CN103119626A - 用于辐射治疗规划的具有实时轮廓片断影响绘制的轮廓勾画 - Google Patents
用于辐射治疗规划的具有实时轮廓片断影响绘制的轮廓勾画 Download PDFInfo
- Publication number
- CN103119626A CN103119626A CN2011800444789A CN201180044478A CN103119626A CN 103119626 A CN103119626 A CN 103119626A CN 2011800444789 A CN2011800444789 A CN 2011800444789A CN 201180044478 A CN201180044478 A CN 201180044478A CN 103119626 A CN103119626 A CN 103119626A
- Authority
- CN
- China
- Prior art keywords
- profile
- segment
- profile segment
- impact
- intensity modulated
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/103—Treatment planning systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30096—Tumor; Lesion
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Radiation-Therapy Devices (AREA)
Abstract
一种轮廓描绘模块(22,24)在图像中规划迭代地调整勾画了辐射靶区域和风险区域的轮廓。强度调制优化模块(30)生成与针对由所述轮廓勾画的所述辐射靶区域和所述风险区域的剂量或者剂量约束(26)相符的辐射治疗规划。差分分析模块(40)被配置为调用所述强度调制优化模块(30)来估计所述强度调制优化的输出关于所述轮廓的偏导数。所述轮廓描绘模块(22,24)被配置为在每次迭代的轮廓调整之后调用所述差分分析模块(40)以估计关于所述轮廓片断的所述偏导数并且被配置为在所述规划图像的显示上描绘所述轮廓片断,所述轮廓片断被基于所估计的偏导数编码以指示所述轮廓片断对所述强度调制优化的影响。
Description
技术领域
以下涉及辐射治疗领域、医疗领域、辐射治疗规划领域、图像处理领域,以及相关领域。
背景技术
在辐射治疗中,将电离辐射的空间靶向剂量施加到肿瘤或者其他包含癌或恶性组织的区域。生长并且快速增殖的癌细胞与正常细胞相比倾向于更加易于受到电离辐射的损伤,并且因而通过适当地规划通过施加优选杀死癌或者恶性组织的辐射而施予的更高剂量来强化所述损伤。但是,电离辐射对于恶性和健康细胞都是有害的,因此对于将有效地向恶性肿瘤施加辐射治疗同时限制对健康组织的附带损伤而言,辐射的精密空间靶向是很重要的。
在辐射治疗中,以如下的方式在围绕对象的角位置施加辐射束:所述辐射束组合以产生集中于肿瘤或者其他治疗区域的靶向总辐射剂量空间分布,同时保持某些对辐射敏感的重要器官的累积照射量低于安全阈值。可以通过使用多个围绕对象分布的固定放射源,或者通过围绕对象旋转诸如线性加速器(直线加速器)的单一放射源(即,断层放疗),来实现角度覆盖。事先针对特定对象,基于所采集的那一对象的成像数据来规划辐射治疗。通常,使用计算机断层摄影(CT)成像进行辐射治疗规划,但是也可额外地或者替代CT利用其他成像模态,例如磁共振(MR)或者正电子发射断层摄影(PET)。
为了规划辐射治疗程序,在图像中与勾画对辐射敏感的“风险”器官或者必须限制其辐射剂量的区域一起,勾画肿瘤或者其他目标。辐射规划参数由肿瘤学家或者其他医务人员提供。辐射治疗规划参数典型地包括将被递送给恶性肿瘤的最小剂量或者目标剂量,以及对于风险器官或者区域而言最大的允许剂量。器官勾画以及辐射治疗规划参数和对各种组织的放射衰减或吸收特性的已知信息用作对强度调制优化的输入,该优化对辐射束的空间属性和强度进行优化以将辐射集中于目标同时限制风险器官或区域的照射量,从而满足辐射治疗规划的参数。一种已知的用于执行这种图像引导辐射治疗的辐射治疗规划系统是PinnacleTM辐射治疗规划系统(可以从荷兰埃因霍温的皇家飞利浦电子股份有限公司获得)。
通常,强度调制优化是辐射治疗工作流程中的主要瓶颈。优化是一种“逆向”过程,其中优化辐射束的空间属性和强度以提供基于这些空间属性和强度而计算出的优化的辐射剂量图。然而,由更新型的计算机所提供的更快的处理速度正在逐渐克服这一瓶颈。
轮廓描绘处理也是工作流程的瓶颈。对肿瘤和所有的相关风险器官的准确勾画通常被认为是辐射治疗规划处理的重要方面。为了确保精度和准确性,由放射学专家或者其他训练有素的医务人员来手动执行轮廓描绘。一些系统提供了用于定义初始轮廓的自动分割——然而,在这种系统中通常会有后继的手动轮廓描绘操作,其中放射学专家或者其他训练有素的医务人员视情况确定和调整轮廓。手动轮廓描绘处理是繁琐且费时的,并且占用了专业医务人员的宝贵时间。
以下提供了新的和改进的装置及方法,其克服了以上提及的问题和其他问题。
发明内容
根据一个公开的方面,一种方法包括:执行轮廓描绘以在规划图像中限定勾画了辐射靶区域和一个或多个风险区域的轮廓;以及在所述轮廓描绘期间显示规划图像以及所述轮廓,所述显示包括对所述轮廓进行编码以指示所述轮廓对强度调制优化的输出的影响。
根据另一公开的方面,一种方法包括:执行轮廓描绘以在规划图像中限定勾画了辐射靶区域和一个或多个风险区域的轮廓片断;使用所述轮廓片断来执行强度调制优化以生成辐射治疗规划和相应的计算的辐射剂量图;以及在所述轮廓描绘期间,显示所述规划图像和所述轮廓片断,所述轮廓片断被关于所述轮廓片断对所述强度调制优化的影响编码。
根据另一公开的方面,一种方法包括:通过具有至少勾画了辐射靶区域和一个或多个风险区域的轮廓作为输入的强度调制优化来计算依从于剂量规划参数的辐射剂量图,所述剂量规划参数指示针对所述辐射靶区域和所述一个或多个风险区域的剂量或者剂量约束;以及在所显示的规划图像中绘制所述轮廓,包括对所述轮廓进行编码以指示所述轮廓对所述强度调制优化的影响。
根据另一公开的方面,公开了一种数字处理器,其被配置为执行在紧接的前三个段落中任一个所述的方法。根据另一公开的方面,公开了一种存储有指令的存储介质,所述指令可以由数字处理器运行以执行在紧接的前三个段落中任一个所述的方法。
根据另一公开的方面,一种装置包括:轮廓描绘模块,其被配置为在规划图像中迭代地调整勾画了辐射靶区域和一个或多个风险区域的轮廓;强度调制优化模块,其被配置为生成与针对由所述轮廓勾画的所述辐射靶区域和所述一个或多个风险区域的剂量或者剂量约束相符合的辐射治疗规划;以及差分分析模块,其被配置为调用所述强度调制优化模块来估计所述强度调制优化的输出关于所述轮廓的偏导数;其中,所述轮廓描绘模块被配置为在每次迭代轮廓调整之后调用所述差分分析模块以估计关于所述轮廓片断的所述偏导数,并且被配置为在所述规划图像的显示上绘制所述轮廓片断,所述轮廓片断被基于所述估计的偏导数编码以指示所述轮廓片断对所述强度调制优化的影响。
一个优点在于为辐射治疗规划提供了更加有效的轮廓描绘。
另一优点在于在辐射治疗规划期间给放射科医师或者其他医疗专家提供反馈。
另一优点在于在针对辐射治疗规划的轮廓描绘期间给放射科医师或者其他医疗专家提供引导。
当阅读和理解了以下详细描述时,进一步的优点对于本领域普通技术人员而言将是显而易见的。
附图说明
图1概略地示出了包括辐射治疗规划模块的辐射治疗系统。
图2概略地示出了由图1的系统的辐射治疗规划模块适当地执行的辐射治疗规划方法。
图3-6概略地示出了区域和勾画的轮廓,其概略地示出了图2的方法的选定操作。
图7概略地示出了图2的方法的偏导数估计操作的实施例。
图8概略地示出了图2方法的变型,其采用预先计算的轮廓片断影响分类。
具体实施方式
参考图1,辐射治疗系统包括成像模态10,其适于采集用于规划辐射治疗的规划图像。在一些实施例中,该成像模态10是计算机断层摄影(CT)扫描机,例如BrillianceTM Big BoreTM CT扫描机(可以从荷兰埃因霍温的皇家飞利浦电子股份有限公司获得)。该BrillianceTM Big BoreTM CT扫描机是具有85cm的大的患者孔径的说明性CT扫描机,该孔径足够大以容纳被安排于典型的辐射治疗位置的患者。可以替代地使用其他CT扫描机,以及其他成像模态,例如正电子发射断层摄影(PET)、磁共振(MR)、单光子发射计算机断层摄影(SPECT),等等。所采集的图像被存储在图像存储器12中。优选地对计划接受辐射治疗的对象采集规划图像。例如,该对象可是肿瘤患者,或者兽医学的对象等。术语“规划图像”在本上下文中涉及用于轮廓描绘的规划图像(或者规划图像的集合)。
在辐射治疗程序之前,辐射治疗规划模块20执行辐射治疗规划。所述规划模块20包括轮廓描绘子模块22和显示子模块24,它们协作来执行轮廓描绘以在规划图像中限定勾画了辐射靶区域以及一个或多个风险区域的轮廓。例如,所述辐射靶区域可以是癌肿瘤,并且所述一个或多个风险区域可包括邻近重要器官或者组织,所述邻近重要器官或者组织的辐射照射量应当被保持在最大值之下。为此,辐射治疗规划是关于剂量规划参数26的,所述剂量规划参数26指示针对辐射靶区域和一个或多个风险区域的剂量或剂量约束。
强度调制优化子模块30至少接收由勾画轮廓描绘部件22,24生成的轮廓作为输入,并且生成辐射治疗规划以及依从剂量规划参数26的计算的辐射剂量图32。该强度调制优化子模块30任选地接收其他相关输入,例如指示辐射吸收的衰减图(例如,基于规划图像和/或解剖模型而适当地计算的)。强度调制优化典型地是迭代的“逆向”处理,其中:(1)初始化辐射治疗参数,例如射束强度、准直器设置等,接着(2)使用这些参数来运算计算的剂量图,接着(3)利用剂量规划参数26来评估计算的剂量图的符合性,接着(4)以预期使得计算的剂量图更加紧密地符合于剂量规划参数26的方式来更新辐射治疗参数。然后重复操作(2)-(4)以迭代地使计算的剂量图最佳地符合剂量规划参数26。
在由轮廓描绘部件22,24执行的轮廓描绘期间,显示子模块24绘制具有编码(例如,颜色编码和/或线的粗细编码)的轮廓,该编码指示轮廓对强度调制优化的影响。为此,差分分析子模块40被配置为调用强度调制优化子模块30来估计强度调制优化的输出关于轮廓的偏导数。在一些实施例中,强度调制优化的输出是剂量分布,每个偏导数量化当轮廓点或者轮廓片断变化时剂量累积是如何变化的,并且偏导数量化在轮廓片断处关于剂量累积的变化,或者关于轮廓位置处的剂量分布的导数。轮廓描绘子模块22被配置为在每次迭代轮廓调整之后调用差分分析子模块40以估计关于轮廓片断的偏导数,并且被配置为在规划图像的显示上绘制轮廓片断,该轮廓片断被基于所估计的偏导数编码以指示该轮廓片断对强度调整优化的影响。
在一个方法中,辐射治疗规划模块20在合适的计算机44上实现,该计算机44具有显示设备46(例如,LCD屏幕、阴极射线管显示设备等)以及一个或多个用户输入设备,例如图示的键盘48、或者鼠标、追踪球、或者其他指向式用户输入设备,等等。显示子模块24在显示设备46上显示具有轮廓片断的规划图像,并且该轮廓片断被基于所估计的偏导数编码以指示该轮廓片断对强度调整优化的影响。用户经由用户输入设备48手动地输入对轮廓的调整。然后轮廓描绘子模块22调用差分分析子模块40以估计关于轮廓(包括经调整的轮廓)的偏导数,并且在显示设备46上绘制(更新的)轮廓片断,所述轮廓片断叠加到规划图像上并且被编码以指示该轮廓片断对强度调整优化的(更新的)影响。
由辐射治疗规划模块20生成的最终辐射治疗规划被存储在辐射治疗规划存储器50中。在进行辐射治疗程序的计划日期和时间,采用辐射治疗装置52根据存储在存储器50中的辐射治疗规划通过辐射治疗控制系统54来控制递送至对象的治疗性辐射。例如,在图示的实施例中,辐射治疗递送装置52是断层摄影线性加速器(直线加速器),并且辐射治疗控制系统54操作多叶准直器(MLC)或者直线加速器52的其他辐射束外观成形装置以当线性加速器围绕对象旋转时调制射束强度和外观,从而给对象递送辐射剂量分布,该分布根据依从剂量规划参数26的辐射治疗规划给目标特征提供了期望的积分辐射剂量,同时适当地限制或者约束了敏感的重要特征的辐射照射量。
辐射治疗规划模块20可以通过单独的数字处理器、两个或者更多的数字处理器、计算机、专用集成电路(ASIC)等来不同地具体化。例如,图示的计算机44可以包含规划模块20。同样,包括具有轮廓编码的轮廓描绘以影响强度调整优化的辐射治疗规划可通过存储指令的存储介质来具体化,该指令可由数字处理器运行以执行包括具有轮廓编码的轮廓描绘的规划。例如,存储介质可是硬盘或者其他磁性存储介质、光盘或者其他光学存储介质、随机访问存储器(RAM)、只读存储器(ROM),闪存,或者其他电子存储介质、它们的各种组合,等等。
参考图2,描述了适于由图1的系统执行的说明性辐射治疗规划方法,所述辐射治疗规划方法包括具有用于影响强度调制优化的轮廓编码的轮廓描绘。在操作60中,显示规划图像并且生成和显示始初轮廓。操作60可以采用手动初始轮廓描绘、利用规划图像的自动分割的自动初始轮廓描绘、或者半自动方法。然后由强度调制优化子模块30执行强度调制优化操作62以生成输出64,该输出64包括优化的辐射治疗参数(例如,射束强度、多叶准直器设置等)、计算的辐射剂量图32(见图1)、以及诸如相关的合计剂量参数的任选的另外参数。例如,该合计剂量参数可以包括递送至辐射靶区域和/或一个或多个风险区域的累积辐射剂量,并且每个这样的累积辐射剂量通过在计算的辐射剂量图32中的区域上积分来计算。输出64也可以任选地包括一个或多个综合参数,例如以说明性范例的方式,指示任何计算的区域剂量(辐射靶区域或者风险区域)与相应剂量规划参数的最大偏差的度量。
之后是操作66,68,70中的计算轮廓对强度调整优化的影响。为执行差分分析,将轮廓分断成轮廓片断,并且计算强度调制优化的输出关于轮廓片断的偏导数。因而,在操作66中选定轮廓片断用于差分分析。在操作68中,估计强度调制优化的输出关于选定轮廓片断的偏导数。操作66,68在所有的轮廓片断上迭代69以估计关于轮廓片断的偏导数。操作70基于估计的偏导数对每个轮廓片断关于其对强度调制优化的影响进行分类。
在操作74中,显示子模块24显示规划图像,任选地显示选定的合计剂量参数,以及显示包括影响绘制的轮廓片断,也就是,包括指示轮廓对强度调制优化的输出的影响的轮廓片断编码的轮廓片断。这一影响由操作70的轮廓片断分类输出来适当地量化。在操作76中更新轮廓片断。轮廓片断更新操作76可是手动的,例如由用户经由用户输入装置48来接收轮廓片断调整输入。可选地,轮廓片断更新操作76可以是自动的,例如基于规划图像中辐射靶区域和/或风险区域的重新分段来执行。处理流程然后返回操作62以更新计算的辐射剂量图32和强度调制优化的其他输出64以考虑轮廓片断调整,并且通过重复操作66,68,70来更新影响分析,以及依据操作74更新显示。以此方式,用户大体实时地,也就是在轮廓描绘处理期间,观察轮廓描绘操作的影响。
参考图3-图6,概略地图示了通过图2的方法的操作66,68,70执行的影响分析。图3图示了由轮廓C勾画的区域R。操作62针对该轮廓C计算强度调制优化的输出64。出于说明的目的,输出64(或者用于影响分析的它的分量)在此不失一般性地被称为输出Y。图4图示了区域R和轮廓C,但是具有调整的轮廓,将第一选定轮廓片断CS1向外调整差量ΔCS1。(替代地,该差别轮廓片断调整可以是向内调整)。操作68通过将强度调制优化应用于调整的轮廓以生成调整的输出Y1并且将关于第一轮廓片断CS1的偏导数计算为(Y1-Y)/ΔCS1来适当地估计关于第一轮廓片断CS1的偏导数。
图5图示了区域R和轮廓C,但是具有如下地调整的轮廓:将第二选定的轮廓片断CS2向外调整差量ΔCS2。(同样,替代地,该差别轮廓片断调整可以是向内调整)。这相应于将流程返回至选择操作66的第二迭代69,该选择操作66现在选择第二轮廓片断CS2。操作68的第二重复通过将强度调制优化应用于调整的轮廓以生成调整的输出Y2并且将对第二轮廓片断CS2的偏导数计算为(Y2-Y)/ΔCS2来估计关于第二轮廓片断CS2的偏导数。(注意到在用于轮廓片断的差量是相同,也就是ΔCS1=ΔCS2,并且对于所有的轮廓片断都是如此的情况下,那么任选地省略通过除以ΔCS1或者ΔCS2的比例缩放)。
通过迭代循环69的操作来针对轮廓C的每个轮廓片断重复该处理,以计算出关于组成轮廓C的轮廓片断的偏导数。通常,输出Y可以是强度调制优化的任意输出,只要对针对该输出对轮廓的影响感兴趣即可。在一个范例中,输出Y可以是辐射靶区域中的剂量。在另一范例中,输出Y可以是综合参数,例如在风险区域中剂量相对于那一风险区域的剂量约束的最大比率(在所有的风险区域上)。在操作70中,基于偏导数对轮廓片断进行分类。例如,在一个方法中使用二元分类器,其具有在关于那一轮廓片断的偏导数大于阈值的情况下被分类为“高影响”的轮廓片断,以及在关于那一轮廓片断的偏导数低于阈值的情况下被分类为“低影响”的轮廓片断。更普遍的,该分类可以多于两类、三类,等等。在一些实施例中,分类操作70由给每个轮廓片断分配分数的连续评分操作替代。
如图6概略地图示的,每个轮廓片断显示有适当的编码,该编码指示由分类(或者评分)操作70计算的该轮廓片断的影响。在说明性的实施例中使用三个影响分类。实轮廓线用于对高影响的分割进行编码。短划线用于对中等影响的分割编码。点划线用于对低影响的分割编码。图6图示了用于参考图3-图5来描述其影响分析的说明性区域R以及用于两个其他区域R1,R2的这样的轮廓编码。虽然在图6中使用实线/短划线/点划线,但是在其中显示设备46能够生成颜色显示的其他实施例中,编码可以是颜色编码,例如采用颜色“红色”来对高影响的轮廓片断进行编码,颜色“黄色”来对中等影响的轮廓片断进行编码,以及颜色“绿色”来对低影响的轮廓片断进行编码。
指示轮廓片断对强度调制优化的影响的轮廓片断的编码有利地告知了执行轮廓描绘的放射学专家或者其他医务人员哪个轮廓片断对强度调制优化最具影响。参考图6,例如,放射学专家已知由短划线编码的轮廓片断对强度调制优化具有低的影响,并且因此可以以相对粗略的方式来完成对那些虚轮廓片断的轮廓描绘。另一方面,放射学专家已知由实线编码的轮廓片断对强度调制优化具有高影响,并且因此应当高度小心并且精确地来完成对那些实轮廓片断的轮廓描绘。通过告知放射学专家哪个轮廓片断具有高影响以及哪个具有低影响,加速了轮廓描绘处理(通过允许放射学专家更加粗略地定位低影响轮廓片断)并且也使得轮廓描绘处理更加准确(由于放射学专家确保了高影响轮廓片断的准确性)。
继续参考图1和2并且进一步参考图7,可以高效地执行由差分分析子模块40调用强度调制优化子模块30而执行的偏导数估计操作68。这是因为针对每个偏导数估计的优化并不是从头开始,而是可以使用强度调制优化操作62的输出64作为开始值而执行。如图7概略地示出一,针对在操作66中选定的轮廓片断的偏导数估计操作68从操作80开始,在操作80将选定的轮廓片断向外(或者,在另一实施例中,向内)调整差量ΔCS(例如,在图4中的差量调整ΔCS1,或者图5中的差量调整ΔCS2)。在操作82中,用操作80的轮廓片断差量来执行强度调制优化迭代,以便生成具有轮廓片断差量的强度调制优化的输出84。使用强度调制优化操作62的输出64作为开始值来执行迭代82。由于差量的变化ΔCS很小,并且只影响选定的轮廓片断,因此预期输出64接近于多次迭代将产生的“正确”值。因此,预期根据相减运算86从输出64减去单次迭代82的输出84(以及任选地除以差量ΔCS)提供了关于选定的轮廓片断的输出的偏导数的合理估计。出于轮廓片断影响分类70的目的,替代地可以用更加复杂的差分度量替代相减运算86。此外,由于仅执行单次的迭代82,因而偏导数估计操作68是高效的。虽然举例说明了单次迭代82,但是在其他实施例中可执行两次或者更多次迭代,以开环的方式或者迭代直到满足选定的停止条件。
回来参考图2,在每个轮廓片断更新操作76之后执行影响分析66,68,70。以这种方式,用户大体上实时地观察轮廓描绘操作对强度调制优化的影响,也就是在轮廓描绘处理期间,包括在轮廓描绘处理期间可能发生的各种轮廓片断对强度调制优化的影响中的任何变化。然而,在一些辐射治疗应用中,不预期在轮廓描绘处理期间轮廓片断的影响显著变化,因此实际可行的是预先计算各种轮廓片断对强度调制优化的影响。这可以例如基于针对当前对象或者针对先前对象而执行的先前轮廓描绘/辐射治疗规划程序来完成。预先计算的影响也可以基于第一原理分析,例如使用衰减模型。
参考图8,示出了图2的处理的变型。图8的处理与图2的处理的不同在于用检索操作90来代替了影响分析操作66,68,70,该检索操作90检索预先计算的轮廓片断影响分类,然后由显示操作74中的显示子模块24使用该分类以便显示由对强度调制优化的影响来编码的轮廓。在图8的实施例中,轮廓的编码是基于预先计算的轮廓片断影响分类的。将这一方法适当地应用于如下的情形:一类规划任务足够相似从而预先计算的轮廓片断影响分类是适用的。
所公开的具有轮廓影响编码的轮廓描绘方法包括作为轮廓描绘处理的部分的对处置规划的计算和分析。执行轮廓描绘的放射学专家或者其他医学专家通过在手动轮廓描绘期间接收视觉上的“重要性”反馈,或者在自动或半自动轮廓描绘的情况下通过将沿着轮廓的重要特征并入自动分割算法,而受益。在一些实施例中,轮廓影响编码被输入自动分割/轮廓描绘算法,这允许放松对自动算法的准确性要求。在手动轮廓描绘时,技术人员被告知需要改进初始轮廓勾画的哪个区域。强度调制优化子模块30通过差分分析子模块40而补充以使得能够估计关于轮廓片断的偏导数。如参考图7所提到的,差分分析子模块40任选地通过快速数值方案在第一近似中估计偏导数,例如使用强度调制优化的单次迭代。
也预期其他变型。例如,放射学专家可以首先快速地做出肿瘤(或者其他辐射靶区域)和所有风险器官(或者,更一般地,风险区域)的粗略轮廓。然后计算和分析治疗规划,具体而言进行对轮廓的差分分析。这一分析的结果对规划/剂量沉积的变化给每个轮廓片断分配了量化的“影响”值。可以使用颜色编码、或者线型编码、或者线粗细编码等来在显示器中编码不同的影响值,从而指示哪里的轮廓描绘应当更精确或者较不精确。当技术人员更新轮廓时(例如,通过操作鼠标或者追踪球而使用指向和拖拽操作),重新完成差分剂量计算并且更新轮廓颜色编码。
对于一些应用,例如其中辐射靶区域是前列腺并且将被勾画的风险区域典型地包括股骨头、膀胱以及直肠的前列腺治疗规划,无论勾画的准确性如何,某些轮廓片断都不可能具有高影响,同时其他的轮廓片断需要十分准确。在这种应用中,可采用参考图8描述的变型方法,其中事先预先计算影响值(例如,通过多个测试案例而事先训练)。在采用自动或者半自动分割的方法中,学习的或者预先计算的影响值成为用于自动的或基于模型的分割的模型(也即在模型中包含的先验知识)的一部分。在基于模型的分割处理期间,该影响值用作附加的(或然的)特征以平衡其中的轮廓很难勾画出的区域中的准确性。在这种实施例中,可以任选地避免在分割期间的剂量计算。
已经参照优选实施例来描述了本发明。他人当阅读和理解了前述详细描述时可想到修改和变型。本发明旨在被解释为包括所有的这种修改和变型,只要它们落在所附权利要求或者其等价物的范围之内。
Claims (20)
1.一种方法包括:
执行轮廓描绘以在规划图像中限定勾画了辐射靶区域和一个或多个风险区域的轮廓;以及
在所述轮廓描绘期间,显示规划图像以及所述轮廓,所述显示包括对所述轮廓进行编码以指示所述轮廓对强度调制优化的输出的影响。
2.如权利要求1所述的方法,其中,所述显示包括对所述轮廓进行颜色编码以指示所述轮廓对强度调制优化的输出的影响。
3.如权利要求1-2中任一项所述的方法,其中,轮廓描绘的所述执行包括接收轮廓片断的手动更新,并且所述显示包括在每次手动更新之后更新所述轮廓的所述编码。
4.如权利要求1-2中任一项所述的方法,其中,轮廓描绘的所述执行包括更新轮廓片断,并且所述显示包括在每次轮廓片断更新之后更新所述轮廓的所述编码。
5.如权利要求1-4中任一项所述的方法,其中,所述轮廓包括轮廓片断并且所述编码包括:
估计所述强度调制优化的所述输出关于所述轮廓片断的偏导数;以及
基于估计的偏导数对所述轮廓片断进行编码。
6.如权利要求1-4中任一项所述的方法,其中,所述轮廓包括轮廓片断并且所述编码包括:
检索预先计算的轮廓片断影响分类,其中,所述编码包括根据所检索的轮廓片断影响分类对所述轮廓片断进行编码。
7.如权利要求1-6中任一项所述的方法,还包括:
在所述轮廓描绘之后,执行所述强度调制优化以生成依从于剂量规划参数的辐射治疗规划,所述剂量规划参数指示针对所述辐射靶区域和所述一个或多个风险区域的剂量或者剂量约束。
8.一种方法包括:
执行轮廓描绘以在规划图像中限定勾画了辐射靶区域和一个或多个风险区域的轮廓片断;
使用所述轮廓片断来执行强度调制优化以生成辐射治疗规划和相应的计算的辐射剂量图;以及
在所述轮廓描绘期间,显示所述规划图像和所述轮廓片断,所述轮廓片断被关于所述轮廓片断对所述强度调制优化的影响编码。
9.如权利要求8所述的方法,其中,所述显示包括:
显示所述轮廓片断,所述轮廓片断被关于所述轮廓片断对所述强度调制优化的影响而通过颜色或者线型编码。
10.如权利要求8-9中任一项所述的方法,还包括:
估计所述强度调制优化的输出关于所述轮廓片断的偏导数;以及
基于估计的偏导数来计算所述轮廓片断对所述强度调制优化的所述影响。
11.如权利要求8-9中任一项所述的方法,还包括:
检索预先计算的轮廓片断影响分类,所述轮廓片断影响分类指示所述轮廓片断对所述强度调制优化的所述影响,所述显示包括根据所述预先计算的轮廓片断影响分类对所述轮廓片断进行编码。
12.如权利要求8-11中任一项所述的方法,其中:
所述轮廓描绘包括执行连续的轮廓片断更新,以及
所述显示包括在所述轮廓描绘的每次轮廓片断更新之后,更新关于所述轮廓片断对所述强度调制优化的影响的所述轮廓片断的所述编码。
13.一种方法包括:
通过具有至少勾画了辐射靶区域和一个或多个风险区域的轮廓作为输入的强度调制优化,来计算依从于剂量规划参数的辐射剂量图,所述剂量规划参数指示针对所述辐射靶区域和所述一个或多个风险区域的剂量或者剂量约束;以及
在显示的规划图像中绘制所述轮廓包括对所述轮廓进行编码以指示所述轮廓对所述强度调制优化的影响。
14.如权利要求13所述的方法,其中,所述编码包括:
对所述轮廓进行颜色进行编码以指示所述轮廓对所述强度调制优化的影响。
15.如权利要求13-14中任一项所述的方法,还包括:
通过迭代的轮廓调整来执行对所述辐射靶区域和所述一个或多个风险区域的轮廓描绘,其中,在每次迭代的轮廓调整之后重复所述计算和所述绘制。
16.如权利要求13-15中任一项所述的方法,其中,所述轮廓包括轮廓片断并且所述编码包括:
估计所述强度调制优化的输出关于所述轮廓片断的偏导数;
基于估计的偏导数针对所述轮廓片断计算轮廓片断影响分类;以及
利用所述轮廓片断影响分类对所述轮廓片断进行编码。
17.如权利要求13-15中任一项所述的方法,其中,所述轮廓包括轮廓片断并且所述编码包括:
用预先计算的轮廓片断影响分类来对所述轮廓片断进行编码。
18.一种数字处理器(44),其被配置为执行如权利要求1-17中任一项所述的方法。
19.一种存储有指令的存储介质,所述指令能够由数字处理器(44)运行以执行如权利要求1-17中任一项所述的方法。
20.一种装置包括:
轮廓描绘模块(22,24),其被配置为在规划图像中迭代地调整勾画了辐射靶区域和一个或多个风险区域的轮廓;
强度调制优化模块(30),其被配置为生成辐射治疗规划,所述辐射治疗规划与针对由所述轮廓勾画的所述辐射靶区域和所述一个或多个风险区域的剂量或者剂量约束(26)相符;以及
差分分析模块(40),其被配置为调用所述强度调制优化模块(30)来估计所述强度调制优化的输出关于所述轮廓的偏导数;
其中,所述轮廓描绘模块(22,24)被配置为在每次迭代的轮廓调整之后调用所述差分分析模块(40)以估计关于所述轮廓片断的所述偏导数,并且被配置为在所述规划图像的显示上绘制所述轮廓片断,所述轮廓片断被基于所估计的偏导数编码以指示所述轮廓片断对所述强度调制优化的影响。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US38378010P | 2010-09-17 | 2010-09-17 | |
US61/383,780 | 2010-09-17 | ||
PCT/IB2011/053864 WO2012035463A1 (en) | 2010-09-17 | 2011-09-05 | Contour delineation for radiation therapy planning with real-time contour segment impact rendering |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103119626A true CN103119626A (zh) | 2013-05-22 |
CN103119626B CN103119626B (zh) | 2016-08-03 |
Family
ID=44720074
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201180044478.9A Expired - Fee Related CN103119626B (zh) | 2010-09-17 | 2011-09-05 | 用于辐射治疗规划的具有实时轮廓片段影响绘制的轮廓勾画 |
Country Status (4)
Country | Link |
---|---|
US (1) | US9020234B2 (zh) |
EP (1) | EP2617009A1 (zh) |
CN (1) | CN103119626B (zh) |
WO (1) | WO2012035463A1 (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106730411A (zh) * | 2016-12-21 | 2017-05-31 | 上海联影医疗科技有限公司 | 放射治疗计划优化方法及系统 |
CN107278303A (zh) * | 2014-12-04 | 2017-10-20 | 皇家飞利浦有限公司 | 基于形状的初始化以及渐进式自动计划的qa |
WO2018090195A1 (zh) * | 2016-11-15 | 2018-05-24 | 西安大医数码技术有限公司 | 一种放射治疗计划的生成方法和放射治疗计划系统 |
CN109308703A (zh) * | 2017-07-27 | 2019-02-05 | 西门子保健有限责任公司 | 利用结构化的用户点击点对解剖结构智能描轮廓 |
CN109562278A (zh) * | 2016-08-11 | 2019-04-02 | 皇家飞利浦有限公司 | 被配置为用于基于图像的放射治疗规划的医学产品 |
WO2019210456A1 (en) * | 2018-05-02 | 2019-11-07 | Shenzhen United Imaging Healthcare Co., Ltd. | Systems and methods for generating radiation treatment plan |
US10806949B2 (en) | 2016-11-15 | 2020-10-20 | Our United Corporation | Method and system of generating radiation treatment plan |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10092251B2 (en) * | 2013-03-15 | 2018-10-09 | Varian Medical Systems, Inc. | Prospective evaluation of tumor visibility for IGRT using templates generated from planning CT and contours |
US10022560B2 (en) | 2013-07-31 | 2018-07-17 | Koninklijke Philips N.V. | Automation of therapy planning |
EP3206617B1 (en) | 2014-10-17 | 2019-11-27 | Koninklijke Philips N.V. | System for real-time organ segmentation and tool navigation during tool insertion in interventional therapy |
EP3357539A1 (en) * | 2017-02-02 | 2018-08-08 | Koninklijke Philips N.V. | Warm start initialization for external beam radiotherapy plan optimization |
EP3392832A1 (en) * | 2017-04-21 | 2018-10-24 | General Electric Company | Automated organ risk segmentation machine learning methods and systems |
WO2019052916A1 (en) | 2017-09-12 | 2019-03-21 | Koninklijke Philips N.V. | USE OF SPECTRAL (MULTI-ENERGY) IMAGE DATA INCLUDING IMAGE-GUIDED APPLICATIONS |
CN112566692B (zh) * | 2018-06-29 | 2023-08-08 | 埃莱克塔公共有限公司 | 用于确定弧形疗法的弧形剂量的系统和方法 |
US10892064B2 (en) | 2018-12-05 | 2021-01-12 | Shanghai United Imaging Healthcare Co., Ltd. | Multi-leaf collimator |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1999040523A1 (en) * | 1998-02-09 | 1999-08-12 | University Of Southampton | Treatment planning method and apparatus for radiation therapy |
US20070230765A1 (en) * | 2006-03-30 | 2007-10-04 | Accuray Incorporated | Delineation on three-dimensional medical image |
WO2008120116A1 (en) * | 2007-03-30 | 2008-10-09 | Koninklijke Philips Electronics N.V. | Improved treatment plan evaluation in radiotherapy by stochastic analysis of delineation uncertainty |
CN101443816A (zh) * | 2006-05-11 | 2009-05-27 | 皇家飞利浦电子股份有限公司 | 用于图像引导下辐射治疗的图像可变形配准 |
WO2010018476A2 (en) * | 2008-08-14 | 2010-02-18 | Koninklijke Philips Electronics N.V. | Prospective adaptive radiation therapy planning |
WO2010025372A2 (en) * | 2008-08-28 | 2010-03-04 | Tomotherapy Incorporated | System and method of contouring a target area |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5859891A (en) | 1997-03-07 | 1999-01-12 | Hibbard; Lyn | Autosegmentation/autocontouring system and method for use with three-dimensional radiation therapy treatment planning |
US7187800B2 (en) | 2002-08-02 | 2007-03-06 | Computerized Medical Systems, Inc. | Method and apparatus for image segmentation using Jensen-Shannon divergence and Jensen-Renyi divergence |
EP1671252B1 (en) | 2003-09-29 | 2008-09-10 | Koninklijke Philips Electronics N.V. | Method and device for planning a radiation therapy |
JP4989471B2 (ja) * | 2004-08-09 | 2012-08-01 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 領域が競合する変形可能なメッシュ適合に基づくセグメント化 |
US7693257B2 (en) | 2006-06-29 | 2010-04-06 | Accuray Incorporated | Treatment delivery optimization |
WO2010079394A1 (en) * | 2009-01-12 | 2010-07-15 | Koninklijke Philips Electronics N.V. | Concurrent multiple model segmentation with collision detection |
JP6053792B2 (ja) * | 2011-08-30 | 2016-12-27 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 可変画像レジストレーションのワークフローにおけるユーザー入力と変形ベクトル場の修正との統合 |
-
2011
- 2011-09-05 EP EP11763784.3A patent/EP2617009A1/en not_active Withdrawn
- 2011-09-05 WO PCT/IB2011/053864 patent/WO2012035463A1/en active Application Filing
- 2011-09-05 US US13/821,572 patent/US9020234B2/en not_active Expired - Fee Related
- 2011-09-05 CN CN201180044478.9A patent/CN103119626B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1999040523A1 (en) * | 1998-02-09 | 1999-08-12 | University Of Southampton | Treatment planning method and apparatus for radiation therapy |
US20070230765A1 (en) * | 2006-03-30 | 2007-10-04 | Accuray Incorporated | Delineation on three-dimensional medical image |
CN101443816A (zh) * | 2006-05-11 | 2009-05-27 | 皇家飞利浦电子股份有限公司 | 用于图像引导下辐射治疗的图像可变形配准 |
WO2008120116A1 (en) * | 2007-03-30 | 2008-10-09 | Koninklijke Philips Electronics N.V. | Improved treatment plan evaluation in radiotherapy by stochastic analysis of delineation uncertainty |
WO2010018476A2 (en) * | 2008-08-14 | 2010-02-18 | Koninklijke Philips Electronics N.V. | Prospective adaptive radiation therapy planning |
WO2010025372A2 (en) * | 2008-08-28 | 2010-03-04 | Tomotherapy Incorporated | System and method of contouring a target area |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107278303A (zh) * | 2014-12-04 | 2017-10-20 | 皇家飞利浦有限公司 | 基于形状的初始化以及渐进式自动计划的qa |
CN107278303B (zh) * | 2014-12-04 | 2021-06-29 | 皇家飞利浦有限公司 | 一种用于生成最佳处置计划的治疗规划系统和方法 |
CN109562278A (zh) * | 2016-08-11 | 2019-04-02 | 皇家飞利浦有限公司 | 被配置为用于基于图像的放射治疗规划的医学产品 |
CN109562278B (zh) * | 2016-08-11 | 2021-10-26 | 皇家飞利浦有限公司 | 被配置为用于基于图像的放射治疗规划的医学产品 |
WO2018090195A1 (zh) * | 2016-11-15 | 2018-05-24 | 西安大医数码技术有限公司 | 一种放射治疗计划的生成方法和放射治疗计划系统 |
US10806949B2 (en) | 2016-11-15 | 2020-10-20 | Our United Corporation | Method and system of generating radiation treatment plan |
CN106730411A (zh) * | 2016-12-21 | 2017-05-31 | 上海联影医疗科技有限公司 | 放射治疗计划优化方法及系统 |
CN106730411B (zh) * | 2016-12-21 | 2019-11-19 | 上海联影医疗科技有限公司 | 放射治疗计划优化方法及系统 |
CN109308703A (zh) * | 2017-07-27 | 2019-02-05 | 西门子保健有限责任公司 | 利用结构化的用户点击点对解剖结构智能描轮廓 |
CN109308703B (zh) * | 2017-07-27 | 2022-06-28 | 西门子保健有限责任公司 | 利用结构化的用户点击点对解剖结构智能描轮廓 |
WO2019210456A1 (en) * | 2018-05-02 | 2019-11-07 | Shenzhen United Imaging Healthcare Co., Ltd. | Systems and methods for generating radiation treatment plan |
Also Published As
Publication number | Publication date |
---|---|
US20130301893A1 (en) | 2013-11-14 |
EP2617009A1 (en) | 2013-07-24 |
US9020234B2 (en) | 2015-04-28 |
CN103119626B (zh) | 2016-08-03 |
WO2012035463A1 (en) | 2012-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103119626A (zh) | 用于辐射治疗规划的具有实时轮廓片断影响绘制的轮廓勾画 | |
US11964170B2 (en) | Standardized artificial intelligence automatic radiation therapy planning method and system | |
US11083911B2 (en) | Radiation therapy interactive planning | |
US10346593B2 (en) | Methods and systems for radiotherapy treatment planning | |
US11878184B2 (en) | Knowledge-based spatial dose metrics and methods to generate beam orientations in radiotherapy | |
Clements et al. | Monaco treatment planning system tools and optimization processes | |
CN107278303B (zh) | 一种用于生成最佳处置计划的治疗规划系统和方法 | |
US20140275706A1 (en) | Systems and methods for determining and delivering radiation treatment plans | |
CN111050848B (zh) | 在优化期间用于oar和靶目标的调谐方法和介质 | |
US10342994B2 (en) | Methods and systems for generating dose estimation models for radiotherapy treatment planning | |
US10076673B2 (en) | Interactive dose gradient based optimization technique to control IMRT delivery complexity | |
JP2016538944A (ja) | 効率的治療計画トレードオフ分析 | |
CN107708806A (zh) | 具有全局考虑的辐射治疗优化单元 | |
WO2008120116A1 (en) | Improved treatment plan evaluation in radiotherapy by stochastic analysis of delineation uncertainty | |
CN113557057A (zh) | 用于放射治疗计划的剂量率信息的图形显示 | |
US20210393982A1 (en) | Correlation of dose and dose rate information to volume for radiation treatment planning | |
JP6692923B2 (ja) | 放射線治療計画における分画選択ツール | |
CN117642211A (zh) | 评估用于放射辐射处理计划的处理参数 | |
CN117651586A (zh) | 针对辐射处理计划中的不确定性的剂量率稳健性分析 | |
CN116209499A (zh) | 用于辐射处理规划的剂量和剂量率信息与体积的相关性 | |
CN116785601A (zh) | 用于剂量映射不确定性的稳健放疗治疗计划的方法和系统 | |
Svensson | Multiobjective optimization in radiosurgery: How to approximate and navigate on the Pareto surface | |
Henao | Improving the Delivery Characteristics in Volumetric Modulated Arc Therapy (VMAT) and Tomotherapy for Cancer Treatment | |
WO2023196533A1 (en) | Automated generation of radiotherapy plans | |
CN118072912A (zh) | 基于剂量模拟的放疗计划自动生成方法、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160803 Termination date: 20170905 |