CN107980008B - 医学图像处理设备、治疗系统和医学图像处理程序 - Google Patents

医学图像处理设备、治疗系统和医学图像处理程序 Download PDF

Info

Publication number
CN107980008B
CN107980008B CN201780003049.4A CN201780003049A CN107980008B CN 107980008 B CN107980008 B CN 107980008B CN 201780003049 A CN201780003049 A CN 201780003049A CN 107980008 B CN107980008 B CN 107980008B
Authority
CN
China
Prior art keywords
feature
image processing
processing apparatus
medical image
patient
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.)
Active
Application number
CN201780003049.4A
Other languages
English (en)
Other versions
CN107980008A (zh
Inventor
平井隆介
田口安则
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.)
Toshiba Corp
Original Assignee
Toshiba Corp
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 Toshiba Corp filed Critical Toshiba Corp
Publication of CN107980008A publication Critical patent/CN107980008A/zh
Application granted granted Critical
Publication of CN107980008B publication Critical patent/CN107980008B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • A61N5/1064—Monitoring, verifying, controlling systems and methods for adjusting radiation treatment in response to monitoring
    • A61N5/1065—Beam adjustment
    • A61N5/1067—Beam adjustment in real time, i.e. during treatment
    • 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
    • A61B6/4007—Arrangements for generating radiation specially adapted for radiation diagnosis characterised by using a plurality of source units
    • A61B6/4014—Arrangements for generating radiation specially adapted for radiation diagnosis characterised by using a plurality of source units arranged in multiple source-detector units
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2431—Multiple classes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/285—Selection of pattern recognition techniques, e.g. of classifiers in a multi-classifier system
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/778—Active pattern-learning, e.g. online learning of image or video features
    • G06V10/7784—Active pattern-learning, e.g. online learning of image or video features based on feedback from supervisors
    • G06V10/7788—Active pattern-learning, e.g. online learning of image or video features based on feedback from supervisors the supervisor being a human, e.g. interactive learning with a human teacher
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/87—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using selection of the recognition techniques, e.g. of a classifier in a multiple classifier system
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
    • A61B2034/2046—Tracking techniques
    • A61B2034/2065—Tracking using image or pattern recognition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/39—Markers, e.g. radio-opaque or breast lesions markers
    • A61B2090/3966—Radiopaque markers visible in an X-ray image
    • 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
    • A61N2005/1051—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam using an active marker
    • 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
    • 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
    • A61N2005/1062—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 using virtual X-ray images, e.g. digitally reconstructed radiographs [DRR]
    • 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
    • A61N2005/1074—Details of the control system, e.g. user interfaces
    • 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
    • A61N5/1064—Monitoring, verifying, controlling systems and methods for adjusting radiation treatment in response to monitoring
    • A61N5/1068—Gating the beam as a function of a physiological signal
    • 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
    • G06T2207/10116—X-ray image
    • G06T2207/10124—Digitally reconstructed radiograph [DRR]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30096—Tumor; Lesion
    • 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
    • G06T2207/30204—Marker

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Radiology & Medical Imaging (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Biophysics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Optics & Photonics (AREA)
  • Computing Systems (AREA)
  • Physiology (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Radiation-Therapy Devices (AREA)
  • Image Analysis (AREA)

Abstract

医学图像处理设备包括获取待治疗对象的多个第一图像的第一图像获取器，所述多个第一图像中的每个图像是由射线成像设备在多个时间中的相应时间拍摄的；获取待治疗对象的第二图像的第二图像获取器，所述第二图像是由射线成像设备在与拍摄所述多个第一图像的多个时间不同的时间拍摄的；从所述多个第一图像中确定待治疗对象的第一特征的多个位置的特征处理器，所述特征处理器从第二图像中确定待治疗对象中的对应于第一特征的第二特征的位置；建立包括第一特征的所述多个位置的第一封闭空间的计算器；和确定第二特征的位置是否在所述第一封闭空间内的确定器，所述确定器根据确定的结果，输出确定信号。

Description

医学图像处理设备、治疗系统和医学图像处理程序
技术领域
本发明的实施例涉及医学图像处理设备、治疗系统和医学图像处理程序。
背景技术
放射疗法是一种照射患者体内的病变、从而破坏所述病变的治疗方法。在放射疗法中，必须精确地照射病变的位置。这是因为如果患者体内的正常组织被无线电射束(radio beam)照射，那么它会被破坏。因此，当进行放射疗法时，在治疗计划阶段，预先进行计算机断层扫描(CT)，以获得患者体内的病变的位置的三维把握。根据把握的病变的位置，能够计划照射无线电射束时的方向和强度，以便减小正常组织的照射。在随后的治疗阶段，放置患者，以便匹配在治疗计划阶段的患者的位置，并按照在治疗计划阶段确定的照射的方向和强度，用无线电射束照射病变。
在治疗阶段的患者的定位过程中，在紧接在开始治疗之前患者被放置在床上的情况下拍摄的患者体内的透视图像，和源于在治疗计划时拍摄的三维计算机断层扫描(CT)图像的数字重建射线影像(DRR)(它是虚拟重建的透视图像)之间，进行图像匹配，以确定这些图像之间患者的位置的偏移。通过根据确定的偏移移动床，患者体内的病变和骨骼等的位置被调整到它们在治疗计划之时的位置。
患者位置的偏移是通过在CT图像中搜索所述位置，以致重建与透视图像最相似的DRR图像来确定的。为了计算机自动进行患者位置的搜索，提出了大量的方法。用户(医师等)通过在照射之前在视觉上比较透视图像和DRR图像，来验证自动搜索的结果。
然而，也存在其中患者体内的病变在随着患者的呼吸或心跳而移动的器官(比如肺或心脏)中的情况。在这种情况下，即使在用无线电射束照射期间，也必须识别病变的位置。一种识别病变的位置的方法是即使在用无线电射束照射期间也拍摄患者的透视视频，并根据透视图像，追踪患者体内的病变。还存在一种当患者体内的病变未清晰地出现在透视图像中时，通过追踪放置在患者体内的标记，来间接识别病变的位置的方法。用无线电射束照射的方法包括其中追踪并照射病变的位置的追随照射，和其中当病变到达治疗计划之时的位置时进行照射的伏击照射。
然而，存在在无线电射束照射期间，患者的状态突然改变或者患者咳嗽或打喷嚏的可能性。还存在很多其他因素导致无法追踪患者体内的病变。当在无线电射束照射期间出现这类意外情况时，必须立即停止照射。鉴于此，为了安全地进行治疗，需要当在无线电射束照射期间出现意外情况时可以立即探测到的异常探测。
作为探测在无线电射束照射期间出现的意外情况的异常探测方法的例子，存在在专利参考文献1中公开的方法。在专利参考文献1中公开的方法之中，监视其运动与患者的呼吸有关的腹部的膨胀和收缩，偏离正常呼吸时的腹部的膨胀和收缩运动的运动被认定为异常。然而，就专利参考文献1中公开的方法来说，不监视患者体内的情况。因此，就专利参考文献1中公开的方法来说，不能跟随例如由治疗期间患者心跳的变化或者患者的肠内气体的移动所导致的病变的位置的变化。从而，就专利参考文献1中公开的方法来说，存在异常探测的可靠性不足的情况。
[引文列表]
[专利文献]
[专利参考文献1]日本专利No.5925233
发明内容
问题的解决方案
在一些实施例中，医学图像处理设备可包括(但不限于)获取待治疗对象的多个第一图像的第一图像获取器，所述多个第一图像中的每个图像是由射线成像设备在多个时间中的相应时间拍摄的；获取待治疗对象的第二图像的第二图像获取器，所述第二图像是由射线成像设备在与拍摄所述多个第一图像的多个时间不同的时间拍摄的；从所述多个第一图像中确定待治疗对象的第一特征的多个位置的特征处理器，所述特征处理器从第二图像中确定待治疗对象中的对应于第一特征的第二特征的位置；建立包括第一特征的所述多个位置的第一封闭空间的计算器；和确定第二特征的位置是否在所述第一封闭空间内的确定器，所述确定器根据确定的结果输出确定信号。
在一些其他实施例中，治疗系统可包括(但不限于)医学图像处理设备；具有用治疗射束照射待治疗主体的射线照射器和拍摄第一和第二图像的射线成像设备的治疗设备；和根据确定信号控制射线照射器的治疗射束的照射的控制器。
附图说明
图1是表示具有第一实施例的医学图像处理设备的治疗系统的一般构成的方框图。
图2是表示第一实施例的医学图像处理设备的一般构成的方框图。
图3是表示第一实施例的医学图像处理设备中的状态探测处理的流程的流程图。
图4是说明在第一实施例的医学图像处理设备中的处理中使用的、放置在患者体内的标记的示图。
图5是表示第二实施例的医学图像处理设备的一般构成的方框图。
图6是表示第三实施例的医学图像处理设备的一般构成的方框图。
图7是表示第四实施例的医学图像处理设备的一般构成的方框图。
图8是表示第五实施例的医学图像处理设备的一般构成的方框图。
具体实施方式
下面参考附图，说明实施例的医学图像处理设备、治疗系统和医学图像处理程序。
(第一实施例)
图1是表示具有第一实施例的医学图像处理设备的治疗系统的一般构成的方框图。图1中所示的治疗系统1具有医学图像处理设备100和治疗设备10。
首先，说明治疗系统1的治疗设备10。治疗设备10具有治疗床11、2个射线照射器12(射线照射器12-1和射线照射器12-2)、两个射线探测器13(射线探测器13-1和射线探测器13-2)、和治疗射束照射龙门14。
图1中所示的附图标记之后的连字符(-)和数字用于识别对应关系。例如，在治疗设备10中的射线照射器12和射线探测器13之间的对应关系中，在射线照射器12-1和射线探测器13-1之间存在对应，它们构成一个组，在射线照射器12-2和射线探测器13-2之间存在对应，它们构成一个组。即，在下面的说明中，各个附图标记之后的连字符和数字指示在连字符之后，具有相同数字的那些元件之间的对应。在下面的说明中，当不区分哪一个地提及多倍地存在的构成元件时，跟随在之后的连字符和数字将被省略。
治疗床11是将用无线电射束照射治疗的对象(患者)P被固定在其上的床。
射线照射器12-1从预定角度照射用于检查患者P的体内的无线电射束r-1。射线照射器12-2从不同于射线照射器12-1的预定角度照射用于检查患者P的体内的无线电射束r-2。无线电射束r-1和r-2例如是X射线束。图1中，所示的情况是其中相对于固定在治疗床11上的患者，从两个方向进行X射线成像的情况。图1中，未图示控制射线照射器12进行的无线电射束r的照射的控制器。
射线探测器13-1探测从射线照射器12-1照射并穿过患者P的身体到达的无线电射束r-1，按照探测的无线电射束r-1的能量大小生成患者P内的透视图像。射线探测器13-2探测从射线照射器12-2照射并穿过患者P的身体到达的无线电射束r-2，按照探测的无线电射束r-2的能量大小生成患者P内的透视图像。射线探测器13具有按二维阵列排列的探测器，生成被表示成到达每个探测器的无线电射束r的能量大小的数字值的数字图像作为透视图像。射线探测器13例如是平板探测器(FPD)、图像增强器或者彩色图像增强器。射线探测器13把生成的透视图像输出给医学图像处理设备100。
图1中，未图示控制射线探测器13进行的透视图像的生成的控制器。
在治疗设备10中，治疗系统1的射线成像设备由一组的射线照射器12和射线探测器13构成。
图1表示具有两组射线照射器12和射线探测器13(即，2个射线成像设备的治疗设备10)的构成。然而，设置在治疗设备10中的射线成像设备的数目不限于图1中所示的具有2个射线成像设备(即，两组射线照射器12和射线探测器13)的构成。例如，治疗设备10可具有具备3个或更多个射线成像设备(三组或更多组射线照射器12和射线探测器13)的构成。治疗设备10可具有具备1个射线成像设备(一组射线照射器12和射线探测器13)的构成。
治疗射束照射龙门14照射用于破坏患者P体内的病变的无线电射束，作为治疗射束B。治疗射束B例如是X射线束、γ射线束、电子束、质子束、中子束、重粒子束等。图1中，未图示控制治疗射束照射龙门14进行的治疗射束B的照射的控制器。
图1表示具备1个治疗射束照射龙门14的治疗设备10的构成。不过，治疗设备10不限于只具有1个治疗射束照射龙门14的构成，可以具有具备多个治疗射束照射龙门14的构成。例如，尽管图1表示具有从相对于患者P的垂直方向照射治疗射束B的治疗射束照射龙门14的治疗设备10的构成，不过，治疗系统1可被构造成包括还具有从相对于患者P的平行方向照射治疗射束的治疗射束照射龙门的治疗设备。
医学图像处理设备100根据从射线探测器13-1和射线探测器13-2输出的透视图像，追踪利用放射疗法治疗的患者P的体内的病变。医学图像处理设备100中的病变的追踪是根据在进行放射疗法之前(比如在治疗计划阶段)拍摄的患者P的透视图像和患者P的当前透视图像进行的。
根据追踪患者P的体内的病变的结果，医学图像处理设备100自动探测在放射疗法中将治疗射束B照射在病变上的定时。根据追踪患者P的体内的病变的结果，医学图像处理设备100自动探测治疗期间在追踪体内的病变之时出现的意外情况。医学图像处理设备100中的治疗射束B的照射定时和意外情况的探测，是通过确定包含在进行放射疗法之前拍摄的患者P的透视图像中的病变的位置和患者P的当前透视图像中的病变的位置之间的变化进行的。医学图像处理设备100输出探测的治疗射束B的照射定时和意外情况的信息。意外情况例如是患者P咳嗽或打喷嚏，当患者P睡着了或者在睡眠中呼吸暂停综合症的出现，或者患者P的状况的突然变化。意外情况包括治疗系统1中的系统异常。
医学图像处理设备100和设置在治疗设备10中的射线探测器13可利用LAN(局域网)或WAN(广域网)连接。
下面说明治疗系统1的医学图像处理设备100的构成。图2是表示第一实施例的医学图像处理设备100的一般构成的方框图。
图2中所示的医学图像处理设备100具有第一图像获取器101、第二图像获取器102、特征处理器103、学习器104和确定器105。特征处理器103具有第一特征提取器1031和第二特征计算器1032。
第一图像获取器101在治疗之前获取关于患者P的多个第一图像。第一图像获取器101把多个获取的第一图像输出给特征处理器103。这种情况下，第一图像是以在进行放射疗法的治疗计划阶段使用的图像为基础的图像。在治疗计划阶段，计划治疗射束B的照射方向和强度，以减少治疗射束B对患者P体内的正常组织的照射。例如，第一图像可以是根据四维计算机断层扫描(CT)准备的数字重建射线影像(DRR)。例如，第一图像是从在治疗计划之时拍摄的三维计算机断层扫描(CT)图像虚拟地重建透视图像的数字重建射线影像(DRR)。第一图像可以是在调整患者P的位置之后，紧接在开始治疗之前(治疗射束照射龙门14未照射治疗射束B的状态)，射线探测器13按照射线照射器12照射的无线电射束r生成的透视图像。第一图像获取器101可包括用于连接到治疗设备10的射线探测器13的接口。
第二图像获取器102获取在治疗期间拍摄的患者P的第二图像。第二图像获取器102把拍摄的第二图像输出给特征处理器103。这种情况下，第二图像是在治疗期间，患者P躺在治疗床11上的状况下，按各个预先确定的时间间隔拍摄的患者P体内的透视图像。即，第二图像是在治疗期间(可能处于治疗射束照射龙门14照射治疗射束B的状态，或者治疗射束照射龙门14未照射治疗射束B的状态)，射线探测器13按照射线照射器12照射的无线电射束r生成的透视图像。第二图像获取器102可具有用于连接到治疗设备10的射线探测器13的接口。
根据从第一图像获取器101输出的多个第一图像和从第二图像获取器102输出的第二图像，特征处理器103提取在各个图像中拍摄的特征主体(第一图像的第一特征和与第一特征对应的第二图像的第二特征)。特征主体(characteristic subject)指示患者P体内的病变，用于识别患者P体内的病变的位置的身体的特征位置，或者已植入患者P体内的标记等，等等。特征处理器103把表示提取的病变位置的信息输出给学习器104和确定器105。
第一特征提取器1031计算表示从第一图像获取器101输出的患者P的第一图像中的特征主体的特征的特征提取参数，并把计算的特征提取参数输出给第二特征计算器1032。特征主体例如是病变、标记、或者主体的一部分。按照计算的特征提取参数，第一特征提取器1031提取在第一图像中拍摄的特征主体的位置，并把表示提取的特征主体位置的信息作为第一特征输出给学习器104。
根据从第一特征提取器1031输出的特征提取参数，第二特征计算器1032从输出自第二图像获取器102的患者P的第二图像中提取特征主体。根据提取的特征主体，第二特征计算器1032计算与第一特征表示的特征主体的位置对应的特征主体的当前位置，并把表示计算的特征主体位置的信息作为第二特征输出给确定器105。
根据从特征处理器103的第一特征提取器1031输出的第一特征，学习器(计算器)104学习在多个时间的特征主体的位置的变化。即，学习器104学习因患者P的呼吸或心跳的运动而移动的特征主体的位置的三维分布。根据学习的特征主体的位置的分布，学习器104建立包围从多个第一图像获得的特征主体的多个位置的分布的封闭空间。所述封闭空间表示特征主体的预期移动范围。学习器104把建立的封闭空间的信息输出给确定器105。
根据从学习器104输出的封闭空间的信息和从特征处理器103的第二特征计算器1032输出的第二特征，确定器105确定第二特征是否在封闭空间内。例如，确定器105确定在预先预期特征主体在其中移动的封闭空间的范围内，特征主体是否已移动到达在治疗计划之时确定的治疗射束B照射的位置。确定器105确定特征主体是否已移动到预先预期特征主体在其中移动的封闭空间的范围外。确定器105输出表示特征主体的移动的确定结果的确定信号。
在治疗计划之时确定的治疗射束B照射的位置可以是特征主体的特定移动位置，或者可以是包括特征主体的位置的预先确定的范围。在下面的说明中，治疗射束B的照射位置和范围将被称为“门窗(gate window)”。如上所述，门窗是在治疗计划之时确定的治疗射束B被照射到的位置或范围。于是，可在学习器104建立封闭空间之时设定所述门窗，并且门窗信息连同封闭空间信息一起被输出给确定器105。
例如，确定器105把确定信号输出给控制治疗设备10的治疗射束照射龙门14进行的治疗射束B的照射的控制器(未图示)，和控制射线照射器12进行的射线束r的照射的控制器(未图示)。如果将利用治疗系统1进行放射疗法，那么控制器(未图示)进行控制，以致当输出指示特征主体的当前位置移动到在治疗计划时确定的门窗内的确定信号时，照射治疗射束B。在治疗系统1中的放射疗法中，如果向控制器(未图示)输出指示特征主体的当前位置极大地偏离在治疗计划时确定的门窗的确定信号，那么控制器(未图示)进行控制，以便停止治疗射束B(它可包括无线电射束r)的照射。
借助这种构成，根据在治疗之前拍摄的患者P的第一图像和在治疗期间拍摄的患者P的第二图像，医学图像处理设备100确定患者P体内，治疗计划时确定的门窗与特征主体的当前位置之间的偏移。医学图像处理设备100输出确定治疗计划时确定的门窗与特征主体的当前位置之间的偏移的结果，作为确定信号。这使医学图像处理设备100能够自动探测通过治疗射束B照射患者P体内的病变的定时。这使具有医学图像处理设备100的治疗系统1能够在适当的定时，使用治疗射束B照射患者P体内的病变。医学图像处理设备100能够自动探测治疗期间的意外情况，比如患者P咳嗽或打喷嚏，当患者P睡着了或者在睡眠中呼吸暂停综合症的出现，或者患者P的状况的突然变化。在具有医学图像处理设备100的治疗系统1中，这使得能够制定安全地进行治疗的策略，比如当在使用治疗射束照射患者P体内的病变之时出现意外情况时，以及特征主体的位置移离所述门窗或者移动到封闭空间之外时，停止治疗射束B的照射。
上述医学图像处理设备100的功能元件的一部分例如可以是通过借助处理器，比如CPU(中央处理器)或GPU(图形处理器)，执行保存在存储装置中的程序而起作用的软件功能元件。这种情况下，存储装置可以通过ROM(只读存储器)、RAM(随机存取存储器)、HD(硬盘)驱动器或闪存等实现。通过诸如CPU或GPU之类处理器执行的程序可被预先保存在医学图像处理设备100的存储装置中，或者可以通过网络下载自另一台计算机。保存在可拆卸存储装置中的程序可被安装到医学图像处理设备100中。上述医学图像处理设备100的部分或全部功能元件可以是硬件操作单元，比如FPGA(现场可编程门阵列)、LSI(大规模集成)器件或者ASIC(专用集成电路)等。
下面说明构成治疗系统1的医学图像处理设备100中的探测特征主体的状态的处理(状态探测处理)的流程。医学图像处理设备100中的状态探测处理是通过追踪特征主体来确定特征主体的当前位置的处理。图3是表示第一实施例的医学图像处理设备100中的状态探测处理的流程的例子的流程图。在医学图像处理设备100进行状态探测处理之前，即，在进行放射疗法之前(例如，大约一个周期之前)，制定治疗计划。紧接在医学图像处理设备100进行状态探测处理之前，进行定位以借助在治疗计划中确定的患者P的位置和方向，调整进行治疗时的患者P的位置和方向。在下面的说明中，将假定治疗计划中的照射患者P的治疗射束B的方向和强度已被确定，并且待治疗的患者P的定位已完成。在进行治疗时的患者P的定位中，可以使用医学图像处理设备100。
首先，当医学图像处理设备100开始状态探测处理时，第一图像获取器101获取第一图像(步骤S101)。此时，为了确定是否能够适当地追踪特征主体，第一图像获取器101持续患者P的多个呼吸周期(下面，“呼吸周期”)获取第一图像。如上所述，第一图像可以是作为从在治疗计划阶段使用的CT图像重建的透视图像的DDR图像，可以是在患者P未被治疗射束B照射的状态下，紧接在开始治疗之前拍摄的透视图像。不过，为了适当地确定特征主体因患者P的呼吸而移动的范围，理想的是第一图像是患者P的至少一个呼吸周期内的图像。因此，如果第一图像是紧接在开始治疗之前拍摄的透视图像，那么第一图像获取器101获取紧接在治疗之前拍摄的由射线探测器13生成的多个呼吸周期的透视图像(两个方向的透视图像)，作为第一图像。即，第一图像获取器101获取多个两个方向的透视图像，作为第一图像。第一图像获取器101随后把各个获取的第一图像输出给特征处理器103的第一特征提取器1031。
在放射疗法中，为了治疗特定患者P，存在多次(包括不在同一天)进行治疗射束B的照射的情况。为此，在相对于给定患者P的第二次和后续放射治疗的时候，可以使用在前次治疗之时拍摄的由射线探测器13生成的透视图像(两个方向的透视图像)，作为第一图像。
之后，第一特征提取器1031计算从第一图像获取器101输出的各个第一图像中的特征主体的特征提取参数，并提取表示特征主体的位置的第一特征(步骤S200)。这种情况下，作为第一特征提取器1031从第一图像中提取第一特征的方法，存在例如把标记放置在患者P体内作为特征主体，并根据所述标记的位置提取特征主体的方法。作为第一特征提取器1031从第一图像中提取第一特征的方法，还存在例如把患者P的与呼吸或心跳一致地移动的部分视为特征主体，并根据所述部分的位置提取特征主体的方法。关于第一特征提取器1031从第一图像中提取第一特征的方法的细节将在后面说明。第一特征提取器1031把计算的特征提取参数输出给第二特征计算器1032。第一特征提取器1031把提取的第一特征输出给学习器104。
之后，学习器104学习由从第一特征提取器1031输出的第一特征表示的特征主体在多个时间的位置分布，并根据学习的特征主体位置分布，建立封闭空间(步骤S300)。这种情况下，作为学习器104学习特征主体的位置分布的方法，存在例如根据由多个第一特征表示的特征主体的位置的分布学习位置的规律性的方法，和学习生成模型的方法。关于学习器104学习第一特征并建立封闭空间的方法的细节将在后面说明。学习器104把建立的封闭空间的信息输出给确定器105。
之后，当开始放射疗法时，第二图像获取器102获取第二图像(步骤S400)。这种情况下，第二图像获取器102或者按预先确定的时间间隔，或者连续地从射线探测器13，获取透视图像(两个方向的透视图像)，作为用于追踪在治疗期间移动的特征主体的第二图像。除了拍摄定时之外，第二图像获取器102获取的第二图像与第一图像获取器101从射线探测器13获取的透视图像相同。第二图像获取器102把各个获取的第二图像输出给特征处理器103的第二特征计算器1032。
之后，根据从第一特征提取器1031输出的特征提取参数，第二特征计算器1032从各个第二图像中提取表示特征主体的当前位置的第二特征(步骤S500)。这种情况下，第二特征提取器1032从第二图像中提取第二特征的方法可以与第一特征提取器1031的方法相同。即，类似于第一特征提取器1031，第二特征计算器1032例如可以依据放置在患者P体内的标记的位置，或者依据患者P的身体的与呼吸或心跳一致地移动的部分的位置，从第二图像中提取第二特征。第二特征计算器1032从第二图像中提取第二特征的方法不限于与第一特征提取器1031相同的方法。即，如果第二特征计算器1032能够从各个第二图像中提取表示特征主体的当前位置的第二特征，那么可以利用与第一特征提取器1031的方法不同的方法来提取第二特征。在下面的说明中，说明针对的是其中第二特征计算器1032利用与将在后面说明的第一特征提取器1031利用的从第一图像中提取第一特征的方法相同的方法，从第二图像中提取第二特征的情况。第二特征计算器1032把提取的第二特征输出给确定器105。
之后，确定器105确定从第二特征计算器1032输出的第二特征是否在学习器104建立的封闭空间的范围内，并输出表示确定结果的确定信号(步骤S600)。更具体地，如果第二特征在封闭空间内，那么确定器105输出指示未探测到异常的确定信号，而如果第二特征在封闭空间之外，那么确定器105输出指示探测到异常的确定信号。如果输出利用来自学习器104的生成模型建立的封闭空间，那么确定器105计算通过把从第二特征计算器1032输出的第二特征输入生成模型而获得的概率值，并确定计算的概率值是否在封闭空间的范围内。随后，如果计算的概率值在封闭空间内，那么确定器105输出指示未探测到异常的确定信号，而如果计算的概率值在封闭空间之外，那么确定器105输出指示探测到异常的确定信号。
之后，医学图像处理设备100的状态探测处理返回步骤S400，重复步骤S400-S600的处理。即，在医学图像处理设备的状态探测处理中，第二图像获取器102获取下一个第二图像，并关于从获取的第二图像中提取的第二特征重复所述确定。
下面说明在治疗系统1的医学图像处理设备100的状态探测处理中，由医学图像处理设备100的各个构成元件进行的处理(处理方法)的例子。
首先，说明第一特征提取器1031从第一图像中提取第一特征的方法。如上所述，作为第一特征提取器1031从第一图像中提取第一特征的方法，存在例如以放置在患者P体内的标记的位置为基础的提取方法，和以患者P的与呼吸或心跳一致地移动的部分的位置为基础的提取方法。
首先，说明根据放置在患者P体内的标记的位置提取第一特征的方法。这种情况下，标记例如是球形或条状金属物体。如果标记被放置在患者P的身体中，那么第一特征提取器1031把在从第一图像获取器101输出的各个第一图像中拍摄到的标记的位置的坐标，视为第一特征。当这样做时，标记位置例如被视为标记的重心的位置。例如，第一特征提取器1031利用模板匹配等，通过参照预先准备的透视图像中的标记图像的模板，识别在第一图像中拍摄到的标记位置。第一特征提取器1031把表示识别的标记位置的坐标的信息，作为第一特征输出给学习器104。
第一特征提取器1031还把识别的标记位置的坐标，作为特征提取参数输出给第二特征计算器1032。这种情况下，第一特征提取器1031输出的一个特征提取参数是用于在一个图像(即，在从患者P的至少一个呼吸周期的DRR图像组中选择的一个DRR图像)中指定包括识别的标记的部分图像区域的关注区域的图像(下面称为ROI图像)。在治疗计划中确定的门窗区域(范围)包含在ROI图像区域中。第一特征提取器1031把都对应于多个DRR图像(下面称为DRR图像组)中的DRR图像的ROI图像，作为特征提取参数输出给第二特征计算器1032。
如果ROI图像组被用作特征提取参数，那么第二特征计算器1032只需要仅仅相对于在各个ROI图像中识别的范围之内，进行提取第二特征的处理。因此，在医学图像处理设备100中，预计第二特征计算器1032进行的从第二图像中提取第二特征的提取处理所需的时间量可被缩短。
第一特征提取器1031可向第二特征计算器1032输出表示标记图像的参数，作为特征提取参数。图4描述在第一实施例的医学图像处理设备100的处理中使用的、放置在患者P体内的标记的例子。图4表示在透视图像中拍摄到的标记图像的例子。图4中，(a)表示球形标记图像的例子，(b)表示条状标记图像的例子。
如果放置在患者P体内的标记是球形标记，那么如图4中的(a)中所示，第一特征提取器1031把球形标记的直径r视为特征提取参数。如果放置在患者P体内的标记是球形标记，那么特征提取参数可以是球形标记的半径。
不过，如果标记为条状，那么在透视图像中拍摄到的标记图像会随着放置在患者P体内的标记的定向而变化。为此，如果放置在患者P体内的标记为条状，那么如图4中的(b)中所示，第一特征提取器1031把条状标记的角度θ、长度L和厚度T视为特征提取参数。
第一特征提取器1031向第二特征计算器1032输出与放置在患者P体内的标记的形状相应的特征提取参数。第一特征提取器1031把按照与放置在患者P体内的标记的形状相应的特征提取参数提取的第一特征，输出给学习器104。
如果多个标记被放置在患者P体内，那么第一特征提取器1031可把包括在第一图像中拍摄到的各个标记的位置的特征视为特征提取参数，并按照各个特征提取参数提取多个第一特征。
下面，说明根据患者P的与呼吸或心跳一致地移动的部分的位置，提取第一特征的方法。如果没有标记被放置在患者P体内，那么取代所述标记，第一特征提取器1031把在从第一图像获取器输出的各个第一图像中拍摄到的患者P身体中的与呼吸、心跳等一致地移动的部分的位置的坐标，视为第一特征。这种情况下，作为代替标记使用的部分的候选者，例如存在患者P的横隔膜的边界。第一特征提取器1031把表示代替标记指定的部分的位置的坐标的信息，作为第一特征输出给学习器104。
第一特征提取器1031把所指定部分的位置的坐标，作为特征提取参数输出给第二特征计算器1032。这种情况下，第一特征提取器1031还把指定包括在多个DRR图像每一个中指定的所述部分的图像的部分图像区域的ROI图像组，作为特征提取参数输出给第二特征计算器1032。
第一特征提取器1031可把第一图像中在所指定部分的位置的像素值，视为特征提取参数，这种情况下，第一特征提取器1031把其中排列整个第一图像的像素值或者第一图像的部分区域内的像素值的一列的向量，视为第一特征。当这样做时，第一特征提取器1031可把经历诸如图像压缩之类处理的第一图像中的向量，视为第一特征。这种情况下，特征提取参数被表示成与向量化第一图像对应的图像区域，或者图像压缩处理中的参数。
第一特征提取器1031可把变换后的向量视为第一特征，并提取第一特征，比如通过相对于包含在第一图像中的像素值对向量集进行主分量分析，压缩向量的维数。这种情况下，特征提取参数是用包含在第一图像中的各个像素的向量分量的轴向方向表示的。
第一特征提取器1031可把根据在图像识别领域中使用的像素值的梯度强度和梯度方向确定的局部特征量，视为第一特征。这种情况下，特征提取参数是用提取从第一图像中提取的局部特征量的方法表示的。
下面，说明学习器104根据第一特征学习特征主体的位置分布，并建立封闭空间的方法。如上所述，作为学习器104学习特征主体的位置分布的方法，例如有根据由多个第一特征表示的特征主体的位置的分布学习位置的规律性的方法，和学习生成模型的方法。
首先，说明根据由多个第一特征表示的特征主体的位置分布学习位置的规律性的方法。如果要学习特征主体的位置的规律性，那么存在例如在与第一特征对应的n阶(n是自然数和正整数)特征空间中，学习器104确定n维(例如三维)的椭圆体，以致把从第一特征提取器1031输出的所有多个第一特征围绕在其里面的方法。当这样做时，学习器104把椭圆体的位置视为第一特征的重心。学习器104使决定椭圆体的大小的各个半径成为第一特征的各个轴上的标准偏差。学习器104建立确定的椭圆体的区域，作为封闭空间。学习器104随后把建立的封闭空间的信息输出给确定器105。
下面，说明从由多个第一特征表示的特征主体的位置分布学习生成模型的方法。在学习生成模型的情况下，存在通过把生成模型视为多维正太分布，学习器104利用最大似然估计从第一特征确定指定正太分布的参数的方法。如果要学习生成模型，那么学习器104可利用核密度估计，估计生成模型的概率密度函数。在这些情况下，通过设定阈值th，以致0＜th＜1，学习器104从生成模型建立封闭空间。学习器104随后把建立的封闭空间的信息输出给确定器105。在学习生成模型的情况下，学习器104不仅把表示封闭空间的阈值th输出给确定器105，而且把学习的生成模型输出给确定器105，作为建立的封闭空间的信息。
在学习特征主体的位置的规律性的情况下的体椭圆体区域和椭圆的大小可在治疗计划阶段确定。在学习生成模型的情况下的概率密度函数的值(参数)可在治疗计划阶段确定。
作为在治疗计划阶段确定椭圆体区域或椭圆体的大小、或者概率密度函数的参数的例子，下面说明确定决定椭圆体区域的大小的半径的思想。在治疗计划时，确定将向患者P照射的治疗射束B(无线电射束)的能量、照射方向、照射范围的形状，以及在分成多次利用治疗射束B进行照射的情况下的剂量的分布。更具体地，首先，治疗方案的提出者(医师等)例如关于在治疗计划阶段拍摄的CT图像，指定肿瘤(病变)和正常组织之间的边界，以及肿瘤和周围区域中的重要器官之间的边界。随后，在治疗计划时，根据从关于肿瘤指定的信息计算的从患者P的体表到肿瘤位置的深度和肿瘤的大小，确定照射时要使用的治疗射束B的强度、方向等。
肿瘤和正常组织之间的边界的上述指定对应于肿瘤位置和体积的指定。肿瘤的体积被不同地称为例如大体肿瘤体积(GTV)、临床靶体积(CTV)、内靶体积(ITV)、计划靶体积(PTV)。GTV是可用裸眼从图像验证的肿瘤体积，它是在放射疗法中，需要治疗射束B的足够照射剂量的体积。CTV是包括GTV和待治疗的潜在肿瘤的体积。1TV是其中考虑到由预料之中的患者P的生理运动引起的CTV的移动，向CTV增加预先确定的余量的体积。PTV是其中考虑到当进行治疗之时定位患者P方面的误差，向ITV增加一定余量的体积。这些体积满足以下关系(1)。
GTV∈CTV∈ITV∈PTV...(1)
因此，在治疗计划阶段，根据考虑到在实际治疗中可能出现的误差的余量，可确定决定椭圆体的大小的各个半径。例如，如果第一特征是标记的三维位置，那么各个轴的标准偏差的值和余量之和被视为决定椭圆体的大小的半径。如果第一特征提取自在第一图像中拍摄的位置的图像，那么可根据余量的大小，相对于在对其进行平移等面积变形的位置的附加图像，提取第一特征。
利用这种处理，在医学图像处理设备100中，学习器104学习由从第一图像提取的第一特征表示的特征主体在多个时间的位置的分布，并建立封闭空间。随后，在医学图像处理设备100中，第二图像获取器102接连获取第二图像，确定器105确定从第二图像提取的第二特征是否在封闭空间内，并输出表示确定结果的确定信号。按照这种方式，在医学图像处理设备100中，通过追踪特征主体，追踪治疗期间患者P体内的病变的位置。这使医学图像处理设备100能够根据追踪患者P体内的病变的位置的结果，自动探测与患者P的呼吸或心跳同步的定时，该定时是利用治疗射束B照射与患者P的呼吸或心跳一致地移动的病变的定时。通过追踪患者P体内的病变的位置，医学图像处理设备100自动探测治疗期间，在患者P中出现的意外情况。在具有医学图像处理设备100的治疗系统1中，这允许当病变的当前位置在治疗计划中探测的门窗内之时的治疗射束B的照射，从而能够实现安全的放射治疗。
如上所述，在第一实施例的医学图像处理设备100中，第一图像获取器101获取在治疗之前拍摄的患者P的第一图像，特征处理器103的第一特征提取器1031提取用于识别患者P体内的特征主体的位置的第一特征。在第一实施例的医学图像处理设备100中，学习器104根据第一特征学习特征主体的位置的分布，并建立表示特征主体的预期移动范围的封闭空间。在第一实施例的医学图像处理设备100中，第二图像获取器102获取在治疗期间拍摄的患者P的第二图像，特征处理器103的第二特征计算器1032计算表示患者P体内的特征主体的当前位置的第二特征。在第一实施例的医学图像处理设备100中，通过确定器105确定第二特征是否在封闭空间的范围内，来追踪治疗期间患者P体内的特征主体的位置，并输出表示确定结果的确定信号。在具有第一实施例的医学图像处理设备100的治疗系统1中，根据追踪患者P体内的特征主体的位置的结果，这允许在与患者P的呼吸或心跳同步的适当定时，对于与患者P的呼吸或心跳一致地移动的病变进行治疗射束B的照射。在具有第一实施例的医学图像处理设备100的治疗系统1中，根据追踪患者P体内的特征主体的位置的结果，能够探测在治疗期间，在患者P中出现的意外情况，比如患者P的咳嗽或打喷嚏，当患者P睡着了或者睡眠时呼吸暂停综合症的出现，以及患者P的状况的突然变化。在具有医学图像处理设备100的治疗系统1中，这允许制定按照在治疗期间在患者P中探测到的意外情况的出现，进行安全的放射治疗的适当策略。
如上所述，医学图像处理设备100具有获取通过射线成像设备，在多个时间拍摄的患者P的多个第一图像的第一图像获取器101，获取通过射线成像设备，在与第一图像不同的时间拍摄的患者P的第二图像的第二图像获取器102，从所述多个第一图像确定患者P的第一特征的多个位置，和从第二图像确定患者P体内对应于第一特征的第二特征的位置的特征处理器103，建立包括第一特征的多个位置的第一封闭空间的计算器(学习器104)，和根据确定第二特征的位置是否在第一封闭空间内的结果，输出确定信号的确定器105。
如上所述，特征处理器103可具有计算用于提取特征主体的特征提取参数，并输出表示按照特征提取参数提取的特征主体的位置的信息，作为第一特征的第一特征提取器1031，和根据特征提取参数提取特征主体，并输出表示对应于第一特征的特征主体的位置的信息，作为第二特征的第二特征计算器1032。
如上所述，确定器105可根据确定第二特征是否在包含于第一封闭空间中的第二封闭空间(门窗)内的结果，输出确定信号。
如上所述，第一特征可以是待治疗对象中的标记。
如上所述，特征提取参数可以是用于指定包括在第一和第二图像中拍摄的待治疗对象内的特征主体的局部图像区域的关注区域的图像。
如上所述，治疗系统1可具有医学图像处理设备100，具有用治疗射束B照射患者P的射线照射器(治疗射束照射龙门14)和拍摄第一及第二图像的2个射线成像设备(2组射线照射器12和射线探测器13)的治疗设备10，和根据确定信号控制利用治疗射束照射龙门14的治疗射束B的照射的控制器509。
医学图像处理设备100可具有诸如CPU或GPU之类的处理器，和其中保存程序的诸如ROM、RAM、HD驱动器或闪存之类的存储装置，所述程序用于使处理器起获取通过射线成像设备，在多个时间拍摄的患者P的多个第一图像的第一图像获取器101，获取通过射线成像设备，在与第一图像不同的时间拍摄的患者P的第二图像的第二图像获取器102，从所述多个第一图像确定患者P的第一特征的多个位置，和从第二图像确定患者P体内对应于第一特征的第二特征的位置的特征处理器103，建立包括第一特征的多个位置的第一封闭空间的计算器(学习器104)，和根据确定第二特征的位置是否在第一封闭空间内的结果，输出确定信号的确定器105的作用。
医学图像处理设备100可具有诸如CPU或GPU之类的处理器，和其中保存程序的诸如ROM、RAM、HD驱动器或闪存之类的存储装置，所述程序用于使处理器起特征处理器103的作用，所述特征处理器103可具有计算用于提取特征主体的特征提取参数，并输出表示按照特征提取参数提取的特征主体的位置的信息，作为第一特征的第一特征提取器1031，和根据特征提取参数提取特征主体，并输出表示对应于第一特征的特征主体的位置的信息，作为第二特征的第二特征计算器1032。
(第二实施例)
下面说明第二实施例。具有第二实施例的医学图像处理设备的治疗系统的构成是图1中所示的具有第一实施例的医学图像处理设备100的治疗系统1的构成，除了医学图像处理设备100被第二实施例的医学图像处理设备(下面，“医学图像处理设备200”)替换之外。在下面的说明中，具有医学图像处理设备200的治疗系统将被称为治疗系统2。
在下面的说明中，在具有医学图像处理设备200的治疗系统2的构成元件之中，与具有第一实施例的医学图像处理设备100的治疗系统1的构成元件相同的构成元件被赋予相同的附图标记，这些构成元件的详细说明将被省略。下面，只说明作为与第一实施例的医学图像处理设备100不同的构成元件的医学图像处理设备200的构成、操作和处理。
类似于第一实施例的医学图像处理设备100，医学图像处理设备200根据从射线探测器13-1和射线探测器13-2输出的透视图像，追踪利用放射疗法治疗的患者P体内的特征主体。类似于第一实施例的医学图像处理设备100，医学图像处理设备200根据追踪患者P体内的特征主体的结果，自动探测治疗射束B的照射定时和意外情况，并输出探测的信息。
现在说明治疗系统2的医学图像处理设备200的构成。图5是表示第二实施例的医学图像处理设备200的一般构成的方框图。图5中所示的医学图像处理设备200具有第一图像获取器101、第二图像获取器102、特征处理器103、分类器206、学习器204和确定器205。特征处理器103具有第一特征提取器1031和第二特征计算器1032。
医学图像处理设备200的构成是其中增加分类器206的第一实施例的医学图像处理设备100的构成。伴随于此，医学图像处理设备200具有分别代替第一实施例的医学图像处理设备100的学习器104和确定器105的学习器204和确定器205。医学图像处理设备200的其他构成元件与第一实施例的医学图像处理设备100的构成元件相同。于是，在下面的说明中，医学图像处理设备200的与第一实施例的医学图像处理设备100中的构成元件相同的构成元件被赋予相同的附图标记，这些构成元件的详细说明将被省略。在下面的说明中，只说明与第一实施例的医学图像处理设备100的构成元件不同的构成元件。
特征处理器103把表示根据从第一图像获取器101输出的第一图像，和从第二图像获取器102输出的第二图像提取的特征主体的位置的信息(第一特征和第二特征)，输出给分类器206和确定器205。
分类器206按照患者P的呼吸的阶段(周期)，比如吸气和呼气阶段，把从特征处理器103的第一特征提取器1031输出的第一特征分成多个类别。例如，分类器206利用诸如k均值聚类之类的数据聚类方法，把从第一特征提取器1031输出的第一特征分成对应于患者P的呼气和吸气的两个类别。分类器206把分类中使用的第一特征以及对应于第一特征的分类等级输出给学习器204。
为了表示介于患者P的呼气和吸气之间的状态，例如，分类器206可把从第一特征提取器1031输出的第一特征分成N个类别(其中N是自然数和正整数)。另外，例如，如果呼吸传感器等被安装在患者P上，那么分类器206可以利用从呼吸传感器等输出的呼吸信号，把从第一特征提取器1031输出的第一特征分成多个类别。更具体地，分类器206可以利用在拍摄提取第一特征的第一图像时，从呼吸传感器输出的呼吸信号的一阶导数来区分患者P的呼气和吸气，并根据区分结果，分成对应于患者P的呼气和吸气的两个类别。
类似于第一实施例的医学图像处理设备100的学习器104，根据从分类器206输出的第一特征，学习器204学习在多个时间，随着患者P的呼吸和心跳的运动而移动的特征主体的三维位置的分布。根据与从分类器206输出的第一特征对应的类别标签，学习器204对于每个类别标签，对学习的特征主体位置分布分类。根据依据每个类别标签分类的特征主体的位置的分布，学习器204对于每个类别标签，建立表示特征主体的移动范围的封闭空间。学习器204把对于每个类别标签建立的每个封闭空间的信息输出给确定器205。
学习器204建立对应于各个类别标签的封闭空间的方法与第一实施例的医学图像处理设备100的学习器104的方法相同。如果第一特征是按时序从分类器206输出的，那么学习器204可确定第一特征所属于的类别标记中的时序的变化，并可将此连同对于各个类别标签建立的各个封闭空间的信息，一起输出给确定器205。
类似于第一实施例的医学图像处理设备100的确定器105，根据从学习器204输出的各个类别标签的封闭空间的信息和从特征处理器103的第二特征计算器1032输出的第二特征，确定器205确定第二特征是否在封闭空间内。不过，确定器205对于对应于各个类别标签的各个封闭空间，进行第二特征是否在封闭空间内的确定。确定器205输出指示对于各个类别标签的特征主体移动的确定结果的确定信号。
如上所述，确定器205对于对应于各个类别标签的各个封闭空间，进行第二特征是否在封闭空间内的确定。因此，取决于第二特征是否在对应于某个类别标签的封闭空间内，确定器205可以比第一实施例的医学图像处理设备100的确定器105更详细地确定患者P的呼吸状态，即，确定特征主体在治疗期间是否移动了。例如，如果从第二特征计算器1032输出的第二特征不在从学习器204输出的某个类别标签的封闭空间内，那么确定器205可输出指示探测到异常的确定信号。另外，例如，如果第二特征在某个类别标签的封闭空间内，那么根据对其来说第二特征在封闭空间之内的类别标签，确定器205可输出指示患者P的呼吸状态的确定的确定信号。患者P的呼吸状态例如是患者P出现呼吸暂停综合症，或者患者P的呼吸无规律的可能性。
下面，说明确定器205确定用于确定患者P的呼吸状态的第二特征的方法。首先，说明其中确定器205确定患者P出现呼吸暂停综合症的可能性的情况的第二特征确定方法。这种情况下，确定器205确定第二特征是否在对应于某个类别标签的封闭空间内，并临时保存对其来说确定第二特征在类别标签之内的类别标签的信息。如果确定第二特征在多个类别标签的封闭空间之内，那么确定器205临时保存对其来说确定第二特征在封闭空间之内的所有类别标签的信息。之后，在预先确定的一段时间之内，确定器205确定另一个第二特征是否在对应于某个类别标签的封闭空间内。结果，如果确定另一个第二特征在与临时保存的类别标签相同的类别标签的封闭空间内，那么确定器205确定患者P未周期性地呼吸，即，确定患者P可能出现呼吸暂停综合症，并输出指示探测到异常的确定信号。不过，如果确定另一个第二特征在与临时保存的类别标签不同的类别标签的封闭空间内，那么确定器205输出指示未探测到异常的确定信号。按照这种方式，根据对于其确定在预先确定的一段时间内，多个第二特征在封闭空间内的类别标签的信息，确定器205可输出包括患者P正在经历呼吸暂停综合症的可能性的确定的确定信号。
接下来，说明在确定患者P的无规律呼吸的可能性的情况下，确定器205确定第二特征的方法。这种情况下，确定器205确定第二特征是否在对应于某个类别标签的封闭空间内，并临时保存对其来说确定第二特征在封闭空间之内的类别标签的时序的变化。随后，如果临时保存的类别标签的时序的变化不同于学习器204输出的第一特征所属于的类别标签的时序的变化，那么确定器205确定存在患者P的呼吸周期不规律的可能性，并输出指示探测到异常的确定信号。不过，如果临时保存的类别标签的时序的变化与学习器204输出的第一特征所属于的类别标签的时序的变化相同，那么确定器205输出指示未探测到异常的确定信号。按照这种方式，通过利用从学习器204输出的、关于各个第一特征所属于的类别标签中的时序的变化的信息，确定器205能够输出包括患者P的呼吸不规律的可能性的确定的确定信号。
借助这种构成和操作，根据在治疗之前拍摄的患者P的第一图像和在治疗期间拍摄的患者P的第二图像，医学图像处理设备200输出对于各个类别标签，确定在治疗计划中确定的门窗与患者P体内的特征主体的当前位置之间的偏移的结果，作为确定信号。这样做时，类似于具有第一实施例的医学图像处理设备100的治疗系统1，在具有医学图像处理设备200的治疗系统2中，能够在与患者P的呼吸和心跳同步的适当定时用治疗射束B照射，并且能够制定对于其中在治疗期间患者P出现意外状况的情况的策略。
此外，在医学图像处理设备200中，分类器206按照诸如患者P的呼气和吸气之类的呼吸阶段(周期)，把第一特征分成多个类别，学习器204和确定器205都根据分成多个类别的第一特征，进行处理。这样做时，借助医学图像处理设备200，能够追踪治疗期间患者P体内的特征主体的位置，包括患者P的呼吸状态是否周期性地出现。换句话说，借助医学图像处理设备200，能够高精度地探测在治疗期间患者P出现的意外情况，以及利用治疗射束B照射患者P体内的病变的定时。这使具有医学图像处理设备200的治疗系统2能够安全地进行放射治疗。
医学图像处理设备200中的状态探测处理可被容易地看作是图3中所示的第一实施例的医学图像处理设备100中的状态探测处理，其中增加分类器206的处理。更具体地，易于将此看作是在图3中所示的第一实施例的医学图像处理设备100的状态探测处理中的步骤S200和步骤S300之间，增加分类器206的处理。于是，关于医学图像处理设备200中的状态探测处理的流程的详细说明将被省略。
如上所述，在第二实施例的医学图像处理设备200中，第一图像获取器101获取在治疗之前拍摄的患者P的第一图像，特征处理器103的第一特征提取器1031提取用于识别患者P体内的特征主体的位置的第一特征。在第二实施例的医学图像处理设备200中，分类器206按照诸如患者P的呼气和吸气之类的呼吸阶段(周期)，把第一特征分成多个类别。在第二实施例的医学图像处理设备200中，学习器204根据分类的第一特征学习特征主体的位置的分布，并对于各个类别标签建立表示特征主体的预期移动范围的封闭空间。在第二实施例的医学图像处理设备200中，第二图像获取器102获取在治疗期间拍摄的患者P的第二图像，特征处理器103的第二特征计算器1032计算表示患者P体内的特征主体的当前位置的第二特征。在第二实施例的医学图像处理设备200中，通过对于各个类别标签确定第二特征是否在封闭空间之内，确定器205追踪治疗期间，患者P体内的特征主体的位置，并输出表示所述确定的结果的确定信号。这样做时，类似于具有第一实施例的医学图像处理设备100的治疗系统1，借助具有第二实施例的医学图像处理设备200的治疗系统2，能够在与患者P的呼气和吸气同步的适当定时用治疗射束B照射。借助第二实施例的医学图像处理设备200，通过对于各个类别标签追踪患者P体内的特征主体的位置，能够探测在治疗期间，患者P出现的意外情况，包括患者P的呼吸状态。借助具有第二实施例的医学图像处理设备200的治疗系统2，可制定按照探测到的在治疗期间患者P出现的意外情况，进行安全的放射治疗的适当策略。
在第二实施例的医学图像处理设备200中，就图5中所示的医学图像处理设备200的构成来说，说明了作为医学图像处理设备200的单独构成元件的分类器206。不过，分类器206不限于是医学图像处理设备200中的单独构成元件。例如，在医学图像处理设备200中，可以作为学习器204的功能地构成分类器206的功能。
如上所述，医学图像处理设备200还具有分类器206，分类器206把多个第一特征位置分成两个或更多的类别，从而从第一封闭空间设定第二封闭空间。
(第三实施例)
下面说明第三实施例。具有第三实施例的医学图像处理设备的治疗系统的构成是图1中所示的具有第一实施例的医学图像处理设备100的治疗系统1的构成，其中医学图像处理设备100被第三实施例的医学图像处理设备(下面，“医学图像处理设备300”)替换。在下面的说明中，具有医学图像处理设备300的治疗系统将被称为治疗系统3。
在下面的说明中，在具有医学图像处理设备300的治疗系统3的构成元件之中，与具有第一实施例的医学图像处理设备100的治疗系统1的构成元件相同的构成元件被赋予相同的附图标记，这些构成元件的详细说明将被省略。下面，只说明作为与第一实施例的医学图像处理设备100不同的构成元件的医学图像处理设备300的构成、操作和处理。
类似于第一实施例的医学图像处理设备100，医学图像处理设备300根据从射线探测器13-1和射线探测器13-2输出的透视图像，追踪利用放射疗法治疗的患者P体内的特征主体。类似于第一实施例的医学图像处理设备100，医学图像处理设备300根据追踪患者P体内的特征主体的结果，自动探测治疗射束B的照射定时和意外情况，并输出探测的信息。
下面说明治疗系统3的医学图像处理设备300的构成。图6是表示第三实施例的医学图像处理设备300的一般构成的方框图。图6中所示的医学图像处理设备300具有第一图像获取器101、第二图像获取器102、特征处理器303、选择器307、学习器104和确定器105。特征处理器303具有第一特征提取器3031和第二特征计算器3032。
医学图像处理设备300的构成是其中增加选择器307的第一实施例的医学图像处理设备100的构成。伴随于此，代替第一实施例的医学图像处理设备100的特征处理器103，医学图像处理设备300具有特征处理器303。代替特征处理器103的第一特征提取器1031和第二特征计算器1032，特征处理器303还具有第一特征提取器3031和第二特征计算器3032。医学图像处理设备300的其他构成元件与第一实施例的医学图像处理设备100的构成元件相同。于是，在下面的说明中，医学图像处理设备300的与第一实施例的医学图像处理设备100中的构成元件相同的构成元件被赋予相同的附图标记，这些构成元件的详细说明将被省略。在下面的说明中，只说明与第一实施例的医学图像处理设备100的构成元件不同的构成元件。
第一图像获取器101获取在治疗之前拍摄的患者P的第一图像，并把它们输出给特征处理器303。
第二图像获取器102获取在治疗期间拍摄的患者P的第二图像，并把它们输出给特征处理器303。
类似于第一实施例的医学图像处理设备100的特征处理器103，特征处理器303根据从第一图像获取器101输出的第一图像和从第二图像获取器102输出的第二图像，提取用于识别患者P体内的特征主体的位置的特征。特征处理器303把表示提取的特征主体的位置的信息(第一和第二特征)输出给选择器307和确定器105。
类似于第一实施例的医学图像处理设备100的特征处理器103内的第一特征提取器1031，第一特征提取器3031计算表示患者P的第一图像中的特征主体的特征的特征提取参数。这样做时，第一特征提取器3031计算多个(两个或更多个)特征提取参数。第一特征提取器3031把各个计算的特征提取参数输出给选择器307。第一特征提取器3031按照各个计算的特征提取参数提取在第一图像中拍摄的特征主体的位置，并把表示提取的特征主体的位置的各个第一特征输出给选择器307。第一特征提取器3031按照特征提取参数从第一图像中提取第一特征的方法与第一实施例的医学图像处理设备100的特征处理器103中的第一特征提取器1031的方法相同。
第二特征计算器3032根据从选择器307输出的特征提取参数，即，根据从第一特征提取器3031输出的特征提取参数之一，从患者P的第二图像中提取特征主体。第二特征计算器3032计算提取的特征主体的位置，并把指示计算的特征主体位置的信息输出给确定器105，作为第二特征。第二特征计算器3032根据特征提取参数从第二图像中提取第二特征的方法与第一实施例的医学图像处理设备100的特征处理器103中的第二特征计算器1032的方法相同。
选择器307获取从特征处理器303的第一特征提取器3031输出的多个特征提取参数，以及第一特征。根据由各个获取的第一特征表示的特征主体在多个时间的位置的分布，选择器307评估各个对应的特征提取参数，并根据所述评估，选择对特征主体的提取来说优选的特征提取参数。选择器307把选择的特征提取参数输出给特征处理器303的第二特征计算器3032。选择器307选择与输出给第二特征计算器3032的特征提取参数对应的第一特征，即，由优选的特征提取参数提取的优选第一特征，并把该第一特征输出给学习器104。
下面说明选择器307根据第一特征评估特征提取参数的方法。第一特征是表示从在患者P的呼吸具有稳定周期的状态下，在放射疗法之前拍摄的第一图像中提取的特征主体的位置的信息。因此，理想的是第一特征所表示的特征主体在多个时间的位置的分布具有高密度。即，理想的是关于第一特征中的各个分量的方差值尽可能地小。鉴于此，对于各个特征提取参数，选择器307确定在多个时间，在第一特征中表示特征主体的位置的分量的变量。当这样做时，由于第一特征所属于的特征空间对于提取第一特征的各个特征提取参数都是不同的，因此不能简单地比较在第一特征中表示特征主体的位置的分量的相对大小。因此，对于各个特征提取参数，选择器307计算在对应的第一特征中表示特征主体的位置的最大方差值σ1和第二大的方差值σ2，并比较方差值σ1与方差值σ2之比(σ2/σ1)。随后，选择器307选择与具有比较的方差值的最大方差值比的第一特征对应的特征提取参数，并输出给第二特征计算器3032，作为优选的特征提取参数。选择器307把与作为优选的特征提取参数选择的特征提取参数对应的第一特征输出给学习器104。
这样做时，第二特征计算器3032根据从选择器307输出的优选的特征提取参数，向确定器105输出表示从患者P的第二特征中提取的特征主体的位置的第二特征。学习器104把利用依据优选的特征提取参数提取的优选第一特征建立的封闭空间的信息输出给确定器105。
借助这种构成和操作，类似于第一实施例的医学图像处理设备100，根据在治疗之前拍摄的患者P的第一图像和在治疗期间拍摄的患者P的第二图像，医学图像处理设备300输出确定在治疗计划中确定的门窗与患者P体内的特征主体的当前位置之间的偏移的结果，作为确定信号。这样做时，类似于具有医学图像处理设备100的治疗系统1，在具有医学图像处理设备300的治疗系统3中，能够在与患者P的呼气和吸气同步的适当定时进行照射，并且能够制定对于其中在治疗期间探测到患者P出现意外状况的情况的策略。
此外，在医学图像处理设备300中，选择器307评估多个特征提取参数，并选择对特征主体的提取来说优选的特征提取参数，学习器104根据通过优选的特征提取参数提取的第一特征建立封闭空间。这样做时，借助医学图像处理设备300，能够与第一实施例的医学图像处理设备100相比，精度更高地追踪治疗期间患者P体内的特征主体的位置。换句话说，借助医学图像处理设备300，能够高精度地探测利用治疗射束B照射患者P体内的病变的定时，和在治疗期间患者P出现的意外情况。这使具有医学图像处理设备300的治疗系统3能够安全地进行放射疗法。
医学图像处理设备300中的状态探测处理可被认为与第一实施例的医学图像处理设备100中的状态探测处理相同。更具体地，易于将此看作是在图3中所示的第一实施例的医学图像处理设备100的状态探测处理中的步骤S500和步骤S300的处理中，包含选择器307的处理。于是，关于医学图像处理设备300中的状态探测处理的流程的详细说明将被省略。
如上所述，在第三实施例的医学图像处理设备300中，第一图像获取器101获取在治疗之前拍摄的患者P的第一图像，特征处理器303的第一特征提取器3031和选择器307提取用于识别患者P体内的特征主体的位置的优选第一特征提取参数。在第三实施例的医学图像处理设备300中，学习器104根据优选第一特征学习特征主体的位置的分布，并建立表示特征主体的预期移动范围的封闭空间。在第三实施例的医学图像处理设备300中，第二图像获取器102获取在治疗期间拍摄的患者P的第二图像，特征处理器303的第二特征计算器3032根据优选的特征提取参数，计算表示患者P体内的特征主体的当前位置的第二特征。在第三实施例的医学图像处理设备300中，通过确定第二特征是否在封闭空间的范围内，确定器105以与第一实施例的医学图像处理设备100相比更高的精度，追踪治疗期间患者P体内的特征主体的位置，并输出表示确定结果的确定信号。在具有第三实施例的医学图像处理设备300的治疗系统3中，这使得能够在与患者P的呼气和吸气同步的适当定时，以比具有第一实施例的医学图像处理设备100的治疗系统1高的精度，用治疗射束B照射与患者P的呼吸和心跳一致地移动的病变。借助第三实施例的医学图像处理设备300，根据高精度地追踪患者P体内的特征主体的位置的结果，能够探测在治疗期间患者P出现的意外情况。在具有第三实施例的医学图像处理设备300的治疗系统3中，这使得能够制定按照高精度地探测的在患者P中出现的意外情况安全地进行放射治疗的适当策略。
在第三实施例的医学图像处理设备300中，就图6中所示的医学图像处理设备300的构成来说，说明了作为医学图像处理设备300的单独构成元件的选择器307。不过，选择器307不限于是医学图像处理设备300的单独构成元件。例如，在医学图像处理设备300中，可以作为第一特征提取器3031的功能地构成选择器307的功能。
如上所述，在医学图像处理设备300中，第一特征提取器3031计算多个特征提取参数，并输出与各个特征提取参数对应的多个第一特征，医学图像处理设备300还具有选择器307，选择器307根据由所述多个第一特征中的每一个表示的特征主体的位置的分布，选择由第二特征计算器3032用于提取特征主体的特征提取参数，和由计算器(学习器104)用于建立封闭空间的第一特征。
(第四实施例)
下面说明第四实施例。具有第四实施例的医学图像处理设备的治疗系统的构成是图1中所示的具有第一实施例的医学图像处理设备100的治疗系统1的构成，其中医学图像处理设备100被第四实施例的医学图像处理设备(下面，“医学图像处理设备400”)替换。在下面的说明中，具有医学图像处理设备400的治疗系统将被称为治疗系统4。
在下面的说明中，在具有医学图像处理设备400的治疗系统4的构成元件之中，与具有第一实施例的医学图像处理设备100的治疗系统1的构成元件相同的构成元件被赋予相同的附图标记，这些构成元件的详细说明将被省略。下面，只说明作为与第一实施例的医学图像处理设备100不同的构成元件的医学图像处理设备400的构成、操作和处理。
类似于第一实施例的医学图像处理设备100，医学图像处理设备400追踪将利用放射疗法治疗的患者P体内的特征主体，自动探测治疗射束B的照射定时和意外情况，并输出探测到的信息。通过显示患者P体内的特征主体的追踪状态，医学图像处理设备400把所述追踪状态呈现给具有医学图像处理设备400的治疗系统4的用户(医师等)。
下面说明治疗系统4的医学图像处理设备400的构成。图7是表示第四实施例的医学图像处理设备400的一般构成的方框图。图7中所示的医学图像处理设备400具有第一图像获取器101、第二图像获取器402、特征处理器403、学习器404、确定器405和显示器408。特征处理器403具有第一特征提取器1031和第二特征计算器4032。
医学图像处理设备400具有其中增加显示器408的第一实施例的医学图像处理设备100的构成。伴随于此，第一实施例的医学图像处理设备100中的特征处理器103、学习器104和确定器105分别被特征处理器403、学习器404和确定器405取代。在特征处理器403中，特征处理器103的第二特征计算器1032被第二特征计算器4032取代。医学图像处理设备400的其他构成元件与第一实施例的医学图像处理设备100的构成元件相同。于是，在下面的说明中，医学图像处理设备400的与第一实施例的医学图像处理设备100的构成元件相同的构成元件被赋予相同的附图标记，这些构成元件的详细说明将被省略。在下面的说明中，只说明与第一实施例的医学图像处理设备100的构成元件不同的构成元件。
第一图像获取器101获取并向特征处理器403输出在治疗之前拍摄的患者P的第一图像。
第二图像获取器402获取并向特征处理器403输出在治疗期间拍摄的患者P的第二图像。第二图像获取器402把拍摄的第二图像输出给显示器408。这种情况下，第二图像获取器402向显示器408输出分别由射线照射器13-1和射线照射器13-2生成的2个透视图像(两个方向的透视图像)，作为第二图像。
类似于第一实施例的医学图像处理设备100的特征处理器103，特征处理器403把指示根据从第一图像获取器101输出的第一图像和从第二图像获取器402输出的第二图像提取的特征主体的位置的信息(第一和第二特征)输出给学习器404和确定器405。特征处理器403把第二特征输出给显示器408。
第一特征提取器1031把表示患者P的第一图像中的特征主体的特征的特征提取参数输出给第二特征计算器4032。第一特征提取器1031把按照特征提取参数提取在第一图像中拍摄的特征主体的位置的第一特征输出给学习器404。
类似于第一实施例的医学图像处理设备100的特征处理器103中的第二特征计算器1032，第二特征计算器4032把表示根据从第一特征提取器1031输出的特征提取参数从第二图像中提取的特征主体的位置的第二图像输出给确定器405。第二特征计算器4032把第二特征输出给显示器408。
根据从特征处理器403的第一特征提取器1031输出的第一特征，学习器404学习随着患者P的呼吸和心跳移动的特征主体在多个时间的三维位置的分布，并建立封闭空间。学习器404把建立的封闭空间的信息输出给确定器405。除了封闭空间的信息之外，学习器404还可把门窗的信息输出给确定器405。学习器404根据第一图像学习特征主体在多个时间的位置的变化和根据学习器404学习的特征主体的位置的分布建立封闭空间的方法与第一实施例的医学图像处理设备100的学习器104的方法相同。学习器404把建立的封闭空间的信息输出给显示器408。除了封闭空间的信息之外，学习器404还可把门窗的信息输出给显示器408。
确定器405根据从学习器404输出的封闭空间的信息和从特征处理器403的第二特征计算器4032输出的第二特征，确定第二特征是否在封闭空间之内，并输出指示确定的结果的确定信号。确定器405确定第二特征是否在封闭空间之内的方法与第一实施例的医学图像处理设备100的确定器105的方法相同。确定器405把用于呈现确定第二特征是否在封闭空间之内的结果的信息，即，确定信号表示的信息，输出给显示器408。确定器405可计算由第二特征表示的特征主体的位置与由封闭空间表示的特征主体的移动范围的边界之间的距离，并把计算的距离的信息由连同确定信号所表示的信息一起输出给显示器408。
显示器408是具有诸如LCD(液晶显示器)之类的显示装置的显示用户界面。显示器408显示图像，以便呈现从第二图像获取器402输出的第二图像、从第二特征计算器4032输出的第二特征、从学习器404输出的封闭空间的信息和由从确定器405输出的确定信号表示的信息中的每一个。
下面说明显示器408显示各个信息的方法。显示器408在预先确定的区域中，彼此相邻地同时显示作为第二图像从第二图像获取器402输出的2个透视图像(两个方向的透视图像)。显示器408覆盖在对应透视图像上地显示从学习器404输出的封闭空间的信息。这样做时，如果从学习器404输出的封闭空间的信息是例如三维空间的信息，那么通过利用根据治疗设备10的各个射线探测器13-1和射线探测器13-2的几何形状确定的投影矩阵，显示器408覆盖在对应透视图像上地显示表示封闭空间的范围的图像。另外，显示器408覆盖在对应透视图像上地显示由从第二特征计算器4032输出的第二特征表示的特征主体的位置的信息。这样做时，显示器408在第二特征所表示的特征主体的位置，覆盖在对应透视图像上地显示视觉上易于把握的符号或图标。这种情况下，如果第二特征是时序地从第二特征计算器4032输出的，那么通过更新由各个第二特征所表示的特征主体的位置，能够呈现特征主体移动的方式。这种情况下，如果第二特征所表示的特征主体的位置不被更新，而是被增加到显示画面上，那么能够呈现特征主体的移动轨迹。
如果学习器404输出门窗的信息，那么显示器408覆盖在对应透视图像上地显示表示门窗的范围的图像。如果确定器405输出第二特征所表示的特征主体的位置与封闭空间所表示的特征主体的移动范围的边界之间的距离的信息，那么显示器408在其中彼此相邻地显示透视图像的区域之外，在对应透视图像的外围，显示表示所述距离的信息的数字流。这样做时，根据距离的值(大小)，显示器408可按照色图，变更表示所显示距离的信息的数字流的颜色。
显示器408显示由从确定器405输出的确定信号指示的覆盖信息。例如，如果从确定器405输出的确定信号所指示的信息指出探测到异常，那么显示器408在整个屏幕上，大部分覆盖地显示通知出现异常的消息。通知出现异常的消息可作为所谓的弹出画面，被覆盖在当前显示上。这使得能够向具有医学图像处理设备400的治疗系统4的用户(医师等)发出报警。
向具有医学图像处理设备400的治疗系统4的用户(医师等)发出报警的构成不限于图7中所示的显示器408。例如，显示器408构成可具有如果显示通知出现了异常的消息或弹出画面，那么生成报警声音的语音输出。如果至少能够通知出现了异常，那么对用户(医师等)的报警就可被认为足够了，这种情况下，可以设置语音输出，代替医学图像处理设备400的显示器408，语音输出可以仅仅利用报警声音通知出现了异常。
借助这种构成和操作，类似于第一实施例的医学图像处理设备100，医学图像处理设备400根据在治疗之前拍摄的患者P的第一图像和在治疗期间拍摄的患者P的第二图像，输出确定在治疗计划中确定的门窗与患者P体内的特征主体的当前位置之间的偏移的结果，作为确定信号。类似于具有第一实施例的医学图像处理设备100的治疗系统1，在具有医学图像处理设备400的治疗系统4中，这使得能够在与患者P的呼气和吸气同步的适当定时照射治疗射束B，并能够制定对于其中在治疗期间在患者P中出现意外状况的情况的策略。
此外，在医学图像处理设备400中，显示器408把从医学图像处理设备400的构成元件输出的信息显示成图像。在医学图像处理设备400中，这使治疗期间的状态的视觉识别成为可能。这样做时，在具有医学图像处理设备400的治疗系统4中，能够在视觉上验证追踪治疗期间患者P体内的特征主体的状态时进行安全的放射疗法。
除了显示器408在各个处理阶段显示信息之外，医学图像处理设备400中的状态探测处理与图3中所示的第一实施例的医学图像处理设备100中的状态探测处理相同。于是，关于医学图像处理设备400中的状态探测处理的流程的详细说明被省略。
如上所述，在第四实施例的医学图像处理设备400中，类似于第一实施例的医学图像处理设备100，追踪治疗期间患者P体内的特征主体的位置，并输出表示追踪结果的确定信号。类似于具有第一实施例的医学图像处理设备100的治疗系统1，在具有第四实施例的医学图像处理设备400的治疗系统4中，这使得能够在与患者P的呼气和吸气同步的适当定时照射治疗射束B，并能够制定在探测到在治疗期间患者P中出现意外状况的情况下的策略。
在第四实施例的医学图像处理设备400中，显示器408显示治疗期间患者P体内的特征主体的位置的追踪状态。在具有第四实施例的医学图像处理设备400的治疗系统4中，这使得能够在验证特征主体的当前位置时，进行安全的放射治疗。在第四实施例的医学图像处理设备400中，如果探测到在治疗期间在患者P中出现意外情况，那么显示器408显示报警。在具有第四实施例的医学图像处理设备400的治疗系统4中，这使得能够制定适当的策略来应对在治疗期间在患者P中出现的意外情况。构成不必是其中显示器408被设置在第四实施例的医学图像处理设备400中的构成，可以是其中显示器408被设置在具有第四实施例的医学图像处理设备400的治疗系统4中的构成。
在第四实施例的医学图像处理设备400中，在图7中所示的医学图像处理设备400的构成中，说明了其中显示器408按照从医学图像处理设备400的构成元件输出的信息生成并显示(覆盖)图像的构成的情况。不过，显示器408显示(覆盖)的图像不限于其中所述图像由显示器408生成的构成，构成可以是其中图像由输出信息的各个构成元件生成的构成。例如，构成可以是其中在医学图像处理设备400中，第二图像获取器402生成用于在预先确定的区域上，彼此相邻的2个透视图像(两个方向的透视图像)的同时显示的一个图像，并且生成的一个图像作为第二图像被输出给显示器408的构成。这种情况下，所述构成是这样的，以致显示器408原样显示从第二图像获取器402输出的所述一个图像。另外，例如，在医学图像处理设备400中，构成可以是这样的，以致学习器404生成用于覆盖在透视图像上的、表示封闭空间的范围的图像，并把生成的图像作为封闭空间信息输出给显示器408。这样做时，学习器404可向显示器408输出一个图像，作为封闭空间信息，所述一个图像包括覆盖在由第二图像获取器402生成的一个图像中的彼此相邻的各个透视图像上地显示的、表示封闭空间的范围的各个图像。这种情况下，构成可以是其中显示器408把从学习器404输出的一个图像原样覆盖在从第二图像获取器402输出的一个图像上的构成。
如上所述，医学图像处理设备400还具有显示确定器405的确定结果的显示器408。
另外，如上所述，在医学图像处理设备400中，显示器408可显示第二图像，并显示覆盖在第二图像的显示之上的封闭空间的范围。
(第五实施例)
下面说明第五实施例。具有第五实施例的医学图像处理设备的治疗系统的构成是如图1中所示的具有第一实施例的医学图像处理设备100的治疗系统1的构成，其中医学图像处理设备100被第五实施例的医学图像处理设备(下面，“医学图像处理设备500”)替换。在下面的说明中，具有医学图像处理设备500的治疗系统将被称为治疗系统5。
在下面的说明中，在具有医学图像处理设备500的治疗系统5的构成元件之中，与具有第一实施例的医学图像处理设备100的治疗系统1的构成元件相同的构成元件被赋予相同的附图标记，这些构成元件的详细说明将被省略。下面，只说明作为与第一实施例的医学图像处理设备100不同的构成元件的医学图像处理设备500的构成、操作和处理。
类似于第一实施例的医学图像处理设备100，医学图像处理设备500追踪将利用放射疗法治疗的患者P体内的特征主体，自动探测治疗射束B的照射定时和意外情况，并输出探测到的信息。根据追踪患者P体内的特征主体的结果，医学图像处理设备500控制利用治疗设备10的治疗射束照射龙门14进行的治疗射束B的照射，和利用射线照射器12进行的无线电射束r的照射。
下面说明治疗系统5的医学图像处理设备500的构成。图8是表示第五实施例的医学图像处理设备500的一般构成的方框图。图8中所示的医学图像处理设备500具有第一图像获取器101、第二图像获取器102、特征处理器103、学习器104、确定器105和控制器509。特征处理器103具有第一特征提取器1031和第二特征计算器1032。
医学图像处理设备500具有其中增加控制器509的第一实施例的医学图像处理设备100的构成。医学图像处理设备500的其他构成元件与第一实施例的医学图像处理设备100的构成元件相同。于是，在下面的说明中，在医学图像处理设备500的构成元件之中，与第一实施例的医学图像处理设备100中的构成元件相同的构成元件被赋予相同的附图标记，这些构成元件的详细说明被省略。在下面的说明中，只说明与第一实施例的医学图像处理设备100的构成元件不同的构成元件。
根据从学习器104输出的封闭空间的信息和从特征处理器103的第二特征计算器1032输出的第二特征，确定器105把指示确定第二特征是否在封闭空间之内的结果的确定信号输出给控制器509。
根据从确定器105输出的确定信号，控制器509在具有医学图像处理设备500的治疗系统5中控制放射疗法。即，控制器509进行控制，以便如果确定信号指示未探测到异常，那么在治疗系统5中进行放射疗法，而如果确定信号指示探测到异常，那么不在治疗系统5中进行放射疗法。
在利用控制器509的放射疗法的控制中，例如，控制利用治疗设备10的治疗射束照射龙门14的治疗射束B的照射和利用射线照射器12及射线探测器13的透视图像的拍摄。更具体地，如果确定信号指示未探测到异常，并且当前特征主体位置在封闭空间的范围内，那么控制器509进行控制，以便使射线照射器12照射无线电射束r，使射线探测器13探测穿过患者P、到达射线探测器13的无线电射束r，并生成患者P的身体内部的透视图像。如果确定信号指示未探测到异常，并且特征主体的当前位置已经在治疗计划中确定的门窗之内，那么控制器509进行控制，以便使治疗射束照射龙门14照射治疗射束B。
如果确定信号指示探测到异常，那么控制器509进行控制，以便停止治疗射束照射龙门14照射治疗射束B。当发生这种情况时，控制器509可进行控制，以便停止射线照射器12照射无线电射束r和射线控制器13生成透视图像，即，以便停止透视图像(第二图像)的拍摄。进行这种控制使得能够避免用无线电射束r不必要地照射患者P。
可被预想为指示探测到异常的确定信号中的因素的意外情况是不需要较长时间就可纠正的意外情况，比如患者P的咳嗽和打喷嚏，以及患者P睡眠时的呼吸暂停综合症的出现。即，这些是其中例如预想患者P的咳嗽和打喷嚏会平息，从而使稳定状态下的放射疗法成为可能的情况。因此，如果确定信号指示探测到异常，那么不是立即停止透视图像(第二图像)的拍摄，控制器509可进行控制，以便持续预先确定的时间长度，延长拍摄透视图像的时间间隔，之后，如果确定信号仍然指示探测到异常，那么停止透视图像的拍摄。
借助这种构成和操作，类似于第一实施例的医学图像处理设备100，医学图像处理设备500根据在治疗之前拍摄的患者P的第一图像和治疗期间拍摄的患者P的第二图像，自动探测治疗射束B的照射定时以及意外情况。在医学图像处理设备500中，根据探测结果，控制器509控制利用治疗设备10的治疗射束照射龙门14进行的治疗射束B的照射，和利用射线照射器12进行的无线电射束r的照射。特别地，如果确定信号指示探测到异常，那么控制器509进行控制，以便停止用治疗射束B和无线电射束r照射患者P。在具有医学图像处理设备500的治疗系统5中，这使得能够安全地进行放射治疗。
医学图像处理设备500中的状态探测处理可被容易地看作为其中增加控制器509的处理的、图3中所示的第一实施例的医学图像处理设备100中的状态探测处理。更具体地，在图3中所示的第一实施例的医学图像处理设备100的状态探测处理中，通过在步骤S600的处理之后，在返回到步骤S400之前，增加利用控制器509控制治疗射束B和无线电射束r的照射的处理，能够容易地预见该状态探测处理。于是，医学图像处理设备500中的状态探测处理的流程的详细说明被省略。
如上所述，在第五实施例的医学图像处理设备500中，类似于第一实施例的医学图像处理设备100，输出指示追踪并确定患者P体内的特征主体的位置的结果的确定信号。在第五实施例的医学图像处理设备500中，根据确定信号，控制治疗设备10中的治疗射束B和无线电射束r的照射。在具有第五实施例的医学图像处理设备500的治疗系统5中，这使得能够按照追踪治疗期间患者P体内的特征主体的位置的状态，进行安全的放射治疗。
在第五实施例的医学图像处理设备500中，说明了其中在如图8中所示的医学图像处理设备500的构成中，作为医学图像处理设备500的构成元件设置控制器509的情况。不过，控制器509不限于是医学图像处理设备500的构成元件。例如，在具有第五实施例的医学图像处理设备500的治疗系统5中，控制器509的功能，即，根据从医学图像处理设备500的确定器105输出的确定控制治疗射束B和无线电射束r的照射的功能可被设置在治疗设备10中。
如上所述，在医学图像处理设备500中，确定信号被传送给控制治疗设备10的控制器。
如上所述，在实施例的医学图像处理设备中，根据治疗之前拍摄的患者P的第一图像和治疗期间拍摄的患者P的第二图像，在治疗期间追踪患者P体内的特征主体的位置，输出指示在照射治疗期间，利用治疗射束B照射患者P体内的病变的定时的确定信号，和探测在治疗期间在患者P中出现的意外情况的结果。在具有各个实施例的医学图像处理设备的治疗系统中，这使得能够制定在治疗期间在患者P中探测到意外状况的情况下的策略，并使得能够在与患者P的呼气和吸气同步的适当定时，进行利用治疗射束B的照射的安全治疗。
在第二实施例到第五实施例中，说明了向第一实施例的医学图像处理设备100中增加作为各个实施例的特征的构成元件。不过，不限于其中作为各个实施例的特征的构成元件各自排他地设置在医学图像处理设备中的构成。即，作为各个实施例的特征的构成元件可被同时设置在医学图像处理设备中。例如，医学图像处理设备可被构造成同时具有设置在第四实施例的医学图像处理设备400中的显示器408和设置在第五实施例的医学图像处理设备500中的控制器509。这种情况下，设置在医学图像处理设备中的其他构成元件可被适当改变，以实现与这些构成元件中的每一个对应的功能。
在各个实施例中，说明了其中医学图像处理设备和治疗设备10分离的构成。不过，构成并不限于其中医学图像处理设备和治疗设备10分离的构成，可以一体地构成医学图像处理设备和治疗设备10。
在记载在上述实施例中的治疗系统中使用的医学图像处理程序是用于使计算机起医学图像处理设备作用的医学图像处理程序，所述医学图像处理设备具有获取由射线成像设备在多个时间拍摄的待治疗对象的多个第一图像的第一图像获取器，获取在与第一图像不同的时间由射线成像设备拍摄的待治疗对象的第二图像的第二图像获取器，从多个第一图像中确定待治疗对象的第一特征的多个位置，并从第二图像中确定待治疗对象中的对应于第一特征的第二特征的位置的特征处理器，建立包括第一特征的多个位置的第一封闭空间的计算器，和根据确定第二特征的位置是否在第一封闭空间之内的结果输出确定信号的确定器。
按照上述实施例至少之一，通过具有获取由射线成像设备在多个时间拍摄的待治疗对象(患者P)的多个第一图像的第一图像获取器(101)，获取在与第一图像不同的时间由射线成像设备(两组射线照射器12和射线探测器13)拍摄的患者P的第二图像的第二图像获取器(102)，从多个第一图像中确定患者P的第一特征的多个位置，并从第二图像中确定患者P体内的对应于第一特征的第二特征的位置的特征处理器(103)，建立包括第一特征的多个位置的第一封闭空间(封闭空间)的计算单元(学习器104)，和根据确定第二特征的位置是否在第一封闭空间之内的结果输出确定信号的确定器(105)，能够自动探测在放射疗法中利用无线电射束照射期间出现的意外情况。
用于实现医学图像处理设备的各个构成元件，比如包括第一特征提取器1031和第二特征计算器1032的特征处理器103、学习器104、确定器105等的功能的程序可被记录在计算机可读存储介质中，可以使计算机系统读入并执行保存在所述存储介质中的程序，以便实现本实施例的治疗系统的各种上述功能。术语“计算机系统”可包括操作系统和诸如外设之类的硬件。术语“计算机系统”还包括具有网页提供环境(或者网页显示环境)的WWW系统。术语“计算机可读存储介质”指的是可写的非易失性存储器，比如软盘、磁光盘、ROM、闪存、诸如CD-ROM之类的可拆卸介质等，或者存储装置，比如内置在计算机系统中的硬盘等。
另外，术语“计算机可读存储介质”包含持续给定一段时间保存程序的存储介质，比如当通过诸如因特网之类的网络或者通过诸如电话线之类的通信线路传送程序时，充当服务器或客户端的计算机系统内的易失性存储器(DRAM：动态随机存取存储器)。上述程序可以或者通过传输介质或者借助传输介质中的传输波，从其中程序被保存在存储设备中的计算机系统被传送给另一个计算机系统。这种情况下，传送程序的术语“传送介质”指的是具有传送信息的功能的介质，比如诸如因特网之类的网络(通信网络)，或者诸如电话线之类的通信电路(通信线路)。上述程序可用于实现一部分的上述功能。另外，它可以是与已记录计算机系统中的上述功能的程序结合地使实现成为可能的所谓差异文件(差异程序)。
用于上述医学图像处理设备以及用于上述治疗系统的各个元件可以利用带或不带软件的硬件实现。在一些情况下，医学图像处理设备可用一个或多个硬件处理器和一个或多个软件组件实现，其中所述一个或多个软件组件由所述一个或多个硬件处理器执行，以实现用于医学图像处理设备以及用于治疗系统的各个元件。在一些情况下，医学图像处理设备可用配置成进行用于医学图像处理设备以及用于治疗系统的各个元件的各个操作的一系列电路或者电路系统实现。
尽管说明了本发明的一些实施例，不过，这些实施例只是作为例子给出的，并不意图限制本发明的范围。事实上，可以利用各种其他形式，具体体现记载在本文中的新颖实施例；此外，可以作出记载在本文中的实施例的形式方面的各种省略、替代和变化，而不脱离本发明的精神。附加的权利要求及其等同物意图覆盖在本发明的范围和精神之内的这类形式或修改。

Claims (12)

1.一种医学图像处理设备，包括：
获取待治疗对象的在治疗前拍摄的多个第一图像的第一图像获取器，所述多个第一图像中的每个图像是由射线成像设备在多个时间中的相应时间拍摄的；
获取待治疗对象的在待治疗对象位置匹配后的第二图像的第二图像获取器，所述第二图像是由射线成像设备在与拍摄所述多个第一图像的多个时间不同的时间拍摄的；
从所述多个第一图像中确定待治疗对象的第一特征的多个位置的特征处理器，所述特征处理器从第二图像中确定待治疗对象中的对应于第一特征的第二特征的位置，其中第一特征是在第一图像中拍摄的特征主体的模式，以及第二特征是在第二图像中拍摄的特征主体的模式；
建立包括第一特征的所述多个位置的第一封闭空间的计算器；和
确定第二特征的位置是否在所述第一封闭空间内的确定器，所述确定器根据确定的结果输出确定信号。
2.按照权利要求1所述的医学图像处理设备，其中特征处理器包括：
第一特征提取器，所述第一特征提取器计算用于提取特征主体的特征提取参数，并输出表示按照特征提取参数提取的特征主体的位置的信息，作为第一特征；和
第二特征计算器，所述第二特征计算器根据特征提取参数提取特征主体，并输出表示与第一特征对应的特征主体的位置的信息，作为第二特征。
3.按照权利要求2所述的医学图像处理设备，
其中确定器根据确定第二特征是否在包含于第一封闭空间中的第二封闭空间之内的结果，输出确定信号。
4.按照权利要求3所述的医学图像处理设备，还包括：
分类器，所述分类器把多个第一特征位置分成两个或更多个类别，从而从第一封闭空间设定第二封闭空间。
5.按照权利要求2所述的医学图像处理设备，
其中第一特征提取器计算多个特征提取参数，并输出与每个特征提取参数对应的多个第一特征；和
所述设备还具有选择器，所述选择器根据由所述多个第一特征中的每一个表示的特征主体的位置的分布，选择用于由第二特征计算器提取特征主体的特征提取参数和用于由所述计算器建立第一封闭空间的第一特征。
6.按照权利要求5所述的医学图像处理设备，显示第二图像，并覆盖在第二图像的显示之上地显示第一封闭空间的范围。
7.按照权利要求2所述的医学图像处理设备，其中确定信号被传送给控制治疗设备的控制器。
8.按照权利要求2所述的医学图像处理设备，其中第一特征是待治疗对象中的标记。
9.按照权利要求5所述的医学图像处理设备，其中特征提取参数是用于指定包括在第一和第二图像中拍摄的待治疗对象之内的特征主体的部分图像区域的关注区域的图像。
10.一种治疗系统，包括：
医学图像处理设备，包括：
获取待治疗对象的在治疗前拍摄的多个第一图像的第一图像获取器，所述多个第一图像中的每个图像是由射线成像设备在多个时间中的相应时间拍摄的；
获取待治疗对象的在待治疗对象位置匹配后的第二图像的第二图像获取器，所述第二图像是由射线成像设备在与拍摄所述多个第一图像的多个时间不同的时间拍摄的；
从所述多个第一图像中确定待治疗对象的第一特征的多个位置的特征处理器，所述特征处理器从第二图像中确定待治疗对象中的对应于第一特征的第二特征的位置，其中第一特征是在第一图像中拍摄的特征主体的模式，以及第二特征是在第二图像中拍摄的特征主体的模式；
建立包括第一特征的所述多个位置的第一封闭空间的计算器；和
确定第二特征的位置是否在所述第一封闭空间内的确定器，所述确定器根据确定的结果输出确定信号；
具有用治疗射束照射待治疗主体的射线照射器和拍摄第一和第二图像的射线成像设备的治疗设备；和
根据确定信号控制射线照射器的治疗射束的照射的控制器。
11.按照权利要求10所述的治疗系统，还包括：
显示确定器的确定结果的显示器。
12.一种保存计算机程序的非临时性计算机可读存储介质，当由计算装置执行时，所述计算机程序使所述计算装置至少进行：
获取由射线成像设备在多个时间拍摄的待治疗对象的在治疗前拍摄的多个第一图像；
获取由射线成像设备在与第一图像不同的时间拍摄的待治疗对象的在待治疗对象位置匹配后的第二图像；
从所述多个第一图像中确定待治疗对象的第一特征的多个位置，并从第二图像中确定待治疗对象中的对应于第一特征的第二特征的位置，其中第一特征是在第一图像中拍摄的特征主体的模式，以及第二特征是在第二图像中拍摄的特征主体的模式；
建立包括第一特征的多个位置的第一封闭空间；和
确定第二特征的位置是否在所述第一封闭空间内，确定器根据确定的结果输出确定信号。
CN201780003049.4A 2016-08-25 2017-03-15 医学图像处理设备、治疗系统和医学图像处理程序 Active CN107980008B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2016-165125 2016-08-25
JP2016165125A JP6746435B2 (ja) 2016-08-25 2016-08-25 医用画像処理装置、治療システム、および医用画像処理プログラム
PCT/JP2017/011559 WO2018037608A1 (en) 2016-08-25 2017-03-15 Medical image processing apparatus, treatment system, and medical image processing program

Publications (2)

Publication Number Publication Date
CN107980008A CN107980008A (zh) 2018-05-01
CN107980008B true CN107980008B (zh) 2020-10-30

Family

ID=58640950

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780003049.4A Active CN107980008B (zh) 2016-08-25 2017-03-15 医学图像处理设备、治疗系统和医学图像处理程序

Country Status (6)

Country Link
US (1) US20180193672A1 (zh)
EP (1) EP3503971B1 (zh)
JP (1) JP6746435B2 (zh)
KR (1) KR102080201B1 (zh)
CN (1) CN107980008B (zh)
WO (1) WO2018037608A1 (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210387022A1 (en) * 2010-04-16 2021-12-16 Daniel J. Raymond Proton therapy beam alignment apparatus and method of use thereof
US10708152B2 (en) * 2017-03-23 2020-07-07 Cisco Technology, Inc. Predicting application and network performance
JP7113447B2 (ja) * 2018-03-12 2022-08-05 東芝エネルギーシステムズ株式会社 医用画像処理装置、治療システム、および医用画像処理プログラム
JP6996711B2 (ja) 2018-03-20 2022-01-17 国立研究開発法人量子科学技術研究開発機構 医用画像処理装置、治療システム、および医用画像処理プログラム
JP7093075B2 (ja) * 2018-04-09 2022-06-29 東芝エネルギーシステムズ株式会社 医用画像処理装置、医用画像処理方法、およびプログラム
JP7114348B2 (ja) * 2018-06-06 2022-08-08 キヤノンメディカルシステムズ株式会社 腫瘍位置表示装置及び放射線治療システム
JP7451293B2 (ja) * 2019-06-13 2024-03-18 キヤノンメディカルシステムズ株式会社 放射線治療システム
JP7433927B2 (ja) * 2020-01-22 2024-02-20 キヤノンメディカルシステムズ株式会社 放射線治療計画装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101091817A (zh) * 2006-06-23 2007-12-26 三菱重工业株式会社 放射治疗装置控制设备以及放射线照射方法
CN103315746A (zh) * 2012-03-20 2013-09-25 瓦里安医疗系统国际股份公司 用于自动患者识别的方法和系统
CN104888356A (zh) * 2015-06-30 2015-09-09 瑞地玛医学科技有限公司 影像引导及呼吸运动分析方法

Family Cites Families (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5925233B2 (ja) 1977-06-20 1984-06-15 松下電器産業株式会社 電子楽器の周波数制御装置
US7620444B2 (en) * 2002-10-05 2009-11-17 General Electric Company Systems and methods for improving usability of images for medical applications
US10195464B2 (en) * 2004-06-24 2019-02-05 Varian Medical Systems, Inc. Systems and methods for treating a lung of a patient using guided radiation therapy or surgery
EP1778357A2 (en) 2004-07-23 2007-05-02 Calypso Medical Technologies, Inc. Integrated radiation therapy systems and methods for treating a target in a patient
EP1874388A4 (en) * 2005-04-13 2011-09-07 Univ Maryland TECHNIQUES FOR COMPENSATING THE MOVEMENT OF A TREATMENT TARGET IN A PATIENT
US8005284B2 (en) * 2006-12-07 2011-08-23 Kabushiki Kaisha Toshiba Three dimensional image processing apparatus and x-ray diagnosis apparatus
US9427201B2 (en) * 2007-06-30 2016-08-30 Accuray Incorporated Non-invasive method for using 2D angiographic images for radiosurgical target definition
US20090202045A1 (en) * 2008-02-12 2009-08-13 Varian Medical Systems Technologies, Inc. Treatment booth for radiation therapy
US8611496B2 (en) * 2008-11-12 2013-12-17 University Of Tsukuba Radiation treatment system
JP2010154874A (ja) * 2008-12-26 2010-07-15 Hitachi Ltd 放射線治療システム
EP2502648B1 (en) * 2009-11-16 2019-01-09 Hitachi, Ltd. Device for controlling radiation therapy device and method for measuring position of specific part
JP5463509B2 (ja) * 2010-02-10 2014-04-09 株式会社東芝 粒子線ビーム照射装置及びその制御方法
US8229071B2 (en) * 2010-07-12 2012-07-24 Siemens Medical Solutions Usa, Inc. Gated burst mode radiation treatment of moving targets
JP2012080904A (ja) * 2010-10-06 2012-04-26 Mitsubishi Heavy Ind Ltd 放射線治療装置制御装置および放射線治療装置制御方法
US8824630B2 (en) * 2010-10-29 2014-09-02 Accuray Incorporated Method and apparatus for treating a target's partial motion range
US8849633B2 (en) 2010-10-29 2014-09-30 Accuray Incorporated Method and apparatus for selecting a tracking method to use in image guided treatment
US9271692B2 (en) * 2011-04-01 2016-03-01 Varian Medical Systems, Inc. System and method for triggering an imaging process based on non-periodicity in breathing
US20130237822A1 (en) * 2012-03-07 2013-09-12 Patrick Gross Combined radiotherapy ultrasound device
EP2900322A1 (en) * 2012-09-28 2015-08-05 Brainlab AG Isocentric patient rotation for detection of the position of a moving object
US9552533B2 (en) * 2013-03-05 2017-01-24 Toshiba Medical Systems Corporation Image registration apparatus and method
US20160074674A1 (en) * 2013-04-11 2016-03-17 British Columbia Cancer Agency Branch Combined respiration and cardiac gating for radiotherapy using electrical impedance technology
US9446264B2 (en) * 2013-08-06 2016-09-20 Varian Medical Systems, Inc. System and method for patient-specific motion management
EP3030316B1 (en) * 2013-08-06 2018-02-21 Koninklijke Philips N.V. Method and system for automatic estimation of utility of adaptive radiation therapy re-planning
KR101670133B1 (ko) * 2014-01-17 2016-10-27 연세대학교 산학협력단 종양 추적 방법 및 그 장치
JP6305250B2 (ja) * 2014-04-04 2018-04-04 株式会社東芝 画像処理装置、治療システム及び画像処理方法
WO2016069633A1 (en) * 2014-10-27 2016-05-06 Elekta, Inc. Image guidance for radiation therapy
JP6437286B2 (ja) * 2014-11-26 2018-12-12 株式会社東芝 画像処理装置、画像処理プログラム、画像処理方法及び治療システム
EP3229903B1 (en) * 2014-12-11 2019-08-28 Elekta, Inc. Motion management in mri-guided linac
EP3034003B1 (en) * 2014-12-19 2017-11-08 Ion Beam Applications S.A. Method and imaging system for determining a reference radiograph for a later use in radiation therapy

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101091817A (zh) * 2006-06-23 2007-12-26 三菱重工业株式会社 放射治疗装置控制设备以及放射线照射方法
CN103315746A (zh) * 2012-03-20 2013-09-25 瓦里安医疗系统国际股份公司 用于自动患者识别的方法和系统
CN104888356A (zh) * 2015-06-30 2015-09-09 瑞地玛医学科技有限公司 影像引导及呼吸运动分析方法

Also Published As

Publication number Publication date
EP3503971A1 (en) 2019-07-03
WO2018037608A1 (en) 2018-03-01
KR102080201B1 (ko) 2020-02-24
EP3503971B1 (en) 2020-05-13
KR20180036776A (ko) 2018-04-09
CN107980008A (zh) 2018-05-01
JP6746435B2 (ja) 2020-08-26
US20180193672A1 (en) 2018-07-12
JP2018029852A (ja) 2018-03-01

Similar Documents

Publication Publication Date Title
CN107980008B (zh) 医学图像处理设备、治疗系统和医学图像处理程序
JP7181538B2 (ja) 医用画像処理装置および放射線治療システム
EP3590577B1 (en) Object tracking device
CN111918697B (zh) 医用图像处理装置、治疗系统以及存储介质
US9179982B2 (en) Method and system for automatic patient identification
KR102409284B1 (ko) 종양을 추적하기 위한 움직임 자동 평가 장치 및 이를 이용한 방사선 치료 시스템
WO2024070093A1 (ja) 照射位置確認支援装置、照射位置確認支援方法、および照射位置確認支援プログラム
JP6799292B2 (ja) 放射線撮影装置および放射線画像検出方法
Chen et al. Motion analysis comparing surface imaging and diaphragm tracking on kV projections for deep inspiration breath hold (DIBH)
Salari et al. Artificial intelligence‐based motion tracking in cancer radiotherapy: A review
Fan et al. Toward quantitative intrafractional monitoring in paraspinal SBRT using a proprietary software application: clinical implementation and patient results
Tahavori The application of a low-cost 3D depth camera for patient set-up and respiratory motion management in radiotherapy

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