治疗癌症的一个重要手段就是放射治疗,现代放射治疗的需求是尽可能多的照射肿瘤癌细胞,与此同时尽可能的避免肿瘤周围正常细胞的照射。然而患者自身的呼吸和心跳等不确定因素的影响,使得肿瘤靶区会进行一定的不规则运动,同时在治疗过程中,整个系统由于数据的采集和传输以及治疗仪器的调整治疗等原因存在着一定的延迟,因此对肿瘤靶区的实时跟踪和预测变得尤为重要。针对这一问题,本文主要研究对于肿瘤影响比较主要的呼吸运动预测技术。由于呼吸运动具有不规则和不确定性的特点,需要一个合理的数学模型来对其进行预测。为此,本研究对呼吸运动数据进行了统计分析,并且提出一种基于高斯过程回归的呼吸运动预测算法,文章分别从以下几个方面进行研究。首先对人的呼吸运动特点进行了分析,利用有限状态模型将呼吸运动划分为三个状态,同时采用NDI光学仪器采集呼吸运动信号数据,并且对采集后的数据进行预处理,将得到的数据作为本文提出预测算法的输入。然后提出一种基于高斯过程模型对于回归问题进行预测。利用数据构建一个合适的回归模型,并进行训练和预测,在训练过程中选择核函数,并且求出其中的超参数,通过离线仿真实验验证算法可行性。最后选择准周期核函数,利用共轭梯度法求出超参数,进行高斯过程回归方法对呼吸运动数据进行模型预测。进一步将预测结果与三种常用预测算法进行对比分析,分别比较了不同延迟下和相同延迟下的预测结果,并用百分比误差作为评价。