CN107613873A - 用于物体的原地靶向的方法和系统 - Google Patents
用于物体的原地靶向的方法和系统 Download PDFInfo
- Publication number
- CN107613873A CN107613873A CN201680015346.6A CN201680015346A CN107613873A CN 107613873 A CN107613873 A CN 107613873A CN 201680015346 A CN201680015346 A CN 201680015346A CN 107613873 A CN107613873 A CN 107613873A
- Authority
- CN
- China
- Prior art keywords
- target
- tumour
- images
- tracking
- image
- 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 88
- 238000009826 distribution Methods 0.000 claims abstract description 19
- 206010028980 Neoplasm Diseases 0.000 claims description 104
- 230000033001 locomotion Effects 0.000 claims description 19
- 210000003484 anatomy Anatomy 0.000 claims description 18
- 238000011065 in-situ storage Methods 0.000 claims description 12
- 208000020816 lung neoplasm Diseases 0.000 claims description 12
- 238000005259 measurement Methods 0.000 claims description 10
- 238000002939 conjugate gradient method Methods 0.000 claims description 4
- 238000007408 cone-beam computed tomography Methods 0.000 claims description 2
- 230000001855 preneoplastic effect Effects 0.000 claims description 2
- 230000011218 segmentation Effects 0.000 claims description 2
- 238000006467 substitution reaction Methods 0.000 claims description 2
- 238000003384 imaging method Methods 0.000 description 17
- 230000029058 respiratory gaseous exchange Effects 0.000 description 17
- 238000001959 radiotherapy Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 239000000725 suspension Substances 0.000 description 10
- 230000008569 process Effects 0.000 description 7
- 230000005855 radiation Effects 0.000 description 7
- 238000011160 research Methods 0.000 description 6
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 201000005202 lung cancer Diseases 0.000 description 5
- 238000005457 optimization Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000002224 dissection Methods 0.000 description 3
- 239000003550 marker Substances 0.000 description 3
- 230000036651 mood Effects 0.000 description 3
- 238000013439 planning Methods 0.000 description 3
- 238000003325 tomography Methods 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 238000007792 addition Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 201000011510 cancer Diseases 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000002513 implantation Methods 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003439 radiotherapeutic effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000008685 targeting Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000001225 therapeutic effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 244000247747 Coptis groenlandica Species 0.000 description 1
- 235000002991 Coptis groenlandica Nutrition 0.000 description 1
- 235000018734 Sambucus australis Nutrition 0.000 description 1
- 244000180577 Sambucus australis Species 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000003339 best practice Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000086 blastomogenic effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000021615 conjugation Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000004980 dosimetry Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 208000037841 lung tumor Diseases 0.000 description 1
- 210000001370 mediastinum Anatomy 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 208000002154 non-small cell lung carcinoma Diseases 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 238000011127 radiochemotherapy Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000002720 stereotactic body radiation therapy Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 230000001988 toxicity Effects 0.000 description 1
- 231100000419 toxicity Toxicity 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 208000029729 tumor suppressor gene on chromosome 11 Diseases 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
- A61N5/1048—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
-
- 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
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/48—Diagnostic techniques
- A61B6/486—Diagnostic techniques involving generating temporal series of image data
-
- 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
- A61B6/48—Diagnostic techniques
- A61B6/486—Diagnostic techniques involving generating temporal series of image data
- A61B6/487—Diagnostic techniques involving generating temporal series of image data involving fluoroscopy
-
- 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
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
-
- 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
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
-
- 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
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5288—Devices using data or image processing specially adapted for radiation diagnosis involving retrospective matching to a physiological signal
-
- 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
-
- 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
- A61N5/1037—Treatment planning systems taking into account the movement of the target, e.g. 4D-image based planning
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
- G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
- G01N23/046—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material using tomography, e.g. computed tomography [CT]
-
- 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
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/006—Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
-
- 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
- G06T7/70—Determining position or orientation of objects or cameras
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
-
- 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
- A61N2005/1061—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam using an x-ray imaging system having a separate imaging source
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/40—Imaging
- G01N2223/401—Imaging image processing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/40—Imaging
- G01N2223/419—Imaging computed tomograph
-
- 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
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/412—Dynamic
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/424—Iterative
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/428—Real-time
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Optics & Photonics (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pulmonology (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Mathematical Physics (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Physiology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Quality & Reliability (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Radiation-Therapy Devices (AREA)
Abstract
一种用于跟踪位于身体内的目标，同时使用X射线投影来扫描身体的方法，所述方法包括以下步骤：(a)提供所述身体和目标的指示其相对位置的第一先前图像；(b)对于一系列时间间隔，迭代执行以下步骤：(i)获取所述目标区域的几个空间分布的x射线投影；(ii)确定每个x射线投影的一系列移动阶段之一；(iii)对每个移动阶段执行图像的迭代重建；以及(iv)输出当前时间间隔的结果图像。
Description
发明领域
本发明涉及用于治疗癌症等的实时图像引导放射治疗领域。
参考文献
Barnes E,Murray B,Robinson D,Underwood L,Hanson J和Roa W，2001年，Dosimetric evaluation of lung tumor immobilization using breath hold at deepinspiration Int.J.Radiat.Oncol.50 1091–8.
Bryant J H,Rottmann J,Lewis J H,Mishra P,Keall P J和Berbeco R I，2014年，Registration of clinical volumes to beams-eye-view images for real-timetracking Med.Phys.41 121703.
Chen G H,Tang J和Leng S，2008年，Prior image constrained compressedsensing(PICCS):a method to accurately reconstruct dynamic CT images fromhighly undersampled projection data sets Med.Phys.35 660–3.
Depuydt T等，2014年，Treating patients with real-time tumor trackingusing the Vero gimbaled linac system:implementation and first reviewRadiother.Oncol.112 343–51.
Descovich M,Morin O,Aubry J F,Aubin M,Chen J,Bani-Hashemi A和PouliotJ，2008年，Characteristics of megavoltage cone-beam digital tomosynthesisMed.Phys.35 1310–16.
Furtado H,Steiner E,Stock M,Georg D和Birkfellner W，2013年，Real-time2D/3D registration using kV-MV image pairs for tumor motion tracking in imageguided radiotherapy Acta.Oncol.52 1464–71.
Gendrin C等，2012年，Monitoring tumor motion by real time 2D/3Dregistration during radiotherapy Radiother.Oncol.102 274–80.
George R,Suh Y,Murphy M,Williamson J,Weiss E和Keall P，2008年，On theaccuracy of a moving average algorithm for target tracking during radiationtherapy treatment delivery Med.Phys.35 2356–65.
Godfrey D,Yin F,Oldham M,Yoo S和Willett C，2006年，Digitaltomosynthesis with an on-board kilovoltage imaging deviceInt.J.Radiat.Oncol.Biol.Phys.65 8–15.
Guckenberger M,Meyer J,Wilbert J,Richter A,Baier K,Mueller G和FlentjeM，2007年，Intra-fractional uncertainties in cone-beam CT based image-guidedradiotherapy(IGRT)of pulmonary tumors Radiother.Oncol.83 57–64.
Hong J C等，2013年，Migration of implanted markers for image-guidedlung tumor stereotactic ablative radiotherapy J.Appl.Clin.Med.Phys.14 77–89(PMID:23470933).
Hugo G D,Liang J和Yan D，2010年，Marker-free lung tumor trajectoryestimation from a cone beam CT sinogram Phys.Med.Biol.55 2637–50.
IEC 61217:Radiotherapy Equipment—Coordinates,Movements and Scales2011Technical Report International Electrotechnical Commission.
Imura M等，2005年，Insertion and fixation of fiducial markers for setupand tracking of lung tumors in radiotherapy Int.J.Radiat.Oncol.63 1442–7.
James TD和Devon JG.，Digital x-ray tomosynthesis:current state of theart and clinical potential.Phys Med Biol.2003Sep；48(19)R65.
Johnson H J,McCormick M M和 L，2015年，The ITK Software GuideBook 1:Introduction and Development Guidelines vol 1(Clifton Park,NY:Kitware).
Kavanagh A,Evans P M,Hansen V N和Webb S，2009年，Obtaining breathingpatterns from any sequential thoracic x-ray image set Phys.Med.Biol.54 4879.
Keall P J等，2006年，The management of respiratory motion in radiationoncology report of AAPM Task Group 76Med.Phys.33 3874–900.
Kothary N,Heit J J,Louie J D,Kuo W T,Loo B W Jr,Koong A,Chang D T,Hovsepian D,Sze D Y和Hofmann L V，2009年，Safety and efficacy of percutaneousfiducial marker implantation for image-guided radiation therapyJ.Vasc.Interv.Radiol.20 235–9.
Kupelian P等，2007年，Multi-institutional clinical experience with theCalypso System in localization and continuous,real-time monitoring of theprostate gland during external radiotherapy Int.J.Radiat.Oncol.67 1088–98.
Lewis J H,Li R,Watkins W T,Lawson J D,Segars W P,Cervino L I,Song W Y和Jiang S B，2010年，Markerless lung tumor tracking and trajectoryreconstruction using rotational cone-beam projections:a feasibility studyPhys.Med.Biol.55 2505–22.
Maurer J,Godfrey D,Wang Z和Yin F F，2008年，On-board four-dimensionaldigital tomosynthesis:first experimental results Med.Phys.35 3574–83.
Poulsen P R,Cho B和Keall P J，2008年，A method to estimate meanposition,motion magnitude,motion correlation,and trajectory of a tumor fromcone-beam CT projections for image-guided radiotherapy Int.J.Radiat.Oncol.721587–96.
Poulsen P R,Fledelius W,Keall P J,Weiss E,Lu J,Brackbill E和Hugo G D，2011年，A method for robust segmentation of arbitrarily shaped radiopaquestructures in cone-beam CT projections Med.Phys.38 2151–6.
Ren L,Zhang J,Thongphiew D,Godfrey D J,Wu Q J,Zhou S M和Yin F F，2008年，A novel digital tomosynthesis(DTS)reconstruction method using adeformation field map Med.Phys.35 3110–5.
Ren L,Zhang Y和Yin F F，2014年，A limited-angle intrafractionverification(LIVE)system for radiation therapy Med.Phys.41 020701.
Richter A,Wilbert J,Baier K,Flentje M和Guckenberger M，2010年，Feasibility study for markerless tracking of lung tumors in stereotactic bodyradiotherapy Int.J.Radiat.Oncol.78 618–27.
Rit S,Oliva M V,Brousmiche S,Labarbe R,Sarrut D和Sharp G C，2014年，TheReconstruction Toolkit(RTK),an open-source cone-beam CT reconstructiontoolkit based on the Insight Toolkit(ITK)J.Phys.:Conf.Ser.489 012079.
Roman N O,Shepherd W,Mukhopadhyay N,Hugo G D和Weiss E，2012年，Interfractional positional variability of fiducial markers and primary tumorsin locally advanced non-small-cell lung cancer during audiovisual biofeedbackradiotherapy Int.J.Radiat.Oncol.83 1566–72.
Rottmann J,Keall P和Berbeco R，2013年，Markerless EPID image guideddynamic multi-leaf collimator tracking for lung tumors Phys.Med.Biol.584195–204.
Ruan D,Fessler J A,Balter J M和Keall P J，2009年，Real-time profilingof respiratory motion:baseline drift,frequency variation and fundamentalpattern change Phys.Med.Biol.54 4777–92.
Santoro J等，Evaluation of respiration-correlated digitaltomosynthesis in lung.Med Phys.2010Mar；37(3)1237-45.
Seco J,Sharp G C,Wu Z,Gierga D,Buettner F和Paganetti H，2008年，Dosimetric impact of motion in free-breathing and gated lung radiotherapy:a4D Monte Carlo study of intrafraction and interfraction effects Med.Phys.35356–66.
Seiler P G,Blattmann H,Kirsch S,Muench R K和Schilling C，2000年，Anovel tracking technique for the continuous precise measurement of tumourpositions in conformal radiotherapy Phys.Med.Biol.45N103.
Serpa M,Baier K,Cremers F,Guckenberger M和Meyer J，2014年，Suitabilityof markerless EPID tracking for tumor position verification in gatedradiotherapy Med.Phys.41 031702.
Shah C,Grills I S,Kestin L L,McGrath S,Ye H,Martin S K和Yan D，2012年，Intrafraction variation of mean tumor position during image-guidedhypogractionated stereotactic body radiotherapy for lung cancerInt.J.Radiat.Oncol.82 1636–41.
Sharp G C,Jiang S B,Shimizu S和Shirato H，2004年，Tracking errors in aprototype real-time tumour tracking system Phys.Med.Biol.49 5347.
Shieh C C,Kipritidis J,O’Brien R T,Cooper B J,Kuncic Z和Keall P J，2015年，Improving thoracic four-dimensional cone-beam CT reconstruction withanatomical-adaptive image regularization(AAIR)Phys.Med.Biol.60 841.
Sonke J J,Rossi M,Wolthaus J,van Herk M,Damen E和Belderbos J，2009年，Frameless stereotactic body radiotherapy for lung cancer using four-dimensional cone beam CT guidance Int.J.Radiat.Oncol.74 567–74.
Stevens C,Munden R,Forster K,Kelly J,Liao Z,Starkschall G,Tucker S和Komaki R，2001年，Respiratory-driven lung tumor motion is independent of tumorsize,tumor location,and pulmonary function Int.J.Radiat.Oncol.51 62–8.
Tang X,Sharp G C和Jiang S B，2007年，Fluoroscopic tracking of multipleimplanted fiducial markers using multiple object tracking Phys.Med.Biol.524081.
Teske H,Mercea P,Schwarz M,Nicolay N H,Sterzing F和Bendl R，2015年，Real-time markerless lung tumor tracking in fluoroscopic video:handlingoverlapping of projected structures Med.Phys.42 2540–9.
Trofimov A,Vrancic C,Chan T C Y,Sharp G C和Bortfeld T，2008年，Tumortrailing strategy for intensity-modulated radiation therapy of moving targetsMed.Phys.35 1718–33.
van der Reijden A,van Herk M和Sonke J J，2013年，Motion compensateddigital tomosynthesis Radiother.Oncol.109 398–403.
van der Voort van Zyp N C,Hoogeman M S,van de Water S,Levendag P C,van der Holt B,Heijmen B J和Nuyttens J J，2011年，Stability of markers used forreal-time tumor tracking after percutaneous intrapulmonary placementInt.J.Radiat.Oncol.81e75–81.
van Sornsen de Koste J R,Dahele M,Mostafavi H,Senan S,van der WeideL,Slotman B J和Verbakel W F A R，2013年，Digital tomosynthesis(DTS)forverification of target position in early stage lung cancer patientsMed.Phys.40 091904.
van Sornsen de Koste J R,Dahele M,Mostafavi H,Sloutsky A,Senan S,Slotman B J和Verbakel W F A R，2015年，Markerless tracking of small lung tumorsfor stereotactic radiotherapy Med.Phys.42 1640–52.
Willoughby T等，2006年，Target localization and real-time trackingusing the calypso 4D localization system in patients with localized prostatecancer Int.J.Radiat.Oncol.65 528–34.
Yang Y,Zhong Z,Guo X,Wang J,Anderson J,Solberg T和Mao W，2012年，Anovel markerless technique to evaluate daily lung tumor motion based onconventionalcone-beam CT projection data Int.J.Radiat.Oncol.82E749–56.
Zhang Y,Yin F F,Segars W P和Ren L，2013年，A technique for estimating4D-CBCT using prior knowledge and limited-angle projections Med.Phys.40121701.
背景技术
贯穿本说明书的关于背景技术的任何讨论不应该以任何方式被认为是承认此技术是广泛已知或形成本领域公知常识的一部分。
癌症放射疗法的几乎所有进步均由最大化到肿瘤的辐射剂量同时最小化别处的辐射剂量的双重目标驱动。迄今实现所述目标的最大的阻碍是治疗期间肿瘤的不可预测的位置，其是由主动或非主动的患者移动(包括呼吸)带来的。
通常治疗进一步涉及对植入标记或信标的侵入式规程的附加要求以帮助肿瘤定位。当前，最佳实践放射疗法治疗涉及治疗前成像以确保病人相对于规划图像的正确对齐，以及在治疗之间或之后的后续检查以确保对齐在指定公差内。治疗经常涉及额外剂量和更大的余裕以被动计入预期肿瘤移动。
少数治疗模态涉及在治疗期间监视肿瘤，但是这些模态通常是侵入式的(需要可植入标记或信标)，通常非常昂贵且需要大的成像剂量以在用于标识目标的单次X光投影中弥补未达到最佳的图像质量。
肺肿瘤通常呈现大的呼吸移动范围(Barnes等2001年、Stevens等2001年、Keall等2006年)。肺图像引导的放射疗法(IGRT)的看护的当前标准通过以下方式考虑呼吸移动：基于呼吸相关4维(4D)规划CT来向目标体添加余裕，以及基于每日kV锥束CT(CBCT)扫描来以静态光束位置递送该剂量。随后，呼吸模式和从平均CBCT肿瘤位置的同一分次内偏离(intrafraction deviation)的变化可降低所递送剂量。对于在4D CT和每日CBCT之间的呼吸模式中的大的不一致已观察到3-5％量级上的剂量测定差异(Seco等2008年)。平均目标位置中的超过5mm的同一分次内偏离也在>7％的治疗中被报道(Guckenberger等2007年，Sonke等2009年、Shah等2012年)。为了确保最佳辐射递送，需要实时引导。
当前实时肿瘤跟踪技术依赖于不透辐射的基准标记(Seiler等2000年、Sharp等2004年、Tang等2007年)或电磁辐射应答机信标(Willoughby等2006年、Kupelian等2007年)。然而，标记或信标植入是侵入式的、昂贵且耗时的过程，且并非在每个放射疗法临床中均可用标记导致的毒性(Kothary等2009年)和标记迁移(Imura等2005年、van der VoortVan Zyp等2011年、Hong等2013年)也是常见问题。因此需要无标记肿瘤跟踪。
已提出了少数无标记肺肿瘤跟踪方法，其使用MV电子门电路成像设备(EPID)(Richter等2010年、Rottmann等2013年、Bryant等2014年、Serpa等2014年)或kV成像系统(Hugo等2010年、Lewis等2010年、Gendrin等2012年、Yang等2012年、van Sornsen de Koste等2015年)。基于MV EPID的方法受限于治疗场地大小和不良的对比度。Richter等(2010年)报道了肿瘤可见性在53％的EPID图像中不足以进行跟踪。另一方面，基于kV成像的方法受益于更大的视图和更好的图像质量。Hugo等(2010年)已报道了使用CBCT投影图像上的基于4D CT模板匹配方法的2mm的平均跟踪误差。还使用了基于4D CT模板匹配的方法，Lewis等(2010年)已报道了3.3mm的最大95百分位误差。在幻影研究和具有相对高肿瘤可见性的两个患者扫描(即，孤立或外围肿瘤)上测试两个方法。Gendrin等(2012年)提出了快速的基于GPU的2D/3D配准方法，该方法以2Hz的更新速率监视肿瘤的2D平移移动和3D旋转移动。该方法被进一步改善以包括通过利用垂直MV EPID图像的沿kV光束方向的跟踪(Furtado等2013年)。幻影和患者病例被包括在两个研究中，但是没有基础事实轨迹可用于评估患者病例的跟踪精确度。
现有无标记跟踪方法依赖于肿瘤在kV投影图像上始终可见(van Sornsen deKoste等2015年)。这在肿瘤很小、附连于附近结构(例如中心肿瘤)、被高密度物体(例如骨头解剖结构)遮挡时或在放射深度由于吊架旋转而改变时提出了挑战。在Teske等(2015年)的研究中，肿瘤可见性在前-后(AP)视图中在14个患者中的6个中不足以进行跟踪。预计更多患者不能合格地在吊架旋转期间进行无标记跟踪。Yang等(2012年)使用平均4D CT图像来通过生成“肿瘤移除”的数字化重建射线照片(DRR)来减除CBCT投影图像上的重叠解剖结构。在一个幻影和四个患者扫描上测试该方法，但是没有基础事实比较可用于患者病例。van Sornsen de Koste等(2015年)使用带通空间滤波器来增强CBCT投影上的肿瘤可见性。在5个患者上以0.5-1.4mm的平均绝对跟踪误差证实了该方法。具有不足以用于跟踪的肿瘤可见性的kV图像的分数被发现范围从2-64％。少数研究已经利用了数字断层合成(DTS)进行3D肿瘤定位的潜力(Godfrey等2006年、Descovich等2008年、Maurer等2008年、Ren等2008年,2014年、van der Reijden等2013年、van Sornsen de Koste等2013年、Zhang等2013年)。
发明内容
本发明的一个目的是在其优选形式中提供改进形式的物体的原地靶向。
根据本发明的第一方面，提供了一种用于跟踪位于身体内的目标，同时使用X射线投影来扫描身体的方法，所述方法包括以下步骤：(a)提供所述身体和目标的指示其相对位置的第一先前图像；(b)对于一系列时间间隔，迭代执行以下步骤：(i)获取所述目标区域的几个空间分布的x射线投影；(ii)确定每个x射线投影的一系列移动阶段之一；(iii)对每个移动阶段执行图像的迭代重建；以及(iv)输出当前时间间隔的结果图像。
所述先前图像可包括所述目标的X射线图像。所述迭代重建优选地利用4D锥束CT来迭代地重建所述图像。在一些实施例中，所述确定步骤利用附着到所述身体的移动传感器来确定当前移动阶段。在一些实施例中，所述时间间隔对应于在大约9度扫描弧期间由扫描设备(诸如线性加速器吊架)遍历的时间间隔。
根据本发明的进一步方面，提供了一种跟踪身体内的移动目标的方法，所述方法包括以下步骤：(a)获取所述身体内的所述目标的第一高分辨率模型；(b)形成所述身体的没有所述目标的第二高分辨率模型；(c)以一系列分段弧扫描所述身体，其中所述目标在所述弧内具有一系列阶段位置；(d)形成用于所述扫描的一系列投影阶段分组；(e)确定所述第二高分辨率模型和所扫描的一系列投影阶段分组之间的一系列差异度量；以及(f)利用所述差异度量来跟踪所述目标的预期位置。
在一些实施例中，所述扫描包括所述身体的X射线扫描。扫描可以使用患者和成像系统之间的相对角度旋转。在某些情况下，大约6度的扫描弧是合适的。在一些实施例中，第一高分辨率模型包括身体的4D CBCT模型。在一些实施例中，所述步骤(f)还包括使用所述差异度量和定位所述目标的移动的一系列约束跟踪所述目标。所述跟踪可以包括使用共轭梯度技术优化最小化问题。在一些实施例中，所述跟踪包括在一系列差异度量内形成目标的3D质心模型。所述优化问题可以包括跟踪3D质心。
根据本发明的进一步方面，提供了一种跟踪扫描图像的原位目标的3D位置的方法，所述方法包括以下步骤：(a)构建所述目标及其周围环境的计算先验模型；(b)利用所述原位目标的一个或多个空间分布的实时2D荧光透视图像来跟踪所述目标；(c)将计算先验模型与在步骤(b)中获得的一个或多个空间分布的2D荧光透视图像进行比较；以及(d)搜索基本上最优的3D目标位置，实质上最小化所述先验模型和所述荧光透视图像之间的差异。
在一些实施例中，所述原位目标包括肿瘤，并且所述计算先验模型利用治疗前4D锥束CT，并且其中所述步骤(a)包括基于在所述肿瘤周围形成的治疗前肿瘤轮廓将所述计算先验模型划分为所述肿瘤的模型和周围解剖结构。在一些实施例中，所述方法应用于肺肿瘤跟踪，并且其中基于呼吸运动的替代信号执行多个空间分布的实时2D荧光透视图像的选择。所述步骤(c)可包括从所述2D荧光透视图像中减去所述计算先验模型。所述步骤(d)可包括惩罚所述目标与先前位置的大的空间偏离的附加正则化项的最小化。
附图说明
现在将经作为示例描述本发明的各实施例，在各附图中：
图1解说了优选实施例的两步过程的流程图；
图2示意性地解说了单个X射线投影；
图3示意性地解说了断层摄影图像重建的过程(其正常情况下需要跨360度的空间分布的X射线投影的完整集合)；
图4示意性地解说了利用少数空间分布的X射线投影来进行目标图像重建的过程；
图5解说了概括使用少数空间分布的X射线投影来进行原地目标图像重建的流程图；
图6解说了从单一kV X射线投影获得的肺癌症放射疗法患者的图像；
图7解说了从使用少数空间分布的X射线投影的原地目标图像重建获得的肺癌症放射疗法患者的图像；
图8解说了与基准标记跟踪相比优选实施例的肿瘤跟踪的示例；
图9解说了本发明的替代实施例的流程图。
具体实施方式
各实施例提供了用于使用跨大能量范围(包括kV或MV能量级)的X射线来标识身体内部的目标移动的先进方案。本发明的实施例具有在放射学上的广泛应用，包括介入性放射学、小切口手术和诊断成像。
本发明的实施例提供了不需要植入标记的目标移动的非侵入式跟踪。它可以提供更健壮、更快的结果，这可以导致被成像的患者的辐射剂量大大降低。此外，实施例涉及目标辐射目标的直接定位，而不是对替代物(像是身体中的标记或地标)的测量，且因此更加健壮和更加精确。
替代实施例提供放射疗法系统的进一步简化，从而消除对附加呼吸监视设备的需要。
这些实施例利用减少数量的空间分布的X射线投影来进行身体内的移动物体的原位靶向。首先转到图1，第一实施例中的步骤1包括两个主要部分：
1.使用少数空间分布的X射线投影的实时原位目标图像重建。
第一个部分生成具有用于定位的足够空间信息的目标的图像，同时从该图像中检测目标的移动和变形。在以下章节中描述这两个部分。
1.使用少数空间分布的X射线投影的实时原位目标图像重建
使用如图2所示的单个X射线投影的原位目标定位很少能够实现，这是由于附近物体沿着X射线与目标11重叠而造成的较差的图像对比度。另一方面，如图3中示意性所示的利用跨越至少180度的空间分布的X射线投影的完整集合的断层图像重建提供了目标的高质量三维(3D)图像，但是经常需要延长扫描时间，并且不会呈现目标的实时信息。
在第一实施例中，如图4中示意性所示，在实时3D原位目标跟踪的短时间间隔(20秒或更短)内获取少数空间分布的X射线投影。通过使用多于一个X射线投影，附加的空间信息允许将目标从周围物体中划定出来。此外，与断层摄影图像重建相比短得多的扫描时间允许目标的实时定位。
使用仅少数空间分布的X射线投影的原位目标图像重建是具有挑战性的，因为少量的获取数据通常不足以确定目标的3D结构和位置。然而，这可以通过将以下并入图5的图像重建过程来克服，其包括：
A.目标的高质量先前图像51
先前图像是目标及其邻近区域的预先获取的4D-CBCT图像。高质量的先前图像是重要的，因为它提供了可如何从周围物体区分目标的知识。
在放射疗法中，患者的一组断层摄影图像通常在治疗之前立即获得以用于患者设定，并且是合适的先前图像，因为它们在治疗期间非常接近地表示患者的解剖结构。
虽然可以利用不同的方法来获取先前图像，但是一个实施例利用了Shieh C C等2015年中公开的技术，以提供先前图像的高水平图像质量。
B.迭代图像重建算法52
在放射疗法中存在利用X射线投影的有限空间跨度的图像重建技术，其被称为数字断层合成(DTS)(James T D和Devon J G 2003年)。DTS主要用于患者设定成像，并采用显著跨度的X射线投影。在第一实施例中，需要小得多的角度范围(～10度)，以便足够用于实时目标定位的时间分辨率。为此目的，开发了一种迭代DTS重建算法来解决以下挑战：
a.X射线投射的小角度范围导致目标结构和沿X射线方向的位置的信息的缺失。这可以通过在高质量的先前图像和结果之间施加相似性约束来克服，在这种情况下可以并入先前图像的全3D信息。
b.即使在短扫描间隔内，目标也可能呈现移动。在肺癌放射疗法中，移动主要是由呼吸引起的，并且可以通过外部替代物(例如，测量患者腹部移动的红外信号)来估计。然后可以将少数X射线投影分类为若干呼吸阶段，并将其重建为单独的图像，在每个图像内所述移动是最小的(Santoro J等，2010年)。
c.当仅使用少量X射线投影时，X射线投影中的固有噪声对图像质量有严重影响。这可以通过在迭代过程中添加正则化约束来克服，以减少噪声和伪影。
d.目标在先前图像和扫描期间可能具有不同的结构(变形)和位置(平移移动)。可以通过在迭代过程中对变形和移动的程度添加约束来与所产生的图像一起共同估计这样的差异。Ren L等2008年中提供了类似的技术。
e.关于肿瘤的知识的置信水平可以是动态的，并且取决于在特定图像重建中使用的投影的角度和数量。为了考虑这一点，上述所有约束都可以基于某种置信度进行自适应调整。
总之，目标图像重建算法可以是混合DTS方法，其组合了几种技术来克服使用X射线投影数据的有限空间跨度所引起的挑战。迭代重建过程是优化问题的形式，其中要优化的目标函数是数据保真度、图像平滑度和先前和结果图像之间的变形/移动/相似性的自适应组合。
图5解说了概述上述程序步骤的流程图。
对肺癌放射疗法患者测试程序步骤。图6示出了从单个千伏(kV)X射线投影获得的图像，图7示出了使用上述技术的结果图像。优选实施例的方法已经显着地改善了目标的对比度和清晰度，即由圆圈61、71突出显示的肿瘤，从而允许从周围物体描绘目标的轮廓并进行原位定位。
为了证明使用我们的发明实时定位的可行性，图8显示了在两分钟成像会话期间使用我们的方法获得的上下(SI)方向的肿瘤的轨迹。先前将不透辐射的基准标记植入肿瘤中，其轨迹可以精确测量(以黑色显示)，并用作基础事实。优选实施例的方法能够将肿瘤定位在大约2mm的精度内。快速振荡呼吸运动模式和长期运动趋势都被很好地捕捉。
替代实施例
现在将主要参考图9描述本发明的替代实施例，图9公开了更直接的肿瘤定位方法中的步骤。
在该方法中，目标肿瘤再次被跟踪，其中肿瘤体被显著下采样。这允许在扫描系统和人体的相对移动期间实时跟踪肿瘤。有限数量的投影允许在没有断层合成的情况下进行跟踪。该实施例积极地利用了先前包含在图像中的先验知识。
在本实施例中，通过4D CBCT提供初始先前图像。诸如Shieh CC 2015年中公开的技术可用于提供包括呼吸阶段信息的4D先前图像。4D CBCT图像可以通过许多不同的手段获得。例如通过CT成像。
理想情况下，高质量的4D CBCT(AAIR)图像用于去除解剖结构-标准的FDK 4DCBCT重建可能无法提供信号显著性，其将不能够产生有助于很好地去除解剖结构的DRR。
第一步91是将4D CBCT图像前向投影到每个角度和呼吸阶段的二维域中，并从图像中分割和提取出肿瘤以产生非肿瘤4D CBCT图像，其突出显示背景非肿瘤建模。
接下来，92，对于当前成像弧(在一些实施例中可以为大约9度)，投影被分类为呼吸阶段。
接下来，93，使用非肿瘤4D CBCT图像从所获取的投影中减去解剖结构以确定差异投影，其突出显示肿瘤结构。
接下来，使用诸如共轭梯度方法的优化过程来找到该阶段的肿瘤模型的最优3D位置。
因此，重建问题成为以下的最小化：
(x，y，z)*＝argmin|Rf(x，y，z)-p|2+其它约束(x，y，z) (式1)
其中R是前向投影算子，f(x,y,z)是形成4D CBCT的肿瘤模型，作为其质心x,y,z的函数。p是与实际治疗投影的差异投影。
式1的argmin部分包括差异投影。其他约束可以包括对肿瘤移动的限制。例如，与前一帧相比，肿瘤只能沿着DTS角度(其中分辨率最差)的方向上最小化地移动，仅仅是为了稳定跟踪。
以这种方式表达问题的优点是目标函数是凸的、可微分的，并且可以使用有限差异和前向投影容易地计算其梯度和Hessian(海塞)。这意味着该函数适用于共轭梯度求解技术。
最小值可以被当做最可能的肿瘤质心位置。肿瘤建模用于显著减少要求解的变量数量。
该实施例做了许多假设来降低复杂性。这些假设包括：1.除了肿瘤之外的解剖结构在(相同呼吸阶段的)治疗前和治疗会话之间不显著变化。通过从治疗投影中减去从相同阶段的仅解剖结构(肿瘤已去除的)4D CBCT产生的刚性对准的DRR来应用该假设。2.肿瘤位置在相同的阶段内且在9度成像弧内相似。该假设通过呼吸分类和使用多个投影来应用。3.肿瘤的形状在(相同阶段的)治疗前4D CBCT和治疗之间并不改变。通过使用从4D CBCT提取的肿瘤模型，并且仅允许其在x,y,z中刚性地移动以匹配投影来应用该假设。换句话说，取代求解我们的3D图像中的所有的像素值，只需求解三个变量-x,y,z，即肿瘤质心坐标。(如果我们可以将该图像表达为几个重要的变形参数(如大小)的函数，也可以包括变形)。
该实施例还允许使用多个投影，这确保了我们有足够的信息来确定x,y,z位置，并且匹配将不太容易受特定投影中的噪声/伪像/重叠解剖结构的影响。
其他替代实施例
在本发明的实施例中，提供了一种对较差肿瘤可见度进行强健的基于吊架旋转下的kV成像的3D无标记肺肿瘤跟踪方法和装置。称为短弧肿瘤跟踪(SATT)方法的一种方法与其他无标记跟踪方案不同之处在于，使用九度成像弧，并结合呼吸相关的4D CBCT先验知识。
短弧肿瘤跟踪(SATT)：SATT方法的工作流如先前在图9所概括的，后文讨论了多处改进。
最初，肿瘤已经在规划CT上描绘了轮廓，并且提供了治疗前的呼吸相关4D CBCT扫描可用。该方法可以利用洞察工具包(ITK)(Johnson等2015年)和重建工具包(RTK)(Rit等2014年)。
在以下章节中将详细描述四个主要步骤。
产生肿瘤和解剖结构模型，91。在治疗前，从治疗前4D CBCT图像中产生肿瘤的4D模型和周围解剖结构。这是通过使用可变形图像配准(DIR)将规划CT上的肿瘤轮廓翘曲到4D CBCT上来完成的。对于4D CBCT的每个阶段，产生肿瘤模型和“肿瘤去除的”4D CBCT图像(91)。肿瘤模型是在翘曲轮廓内的4D CBCT图像像素的直接提取，而“肿瘤去除”4D CBCT图像是在翘曲轮廓内的像素值设置为零衰减的4D CBCT图像。肿瘤模型代表要跟踪的目标，而肿瘤去除的4D CBCT图像是估计周围解剖结构对kV投影图像的整体衰减的贡献的解剖结构模型。两种模型的质量都取决于4D CBCT图像的质量。在一个示例中，使用先前开发的解剖自适应图像正则化(AAIR)技术重建4D CBCT图像，以在保持图像清晰度的同时降低噪声和条纹伪像(Shieh等，2015年)，结合先前图像约束压缩感测(PICCS)算法(Chen等，2008年)，以改善骨骼解剖结构的对比度。其他技术可用于降低噪声。
短成像弧投影选择(92)。在治疗期间，在每个kV投影获取时间戳处执行跟踪。对于每个新的kV投影，呼吸阶段首先由投影强度分析方法确定(Kavanagh等，2009年)。在此工作中，使用回顾性呼吸阶段。在实践中，实时阶段可以使用Ruan等(2009年)提出的方法进行计算。然后选择先前九度成像弧中相同阶段的投影(92)。选择9度的弧度大小，因为发现它是呈现成功跟踪的最小弧。与使用单个投影相比，九度弧在多个视图中利用肿瘤的3D信息，使得可能跟踪否则将是具有挑战性的病例，例如附着于相邻结构的肿瘤。。此外，可以在典型的吊架速度为1-6度/秒下在1.5-9秒内获取九度成像弧，这通常为治疗引导所需的时间分辨率足够短的时间间隔。测试了30度的较大弧，且发现其稍微改善肿瘤定位，但同时进一步降级了时间分辨率，从而导致了整体类似跟踪性能。在实践中，最佳弧尺寸可能取决于多种因素，例如肿瘤的可见性、大小和位置以及吊架速度。
解剖结构减去(93)。在将前一步骤中选择的投影用于肿瘤位置匹配之前，首先估计除了肿瘤以外的所有解剖结构对整体衰减值的贡献，并将其从投影中减去。这是通过首先向前投影相同阶段的肿瘤去除的4D CBCT图像以在所选择的投影的吊架角度产生肿瘤去除的DRR来完成的。然后将每个DRR刚性地配准到相应的投影并将其从相应的投影中减去，导致“差异投影”集合(95)。假设差异投影(表示为p)仅包含由肿瘤贡献的衰减，因此可以通过将肿瘤模型与p匹配来发现确切的肿瘤位置。然而，在实践中，由于治疗期间患者解剖结构的变化和来自重建的4D CBCT图像和DRR的近似误差，从投影中精确地减去解剖结构是不可能的。
3D肿瘤位置搜索(94)。可以通过在3D空间中刚性移动肿瘤模型f直到达到肿瘤模型Rf的前向投影与差异投影p之间的最优匹配，来找到肿瘤位置，其中R是前向投影算子。假设在同一呼吸阶段内没有肿瘤的旋转和变形，肿瘤模型可以被认为是其质心位置f(r)的函数，其中r＝[x,y,z]T(以mm为单位)是以IEC 61217几何标准表达的肿瘤质心，即x为左右(LR)，y为上下(SI)，且z为前后(AP)(IEC 61217：放射治疗装备-坐标、移动和尺度2011)。搜索最优肿瘤质心位置r*的问题此时可以描述为以下优化问题：
目标函数的第一项表示Rf(r)和p之间的差异的L2范数。其他三项是正则化项，其防止错误的跟踪结果，这些结果潜在地可能由较差的解剖结构减去引起。例如，差异投影中的残留高度衰减结构。正则化项惩罚了跟踪结果，其显著偏离了基于分别深度(ID)、横向(Lat)和SI方向上的kV短弧中的平方距离的先前肿瘤位置rPrior。深度有向向量被定义为在所选投影的中间角度值的方向中，而横向有向向量被定义为垂直于和SI有向向量两者。引入γ作为参数来调整平方距离的幂，因为越高的功率项对于小偏离更宽容，而更不容忍大偏离。换句话说，对于更大的γ值，当r相当接近rPrior时，正则化项对跟踪结果的影响更小，且当r与rPrior显著偏离时，影响更大。在此示例中，所有γ都被设置为2。λ控制深度、横向和SI方向的正则化强度。通常，λID大于λLat和λSI，因为所选择的投影在深度方向上比在横向和SI方向上包含少得多的信息。在此工作中，λ值是基于启发式方案选择的，使得当||r-rPrior||小时，正则化项对跟踪的影响最小，且仅在||r-rPrior||大于某个阈值时开始有值得注意的影响。
(1)的局部最小值可以通过非线性共轭梯度法求解。(1)中的目标函数通常不是凸的并且具有多个最小值，因为解剖学减法通常是不完美的，并且可能导致p中残留的高度衰减的结构，其可能误导跟踪。然而，通过r的适当正则化和初始化，该算法可以主要被朝着感兴趣的最小值引导，即紧密代表真实肿瘤质心的解决方案。非线性共轭梯度方法通常收敛到最接近的最小值，并且如果典型的获取速率为约5Hz，则肿瘤通常在连续的kV投影获取之间具有最小的移动。因此，在此工作中，将初始r0设定为在先前kV获取时间戳中跟踪的肿瘤质心位置。此外，相同阶段的4D CBCT图像中的肿瘤质心位置被用作rPrior以进行正则化以稳定跟踪。
结果
该实施例的系统对来自NCI赞助的肺癌试验的kV成像数据集的SATT进行了回顾性验证，其中七名局部晚期非小细胞肺癌患者使用具有3D适形放射疗法的定性放射化学疗法进行治疗(参见Roman等(2012年)中对数据集的详细描述)。这些患者病例代表了无标记肿瘤跟踪的挑战性场景，因为肿瘤附着于纵隔膜，并且由于较差邻近对比度，在大多数kV投影图像中不能被视觉标识。每个患者在肿瘤内和/或周围植入2-4个基准金线圈标记，其轨迹在该工作中用作计算跟踪精确度的基础事实。该系统被发现提供无标记的肺肿瘤跟踪。
SATT方法提供了无标记的肺肿瘤跟踪方法，其采用极短的成像弧投影匹配(9度)和4D CBCT先前知识。这两个组件使得可以直接跟踪kV投影图像上的较差可见度的肿瘤。
SATT在治疗实施期间利用治疗前4D CBCT扫描和连续的kV图像获取，它们都容易与现代放射治疗的工作流兼容。肿瘤跟踪程序不会干扰治疗过程，因为其独立于治疗实施进行。SATT的短弧性质假定实施技术涉及连续吊架旋转，例如体积调制弧治疗。然而，SATT的方法也可以应用于静态吊架情况下的治疗，如步进式(step-and-shoot)强度调制放射治疗和保形放射治疗。在这些治疗场景下，短弧选择步骤减少到使用单个投影。此外，需要更强的深度正则化(更高的λID)来补偿深度分辨率的损失。
在试验中，与所有扫描的CBCT相比，跟踪的轨迹误差显著更小，并且对于与平均CBCT位置具有较大偏离的肿瘤，改善最显著。这突出了SATT在IGRT中的有用性，因为它总是提供比护理标准更准确的位置信息，且特别是当存在大的肿瘤偏移时。
发现跟踪精确度因情况而异。对于与平均CBCT位置有大偏离的情况，观察到较大的轨迹误差。这最可能是因为大肿瘤偏移通常伴随着周围解剖结构的变化，特别是对于附着于附近结构的肿瘤，从而降级了4D CBCT解剖结构模型的精确度。然而，仍然预期使用4DCBCT先验知识将比基于4D CT先验模型的方法更精确(Hugo等，2010年，Lewis等，2010年)。发现相对于CBCT的改进在SI方向上更大并且在MV横向上更小。这是因为在MV横向方向(其与kV短弧深度方向几乎平行)上的跟踪的姿势不良，因此增加了基于4D CBCT的正则化项的影响。在MV横向方向上的跟踪是对具有垂直的kV-MV定向的大多数商业直线加速器上的基于kV成像的方法的共同挑战。可以使用利用kV和MV两种图像的技术来改善MV横向跟踪精度(Furtado等，2013年，Ren等，2014年)。替代地，如果在具有非垂直kV-MV定向的直线加速器上实施SATT，诸如Vero SBRT系统(德国费尔德基兴的BrainLab AG)(Depuydt等，2014年)，则可能存在更好的MV横向跟踪精确度。
与其他研究的比较：已经在临床病例中提出和测试了几种基于kV成像的无标记跟踪方法。Hugo等(2010年)报道了2mm的平均跟踪误差。Lewis等(2010年)报道了最大95百分位误差为3.3毫米。van Sornsen de Koste等(2015年)发现投影域的平均跟踪误差为0.5-1.1mm。这些研究主要研究了孤立的肿瘤，其在kV投影图像上具有相对高的可见度。结果与本工作中观察到的良好情况相似。此外，Hugo等(2010年)和Lewis等(2010年)报道的结果仅针对两次临床扫描获得。van Sornsen de Koste等(2015年)研究了共22次扫描，且发现具有不足以用于跟踪的肿瘤可见度的kV图像的分数范围为从2-64％。Teske等(2015年)也在他们的研究中报道，在AP视野中，14例患者中有6例患者的肿瘤可见度不足以追踪。相比之下，这些实施例的方法能够以吊架角度跟踪肿瘤，而不管较差的肿瘤的可见度。与基于单投影的模板匹配方法相比，该方法允许更多的患者合格地进行无标记引导并从中获益。
SATT方法提供了一种基于短kV成像弧和4D CBCT先前知识的无标记肺肿瘤跟踪方法，以解决无标记跟踪中较差肿瘤可见度的挑战。实施例对于具有中心肿瘤的患者而言是很好的，这类肿瘤由于缺乏邻近对比度而难以跟踪。
SATT对于低肿瘤可见度是健壮的，并且可能允许更多的患者合格地进行无标记实时引导。肿瘤定位精确度也被显著改善。
解释
贯穿本说明书引述的“一个实施例”、“一些实施例”或“一实施例”意指结合该实施例描述的特定特征、结构或特性被包括在本发明的至少一个实施例中。由此，短语“在一个实施例中”、“在一些实施例中”或“在一实施例中”在贯穿本说明书的各个地方的出现并不一定全部引述同一实施例，但是可能引述同一实施例。此外，在一个或多个实施例中，如本领域普通技术人员会从本公开中显而易见的，特定特征、结构或特性可以用任何合适的方式进行组合。
如本文所使用的，除非另外指明，否则使用序数形容词“第一”、“第二”、“第三”等来描述共同对象，仅指示正在引用相似对象的不同实例，而不是意图暗示，如此描述的对象必须处于给定的顺序，无论是在时间上、空间上、排名中、还是以任何其他方式。
在下面的权利要求和本文的描述中，术语包括、由其组成或其包括中的任何一个术语是开放术语，其意味着至少包括随后的元素/特征，但不排除其他元素/特征。因此，当在权利要求中使用时，该术语不应被解释为对其后列出的装置或元素或步骤的限制。例如，设备包括A和B这一表达的范围不应限于仅由元素A和B构成的装置。如本文所使用的术语包括或包含或含有中的任何一个术语也是一个开放术语，意味着至少包括术语之后的元素/特征，但不排除其他元素/特征。因此，包括是包含的同义词且意思是包含。
如本文所使用的，术语“示例性”是在提供示例的意义上使用的，而不是指示质量。也就是说，“示例性实施例”是作为示例提供的实施例，而不一定是示例性质量的实施例。
应当理解的是，在本发明的示例性实施例的前述描述中，本发明的各个特征有时在单个实施例、附图及其描述中被组合到一起，以将本公开内容连成整体，并帮助理解各个发明方面中的一个或多个方面。然而，这种公开方法不应被解读为反映所要求保护的本发明需要比每项权利要求中所明确记载的更多特征的意图。相反，如所附权利要求反映的，各发明性方面存在于比单个前述公开的实施例的全部特征更少的特征。因此，说明书之后所附的权利要求因此被明确纳入该说明书中，每一项权利要求独自作为本发明单独的实施例。
此外，尽管此处描述的一些实施例包括其他实施例中所包括的一些特征但没有其他实施例中包括的其他特征，但是不同实施例的特征的组合意图落在本发明的范围内，并且形成如本领域技术人员所理解的不同实施例。例如，在所附的权利要求书中，所要求保护的实施例中的任何实施例均可以任何组合来使用。
进一步，实施例中的一些此处被描述为可由计算系统的处理器或实现该功能的其他装置实现的方法或方法的要素组合。因此，具有用于执行这种方法或方法的元素的必要指令的处理器形成用于执行方法或方法的元素的装置。进一步，装置实施例的此处所描述的要素是用于实现由实现本发明的目的的部件所执行的功能的装置。
在本文所提供的描述中，阐述了众多具体细节。然而应理解，在没有这些具体细节的情况下也可实践本发明的实施例。在其他实例中，公知的方法、结构和技术未被详细示出以免混淆对本描述的理解。
类似地，应注意，权利要求中所使用的术语“耦合”不应当被解释为仅限于直接连接。可使用术语“耦合的”和“连接的”以及其衍生词。应当理解的是，这些术语不旨在作为彼此的同义词。因此，设备A耦合到设备B这一表达的范围不应该被限制在其中设备A的输出直接连接到设备B的输入的设备或系统。这意味着在设备A的输出和B的输入之间存在路径，该路径可以是包括其他设备或装置的路径。“耦合”可意味着两个或更多部件直接的物理或电接触，或者意味着两个或更多部件没有直接接触但彼此仍然共同合作或彼此相合。
因此，虽然相信已经描述的内容是本发明的优选实施例，但本领域技术人员将认识到可对其作出其它和进一步的修改而不背离本发明的精神，而且目的是要求保护如落入本发明的范围内的所有这些变化和修改。例如，上面给出的任何分子式仅代表可被使用的步骤。可从框图中增删功能，且可在功能框之间互换操作。在本发明范围内可对所述方法增删步骤。
Claims (19)
1.一种用于跟踪位于身体内的目标，同时使用X射线投影来扫描身体的方法，所述方法包括以下步骤：
(a)提供所述身体和目标的指示其相对位置的第一先前图像；
(b)对于一系列时间间隔，迭代执行以下步骤：
(i)获取所述目标区域的几个空间分布的x射线投影；
(ii)确定每个x射线投影的一系列移动阶段之一；
(iii)对每个移动阶段执行图像的迭代重建；以及
(iv)输出当前时间间隔的结果图像。
2.根据权利要求1所述的方法，其中所述先前图像包括所述目标的X射线图像。
3.根据前述权利要求中任一项所述的方法，其中所述迭代重建利用4D锥束CT来迭代地重建所述图像。
4.根据前述权利要求中任一项所述的方法，其中所述确定步骤利用附着到所述身体的移动传感器来确定当前移动阶段。
5.根据前述权利要求中任一项所述的方法，其中所述时间间隔对应于约6度扫描弧。
6.一种跟踪身体内的移动目标的方法，所述方法包括以下步骤：
(a)获取所述身体内的所述目标的第一高分辨率模型；
(b)形成所述身体的没有所述目标的第二高分辨率模型；
(c)以一系列分段弧扫描所述身体，其中所述目标在所述弧内具有一系列阶段位置；
(d)形成用于所述扫描的一系列投影阶段分组；
(e)确定所述第二高分辨率模型和所扫描的一系列投影阶段分组之间的一系列差异度量；
(f)利用所述差异度量来跟踪所述目标的预期位置。
7.根据权利要求6所述的方法，其中所述扫描包括所述身体的X射线扫描。
8.根据权利要求6所述的方法，其中所述弧为约6度。
9.根据权利要求6至8中任一项所述的方法，其中所述第一高分辨率模型包括所述身体的4D CBCT模型。
10.根据前述权利要求6至9中任一项所述的方法，其中所述步骤(f)还包括使用所述差异度量和定位所述目标的移动的一系列约束跟踪所述目标。
11.根据权利要求10所述的方法，其中所述跟踪包括在所述一系列差异度量内形成所述目标的质心模型。
12.根据前述权利要求6至11中任一项所述的方法，其中步骤(f)还包括在优化函数中利用所述差异度量。
13.根据权利要求12所述的方法，其中使用共轭梯度方法来求解所述优化函数。
14.一种跟踪扫描图像的原位目标的3D位置的方法，所述方法包括以下步骤：
(a)构建所述目标及其周围环境的计算先验模型；
(b)利用所述原位目标的一个或多个空间分布的实时2D荧光透视图像来跟踪所述目标；
(c)将计算先验模型与在步骤(b)中获得的一个或多个空间分布的2D荧光透视图像进行比较；
(d)搜索基本上最优的3D目标位置，实质上最小化所述先验模型和所述荧光透视图像之间的差异。
15.根据权利要求14所述的方法，其中所述原位目标包括肿瘤，并且所述计算先验模型利用治疗前4D锥束CT，并且其中所述步骤(a)包括基于在所述肿瘤周围形成的治疗前肿瘤轮廓将所述计算先验模型划分为所述肿瘤的模型和周围解剖结构。
16.根据权利要求14或15所述的方法，其中所述方法应用于肺肿瘤跟踪，并且其中基于呼吸运动的替代信号执行多个空间分布的实时2D荧光透视图像的选择。
17.根据权利要求14所述的方法，所述方法被应用于肿瘤跟踪，并且其中步骤(c)包括从所述2D荧光透视图像中减去所述计算先验模型。
18.根据权利要求14所述的方法，所述方法被应用于肿瘤跟踪，并且其中步骤(d)包括惩罚所述目标与先前位置的大的空间偏离的附加正则化项的最小化。
19.根据权利要求18所述的方法，并且其中所述先前位置是在所述先验模型中测量的所述目标位置。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| AU2015900886 | 2015-03-12 | ||
| AU2015900886A AU2015900886A0 (en) | 2015-03-12 | Method and system for in situ targeting of objects | |
| PCT/AU2016/000086 WO2016141416A1 (en) | 2015-03-12 | 2016-03-11 | Method and system for in situ targeting of objects |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107613873A true CN107613873A (zh) | 2018-01-19 |
| CN107613873B CN107613873B (zh) | 2021-10-29 |
Family
ID=56879928
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201680015346.6A Active CN107613873B (zh) | 2015-03-12 | 2016-03-11 | 用于物体的原地靶向的方法和系统 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US11040220B2 (zh) |
| EP (1) | EP3267895B1 (zh) |
| CN (1) | CN107613873B (zh) |
| AU (1) | AU2016228944B2 (zh) |
| ES (1) | ES2846803T3 (zh) |
| WO (1) | WO2016141416A1 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110664425A (zh) * | 2019-10-11 | 2020-01-10 | 上海市肺科医院 | 一种肺原位癌识别方法的关键ct技术 |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10342996B2 (en) | 2016-08-29 | 2019-07-09 | Accuray Incorporated | Online angle selection in rotational imaging and tracking systems |
| CN108853753B (zh) * | 2016-09-30 | 2022-02-18 | 上海联影医疗科技股份有限公司 | 肿瘤实时监控装置、放射治疗系统 |
| US11295449B2 (en) | 2016-11-21 | 2022-04-05 | Asto CT, Inc. | Three-dimensional tracking of a target in a body |
| US11301720B2 (en) * | 2020-04-28 | 2022-04-12 | International Business Machines Corporation | Training set enrichment with insignificantly-abnormal medical images |
| US11712584B1 (en) * | 2022-05-24 | 2023-08-01 | Accuray Incorporated | Prospective and retrospective on-line adaptive radiotherapy |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101076282A (zh) * | 2004-09-30 | 2007-11-21 | 安科锐公司 | 移动目标的动态追踪 |
| CN101120871A (zh) * | 2006-12-29 | 2008-02-13 | 成都川大奇林科技有限责任公司 | 精确放射治疗计划系统 |
| US20090161933A1 (en) * | 2007-12-20 | 2009-06-25 | Guang-Hong Chen | Method for dynamic prior image constrained image reconstruction |
| CN101553281A (zh) * | 2006-11-02 | 2009-10-07 | 艾可瑞公司 | 使用直接目标配准的目标跟踪 |
| CN101623198A (zh) * | 2008-07-08 | 2010-01-13 | 深圳市海博科技有限公司 | 动态肿瘤实时跟踪方法 |
| CN101628154A (zh) * | 2008-07-16 | 2010-01-20 | 深圳市海博科技有限公司 | 基于预测的图像引导跟踪方法 |
| CN101969852A (zh) * | 2008-03-04 | 2011-02-09 | 断层放疗公司 | 用于改进图像分割的方法和系统 |
| US7894664B2 (en) * | 2006-03-22 | 2011-02-22 | University Of Washington | Conditional shape model for image processing |
| US20120128223A1 (en) * | 2010-10-22 | 2012-05-24 | The Johns Hopkins University | Method and system for processing ultrasound data |
| US20120226152A1 (en) * | 2011-03-03 | 2012-09-06 | Porikli Fatih M | Tumor Tracking System and Method for Radiotherapy |
| US20130006093A1 (en) * | 2011-01-21 | 2013-01-03 | Headwater Partners Ii Llc | Radiation treatment with multiple imaging elements |
| CN103430213A (zh) * | 2011-03-30 | 2013-12-04 | 三菱电机株式会社 | 追踪肿瘤的方法 |
| WO2014015421A1 (en) * | 2012-07-27 | 2014-01-30 | University Health Network | Radiotherapy system integrating a radiation source with a magnetic resonance imaging apparatus with movable magnet components |
| US20140050297A1 (en) * | 2012-08-20 | 2014-02-20 | Hassan Mostafavi | Radiation imaging using very slow rotational technique |
| US20140275704A1 (en) * | 2013-03-14 | 2014-09-18 | Xcision Medical Systems, Llc | Methods and system for breathing-synchronized, target-tracking radiation therapy |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060079764A1 (en) * | 2004-07-23 | 2006-04-13 | Wright J N | Systems and methods for real time tracking of targets in radiation therapy and other medical applications |
| EP2179589A4 (en) * | 2007-07-20 | 2010-12-01 | Fujifilm Corp | IMAGE PROCESSING DEVICE, IMAGE PROCESSING AND PROGRAM |
| FR2932599A1 (fr) * | 2008-06-12 | 2009-12-18 | Eugene Franck Maizeroi | Procede et dispositif de traitement d'image, notamment pour le traitement d'images medicales pour la determination de vo lumes 3d |
| WO2012019162A1 (en) | 2010-08-06 | 2012-02-09 | Accuray, Inc. | Systems and methods for real-time tumor tracking during radiation treatment using ultrasound imaging |
| US8460166B2 (en) * | 2010-10-01 | 2013-06-11 | Elekta Ab (Publ) | Radiotherapy planning and delivery |
| US9364687B2 (en) * | 2011-01-21 | 2016-06-14 | Headwater Partners Ii Llc | Imaging observation timing based on radiation treatment system element delay |
| US10026015B2 (en) | 2014-04-01 | 2018-07-17 | Case Western Reserve University | Imaging control to facilitate tracking objects and/or perform real-time intervention |
| US11295449B2 (en) | 2016-11-21 | 2022-04-05 | Asto CT, Inc. | Three-dimensional tracking of a target in a body |
-
2016
- 2016-03-11 CN CN201680015346.6A patent/CN107613873B/zh active Active
- 2016-03-11 AU AU2016228944A patent/AU2016228944B2/en active Active
- 2016-03-11 US US15/557,330 patent/US11040220B2/en active Active
- 2016-03-11 EP EP16760919.7A patent/EP3267895B1/en active Active
- 2016-03-11 ES ES16760919T patent/ES2846803T3/es active Active
- 2016-03-11 WO PCT/AU2016/000086 patent/WO2016141416A1/en active Application Filing
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101076282A (zh) * | 2004-09-30 | 2007-11-21 | 安科锐公司 | 移动目标的动态追踪 |
| US7894664B2 (en) * | 2006-03-22 | 2011-02-22 | University Of Washington | Conditional shape model for image processing |
| CN101553281A (zh) * | 2006-11-02 | 2009-10-07 | 艾可瑞公司 | 使用直接目标配准的目标跟踪 |
| CN101120871A (zh) * | 2006-12-29 | 2008-02-13 | 成都川大奇林科技有限责任公司 | 精确放射治疗计划系统 |
| US20090161933A1 (en) * | 2007-12-20 | 2009-06-25 | Guang-Hong Chen | Method for dynamic prior image constrained image reconstruction |
| CN101969852A (zh) * | 2008-03-04 | 2011-02-09 | 断层放疗公司 | 用于改进图像分割的方法和系统 |
| CN101623198A (zh) * | 2008-07-08 | 2010-01-13 | 深圳市海博科技有限公司 | 动态肿瘤实时跟踪方法 |
| CN101628154A (zh) * | 2008-07-16 | 2010-01-20 | 深圳市海博科技有限公司 | 基于预测的图像引导跟踪方法 |
| US20120128223A1 (en) * | 2010-10-22 | 2012-05-24 | The Johns Hopkins University | Method and system for processing ultrasound data |
| US20130006093A1 (en) * | 2011-01-21 | 2013-01-03 | Headwater Partners Ii Llc | Radiation treatment with multiple imaging elements |
| US20120226152A1 (en) * | 2011-03-03 | 2012-09-06 | Porikli Fatih M | Tumor Tracking System and Method for Radiotherapy |
| CN103430213A (zh) * | 2011-03-30 | 2013-12-04 | 三菱电机株式会社 | 追踪肿瘤的方法 |
| WO2014015421A1 (en) * | 2012-07-27 | 2014-01-30 | University Health Network | Radiotherapy system integrating a radiation source with a magnetic resonance imaging apparatus with movable magnet components |
| US20140050297A1 (en) * | 2012-08-20 | 2014-02-20 | Hassan Mostafavi | Radiation imaging using very slow rotational technique |
| US20140275704A1 (en) * | 2013-03-14 | 2014-09-18 | Xcision Medical Systems, Llc | Methods and system for breathing-synchronized, target-tracking radiation therapy |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110664425A (zh) * | 2019-10-11 | 2020-01-10 | 上海市肺科医院 | 一种肺原位癌识别方法的关键ct技术 |
Also Published As
| Publication number | Publication date |
|---|---|
| AU2016228944A1 (en) | 2017-09-14 |
| AU2016228944B2 (en) | 2020-07-16 |
| US20180050222A1 (en) | 2018-02-22 |
| CN107613873B (zh) | 2021-10-29 |
| EP3267895A1 (en) | 2018-01-17 |
| EP3267895B1 (en) | 2020-12-23 |
| US11040220B2 (en) | 2021-06-22 |
| WO2016141416A1 (en) | 2016-09-15 |
| EP3267895A4 (en) | 2019-02-27 |
| ES2846803T3 (es) | 2021-07-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Richter et al. | Feasibility study for markerless tracking of lung tumors in stereotactic body radiotherapy | |
| CN107613873A (zh) | 用于物体的原地靶向的方法和系统 | |
| US8379794B2 (en) | Method to estimate position, motion and trajectory of a target with a single x-ray imager | |
| CN111699021B (zh) | 对身体中的目标的三维跟踪 | |
| Patel et al. | Markerless motion tracking of lung tumors using dual‐energy fluoroscopy | |
| US11617903B2 (en) | System and method for respiratory gated radiotherapy | |
| Azcona et al. | Development and clinical evaluation of automatic fiducial detection for tumor tracking in cine megavoltage images during volumetric modulated arc therapy | |
| Zhang et al. | Design and validation of a MV/kV imaging‐based markerless tracking system for assessing real‐time lung tumor motion | |
| Paolani et al. | A novel tool for assessing the correlation of internal/external markers during SGRT guided stereotactic ablative radiotherapy treatments | |
| Becker et al. | Using cone-beam CT projection images to estimate the average and complete trajectory of a fiducial marker moving with respiration | |
| McClelland | Estimating internal respiratory motion from respiratory surrogate signals using correspondence models | |
| Zhuang et al. | An optimization algorithm for 3D real‐time lung tumor tracking during arc therapy using kV projection images | |
| Barbés et al. | Development and clinical evaluation of a simple optical method to detect and measure patient external motion | |
| Zhao et al. | Feasibility of 3D tracking and adaptation of VMAT based on VMAT-CT | |
| Hoisak et al. | A history of surface guidance methods in radiation therapy | |
| Martin et al. | Motion modelling and motion compensated reconstruction of tumours in cone-beam computed tomography | |
| Chen et al. | Objected constrained registration and manifold learning: a new patient setup approach in image guided radiation therapy of thoracic cancer | |
| Carr et al. | A method for beam’s eye view breath-hold monitoring during breast volumetric modulated arc therapy | |
| US20230404504A1 (en) | Kalman filter framework to estimate 3d intrafraction motion from 2d projection | |
| Grimwood et al. | Ultrasound for measuring intrafractional organ motion | |
| Elmirad | Intra-fraction tumor motion monitoring in arbitrary gantry angles during radiotherapy treatments | |
| Zhang | Optimization of Image Guided Radiation Therapy for Lung Cancer Using Limited-angle | |
| Boye | Applications of 4D-MRI in proton therapy | |
| Fried et al. | Technology Based Strategies to Enhance the Therapeutic Ratio | |
| Hugo | -Online Monitoring, Tracking, and Dose Accumulation |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20191127 Address after: Wisconsin Applicant after: Astor CT Co.,Ltd. Address before: New South Wales Australia Applicant before: NANO-X Pty Ltd. |
|
| TA01 | Transfer of patent application right | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: Wisconsin Applicant after: Astor computed tomography Address before: Wisconsin Applicant before: Astor CT Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder |
Address after: Wisconsin Patentee after: SunTour health Holdings Address before: Wisconsin Patentee before: Astor computed tomography |
|
| CP01 | Change in the name or title of a patent holder | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20220707 Address after: Wisconsin Patentee after: Leo cancer treatment Co. Address before: Wisconsin Patentee before: SunTour health Holdings |
|
| TR01 | Transfer of patent right |