一、呼吸、呼吸运动与呼吸作用（论文文献综述）
徐杨[1]（2021）在《基于呼吸运动检测的肺藏司呼吸功能异常的客观测评研究》文中提出研究背景中医肺藏司呼吸功能是指肺藏具有主管呼吸之气,能够通过呼吸运动,吸入自然界的清气,呼出体内的浊气,实现体内外气体交换的功能,对应于现代生物医学中的呼吸系统等在神经体液的调节下进行呼吸的功能。中医肺藏司呼吸的过程实际上相当于现代生物医学所说的外呼吸的过程。司呼吸的肺藏主要包括呼吸系统和参与呼吸的骨骼肌、骨、骨连结、平滑肌等。肺藏司呼吸功能还受到相应的神经体液的调节。肺藏司呼吸功能的异常会导致多种肺系疾病的发生,如喘证、哮证、肺胀等,肺系疾病在人类疾病中最为多发,是危害人类健康的主要杀手。若能实现对肺藏司呼吸功能异常的客观测评,及早识别肺藏司呼吸功能的异常状态,尽早干预与调理,防止其发为疾病,具有重要的现实意义。当前的医学模式正在经历由疾病医学到健康医学的转型过程。在大健康作为国家战略的背景下,人们的关注点逐渐从关注疾病到关注健康,从关注结构到关注功能。中医重视整体,重视功能,重视辨证,且对肺藏司呼吸功能的异常变化有很好的干预和调理手段,但是由于目前中医对肺藏司呼吸功能异常的评价主要是依靠于四诊信息的主观评价,现代生物医学使用的一些客观测评方法如肺功能检测、呼吸功能监测等,一种是在特定条件下（如医院、实验室等）的短时程检测,另一种虽然是长时程监测,但因其主要是针对危重患者的生命体征监测,不能在日常状态下应用,故均无法反映中医的诊疗特点,不能照搬应用,中医缺乏具有自己特色的客观检测工具与方法,这成为中医现代化路上亟待解决的难题之一。本研究作为国家重点研发计划“穿戴式五藏功能态势监测设备关键技术研究（2019YFC1711700）”项目的组成部分,对具有中医特色的肺藏司呼吸功能异常的客观测评进行了探索性研究。研究目的研究肺藏司呼吸功能异常的症状及其临床特征、证候特点与病机解释,明确其中医诊疗特点;在中医理论的指导下,采用基于压电陶瓷传感器的呼吸运动检测装置,对肺藏司呼吸功能进行自然状态下的长时程实时无创检测,实现具有中医特色的肺藏司呼吸功能异常的客观测评,实现肺藏司呼吸功能异常相关症状与证候要素的客观测评。研究方法（1）中医肺藏司呼吸功能异常的症状与证候的研究本研究首先对中医历代医案数据库进行了数据挖掘,在中医理论的指导下,利用Φ相关性分析等方法,研究梳理肺藏司呼吸功能异常的症状及其临床特征（包括症状部位、症状性质、症状加重缓解因素）;其次,基于中医症状病机数据库,运用归纳总结等方法,研究梳理肺藏司呼吸功能异常的证候,并建立证候与症状及其临床特征之间的对应关系,给出相应的病机解释。这为下一步的临床试验研究提供理论指导,并为探索一种具有中医诊疗特点的肺藏司呼吸功能异常的客观测评方法提供理论依据。（2）中医肺藏司呼吸功能异常客观测评的试验研究本研究采集了受试者的基本信息,并基于肺藏司呼吸功能异常临床观察表和多名中医专家的辨证结果将被纳入的受试者分为肺藏司呼吸功能正常组与异常组,肺藏司呼吸功能异常的相关症状组与非症状组,相关证候要素组与非证候要素组。采用基于压电陶瓷传感器的呼吸运动检测装置,在自然状态下对受试者睡眠时期的呼吸运动进行了长时程实时无创检测,采集受试者长时程的呼吸数据。应用Visual Basic 6.0与Matlab 2014b软件进行数据分析,为保证各组间的呼吸数据具有可比性,本研究提取了每位受试者5小时的睡眠呼吸数据,从睡眠呼吸数据中识别受试者呼吸波形,并以连续的相邻呼吸波形顶点之间的距离分别为横、纵坐标绘制呼吸散点图进行非线性分析,提取呼吸波形及呼吸散点图相关参数。针对提取的呼吸参数与呼吸散点图,分别采用定量和定性的方法进行研究。在SPSS 24.0软件中应用t检验和非参数检验研究各两组之间的呼吸参数差异性;针对各两组之间具有显着性差异的呼吸参数分别构建ROC曲线,研究呼吸参数对肺藏司呼吸功能异常、肺藏司呼吸功能异常的症状及证候要素的独立诊断价值,并将诊断价值可视化;在SAS 6.12统计软件中应用非条件Logistic多元逐步回归分析方法研究各呼吸参数对肺藏司呼吸功能异常、肺藏司呼吸功能异常的症状及证候要素的综合诊断价值,并建立诊断模型。定性分析呼吸散点图图形特征,挖掘其内在生理病理含义。研究结果（1）中医肺藏司呼吸功能异常的症状与证候的研究结果①中医肺藏司呼吸功能异常的症状单元主要为咳嗽、呼吸急促、呼吸困难、呼吸气粗、咳血、喉中痰鸣、胸痛、胸闷、桶状胸、气短等;中医肺藏司呼吸功能异常的症状部位主要为咽喉、胸、鼻等;中医肺藏司呼吸功能异常的症状性质主要为有痰、呼吸急促、呼吸困难、呼吸气粗、质粘、声嘶哑、质稠、有泡沫、声重浊、张口抬肩、阵发性、味腥、声低微、味腥臭、色红、质清、不畅、黄白相兼、呼多吸少、铁锈色、色青、味咸、气短、口张、色绿、色红绛、脓血、少气、咳如犬吠、有脓、量少、色鲜红、味臭等;中医肺藏司呼吸功能异常的症状加重缓解因素主要为咳嗽加重、夜间加重、下午加重、白昼缓解、晡时加重、清晨加重、黄昏加重、呼吸加重等。②中医肺藏司呼吸功能异常的证候多种多样,既包括风寒袭肺,风燥伤肺等外感证,也包括痰瘀阻肺,肺脾气虚等内伤证,病位主要在肺藏,也涉及其他四藏。肺藏司呼吸功能异常的症状可出现于多种证候中,在不同证候中表现的临床特征（包括症状性质、症状部位与症状加重缓解因素）也各不相同,病因病机复杂各异。（2）中医肺藏司呼吸功能异常的客观测评的试验研究结果①本研究对523人进行了长时程的睡眠呼吸数据采集,剔除临床观察表资料不全,呼吸数据不满5小时等受试者,剩余397人。使用倾向性评分等方法对肺藏司呼吸功能正常受试者与异常受试者的性别、年龄、体重、身高、其他基础病等基本信息进行基线匹配。最终纳入的统计样本数为肺藏司呼吸功能异常组145例,包括男性62例（42.76%）,女性83例（57.24%）,平均年龄（61.83±13.46）岁,平均身高（164.86±6.62）厘米,平均体重（65.79±11.08）千克。肺藏司呼吸功能正常组145例,包括男性58例（40.00%）,女性87例（60.00%）,平均年龄（60.10±14.47）岁,平均身高（165.23±7.16）厘米,平均体重（65.33±10.03）千克。两组经统计检验在性别、年龄、身高、体重、其他基础疾病方面均无显着性差异（p>0.05）,组间具有可比性。②根据肺藏司呼吸功能异常临床观察表,整理统计145名肺藏司呼吸功能异常受试者的常见症状,结果发现咳嗽、咯痰、喘息、胸膈满闷、憋气、呼吸困难6个症状的发生率较高,其中咳嗽、咯痰、喘息为客观类症状,胸膈满闷、憋气、呼吸困难为主观感觉类症状。将肺藏司呼吸功能异常受试者按照以上6个症状分别进行分组。从145名肺藏司呼吸功能正常受试者中,分别匹配出与以上6个症状组的性别、年龄、身高等基本信息基线一致的人群,经基线匹配后,各两组的情况如下:咯痰组100人与非咯痰组145人,共245人;咳嗽组94人与非咳嗽组94人,共188人;喘息组83人与非喘息组83人,共166人;胸膈满闷组80人与非胸膈满闷组80人,共160人;憋气组58人与非憋气组145人,共203人;呼吸困难组30人与非呼吸困难组145人,共175人。各两组经统计检验在性别、年龄、身高、体重、其他基础疾病方面均无显着性差异（p>0.05）,各两组之间具有可比性。③对145名肺藏司呼吸功能异常受试者的中医证候分布情况进行统计,发现痰瘀阻肺,肺脾气虚证（8.97%）,痰瘀阻肺证（8.28%）,痰瘀阻肺,肺肾气虚证（8.28%）,痰热壅肺证（6.90%）为占比较高的证候类型。但由于肺藏司呼吸功能异常受试者的中医证候类型分布较为分散,每组样本量过少,无法按照中医证候分组进行相关研究。基于此情况,本研究按照中医证候要素提取标准,从异常受试者的中医证候中提取了相关证候要素,发现肺藏司呼吸功能异常受试者的主要病位证候要素为:肺、脾、肾、肝等,主要病性证候要素为痰、气虚、瘀、热、阳虚等。其中痰证、气虚证与瘀证3组样本量最多。故从145名肺藏司呼吸功能正常受试者中,分别匹配出与痰证组、气虚证组、瘀证组的性别、年龄、身高等基本信息基线一致的人群,经基线匹配后,痰证组82人与非痰证组145人,共227人;气虚证组70人与非气虚证组70人,共140人;瘀证组45人与非瘀证组145人,共190人。各两组经统计检验在性别、年龄、身高、体重、其他基础疾病方面均无显着性差异（p>0.05）,各两组之间具有可比性。④肺藏司呼吸功能正常组与异常组,肺藏司呼吸功能异常的相关症状组与非症状组,相关证候要素组与非证候要素组之间的呼吸参数对比统计分析结果显示:除呼吸散点图面积（RSPA）外,呼吸频率（RR）,吸气时间（TI）,呼气时间（TE）,呼吸周期（RC）,上升支粗糙度（RBR）,下降支粗糙度（DBR）,吸呼斜率比（IS:ES）,吸呼面积比（IA:EA）,吸呼时比（I:E）,呼吸散点图重心距离（CD）,呼吸散点图长轴（LA）,呼吸散点图短轴（SA）共12项呼吸参数具有显着性差异,说明各两组的肺藏司呼吸功能异常人群比正常人群的呼吸更急促,吸气和呼气时的气流通畅度更差,呼吸节律不均匀。⑤针对肺藏司呼吸功能正常组与异常组,肺藏司呼吸功能异常的相关症状组与非症状组,相关证候要素组与非证候要素组之间具有显着性差异的呼吸参数分别构建ROC曲线,结果显示:a.下降支粗糙度（DBR）在单独诊断咯痰、咳嗽、胸膈满闷时具有较高价值;下降支粗糙度（DBR）与呼吸频率（RR）在分别单独诊断喘息时具有较高价值;下降支粗糙度（DBR）与呼吸频率（RR）与吸呼时比（I:E）在分别单独诊断憋气时具有较高价值;呼吸频率（RR）在单独诊断呼吸困难时具有较高价值。b.下降支粗糙度（DBR）与呼吸频率（RR）在分别单独诊断痰证时具有较高价值;下降支粗糙度（DBR）与呼吸频率（RR）与吸呼时比（I:E）在分别单独诊断气虚证时具有较高价值;呼吸频率（RR）、吸呼面积比（IA:EA）、吸呼时比（I:E）、呼吸散点图短轴（SA）在分别单独诊断瘀证时具有较高价值。⑥采用非条件Logistic多元逐步回归分析方法研究呼吸参数对肺藏司呼吸功能正常组与异常组,肺藏司呼吸功能异常的相关症状组与非症状组,相关证候要素组与非证候要素组的综合诊断价值,结果显示:a.下降支粗糙度（DBR）与呼吸频率（RR）对肺藏司呼吸功能异常产生显着的正向影响关系;综合考虑这两项呼吸参数对肺藏司呼吸功能异常的诊断价值较高。b.下降支粗糙度（DBR）与呼吸频率（RR）对咯痰、喘息、胸膈满闷产生显着的正向影响关系;综合考虑这两项呼吸参数对咯痰、喘息、胸膈满闷的诊断价值较高。下降支粗糙度（DBR）对咳嗽产生显着的正向影响关系;吸气时间（TI）对咳嗽产生显着的负向影响关系;综合考虑这两项呼吸参数对咳嗽的诊断价值较高。下降支粗糙度（DBR）、呼吸频率（RR）、吸呼面积比（IA:EA）对憋气产生显着的正向影响关系;综合考虑这三项呼吸参数对憋气的诊断价值较高。下降支粗糙度（DBR）、呼吸频率（RR）与吸呼斜率比（IS:ES）对呼吸困难产生显着的正向影响关系;综合考虑这三项呼吸参数对呼吸困难的诊断价值较高。c.下降支粗糙度（DBR）、呼吸频率（RR）与呼吸散点图短轴（SA）对痰证产生显着的正向影响关系;综合考虑这三项呼吸参数对痰证的诊断价值较高。下降支粗糙度（DBR）、呼吸频率（RR）对气虚证产生显着的正向影响关系;综合考虑这两项呼吸参数对气虚证的诊断价值较高。下降支粗糙度（DBR）、吸呼面积比（IA:EA）与呼吸散点图短轴（SA）对瘀证产生显着的正向影响关系;呼吸散点图长轴（LA）对瘀证产生显着的负向影响关系。综合考虑这四项呼吸参数对瘀证的诊断价值较高。⑦呼吸散点图能直观反映呼吸节律的变化,对呼吸散点图的图形特征进行定性分析,结果显示:肺藏司呼吸功能正常人群的呼吸散点图形状多呈现出尾大、头小的棒球棍状。肺藏司呼吸功能异常人群的散点图形状多呈现不规则状、分节状、扇形状等。其中,有一些肺通气功能下降的人群的呼吸散点图呈现出类似图形特征（即沿x=y上对称分布的近椭圆形,并在尾部位置出现两块大致对称的不规则图形）,经研究这类图形特征可能反映了呼吸中枢对呼吸运动的调节及二氧化碳对呼吸运动的反射性调节,展示了中枢神经系统调节对呼吸的影响。本研究为初步探索,未来可以以此为切入点进行更加深入的研究。研究结论（1）基于中医历代医案数据库与中医症状病机数据库,挖掘、梳理肺藏司呼吸功能异常的证候及病机解释、症状及其临床特征,发现中医肺藏司呼吸功能异常的证候多种多样,既包括风寒袭肺、暑伤肺络证等外感证,也包括痰瘀阻肺、肺脾气虚等内伤证,病位主要在肺藏,也涉及其他四藏。肺藏司呼吸功能异常的症状可出现于多种证候中,在不同证候中表现的临床特征（包括症状性质、症状部位与症状加重缓解因素）也各不相同,病因病机复杂各异。理想的客观测评方法应该契合中医的诊疗特点,符合中医的整体观、辨证观、恒动观与时空观,采用在自然条件下的长时程实时无创且标定时序的检测方法,整体、全面地反映受试者的肺藏司呼吸功能状态。（2）本研究为探索性研究,采用基于压电陶瓷传感器的呼吸运动检测装置对中医肺藏司呼吸功能异常进行客观测评,其能实现在自然条件下的长时程实时无创检测,能在最大限度反映受试者日常状态下的功能变化,符合中医诊疗特色。并采取了主客观相结合的方式,将客观的检测和多名中医专家的辨证相结合,共同辅助于中医诊疗。本研究采用的思路与方法能推广到中医其他藏象功能客观检测领域,具有一定参考价值。（3）通过定量分析与定性分析相结合的方法,本研究给出了评价中医肺藏司呼吸功能异常及其相关症状、相关证候要素的客观量化诊断参数与可视化图形,并发现呼吸散点图能直观反映呼吸节律的变化,其某类图形特征（即沿x=y上对称分布的近椭圆形,并在尾部位置出现两块大致对称的不规则图形）可能反映了呼吸中枢对呼吸运动的调节及二氧化碳对呼吸运动的反射性调节,直观展示了中枢神经系统调节对呼吸的影响。本研究探索了中医肺藏司呼吸功能异常的客观化测评道路,也为今后中医其他藏象功能的客观测评提供新方法与新思路。
张欢[2]（2021）在《APOS理论在初中生物学概念教学中的应用研究》文中研究表明概念是初中生物学学习的核心内容。《义务教育生物学课程标准（2011年版）》强调了重要概念,注重探究性学习,但目前不少初中生物课堂教学中,教师忽视学生的主体地位和构建概念的思维过程,不注重概念间的联系,导致学生概念构建效果欠佳、缺乏学习兴趣等问题。美国数学教育家杜宾斯基针对数学概念的构建提出了APOS理论,APOS理论认为概念构建要经历活动阶段（action）、过程阶段（process）、对象阶段（object）、图式阶段（schema）,在活动阶段感知概念,在过程阶段内化抽象概念,在对象阶段使概念精致化,在图式阶段联系概念,适合抽象概念的教学,而生物学概念也具有的抽象性,为了帮助初中学生更好地构建生物学概念,本研究尝试将APOS理论运用于初中生物学概念教学中,探究APOS理论是否有助于学生构建概念、提升学生的科学思维和探究能力、改善学生的学习情感。本研究的意义是探讨APOS理论运用在初中生物学概念教学中的有效性,进一步完善构建运用APOS理论进行生物学概念教学的策略并提供教学案例。本研究首先采用访谈调查法,通过对初中生物学教师关于概念教学的访谈调查,发现教师缺乏对APOS理论的了解,而实际课堂概念教学的环节和APOS理论的四个阶段有相似之处,因此,将APOS理论运用在生物学概念教学中具有一定的可能性。接着以北师大版《生物学》七年级下册为例,梳理了概念层次结构,有助于教师理清概念层次关系,更好地引导学生构建概念。然后在已有研究的基础之上,结合生物学科特点,进一步完善构建基于APOS理论的教学策略并基于策略进行教学设计,同时提出了运用APOS理论进行概念教学的原则,最后进行了实践研究。在实践研究中,采用了课堂观察法、实验研究法、问卷调查法,选取两个不同层次的班级作为实验研究对象,均基于APOS理论进行两个多月的教学研究,对两个班都进行了前测和后测。通过《学生生物学学习情况自测调查量表》数据表明:两个班学生的学习兴趣与态度、概念认知与运用的情况均有显着改善（p<0.05）,科学思维与探究情况有一定改善（后测均值提高）;通过《学生课堂学习观察量表》数据表明:两个班学生课堂学习状态有了改善（后测均值提高）;通过自编试题数据表明:两个班的学习成绩都有显着提升（p<0.05）。上述结果得出:结合生物学科特点构建基于APOS理论的生物学概念教学策略更适合生物学教学;APOS理论在初中生物学概念教学中的应用有助于学生概念构建和素养提升;APOS理论在初中生物学概念教学中的应用有助于改善学生的情感态度。
樊琪[3]（2021）在《胸腹表面的三维视觉成像和呼吸运动机器学习预测研究》文中进行了进一步梳理放射治疗作为三大治疗手段之一,在癌症治疗中起着至关重要的作用。近年来,放疗技术进展都与肿瘤精确定位密切相关。如何实现既保证肿瘤靶区的充分照射又尽可能减少肿瘤周围正常组织与器官的照射,这在临床放疗中极其重要。然而,在放疗过程中人体呼吸运动会导致肿瘤产生移动和变形,特别是胸腹部肿瘤受影响更大。因此,通过追踪胸腹部肿瘤呼吸运动,实施临床放疗中呼吸运动补充和管理,对提高放射治疗效果意义重大。医学成像存在肿瘤等体内解剖成像实时性差、患者承受额外剂量照射和体内植入标志点有创等缺点,所以并不适合直接用于临床放疗阶段追踪呼吸运动。因此通过体外追踪实现放疗中呼吸运动补偿和管理被公认为最具实用性和发展潜力。目前,体外呼吸运动追踪研究集中在标志点呼吸运动的测量和预测,其中存在两个问题,一是通过单点或几个点难以全面描述胸腹表面呼吸运动,更难以准确地预测呼吸运动;二是现有预测算法难以适应胸腹体内外呼吸运动非线性严重、样本点偏少的特点,更难以满足临床放疗中预测精度与实时性兼顾的需求。针对这两个问题,本文研究基于条纹相位的胸腹表面三维视觉成像方法和基于相关向量机的胸腹表面呼吸运动预测算法。针对胸腹表面三维视觉成像方法,以快速成像为目标,提出一种基于小波的单幅复合颜色条纹图案三维成像方法,采用一幅由三个不同频率的R、G、B三原色余弦条纹组成的复合图案完成帧频成像,利用改进的Morlet小波进行局部信号包裹相位提取,设计三频时间相位展开算法抑制相位解包裹中的周期误差,基于一幅图像实现胸腹表面帧频全场三维成像,建立三维成像系统的基本测量模型以提供理论基础和数学手段,建立基于改进Morlet小波的局部条纹信号包裹相位测量模型以提高包裹相位提取精度,建立包裹相位展开模型以从原理上提供周期误差抑制功能;以高准确度成像为目标,提出一种基于条纹相位的非对称数字码-模拟码组合三维成像方法,用相位替代强度进行数字编解码以提高抗干扰能力,数字码位与位之间和数字码与模拟码之间均采取非对称组合方式以提高周期误差抑制能力,构建基于相位的非对称数字编解码模型、分析其抑制周期误差的能力,构建非对称的数字码-模拟码组合编解码模型、分析其抑制周期误差的能力。针对胸腹表面呼吸运动预测算法,以适合小样本和兼顾预测精度与实时性为目标,提出一种基于相关向量机与多任务高斯过程相结合的体表呼吸运动预测算法,将高斯过程引入胸腹表面呼吸运动预测以适合小样本并兼顾精度与实时性,还将单任务扩展为多任务以利用标志点空间三维坐标进行预测来提升预测精度,阐述该算法的基本原理、给出该算法的具体实现方案;以突出非线性适应能力为目标,提出一种基于多核函数相关向量机的体内外呼吸运动关联模型,针对体内外呼吸运动信号进行相关性分析,根据其特点在相关向量机中引入多核函数以提升关联模型的非线性拟合能力和小样本下捕捉模型特征的能力,其中采用果蝇优化算法对模型结构进行优化以提高关联模型的预测能力,形成一种体内外呼吸运动关联算法,给出关联模型评价指标及建模原则。针对上述方法及理论研究结果,通过数值仿真、仿真测量和实际测量进行实验验证。数值仿真和实际测量验证了本文基于条纹分析的人体胸腹表面三维成像系统基本测量模型的正确性;数值仿真定量地验证了本文阶梯相位码的有效性和优越性;人体胸腹表面测量验证了本文基于小波的人体胸腹表面呼吸运动三维成像方法的有效性;仿真测量和人体胸腹表面测量定量地验证了本文基于条纹相位的非对称阶梯相位码-相移码组合三维成像方法的有效性和优越性,石膏头像测量验证了其具有对复杂面形三维成像的能力。针对呼吸运动公开数据集进行预测实验,实验结果验证了本文基于相关向量机与多任务高斯过程相结合的体表呼吸运动预测算法的有效性及其小样本快速预测特点,验证了本文基于多核函数相关向量机的体内外呼吸运动关联模型的有效性及其小样本下非线性拟合能力。本文研究将为胸腹表面全场三维成像提供新方法,为基于甚多点和基于区域特征的胸腹表面呼吸运动描述与预测提供理论基础和技术手段,为胸腹体内外呼吸运动预测提供新算法和新模型,为放疗呼吸运动补偿与管理提供理论基础和技术手段,对改善放射治疗效果、提供民众健康水平具有重要意义。
朱德宝[4]（2021）在《基于多任务高斯过程的呼吸运动体内外相关性研究》文中研究说明放射治疗是治疗癌症的重要手段之一,人们希望治疗射束充分照射肿瘤靶区的同时,尽量避免照射肿瘤周围的正常细胞。然而在以呼吸运动为主的一系列生理因素影响下,胸腹部的肿瘤靶区会产生较大的位移,因此在治疗过程中要对肿瘤进行实时跟踪。体外标记替代法利用体内外信号的相关性,建立体内外关联模型,通过体外信号间接预测体内肿瘤的运动,从而减小放射治疗对患者的损伤,是广泛应用的肿瘤跟踪方法,其中的重点是体内外关联模型的预测能力。本文首先对体内外呼吸运动信号进行研究,根据建模需求对数据进行截取、降噪和归一化处理,并全面地分析不同个体、不同位置以及不同呼吸阶段的体内外运动相关性,为体内外关联模型的建立提供数据基础。然后,分析呼吸跟踪系统的工作过程,根据体内外关联模型在系统中的作用,设计模型的结构和建立流程,确定模型输入和输出数据的时间序列形式,并结合具体研究样本,以该领域被广泛应用的双多项式拟合方法,建立体内外关联模型。最后,根据数据为多体外运动信号的特点,建立基于多任务高斯过程的体内外关联模型,从基于模型和无模型方法、单任务和多任务方法对比的研究角度,以平均绝对误差和均方根误差作为评价指标,将预测结果与双多项式拟合方法和高斯过程回归方法相比较,验证所建体内外关联模型的预测能力。
薛鹏[5]（2021）在《肺部4D CT图像配准及其在呼吸运动估计和通气量估计中的应用研究》文中研究指明医学图像配准作为医学图像分析的重要工具,其广泛地应用于疾病辅助诊断、人脑图谱以及图像引导放疗等领域。相对于传统3D CT（3-Dimension Computed Tomography,3D CT）,肺部4D CT加入了时间轴,其可以为个体提供整个呼吸过程中的全部信息。通过对肺部4D CT图像进行配准,能够有效地刻画肺部组织结构的相对运动,有助于解决在精准放疗、病灶肿瘤跟踪以及肺功能评估等一系列临床应用中面临的难点问题。尽管4D CT图像为肺部运动估计提供了良好的基础,但受呼吸运动与心脏搏动的影响会导致出现4D CT图像局部灰度非均匀变化、局部运动的不连续性以及细小纹理特征的较大形变等问题,对肺部4D CT图像的精细配准及其应用带来巨大的挑战。为了解决上述问题,提出了一种基于高阶马尔可夫随机场（Markov Random Field,MRF）的高精度肺部4D CT配准方法。在提出的高精度肺部4D CT配准方法的基础上,分别提出了一种基于卡尔曼滤波和4D CT图像配准的肺部呼吸运动估计方法、一种基于4D CT图像配准和超像素的肺通气量成像方法。本文的主要工作和创新点如下:（1）提出了基于高阶MRF的肺部4D CT图像配准方法为了解决基于连续优化的传统图像配准方法,在对形变较大的肺部4D CT图像序列进行配准时,容易陷入局部最优解,并且无法保持变形场拓扑结构而导致严重错误配准的问题,本文提出了一种基于高阶MRF的肺部4D CT图像配准方法。通过分析MRF模型各阶团势函数对变形场的约束效果,针对2D与3D图像分别设计了具有高阶团形式,且能够保持变形场拓扑结构的目标函数。为了更有效地约束变形场的拓扑结构,在目标函数中同时施加平滑约束项和拓扑保持约束项,并采用对数函数对拓扑保持约束项中的雅克比矩阵施加惩罚。针对所设计的具有高阶团形式的目标函数,采用MCMC（Markov Chain Monte Carlo）优化算法来求解所设计的目标函数的最优化问题。为解决肺部的4D CT图像配准中的高计算量需求的问题,采用多级处理策略来降低所提出配准方法的空间复杂度,提高计算效率。实验结果表明,在具有4D CT图像的DIR-lab数据集与具有3D CT图像的COPD（Chronic Obstructive Pulmonary Disease）数据集中,提出方法的平均目标配准误差（Target Registration Error,TRE）均可达到 0.95mm。（2）提出了基于卡尔曼滤波与4D CT图像配准的肺部呼吸运动估计方法呼吸运动估计是图像引导放疗与临床诊断的重要组成部分。然而,由于大多数呼吸运动估计方法依赖于外部呼吸标记物的间接测量,不仅会引入巨大的估计误差,而且会给患者带来侵入性损伤的问题。为了解决上述问题,本文提出了一种基于快速卡尔曼滤波和4D图像配准的肺呼吸运动估计方法（Lung Respiratory Motion Estimation,LRME-4DCT）。为了对连续相位进行动态运动估计,将两种基于GPU加速的4D CT图像配准方法与快速卡尔曼滤波方法相结合来建立呼吸运动估计模型。为了满足对4D CT图像序列的实时计算的需求,在基于GPU加速的4DCT图像配准方法中,采用了多级处理策略,并从三个独立的方向来估计呼吸运动状态。在DIR-lab数据集和POPI数据集的4D CT图像中,提出的LRME-4DCT方法的平均TRE可分别达到0.91mm和0.85mm。与传统的基于成对图像配准的估计方法相比,该提出的方法能够更准确、更快速地估计肺部生理性的呼吸运动,并且能够完全满足临床上快速动态地估计肺部运动状态的需求。（3）提出了基于4D CT图像配准和超像素的肺通气量估计方法大多数基于CT图像的通气量估计方法依赖于图像配准的变形场和像素CT值之间的相互关系来直接估计每个像素的通气量,这种估计方法容易受到图像配准结果和4D CT图像中运动伪影的影响。对此,本文提出了一种基于4D CT图像配准和超像素的肺通气量估计方法。首先,将最大呼气相位对应的图像进行多层超像素表示。然后,根据每个像素配准后的CT值与体积变化的关系,设计了一种适用于超像素的通气量估计方法,依此来计算每个超像素区域的整体通气量。为了精确地从超像素区域中恢复每个像素的通气量,通过构建线性规划模型来求解每个像素的通气量。最后,通过平均所有超像素层来获得最终估计的肺通气量图像。通过与VAMPIRE（Ventilation And Medical Pulmonary Image Registration Evaluation）数据集中各种基于 CT图像的通气量估计方法进行对比分析可以发现,本文提出的方法与各种模态的参考通气图像之间的相关性更高,这表明本文提出的方法能够更准确地估计肺通气量的分布。
朱明扬[6]（2021）在《基于运动特征的视频呼吸率检测算法》文中研究表明呼吸率是一种重要的人体生理指标,在评估人体呼吸状况和诊断呼吸障碍疾病上具有不可替代的作用。目前呼吸率检测方法多需专业人员操作,在家庭日常检测方面尚有不足,而近些年出现的基于视频的非接触式呼吸率检测方法具有操作简便、适用性强等优点,在智慧医疗领域极具发展潜力。现有基于视频的呼吸率检测方法在实时性上仍有不足,并且对人体姿态有所限制,最终影响检测性能。针对此问题,本文进一步研究了基于运动特征的视频呼吸率检测算法,具体概括如下:（1）提出了一种基于运动特征预估的呼吸率检测快速方法,该方法通过对视频中呼吸运动区域和方向进行预估,实现基于相位的呼吸率快速检测。首先,算法通过人脸检测和人体头身比选出胸部区域;然后建立呼吸信号模型,利用最大似然法精准定位呼吸区域,并且通过梯度信息确定呼吸区域内主要运动方向;最终结合呼吸运动方向,采用基于相位的信号处理算法提取呼吸信号,获取呼吸率。（2）提出了一种基于呼吸运动一致性的多姿态呼吸率检测方法,该方法不需人脸信息即能检测呼吸区域。具体而言,算法首先建立融合呼吸特征的显着性模型,呼吸区域在模型中具有更高显着性;之后根据显着性模型,获取呼吸区域,并最终获取呼吸率。实验证明算法可实现人体多姿态下的呼吸率检测。为了验证本文提出的基于运动特征的视频呼吸率检测算法性能,本文采集大量不同条件下的人体呼吸视频进行实验。实验结果表明:在正常坐姿下,基于运动特征预估的呼吸率检测快速方法检测呼吸率所用时间显着缩短,并与真实值保持较好一致性;在其他姿势下,基于呼吸运动一致性的呼吸率检测方法能够准确选取呼吸区域,获得准确的呼吸率。
胡亚欣[7]（2021）在《基于灰色聚类分析和高斯过程回归的呼吸运动预测研究》文中研究指明胸腹部放射治疗的精确程度影响着胸腹部肿瘤患者的治疗效果。由于胸腹部肿瘤的位置随呼吸运动变化,造成正常组织受到照射而产生并发症,以及肿瘤细胞照射不全放疗效果不佳的问题。为了提高治疗效果,可以采用动态跟踪放疗技术,通过预测肿瘤位置,实现对肿瘤的跟踪,可见,肿瘤位置预测的精确程度是实现动态跟踪放疗的关键技术。传统的预测方法利用历史数据点,建立预测模型,得到未来值,这类方法有效提高了放疗技术的精确程度。然而,呼吸运动与生理指标密切相关,如果同时考虑患者的生理指标与呼吸运动位置关系,将表征呼吸运动状态的生理指标作为呼吸运动预测模型的约束条件,则有望进一步的提高呼吸运动的预测精度。为此,论文提出了一种灰色聚类分析联合高斯过程回归的呼吸运动预测方法,根据生理特征指标使用灰色聚类分析对呼吸运动样本进行分类,再利用每一类呼吸运动样本集构建高斯过程回归预测模型,以实现提高呼吸运动预测精度的目的。论文主要研究的内容如下:1.数据采集与预处理。对50名志愿者采集两次不同时间的生理指标数据和呼吸运动数据,共100组。生理指标包括年龄、体温、血压和心跳;通过红外体温枪获得体温信息,血压计RBP-6300采集心跳和血压数据;利用FASTRAK运动跟踪定位系统,采集预先标记好的志愿者胸腹部标记点的运动轨迹作为呼吸运动数据;对生理指标数据进行无量纲处理,对呼吸运动数据预处理以消除异常值、滤波平滑数据并归一化,为预测实验提供数据基础。2.利用灰色聚类分析对呼吸运动数据进行分类。首先建立灰色聚类的评价指标体系,确定评价呼吸运动状态的生理指标是年龄、体温、心跳和血压;然后计算出采集到生理指标所对应不同类别的白化权函数值;最后标定聚类权和聚类系数,将呼吸运动样本分类,便于后续构建不同呼吸特征的呼吸运动预测模型。3.建立呼吸运动高斯过程回归预测模型。讨论在权值角度和函数角度高斯过程回归的不同表达形式,确定核函数影响高斯过程性质,分析常用核函数的性质,确定适合呼吸运动信号的核函数;用每一类呼吸运动样本训练高斯过程回归预测模型,通过共轭梯度法求解出每个预测模型最优超参数,建立了参数不同的高斯过程回归呼吸运动预测模型。4.实验结果与对比分析。根据本文提出的方法进行呼吸运动预测实验,评价预测效果的指标选用平均绝对误差（MAE）和均方根误差（RMSE）;然后进行预测效果的对比实验,将本文方法的预测效果与线性预测、支持向量回归预测、BP神经网络和高斯过程回归预测算法比较,本文方法得到的MAE为0.82252,均小于四种对比方法的MAE;本文方法得到的RMSE为0.04335,均小于四种对比方法的RMSE,说明本文提出的方法对呼吸运动预测精度有明显提升,预测稳定性强。
王雪[8]（2021）在《基于4DCT定位下全乳腺调强放疗的剂量学研究》文中指出目的:通过比较乳腺癌保乳术（BCS）后基于三维CT（3DCT）、四维CT（4DCT）定位勾画靶区并制定的放疗计划相关剂量体积参数差异,从而探讨呼吸运动对调强放疗（IMRT）的影响。方法:前瞻性选取15例乳腺癌BCS治疗后患者,在平静呼吸下依序完成3DCT及4DCT扫描后,分别勾画靶区及危及器官。测量并记录每个乳腺癌靶区等中心点坐标,计算3D及4D图像上中心点移动的距离。依据每位患者的3D靶区确定3D计划,将3D计划复制至4D靶区上确定4D计划,比较二者靶区和危及器官的剂量体积参数差异。结果:平静呼吸状态下,全乳靶区中心的位移在x、y、z轴方向上以及三维空间位移矢量的中位数分别是0.03mm、0.03mm、0.15mm、0.15mm,z轴方向的位移较x及y轴向均显着（P=0.003、0.000,均P<0.05）。全乳靶区中心三维空间坐标各向位移分别与患侧肺体积在平静呼吸状态下的变化无相关性（r=0.468、0.280、0.496;P=0.078、0.313、0.060,均P>0.05）;三维空间位移矢量与双肺体积在平静呼吸状态下的变化显着相关（r=0.539,P=0.038,P<0.05）。PTV4D因呼吸运动的影响较PTV3D平均减小（36.13?53.35）cm3,差异有统计学意义（P=0.024）;两种计划中双肺体积变化比为（12.05?3.11）%且差异显着（P=0.000,P<0.05）。4D计划中靶区D95、D90、Dmin、V100、V95、V90均低于3D计划（Z=-3.067,P=0.002;Z=-2.499,P=0.012;Z=-3.351,P=0.001;t=6.457,P=0.000;t=6.293,P=0.000;Z=-3.408,P=0.001）;3D计划、4D计划的适形度指数CI为0.83、0.72,均匀性指数HI为0.09、0.26,CI3D及HI3D均明显优于CI4D及HI4D（Z=-2.788,P=0.005;Z=-3.068,P=0.002）。两个计划患侧肺的V20、V10、V5、Dmean差异比较均无统计学意义（均P>0.05）。7例左侧乳腺癌患者在4D计划中心脏V30、V20高于3D计划,差异均有统计学意义（均P<0.05）;而心脏Dmean、V10、V5比较差异均无统计学意义（均P>0.05）。结论:全乳IMRT过程中,靶区位移与呼吸运动密切相关,且在不同方向运动幅度存在差异;基于3DCT定位后勾画靶区并制定的放疗计划可能因忽略呼吸运动而造成靶区均匀适形度下降并使心脏受量增加,日常放疗工作中应对客观存在的呼吸运动予以重视。
刘首鹏[9]（2021）在《基于四维扫描呼吸运动目标成像的几何学与剂量学研究》文中进行了进一步梳理目的:分析呼吸运动对四维成像的几何学与剂量学影响。材料和方法:1.运用4D-CT和4D-CBCT及其重建技术,对QUASAR运动模体的特定模块在16种特定呼吸模式下进行扫描,分析不同呼吸模式下特定模块体积和质心位置的变化规律。2.随机选取20例病人非规律呼吸运动曲线,导入QUASAR模体,再次针对特定模块进行4D-CT扫描,分析非规律呼吸运动曲线对4D-CT成像的影响。3.随机选取10例行4D-CT扫描的肺部肿瘤患者,靶区均为肺部孤立病灶。运用u RT-TPOIS放疗计划系统（上海联影医疗科技公司研发）针对4D-CT十个模态影像和自由呼吸基础相影像（FB-CT）的靶区和危及器官进行自动勾画,并由高级医师确认后,在该系统上针对110套CT影像进行SBRT计划设计,统计分析不同模态影像下靶区和危及器官体积和剂量学差异。结果:1.针对QUASAR模体在16种特定呼吸模式下进行4D-CT扫描结果显示,特定模块S1,S2,C3的体积变化率分别为62.42±47.64%、35.95±32.02%和32.71±20.31%,同时4D-CBCT分别为48.59±26.76%、8.80±11.43%和18.19±9.05%;经统计分析发现,体积变化率与振幅存在正相关（P值均<0.05,相关系数Tau＿b>0）,而与频率不存在相关性（P值均>0.05）。四种振幅呼吸曲线4D-CT扫描结果显示,模体质心位置Y轴变化的95%参考值范围分别为（-2.17mm～2.92mm）、（-3.21mm～4.76mm）、（-5.92mm～10.22mm）、（-9.96mm～15.64mm）;四种振幅呼吸曲线4D-CBCT扫描结果显示,95%参考值范围分别为（-2.93mm～1.14mm）、（-5.33mm～4.38mm）、（-9.87mm～9.21mm）、（-15.94mm～13.66mm）。2.20例患者呼吸曲线4D-CT扫描结果显示,特定模块体积变化率较低区间为40%～60%;经统计学分析结果显示,在4D-CT、MIP与AIP影像上勾画的特定模块体积有差异(ITV>VMIP>VAIP,P<0.05)。3.与4D-CT各时相勾画的靶区体积相比,ITV体积平均增大20.67±14.17%,同时发现50%时相勾画的靶区体积最小（P<0.05）;在靶区剂量无差异的前提下,基于FB-CT的计划肺及心脏受量均高于基于10个时相的计划;同时,十个时相之间的危及器官受量无统计学差异（P>0.05）,吸气末0%、90%时相肺的平均受量稍低于其他时相。结论:呼吸运动对四维成像结果会产生影响,四维成像技术扫描运动目标时,目标体积变化率与振幅存在相关性;不同呼吸时相运动靶区的几何形态会发生变化,各呼吸时相之间危及器官剂量学无统计学差异,但均低于基础时相。
徐雅婷[10]（2021）在《基于CNN和GPR的胸腹部呼吸运动预测》文中指出在放疗过程中,放射线能否精确照射到肿瘤区域是影响疗效的一个重要因素。对于胸腹部肿瘤,由于组织和器官的位置随呼吸运动不断改变,造成肿瘤移出靶区或正常组织移入靶区,给放射线精确照射带来极大困难。对呼吸运动进行预测,进而调整放射线照射位置和角度,能够实现动态跟踪放疗,极大改善胸腹部放疗效果。现有呼吸运动预测模型主要包括模型算法和无模型算法两大类。其中,基于模型算法建立模型时的前提假设不一定正确,且设定的常量也需要随时更新难以实现放疗手术中呼吸运动的实时预测;对于具有不同呼吸状态的样本个体,无模型的呼吸运动预测算法可以实现参数的自动调节,对不同测试样本更新速度快,可以适应具有非严格周期性特点的呼吸运动,但预测精度还有待提高。呼吸运动具有非严格周期性,而卷积神经网络（Convolutional Neural Networks,CNN）对重复性数据具有良好的预测效果,如果选择CNN模型提取呼吸运动信号的局部特征,并整合为整体特征,利用其获取的数据相关性对呼吸运动进行预测,将有利于提高呼吸运动的预测精度。为此,本文建立基于CNN和高斯过程回归（Gaussian process regression,GPR）的呼吸运动预测模型。首先对采集到的胸腹部呼吸运动信号进行预处理,以满足CNN预测模型对输入数据的要求;然后对经过预处理的数据进行图像化,利用CNN的特征提取功能,以及良好的容错和并行处理能力,实现呼吸运动预测模型;最后结合GPR算法调整预测值以及抵消CNN的过拟合问题,从而进一步提高模型预测精度。通过本实验实例与未加入GPR算法误差校正的模型、KNN模型、BP-NN模型、AOSVR模型的呼吸运动预测结果进行对比实验,并采用平均绝对百分误差（mean absolute percentage error,MAPE）和均方根误差（root mean squared error,RMSE）评价模型的预测效果。本文方法预测结果的MAPE平均值0.2928和RMSE平均值0.0345均小于未加入GPR算法的预测模型、KNN模型、BP-NN模型、AOSVR模型四种对比方法,表明本文方法提高了呼吸运动预测精度。
二、呼吸、呼吸运动与呼吸作用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、呼吸、呼吸运动与呼吸作用（论文提纲范文）
（1）基于呼吸运动检测的肺藏司呼吸功能异常的客观测评研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 英文缩略语 |
| 第一部分 文献综述 |
| 前言 |
| 一、中医肺藏司呼吸功能的认识及功能定位 |
| 1 中医肺藏的含义 |
| 2 中医对肺藏司呼吸功能的认识 |
| 3 中医肺藏司呼吸功能的定位 |
| 4 小结 |
| 二、肺藏司呼吸功能异常的评价方法研究现状 |
| 1 中医对肺藏司呼吸功能异常的评价方法研究现状 |
| 2 现代生物医学对呼吸功能异常的评价方法研究现状 |
| 3 现有测评方法的局限性 |
| 4 呼吸运动检测在医学领域的应用现状 |
| 第二部分 中医肺藏司呼吸功能异常的症状与证候研究 |
| 前言 |
| 1 研究目的 |
| 2 研究意义 |
| 3 研究方法 |
| 4 研究结果 |
| 5 讨论 |
| 第三部分 中医肺藏司呼吸功能异常客观测评的试验研究 |
| 前言 |
| 1 研究目的 |
| 2 研究意义 |
| 3 研究内容 |
| 4 研究方法 |
| 5 研究结果 |
| 6 讨论 |
| 研究结论 |
| 创新点 |
| 不足及展望 |
| 1 存在的局限性 |
| 2 下一步研究计划 |
| 参考文献 |
| 致谢 |
| 个人简历 |
| 附录 |
（2）APOS理论在初中生物学概念教学中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的及意义 |
| 1.3 研究内容 |
| 1.4 研究方法 |
| 1.5 研究过程 |
| 2 文献综述及相关理论 |
| 2.1 相关概念 |
| 2.2 生物学概念教学的研究进展 |
| 2.3 APOS理论的研究进展 |
| 2.4 理论基础 |
| 3 初中生物学教师概念教学访谈调查 |
| 3.1 初中生物学教师概念教学访谈基本情况 |
| 3.2 访谈结果 |
| 3.3 访谈结论 |
| 4 运用APOS理论的初中生物学概念教学策略及案例 |
| 4.1 初中生物学概念梳理 |
| 4.2 运用APOS理论的生物学概念教学策略 |
| 4.3 应用APOS理论的生物学概念教学原则 |
| 4.4 运用APOS理论的教学设计案例及分析 |
| 5 运用APOS理论的初中生物学概念教学实证研究 |
| 5.1 研究假设 |
| 5.2 研究对象 |
| 5.3 研究评价工具 |
| 5.4 研究过程 |
| 5.5 研究结果与分析 |
| 6 结论与展望 |
| 6.1 研究的结论 |
| 6.2 研究的创新之处 |
| 6.3 研究的不足 |
| 6.4 今后的研究方向 |
| 参考文献 |
| 附录 |
| 致谢 |
| 攻读硕士学位期间科研成果 |
（3）胸腹表面的三维视觉成像和呼吸运动机器学习预测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 肿瘤追踪研究现状 |
| 1.2.2 表面三维成像技术现状 |
| 1.2.3 呼吸运动预测算法研究现状 |
| 1.3 本文主要研究内容 |
| 第2章 基于小波变换的人体胸腹表面三维成像方法 |
| 2.1 引言 |
| 2.2 基本测量模型 |
| 2.2.1 测量系统硬件组成及其位置姿态 |
| 2.2.2 基本测量模型 |
| 2.3 深度坐标测量模型 |
| 2.4 基于小波变换的相位测量模型 |
| 2.5 三维成像模型 |
| 2.6 实验结果与分析 |
| 2.6.1 基本测量模型验证实验 |
| 2.6.2 人体胸腹表面测量实验 |
| 2.7 本章小结 |
| 第3章 数字-模拟组合相位编码结构光人体胸腹表面三维成像方法 |
| 3.1 引言 |
| 3.2 相位编码 |
| 3.2.1 相移及模拟码 |
| 3.2.2 阶梯相位及阶梯相位码 |
| 3.3 非对称阶梯相位码 |
| 3.3.1 周期非对称阶梯相位码 |
| 3.3.2 初相位非对称阶梯相位码 |
| 3.3.3 非对称阶梯相位码周期误差分析 |
| 3.4 基于相位的数字-模拟非对称组合码三维成像方法 |
| 3.4.1 基于相位的数字-模拟组合编码三维成像方法 |
| 3.4.2 周期误差抑制分析 |
| 3.5 实验及结果分析 |
| 3.5.1 数值仿真实验 |
| 3.5.2 仿真测量实验 |
| 3.5.3 人体测量实验 |
| 3.5.4 复杂面形测量实验 |
| 3.6 本章小结 |
| 第4章 基于相关向量机和多任务高斯过程的呼吸运动预测方法 |
| 4.1 引言 |
| 4.2 呼吸运动数据及补偿模型 |
| 4.3 相关向量机和多任务高斯过程呼吸运动预测原理及模型 |
| 4.3.1 相关向量机 |
| 4.3.2 高斯过程以及多任务高斯过程 |
| 4.3.3 相关向量机-多任务高斯过程呼吸运动预测模型 |
| 4.4 相关向量机-多任务高斯过程预测模型的优化 |
| 4.5 实验结果 |
| 4.5.1 基于充分呼吸运动样本的预测结果 |
| 4.5.2 小样本下的呼吸运动预测结果 |
| 4.6 本章小结 |
| 第5章 基于果蝇优化多核相关向量机的体内外呼吸运动关联模型 |
| 5.1 引言 |
| 5.2 体内外信号的相关性分析 |
| 5.3 基于果蝇优化的多核相关向量机模型 |
| 5.3.1 基于果蝇优化的多核相关向量机关联模型 |
| 5.3.2 果蝇优化算法优化多核相关向量机流程 |
| 5.4 体内外关联模型的建立 |
| 5.4.1 关联模型评价指标及建模原则 |
| 5.4.2 实验结果 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的学术论文 |
| 致谢 |
（4）基于多任务高斯过程的呼吸运动体内外相关性研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的目的及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 呼吸运动体内外相关性的研究现状 |
| 1.2.2 关联模型预测方法的研究现状 |
| 1.2.3 高斯过程和多任务高斯过程研究现状 |
| 1.3 本文主要研究内容 |
| 第2章 体内外呼吸运动信号的分析和处理 |
| 2.1 呼吸运动的机制和特征 |
| 2.2 体内外呼吸运动信号分析 |
| 2.2.1 体内呼吸运动信号 |
| 2.2.2 体外呼吸运动信号 |
| 2.2.3 本文所用数据来源 |
| 2.3 数据预处理 |
| 2.3.1 平稳呼吸过程截取 |
| 2.3.2 数据平滑化 |
| 2.3.3 数据归一化 |
| 2.4 体内外呼吸运动信号的相关性分析 |
| 2.5 本章小结 |
| 第3章 体内外呼吸运动关联模型 |
| 3.1 体内外呼吸运动关联模型概述 |
| 3.1.1 直接关联模型 |
| 3.1.2 间接关联模型 |
| 3.2 放疗跟踪系统的实现方法 |
| 3.2.1 Synchrony同步呼吸跟踪系统 |
| 3.2.2 呼吸运动预测建模流程 |
| 3.2.3 体内外关联模型建模流程 |
| 3.3 基于双多项式拟合的体内外关联模型 |
| 3.4 本章小结 |
| 第4章 基于多任务高斯过程的体内外关联模型建立 |
| 4.1 高斯过程回归方法 |
| 4.1.1 高斯分布 |
| 4.1.2 条件高斯分布 |
| 4.1.3 高斯过程回归模型 |
| 4.2 高斯过程回归方法的多任务模型扩展 |
| 4.3 体内外关联模型的建立 |
| 4.4 本章小结 |
| 第5章 实验结果分析及模型改进 |
| 5.1 评价指标 |
| 5.2 实验结果分析 |
| 5.3 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文 |
| 致谢 |
（5）肺部4D CT图像配准及其在呼吸运动估计和通气量估计中的应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 医学图像配准概述 |
| 1.2.1 医学图像配准中的关键技术 |
| 1.2.2 肺部4D CT图像配准方法综述 |
| 1.3 肺部4D CT图像配准的应用研究 |
| 1.3.1 肺部4D CT图像配准在肺部呼吸运动估计中的应用 |
| 1.3.2 肺部4D CT图像配准在肺通气量估计中的应用 |
| 1.4 本文的主要贡献与创新 |
| 1.5 本文的组织结构 |
| 第2章 基于MRF的图像配准方法概述 |
| 2.1 引言 |
| 2.2 MRF的一般形式及其图像配准模型 |
| 2.2.1 图像分析中的标签问题 |
| 2.2.2 邻域系统与团结构 |
| 2.2.3 MRF-Gibbs等效理论 |
| 2.2.4 基于MRF图像配准方法的数学模型 |
| 2.2.5 MRF配准模型中变形场的约束方法 |
| 2.3 适用于MRF的离散优化算法概述 |
| 2.3.1 经典的离散优化算法 |
| 2.3.2 基于图割的离散优化算法 |
| 2.3.3 基于置信传播的离散优化算法 |
| 第3章 基于高阶MRF的肺部4D CT图像配准方法研究 |
| 3.1 引言 |
| 3.2 高阶MRF配准模型的构建 |
| 3.2.1 一元团与数据项 |
| 3.2.2 二元团与平滑约束项 |
| 3.2.3 高阶团与拓扑保持约束项 |
| 3.2.4 高阶MRF配准模型 |
| 3.3 MCMC优化算法及其参数选择 |
| 3.4 实验结果分析 |
| 3.4.1 2D及3D图像模型配准效果分析 |
| 3.4.2 DIR-lab数据集配准效果分析 |
| 3.4.3 COPD数据集配准效果分析 |
| 3.5 本章小结 |
| 第4章 基于卡尔曼滤波和4D CT图像配准的呼吸运动估计研究 |
| 4.1 引言 |
| 4.2 基于卡尔曼滤波和4D CT图像配准的呼吸运动估计框架构建 |
| 4.3 基于卡尔曼滤波的呼吸运动估计模型构建 |
| 4.3.1 高阶MRF连续配准方法 |
| 4.3.2 基于连续优化的可变形配准方法 |
| 4.3.3 基于快速卡尔曼滤波的呼吸运动估计模型 |
| 4.3.4 参数选择与LRME-4DCT方法实施细节 |
| 4.4 基于GPU加速的呼吸运动估计研究 |
| 4.5 实验结果分析 |
| 4.5.1 POPI数据集中运动估计效果分析 |
| 4.5.2 DIR-lab数据集中运动估计效果分析 |
| 4.5.3 呼吸运动估计方法的计算时间分析 |
| 4.6 本章小结 |
| 第5章 基于超像素和4D CT图像配准的肺部通气量估计研究 |
| 5.1 引言 |
| 5.2 经典的基于4D CT图像序列的肺通气量估计方法 |
| 5.2.1 基于CT值变化的肺通气量估计方法 |
| 5.2.2 基于雅克比的肺通气量估计方法 |
| 5.2.3 基于空气与组织密度乘积的肺通气量估计方法 |
| 5.3 基于超像素和4D CT图像配准的肺通气量估计框架构建 |
| 5.3.1 3D CT图像的多层超像素表示方法 |
| 5.3.2 基于超像素的通气量估计方法 |
| 5.3.3 基于线性规划的单像素通气量恢复方法 |
| 5.4 实验结果分析 |
| 5.4.1 VAMPIRE数据集中通气量估计效果的视觉分析 |
| 5.4.2 VMAPIRE数据集中通气量估计效果的定量分析 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 6.1 本文工作总结 |
| 6.2 下一步研究计划 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术成果和参加的科研项目 |
| 学位论文评阅及答辩情况表 |
（6）基于运动特征的视频呼吸率检测算法（论文提纲范文）
| 致谢 |
| 摘要 |
| 英文摘要 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状与进展 |
| 1.2.1 接触式呼吸率检测 |
| 1.2.2 非接触式呼吸率检测 |
| 1.3 论文研究工作与创新点 |
| 1.4 论文章节安排 |
| 第二章 基于视频的呼吸率检测方法 |
| 2.1 现有基于视频方法总结 |
| 2.1.1 基于欧拉视频放大的呼吸率检测 |
| 2.1.2 基于IPPG的呼吸率检测 |
| 2.1.3 基于光流法的呼吸率检测 |
| 2.1.4 基于视频相位处理的呼吸率检测 |
| 2.2 呼吸ROI区域提取 |
| 2.2.1 基于人脸检测的方法 |
| 2.2.2 基于最大似然估计的方法 |
| 2.2.3 基于显着性的方法 |
| 2.3 呼吸信息提取 |
| 2.3.1 数字带通滤波器 |
| 2.3.2 小波滤波 |
| 2.3.3 基于相位的视频运动变化放大 |
| 2.4 性能评价 |
| 2.4.1 定量指标 |
| 2.4.2 定性分析 |
| 2.5 本章小结 |
| 第三章 基于运动特征预估的呼吸率检测快速算法 |
| 3.1 引言 |
| 3.2 呼吸率检测快速算法 |
| 3.2.1 基于幅度特征的胸口ROI区域提取 |
| 3.2.2 呼吸运动方向特征提取 |
| 3.2.3 基于方向特征的呼吸相位信息提取 |
| 3.2.4 基于波峰检测的呼吸率估计 |
| 3.3 呼吸率检测实验 |
| 3.3.1 实验设备与评价参数 |
| 3.3.2 实验结果与分析 |
| 3.4 本章总结 |
| 第四章 基于呼吸运动一致性的多姿态呼吸率检测方法 |
| 4.1 引言 |
| 4.2 基于运动一致性的多姿态呼吸率检测方法 |
| 4.2.1 基于显着性的呼吸区域检测 |
| 4.3 实验与结果 |
| 4.3.1 实验设计 |
| 4.3.2 实验结果与分析 |
| 4.4 本章总结 |
| 第五章 总结与展望 |
| 5.1 全文总结 |
| 5.2 后续展望 |
| 参考文献 |
| 攻读硕士学位期间的学术活动及成果情况 |
（7）基于灰色聚类分析和高斯过程回归的呼吸运动预测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 呼吸运动预测的国内外研究现状 |
| 1.2.2 灰色聚类分析的国内外研究现状 |
| 1.2.3 高斯过程回归的国内外研究现状 |
| 1.3 本文主要研究的内容 |
| 第2章 数据采集与预处理 |
| 2.1 确定与采集分类评估指标 |
| 2.1.1 年龄、体温、心跳和血压对呼吸运动的影响 |
| 2.1.2 年龄、体温、心跳和脉压差的采集 |
| 2.2 采集呼吸运动数据 |
| 2.2.1 体表标记点数据作为呼吸运动数据 |
| 2.2.2 利用FASTRAK系统采集呼吸信号 |
| 2.3 搭建实验平台并采集数据 |
| 2.4 数据预处理 |
| 2.4.1 处理评价指标数据 |
| 2.4.2 对呼吸运动数据预处理 |
| 2.5 本章小结 |
| 第3章 基于灰色聚类分析的样本分类 |
| 3.1 建立灰色聚类评估指标体系 |
| 3.2 各项评价指标灰类白化权函数 |
| 3.3 标定聚类权和聚类系数 |
| 3.4 本章小结 |
| 第4章 基于高斯过程回归的呼吸运动信号预测 |
| 4.1 高斯过程回归 |
| 4.2 核函数的选择 |
| 4.3 超参数的确定 |
| 4.4 高斯过程回归的预测流程 |
| 4.5 本章小结 |
| 第5章 呼吸运动预测实验与结果分析 |
| 5.1 呼吸运动预测实验 |
| 5.2 对比试验 |
| 5.2.1 线性预测 |
| 5.2.2 BP神经网络 |
| 5.2.3 支持向量回归 |
| 5.2.4 高斯过程回归预测 |
| 5.3 实验结果分析 |
| 5.3.1 预测性能评价指标 |
| 5.3.2 预测性能评价结果 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的学术成果 |
| 致谢 |
（8）基于4DCT定位下全乳腺调强放疗的剂量学研究（论文提纲范文）
| 中英文缩略词对照表 |
| 摘要 |
| Abstract |
| 前言 |
| 研究内容与方法 |
| 1 研究对象 |
| 1.1 研究对象 |
| 1.2 纳入及排除标准 |
| 2 内容与方法 |
| 2.1 主要仪器设备 |
| 2.2 3D及4D模拟定位及图像采集 |
| 2.3 靶区勾画 |
| 2.4 危及器官勾画及限量 |
| 2.5 放疗计划设计 |
| 3 评价标准 |
| 4 统计学方法 |
| 5 技术路线图 |
| 结果 |
| 讨论 |
| 小结 |
| 致谢 |
| 参考文献 |
| 综述 四维CT在乳腺癌放射治疗中的临床应用现状 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文 |
| 新疆医科大学硕士研究生学位论文导师评阅表 |
（9）基于四维扫描呼吸运动目标成像的几何学与剂量学研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 呼吸运动管理方法与研究进展 |
| 1.2.1 4D-CT扫描技术 |
| 1.2.2 4D-CBCT扫描技术 |
| 1.2.3 屏气技术 |
| 1.2.4 呼吸门控技术 |
| 1.2.5 肿瘤追踪技术 |
| 1.2.6 腹压技术 |
| 1.2.7 慢速CT扫描技术 |
| 1.3 本文主要研究内容及创新点 |
| 1.4 本文结构安排 |
| 第二章 基于常规3D-CT扫描呼吸运动目标准确性分析 |
| 2.1 引言 |
| 2.2 材料与方法 |
| 2.2.1 设备及参数 |
| 2.2.2 CT图像获取 |
| 2.2.3 图像和数据处理方法 |
| 2.3 统计方法 |
| 2.4 结果 |
| 2.4.1 3D-CT靶区准确率结果 |
| 2.5 讨论 |
| 2.6 本章小结 |
| 第三章 基于四维扫描呼吸运动目标对模体成像的几何学研究 |
| 3.1 引言 |
| 3.2 材料与方法 |
| 3.2.1 设备及参数 |
| 3.2.2 CT图像获取 |
| 3.2.3 图像和数据处理方法 |
| 3.3 统计方法 |
| 3.4 结果 |
| 3.4.1 16 种呼吸模式下4D-CT与4D-CBCT扫描结果对比 |
| 3.4.1.1 十个时相体积变化率结果对比 |
| 3.4.1.2 ITV、V_(MIP)和V_(AIP)体积结果对比 |
| 3.4.2 各模块在不同扫描模式下40%~70%时相体积变化统计学比较 |
| 3.4.3 各模块在不同扫描模式下质心位置变化规律分析 |
| 3.4.3.1 4D-CT靶区质心位置统计结果 |
| 3.4.3.2 4D-CBCT靶区质心位置统计结果 |
| 3.4.4 各模块体积变化率与频率和振幅的相关性分析 |
| 3.5 讨论 |
| 3.6 本章小结 |
| 第四章 基于20 例患者呼吸运动曲线行4D-CT扫描的几何学研究 |
| 4.1 引言 |
| 4.2 材料与方法 |
| 4.2.1 研究对象 |
| 4.2.2 设备及参数 |
| 4.2.3 图像和数据处理方法 |
| 4.3 统计方法 |
| 4.4 结果 |
| 4.4.1 病人4D-CT靶区体积的统计结果 |
| 4.4.2 ITV、V_(MIP)和V_(AIP)体积结果对比 |
| 4.5 讨论 |
| 4.6 本章小结 |
| 第五章 基于10 例肺部肿瘤患者4D-CT图像设计计划的剂量学研究 |
| 5.1 引言 |
| 5.2 材料与方法 |
| 5.2.1 一般资料 |
| 5.2.2 CT模拟定位 |
| 5.2.2.1 体位固定 |
| 5.2.2.2 CT扫描 |
| 5.2.3 靶区及危及器官勾画 |
| 5.2.3.1 肿瘤靶区勾画 |
| 5.2.3.2 危及器官勾画 |
| 5.2.4 治疗计划设计 |
| 5.2.5 治疗计划评估 |
| 5.2.5.1 靶区的评估参数 |
| 5.2.5.2 危及器官的评估参数 |
| 5.3 统计方法 |
| 5.4 结果 |
| 5.4.1 靶区和双肺的体积比较 |
| 5.4.1.1 4D-CT十个时相与FB-CT靶区体积比较 |
| 5.4.1.2 4D-CT十个时相双肺体积比较 |
| 5.4.2 靶区剂量学参数比较 |
| 5.4.3 危及器官剂量学参数比较 |
| 5.4.3.1 患侧肺组织剂量学参数的比较 |
| 5.4.3.2 心脏剂量学参数的比较 |
| 5.4.3.3 其他OARs剂量学参数比较 |
| 5.5 讨论 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 结论 |
| 6.2 不足与展望 |
| 6.2.1 不足 |
| 6.2.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（10）基于CNN和GPR的胸腹部呼吸运动预测（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 呼吸运动预测的国内外研究现状 |
| 1.2.2 卷积神经网络的国内外研究现状 |
| 1.3 本文主要研究内容 |
| 第2章 呼吸信号采集及预处理 |
| 2.1 呼吸信号采集 |
| 2.1.1 实验系统的选择 |
| 2.1.2 实验环境的搭建 |
| 2.1.3 呼吸信号的采集 |
| 2.2 呼吸信号预处理 |
| 2.2.1 呼吸运动数据去异常值 |
| 2.2.2 呼吸运动数据平滑去噪 |
| 2.2.3 呼吸运动数据周期识别 |
| 2.2.4 呼吸运动数据归一化 |
| 2.3 本章小结 |
| 第3章 构建基于CNN和 GPR的呼吸运动预测模型 |
| 3.1 CNN基本原理 |
| 3.1.1 数据输入层 |
| 3.1.2 卷积层 |
| 3.1.3 激活函数 |
| 3.1.4 池化层 |
| 3.1.5 全连接层和输出层 |
| 3.2 基于CNN和 GPR预测模型构建 |
| 3.2.1 CNN输入层构建 |
| 3.2.2 CNN隐含层构建 |
| 3.2.3 CNN输出层构建 |
| 3.3 基于CNN预测模型训练 |
| 3.3.1 Xavier初始化 |
| 3.3.2 正则化技巧的选择 |
| 3.3.3 参数优化器的选择 |
| 3.3.4 批标准化处理 |
| 3.4 基于GPR的误差校正 |
| 3.4.1 核函数的选择 |
| 3.4.2 超参数的确定 |
| 3.4.3 高斯过程回归模型训练结果 |
| 3.5 本章小结 |
| 第4章 预测实验与结果分析 |
| 4.1 预测实验结果 |
| 4.2 对比实验 |
| 4.2.1 基于KNN的非参数回归预测模型 |
| 4.2.2 BP-NN预测模型 |
| 4.2.3 AOSVR预测模型 |
| 4.3 实验结果分析 |
| 4.3.1 采用MAPE评价指标对比五种预测模型 |
| 4.3.2 采用RMSE评价指标对比五种预测模型 |
| 4.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的学术成果 |
| 致谢 |
四、呼吸、呼吸运动与呼吸作用（论文参考文献）
- [1]基于呼吸运动检测的肺藏司呼吸功能异常的客观测评研究[D]. 徐杨. 中国中医科学院, 2021(02)
- [2]APOS理论在初中生物学概念教学中的应用研究[D]. 张欢. 四川师范大学, 2021(12)
- [3]胸腹表面的三维视觉成像和呼吸运动机器学习预测研究[D]. 樊琪. 哈尔滨理工大学, 2021(01)
- [4]基于多任务高斯过程的呼吸运动体内外相关性研究[D]. 朱德宝. 哈尔滨理工大学, 2021(02)
- [5]肺部4D CT图像配准及其在呼吸运动估计和通气量估计中的应用研究[D]. 薛鹏. 山东大学, 2021(12)
- [6]基于运动特征的视频呼吸率检测算法[D]. 朱明扬. 合肥工业大学, 2021(02)
- [7]基于灰色聚类分析和高斯过程回归的呼吸运动预测研究[D]. 胡亚欣. 哈尔滨理工大学, 2021(09)
- [8]基于4DCT定位下全乳腺调强放疗的剂量学研究[D]. 王雪. 新疆医科大学, 2021(09)
- [9]基于四维扫描呼吸运动目标成像的几何学与剂量学研究[D]. 刘首鹏. 电子科技大学, 2021(01)
- [10]基于CNN和GPR的胸腹部呼吸运动预测[D]. 徐雅婷. 哈尔滨理工大学, 2021(09)