典型文献
基于Bi-LSTM的呼吸预测算法研究
文献摘要：
在穿刺机器人执行穿刺动作时靶向病灶会因呼吸运动而发生位移,且穿刺系统存在固有的系统延迟,这些因素都会导致穿刺位置发生偏移.为了提高穿刺精度,可建立相关呼吸预测模型以补偿呼吸运动和系统延迟.鉴于此,提出一种基于双向长短期记忆神经网络(Bi-LSTM)的预测模型框架,选取一段呼吸数据制作训练集,再用训练后的预测模型计算新的呼吸数据在未来250ms的位置信息.使用29组呼吸数据(含自测数据和公共数据集)进行实验,且并不特意截取平稳区段,其中包含呼吸频率幅值明显变化、基线漂移等复杂状况.统计长短期记忆神经网络(LSTM)、门控循环单元(GRU)、Bi-LSTM这3种算法对29组呼吸数据的预测结果后,用均方根误差(RMSE)、平均绝对值误差(MAE)和误差大于0.5mm的数据点个数作为参考标准.从实验结果可以得出,Bi-LSTM预测结果的平均RMSE、MAE分别为0.091mm、0.042mm,其准确性和鲁棒性都较优,能很好地对非规则的呼吸信号进行预测.
文献关键词：
呼吸运动;预测算法;双向长短期记忆神经网络;穿刺机器人
中图分类号：
作者姓名：
王凯龙;常兆华;叶萍
作者机构：
上海理工大学健康科学与工程学院,上海200082
文献出处：
引用格式：
[1]王凯龙;常兆华;叶萍-.基于Bi-LSTM的呼吸预测算法研究)[J].软件导刊,2022(05):49-54
A类：
250ms,091mm
B类：
Bi,预测算法,算法研究,穿刺机器人,呼吸运动,系统延迟,穿刺位置,双向长短期记忆神经网络,模型框架,作训,训练集,位置信息,自测,公共数据,不特,特意,截取,取平,区段,呼吸频率,基线漂移,门控循环单元,GRU,RMSE,MAE,5mm,据点,参考标准,042mm,呼吸信号
AB值：
0.300272
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
