CN106902475A - 放射治疗方法、计算机程序和计算机系统 - Google Patents
放射治疗方法、计算机程序和计算机系统 Download PDFInfo
- Publication number
- CN106902475A CN106902475A CN201611272876.7A CN201611272876A CN106902475A CN 106902475 A CN106902475 A CN 106902475A CN 201611272876 A CN201611272876 A CN 201611272876A CN 106902475 A CN106902475 A CN 106902475A
- Authority
- CN
- China
- Prior art keywords
- image
- gradation image
- visual field
- planning chart
- gradation
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000004590 computer program Methods 0.000 title claims abstract description 13
- 238000001959 radiotherapy Methods 0.000 title abstract description 10
- 230000000007 visual effect Effects 0.000 claims abstract description 45
- 239000000463 material Substances 0.000 claims description 8
- 238000013500 data storage Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000007408 cone-beam computed tomography Methods 0.000 claims 1
- 238000009877 rendering Methods 0.000 abstract description 6
- 230000003190 augmentative effect Effects 0.000 abstract 2
- 238000013507 mapping Methods 0.000 description 6
- 230000002708 enhancing effect Effects 0.000 description 5
- 230000005855 radiation Effects 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 4
- 230000001965 increasing effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000002224 dissection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- 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
- A61N5/1031—Treatment planning systems using a specific method of dose optimization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/10—Geometric effects
- G06T15/20—Perspective computation
-
- 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
-
- 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
- A61N5/1039—Treatment planning systems using functional images, e.g. PET or MRI
-
- 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
- A61N5/1048—Monitoring, verifying, controlling systems and methods
- A61N5/1049—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/14—Transformations for image registration, e.g. adjusting or mapping for alignment of images
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/40—Arrangements for generating radiation specially adapted for radiation diagnosis
- A61B6/4064—Arrangements for generating radiation specially adapted for radiation diagnosis specially adapted for producing a particular type of beam
- A61B6/4085—Cone-beams
-
- 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
- A61N5/1048—Monitoring, verifying, controlling systems and methods
- A61N5/1049—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam
- A61N2005/1055—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam using magnetic resonance imaging [MRI]
-
- 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
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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
- G06T2207/30196—Human being; Person
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Public Health (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Animal Behavior & Ethology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Veterinary Medicine (AREA)
- Medical Informatics (AREA)
- Computer Graphics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Epidemiology (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- Architecture (AREA)
- Computing Systems (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Radiation-Therapy Devices (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
放射治疗方法、计算机程序和计算机系统。本发明公开了一种获取病人身体的部分的3D图像的方法,基于具有受限视场的分次图像并且使用来自具有更大视场的计划图像的信息对其进行增补。在分次图像视场以外的区域,借助在计划图像和分次图像之间的轮廓线引导的可变形配准,使用来自计划图像的轮廓线和解剖数据增补分次图像。
Description
技术领域
本发明涉及一种图像引导的放射治疗。
背景技术
通常,利用若干疗次(session)或分次(fraction)对患者提供放射治疗。在治疗开始前,获取病人的计划图像。这个计划图像为治疗计划提供了输入数据,该治疗计划定义了要给予病人的治疗。在每个疗次之前获取分次图像,使得在辐照之前用于辅助患者相对于治疗单元的定位。分次图像也可以用于评估在某个疗次期间实际对病人辐照的剂量,同时可以用于研究自从获取计划图像以来发生的病人几何形态的改变。这种改变对于治疗评价是很重要的,评价结果可能导致要求更改治疗计划的决定。在本说明书的情况下,计划图像和分次图像两者都是由构成病人身体的投影的若干2D图像建立的3D图像。
剂量计划需要不同器官的位置的信息及其材料性质的信息,例如密度和/或原子组成。密度信息用于剂量计划。如果使用光子放射疗法,密度和原子组成确定辐射的衰减。如果使用离子放射疗法(例如质子放射疗法),密度和原子组成确定止动能力(stoppingpower),这影响离子在病人身体中行进的距离。对于初始计划,从计划图像中获取该信息。分次图像被典型地用于决定关注区域的新边界,以准确地使辐射束瞄准。
因此,计划图像应该不仅包括关于轮廓的信息,也包括关于每个关注区域的材料性质的信息。由于在疗程期间,肿瘤和其他组织的几何形态改变,使用分次图像以获取最新的轮廓信息。然而,分次图像可能比计划图像有相对少的信息。例如,扇形射束CT扫描(在本文中被称为CT)可被用于计划图像,而锥形射束CT(CBCT)扫描被用于分次图像。CT图像包括剂量计划所需的全部信息,但是较之CBCT,更加昂贵,同时使病人涉及更高的辐射剂量。另一方面,CBCT的优势是给病人相对少的辐射剂量,并且是一种比较廉价的成像系统,但它不能始终提供关于材料特性的可靠信息,而且特别地,遭受例如深挤压失真的失真状态,其中图像边缘附近的图像强度被误报。其他成像技术可涉及甚至更少或没有辐射,但它们不能为合适的治疗计划提供所有必要的信息。
通常,CBCT图像的视场没有覆盖病人的整个轮廓。这意味着当基于分次图像计算剂量时,视场之外的部分的密度需要被估算以用于剂量计算。一个解决方法可以是将来自计划图像的病人的轮廓叠加到分次图像上,并且假设它有与水同样的性质。水是一种合理的折中,因为它是身体的大多数部分的很好的近似,但这种解决方案仍然会导致剂量计算中的不精确。
Ruchala,Olivera,Kapatoes,Reckwerdt和Mackie的论文《Methods forimproving limited field-of-view radiotherapy reconstruction using imperfect apriori images》,Medical Physics29,2590(2002);doi:10.1118/1.1513163,公开了一种解决该问题的方法,直接使用2D图像,然后利用2D图像构建3D图像。这篇文献提出的方法不适用于直接使用3D图像的情况。典型地,治疗计划系统不提供对2D图像的访问,所以通过这些系统做出的任何改变必须在3D图像中做出。
发明内容
因此,本发明的目的是当分次图像不能覆盖病人的全部轮廓时,利用3D图像来改进剂量计算的准确度。
根据本发明,通过一种获取病人身体至少第一部分的3D合成图像的方法,可以实现所述目标,该方法包括以下步骤:
获得对应于病人身体的第一部分的并且具有第一视场的3D计划图像,
获得病人身体的第一部分的3D分次图像,所述分次图像具有第二视场,较之第一视场,所述第二视场在至少一个维度受限,
创建模型轮廓,该模型轮廓包括病人身体的至少一个区域,所述区域包括在第一视场中但不包括在第二视场中,
把所述模型轮廓附加到分次图像,以包括在第二视场以外的分次图像中的至少一个轮廓部分,以获得中间图像,
在计划图像的轮廓和分次图像的轮廓之间执行可变形配准,
使用可变形配准的结果以包括来自计划图像中的在中间图像的第二视场以外的所述轮廓部分内的区域的材料信息,以获得合成图像。
通过所述方法,获取合成图像,包括来自分次图像的这种信息可用的区域的最新信息,以及在第二视场以外区域的基于计划图像的但适合于分次图像的解剖信息。
使用根据本发明的方法和计算机程序,与分次图像的视场外的病人身体的部分有关的来自计划图像的信息与分次图像的实际几何形态适应,同时被添加到分次图像中。这是通过分次图像和计划图像弹性配准实现的。弹性配准也被称为可变形配准。
在优选实施例中,基于计划图像的统计形状模型轮廓被用作模型轮廓,并且该方法包括使模型轮廓适应于分次图像的步骤。基于距离变换的成本函数可以用于使模型轮廓适应于所述分次图像。
在使模型轮廓适应于所述分次图像之前,优选地确定模型轮廓和分次图像的初始重叠。这可以通过使用一种在计划图像和分次图像之间的自动刚性配准算法来实现。这些图像也可以基于初始重叠部分的视觉评价、或通过任何其他适合的方式被叠加。
优选地,选择轮廓部分,使得合成图像的视场对应第一视场,在最大可能范围内使用来自计划图像的数据。
如果计划图像是在比分次图像更早的时间点拍摄的病人的图像,该方法将产生最好的结果。计划图像也可能是另一种合适的图像,例如图谱图像。
从计划图像中提取的材料信息典型地包括密度信息、原子组成和/或解剖信息,这取决于对特定的应用什么信息有用。
本发明也涉及一种计算机程序产品,优选在载体上,用于控制计算机,所述计算机程序产品包括计算机可读代码,计算机可读代码被安排成使计算机执行前述的方法。
本方法与放射疗法装置相关联地使用。本发明也涉及一种包括处理器、数据存储器和程序存储器的计算机系统。数据存储器被安排为保存至少一个计划图像和/或至少一个分次图像,且程序存储器被安排为通过所述计算机程序产品可以用于控制所述处理器的方式保存如前述所定义的计算机程序产品。应理解,本发明方法本身可以在任何安装有必要软件的计算机中被执行。
计划图像和分次图像应该是解剖图像,例如CT或者MRI图像。进一步,计划图像和分次图像优选地包括相同种类的数据。这意味着如果计划图像是CT图像,分次图像应该是CT或者CBCT图像。如果计划图像是MRI图像,分次图像应该是MRI图像。也可能从MRI图像中创建合成的CT图像,也就是说,包括与CT图像相同类型的数据的图像。这种合成的CT图像可以被用作计划图像或者分次图像,以及其它CT或者CBCT图像作为计划或者分次图像。
附图说明
以下将参考附图详细描述本发明的内容。其中:
图1a、图1b和图1c示出病人的计划图像的三种不同视图。
图1d示出所述计划图像的模型轮廓。
图2a和图2b分别示出病人的分次图像和所述分次图像的分次轮廓。
图3图示用于适应模型轮廓的来自分次轮廓的成本映射函数。
图4示出关于成本映射函数的模型轮廓的初始位置。
图5示出适应于分次轮廓的模型轮廓。
图6图示在模型轮廓和增强的分次图像轮廓之间的轮廓线引导的可变形配准。
图7a-图7c图示所述增强分次图像,其包括在来自分次图像视场内的和来自可变形地从计划图像映射的视场外的数值。
图8是根据本发明的方法的流程图。
图9示意性地图示根据本发明可以使用的计算机系统。
具体实施方式
图1a、1b和1c分别示出具有第一视场的3D计划图像的颅部的、矢状缝的和横向的切面。所述计划图像包括病人的解剖学信息。在1a-1c的每个图像中,分次图像的相应投射的视场被分别指示为实线的矩形a、b和c。图1d示出计划图像上病人轮廓的横向切片,其可以被用作模型轮廓。
图2a示出3D分次图片的颅部切片,包括与计划图像相同类型的数据,但有如图1a中通过矩形所指示的、相对于第一视场受限的第二视场。典型地,不包括从病人头顶和肩膀下面的区域。典型地,分次图像是计划图像的同样病人的图像但在更晚时间拍摄的。图2b示出来自分次图像的病人的轮廓。这个轮廓通过已知方法获得并且在本发明中被称为分次轮廓。
本发明的目标是获取一个图像,该图像具有来自分次图像的所有数据,但具有比第二视场更大视场。在第二视场外的区域,来自计划图像的轮廓和解剖数据被用于补充分次图像。这种使用分次图像的视场外的病人身体部分的近似轮廓来补充的分次图像,在本发明中被称为增强的分次图像。增强的分次图像(其中基于来自计划图像的信息增加了分次图像的视场外的材料信息)被成为合成图像。
图3图示了基于分次轮廓的距离变换以使模型轮廓适应(adapt)分次轮廓的成本映射。实线轮廓对应于分次轮廓。实线轮廓两侧的虚线轮廓表示与分次轮廓相距的第一距离,对应于第一成本水平。虚线轮廓两侧的点线轮廓表示与分次轮廓相距的第二距离,对应于第二成本水平。随着与分次轮廓相距的距离不断增加,成本水平也不断增加。
图4图示了图1d中的模型轮廓在图3中的成本映射上的初始叠加。这可基于例如在计划图像和分次图像之间的刚性配准,就其本身而言被已知为关于视觉近似或者基于另一种适合的方法。
图5图示了以虚线示出的的改变的模型轮廓,其被适应于第二视场内的部分的分次轮廓,它也可以引起第二视场外部的改变。这是增强的分次图像的轮廓,基于图3示出的成本映射而适应。由实线矩形指示第二视场,其也用a来表示。
图6图示图1d中模型轮廓(如实线所示)与图5中的增强分次轮廓(如虚线所示)之间的轮廓线引导的可变形配准。本领域技术人员已知如何执行轮廓线引导的可变形配准。
图7图示上述的计划图像、分次图像和合成图像,例如增强的分次图像。在左边标记为7a的图,示出图1a的计划图像,具有叠加的分次图像的视场(作为标记为a的实线矩形)。在右边标记为7b的图,示出图2a中的分次图像。在中间标记为7c的图,示出合成图像。在分次图像的视场内,被实线矩形a图示,合成图像具有与分次图像相同的解剖数据。在分次图像的视场外,合成图像包括从计划图像变形地映射的解剖数据。
图8是本发明方法实施例的流程图,用于在疗次(session)之前被执行。在此之前,已经获取了3D计划图像(典型地,CT图像),并且已经开发了治疗计划。
在第一步骤S1,获取3D计划图像。典型地,计划图像是病人的解剖3D图像。也可能使用图谱图像(atlas image)用作计划图像。基于计划图像创建统计形状模型轮廓(statistical shape model outline)。
在第二步骤S2,获取3D分次图像以为一个疗次做准备。分次图像应该具有和计划图像相同类型的数据,且典型地具有比计划图像更受限的视场。获取分次图像中病人轮廓的表示。
在第三步骤S3,从分次轮廓中获取成本映射(cost map)。
在第四步骤S4,在计划图像和分次图像之间执行刚性配准。这给出了不包括在分次图像中的部分的病人轮廓的第一近似,以最佳的方式使模型轮廓叠加在分次图像上。通过这种方式,创建增强分次图像中病人轮廓的开始点。步骤S3和S4的顺序不重要。
在第五步骤S5,模型轮廓被适应于分次轮廓的边缘,即,严格在步骤S2中获取的分次图像的视场内部的轮廓线。这典型地使用步骤S3中确定的成本映射来完成。开始点是步骤S4中确定的重叠点。在保持模型形状的限制下,模型轮廓的每个个别点可以移向更低成本。这个结果是在图5中示出的增强分次图像的病人轮廓。
在第六步骤S6,使用分次轮廓和计划图像的轮廓执行轮廓线引导的可变形配准。
在第七步骤S7,可变形配准的结果被用于填充没有数据或标准数据的增强分次图像的轮廓部分,即,第二视场以外的部分。其结果是图7中以7c所指示的合成图像,其中在增强的分次轮廓以内但在视场以外的信息是使用可变形配准基于来自计划图像的数据。
图9是其中可以执行本发明方法的计算机系统的示意图表示。计算机31包括处理器33、数据存储器34和程序存储器35。数据存储器34被安排为保存至少被用作计划图像的第一图像和被用作分次图像的第二图像。图像可以从CT或者MRI成像系统37或者通过任何已知通信方法的一些其他单元接收。典型地,图像将从不同的成像系统中接收,虽然在图9中只示出一个。优选地,也示出用户输入装置38,以键盘、鼠标、操纵杆、语音识别装置或任何其他有效的用户输入装置的形式。
数据存储器34也可能保存其他的数据,例如治疗计划和其他与治疗有关的数据。治疗计划可以在计算机31中生成,或者从本领域所知的任何方式中的另一个存储器装置中接收。
应理解,仅示意地示出数据存储器34。可能有若干数据存储器单元,每个保存一个或多个不同类型的数据,例如,一个存储器单元用于治疗计划,一个存储器单元用于CT扫描等。
程序存储器35保存被安排为控制处理器执行如图8中所定义的方法的计算机程序。应理解,不是图8中方法的所有步骤都必须在计算机31中执行。
Claims (12)
1.一种获得病人身体的至少第一部分的3D合成图像的方法,所述方法包括以下步骤:
获得对应于所述病人身体的所述第一部分并且具有第一视场的3D计划图像,
获得所述病人身体的所述第一部分的3D分次图像,所述分次图像具有第二视场,较之所述第一视场,所述第二视场在至少一个维度受限,
创建模型轮廓,所述模型轮廓包括所述病人身体的至少一个区域,该区域被包括在所述第一视场中但不包括在所述第二视场中,
把所述模型轮廓附加到所述分次图像,使得在所述分次图像中包括至少一个轮廓部分以获得中间图像,所述轮廓部分在所述第二视场以外,
在所述计划图像的轮廓和所述分次图像的轮廓之间执行可变形配准,
使用所述可变形配准的结果,使得包括来自在所述计划图像中的在所述中间图像的所述轮廓部分之内的区域的材料信息,从而获得合成图像。
2.如权利要求1所述的方法,其中基于所述计划图像的统计形状模型轮廓被用作所述模型轮廓,所述方法包括使所述模型轮廓适应所述分次图像的步骤。
3.如权利要求1或2所述的方法,其中基于距离变换的成本函数被用于使所述模型轮廓适应所述分次图像。
4.如前述权利要求的任意一项所述的方法,包括以下步骤:在使所述模型轮廓适应所述分次图像之前,在所述计划图像和所述分次图像之间执行刚性配准,以确定所述模型轮廓和所述分次图像之间的初始重叠。
5.如权利要求1所述的方法,其中,选择所述轮廓部分,使得所述合成图像的视场对应所述第一视场。
6.如前述权利要求的任意一项所述的方法,其中,较之所述分次图像,所述计划图像是在更早的时间点拍摄的所述病人的图像。
7.如前述权利要求的任意一项所述的方法,其中,所述3D计划图像是CT图像,且所述分次图像是CT或者CBCT图像。
8.如权利要求1到6任意一项所述的方法,其中,所述计划图像是MRI图像,且所述分次图像是MRI图像。
9.如前述权利要求的任意一项所述的方法,其中所述材料信息包括密度信息、原子组成和/或解剖信息。
10.用于控制计算机的计算机程序产品,所述计算机程序产品包括计算机可读代码,所述计算机可读代码被安排成使所述计算机执行前述权利要求的任意一项所述的方法。
11.如权利要求10所述的计算机程序产品在载体上。
12.计算机系统(31),包括处理器(33)、数据存储器(34)和程序存储器(35),所述数据存储器被安排为保存至少一个计划图像和/或至少一个分次图像,且所述程序存储器被安排为保存根据权利要求10或者11所述的计算机程序产品,使得所述计算机程序产品可用于控制所述处理器。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP15201272.0 | 2015-12-18 | ||
EP15201272.0A EP3181049B1 (en) | 2015-12-18 | 2015-12-18 | Radiotherapy method, computer program and computer system |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106902475A true CN106902475A (zh) | 2017-06-30 |
CN106902475B CN106902475B (zh) | 2020-11-03 |
Family
ID=54936885
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611272876.7A Active CN106902475B (zh) | 2015-12-18 | 2016-12-16 | 放射治疗方法、计算机存储介质和计算机系统 |
Country Status (4)
Country | Link |
---|---|
US (1) | US9786093B2 (zh) |
EP (1) | EP3181049B1 (zh) |
JP (1) | JP6832693B2 (zh) |
CN (1) | CN106902475B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109712186A (zh) * | 2018-12-11 | 2019-05-03 | 上海联影医疗科技有限公司 | 图像中勾画感兴趣区域的方法、计算机设备和存储介质 |
CN113853235A (zh) * | 2019-06-13 | 2021-12-28 | 光线搜索实验室公司 | 用于提供患者的扩展图像的系统和方法 |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9855445B2 (en) | 2016-04-01 | 2018-01-02 | Varian Medical Systems, Inc. | Radiation therapy systems and methods for delivering doses to a target volume |
US10549117B2 (en) | 2017-07-21 | 2020-02-04 | Varian Medical Systems, Inc | Geometric aspects of radiation therapy planning and treatment |
US10843011B2 (en) | 2017-07-21 | 2020-11-24 | Varian Medical Systems, Inc. | Particle beam gun control systems and methods |
US11712579B2 (en) | 2017-07-21 | 2023-08-01 | Varian Medical Systems, Inc. | Range compensators for radiation therapy |
US10092774B1 (en) | 2017-07-21 | 2018-10-09 | Varian Medical Systems International, AG | Dose aspects of radiation therapy planning and treatment |
US11590364B2 (en) | 2017-07-21 | 2023-02-28 | Varian Medical Systems International Ag | Material inserts for radiation therapy |
US10183179B1 (en) | 2017-07-21 | 2019-01-22 | Varian Medical Systems, Inc. | Triggered treatment systems and methods |
WO2019099904A1 (en) | 2017-11-16 | 2019-05-23 | Varian Medical Systems, Inc. | Increased beam output and dynamic field shaping for radiotherapy system |
US10910188B2 (en) | 2018-07-25 | 2021-02-02 | Varian Medical Systems, Inc. | Radiation anode target systems and methods |
US11116995B2 (en) | 2019-03-06 | 2021-09-14 | Varian Medical Systems, Inc. | Radiation treatment planning based on dose rate |
US10814144B2 (en) | 2019-03-06 | 2020-10-27 | Varian Medical Systems, Inc. | Radiation treatment based on dose rate |
US11103727B2 (en) | 2019-03-08 | 2021-08-31 | Varian Medical Systems International Ag | Model based PBS optimization for flash therapy treatment planning and oncology information system |
US11090508B2 (en) | 2019-03-08 | 2021-08-17 | Varian Medical Systems Particle Therapy Gmbh & Co. Kg | System and method for biological treatment planning and decision support |
US10918886B2 (en) | 2019-06-10 | 2021-02-16 | Varian Medical Systems, Inc. | Flash therapy treatment planning and oncology information system having dose rate prescription and dose rate mapping |
EP3751579A1 (en) * | 2019-06-13 | 2020-12-16 | RaySearch Laboratories AB | System and method for training a machine learning model and for providing an estimated interior image of a patient |
EP3751524A1 (en) | 2019-06-13 | 2020-12-16 | RaySearch Laboratories AB | Method, computer program product and computer system for providing an approximate image |
US11291859B2 (en) | 2019-10-03 | 2022-04-05 | Varian Medical Systems, Inc. | Radiation treatment planning for delivering high dose rates to spots in a target |
US11865361B2 (en) | 2020-04-03 | 2024-01-09 | Varian Medical Systems, Inc. | System and method for scanning pattern optimization for flash therapy treatment planning |
US11541252B2 (en) | 2020-06-23 | 2023-01-03 | Varian Medical Systems, Inc. | Defining dose rate for pencil beam scanning |
US11957934B2 (en) | 2020-07-01 | 2024-04-16 | Siemens Healthineers International Ag | Methods and systems using modeling of crystalline materials for spot placement for radiation therapy |
US12064645B2 (en) | 2020-07-02 | 2024-08-20 | Siemens Healthineers International Ag | Methods and systems used for planning radiation treatment |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003105069A1 (en) * | 2002-06-11 | 2003-12-18 | Tomotherapy Incorporated | Method for reconstruction of limited data images using fusion-aligned reprojection and normal-error-aligned reprojection |
US20060262112A1 (en) * | 2005-05-23 | 2006-11-23 | Carnegie Mellon University | System and method for three-dimensional shape generation from partial and incomplete views, and interactive design system using same |
CN102369529A (zh) * | 2009-04-02 | 2012-03-07 | 皇家飞利浦电子股份有限公司 | 用于图像引导治疗规划的自动解剖结构描绘 |
US20120294497A1 (en) * | 2011-05-20 | 2012-11-22 | Varian Medical Systems, Inc. | Method and Apparatus Pertaining to Images Used for Radiation-Treatment Planning |
CN103782320A (zh) * | 2011-08-30 | 2014-05-07 | 皇家飞利浦有限公司 | 在可变形图像配准工作流中用户输入和变形矢量场的校正的集成 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE69332042T2 (de) * | 1992-12-18 | 2003-01-02 | Koninklijke Philips Electronics N.V., Eindhoven | Ortungszurückstellung von relativ elastisch verformten räumlichen Bildern durch übereinstimmende Flächen |
US6266453B1 (en) * | 1999-07-26 | 2001-07-24 | Computerized Medical Systems, Inc. | Automated image fusion/alignment system and method |
EP1741062B1 (en) * | 2004-04-21 | 2013-02-13 | Philips Intellectual Property & Standards GmbH | Cone beam ct apparatus using truncated projections and a previously acquired 3d ct image |
US7567694B2 (en) * | 2005-07-22 | 2009-07-28 | Tomotherapy Incorporated | Method of placing constraints on a deformation map and system for implementing same |
US20070053491A1 (en) * | 2005-09-07 | 2007-03-08 | Eastman Kodak Company | Adaptive radiation therapy method with target detection |
US20110178389A1 (en) * | 2008-05-02 | 2011-07-21 | Eigen, Inc. | Fused image moldalities guidance |
ATE512627T1 (de) * | 2009-04-15 | 2011-07-15 | Brainlab Ag | Verfahren zum vervollständigen eines medizinischen bilddatensatzes |
US8527244B2 (en) * | 2010-08-04 | 2013-09-03 | Medizinische Hochschule Hannover (MMH) | Generating model data representing a biological body section |
-
2015
- 2015-12-18 EP EP15201272.0A patent/EP3181049B1/en active Active
-
2016
- 2016-12-15 JP JP2016243655A patent/JP6832693B2/ja active Active
- 2016-12-16 CN CN201611272876.7A patent/CN106902475B/zh active Active
- 2016-12-16 US US15/381,382 patent/US9786093B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003105069A1 (en) * | 2002-06-11 | 2003-12-18 | Tomotherapy Incorporated | Method for reconstruction of limited data images using fusion-aligned reprojection and normal-error-aligned reprojection |
US20060262112A1 (en) * | 2005-05-23 | 2006-11-23 | Carnegie Mellon University | System and method for three-dimensional shape generation from partial and incomplete views, and interactive design system using same |
CN102369529A (zh) * | 2009-04-02 | 2012-03-07 | 皇家飞利浦电子股份有限公司 | 用于图像引导治疗规划的自动解剖结构描绘 |
US20120294497A1 (en) * | 2011-05-20 | 2012-11-22 | Varian Medical Systems, Inc. | Method and Apparatus Pertaining to Images Used for Radiation-Treatment Planning |
CN103782320A (zh) * | 2011-08-30 | 2014-05-07 | 皇家飞利浦有限公司 | 在可变形图像配准工作流中用户输入和变形矢量场的校正的集成 |
Non-Patent Citations (1)
Title |
---|
冯亚崇等: "基于FDK算法的数字合成X线体层成像", 《中国医学物理学杂志》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109712186A (zh) * | 2018-12-11 | 2019-05-03 | 上海联影医疗科技有限公司 | 图像中勾画感兴趣区域的方法、计算机设备和存储介质 |
CN109712186B (zh) * | 2018-12-11 | 2021-10-22 | 上海联影医疗科技股份有限公司 | 图像中勾画感兴趣区域的方法、计算机设备和存储介质 |
CN113853235A (zh) * | 2019-06-13 | 2021-12-28 | 光线搜索实验室公司 | 用于提供患者的扩展图像的系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
US9786093B2 (en) | 2017-10-10 |
CN106902475B (zh) | 2020-11-03 |
JP6832693B2 (ja) | 2021-02-24 |
US20170178391A1 (en) | 2017-06-22 |
EP3181049B1 (en) | 2018-02-14 |
JP2017109099A (ja) | 2017-06-22 |
EP3181049A1 (en) | 2017-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106902475A (zh) | 放射治疗方法、计算机程序和计算机系统 | |
Kurz et al. | CBCT correction using a cycle-consistent generative adversarial network and unpaired training to enable photon and proton dose calculation | |
US11386557B2 (en) | Systems and methods for segmentation of intra-patient medical images | |
Li et al. | A preliminary study of using a deep convolution neural network to generate synthesized CT images based on CBCT for adaptive radiotherapy of nasopharyngeal carcinoma | |
Anders et al. | Performance of an atlas-based autosegmentation software for delineation of target volumes for radiotherapy of breast and anorectal cancer | |
US10311585B2 (en) | Mechanism for advanced structure generation and editing | |
US9600856B2 (en) | Hybrid point-based registration | |
CN104636618B (zh) | 放疗计划系统 | |
WO2012069965A1 (en) | Interactive deformation map corrections | |
Branchini et al. | Validation of a method for “dose of the day” calculation in head-neck tomotherapy by using planning ct-to-MVCT deformable image registration | |
Zhang et al. | A kernel-based method for markerless tumor tracking in kV fluoroscopic images | |
CN106462974A (zh) | 用于分割图像的参数优化 | |
Iyer et al. | Prospectively-validated deep learning model for segmenting swallowing and chewing structures in CT | |
Liu et al. | A two-step method to improve image quality of CBCT with phantom-based supervised and patient-based unsupervised learning strategies | |
US11636594B2 (en) | System and method for providing an extended image of a patient | |
Camps et al. | Various approaches for pseudo-CT scan creation based on ultrasound to ultrasound deformable image registration between different treatment time points for radiotherapy treatment plan adaptation in prostate cancer patients | |
US9401051B2 (en) | Mechanism for dynamically propagating real-time alterations of medical images | |
Shi et al. | Fast shading correction for cone-beam CT via partitioned tissue classification | |
CN107590808A (zh) | 医学图像中的前列腺分割方法 | |
CN106934785A (zh) | 一种用于机器人虚拟训练系统中肝脏模型的医学图像分割方法 | |
Miandoab et al. | Extraction of respiratory signal based on image clustering and intensity parameters at radiotherapy with external beam: A comparative study | |
JP2013202242A (ja) | Ctデータ照合装置、ctデータ照合方法、および患者位置決めシステム | |
Díaz-Parra et al. | Fully automatic spinal canal segmentation for radiation therapy using a gradient vector flow-based method on computed tomography images: A preliminary study | |
大矢めぐみ et al. | Investigation of clinical target volume segmentation for whole breast irradiation using three-dimensional convolutional neural networks with gradient-weighted class activation mapping |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |