的各個(gè)所述呼吸信號(hào)樣本的多尺度排列熵和所述待預(yù)測(cè)的目標(biāo)呼吸信號(hào)的多尺度排列熵，確定所述適配信號(hào)集中的各個(gè)所述呼吸信號(hào)樣本的趨勢(shì)分量和細(xì)節(jié)分量，和所述待預(yù)測(cè)的目標(biāo)呼吸信號(hào)的趨勢(shì)分量和細(xì)節(jié)分量；

28、基于所述適配信號(hào)集中的各個(gè)所述呼吸信號(hào)樣本的趨勢(shì)分量和細(xì)節(jié)分量，和所述待預(yù)測(cè)的目標(biāo)呼吸信號(hào)的趨勢(shì)分量和細(xì)節(jié)分量，確定所述適配信號(hào)集中各個(gè)所述呼吸信號(hào)樣本與所述待預(yù)測(cè)的目標(biāo)呼吸信號(hào)之間的各個(gè)所述趨勢(shì)分量相似度和各個(gè)所述細(xì)節(jié)分量相似度。

29、在其中一個(gè)實(shí)施例中，所述根據(jù)所述適配信號(hào)集中各個(gè)呼吸信號(hào)樣本與所述待預(yù)測(cè)的目標(biāo)呼吸信號(hào)之間的各個(gè)趨勢(shì)分量相似度和各個(gè)細(xì)節(jié)分量相似度，從所述適配信號(hào)集中選擇，與所述待預(yù)測(cè)的目標(biāo)呼吸信號(hào)相似度最高的呼吸信號(hào)樣本，作為適配樣本，包括：

30、基于所述適配信號(hào)集中的各個(gè)所述呼吸信號(hào)樣本與所述待預(yù)測(cè)的目標(biāo)呼吸信號(hào)之間的趨勢(shì)分量的個(gè)數(shù)和細(xì)節(jié)分量的個(gè)數(shù)，確定所述適配信號(hào)集中的各個(gè)所述呼吸信號(hào)樣本和所述待預(yù)測(cè)的目標(biāo)呼吸信號(hào)之間的各個(gè)趨勢(shì)相似度權(quán)重和各個(gè)細(xì)節(jié)相似度權(quán)重；

31、基于所述適配信號(hào)集中的各個(gè)所述呼吸信號(hào)樣本和所述待預(yù)測(cè)的目標(biāo)呼吸信號(hào)之間的各個(gè)趨勢(shì)相似度權(quán)重和各個(gè)細(xì)節(jié)相似度權(quán)重，對(duì)所述適配信號(hào)集中的各個(gè)所述呼吸信號(hào)樣本和所述待預(yù)測(cè)的目標(biāo)呼吸信號(hào)之間的所述趨勢(shì)分量相似度和所述細(xì)節(jié)分量相似度進(jìn)行加權(quán)求和，得到所述適配信號(hào)集中的各個(gè)所述呼吸信號(hào)樣本與所述待預(yù)測(cè)的目標(biāo)呼吸信號(hào)之間的各個(gè)第二相似度結(jié)果；

32、基于所述適配信號(hào)集中的各個(gè)所述呼吸信號(hào)樣本與所述待預(yù)測(cè)的目標(biāo)呼吸信號(hào)之間的各個(gè)第二相似度結(jié)果，從所述適配信號(hào)集中選擇，與所述待預(yù)測(cè)的目標(biāo)呼吸信號(hào)相似度最高的呼吸信號(hào)樣本，作為所述適配樣本。

33、在其中一個(gè)實(shí)施例中，所述利用所述目標(biāo)預(yù)測(cè)模型，對(duì)所述待預(yù)測(cè)的目標(biāo)呼吸信號(hào)進(jìn)行呼吸預(yù)測(cè)，包括：

34、利用所述待預(yù)測(cè)的目標(biāo)呼吸信號(hào)，對(duì)所述目標(biāo)預(yù)測(cè)模型進(jìn)行訓(xùn)練，得到完備的目標(biāo)預(yù)測(cè)模型；

35、利用所述完備的目標(biāo)預(yù)測(cè)模型，對(duì)所述待預(yù)測(cè)的目標(biāo)呼吸信號(hào)進(jìn)行預(yù)測(cè)。

36、第二方面，本技術(shù)還提供了一種呼吸信號(hào)的預(yù)測(cè)裝置。所述裝置包括：

37、信號(hào)獲取模塊，用于獲取待預(yù)測(cè)的目標(biāo)呼吸信號(hào)；

38、信號(hào)集確定模塊，用于根據(jù)預(yù)設(shè)的呼吸信號(hào)樣本庫(kù)中的各個(gè)呼吸信號(hào)樣本的關(guān)鍵時(shí)序元特征，和待預(yù)測(cè)的目標(biāo)呼吸信號(hào)的關(guān)鍵時(shí)序元特征，從所述預(yù)設(shè)的呼吸信號(hào)樣本庫(kù)中選擇，與所述待預(yù)測(cè)的目標(biāo)呼吸信號(hào)相似度大于預(yù)設(shè)的相似度閾值的所有呼吸信號(hào)樣本，得到適配信號(hào)集；

39、樣本確定模塊，用于根據(jù)所述適配信號(hào)集中各個(gè)呼吸信號(hào)樣本與所述待預(yù)測(cè)的目標(biāo)呼吸信號(hào)之間的各個(gè)趨勢(shì)分量相似度和各個(gè)細(xì)節(jié)分量相似度，從所述適配信號(hào)集中選擇，與所述待預(yù)測(cè)的目標(biāo)呼吸信號(hào)相似度最高的呼吸信號(hào)樣本，作為適配樣本；

40、模型確定模塊，用于將所述適配樣本所對(duì)應(yīng)的最優(yōu)完備預(yù)測(cè)模型，作為所述待預(yù)測(cè)的目標(biāo)呼吸信號(hào)所匹配的目標(biāo)預(yù)測(cè)模型；所述適配樣本所對(duì)應(yīng)的最優(yōu)完備預(yù)測(cè)模型，為利用與所述適配樣本所對(duì)應(yīng)的多個(gè)完備預(yù)測(cè)模型分別對(duì)所述適配樣本進(jìn)行預(yù)測(cè)，得到最優(yōu)預(yù)測(cè)結(jié)果時(shí)所對(duì)應(yīng)的完備預(yù)測(cè)模型；

41、以及預(yù)測(cè)模塊，用于利用所述目標(biāo)預(yù)測(cè)模型，對(duì)所述待預(yù)測(cè)的目標(biāo)呼吸信號(hào)進(jìn)行呼吸預(yù)測(cè)。

42、第三方面，本技術(shù)還提供了一種計(jì)算機(jī)設(shè)備。所述計(jì)算機(jī)設(shè)備包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)上述第一方面所述的呼吸信號(hào)的預(yù)測(cè)方法。

43、上述呼吸信號(hào)的預(yù)測(cè)方法、裝置和計(jì)算機(jī)設(shè)備，通過(guò)對(duì)預(yù)設(shè)的呼吸信號(hào)樣本庫(kù)中的各個(gè)呼吸信號(hào)樣本預(yù)先匹配訓(xùn)練好的最優(yōu)完備呼吸信號(hào)模型，并且通過(guò)二級(jí)匹配，即根據(jù)關(guān)鍵時(shí)序元特征進(jìn)行第一級(jí)匹配，根據(jù)趨勢(shì)分量相似度和細(xì)節(jié)分量相似度進(jìn)行第二級(jí)匹配，快速準(zhǔn)確匹配到預(yù)設(shè)的呼吸信號(hào)樣本庫(kù)中與待預(yù)測(cè)的目標(biāo)呼吸信號(hào)相似度最高的適配樣本，因?yàn)檫m配樣本與待預(yù)測(cè)的呼吸信號(hào)的相似性最高，因此，利用適配樣本的最優(yōu)完備呼吸信號(hào)模型對(duì)待預(yù)測(cè)的呼吸信號(hào)預(yù)測(cè)，能夠保證呼吸信號(hào)預(yù)測(cè)的準(zhǔn)確性，并且在整個(gè)模型確定過(guò)程并不需要對(duì)預(yù)測(cè)模型進(jìn)行訓(xùn)練，不會(huì)引入延遲，二級(jí)匹配的過(guò)程計(jì)算量較小，解決了現(xiàn)有技術(shù)會(huì)引入一定的延遲且存在計(jì)算資源浪費(fèi)的問題。

44、本技術(shù)的一個(gè)或多個(gè)實(shí)施例的細(xì)節(jié)在以下附圖和描述中提出，以使本技術(shù)的其他特征、目的和優(yōu)點(diǎn)更加簡(jiǎn)明易懂。