当穿刺机器人执行穿刺动作时，由于呼吸运动，焦点会发生位移，穿刺系统具有固有的系统延迟。这些因素会导致穿刺位置的偏差。为了提高穿刺的准确性，可以建立相关的呼吸预测模型来补偿呼吸运动和系统延迟。鉴于此，提出了一种基于双向短时记忆神经网络（bi-LSTM）的预测模型框架。选择一段呼吸数据作为训练集，然后利用训练后的预测模型计算出新呼吸数据在接下来250ms内的位置信息。实验使用了29组呼吸数据（包括自测数据和公共数据集），稳定部分没有被故意截取，包括呼吸频率振幅和基线漂移的明显变化等复杂情况。在统计长、短期记忆神经网络（LSTM）、门控循环单元（GRU）和Bi LSTM三种算法对29组呼吸数据的预测结果后，以均方根误差（RMSE）、平均绝对误差（MAE）和误差大于0.5mm的数据点数为参考标准。实验结果表明，Bi LSTM的平均RMSE和Mae预测结果分别为0.091mm和0.042mm。它具有良好的准确性和鲁棒性，能够很好地预测不规则呼吸信号。