目的 研究一种对非规则呼吸运动更精确的预测算法,更有效地补偿放疗系统的时间延迟,提高胸腹部肿瘤图像引导跟踪或门控放射治疗的靶点精度.方法 提出了一种基于自适应神经模糊推理系统(ANFIS)的对非规则呼吸运动的预测算法.该ANFIS模型结构利用呼吸运动的位置和速度作为输入参数,构造一个结合位置和速度的N×N模糊集,并通过历史数据建立训练集.在预测过程中,如最新输入信号的位置或速度超出当前训练集的幅度范围,则对位置或速度进行相应的幅度调整,然后作为ANFIS模型的输入参数进行预测.本研究采集了20例CyberKnife治疗的胸腹部患者的非规则呼吸临床数据,通过回顾性离线分析,对ANFIS、神经网络(NN)、支持向量机(SVM)、CyberKnife系统的Synchrony呼吸同步追踪系统这4种典型预测算法精度进行对照比较.结果 比较4种预测算法对20例患者数据的结果,证实笔者提出的ANFIS算法预测结果的归一化均方根误差(nRMSE)、最大误差(Max)、大于1 mm误差个数均小于NN、SVM和Synchrony.结论 ANFIS预测算法的精确性和鲁棒性均优于其他3种算法,能更好地预测非规则呼吸信号.