基于R语言BP神经网络瓦里安NovalisTx直线加速器MLC系统故障预测模型研究

作者：邓永锦; 肖振华; 欧阳斌; 王振宇; 黄伯天; 黄镜先; 包勇^*

来源：中华放射肿瘤学杂志, 2018, 27(05): 495-499.

DOI：10.3760/cma.j.issn.1004-4221.2018.05.012

• 神经网络
• 多叶准直器
• 故障预测
• R语言

目的构建并研究瓦里安NovalisTx直线加速器MLC系统故障预测BP神经网络模型。方法取加速器临床使用18个月MLC系统故障统计数据为研究对象,以加速器使用总时间、月治疗患者数量、日均开机工作时间、RapidArc计划数量及加速器保养后时间间隔为输入故障因素,以故障频次预测为输出结果 ,采用R语言AMORE包构建MLC系统故障预测BP神经网络模型并对其进行仿真验证。结果模型采用3层网络实现输入输出转换,其输入层5个节点、隐层13个节点、输出层1个节点;输入层至隐层、隐层、至输出层分别选用tansig、purelin传递函数;模型设定最大训练学习次数150次,实际使用111次,设定误差3%,实际误差2.7%,表明其收敛较好。该模型对18个月临床故障数据仿真验证结果表明预测数据与实际数据较为接近。结论基于R语言BP神经网络故障预测模型实现了MLC系统故障因素与故障频次间映射关系描述,可为设备故障规律了解和备件库存管理提供参考。

• 单位
  中山大学附属第一医院