CN107913470A - 用于支持患者的辐照规划的方法 - Google Patents

用于支持患者的辐照规划的方法 Download PDF

Info

Publication number
CN107913470A
CN107913470A CN201710913801.0A CN201710913801A CN107913470A CN 107913470 A CN107913470 A CN 107913470A CN 201710913801 A CN201710913801 A CN 201710913801A CN 107913470 A CN107913470 A CN 107913470A
Authority
CN
China
Prior art keywords
view data
computer tomography
patient
magnetic resonance
image data
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.)
Pending
Application number
CN201710913801.0A
Other languages
English (en)
Inventor
E.尼奥特西库
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens AG
Siemens Healthcare GmbH
Original Assignee
Siemens AG
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Siemens AG filed Critical Siemens AG
Publication of CN107913470A publication Critical patent/CN107913470A/zh
Pending legal-status Critical Current

Links

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61NELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N5/00Radiation therapy
    • A61N5/10X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
    • A61N5/103Treatment planning systems
    • A61N5/1039Treatment planning systems using functional images, e.g. PET or MRI
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61NELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N5/00Radiation therapy
    • A61N5/10X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
    • A61N5/103Treatment planning systems
    • A61N5/1038Treatment planning systems taking into account previously administered plans applied to the same patient, i.e. adaptive radiotherapy
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61NELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N5/00Radiation therapy
    • A61N5/10X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
    • A61N5/1048Monitoring, verifying, controlling systems and methods
    • A61N5/1049Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • G06T7/0014Biomedical image inspection using an image reference approach
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/12Edge-based segmentation
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61NELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N5/00Radiation therapy
    • A61N5/10X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
    • A61N5/1048Monitoring, verifying, controlling systems and methods
    • A61N5/1049Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam
    • A61N2005/1055Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam using magnetic resonance imaging [MRI]
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61NELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N5/00Radiation therapy
    • A61N5/10X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
    • A61N5/1048Monitoring, verifying, controlling systems and methods
    • A61N5/1049Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam
    • A61N2005/1061Monitoring, 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
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10088Magnetic resonance imaging [MRI]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20084Artificial neural networks [ANN]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20112Image segmentation details
    • G06T2207/20128Atlas-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30096Tumor; Lesion

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • Quality & Reliability (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Radiation-Therapy Devices (AREA)

Abstract

本发明涉及一种用于支持患者的辐照规划的方法,包括以下方法步骤:采集患者的计算机断层成像图像数据,该计算机断层成像图像数据借助计算机断层成像设备从患者获取,在使用计算机断层成像图像数据的条件下将磁共振图像数据与计算机断层成像图像数据相关联,其中磁共振图像数据借助磁共振设备从至少一个与患者不同的检查对象获取,和一起提供计算机断层成像图像数据和与计算机断层成像图像数据相关联的磁共振图像数据,用于支持患者的辐照规划。

Description

用于支持患者的辐照规划的方法
技术领域
本发明涉及一种用于支持患者的辐照规划的方法、一种计算单元和一种计算机程序产品。
背景技术
在放射治疗中利用电离辐射来辐照目标体积,例如肿瘤。在此,公知一种外部放射治疗,其包括从身体外部对患者身体进行的辐照。同样还公知一种内部放射治疗,也称为近距离放射治疗。在近距离放射治疗时将包括放射性物质的辐射源置入患者的身体,以便局部地在患者的身体中损伤或消除目标体积中的肿瘤组织。
原则上,在辐照患者时确保向目标体积输送足够的辐射剂量,从而破坏目标体积中包含的肿瘤组织,这是一个挑战。同时,应当尽可能保护目标体积周围的危险器官。由此,在规划辐照时的高精确性是有重大意义的。
借助成像来规划和/或监视患者的放射治疗或辐照是公知的。为此通常借助通过三维成像方法建立的患者的医学图像数据建立辐照规划。通常为此使用计算机断层成像图像数据(CT图像数据)。根据计算机断层成像图像数据,一方面可以确定辐照的目标体积,另一方面定位周围的风险器官。此外,因为图像体素的强度值基于相关位置处的X射线辐射的吸收,所以图像数据的图像体素的强度值(以所谓的“豪恩斯弗尔德单元(HounsfieldUnit)”测量)良好近似地描绘了患者身体中的对应位置处的电子密度。由此对于辐照规划,计算机断层成像图像数据可以特别简单地被换算为电子密度图。因为在辐照时辐照的相互作用的强度与身体中的电子密度相关联,所以由计算机断层成像图像数据可以相对简单地计算辐射在穿过身体时的衰减。基于该特征,迄今为止在建立辐照规划时优选地采用计算机断层成像图像数据。此外,计算机断层成像图像数据仅具有较小的几何失真,并且由此能够合适地定义对于辐照规划的参考几何特征以及执行辐照。
但是有一个要求,在辐照规划中使用具有更好的软组织对比度的另外的成像方法,以便能够更好地识别目标体积中的肿瘤组织和/或风险器官。满足更好的软组织对比度要求的这种成像方法是借助磁共振设备的磁共振成像(MR成像)。在这样的成像中,对比度取决于自旋密度的分布、自旋彼此之间和/或与其周围环境的相互作用。由此可以达到比利用计算机断层成像设备可达到的对比度明显高的软组织对比度。
在磁共振设备、也称为磁共振断层成像系统中,通常借助主磁体使待检查人员、特别是患者的待检查的身体置于相对高的主磁场,例如1.5或3或7特斯拉的主磁场。附加地,借助梯度线圈单元完成梯度脉冲。通过高频天线单元然后借助合适的天线装置发射高频脉冲、特别是激励脉冲,这导致了,特定的通过该高频脉冲共振激励的原子的核自旋,围绕所定义的翻转角相对于主磁场的磁力线倾斜。在核自旋的弛豫时发射高频信号(所谓的磁共振信号),这些高频信号借助合适的高频天线被接收并且然后被进一步处理。最后,根据由此获取的原始数据可以重建期望的图像数据。
由此对于辐照规划,公知计算机断层成像和磁共振成像的组合应用。对于辐照规划,然后典型地通过图像配准叠加所获取的计算机断层成像图像数据和磁共振图像数据。但是在此会出现如下问题,即,没有完全正确进行的图像配准可以将系统误差引入辐照规划。在组合地应用计算机断层成像和磁共振成像时也必须利用两个模态彼此相隔很短来获取图像数据,由此可以在获取之间避免,例如由于患者的膀胱的不同填充,在患者的解剖结构中的变化。这可以导致手术的挑战、提高的开销以及导致患者舒适度减小,因为患者必须忍受更多检查。
发明内容
本发明要解决的技术问题是,实现患者的辐照规划的改善的支持。上述技术问题通过本发明的特征来解决。在本发明中描述优选的实施。
按照本发明的用于支持患者的辐照规划的方法,包括以下步骤:
-采集患者的计算机断层成像图像数据,该计算机断层成像图像数据借助计算机断层成像设备从患者获取,
-在使用计算机断层成像图像数据的条件下将磁共振图像数据与计算机断层成像图像数据相关联,其中磁共振图像数据借助磁共振设备从至少一个与患者不同的检查对象获取,和
-一起提供计算机断层成像图像数据和与计算机断层成像图像数据相关联的磁共振图像数据,用于支持患者的辐照规划。
计算机断层成像图像数据的采集可以包括借助计算机断层成像设备直接获取计算机断层成像图像数据。替换地,计算机断层成像图像数据的采集可以包括从数据库中加载已经从患者获取的计算机断层成像图像数据。在所有情况中,计算机断层成像图像数据尤其包括应当被辐照的那个患者的解剖学图像信息。
磁共振图像数据与计算机断层成像图像数据的关联可以借助算法进行,该算法具有作为输入参数的磁共振图像数据和计算机断层成像图像数据以及作为输出参数的与计算机断层成像图像数据相关联的磁共振图像数据。算法在此使用计算机断层成像图像数据本身,由此磁共振图像数据与计算机断层成像图像数据的关联是可能的。在此可以考虑将磁共振图像数据直接配准到计算机断层成像图像数据。但是因为其通常技术上难以实现,优选地采用基于图集的、用于将磁共振图像数据与计算机断层成像图像数据相关联的方法。对于基于图集的方法的可能性在下面段落中还要详细描述。
为了与计算机断层成像图像数据相关联,特别地从数据库中加载磁共振图像数据。优选地在此,如在下面段落中的一个还要详细描述的,数据库可以包括图集(Atlas),该图集一起包括磁共振图像数据和对应的图集计算机断层成像图像数据。特别地,借助磁共振设备仅从至少一个与患者不同的检查对象获取磁共振图像数据。这意味着,特别是对于磁共振图像数据的建立,不必借助磁共振设备检查患者。
优选地,借助磁共振设备从多个与患者不同的检查对象获取磁共振图像数据。由此,磁共振图像数据例如可以包括平均的、优选普遍有效的解剖学的特征,该特征基于多个与患者不同的检查对象的获取。当然,当从多个与患者不同的检查对象获取磁共振图像数据时,也可以利用多个不同的磁共振设备获取磁共振图像数据。
特别地,磁共振图像数据与计算机断层成像图像数据相关联的结果是与计算机断层成像图像数据相关联的磁共振图像数据。该与计算机断层成像图像数据相关联的磁共振图像数据尤其相对于原始的磁共振图像数据具有改变的图像内容。如果例如磁共振图像数据与计算机断层成像图像数据的关联包括磁共振图像数据的空间变换,则与计算机断层成像图像数据相关联的磁共振图像数据相对于原始的磁共振图像数据尤其空间变换地构造。与计算机断层成像图像数据相关联的磁共振图像数据尤其空间地与计算机断层成像图像数据相匹配,也就是优选尽可能处于与计算机断层成像图像数据空间一致。相应地,与计算机断层成像图像数据相关联的磁共振图像数据尤其描绘解剖结构,该解剖结构尽可能基于从患者获取的计算机断层成像图像数据与患者的解剖结构相匹配。与计算机断层成像图像数据相关联的磁共振图像数据相应优选地构造为,使得在与计算机断层成像图像数据相关联的磁共振图像数据和计算机断层成像图像数据上下重叠的情况下两个图像数据中的患者的解剖结构处于相同的位置。
一起提供计算机断层成像图像数据和与计算机断层成像图像数据相关联的磁共振图像数据可以包括在显示单元上向使用者显示两个图像数据。在此可以同时地、例如并排地在显示单元上显示两个图像数据。还可以考虑在显示单元上合并显示计算机断层成像图像数据和与计算机断层成像图像数据相关联的磁共振图像数据。替换地或附加地,提供可以包括两个图像数据在数据库中的存储。替换地或附加地,提供可以包括两个图像数据向进一步处理系统、例如图像处理系统的传输,其中另外的计算系统然后可以进一步处理两个图像数据。
特别地,一起提供计算机断层成像图像数据和与计算机断层成像图像数据相关联的磁共振图像数据,使得两个图像数据都能有助于支持患者的辐照规划。在此,如在下面的段落中的一个还要详细描述的,为了支持辐照规划,计算机断层成像图像数据被提供用于和与计算机断层成像图像数据相关联的磁共振图像数据相比不同的目的。由此,在一起提供计算机断层成像图像数据和与计算机断层成像图像数据相关联的磁共振图像数据之后,接着是规划步骤,在该规划步骤中在使用一起提供的计算机断层成像图像数据和与计算机断层成像图像数据相关联的磁共振图像数据的条件下执行患者的辐照规划的至少一部分。
所建议的过程由此尤其可以视为已知的仅基于磁共振的辐照规划(“MR-only RTPlanning”,MRORTP)的反转。其仅设置基于磁共振的辐照规划,对于合适的临床应用情况从规划过程中完全消除计算机断层成像。对于仅基于磁共振的辐照规划,在许多情况下却必须援引来自于计算机断层成像的信息,因为必须建立对于剂量计算所需的电子密度图。典型地,仅借助所获取的磁共振图像数据难以建立对于剂量计算所需的电子密度图。因此,例如可以援引已知的基于图集的方法,其中访问来自于存储在图集中的计算机断层成像图像数据的信息,以建立对于仅基于磁共振的辐照规划的电子密度图。
在此,基于图集的、用于建立对于仅基于磁共振的辐照规划的电子密度图的配准方法是公知的,其中参见例如Dowling等人的论文“An Atlas-Based Electron DensityMapping Method for Magnetic Resonance Imaging(MRI)-Alone Treatment Planningand Adaptive MRI-Based Prostate Radiation Therapy”,Int J Radiation Oncol BiolPhys,83(1),e5-e11,2012。替换地,公知基于图集的方法,其使用基于补丁的方法。在此,例如参见Torrado-Carvajal等人的论文“Fast Patch-Based Pseudo-CT Synthesis fromT1-Weighted MR Images for PET/MR Attenuation Correction in Brain Studies”,JNucl Med,57,136-143,2016,其中在该论文中描述的方法可以无问题地应用于电子密度的计算,而不是应用于PET/MR衰减校正。
与前两段中描述的已知的方法不同,借助所建议的方法优选附加地可以对于患者的辐照规划获得来自于磁共振成像的信息,而无需获取患者的磁共振图像数据。也就是,所描述的过程尤其设置患者的辐照规划,对于所述辐照规划仅须获取患者的计算机断层成像图像数据。尽管如此,借助所描述的过程,磁共振图像数据也可以用于支持辐照规划,而无需获取患者的磁共振图像数据。对于患者的辐照规划可以取消对磁共振图像数据的获取的事实优选地可以导致工作流程中的极大简化和/或节省开销和/或提高患者舒适度。
与计算机断层成像图像数据相关联的磁共振图像数据在此可以视为伪MR图像数据,因为其不是借助磁共振设备直接从患者获取的。对于患者的辐照规划,与计算机断层成像图像数据相关联的磁共振图像数据可以特别优选地具有相对于计算机断层成像图像数据提高的软组织对比度。而计算机断层成像图像数据典型地仅具有器官的界限,与计算机断层成像图像数据相关联的磁共振图像数据可以特别优选地提供特定信息,例如关于目标体积中的肿瘤组织的精确尺寸和/或关于风险器官的定位和/或关于肿瘤组织的活动性。同时,与在计算机断层成像图像数据中相比,在与计算机断层成像图像数据相关联的磁共振图像数据中肿瘤组织和/或风险器官可以具有与周期组织的更明显反差。由此对于患者的辐照规划,在使用与计算机断层成像图像数据相关联的磁共振图像数据的条件下例如可以特别精确地识别肿瘤组织和/或风险器官。当然,计算机断层成像图像数据本身还可以有意义地用于患者的辐照规划,例如用于界定骨骼和/或用于计算电子密度图。
一种实施方式在于,为了支持辐照规划,计算机断层成像图像数据被提供用于和与计算机断层成像图像数据相关联的磁共振图像数据相比不同的目的。
也就是特别优选地,所描述的过程能够实现如下事实,即,计算机断层成像图像数据以及与计算机断层成像图像数据相关联的磁共振图像数据被提供用于支持患者的辐照规划。因为与计算机断层成像图像数据相关联的磁共振图像数据优选地具有图像信息,其可以补充计算机断层成像图像数据的图像信息,在支持辐照规划时与计算机断层成像图像数据相关联的磁共振图像数据,与计算机断层成像图像数据相比,可以特别优选地为辐照规划的另外的部分任务提供支持。由此,可以在使用计算机断层成像图像数据的条件下执行辐照规划的第一组部分任务,并且在使用与计算机断层成像图像数据相关联的磁共振图像数据的条件下执行辐照规划的第二组部分任务。第一组和第二组部分任务在此优选至少部分不相交。
一种实施方式在于,为了支持辐照规划,计算机断层成像图像数据被提供用于至少一个以下目的:
-验证患者对于辐照的正确定位,和
-在辐照规划期间计算辐射剂量。
由此,特别是仅在使用计算机断层成像图像数据的条件下,验证患者对于辐照的正确定位和/或在辐照规划期间计算辐射剂量。
在此特别是在使用计算机断层成像图像数据和另外的图像数据的条件下验证患者对于辐照的正确定位。尤其当已经对于辐照定位了患者时,记录另外的图像数据。另外的图像数据在此例如可以包括光学照相机图像数据和/或X射线图像数据和/或借助放射治疗设备的射野成像源获取的图像数据。对于患者的正确定位的验证,然后可以将计算机断层成像图像数据优选地与另外的图像数据相比较。用于验证患者的正确定位的可能的方法在此由本领域技术人员所公知,从而在此不对其详细介绍。计算机断层成像图像数据可以特别优选地用于验证患者对于辐照的正确定位,因为其仅具有极小的或实际上没有的几何失真并且由此可以确定可靠的参考几何特征。由此,计算机断层成像图像数据可以比磁共振图像数据更准确定位。
对于在辐照规划期间的辐射剂量的计算,典型地使用来自于计算机断层成像图像数据的电子密度图。因为计算机断层成像图像数据尤其是直接反映电子密度在患者中的位置分辨的分布,所以来自于计算机断层成像图像数据的电子密度图的计算可以特别简单地、特别是借助由本领域技术人员已知的方法进行。由计算机断层成像图像数据计算的电子密度图,如本领域技术人员常用的,可以用于根据设置的辐照参数计算患者的目标体积或风险器官中的辐射剂量。
一种实施方式在于,为了支持辐照规划,与计算机断层成像图像数据相关联的磁共振图像数据被提供用于至少一个以下目的:
-对于辐照规划绘制患者的器官结构的轮廓,和
-对于辐照规划自动分割患者的器官结构。
由此,特别是仅在使用与计算机断层成像图像数据相关联的磁共振图像数据的条件下对于辐照规划进行患者的器官结构的轮廓绘制和/或对于辐照规划进行患者的器官结构的自动分割。还可以考虑,对于器官结构的轮廓绘制和/或分割既使用计算机断层成像图像数据也使用与计算机断层成像图像数据相关联的磁共振图像数据。恰好对于轮廓绘制例如可以优选地合并显示计算机断层成像图像数据和与计算机断层成像图像数据相关联的磁共振图像数据。
器官结构例如可以是在辐照时待辐照的目标器官或在目标体积中定位的肿瘤组织。替换地或附加地,器官结构可以是在辐照时应当保护的风险器官。器官结构的轮廓绘制和/或自动分割由此典型地基本用于辐照规划。
在器官结构的轮廓绘制和/或自动分割的情况下,相对于计算机断层成像图像数据,与计算机断层成像图像数据相关联的磁共振图像数据可以提供有价值的附加信息。如已经提到的,在此,与计算机断层成像图像数据相关联的磁共振图像数据的明显的软组织对比度尤其起重要作用。因为计算机断层成像图像数据和与计算机断层成像图像数据相关联的磁共振图像数据尤其空间上一致,所以轮廓或分割可以特别简单地从与计算机断层成像图像数据相关联的磁共振图像数据转用到计算机断层成像图像数据,用于辐照的另外的规划,例如在使用由计算机断层成像图像数据计算的电子密度图的条件下计算剂量。
一种实施方式在于,磁共振图像数据与计算机断层成像图像数据的关联借助基于图集的方法进行,该方法包括以下步骤:
-提供图集,该图集一起包括磁共振图像数据和至少一个与患者不同的检查对象的对应的图集计算机断层成像图像数据,
-将图集计算机断层成像图像数据与计算机断层成像图像数据相关联,
-在使用由图集计算机断层成像图像数据与计算机断层成像图像数据的关联而得出的信息的条件下将磁共振图像数据与计算机断层成像图像数据相关联。
图集尤其存储在数据库中或表示至少一部分数据库。对于磁共振图像数据与计算机断层成像图像数据的关联,于是特别是从数据库加载图集。
特别地,图集计算机断层成像图像数据(如磁共振图像数据)仅借助计算机断层成像设备从至少一个与患者不同的检查对象获取。这意味着,特别是对于图集计算机断层成像图像数据的建立,不必借助计算机断层成像设备进行检查患者。关于从多个与患者不同的检查对象获取图集计算机断层成像图像数据,参见描述从多个与患者不同的检查对象获取磁共振图像数据的相应段落。优选地,从相同的至少一个与患者不同的检查对象获取图集计算机断层成像图像数据和磁共振图像数据。但是,与患者不同的不同检查对象也可以被引入到磁共振图像数据和图集计算机断层成像图像数据的建立中。
特别地在图集中,与图集计算机断层成像图像数据空间一致地存储磁共振图像数据。这可以意味着,图集中的磁共振图像数据与图集计算机断层成像图像数据配准地存储。特别地,在图集中可以存储由磁共振图像数据和对应的图集计算机断层成像图像数据组成的至少一个彼此配准的对。磁共振图像数据和对应的图集计算机断层成像图像数据在此可以形成相同的解剖区域,例如头部区域、胸部区域或骨盆区域。
对于建立图集,优选地以尽可能短的时间间隔、最高优选地直接时间上相继地从至少一个与患者不同的检查对象记录磁共振图像数据和图集计算机断层成像图像数据。由此,在磁共振图像数据和图集计算机断层成像图像数据之间可以存在特别高的解剖结构一致。如果从多个与患者不同的检查对象获取磁共振图像数据和图集计算机断层成像图像数据,则优选地相同的获取参数、例如相同的CT谱或相同的磁共振序列,被用于从多个与患者不同的检查对象获取磁共振图像数据和图集计算机断层成像图像数据。
图集计算机断层成像图像数据可以特别简单地与患者的计算机断层成像图像数据相关联,因为两个图像数据属于相同的模态。图集计算机断层成像图像数据与患者的计算机断层成像图像数据的关联在此尤其包括空间关联,从而图集计算机断层成像图像数据与患者的计算机断层成像图像数据空间一致。图集计算机断层成像图像数据与所采集的计算机断层成像图像数据的关联在此可以借助不同的方法进行,其中两个方法示例性地在以下实施方式中描述。
图集计算机断层成像图像数据与患者的计算机断层成像图像数据的关联可以为磁共振图像数据与计算机断层成像图像数据的关联提供有利基础。由此可以根据图集计算机断层成像图像数据与计算机断层成像图像数据的关联确定关联参数,例如配准参数,诸如在配准中获得的形变场(Deformationsfeld)。该关联参数然后可以作为输入参数输入将磁共振图像数据与计算机断层成像图像数据关联的关联算法。
相反,例如借助配准,来自于图集的磁共振图像数据与患者的计算机断层成像图像数据的直接关联可以是难的,因为两个图像数据属于不同的模态。所建议的基于图集的方法,该方法使用包括彼此对应的磁共振图像数据和图集计算机断层成像图像数据的两部分的图集,由此优选地提供对于磁共振图像数据与患者的计算机断层成像图像数据的关联的改善。
一种实施在于,图集计算机断层成像图像数据与计算机断层成像图像数据的关联包括图集计算机断层成像图像数据到计算机断层成像图像数据的配准,其中在使用在前面配准中确定的形变场的条件下将磁共振图像数据与计算机断层成像图像数据相关联。
图集计算机断层成像图像数据到计算机断层成像图像数据的配准由此可以通过刚性的、仿射的或有利的非刚性配准方法进行。然后,配准的结果尤其是描述了图集计算机断层成像图像数据的空间形变的形变场,该形变是必须的,以便将图集计算机断层成像图像数据映射到患者的计算机断层成像图像数据。该形变场然后可以特别有利地用于磁共振图像数据的形变,以便该磁共振图像数据与患者的计算机断层成像图像数据空间上关联。关于针对仅基于磁共振的辐照规划建立电子密度图的基于图集的配准方法的技术细节由已经援引的Dowling等人的论文所公开。
一种实施在于,图集计算机断层成像图像数据与计算机断层成像图像数据的关联通过基于补丁的方法进行,其中在使用在基于补丁的方法中获得的信息的条件下进行磁共振图像数据与计算机断层成像图像数据的关联。
对于基于补丁的方法,图集计算机断层成像图像数据优选地划分为多个块,所谓的“补丁”。然后确定图集计算机断层成像图像数据的块与患者的计算机断层成像图像数据的空间区域的局部相似性。基于所确定的局部相似性可以计算加权因数,该加权因数用于将磁共振图像数据相应地匹配到患者的计算机断层成像图像数据。关于用于基于磁共振图像数据建立衰减图的基于补丁的方法的技术细节由已经援引的Torrado-Carvajal等人的论文公开,其中在该论文中描述的方法可以被应用于电子密度的计算,而不是应用于PET/MR衰减校正。
一种实施方式在于,图集计算机断层成像图像数据构造为双能图集计算机断层成像图像数据,其中由双能图集计算机断层成像图像数据导出对于基于图集的方法合适的单能的图集计算机断层成像图像数据。
双能计算机断层成像图像数据在此对于本领域技术人员是已知的,从而在此不对其进行详细介绍。双能图集计算机断层成像图像数据在此优选可以表示用于提取组织信息的附加来源。针对各个要求,然后可以对于基于图集的方法确定合适的能量等级,关于该能量等级由双能图集计算机断层成像图像数据确定单能的图集计算机断层成像图像数据。由此可以在基于图集的方法中进行图集计算机断层成像图像数据与计算机断层成像图像数据的改善的关联。
一种实施方式在于,计算机断层成像图像数据和与计算机断层成像图像数据相关联的磁共振图像数据一起被提供用于支持患者的完整器官结构的辐照规划。
该过程基于如下考虑,即,与计算机断层成像图像数据相关联的磁共振图像数据恰好在辐照完整器官结构的情况下可以提供在辐照规划时的有价值的附加信息。由此,与计算机断层成像图像数据相关联的磁共振图像数据例如可以提供在患者的整个前列腺、整个膀胱、整个直肠或整个肺部的辐照规划时的特别有价值的附加信息。恰好对于整个前列腺的更精确的轮廓绘制或分割,可以特别有利地使用建议的过程。在例外情况下也可以考虑在器官部分,例如患者的大脑部分或前列腺的聚焦的部分辐照的辐照规划中应用建议的过程。
一种用于支持患者的辐照规划的另外的按照本发明的方法包括以下方法步骤:
-采集患者的计算机断层成像图像数据,该计算机断层成像图像数据借助计算机断层成像设备从患者获取,
-提供人工神经网络,该人工神经网络基于对应的训练磁共振图像数据和训练计算机断层成像图像数据被训练用于器官结构的分割,
-在将训练后的人工神经网络应用到计算机断层成像图像数据的图像内容的条件下,在计算机断层成像图像数据中分割器官结构,和
-一起提供计算机断层成像图像数据和分割的器官结构,用于支持患者的辐照规划。
关于采集计算机断层成像图像数据参见上面段落中的一个的描述。
对于分割器官结构,特别地从数据库中加载人工神经网络。在此尤其提供已经训练后的人工神经网络。人工神经网络(KNN,英文artificial neural network–ANN)是在计算程序中模拟的由人工神经元构成的网络。在此,人工神经网络典型地基于多个人工神经元的联网。人工神经元在此典型地布置在不同的层(layer)上。通常地,人工神经网络包括输入层和输出层(output layer),其神经元输出作为人工神经网络的唯一一个可见。在输入层和输出层之间存在的层通常被称为隐藏层(hidden layer)。通常,首先人工神经网络的架构和/或拓扑结构被初始化并且然后在用于特定任务或用于多个任务的训练阶段被训练。人工神经网络的训练在此通常包括改变在人工神经网络的两个人工神经元之间的连接的权重。人工神经网络的训练还可以包括扩展人工神经元之间的新连接、删除人工神经元之间存在的连接、调整人工神经元的阈值和/或添加或删除人工神经元。两个不同的训练后的人工神经网络,尽管其例如具有相同的架构和/或拓扑结构,却可以执行不同的任务。
现在建议,选择这样的训练后的人工神经网络用于分割器官结构,使得能够分割器官结构。训练后的人工神经网络在此可以被训练用于特殊的训练任务,例如仅适用于在计算机断层成像图像数据中分割器官结构。可以考虑,在实践中,不同的人工神经网络并排布置,其执行不同器官结构的分割。
在本方法中特别地,已经训练后的人工神经网络被提供用于在计算机断层成像图像数据中分割器官结构。在此,可以借助训练磁共振图像数据和训练计算机断层成像图像数据执行人工神经网络的训练。训练磁共振图像数据和训练计算机断层成像图像数据可以类似于另外的按照本发明的方法的磁共振图像数据和图集计算机断层成像图像数据构造,从而在此参见说明书的相应的上述段落。
计算机断层成像图像数据的器官结构的分割特别地通过如下进行,即,训练后的人工神经网络仅被应用于计算机断层成像图像数据的图像内容。优选地,不必获取患者的另外的图像数据用于分割器官结构。计算机断层成像图像数据的图像内容由此可以作为输入信息馈入训练后的人工神经网络。人工神经网络然后可以表征计算机断层成像图像数据中的、表示一部分待分割的器官结构的那些体素,作为输出,特别是作为输出层的人工神经元的输出。由此,训练后的人工神经网络可以特别有利地仅基于计算机断层成像图像数据的图像内容在计算机断层成像图像数据中分割器官结构。
该过程基于如下考虑,即,人工神经网络可以仅基于计算机断层成像图像数据的图像内容分割器官结构,因为收集了在来自于不同模态的图像数据中分割器官结构的经验。由此,人工神经网络基于对应的训练磁共振图像数据和训练计算机断层成像图像数据被训练。在此优选地,来自于磁共振断层成像的附加信息也引入人工神经网络的训练中。合适的附加信息在此已经详细地在上述段落中的一个描述。训练使得人工神经网络优选地能够,建立训练磁共振图像数据和训练计算机断层成像图像数据之间的关系。该存储的关系然后可以特别有利地使得人工神经网络能够,仅基于计算机断层成像图像数据的图像内容执行器官结构的分割。
计算机断层成像图像数据然后可以合适地与分割的器官结构一起被提供用于支持患者的辐照规划。由此,如在上述段落中的一个详细描述的,可以考虑例如用于一起进一步处理计算机断层成像图像数据和分割的器官结构的显示和/或存储和/或传输,用于支持患者的辐照规划。
该方法可以特别优选地用于分割仅在使用患者的计算机断层成像图像数据的条件下难以分割的器官结构,例如因为在计算机断层成像图像数据中器官结构难以与其周围环境区分。可以借助该过程有利地实现器官结构的分割,而无需借助磁共振设备附加地获取患者的磁共振图像数据。特别优选地,可以考虑用于分割前列腺的该方法,用于支持前列腺的辐照规划。当然,还可以借助该过程分割风险器官,用于支持辐照规划。
按照本发明的计算单元包括至少一个计算模块,其中计算单元构造为用于执行按照本发明的方法。
由此,计算单元尤其为此构造为,执行计算机可读的指示,以便执行按照本发明的方法。特别地,计算单元包括存储单元,其中在存储单元上存储了计算机可读的信息,其中计算单元为此构造为,从存储单元加载计算机可读的信息并且执行计算机可读的信息,以便执行按照本发明的方法。
由此,计算单元为此构造为,执行用于支持患者的辐照规划的方法。为此,计算单元可以包括图像数据采集单元,其构造为用于采集患者的计算机断层成像图像数据,该计算机断层成像图像数据借助计算机断层成像设备从患者获取。此外,计算单元为此可以具有关联单元,其构造为用于在使用计算机断层成像图像数据的条件下将磁共振图像数据与计算机断层成像图像数据相关联,其中磁共振图像数据借助磁共振设备从至少一个与患者不同的检查对象获取。最后,计算单元可以具有提供单元,其构造为用于一起提供计算机断层成像图像数据和与计算机断层成像图像数据相关联的磁共振图像数据,用于支持患者的辐照规划。
如果计算单元构造为用于执行另外的按照本发明的方法,则计算单元尤其同样具有图像数据采集单元。但是,提供单元由此特别地构造为用于一起提供计算机断层成像图像数据和分割的器官结构,用于支持患者的辐照规划。此外,该计算单元由此可以包括用于提供人工神经网络的另外的提供单元,该人工神经网络基于对应的训练磁共振图像数据和训练计算机断层成像图像数据被训练用于分割器官结构。由此,计算单元还可以包括分割单元,用于在将训练后的人工神经网络应用到所采集的计算机断层成像图像数据的图像内容的条件下在患者的计算机断层成像图像数据中分割器官结构。
计算单元的组件大部分可以以软件组件的形式构造。原则上,该组件也可以部分地,特别是当涉及特别快速的计算时,以软件支持的硬件组件、例如FPGA等的形式实现。同样,所需的接口,例如当仅涉及从另外的软件组件接收数据时,构造为软件接口。但是,其也可以构造为按照硬件构造的接口,其通过合适的软件来控制。当然还可以考虑,多个提到的组件以单独的软件组件或软件支持的硬件组件的形式综合地实现。
按照本发明的计算机程序产品可以直接加载到可编程的计算单元的存储器中并且具有程序代码装置,用于当在计算单元中运行计算机程序产品时执行按照本发明的方法。计算机程序产品可以是计算机程序或包括计算机程序。由此,按照本发明的方法可以快速、相同重复地且稳健地实施。计算机程序产品配置为,可以借助计算单元执行按照本发明的方法步骤。在此,计算单元必须分别具有诸如相应的系统内存、相应的显卡或相应的逻辑单元的前提条件,从而可以有效执行各个方法步骤。计算机程序产品例如存储在计算机可读的介质上或存储在网络或服务器上,从那里可以将其加载到与之直接连接或作为部件构造的本地计算单元的处理器中。此外,计算机程序产品的控制信息可以存储在电子可读的数据载体上。电子可读的数据载体的控制信息可以构造为,使得其在使用计算单元中的数据载体时执行按照本发明的方法。由此,计算机程序产品还可以表示电子可读的数据载体。对于电子可读的数据载体的示例是DVD、磁带、硬盘或USB棒,在其上存储了电子可读的控制信息,特别是软件(参见上文)。如果从数据载体读取该控制信息(软件)并且将其存储在控制器和/或计算单元中,则可以执行前面描述的方法的所有按照本发明的实施方式。由此,本发明还可以涉及上述计算机可读的介质和/或上述电子可读的数据载体。
按照本发明的计算机程序产品和按照本发明的计算单元的优点基本上相应于前面详细描述的按照本发明的方法或另外的按照本发明的方法的优点。在此提到的特征、优点或替换的实施方式同样也可以转用到其它要求保护的对象,并且反之亦然。换言之,具体的权利要求还可以利用结合方法描述或要求保护的特征来扩展。方法的相应的功能性特征在此通过相应的具体模块、特别是通过硬件模块来构造。
附图说明
下面对照附图所示的实施例对本发明作进一步的说明和解释。
附图中:
图1示出了按照本发明的用于执行用于支持患者的辐照规划的方法的计算单元,
图2示出了用于支持患者的辐照规划的方法的第一实施方式,
图3示出了用于支持患者的辐照规划的方法的第二实施方式,
图4示出了用于支持患者的辐照规划的另外的方法的实施方式,该另外的方法采用人工神经网络,和
图5示出了用于获取患者的计算机断层成像图像数据的计算机断层成像设备。
具体实施方式
图1示出了按照本发明的用于执行用于支持患者的辐照规划的方法的计算单元100。
所示的计算单元100包括多个计算模块101、102、103,借助这些计算模块,其构造为用于执行按照本发明的方法。由此,计算单元100包括用于采集患者的计算机断层成像图像数据的采集单元101。此外,计算单元100包括用于一起提供计算机断层成像图像数据和附加数据的提供单元103。附加数据在此可以是与计算机断层成像图像数据相关联的磁共振图像数据或分割的器官结构。提供单元103在此优选地可以与进一步处理单元和/或显示单元交换数据,以便优选地可以为患者的辐照规划提供具有附加数据的计算机断层成像图像数据。
计算单元100包括另外的计算模块102,其可以执行附加的计算步骤。由此,另外的计算模块102可以将磁共振图像数据与计算机断层成像图像数据相关联或在使用训练后的人工神经网络的条件下分割器官结构。为此,另外的计算模块102可以与数据库104交换数据,在该数据库上存储了磁共振图像数据,特别是在和图集计算机断层成像图像数据一起的图集中,或存储了训练后的人工神经网络。
所示的计算单元100由此可以构造为用于执行两个描述的按照本发明的方法。替换地,计算单元100还可以仅构造为用于执行按照本发明的将磁共振图像数据与计算机断层成像图像数据相关联的方法。替换地,计算单元100还可以仅构造为用于执行按照本发明的在使用训练后的人工神经网络的条件下分割器官结构的方法。
图2示出了用于支持患者的辐照规划的方法的第一实施方式。
在第一方法步骤40中,借助计算单元100的采集单元101采集患者的计算机断层成像图像数据,其中借助计算机断层成像设备从患者获取计算机断层成像图像数据。
在另外的方法步骤41中,在使用计算机断层成像图像数据的条件下借助计算单元100的另外的计算模块102将磁共振图像数据与计算机断层成像图像数据相关联,其中借助磁共振设备从至少一个与患者不同的检查对象获取磁共振图像数据。
在另外的方法步骤42中,借助计算单元100的提供单元103一起提供计算机断层成像图像数据和与计算机断层成像图像数据相关联的磁共振图像数据,用于支持患者的辐照规划。
图3示出了用于支持患者的辐照规划的方法的第二实施方式。
随后的描述基本上限于与图2中实施例的区别,其中关于保持相同的方法步骤参见图2中实施例的描述。基本上,保持相同的方法步骤基本以相同的附图标记表示。
图3中所示的按照本发明的方法的第二实施方式基本上包括按照图2的按照本发明的方法的第一实施方式的方法步骤40、41、42。附加地,图3中所示的按照本发明的方法的第二实施方式包括附加的方法步骤和/或子步骤。还可以考虑作为图3的替换的方法流程,其仅具有一部分图3中所示的附加的方法步骤和/或子步骤。当然,作为图3的替换的方法流程还可以具有附加的方法步骤和/或子步骤。
在另外的方法步骤40中,在第一方法步骤40中所采集的计算机断层成像图像数据CT和与计算机断层成像图像数据CT相关联的磁共振图像数据MR-T一起被提供用于支持患者的辐照规划。在此,计算机断层成像图像数据CT被提供用于和与计算机断层成像图像数据CT相关联的磁共振图像数据MR-T相比不同的目的。特别优选地,计算机断层成像图像数据CT和与计算机断层成像图像数据CT相关联的磁共振图像数据MR-T一起被提供用于支持患者的完整器官结构的辐照规划。
由此,关于至少一个第一目的P1,计算机断层成像图像数据CT被提供用于支持辐照规划。该第一目的P1可以包括:验证患者对于辐照的正确定位和/或计算在辐照规划期间的辐射剂量。
关于第二目的P2,与计算机断层成像图像数据CT相关联的磁共振图像数据MR-T被提供用于支持辐照规划,该第二目的尤其与第一目的P1至少部分不同。该第二目的P2可以包括:对于辐照规划绘制患者的器官结构的轮廓和/或对于辐照规划自动分割患者的器官结构。
按照图3,在另外的方法步骤41借助基于图集的方法将磁共振图像数据MR-A与计算机断层成像图像数据CT相关联。为此在另外的方法步骤41的第一子步骤41-1中,提供图集,该图集共同包括磁共振图像数据MR-A和至少一个与患者不同的检查对象的对应的图集计算机断层成像图像数据CT-A。
此外在另外的方法步骤41的第二子步骤41-2中,将图集计算机断层成像图像数据CT-A与计算机断层成像图像数据CT相关联。然后,在另外的方法步骤41的第三子步骤41-3中,在使用由图集计算机断层成像图像数据CT-A与计算机断层成像图像数据CT的关联而得出的信息的条件下将磁共振图像数据MR-A与计算机断层成像图像数据CT相关联。由此,该关联的结果是与计算机断层成像图像数据CT相关联的磁共振图像数据MR-T。
在此,图集计算机断层成像图像数据CT-A与计算机断层成像图像数据CT的关联可以包括图集计算机断层成像图像数据CT-A到计算机断层成像图像数据CT的配准,其中在使用在前面配准中确定的形变场的条件下进行磁共振图像数据MR-A与计算机断层成像图像数据CT的关联。替换地,可以通过基于补丁的方法进行图集计算机断层成像图像数据CT-A与计算机断层成像图像数据CT的关联,其中在使用在基于补丁的方法中获得的信息的条件下进行磁共振图像数据MR-A与计算机断层成像图像数据CT的关联。还可以考虑,图集计算机断层成像图像数据CT-A构造为双能图集计算机断层成像图像数据,其中由双能图集计算机断层成像图像数据导出对于基于图集的方法合适的单能的图集计算机断层成像图像数据。
图4示出了用于支持患者的辐照规划的另外的方法的实施方式,该另外的方法采用人工神经网络。
在第一方法步骤80中,借助计算单元100的采集单元101采集患者的计算机断层成像图像数据,其中借助计算机断层成像设备从患者获取计算机断层成像图像数据。
在另外的方法步骤81中,借助计算单元100的另外的计算模块102提供人工神经网络,该另外的计算模块访问数据库104。基于对应的训练磁共振图像数据和训练计算机断层成像图像数据,人工神经网络被训练用于分割器官结构。
在另外的方法步骤82中,在将训练后的人工神经网络应用到计算机断层成像图像数据的图像内容的条件下,借助计算单元100的另外的计算模块102在计算机断层成像图像数据中分割器官结构。
在另外的方法步骤83中,借助计算单元100的提供单元103一起提供计算机断层成像图像数据和分割的器官结构,用于支持患者的辐照规划。
按照本发明的方法的在图2-图4中示出的方法步骤由计算单元实施。为此,计算单元包括所需的软件和/或计算机程序,其存储在计算单元的存储单元中。软件和/或计算机程序包括程序装置,其设计为,当计算机程序和/或软件在计算单元中借助计算单元的处理器单元运行时,执行按照本发明的方法。
图5示出了用于获取患者的计算机断层成像图像数据的计算机断层成像设备1。然后可以在用于支持患者的辐照规划的方法中使用借助计算机断层成像设备1获取的计算机断层成像图像数据。为此,可以将计算机断层成像图像数据从计算机断层成像设备1传输到按照本发明的计算单元100,该计算单元借助采集单元101采集计算机断层成像图像数据并且随后可以进一步处理。
计算机断层成像设备1具有机架20、隧道形的开口9、患者支撑装置10和控制装置30。机架20具有静止的支承框架21和转子24。转子24借助旋转支撑装置围绕旋转轴相对于静止的支承框架21可旋转地布置在静止的支承框架21上。患者13可以引入隧道形的开口9。获取区域4处于隧道形的开口9中。在获取区域4中,患者13的待成像区域可以定位为,使得电磁辐射27可以从辐射源26到达待成像区域并且在与待成像区域相互作用之后到达辐射检测器28。患者支撑装置10具有用于安置患者13的安置台11和转移板12。转移板12相对于安置台11可移动地布置在安置台11上,使得转移板12可以在转移板12的纵向方向上引入获取区域4。
计算机断层成像设备1构造为用于基于电磁辐射27获取投影数据。计算机断层成像设备1包括投影数据获取单元,其具有辐射源26、特别是X射线源;和检测器28、例如X射线检测器,特别是能量分辨的X射线检测器。辐射源26布置在转子24上并且构造为用于发射具有辐射量子27的辐射27、特别是X射线辐射。检测器28布置在转子24上并且构造为用于检测辐射量子27。辐射量子27可以从辐射源26到达患者13的待成像区域并且在与待成像区域相互作用之后击中辐射检测器28。通过这种方式,可以借助采集单元采集待成像区域的投影数据。
控制装置30构造为用于接收由采集单元所采集的投影数据。控制装置30构造为用于控制计算机断层成像设备1。控制装置30具有图像重建装置34。借助图像重建装置34可以基于投影数据重建计算机断层成像图像数据。
计算机断层成像设备1具有输入单元38和显示单元39,其分别与控制装置30连接。输入单元38构造为用于输入控制信息,例如图像重建参数和/或检查参数。显示单元39尤其构造为用于显示计算机断层成像图像数据。
虽然本发明在细节上通过优选的实施例详细阐述和描述,但是本发明不受所公开的示例限制并且可以由本领域技术人员从中导出其它方案,而不脱离本发明的保护范围。

Claims (12)

1.一种用于支持患者的辐照规划的方法,包括以下方法步骤:
-采集患者的计算机断层成像图像数据,该计算机断层成像图像数据借助计算机断层成像设备从患者获取,
-在使用计算机断层成像图像数据的条件下将磁共振图像数据与计算机断层成像图像数据相关联,其中磁共振图像数据借助磁共振设备从至少一个与患者不同的检查对象获取,和
-一起提供计算机断层成像图像数据和与计算机断层成像图像数据相关联的磁共振图像数据,用于支持患者的辐照规划。
2.根据权利要求1所述的方法,其中,为了支持辐照规划,计算机断层成像图像数据被提供用于和与计算机断层成像图像数据相关联的磁共振图像数据相比不同的目的。
3.根据权利要求2所述的方法,其中,为了支持辐照规划,计算机断层成像图像数据被提供用于至少一个以下目的:
-验证患者对于辐照的正确定位,和
-在辐照规划期间计算辐射剂量。
4.根据权利要求2至3中任一项所述的方法,其中,为了支持辐照规划,与计算机断层成像图像数据相关联的磁共振图像数据被提供用于至少一个以下目的:
-对于辐照规划绘制患者的器官结构的轮廓,和
-对于辐照规划自动分割患者的器官结构。
5.根据上述权利要求中任一项所述的方法,其中,磁共振图像数据与计算机断层成像图像数据的关联借助基于图集的方法进行,该方法包括以下步骤:
-提供图集,该图集共同包括磁共振图像数据和至少一个与患者不同的检查对象的对应的图集计算机断层成像图像数据,
-将图集计算机断层成像图像数据与计算机断层成像图像数据相关联,
-在使用由图集计算机断层成像图像数据与计算机断层成像图像数据的关联而得出的信息的条件下将磁共振图像数据与计算机断层成像图像数据相关联。
6.根据权利要求5所述的方法,其中,图集计算机断层成像图像数据与计算机断层成像图像数据的关联包括图集计算机断层成像图像数据到计算机断层成像图像数据的配准,其中在使用在前面配准中确定的形变场的条件下将磁共振图像数据与计算机断层成像图像数据相关联。
7.根据权利要求5所述的方法,其中,图集计算机断层成像图像数据与计算机断层成像图像数据的关联通过基于补丁的方法进行,其中在使用在基于补丁的方法中获得的信息的条件下进行磁共振图像数据与计算机断层成像图像数据的关联。
8.根据权利要求5至7中任一项所述的方法,其中,图集计算机断层成像图像数据构造为双能图集计算机断层成像图像数据,其中由双能图集计算机断层成像图像数据导出对于基于图集的方法合适的单能的图集计算机断层成像图像数据。
9.根据上述权利要求中任一项所述的方法,其中,计算机断层成像图像数据和与计算机断层成像图像数据相关联的磁共振图像数据一起被提供用于支持患者的完整器官结构的辐照规划。
10.一种用于支持患者的辐照规划的方法包括以下方法步骤:
-采集患者的计算机断层成像图像数据,该计算机断层成像图像数据借助计算机断层成像设备从患者获取,
-提供人工神经网络,该人工神经网络基于对应的训练磁共振图像数据和训练计算机断层成像图像数据被训练用于器官结构的分割,
-在将训练后的人工神经网络应用到计算机断层成像图像数据的图像内容的条件下,在计算机断层成像图像数据中分割器官结构,和
-一起提供计算机断层成像图像数据和分割的器官结构,用于支持患者的辐照规划。
11.一种计算单元,包括至少一个计算模块,其中计算单元构造为用于执行根据上述权利要求中任一项所述的方法。
12.一种计算机程序产品,其能够直接加载到可编程的计算单元的存储器中,具有程序代码装置,用于当在计算单元中运行计算机程序产品时执行根据权利要求1至10中任一项所述的方法。
CN201710913801.0A 2016-10-07 2017-09-30 用于支持患者的辐照规划的方法 Pending CN107913470A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102016219496.8A DE102016219496A1 (de) 2016-10-07 2016-10-07 Verfahren zur Unterstützung einer Planung einer Bestrahlung eines Patienten
DE102016219496.8 2016-10-07

Publications (1)

Publication Number Publication Date
CN107913470A true CN107913470A (zh) 2018-04-17

Family

ID=59686854

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710913801.0A Pending CN107913470A (zh) 2016-10-07 2017-09-30 用于支持患者的辐照规划的方法

Country Status (4)

Country Link
US (1) US10729919B2 (zh)
EP (1) EP3238780B1 (zh)
CN (1) CN107913470A (zh)
DE (1) DE102016219496A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109523584A (zh) * 2018-10-26 2019-03-26 上海联影医疗科技有限公司 图像处理方法、装置、多模态成像系统、存储介质及设备

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10475214B2 (en) * 2017-04-05 2019-11-12 General Electric Company Tomographic reconstruction based on deep learning
US10753997B2 (en) * 2017-08-10 2020-08-25 Siemens Healthcare Gmbh Image standardization using generative adversarial networks
WO2019037977A1 (de) 2017-08-23 2019-02-28 Siemens Healthcare Gmbh Verfahren zum bereitstellen von ergebnisdaten, welche geeignet für einen einsatz in einer planung einer bestrahlung eines patienten sind
WO2020006032A1 (en) * 2018-06-26 2020-01-02 The Medical College Of Wisconsin, Inc. Systems and methods for accelerated online adaptive radiation therapy
US11756160B2 (en) * 2018-07-27 2023-09-12 Washington University ML-based methods for pseudo-CT and HR MR image estimation
WO2020122606A1 (ko) * 2018-12-11 2020-06-18 시너지에이아이 주식회사 인공신경망을 이용한 장기의 부피 측정 방법 및 그 장치
US10945695B2 (en) 2018-12-21 2021-03-16 Canon Medical Systems Corporation Apparatus and method for dual-energy computed tomography (CT) image reconstruction using sparse kVp-switching and deep learning
WO2023055761A1 (en) * 2021-09-28 2023-04-06 Vanderbilt University Method and system for automatic segmentation of structures of interest in mr images using a weighted active shape model

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1595451A (zh) * 2004-06-17 2005-03-16 上海交通大学 核磁共振多谱图像分割方法
CN101959454A (zh) * 2008-03-07 2011-01-26 皇家飞利浦电子股份有限公司 通过磁共振图像的自动分割进行ct替代
WO2015171056A1 (en) * 2014-05-04 2015-11-12 Spectronic Ab Method for generating synthetic electron density information for dose calculations based on mri

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102006021771B4 (de) * 2006-05-10 2008-07-17 Siemens Ag Vorrichtung, Verfahren sowie Computerprogrammprodukt zur Erstellung einer Bestrahlungsplanung
EP2446416B1 (en) 2009-06-24 2014-04-30 Koninklijke Philips N.V. Establishing a contour of a structure based on image information
WO2013086580A1 (en) 2011-12-15 2013-06-20 Commonwealth Scientific And Industrial Research Organisation Method and apparatus for the assessment of medical images
US10046177B2 (en) * 2014-06-18 2018-08-14 Elekta Ab System and method for automatic treatment planning
DE102014218924A1 (de) 2014-09-19 2016-03-24 Siemens Aktiengesellschaft Ermittlung einer Position eines Objekts mittels MRT-Aufnahmen

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1595451A (zh) * 2004-06-17 2005-03-16 上海交通大学 核磁共振多谱图像分割方法
CN101959454A (zh) * 2008-03-07 2011-01-26 皇家飞利浦电子股份有限公司 通过磁共振图像的自动分割进行ct替代
WO2015171056A1 (en) * 2014-05-04 2015-11-12 Spectronic Ab Method for generating synthetic electron density information for dose calculations based on mri

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109523584A (zh) * 2018-10-26 2019-03-26 上海联影医疗科技有限公司 图像处理方法、装置、多模态成像系统、存储介质及设备
CN109523584B (zh) * 2018-10-26 2021-04-20 上海联影医疗科技股份有限公司 图像处理方法、装置、多模态成像系统、存储介质及设备

Also Published As

Publication number Publication date
US10729919B2 (en) 2020-08-04
EP3238780A3 (de) 2018-03-21
EP3238780B1 (de) 2019-09-25
US20180099152A1 (en) 2018-04-12
DE102016219496A1 (de) 2018-04-26
EP3238780A2 (de) 2017-11-01

Similar Documents

Publication Publication Date Title
CN107913470A (zh) 用于支持患者的辐照规划的方法
Tenhunen et al. MRI-only based radiation therapy of prostate cancer: workflow and early clinical experience
CN112156378B (zh) 用于自适应放射治疗的三维定位和追踪
Uh et al. MRI‐based treatment planning with pseudo CT generated through atlas registration
RU2699052C2 (ru) Трехмерная локализация движущейся мишени для адаптивной радиационной терапии
CN107708808B (zh) 用于在放射治疗期间使用质量指标进行靶追踪的系统和方法
EP3140810B1 (en) Method for generating synthetic electron density information for dose calculations based on mri
Dai et al. Automatic multi‐catheter detection using deeply supervised convolutional neural network in MRI‐guided HDR prostate brachytherapy
CN105658279B (zh) 放射线治疗装置、系统以及方法
JP6506495B2 (ja) 磁気共鳴撮像法を使用した陽電子放出断層撮像法における減衰補正
CN105263407B (zh) 使用磁共振成像的对骨组织的探测
Stanescu et al. A study on the magnetic resonance imaging (MRI)-based radiation treatment planning of intracranial lesions
CN110234400A (zh) 用于生成合成医学图像的神经网络
CN109843377A (zh) 用于预测放射疗法剂量分布的放射疗法治疗计划的学习模型的系统和方法
CN108770373A (zh) 使用特征回归模型根据mr数据的伪ct生成
CN108778416A (zh) 使用组织参数估计根据mr数据的伪ct生成
Pathmanathan et al. Improving fiducial and prostate capsule visualization for radiotherapy planning using MRI
US8588498B2 (en) System and method for segmenting bones on MR images
CN108778418A (zh) 合成计算机断层摄影成像
CN108271346A (zh) 辐射剂量减少以及混合成像研究中的时期之间的改进的一致性
Zhang et al. Clinical evaluation of 4D MRI in the delineation of gross and internal tumor volumes in comparison with 4DCT
Keall et al. ICRU REPORT 97: MRI-guided radiation therapy using MRI-linear accelerators
CN109427417A (zh) 用于在医学图像数据中分割检查对象的器官结构的方法
Berlangieri et al. Use of magnetic resonance image‐guided radiotherapy for breast cancer: a scoping review
Prisciandaro et al. AAPM task group report 303 endorsed by the ABS: MRI implementation in HDR brachytherapy—Considerations from simulation to treatment

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180417