CN104883974A - Nir图像引导的靶向 - Google Patents

Abstract

一种用于治疗的方法。该方法包括对患者的区域执行治疗中光学扫描，其中治疗中光学扫描包括近红外(NIR)能量源。该方法还包括根据光学扫描检测多个被检测信号。该方法还包括从多个被检测信号滤除皮肤特性。该方法还包括根据被过滤的多个信号确定与区域关联的骨骼解剖结构。

Description

NIR图像引导的靶向

相关申请的交叉引用

本申请在35U.S.C§119(e)下要求2012年10月26日提交的、题为“NIR IMAGE GUIDED TARGETING”的、代理人案号为VAR-12-049-US-P的美国临时专利申请第61/719,301号的优先权和权益。本申请还在35U.S.C§119(e)下要求2013年3月15日提交的、题为“APPARATUS AND MEHTOD FOR REAL-TIME TRACKINGOF BONY STRUCTURES”的、代理人案号为VAR-13-016-US-P的美国临时专利申请第61/798,066号的优先权和权益。本申请要求2013年10月2日提交的、题为“NIR IMAGE GUIDED TARGETING”的、代理人案号为VAR-12-049-US的美国专利申请第14/040,604号的优先权和权益。本申请要求2013年9月27日提交的、题为“APPARATUSAND MEHTOD FOR REAL-TIME TRACKING OF BONYSTRUCTURES”的、代理人案号为VAR-13-016-US的美国专利申请第14/040,609号的优先权和权益。

背景技术

图像引导的靶向(image-guided targeting)在大量医疗过程中扮演着越来越重要的角色。本质上来说，图像引导涉及将接近实时的成像与历史三维(3D)体积数据进行计算机相关以确定患者解剖结构的空间位置。也就是，图像引导的靶向包括用以创建人体图像的技术和过程。用于图像引导的靶向的3D体积数据的典型示例包括计算机断层(CT)或者磁共振成像(MRI)。

已经针对使用投射x射线或者锥面波束CT在3D空间中对患者骨骼解剖结构精确定位来对这一图像引导的靶向的使用进行了充分描述。作为大多数图像引导的基础的默许假设为：骨骼解剖结构可以提供对附近的软组织的可靠参考。然而，亚毫米靶向精度在这样的技术的情况下是可能的，从而甚至实现要在图像引导下执行的最精确的外科手术过程。

图像引导中的x射线的主要角色是定义用于图像相关的骨骼解剖结构的3D位置。它们渗透皮肤的相对能力是x射线的使得它们能够用于成像的主要特征。相比之下，图像引导中所使用的千伏能量x射线的特征在于要从骨头发散的非常大的倾向性以及因此被阻止传输通过正在被成像的组织的更大的可能性。

虽然使用x射线的成像很鲁棒，然而使用电离辐射的挑战加重了这一方法的负担，因为电离x射线对于患者和医疗团队而言可能有害。正因如此，几乎不连续地进行当前使用电离x射线用于图像引导的技术。例如，一般仅在若干分钟到若干小时的过程的开始处产生锥面波束CT扫描，而仅每20到60秒生成用于图像相关的投射x射线。这样的“实时”成像的罕见意味着不检测瞬时患者移动，并且将导致治疗的不准确。

另外，在放射外科和放射治疗中，使用辐射波束来破坏肿瘤。比如，已经提出了如下方法：其中使用机械龙门(gantry)来移动波束源。使用两个x射线成像相机来计算患者的颅骨在治疗期间的位置。每分钟将这一x射线成像重复若干次。

然而，本上下文中的x射线成像具有若干限制。首先，如先前所讨论的，x射线成像需要电离辐射，并且因此对于患者和操作团队具有侵略性。射频外科手术过程可以持续高达1小时。在整个治疗期间连续地采用x射线会将患者暴露到单独来自x射线成像的大量的辐射剂量。其次，在x射线成像中，x射线源必须在患者的一侧，并且x射线检测器在患者的另一侧。因此需要足够的空间用于放置单独的源和检测器单元。所需要的是可以与3D患者解剖结构相关的真正实时的成像形式。

发明内容

公开了一种用于治疗患者的方法。该方法包括确定患者的区域中的皮肤特性。该方法包括对患者的区域执行治疗中(in-treatment)光学扫描，其中治疗中光学扫描包括近红外(NIR)能量源。该方法包括根据光学扫描检测多个被检测信号。该方法包括从多个被检测信号滤除皮肤特性。该方法包括根据被过滤的多个信号确定与区域关联的骨骼解剖结构。

在另一实施例中，公开了另一种用于治疗的方法。该方法包括执行基础扫描以获得目标在患者的骨骼解剖结构内的相对3D(三维)定位。该方法还包括对患者执行治疗中光学扫描以确定骨骼解剖结构在治疗系统内的3D定位，其中治疗中光学扫描包括近红外(NIR)能量源。另外，执行治疗中光学扫描的操作包括：根据光学扫描检测多个被检测信号；以及从多个被检测信号滤除患者的皮肤的信令特性，以获得与骨骼解剖结构相关的信号并且确定骨骼解剖结构的3D定位。该方法还包括配准(register)来自治疗中光学扫描的骨骼解剖结构的3D定位以及根据基础扫描确定的骨骼解剖结构的3D定位，以确定目标在治疗系统内的相对定位。

在另一实施例中，公开了一种用于提供治疗的系统。该系统包括用于确定患者的区域中的皮肤特性的皮肤检测器。该系统还包括用于对患者的区域执行治疗中光学扫描的治疗中近红外(NIR)光学扫描仪，其中治疗中光学扫描包括近红外(NIR)能量源。该系统包括用于根据光学扫描检测多个被检测信号的至少一个检测器。该系统包括用于从多个被检测信号滤除皮肤特性的过滤器。比如，过滤机制包括一种算法，该算法基于使用统计信息的测量以及根据进一步的红外测量(例如平均皮肤氧饱和度、色调等)执行的每患者校准来计算皮肤属性。该系统还包括用于根据被过滤的多个信号确定与区域关联的骨骼解剖结构的建模模块。

在另一实施例中，公开了一种用于测量皮肤厚度的方法。该方法包括在患者的外表面上的第一3D点处，将第一点暴露到来自近红外(NIR)源的NIR能量。该方法包括测量在第一3D点或者波束入射点附近发出的反射能量。该方法包括基于与反射能量中心的距离来确定反射能量的图案，其中中心由第一3D点来近似。该方法包括基于图案来确定皮肤厚度测量。另外，该方法考虑入射的激光波束与皮肤表面之间的角度以补偿测量误差。根据周围3D点的3D信息来确定角度。另外，还可以根据NIR信息的完整数据集来计算或者从其他源获得与特定患者有关的统计信息(例如皮肤类型、颜色)。

在又另一实施例中，公开了一种用于治疗的方法，该方法涉及使用NIR成像来生成患者的骨骼解剖结构的3D结构。该方法包括执行基础扫描以获得对象的骨骼解剖结构的相对3D定位。该方法还包括对对象执行治疗中光学扫描以确定对象的表面的3D定位，其中治疗中光学扫描包括近红外(NIR)能量源。该方法还包括基于由治疗中光学扫描引起的反射能量的图案来确定皮肤厚度，其中针对对象的表面上的每个测量点或者点的子集来确定皮肤厚度。该方法还包括补偿对应的皮肤厚度以确定与对应的测量点关联的并且位于对应的测量点下面的骨骼定位，针对对象的表面上的每个测量点来执行补偿。该方法包括确定从治疗中光学扫描得出的骨骼解剖结构的3D定位。

在另一实施例中，公开了一种用于提供治疗的系统。该系统包括用于将患者的外表面上的第一点暴露到近红外(NIR)能量的治疗中NIR光学扫描仪。该系统包括用于测量和/或检测在第一3D点附近发出的反射能量的至少一个检测器。该系统还包括用于基于与反射能量中心的距离来确定反射能量的图案的图案生成器，其中中心由第一3D点来近似。该系统还包括用于基于图案来确定皮肤厚度测量的图案匹配器。在一种实施例中，计算表示光子计数的数值的集合，并且使用数学模型来计算皮肤厚度。特别地，使用检测器来捕获激光光斑的反射光。在2D相机的情况下，针对某些区域累积所测量的强度/光子计数以获得数值特征。采集另外的测量信息，诸如激光与表面之间的角度、到目标的距离等。使用数学模型来将测量和特征数据变换成皮肤厚度值。

附图说明

被合并在本说明书中且形成本说明书的一部分并且其中相似的附图标记表示相似的元件的附图图示本公开内容的实施例，并且连同描述一起用于解释本公开内容的原理。

图1描绘根据本公开内容的一种实施例的适合用于实现本方法的示例性计算机系统的框图。

图2A是根据本公开内容的一种实施例的图示用于使用NIR成像数据来确定患者的骨骼解剖结构信息的过程的流程图200A。

图2B是根据本公开内容的一种实施例的图示用于使用NIR成像数据来对对象或者患者的骨骼解剖结构进行定位的过程的流程图200B。

图3A是根据本公开内容的一种实施例的被配置用于通过NIR成像来执行3D患者建模的治疗系统的框图。

图3B是根据本公开内容的一种实施例的被配置用于提供包括通过NIR成像确定的治疗中患者定位的患者的治疗的治疗系统的框图。

图3C是根据本公开内容的一种实施例的被配置用于提供3D患者定位的NIR成像系统的应用的图示。

图4是根据本公开内容的一种实施例的图示皮肤厚度的测量的图。

图5是根据本公开内容的一种实施例的图示用于高精度患者定位的方法的流程图。

图6是根据本公开内容的一种实施例的用于治疗的系统的框图，该系统能够出于对对象的骨骼解剖结构的3D定位的目的使用NIR成像来确定皮肤厚度。

图7A是根据本公开内容的一种实施例的图示用于患者定位的方法的流程图，该方法在确定对象的骨骼解剖结构的3D定位时忽视不满足门限的厚度测量。

图7B是根据本公开内容的一种实施例的图示用于患者定位的方法的流程图，该方法使用NIR成像来确定从基础扫描得出的3D骨骼模型与从治疗中光学扫描得出的3D骨骼模型之间的配准品质。

图7C是根据本公开内容的一种实施例的图示用于患者定位的方法的流程图，该方法在使用NIR成像来确定从治疗中光学扫描得出的3D骨骼模型时补偿皮肤厚度。

图7D是根据本公开内容的一种实施例的图示用于患者定位的方法的流程图，该方法在使用NIR成像来确定从治疗中光学扫描得出的3D骨骼模型时补偿皮肤厚度，并且还在使用NIR成像来配准从基础扫描得出的3D骨骼模型和从治疗中光学扫描得出的3D骨骼模型时提供特征配准。

图8是根据本公开内容的一种实施例的治疗中光学扫描系统的图。

图9是根据本公开内容的一种实施例的图示关于皮肤厚度的返回的入射能量的比例的图。

图10A至图10B是根据本公开内容的一种实施例的图示最远离较大皮肤厚度的中心(波束入射点)的光子能量的存在的多个图。

图10C是根据本公开内容的一种实施例的示出以距离波束入射点各种半径存在的光子能量的图。

图11是根据本公开内容的一种实施例的图示距离中心半径远上分布的入射能量的图案、各种皮肤厚度的波束入射点。

图12是根据本公开内容的一种实施例的图示关于中心的多个同心环、波束入射点的图，其中在测量皮肤厚度时在该中心内检测到光子能量。

图13是根据本公开内容的一种实施例的图示皮肤厚度与区域强度之间的依赖性的曲线。

图14A是根据本公开内容的一种实施例的皮肤厚度的计算的图示。

图14B是根据本公开内容的一种实施例的图示出于患者定位的目的而连续使用标记特征的点云配准的流程图。

图15是根据本公开内容的一种实施例的图示用于使用NIR成像来确定皮肤厚度的方法的流程图。

图16是根据本公开内容的一种实施例的图示用于出于对对象的骨骼解剖结构进行3D定位的目的而使用NIR成像来确定皮肤厚度的方法的流程图。

具体实施方式

现在将详细参考本公开内容的各种实施例，其示例在附图中被图示。虽然结合这些实施例来描述，但是应当理解其并非意在将本公开内容限于这些实施例。相反，本公开内容意在覆盖可以被包括在如所附权利要求所限定的本公开内容的精神和范围内的备选、修改和等同方案。另外，在本公开内容的以下详细描述中，给出了大量特定细节以提供对本公开内容的透彻理解。然而，应当理解，可以在没有这些具体细节的情况下来实践本公开内容。在其他情况下，没有详细描述公知的方法、过程、部件和电路以避免不必要地模糊本公开内容的方面。

因此，本发明的实施例涉及用于改善诊断过程和外科手术过程的精度和效率的装置。更特别地，本发明的实施例涉及在空间中定位解剖学目标。另外，可以补偿在医疗过程中或者在诊断过程中患者的小的运动，从而实现目标的更好的图像品质或者更精确的跟踪。本发明的其他实施例提供被配置用于不使用电离辐射或者不需要单独的源和检测器单元的设备。本发明的实施例被配置用于在扩展的时间段内每秒钟递送具有超过二十五(25)个图像的连续的位置信息，而对患者没有危害。

下面的详细描述的一些部分以过程、逻辑块、处理和对计算机存储器内的数据比特的操作的其他符号表示的形式来呈现。这些描述和呈现是数据处理领域的技术人员用以最有效地向本领域其他技术人员传达他们的工作的本质的手段。在本申请中，应当将过程、逻辑块、处理等理解为产生期望的结果的步骤或者指令的自身一致的序列。步骤是使用物理量的物理操纵的步骤。通常，虽然并非必须，但是这些量采用能够被存储、传送、组合、比较以及在计算机系统中被操纵的电信号或者磁信号的形式。已经证明，原则上出于一般使用的目的，将这些信号称为事务(transaction)、比特、值、要素、符号、字母、样本、像素等有时候很方便。

然而，应当牢记，所有这些以及相似的术语要与适当的物理量关联，并且仅仅是适用于这些量的方便的标记。除非如根据以下讨论清楚地特别指出，否则应当理解，贯穿本公开内容，使用术语(诸如“测量”、“绘图”、“匹配”、“分配”、“执行”、“改变”、“过滤”、“检测”、“确定”等)的讨论涉及计算机系统或者相似的电子计算设备或处理器的动作和处理。计算机系统或者相似的电子计算设备操纵和变换被表示为计算机系统存储器、寄存器或者其他这样的信息存储、传输或显示设备内的物理(电子)量的数据。

提供根据本发明的实施例的用于处理数据的计算机实现的方法的示例的流程图。虽然流程图中公开了特定步骤，但是这样的步骤是示例性的。也就是，本发明的实施例很好地适合用于执行流程图中给出的其他步骤或者步骤的变化。

在被配置用于监测和执行指令的基于硬件的部件的情境内讨论本文中所描述的本发明的实施例。也就是，在微架构的硬件设备内实现本发明的实施例，并且本发明的实施例被配置用于监测临界的失速条件并且出于功率管理的目的来执行适当的时钟门控。

可以在驻留在由一个或多个计算机或者其他设备来执行的某种形式的计算机可读存储介质(诸如程序模块)上的计算机可执行指令的一般情境中来讨论本文中所描述的其他实施例。通过示例而非限制，计算机可读存储介质可以包括非暂态计算机存储介质和通信介质。通常，程序模块包括执行特定任务或者实现特定抽象数据类型的例程、程序、对象、部件、数据结构等。可以在各种实施例中如所期望的对程序模块的功能进行组合或分配。

计算机存储介质包括在用于信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的存储的任何方法或技术中实现的易失性和非易失性、可移除和非可移除介质。计算机存储介质包括但不限于随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程ROM(EEPROM)、闪存或者其他存储器技术、压缩盘ROM(CD-ROM)、数字多功能盘(DVD)或者其他光学存储装置、磁带盒、磁带、磁盘存储装置或者其他磁性存储设备、或者可以用于存储期望的信息并且可以被访问以检索该信息的任何其他介质。

通信介质可以包含计算机可执行指令、数据结构和程序模块，并且包括任何信息递送介质。通过示例而非限制，通信介质包括有线介质(诸如有线网络或者直接有线连接)和无线介质(诸如声学、射频(RF)、红外和其他无线介质)。以上各项中的任一项的组合也可以被包括在计算机可读介质的范围内。

图1是能够实现本公开内容的实施例的计算系统100的示例的框图。计算系统100广义上表示能够执行计算机可读指令的任何单或多处理器计算设备或系统。计算系统100的示例包括但不限于工作站、膝上型电脑、客户端侧终端、服务器、分布式计算系统、手持式设备或者任何其他计算系统或设备。在其最基本的配置中，计算系统100可以包括系统存储器140和至少一个处理器110。

中央处理单元(CPU)110和图形处理单元(GPU)120二者耦合至存储器140。系统存储器140通常表示能够存储数据和/或其他计算机可读指令的任何类型或者形式的易失性或者非易失性存储设备或者介质。系统存储器140的示例包括但不限于RAM、ROM、闪存或者任何其他合适的存储器设备。在图1的示例中，存储器140是共享存储器，从而存储器存储用于CPU 110和GPU 120二者的指令和数据。备选地，可以存在分别专用于CPU 110和GPU 120的单独的存储器。存储器可以包括用于存储像素数据的帧缓冲器，帧缓冲器驱动显示器屏幕130。

系统100包括在一种实施方式中包括屏幕上光标控制设备的用户界面160。用户界面可以包括键盘、鼠标和/或触摸屏设备(触摸板)。

CPU 110和/或GPU 120通常表示能够处理数据或者解释和执行指令的任何类型或者形式的处理单元。在某些实施例中，处理器110和/或120可以从软件应用或者硬件模块接收指令。这些指令可以引起处理器110和/或120执行本文中所描述和/或所图示的示例实施例中的一个或多个示例实施例的功能。例如，处理器110和/或120可以单独或者与其他元件组合来执行本文中所描述的监测、确定、门控和检测等中的一个或多个操作，和/或可以是用于单独或者与其他元件组合来执行本文中所描述的监测、确定、门控和检测等中的一个或多个操作的设备。处理器110和/或120还可以执行本文中所描述和/或图示的任何其他步骤、方法或者过程，和/或可以是用于执行本文中所描述和/或图示的任何其他步骤、方法或者过程的设备。

在一些实施例中，可以将包含计算机程序的计算机可读介质加载到计算系统100中。然后可以将计算机可读介质上存储的计算机程序的全部或者部分存储在系统存储器140和/或存储设备的各个部分中。在由处理器110和/或120来执行时，被加载到计算系统100中的计算机程序可以引起处理器110和/或120执行本文中所描述和/或所图示的示例实施例的功能，和/或引起处理器110和/或120成为用于执行本文中所描述和/或所图示的示例实施例的功能的设备。另外地或者备选地，可以用固件和/或硬件来实现本文中所描述和/或所图示的示例实施例。

根据本发明的一种实施例，使用相机和投射设备。投射设备将可见和红外范围内的光投射到患者的皮肤表面上。然后使用通过相机设备观察的反射的分析来确定在皮肤表面上的投射光板处的皮肤的厚度。以这一方式，可以测量在这一空间位置处的骨骼的精确位置。通过针对分散在皮肤表面上的点的网格来重复这一过程，骨骼表面的重构变为可能。根据本发明，然后可以使用骨骼表面来确定患者头部的位置以及解剖学目标在空间的位置。所得出的骨骼扫描可以用作内部结构的位置的替代物和参考。

更具体地，在本发明的实施例中使用近红外光用于图像引导的靶向和跟踪。近红外(NIR)能量(例如光)被定义为在大约740nm到2000nm的范围内的电磁能量谱。在这些能量处，光子具有在被吸收或者离开皮肤表面的某个点之前穿过适量的组织的能力。取决于所使用的波长和所穿过的组织属性，光子被不同地吸收和散射，产生不同的图案。不同的组织产生由表面上的离开光子形成的大量强度图案。吸收随着波长的增加而增加，散射随着波长的增加而减小。目的是以所得到的反射比使得尽可能多的光进入较深区域，如关于图9所描述的，其中确定大量最佳波长。本发明的实施例使用这些属性来在3D中间中对骨骼解剖结构的位置进行定位，从而排除对于x射线的需要。

本发明的其他实施例提供对象和/或患者的骨骼解剖结构的皮肤特征化、3D定位、以及对象和/或患者的软组织目标的3D定位。特别地，在一种实施例中，校准的激光或者类似的光源(例如NIR等)的使用用以对患者的皮肤特性进行特征化。在另一实施例中，NIR的使用用以使用IR反射比和映射来对患者的骨骼解剖结构进行可视化。重要的是，在努力提升阅读人眼安全极限(例如激光级别1-3)时，使用灵敏检测器来获得反射比读数。

本发明的另外的实施例实现NIR装置。在一些实施方式中，用于NIR光谱的NIR架构包括多色源、检测器和色散元件(例如棱镜或者衍射光栅)。这样，在不同的波长处测量散射/强度图案。在一种方法中，使用白色(多色)光束，使得对于每个表面点捕获完整的谱信息。然后显示这一信息作为不同波长的图案。在另一方法中，一个接一个地使用多个单色激光。对于每个激光，相机捕获图案。这些方法使得能够以反射或者透射模式来对不同波长处的强度进行记录和采样。可以使用用于产生NIR辐射的任何源。检测器对于所使用的波长范围是灵敏的，并且以单独或者组合的形式包括被电荷耦合的设备图像传感器、基于互补金属氧化物半导体(CMOS)的传感器、基于磷的IR可见变换器、InGaAs光电二极管等。使用这些传感器来记录NIR谱。

本发明的一些实施例特别地适用于用于在放射外科中跟踪结构的装置和方法。然而应当理解，在其他实施例中，装置和方法具有更大的用途，诸如使用其他类型的仪器和其他类型的成像设备的其他类型的医疗过程。

描述用于放射外科的典型系统以更好地理解。系统和/或治疗设备可以包括计算机、波束源和用于存储患者的三维或者体积图像的设备。例如，立体定向放射治疗设备包括也被称为波束源的照耀设备。这一波束源产生被称为治疗波束的辐射波束。可以向不同的位置移动波束源。以这一方式，可以朝着目标定向波束。目标通常是肿瘤，但是也可以使用本方法来治疗其他损伤。在用于放射外科的商业可得到的系统中，波束源被安装至龙门设备或者连结的机构。这一机构是可编程的，并且可以向空间中的适当位置移动波束源。

在治疗之前，从感兴趣的区域得到CT或者MR。然后在所得到的图像堆栈中标记目标。

NIR图像引导的靶向

图2A是根据本公开内容的一种实施例的图示用于使用NIR成像数据来确定患者的骨骼解剖结构信息的过程的流程图200A。在计算机系统内执行流程图200A中的操作中的一些或全部操作，计算机系统包括处理器和存储器，存储器耦合至处理器并且具有存储在其中的指令，这些指令在由计算机系统来执行时使得系统执行用于使用NIR成像数据来确定患者的骨骼解剖结构信息的方法。在另一实施例中，用于执行方法的指令存储在具有计算机可执行指令的非易失性计算机可读存储介质上，这些指令用于使得计算机系统执行用于使用NIR成像数据来确定患者的骨骼解剖结构信息的方法。流程图200A中给出的方法能够通过计算机系统100以及图3A和图3B的相应系统300A和300B的部件中的一个或多个部件来实现。

在210，该方法包括确定对象或患者的皮肤特性。更具体地，针对患者的区域确定皮肤特性。比如，针对颅骨区域确定皮肤特性。在其他示例中，针对位于患者的躯干上的区域确定皮肤特性。该区域通常在位于患者上或者位于患者内的外科手术目标附近。

在一种实施例中，通过执行NIR光学扫描来确定皮肤特性。比如，在一种实施例中，将NIR用于对患者的骨骼解剖结构进行成像和映射的使用涉及对被患者的皮肤吸收的大量信号进行特征化。这通过使用具有已知的波长和强度的高强度激光来实现。这样，NIR或者其他合适的信令的使用实现对患者的外部皮肤的特性进行特征化的手段。另外，NIR的使用实现用以实时地照亮骨骼解剖结构的手段。

例如，在确定皮肤特性时，该方法包括使用另一源发射NIR能量来对患者的区域执行另一光学扫描。在一种实施例中，源发射具有给定频率和变化的强度的能量。在另一实施例中，源发射具有变化的频率的能量。在另一实施例中，源发射具有变化的强度和频率(例如波长)的能量。该方法还包括确定与皮肤反射特性、皮肤透射特性和皮肤荧光特性中的至少一项相关的皮肤的信令特性，使得信令特性是从多个被检测信号可过滤的。这样，在一种实施例中，所采集的数据提供反射比“光谱立方体”，其可以被评估用于基础解剖结构的最大反射比(例如通过过滤)。

在另一实施例中，可以使用较高能量的NIR源来引起骨骼解剖结构的激励和直接用于确定骨骼信息(例如定位)的反射信号的采集。具体地，该方法包括使用NIR能量源跨变化的频率和强度对患者执行另一光学扫描。确定使用最小皮肤信令特性最优地照亮骨骼解剖结构的最优频率和强度组合。这样，不需要对皮肤特性过滤，并且因此，使用最优频率和强度组合来对患者执行治疗中光学扫描，使得不需要对皮肤特性的过滤。

在另一实施例中，使用传统的方法(诸如使用计算机断层(CT)或者磁共振成像(MRI)来执行的那些方法)来确定皮肤特性。虽然可以通过提取组织的组织学样本来执行单个患者的皮肤的真正特征化，但是显然对于放射治疗中的真实世界临床治疗其并无益。这样，本发明的实施例提供非攻击性的光谱方法以执行皮肤特征化，以包括以下技术，诸如漫反射率、荧光性、x射线荧光性(XRF)、傅里叶变换IR(FTIR)等。

在220，该方法包括对患者的区域执行治疗中光学扫描。使用NIR能量源或者光学扫描仪来执行光学扫描。例如，使用宽带NIR源以及如关于图3B和图3C所描述的适当的传感器来执行骨骼解剖结构的就地可视化时的后皮肤特征化。治疗中光学扫描过程包括在230根据光学扫描检测多个被检测信号。比如，检测器可配置成接收被反射离开患者的信号、通过患者传输的传输信号、以及从患者发射的荧光信号。

另外，在240，该方法包括针对多个被检测信号滤除皮肤特性。也就是，然后对在多个检测器处采集的数据进行过滤以从单个患者的皮肤去除从在210执行的特征化步骤取得的贡献。比如，可以对商业可获得的、基于GPU的处理器执行所有计算以提供骨骼解剖结构的实时可视化的能力。

在250，该方法包括根据被过滤的多个信号确定与区域关联的骨骼解剖结构信息。特别地，皮肤特征化增加放射治疗的精度。也就是，可以对检测到的多个信号进行解卷积，以去除来自皮肤的贡献。这样，获得潜在的骨骼解剖结构。

图2B是根据本公开内容的一种实施例的图示用于使用NIR成像数据来对对象或者患者的骨骼解剖结构进行定位的过程的流程图200B。在计算机系统内执行流程图200B中的操作中的一些或全部操作，计算机系统包括处理器和存储器，存储器耦合至处理器并且具有存储在其中的指令，这些指令在由计算机系统来执行时使得系统执行用于使用NIR成像数据来定位对象或者患者的骨骼解剖结构的方法。在另一实施例中，用于执行方法的指令存储在具有计算机可执行指令的非易失性计算机可读存储介质上，这些指令用于使得计算机系统执行用于使用NIR成像数据来定位对象或者患者的骨骼解剖结构的方法。流程图200B中给出的方法能够通过计算机系统100以及图3A和图3B的相应系统300A和300B的部件中的一个或多个部件来实现。

在260，该方法包括执行基础扫描以获得外科手术目标在目标或者患者的骨骼解剖结构内的相对3D定位。比如，基础扫描包括用于执行计划CT或MRI的传统方法。从基础扫描获得的信息包括部分皮肤特征化信息和骨骼解剖结构信息。

在265，该方法包括对患者执行治疗中光学扫描以确定骨骼解剖结构在治疗系统或环境内的3D定位。比如，该方法包括使用高强度NIR源来照亮患者的解剖结构。

在270，该方法包括根据光学扫描检测多个被检测信号。比如，该方法包括使用一个或多个精确对准的传感器/相机来测量或者检测透射、反射和荧光能量。

在275，该方法包括从多个被检测信号滤除患者的皮肤的信令特性以获得与骨骼解剖结构相关的信号。以这一方式，还可以确定骨骼解剖结构在治疗系统内的3D定位。比如，该方法包括使用所记录和所过滤的信号的光强度和飞行时间分析来三角测量和导出对象(例如骨骼)表面的精确3D空间位置。

在280，该方法包括出于精确患者定位的目的将骨骼模型共同配准到参考患者CT或MRI数据集中。具体地，该方法包括配准从治疗中光学扫描获得的骨骼解剖结构的3D定位以及根据基础扫描确定的骨骼解剖结构的3D定位以确定外科手术目标在治疗系统内的相对定位。也就是，执行图像到图像的相关，使得骨骼解剖结构的图像与通过同一扫描对象或者患者解剖结构生成的先前扫描(例如CT、MT或MRI扫描)相关。将骨骼解剖结构扫描的3D图像进行比较以确定最接近的数据拟合。比如，最小平方比较过程将找到解剖结构的NIR图像与先前获得的CT/MRI体积数据之间的最接近的拟合。之后，可以执行外推以确定外科手术目标在对象和/或患者内的3D空间位置。这样，在治疗系统内通过外推获得外科手术目标的3D空间位置。

之后，一旦已知外科手术目标的位置与骨骼解剖结构相关，则可以使用精确校准的相机和适当的软件来引导立体定向过程。也就是，然后将外科手术目标暴露到来自治疗系统的治疗波束辐射。由于在定位过程期间没有使用任何电离辐射，所以在本发明的实施例中，确定骨骼并且因此确定目标位置的过程可以是连续的。也就是，可以定期对患者执行治疗中光学扫描。在一种实施例中，每秒钟执行扫描1-5次。在另一实施例中，每秒钟执行扫描20-30次。在其他实施例中，可实现甚至更高的速率。

因此，通过连续的患者定位，该方法包括基于当前治疗中光学扫描来更新对来自治疗中光学扫描的骨骼解剖结构的3D定位以及根据基础扫描确定的骨骼解剖结构的3D定位的配准，以确定外科手术目标在治疗系统内的当前相对定位。这样，该方法还包括基于当前相对定位来使目标与治疗波束辐射对准以将目标暴露到治疗波束辐射。

本发明的实施例中所呈现的各种方法的精度和灵敏度可以依赖于从感兴趣的骨骼解剖结构接收到的反射信号和检测传感器的灵敏度。在一种实施例中，有利的是，使用NIR谱内具有高的谱分辨率和空间分辨率的传感器。

图3A是根据本公开内容的一种实施例的用于通过NIR成像来执行3D患者建模的治疗系统300A的框图。比如，在一种实施例中，治疗系统300A可配置成实现图2A的方法、图2B的部分以在治疗中过程期间提供实时的患者建模和定位。也就是，治疗系统300A可实现为提供患者建模和定位以便提供外科手术目标在患者的骨骼解剖结构内的精确波束布置。

治疗系统300A包括被配置用于确定患者的皮肤特性的皮肤检测器325。如先前描述的，皮肤检测器可以包括用以确定皮肤特性的传统CT、MT或者MRI扫描系统。在另一实施例中，皮肤检测器325可以包括用以确定与特定患者的皮肤特性相关的定制数据的NIR光学扫描仪。例如，与皮肤特性有关的信令可以是可确定的，并且稍后在使用NIR能量照亮患者时，对其进行滤除以获得与骨骼解剖结构相关的信令信息。比如，在实施例中，皮肤检测器325可以执行图2A中的操作210以及图2B中的操作260。

治疗系统300A还包括被配置用于对患者的区域执行治疗中光学扫描的治疗中NIR光学扫描仪310。从光学扫描仪310获得的信息用于确定骨骼解剖结构在治疗系统内的3D定位。比如，NIR光学扫描仪310用于执行图2A的操作220和图2B的操作265。

治疗系统300A还包括被配置用于在与患者交互之后测量和/或检测反射信号、透射信号或者从NIR光学扫描仪310激发和/或取得的荧光信号中的一个或多个信号的一个或多个检测器330。比如，检测器330被配置成执行图2A的操作230和图2B的操作270。治疗系统300A还包括用于从多个被检测信号滤除皮肤特性的过滤器335。比如，过滤器335被配置成执行图2A的操作240和图2B的操作275。

治疗系统300A还包括被配置用于根据经过滤和检测的信号来确定患者的骨骼解剖结构的建模模块340。特别地，建模模块340对患者的区域建模。其中该区域接近外科手术目标。这样，通过建模模块340创建骨骼解剖结构在该区域内的模型。

图3B是根据本公开内容的一种实施例的被配置用于提供包括通过NIR成像确定的治疗中患者定位的患者的治疗的治疗系统300B的框图。比如，在一种实施例中，治疗系统300B可配置成实现图2B的方法和图2A的部分以在治疗中过程期间提供实时的患者建模和定位。

如所示出的，治疗系统300B包括被配置用于执行基础扫描以获得外科手术目标在对象或者患者的骨骼解剖结构内的相对3D定位的基础扫描仪305。比如，在一种实施例中，基础扫描仪305被配置成在图2A的210处确定皮肤特性。另外，在一种实施例中，基础扫描仪305被配置成执行在图2B的260处的操作。

系统300B还包括被配置成确定骨骼解剖结构在治疗系统或者环境内的3D定位的治疗中NIR光学扫描仪310。比如，扫描仪310被配置成执行治疗中光学扫描，诸如在图2A的220中给出的操作以及在图2B的265中给出的操作。以这一方式，反射、透射和荧光信号在一个或多个检测器(未示出)处是可检测的并且被用于确定患者的模型。在一种实施例中，使用过滤器(未示出)从所检测的信号滤除皮肤特性以使用建模模块来获得患者的骨骼模型。比如，过滤机制包括一种算法，该算法基于使用统计信息的测量以及根据进一步的红外测量(例如平均皮肤氧饱和度、色调等)执行的每患者校准来计算皮肤属性。

系统300B还包括被配置用于配准根据治疗中光学扫描获得的骨骼解剖结构的3D定位以及根据基础扫描确定的骨骼解剖结构的3D定位，以确定外科手术目标在治疗系统内的相对定位的配准模块315。系统300B还包括被配置用于将外科手术目标暴露到来自治疗系统的治疗波束放射治疗波束辐射器320。

图3C是根据本公开内容的一种实施例的被配置用于提供3D患者定位的NIR成像系统300C的应用的图示。比如，NIR成像系统300C可实现为提供用于皮肤特征化的预治疗光学扫描以及用于确定治疗中患者建模和定位二者的治疗中光学扫描。

特别地，系统300C包括作为NIR光学扫描仪370的NIR装置，用于向对象350(例如患者)上发射能量375。在一些实施方式中，用于NIR光谱的NIR仪表包括源、检测器和色散元件(例如棱镜或者衍射光栅)。这使得能够以反射或者透射模式来记录和采样在不同波长处的强度。可以使用用于产生NIR辐射的任何源。

检测器360A-C对于所使用的波长范围敏感，并且以单独或者组合的形式包括被电荷耦合的设备图像传感器、基于互补金属氧化物半导体(CMOS)的传感器、基于磷的IR可见变换器、InGaAs光电二极管等。这些传感器用于记录从源自扫描仪370的反射、荧光和/或透射能量所获得的NIR谱。作为示例，检测器360A用于检测反射波长或能量，检测器360B用于检测透射波长或能量，并且检测器360C用于检测荧光能量。在实施例中，使用一个或多个检测器，其中每个检测器被配置成检测反射、荧光和/或透射能量中的一项或多项。

骨骼结构的实时跟踪

图4是根据本公开内容的一种实施例的图示皮肤厚度的测量的图400。在患者的治疗期间需要皮肤厚度的测量，因为以很高的精度来定位目标区域。根据本发明的实施例，波束源32向患者的皮肤表面450投射光子波束。这一波束源可以是用于生成激光波束、或者红外激光波束的设备，或者可以是用于生成这样的激光波束的图案的设备。这一波束源不用于以坏死的辐射剂量来照射目标肿瘤或者损伤，而是用于定位患者的位置。

皮肤表面450向相机或者检测器设备431反射波束。例如，如果目标在患者的头部中，则必须以很高的精度来确定头部的位置，并且波束源向患者的前额投射。根据本发明，检测器或者相机设备31采集从患者反射的光子。

根据在检测器431处采集的反射图案来计算皮肤的厚度439。然后使用相机设置来计算投射的光子首次到达患者的皮肤表面的空间点434。检测器和波束投射器配备有内部或外部坐标系。可以相对于本坐标系来规定空间中点的位置。通过添加皮肤距离内部坐标系的距离以及皮肤在这一投射点处的厚度，可以计算点437在患者的骨骼表面460上的位置。

通过重复这一过程，获得患者的骨骼表面上的一系列点。然后可以使这一表面与从体积图像数据提取的骨骼等高线对准。可以根据传统的成像设备(诸如CT或MR设备)来获得体积图像数据。根据体积图像数据已知目标相对于骨骼表面的位置。总之，可以根据对皮肤反射属性的重复测量以及皮肤表面的位置来推断目标的位置。

更具体地，检测器设备431在行进通过患者的皮肤并且与组织交互之后采集反射的光子。为了根据本发明的实施例获得在特定点处皮肤厚度的估计，采集关于这样采集的光子的数据，其与皮肤的厚度相关。这一数据采集可以解决与特定点或区域处皮肤的厚度相关的反射光子的属性测量。因此，根据本发明的实施例，相关测量可以涉及光谱信息、反射光子的相位角计算、光子反射光斑的大小、形状和图案、分布或者反射或者强度图案、或者使得能够实现皮肤厚度的相关的任何其他测量。

在根据本发明的优选实施例中，检测器和投射器被合并到放射治疗设备中以在放射治疗期间报告内部目标的位置。因为投射器在定位和皮肤厚度检测过程中使用非电离放射，所以确定骨骼位置并且因此确定目标位置的过程可以是连续的。另外，确定骨骼位置和目标位置的过程不干扰治疗，诸如MRI。

在根据本发明的第二优选实施例中，源和检测器被集成到外科手术或者其他医疗设备中，使得根据本发明的方法提供关于在患者内部的目标的位置的定位信息。这样的医疗或者外科手术治疗的示例是机能神经外科中的操作、神经内科中的介入或者导向传统的设备用于经颅磁性刺激所必须的介入。

在本发明的另外的实施例中，检测器和投射器被合并到测量解剖属性的诊断设备中，诸如传统的MRI或者CT或者PET或者SPECT或者超声波、磁性粒子成像、OCT或者其他医学成像设备。在本实施例中，源和检测器在数据获取过程中提供对准信息，以改善所获得的图像的品质。在此，在数据获取期间患者的细小运动的精确信息允许补偿这样的运动，并且因此给出具有改善的品质或者分辨率的图像。根据本发明的源检测器设置的小型化允许将设备放置在空间受限的图像获取机器的内部。

在一种实施例中，可以以固定的时间间隔来重复根据本发明的位置信息的计算，或者其可以以连续的方式应用，使得实时地获得信息。

根据本发明的投射设备可以生成单个波束或者同时生成波束的网格。可以在数据获取期间移动根据本发明的波束的网格或者单个波束，或者其可以保持静止。

图5是根据本发明的一种实施例的图示用于高精度患者定位的方法的流程图500。在计算系统的范围内执行流程图500中的一些或者全部操作，计算系统包括处理器和存储器，存储器耦合至处理器并且具有存储在其中的指令，这些指令在由计算机系统来执行时使得系统执行用于使用NIR成像数据来对目标或者患者的骨骼解剖结构进行定位的方法。在另一实施例中，用于执行方法的指令存储在具有计算机可执行指令的非易失性计算机可读存储介质上，这些指令用于使得计算机系统执行用于使用NIR成像数据来对目标或者患者的骨骼解剖结构进行定位的方法。流程图500中给出的方法能够通过计算机系统100以及图6的系统600的部件中的一个或多个部件来实现。

特别地，在510，该方法包括从光子发射源向患者的皮肤表面上投射波束。在520，该方法包括可选地确定源与患者的表面之间的距离。在530，该方法包括确定皮肤和/或患者的软组织的光学属性。

在540，该方法包括使用光学属性来使骨骼结构(例如颅骨或者头部)相对于体积数据的位置对准以增强精度。比如，通过滤除患者皮肤的特征来根据光子的波束形成来自骨骼结构的信号。一旦骨骼结构已知，则可以确定骨骼结构相对于已知原点的位置。另外，通过使通过波束能量获得的骨骼结构的信息与根据CT数据获得的骨骼表面信息对准(或者任何其他成像技术)来实现精度。比如，包括骨骼定位的信息的点云二者被彼此配准。

另外，由于波束能量产生非电离能量，所以连续地暴露到患者无害，并且允许关于骨骼定位的接近实时或者实时的信息。以这一方式，在某个时间段内，可以在同一时间段上跟踪患者的骨骼结构。

在一种实施例中，计算患者的皮肤表面的位置。通过添加从反射属性获得的皮肤厚度信息来确定患者的骨骼表面的位置。比如，可以从通过波束能量获得的反射和透射信息中减去皮肤厚度信息或者皮肤特征。

在另一实施例中，测量光子反射的物理属性，诸如光谱信息或者相位角信息或者飞行时间信息或者反射光子的反射图案的分布的信息。基于所采集的信息来确定与皮肤厚度的相关性。

在本发明的实施例中，结合医学成像来使用目标定位以改善图像品质或者分辨率。在其他实施例中，在外科手术或者医疗介入中使用目标定位。在另一实施例中，结合放射治疗设备来使用目标定位。

图6是根据本公开内容的一种实施例的能够出于对象的骨骼解剖结构的3D定位的目的而使用NIR成像来确定皮肤厚度的用于治疗的系统600的框图。比如，治疗系统600可配置成实现图5和图15的方法以提供皮肤厚度的实时确定。

特别地，系统600包括被配置用于将对象和/或患者的外表面上的第一点暴露到来自NIR能量源的NIR能量的治疗中NIR光学扫描仪610。比如，第一点包括能量被定向至其的波束入射点。

系统600还包括用于测量第一3D点附近发出的反射能量的至少一个检测器620。具体地，检测器被配置成测量在波束入射点附近辐射的总能量，其中能量包括反射离开皮肤表面、皮肤的各个层和对象的骨骼的能量。

系统600还包括用于基于与反射能量中心的距离来确定反射能量的图案的图案生成器630，其中中心由第一3D点来近似。如关于图12将描述的，针对围绕波束入射点的每个同心环测量能量。因此生成反射能量的强度图案。

系统600还包括用于基于图案来确定皮肤厚度测量的图案匹配器640。具体地，对于给定NIR能量波长，相似的皮肤厚度将生成相似的反射图案。在一种实施例中，NIR能量包括固定波长的集中波束，其被优化用于渗透到患者的骨骼。在另一实施例中，NIR能量包括具有不同波长和/或极化的多个共线激光波束。

系统600还包括能够生成补偿皮肤厚度的3D骨骼解剖结构的建模模块650。具体地，根据NIR光学扫描仪来生成对象的皮肤表面的3D点云。一旦补偿皮肤厚度，则生成并且建模骨骼解剖结构的表面的3D点云。这样，建模模块650能够确定骨骼解剖结构在治疗系统内的3D定位。

系统600还包括配准模块660，配准模块660被配置用于配准从治疗中NIR光学扫描获得的骨骼解剖结构的3D定位以及根据基础扫描确定的骨骼解剖结构的3D定位，以确定骨骼解剖结构和/或外科手术目标在治疗系统内的相对定位。系统600还包括被配置用于将外科手术目标暴露到源自治疗系统的治疗波束辐射的治疗波束辐射器670。

图7A-图7D是图示用于患者定位的各种方法的流程图700A-D，其中每个方法被配置成使用用于确定皮肤厚度的方法来定位患者以用于治疗。这涉及将患者的体积扫描(用于计划、剂量计算等的CT或MRI数据)实时地配准到实际患者位置上。在每个方法中，连同体积数据处理一起确定光学患者定位，如下面所描述的。

总之，光学患者定位中的第一步骤是测量患者的3D位置。例如，用于这一目的的无源系统和有源系统是在商业上可获得的。无源系统使用一个或多个相机来观察患者。比如，使用面部特征来跟踪头部位置并且提供1cm平移和3度旋转的精度。有源解决方案以定义的角度和强度向患者发射光。它们极少受到环境的影响，更可靠并且精确，并且在本发明的实施例中使用。比如，有源解决方案用于生成表示患者的表面的3D点云(例如根据基础扫描和/或根据治疗中光学NIR扫描仪)。

在一种实施例中，光学激光扫描仪将三角测量原理用于3D定位。在三角测量设置中，相机观察相对于相机中心具有已知位置和旋转的激光的反射。可以根据相机图像中的2D点位置和相机到激光位置来计算3D点位置。为了捕获3D点集合，存在不同的方法，诸如可以使用一个或两个移动镜子来改变激光波束的角度并且随着时间对场景进行光栅化。另外，Microsoft Kinect同时使用多个激光点并且仅通过其强度和邻居来在仅一个相机图像中识别它们。也可以使用不同的颜色或者随着时间的开关编码来识别不同的激光角度。

用于3D扫描的备选方法使用飞行时间和相位角测量。两种方法测量光从发射器行进到目标上并且返回检测器的距离。飞行时间方法使用极短的激光脉冲，并且对出射光和入射光之间的时间进行计数。相位角方法使用强度调制来将波形调制到激光波束上。然后通过比较出射波形和入射波形来计算行进距离。另外，使用镜子来改变两个波束角度并且观察完整的3d场景。

以上解决方案具有不同的深度和角度分类率以及不同的测量范围。这些解决方案可能受到噪声的影响，或者发射光可以与皮肤交互并且引起三角测量误差。比如，在点获取过程中看到的一个误差是皮肤的弹性，其中皮肤厚度取决于血液压力、张力、温度并且由于面部表情而改变。本发明的实施例能够在确定骨骼解剖结构的3d定位时补偿皮肤厚度，如下面将描述的。

第二步骤是从体积数据提取对应的特征。这一步骤在软组织对比度很低的情况下在诸如CT扫描中引入误差。前额处的皮肤边界被模糊，并且门限的很小的变化在分段期间产生+-1毫米的皮肤厚度。另外，过滤导致强度累积，这表示在明亮区域(例如接近骨骼)中，朝着最大强度移动强度。另一方面，骨骼对高Hounsfield单元进行特征化，并且很容易从CT数据提取。本发明的实施例能够提取通过某些皮肤厚度图案或者其他强度测量图案可识别的特征(例如由于血管或基础材料或者皮肤的变化)。

在第三步骤中，将两个特征集合彼此匹配。也就是，将根据治疗中光学扫描确定的特征与根据基础扫描确定的特征相比较。在获得精确的平移和旋转对准时特征信息是有帮助的。这一配准的结果是体积数据与实际患者位置之间的转换。配准涉及在初始位置猜测之后使用梯度递减算法(例如迭代最近点“ICP”)来迭代地匹配点云。

图7A-D提供在光学上测量用于使用所测量的信息来增强三角测量和配准的附加皮肤属性(例如皮肤厚度)的能力。在实施例中，皮肤厚度是要测量的最重要的特征。

图7A是根据本公开内容的一种实施例的图示用于患者定位的方法的流程图700，其在确定对象的3D定位时丢弃不满足门限的厚度测量。在保守方法中，通过集中在具有低皮肤厚度的区域上处理有弹性的皮肤形变。也就是，丢弃皮肤厚度超过门限的3D点，并且不将其用于点云匹配。注意，对于这一应用，将皮肤厚度测量约简为简单的高/低检测。

特别地，图7A包括表面匹配。使用标准激光扫描仪在光学上测量表面。然后针对所有表面点粗略计算皮肤厚度。比如，可以将皮肤厚度分为“厚”或者“薄”等。定义所有表面点的子集，使得子集中的所有点具有在门限以下的皮肤厚度测量(例如其中皮肤很薄)。丢弃所有具有较高皮肤厚度的点。还从计划CT或者患者数据库中提取另一表面。这一表面和表面厚度测量的所得子集针对患者位置被对准。在此，不计算骨骼信息，但是可以在皮肤较薄的情况下使光学和CT表面对准。

如图7A所示，从基础CT扫描提取皮肤表面。另外，CT扫描能够对3D骨骼解剖结构建模并且在3D骨骼解剖结构中定位外科手术目标。

在703，执行治疗中NIR光学扫描。这样，确定皮肤表面的3D点云以给出患者的皮肤表面在治疗系统内的位置。另外，在702，确定粗略皮肤厚度测量。这是确定3D点云的测量品质的尝试。对于超过门限的皮肤厚度，丢弃这些点的测量，因此导致测量点的子集选择704。在705，使用点的子集选择来生成不被干扰的皮肤表面。

在706，使用皮肤表面信息来执行配准。也就是，使用从CT扫描获得的3D皮肤表面来配准根据治疗中光学扫描获得的皮肤表面的3D模型。因此，实现两个表面之间的对准，使得外科手术目标在治疗系统内被定位。

图7B是根据本公开内容的一种实施例的图示用于患者定位的方法的流程图700B，其使用NIR成像来确定根据基础扫描取得的3D骨骼模型与根据治疗中光学治疗确定的3D骨骼模型之间的配准品质。使用真实皮肤厚度测量通过使用加权过程确定配准的品质来增强配准。

特别地，公共点云匹配算法计算两个点云中的点对之间的距离误差。所有距离之和然后给出匹配品质，其然后通过患者相对于治疗系统的实际运动而被最小化。图7B示出的过程还计算皮肤厚度误差作为点对的距离误差的附加因子。这样，可以在优化过程中对具有高的皮肤厚度的点较小地加权。以这一方式，可以容忍或者补偿具有形变的区域中的误差，同时精确地匹配具有较小期望形变的区域。

如所示出的，在710，从基础CT扫描提取皮肤表面。另外，CT扫描能够对3D解剖结构建模并且在3D解剖结构内对外科手术目标定位。另外，确定足以用于确定皮肤厚度误差的粗略皮肤厚度测量。

在712，执行治疗中NIR光学扫描。这样，确定皮肤表面的3D点云，以给出患者的皮肤表面在治疗系统内的位置。另外，在711确定皮肤厚度测量，其中针对点云中的每个测量点确定皮肤厚度。在713，执行加权配准，其中点云被配准和对准，并且针对配准确定加权品质或者误差因子。误差因子确定点云对之间的距离。可以相对于皮肤厚度测量来加权，使得具有低的皮肤厚度的区域在误差和中被强调，而形变区域在配准期间被抑制。备选地，可以在距离误差的基础上添加每个点云对的皮肤厚度误差以使得这二者最优化。累积误差给出配准的品质，使得在迭代过程中，目的是将累积误差降为最小值。一旦达到最小值，则在714实现患者定位。也就是，在治疗系统内对患者的皮肤表面的3D模型定位。这样，还在治疗系统内对外科手术目标定位。

图7C是根据本公开内容的一种实施例的图示用于患者定位的方法的流程图700C，其在使用NIR成像来确定从治疗中光学扫描取得的3D骨骼模型时补偿皮肤厚度。在720，从基础CT扫描提取骨骼表面。也就是，CT扫描能够对3D骨骼解剖结构建模并且在3D骨骼解剖结构内对外科手术目标定位。

在723，执行治疗中NIR光学扫描。这样，确定皮肤表面的3D点云，以给出患者的皮肤表面在治疗系统内的位置。另外，在721确定皮肤厚度测量，其中针对点云中的每个测量点确定皮肤厚度。

如以上所指出的，皮肤弹性不是唯一的误差源。也很难从CT数据提取皮肤表面。这样，使用皮肤厚度从一个扫描到另一扫描来补偿皮肤的任何形变。在724，在皮肤表面的3D点云中补偿皮肤厚度。也就是，在点云的每个点处，确定皮肤厚度并且减去皮肤厚度以给出下面的骨骼结构的位置。这样，在725，确定骨骼解剖结构的骨骼表面的3D点云。特别地，沿着皮肤表面的标准矢量方向向3D点位置添加所测量的皮肤厚度。这粗略地计算下面骨骼的3D表面。另一方面，从CT体积提取头盖骨表面而非皮肤，其由于骨骼组织的高Hounsfield值和尖锐边缘而非常稳定。在726，将两个点云彼此配准用于患者定位。例如，通过最优地将两个点云的几何形状彼此拟合来执行配准。在727实现患者定位。也就是，在治疗系统内对患者的骨骼表面的3D模型定位。这样，还在治疗系统内对外科手术目标定位。

图7D是根据本公开内容的一种实施例的图示用于患者治疗的方法的流程图，其在使用NIR成像来确定从治疗中光学扫描取得的3D骨骼模型时补偿皮肤厚度，并且还在使用NIR成像来配准根据基础扫描和根据治疗中光学扫描取得的3D表面模型时提供特征配准。支持其他配准技术，诸如专注于特征配准而非距离最小化的配准算法。这些算法更快更精确。一个示例是照片拼接，其中仅通过将显著图像特征彼此映射而将两个图像彼此配准。因此，在本发明的实施例中通过特征匹配实现了头部跟踪，其中使显著被测量皮肤属性与来自CT或MRI数据的被提取皮肤属性匹配。例如，可以使具有相等皮肤厚度或者显著皮肤非均匀性的区域彼此匹配。

在730和731，从基础CT扫描提取骨骼表面。也就是，CT扫描能够对3D骨骼解剖结构进行建模并且在3D骨骼解剖结构内对外科手术目标定位。另外，执行特征的特征化，使得发现可识别的特征。

在733，执行治疗中NIR光学扫描。这样，确定皮肤表面的3D点云，以给出患者的皮肤表面在治疗系统内的位置。另外，在732确定皮肤厚度测量，其中针对点云中的每个测量点确定皮肤厚度。另外，在732，确定特征测量。也就是，识别特定特征。

在734，执行配准。配准过程包括骨骼解剖结构点云的配准以用于患者定位。例如，通过最优地拟合两个点云的几何形状来执行配准。在727实现患者定位。另外或者备选地，执行特征配准以获得两个点云之间的更精确的对准和配准(例如平移和旋转对准)。这样，在735实现患者定位。也就是，在治疗系统内对患者的骨骼表面的3D模型进行定位。这样，还在治疗系统内对外科手术目标定位。

图8是根据本公开内容的一种实施例的治疗中光学扫描系统800的图。特别地，使用反向散射来执行皮肤厚度测量。如所示出的，系统800依赖于三角测量设置。将来自发射器810的激光光束定向到目标上(跨目标对其扫描)，并且通过三角测量相机820来观察该激光光束，以得到3D激光光斑位置。

第二相机/检测器830配备有磁性透镜，并且使用分束器被对准到波束路径中。以这一方式，检测器830可以捕获激光光斑的高分辨率图像，而不管镜子(例如跨目标移动波束的两轴检流计设备)是否反射激光光束。备选地，可以使用高分辨率三角测量相机而非第二相机来观察激光光斑，这还可以包括执行分段和透视校正作为预处理步骤。如所示出的，使用7个收集器1200用于图像分析，然而，还支持更多或更少数量的传感器。例如，7个ccd线传感器或者7个光电二极管将足以观察这些特征。

图9是根据本公开内容的一种实施例的图示关于皮肤厚度的返回的入射能量的比例的图900。为了找到最佳测量方法，仿真皮肤中的光传播。本发明的实施例假设具有平均光学属性的八层皮肤模型。比如，八个层包括镜面反射(specular reflectance)(层A)、角质层(stratumcorneum)(层B)、活表皮层(living epidermis)(层C)、乳突真皮层(papillary dermis)(层D)、上部血网真皮层(upper blood netdermis)(层E)、真皮层(dermis)(层F)、深层血网真皮层(deepblood net dermis)(层G)和皮下脂肪(subcutaneous fat)(层H)。骨骼层被示出为层I。形成高斯分布的2*10⁸个光子的激光光束被定向到组织上。由于使用定义的参数集合生成皮肤模型，所以仿真实现所期望测量的精确地面事实。

首先，选择皮肤渗透的最优波长。下面示出从八个层中的每个层反射的光子能量相对于来自所选择的数目的波长的皮肤表面的总的漫反射的比例。粗略逼近的光子皮肤交互光吸收随着波长的增加而增加，并且散射随着波长的增加而减小。如图9所示，要使用的最优波长集中在800-900nm附近。也就是，由于仅可以在来自两个最深层的光子中找到皮肤厚度信息，所以必须使这些光子的量最大化，如圆圈910中所示。这使用800-900nm的激光波长来实现。贯穿本说明书，通过说明，选择850nm的波长作为主要波长。

图10A-B是根据本公开内容的一种实施例的图示针对较大皮肤厚度的最远离中心(波束入射点)的光子能量的存在的多个图1000。如所示出的，反向散射器的空间分布非常有趣是因为总的漫反射在空间上被分解成来自每个个别层的分量。每个位置表示在该位置上与总的漫反射相关的光子能量。观察到，在距离波束中心较高处，来自深层激光的光子的百分比增加。比如，如高亮显示区域1010中所示，深层皮下脂肪的反射能量被示出为距离图1030中的中心(波束入射点)的较大半径。另外，在图1020中，骨骼的反射被示出为比皮下脂肪层的半径还要大的半径。在距离中心(波束入射点)4到7毫米的距离处可以找到百分比与光子计数之间的很好的折衷。

图10C是根据本公开内容的一种实施例的示出在距离波束入射点各种半径处的光子能量的存在的曲线图1000C。比如，由于镜面反射1060的贡献而产生的光子能量向外存在至大约4mm的半径。较深的层(诸如骨骼1050)具有向外至大于大约8mm的半径的反射光子能量。

图11是根据本公开内容的一种实施例的图示针对各种皮肤厚度在距离中心(波束入射点)的各种半径上分布的入射能量的图案的图表1100。如所示出的，可以在距离中心(波束入射点)大约4至7毫米的区域中找到不同皮肤厚度的最大量的强度变化。下面给出3mm到8mm的皮肤厚度的相对强度变化。比如，测量1110与5mm的皮肤厚度对应，测量1120与2mm的皮肤厚度对应，并且测量1130与0.5mm的皮肤厚度对应。

每个测量示出在距离中心(波束入射点)不同半径处的变化的强度。例如，在5毫米半径处，可以看到强度从3毫米到5毫米(脂肪从0mm到2mm)增加了10％。该值可以用于皮肤厚度测量。

在另一实施例中，为了实现更高的精度，已经选择另外的特征用于皮肤厚度测量。图12是根据本公开内容的一种实施例的图示在测量皮肤厚度时在其内检测到光子能量的中心(波束入射点)周围的多个同心圆的图1200。感兴趣的同心区域(1-7)被定义为以1mm的宽度围绕波束中心。对于每个区域，累积总能量(像素强度之和)(例如用于噪声抑制)。

图13是根据本公开内容的一种实施例的图示皮肤厚度与区域强度之间的依赖性的图。比如，图1300图示在第一组参数下各个皮肤厚度的特征测量。如图1300所示，由线1310所示的最大皮肤厚度示出突出特征的特征化的非线性响应。将这与较薄皮肤厚度的更多线性响应比较，没有示出任何特征。

图14是根据本公开内容的一种实施例的皮肤厚度计算的图示。特别地，在1410，使用传统的扫描技术(例如CT、MRI等)以及使用治疗中光学扫描仪(例如NIR扫描)进行测量。在1420，对于基础扫描和治疗中光学扫描二者确定特征。在1430，使用现有技术中的预测算法(诸如对这些特征进行训练的支持向量回归(SVR))，这允许推断脂肪层的厚度并且因此在1440根据相机图像来推断整个皮肤。另外，使用SVR和图像预处理误差源，还可以处理变化的强度和非正交的波束入射角。

图14B是根据本公开内容的一种实施例的图示出于患者定位的目的而连续地使用标记特征的点云配准的流程图。如所示出的，特征测量被执行并且用于配准根据基础扫描(例如计划CT扫描)取得的点云以及根据治疗中光学扫描仪(例如NIR能量源)取得的点云。没有包括特征，在考虑到旋转定位时配准可能不充分，因为对象可能跨不同的旋转位置具有一致的形状。然而，将特征包括在配准过程中增加了旋转定位的精度，因为特征具有围绕旋转轴的精确位置。比如，在图1460中根据扫描1测量的光学特征类似于在图1470中在扫描N中测量的光学特征，并且可假定地用于扫描1到扫描N之间的任何扫描。因此，对照在扫描1中取得的3D表面模型来执行对于在扫描N中取得的3D表面模型的配准是稳定的。因此，以较高的精度获得扫描N的3D表面模型以及对应的外科手术目标在治疗系统内的所得到的相对定位。

图15是根据本公开内容的一种实施例的图示用于使用NIR成像来确定皮肤厚度的方法的流程图1500。在计算系统内执行流程图1500中的操作中的一些或全部操作，计算系统包括处理器和存储器，存储器耦合至处理器并且具有存储在其中的指令，这些指令在由计算机系统执行时使得该系统执行用于使用NIR成像来确定皮肤厚度的方法。在另一实施例中，用于执行方法的指令存储在具有计算机可执行指令的非易失性计算机可读存储介质上，计算机可执行指令使得计算机系统执行用于使用NIR成像来确定皮肤厚度的方法。流程图1500中给出的方法是通过计算机系统100以及图6的系统600以及图8的系统800的部件中的一个或多个部件可实现的。

在1510，在患者的外表面上的第一3D点处，该方法包括将第一点暴露到来自近红外(NIR)源的NIR能量。例如，在一种实施例中，该能量包括固定波长(例如700-950nm)的集中波束。在另一实施例中，NIR能量包括包含各种波长和/或极化的组合的多个共线激光波束。

在1520，该方法包括测量在第一3D点附近发出的反射能量。在1530，该方法包括基于与反射能量中心的距离来确定反射能量的图案，该中心由第一3D点(例如中心，波束入射点)来近似。例如，在一种实施例中，这包括在第一3D点周围定义多个同心环。针对多个同心环中的每个同心环确定反射光子累积计数。针对多个同心环生成光子累积计数图以生成图案。

在1540，该方法包括基于图案来确定皮肤厚度测量。具体地，这包括将所生成的光子累积计数的图案与反映皮肤厚度的多个预定义图案相比较。该方法包括：将所生成的光子累积计数的图案与多个预定义图案之一相匹配，并且基于匹配的预定义图案向第一3D点分配皮肤厚度测量。另外，该方法考虑到入射激光波束与皮肤表面之间的角度以补偿测量误差。根据周围3D点的3D信息来确定角度。另外，还可以根据NIR信息的完整数据集计算或者从其他源获得与特定患者有关的统计信息(例如皮肤类型、颜色)。

在一种实施例中，计算表示光子计数的数值的集合，并且使用数学模型来计算皮肤厚度。特别地，使用检测器来捕获激光光斑的反射光。在2D相机的情况下，针对某些区域累积所测量的强度/光子计数以获得数值特征。采集另外的测量信息，诸如激光与表面之间的角度、到目标的距离等。使用数学模型来将测量和特征数据变换成皮肤厚度值。在一种实施方式中，使用考虑到统计数据的各种方法来生成数学模型。比如，在一种实施方式中，将支持向量回归(SVR)用于数学模型，其是与神经元网络类似地操作的学习算法。可以对其进行训练以提供一组输入/输出对，并且可配置为确定对应的函数。也就是，可以训练SVR建模以考虑不同的肤色、血压、汗液、激光角度，使得确定考虑到所有输入数据的最佳可能函数。另外，SVR建模可以是患者特定的，使得可以训练SVR建模用于特定患者，其导致较好的性能。比如，通过在治疗之前对肤色分类，增加了SVR建模的精度。因此包括统计数据是有用的。

图16是根据本公开内容的一种实施例的图示用于出于对象的骨骼解剖结构的3D定位的目的而使用NIR成像来确定皮肤厚度的方法的流程图。在计算系统内执行流程图1600中的操作中的一些或全部操作，计算系统包括处理器和存储器，存储器耦合至处理器并且具有存储在其中的指令，这些指令在由计算机系统执行时使得该系统执行用于出于对象的骨骼解剖结构的3D定位的目的而使用NIR成像来确定皮肤厚度的方法。在另一实施例中，用于执行方法的指令存储在具有计算机可执行指令的非易失性计算机可读存储介质上，计算机可执行指令使得计算机系统执行用于出于对象的骨骼解剖结构的3D定位的目的而使用NIR成像来确定皮肤厚度的方法。流程图1600中给出的方法是通过计算机系统100以及图6的系统600以及图8的系统800的部件中的一个或多个部件可实现的。

在1610，该方法包括执行基础扫描以获得对象的骨骼解剖结构的相对3D定位。比如，可以进行MRI或者CT扫描(例如计划扫描)以获得骨骼解剖结构的定位信息。另外，基础扫描能够获得外科手术目标在骨骼解剖结构内的相对3D定位。

在1620，该方法包括对对象执行治疗中光学扫描以确定对象的表面的3D定位，其中治疗中光学扫描包括近红外(NIR)能量源。也就是，使用在本发明的实施例中给出的技术，获得对象的表面的3D模型。

在1630，对于对象的表面上的每个测量点，该方法包括基于由治疗中光学扫描引起的反射能量的图案来确定皮肤厚度。例如，通过将每个测量点暴露到NIR能量来确定皮肤厚度。然后，在每个测量点处，该方法包括在第一3D点周围定义多个同心环。另外，在每个测量点处，针对多个同心环中的每个同心环确定反射光子累积计数。另外，在每个测量点处，该方法包括针对多个同心环中的每个同心环绘制光子累积计数的曲线以生成图案。在每个测量点处，将所生成的光子累积计数的图案与反映皮肤厚度的多个预定义图案相比较。在每个测量点处，将所生成的光子累积计数的图案与多个预定义图案之一匹配。最后，在每个测量点处，基于匹配的预定义图案向第一3D点分配皮肤厚度测量。

在1640，对于所述对象的表面上的每个测量点，该方法包括补偿对应的皮肤厚度以确定与对应的测量点关联并且处于对应的测量点下面的骨骼定位。例如，补偿包括从对应的3D表面定位测量减去对应的皮肤厚度以确定与对应的测量点对应的骨骼定位，如先前所描述的。

在1650，该方法包括确定从治疗中光学扫描取得的骨骼解剖结构的3D定位。也就是，生成被定位在治疗系统的坐标系内的患者的骨骼模型。

该方法包括配准根据治疗中光学扫描取得的骨骼解剖结构的3D定位以及根据基础扫描取得的所述骨骼解剖结构的3D定位，以确定外科手术目标在治疗系统内的相对定位。

另外，配准可以包括特征配准。也就是，在根据基础扫描取得的所述对象的表面上确定第一可识别特征，其中所述可识别特征包括在根据基础扫描取得的骨骼解剖结构上的关联位置。另外，在根据治疗中光学扫描取得的对象的表面上确定第二可识别特征，其中第二可识别特征包括在根据治疗中光学扫描取得的骨骼解剖结构上的关联位置。可以根据来自与特征关联的测量点的反射信号的相关图案或者皮肤厚度来确定第二可识别特征。第一可识别特征和第二可识别特征基于公共特性被匹配。

另外，使用第一可识别特征和第二可识别特征之间的对准来执行对根据所述治疗中光学扫描取得的骨骼解剖结构的3D定位以及根据基础扫描取得的骨骼解剖结构的所述3D定位的配准。特别地，特征配准包括确定对应骨骼解剖结构的两个3D定位之间的平移和旋转对准。

因为在定位过程期间没有使用电离辐射，所以在本发明的实施例中，确定骨骼位置并且因此确定目标位置的过程可以是连续的。例如，该方法包括定期对对象执行治疗中光学扫描。该方法包括基于当前治疗中光学扫描来更新对根据治疗中光学扫描取得的骨骼解剖结构的3D定位以及根据基础扫描取得的骨骼解剖结构的3D定位的配准，以确定外科手术目标在治疗系统内的当前相对定位。之后，基于当前相对定位来对准外科手术目标和治疗波束辐射，以将外科手术目标暴露到治疗波束辐射。

因此，根据本公开内容的实施例，描述了提供使用NIR成像进行患者建模和定位的系统和方法。在其他实施例中，描述了用于确定皮肤厚度以使用NIR成像确定对象的骨骼定位的系统和方法。

虽然以上公开内容使用特定框图、流程图和示例给出了各种实施例，但是可以使用大量硬件、软件或者固件(或者其任意组合)配置单独地和/或组合地实现本文中所描述和/或说明的每个框图部件、流程图步骤、操作和/或部件。另外，应当将其他部件中所包含的部件的任何公开理解为示例，因为可以实现很多其他架构以实现相同的功能。

仅通过示例的方式给出本文中所描述和/或说明的过程参数和步骤序列，并且可以根据需要进行变化。例如，虽然可以按照特定顺序来示出或者讨论本文中所描述和/或说明的步骤，但是这些步骤不一定需要按照图示或者讨论的顺序来执行。本文中所描述和/或说明的各种示例方法还可以省略本文中所描述和/或说明的步骤中的一个或多个步骤，或者包括除了所公开的这些步骤之外的其他步骤。

虽然本文已经在完全功能计算系统的上下文中描述和/或说明了各种实施例，但是这些示例实施例中的一个或多个示例实施例可以被分配作为各种形式的程序产品，而不管用以实际上执行分配的计算机可读介质的特定类型。还可以使用执行某些任务的软件模块来实现本文所描述的实施例。这些软件模块可以包括可以存储在计算机可读介质上或者计算系统中的脚本、批处理或者其他可执行文件。这些软件模块可以配置计算系统以执行本文所描述的示例实施例中的一个或多个示例实施例。可以在云计算环境中实现本文所公开的软件模块中的一个或多个软件模块。云计算环境可以经由因特网提供各种服务和应用。这些基于云的服务(例如作为服务的软件、作为服务的平台、作为服务的架构等)可以是通过web浏览器或者其他远程接口可访问的。可以通过远程桌面环境或者任何其他基于云的计算环境提供本文所描述的各种功能。

已经出于说明的目的参考特定实施例描述了以上描述。然而，以上说明性讨论并非意在排他或者将本发明限制为所公开的精确形式。很多修改和变化鉴于以上教示都是可能的。选择和描述实施例以便最佳地解释本发明的原理及其实际应用，从而使得本领域技术人员能够最佳地利用本发明以及具有可能适合于预期的特定使用的各种修改的各种实施例。

因此描述了根据本公开内容的实施例。虽然已经在特定实施例中描述了本公开内容，但是应当理解，不应当将本公开内容理解为受到这样的实施例的限制。

Claims (20)

1.一种用于治疗的方法，包括：

对患者的区域执行治疗中光学扫描，其中所述治疗中光学扫描包括近红外(NIR)能量源；

根据所述光学扫描检测多个被检测信号；

从所述多个被检测信号滤除皮肤特性；以及

根据被过滤的所述多个信号确定与所述区域关联的骨骼解剖结构。

2.根据权利要求1所述的方法，其中所述确定皮肤的皮肤特性包括：

执行计算机断层(CT)扫描以确定皮肤反射特性、皮肤透射特性和皮肤荧光特性中的至少一项。

3.根据权利要求1所述的方法，其中所述确定皮肤的皮肤特性包括：

执行磁共振成像(MRI)扫描以确定皮肤反射特性、皮肤透射特性和皮肤荧光特性中的至少一项。

4.根据权利要求1所述的方法，其中所述确定皮肤的皮肤特性包括：

对所述患者的所述区域执行另一光学扫描，其中所述另一光学扫描包括发射NIR能量的另一源；

针对给定频率改变所述NIR能量的强度；以及

确定与皮肤反射特性、皮肤透射特性和皮肤荧光特性中的至少一项相关的皮肤的信令特性，使得所述信令特性是从所述多个被检测信号可过滤的。

5.根据权利要求1所述的方法，其中所述确定皮肤的皮肤特性包括：

对所述患者的所述区域执行另一光学扫描，其中所述另一光学扫描包括发射NIR能量的另一源；

改变所述NIR能量的频率；

确定与皮肤反射特性、皮肤透射特性和皮肤荧光特性中的至少一项相关的皮肤的信令特性，使得所述信令特性是从所述多个被检测信号可过滤的。

6.根据权利要求1所述的方法，其中所述确定皮肤的皮肤特性包括：

使用发射NIR能量的另一源对所述患者的所述区域执行另一光学扫描，其中在变化的频率和强度上执行所述光学扫描；以及

确定与皮肤反射特性、皮肤透射特性和皮肤荧光特性中的至少一项相关的皮肤的信令特性，使得所述信令特性是从所述多个被检测信号可过滤的。

7.根据权利要求1所述的方法，其中所述确定皮肤的皮肤特性包括：

跨另一NIR能量源的变化的频率和强度对所述患者的所述区域执行另一光学扫描；

确定使用最小皮肤信令特性最优地照亮所述骨骼解剖结构的最优频率和强度组合；以及

使用所述最优频率和强度组合来对患者的所述区域执行所述光学扫描。

8.一种用于治疗的方法，包括：

执行基础扫描以获得目标在患者的骨骼解剖结构内的相对3D定位；

对所述患者执行治疗中光学扫描以确定所述骨骼解剖结构在治疗系统内的3D定位，其中所述治疗中光学扫描包括近红外(NIR)能量源，并且其中所述执行治疗中光学扫描包括：

根据所述光学扫描检测多个被检测信号；以及

从所述多个被检测信号滤除所述患者的皮肤的信令特性，以获得与所述骨骼解剖结构相关的信号并且确定所述骨骼解剖结构的所述3D定位；以及

配准来自所述治疗中光学扫描的所述骨骼解剖结构的所述3D定位以及根据所述基础扫描确定的所述骨骼解剖结构的所述3D定位，以确定所述目标在所述治疗系统内的相对定位。

9.根据权利要求8所述的方法，还包括：

将所述目标暴露到来自所述治疗系统的治疗波束辐射。

10.根据权利要求8所述的方法，其中所述执行基础扫描包括：

执行计算机断层(CT)扫描。

11.根据权利要求8所述的方法，其中所述执行基础扫描包括：

执行磁共振成像(MRI)扫描。

12.根据权利要求8所述的方法，还包括：

使用发射NIR能量的源对所述患者的所述区域执行另一光学扫描，其中在变化的频率和强度上执行所述光学扫描；以及

确定与皮肤反射特性、皮肤透射特性和皮肤荧光特性中的至少一项相关的皮肤的所述信令特性，使得所述信令特性是从所述多个被检测信号可过滤的。

13.根据权利要求8所述的方法，还包括：

使用另一NIR能量源跨变化的频率和强度对所述患者执行另一光学扫描；

确定使用最小皮肤信令特性最优地照亮所述骨骼解剖结构的最优频率和强度组合；以及

使用所述最优频率和强度组合来对所述患者执行所述治疗中光学扫描。

14.根据权利要求8所述的方法，其中所述配准所述骨骼解剖结构的所述3D定位还包括：

执行最小平方比较过程以使所述骨骼解剖结构的所述3D定位相关。

15.根据权利要求8所述的方法，还包括：

定期对所述患者执行所述治疗中光学扫描；

基于当前治疗中光学扫描来更新对来自所述治疗中光学扫描的所述骨骼解剖结构的所述3D定位以及根据所述基础扫描确定的所述骨骼解剖结构的所述3D定位的配准，以确定所述目标在所述治疗系统内的当前相对定位；以及

基于所述当前相对定位来使所述目标与所述治疗波束辐射对准，以将所述目标暴露到所述治疗波束辐射。

16.一种用于治疗的系统，包括：

皮肤检测器，用于确定患者的区域中的皮肤特性；

治疗中近红外(NIR)光学扫描仪，用于对所述患者的区域执行治疗中光学扫描，其中所述治疗中光学扫描包括近红外(NIR)能量源；

至少一个检测器，用于根据所述光学扫描检测多个被检测信号；

过滤器，用于从所述多个被检测信号滤除所述皮肤特性；以及

建模模块，用于根据被过滤的所述多个信号确定与所述区域关联的骨骼解剖结构。

17.根据权利要求16所述的系统，其中所述皮肤检测器包括：

计算机断层(CT)扫描仪或者磁共振成像(MRI)扫描仪。

18.根据权利要求16所述的系统，其中所述皮肤检测器包括：

另一NIR扫描仪，被配置用于对所述患者的所述区域执行另一光学扫描，其中在变化的频率和强度上执行所述另一光学扫描，其中所述NIR扫描仪用于确定与皮肤反射特性、皮肤透射特性和皮肤荧光特性中的至少一项相关的皮肤的信令特性，使得所述信令特性是从所述多个被检测信号可过滤的。

19.根据权利要求16所述的系统，其中所述皮肤检测器包括：

另一NIR扫描仪，被配置用于跨另一NIR能量源的变化的频率和强度对所述患者的所述区域执行另一光学扫描；以及

频率和强度选择器，用于确定使用最小皮肤信令特性最优地照亮所述骨骼解剖结构的最优频率和强度组合，其中所述近红外(NIR)光学发射器使用所述最优频率和强度组合在所述患者的所述区域上发射NIR能量。

20.根据权利要求16所述的系统，还包括：

基础扫描仪，被配置用于执行基础扫描以获得目标在患者的骨骼解剖结构内的相对3D定位；

其中所述治疗中NIR光学扫描仪被配置为确定所述骨骼解剖结构在治疗系统内的3D定位；

配准模块，被配置用于配准来自所述治疗中光学扫描的所述骨骼解剖结构的所述3D定位以及根据所述基础扫描确定的所述骨骼解剖结构的所述3D定位，以确定所述目标在所述治疗系统内的相对定位；以及

治疗波束辐射器，被配置用于将所述目标暴露到来自所述治疗系统的治疗波束辐射。