CN108295384B - 基于医学影像的组织元素质量比例解构方法及几何模型建立方法 - Google Patents
基于医学影像的组织元素质量比例解构方法及几何模型建立方法 Download PDFInfo
- Publication number
- CN108295384B CN108295384B CN201710017476.XA CN201710017476A CN108295384B CN 108295384 B CN108295384 B CN 108295384B CN 201710017476 A CN201710017476 A CN 201710017476A CN 108295384 B CN108295384 B CN 108295384B
- Authority
- CN
- China
- Prior art keywords
- tissue
- medical image
- image data
- geometric model
- element mass
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 230000008520 organization Effects 0.000 claims abstract description 44
- 238000006243 chemical reaction Methods 0.000 claims abstract description 30
- 239000011159 matrix material Substances 0.000 claims abstract description 23
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 239000000463 material Substances 0.000 claims description 10
- 238000005516 engineering process Methods 0.000 claims description 5
- 229910052729 chemical element Inorganic materials 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 238000001727 in vivo Methods 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 17
- 210000001519 tissue Anatomy 0.000 description 118
- 238000002591 computed tomography Methods 0.000 description 65
- ZOXJGFHDIHLPTG-UHFFFAOYSA-N Boron Chemical compound [B] ZOXJGFHDIHLPTG-UHFFFAOYSA-N 0.000 description 22
- 229910052796 boron Inorganic materials 0.000 description 22
- 239000000203 mixture Substances 0.000 description 17
- 238000004088 simulation Methods 0.000 description 17
- 239000002245 particle Substances 0.000 description 15
- 230000005855 radiation Effects 0.000 description 15
- 238000002560 therapeutic procedure Methods 0.000 description 13
- 210000004027 cell Anatomy 0.000 description 12
- 239000003814 drug Substances 0.000 description 9
- 229940079593 drug Drugs 0.000 description 8
- 210000004881 tumor cell Anatomy 0.000 description 8
- 206010028980 Neoplasm Diseases 0.000 description 5
- 238000000342 Monte Carlo simulation Methods 0.000 description 4
- 210000000988 bone and bone Anatomy 0.000 description 4
- 201000011510 cancer Diseases 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 238000004215 lattice model Methods 0.000 description 4
- 238000001959 radiotherapy Methods 0.000 description 4
- 210000004872 soft tissue Anatomy 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 239000008280 blood Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 229910052744 lithium Inorganic materials 0.000 description 3
- 238000002595 magnetic resonance imaging Methods 0.000 description 3
- 230000005012 migration Effects 0.000 description 3
- 238000013508 migration Methods 0.000 description 3
- 210000003205 muscle Anatomy 0.000 description 3
- 230000000704 physical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 201000010915 Glioblastoma multiforme Diseases 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 2
- 231100000987 absorbed dose Toxicity 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 210000003484 anatomy Anatomy 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 238000002512 chemotherapy Methods 0.000 description 2
- 230000004992 fission Effects 0.000 description 2
- 208000005017 glioblastoma Diseases 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 210000004072 lung Anatomy 0.000 description 2
- 201000001441 melanoma Diseases 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 238000003325 tomography Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- ATBAMAFKBVZNFJ-UHFFFAOYSA-N beryllium atom Chemical compound [Be] ATBAMAFKBVZNFJ-UHFFFAOYSA-N 0.000 description 1
- 230000004071 biological effect Effects 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 210000005013 brain tissue Anatomy 0.000 description 1
- 229910017052 cobalt Inorganic materials 0.000 description 1
- 239000010941 cobalt Substances 0.000 description 1
- GUTLYIVDDKVIGB-UHFFFAOYSA-N cobalt atom Chemical compound [Co] GUTLYIVDDKVIGB-UHFFFAOYSA-N 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010894 electron beam technology Methods 0.000 description 1
- 238000009201 electron therapy Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 210000004877 mucosa Anatomy 0.000 description 1
- 210000004400 mucous membrane Anatomy 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000002727 particle therapy Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000002661 proton therapy Methods 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 210000003625 skull Anatomy 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000002626 targeted therapy Methods 0.000 description 1
- 238000013334 tissue model Methods 0.000 description 1
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
-
- 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
- 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
- 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
-
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- 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
- A61N2005/1034—Monte Carlo type methods; particle tracking
-
- 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
- A61N2005/1085—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy characterised by the type of particles applied to the patient
- A61N2005/109—Neutrons
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Public Health (AREA)
- Radiology & Medical Imaging (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Optics & Photonics (AREA)
- High Energy & Nuclear Physics (AREA)
- Biophysics (AREA)
- Pulmonology (AREA)
- Radiation-Therapy Devices (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明提供一种基于医学影像的组织元素质量比例解构方法及几何模型建立方法，组织元素质量比例解构方法包括通过已知元素质量比例的组织对应的医学影像数据近似未知医学影像数据对应的组织的元素质量比例的步骤；几何模型建立方法包括：读取医学影像的步骤；根据组织元素质量比例解构方法定义组织种类的步骤；决定组织分群数的步骤；通过医学影像与密度之间的转换关系定义组织密度的步骤；建立带有组织和密度信息的3D编码矩阵的步骤；产生几何模型的步骤。透过已知组织的医学影像数据来解构生物体组织元素质量比例，在制作体素假体时更近似于真实情况，可提升剂量计算准确度精进治疗质量。
Description
技术领域
本发明一方面涉及一种组织元素质量比例解构方法，尤其涉及一种基于医学影像的组织元素质量比例解构方法；本发明另一方面涉及一种几何模型建立方法，尤其涉及一种基于医学影像的几何模型建立方法。
背景技术
随着原子科学的发展，例如钴六十、直线加速器、电子射束等放射线治疗已成为癌症治疗的主要手段之一。然而传统光子或电子治疗受到放射线本身物理条件的限制，在杀死肿瘤细胞的同时，也会对射束途径上大量的正常组织造成伤害；另外由于肿瘤细胞对放射线敏感程度的不同，传统放射治疗对于较具抗辐射性的恶性肿瘤(如：多行性胶质母细胞瘤(glioblastoma multiforme)、黑色素细胞瘤(melanoma))的治疗成效往往不佳。
为了减少肿瘤周边正常组织的辐射伤害，化学治疗(chemotherapy)中的标靶治疗概念便被应用于放射线治疗中；而针对高抗辐射性的肿瘤细胞，目前也积极发展具有高相对生物效应(relative biological effectiveness,RBE)的辐射源，如质子治疗、重粒子治疗、中子捕获治疗等。其中，中子捕获治疗便是结合上述两种概念，如硼中子捕获治疗，借由含硼药物在肿瘤细胞的特异性集聚，配合精准的中子射束调控，提供比传统放射线更好的癌症治疗选择。
硼中子捕获治疗(Boron Neutron Capture Therapy,BNCT)是利用含硼(B-10)药物对热中子具有高捕获截面的特性，借由10B(n,α)7Li中子捕获及核分裂反应产生4He和7Li两个重荷电粒子，两粒子的总射程约相当于一个细胞大小，因此对于生物体造成的辐射伤害能局限在细胞层级，当含硼药物选择性地聚集在肿瘤细胞中，搭配适当的中子射源，便能在不对正常组织造成太大伤害的前提下，达到局部杀死肿瘤细胞的目的。
三维模型广泛应用于科学实验分析、科学实验模拟领域。比如在核辐射与防护领域，为了模拟生物体在一定辐射条件下的吸收剂量，常常需要利用计算机技术对医学影像进行各种处理建立精确的蒙特卡罗软件需要的晶格模型，并结合软件进行模拟计算。
蒙特卡罗方法是目前能够对辐照目标内部三维空间核粒子碰撞轨迹和能量分布进行精确模拟的工具，蒙特卡罗方法与复杂的三维人体解剖模型相结合代表了模拟在计算机技术中的跃进。在诊断放射检查中，精确的人体器官剂量评估对于放射治疗是非常有益的。目前，国际上已经成功建立多种人体模型并结合蒙特卡罗模拟程序，对人体在辐射环境下的吸收剂量进行精确性的计算评估。人体三维解剖模型成功转换为蒙特卡罗程序所需要的几何描述是进行蒙特卡罗模拟计算的前提条件，也是目前国际上蒙特卡罗模拟研究的热点和难点。
核磁共振成像(Magnetic Resonance Imaging,MRI)或电子计算机断层扫描(Computed Tomography,CT)等医学影像能够针对人体体内特征提供较为详细的组织几何结构信息，为人体内部结构的实体建模提供了数据基础。其中，以计算机断层扫描为例，将CT影像数据转换成与人体解剖构造相近的体素假体模型，从而模拟辐射的迁移历程，及与人体组织的作用情形来计算辐射吸收剂量。因此，在给定体素假体的各项元素组成时，尽可能地与病人真实情况吻合，以在模拟计算时获得最接近真实情况的结果。然而目前对体素假体的材料定义，普遍由固定区间范围的CT值对应固定元素组成比例的组织，如Vanderstraeten等人于2007年发表的文献(将在下文详述)所述，CT值＝-100～20对应为脂肪，CT值＝20～100对应为肌肉。但是人体各组织应由特定的元素质量比例组成，而非由单一区间内的固定元素质量比例代表，由此可知目前常见的体素假体成份定义方法仍有相当大的改善空间。
因此，有必要提出一种提高治疗计划精确性的基于医学影像的组织元素质量比例解构方法及包含该解构方法的几何模型建立方法。
发明内容
本发明的一方面提供一种基于医学影像的组织元素质量比例解构方法，包括通过已知元素质量比例的组织对应的医学影像数据近似未知医学影像数据对应的组织的元素质量比例的步骤。该方法透过已知的组织元素质量比例，以医学影像数据求出其他组织的元素质量比例，提供更多组织种类用于建立基于医学影像转换的体素假体，该假体可用于蒙地卡罗治疗计划系统，透过更大量的组织元素质量比例，在蒙特卡罗计算时进而指定正确的物理作用数据如光子的线性衰减系数、中子的作用截面、与荷电粒子(质子、电子或其它荷电粒子)的质量阻挡本领，提供接近于真实的粒子迁移环境。
作为一种优选地，所述医学影像数据与光子线性衰减系数相关，通过所述医学影像数据可以获得已知元素质量比例的组织的有效线性衰减系数。
更进一步，所述通过已知元素质量比例的组织对应的医学影像数据近似未知医学影像数据对应的组织的元素质量比例的步骤包括：
将NIST提供的基本元素的光子线性衰减系数以所述医学影像射束能谱加权，求出所述医学影像射束下的平均线性衰减系数μi；
以所述医学影像的侦检器效率与增建因子乘积作为效率加权因子C，来修正各组织的线性衰减系数使其成为各组织的有效线性衰减系数即
以相近医学影像数据的组织元素质量比例作为初始假设，以推演算法求出各医学影像数据所对应的生物体内化学元素质量比例分布即mi。
作为一种优选地，所述医学影像数据为CT值，所述CT值HU与有效线性衰减系数μeff的关系为HU＝1000(μeff/μwater-1)，所述CT值以n为一群组，将CT值范围由-100至+1530分为1630/n群组。所述推演算法为最大近似算法。
本发明的另一方面提供一种基于医学影像的几何模型建立方法，包括：
读取医学影像的步骤；
根据医学影像数据与组织种类之间的转换关系或上述组织元素质量比例解构方法定义组织种类的步骤；
决定组织分群数的步骤；
通过医学影像与密度之间的转换关系定义组织密度的步骤；
建立带有组织和密度信息的3D编码矩阵的步骤；
产生几何模型的步骤。
该几何模型建立方法根据医学影像的数据与组织种类之间的转换关系，可以根据实际需要确定组织分群数，从而更加精确地提供组织种类、元素组成及密度，建立的几何模型更加匹配于医学影像反应出的真实情况。
作为一种优选地，该几何模型建立方法应用于中子捕获治疗，其进一步包括给定B-10浓度的步骤和建立带有B-10浓度信息的3D编码矩阵的步骤。标记有B-10浓度信息的几何模型，便可清楚地知道，各个组织内的含硼药物浓度，然后进行中子捕获治疗照射模拟时，则更加真实地反应出实际情况。
组织分群数为用户手动定义的组织分群数加上数据库中已有的4种组织分群数或14种组织分群数或70种组织分群数或所述组织元素质量比例解构方法确定的163种组织分群数。如果在已有数据库中并未建立有相对应的组织分群数，那么可以由用户自定义一个新的组织分群数。这样即避免了如果已有数据库中不能完全匹配相对应的组织分群数，只能近似选择的情况，从而有效地提高的建模的精确度。
更加优选地，该几何模型建立方法进一步包括建立3D组织编码矩阵的步骤和建立3D密度编码矩阵的步骤。根据医学影像的切片通过相对应的转换关系，每一张切片建立相应的组织编码和密度编码，从而建立起3D组织编码矩阵和3D密度编码矩阵。
几何模型包括蒙特卡罗软件输入档所需的晶格卡、栅元卡、曲面卡和材料卡。通过医学影像最终获得蒙特卡罗软件输入档所需的晶格卡、栅元卡、曲面卡和材料卡，从而为模拟计算提供理论依据并获得精确的模拟计算结果。
医学影像数据可以为核磁共振成像(Magnetic Resonance Imaging,MRI)、电子计算机断层扫描(Computed Tomography,CT)、正电子发射型计算机断层扫描(PositronEmission Tomography,PET)、PET-CT或X射线成像(X-Ray imaging)，下文实施例中将基于电子计算机断层扫描(CT)的数据来阐述，CT的文件格式通常为DICOM。但本领域技术人员熟知地，还可以使用其他的医学影像数据，只要该医学影像数据能够被转换成体素假体组织模型，就能够应用于本发明揭示的基于医学影像数据的组织元素质量比例解构方法及几何模型建立方法中。
本发明实施例的基于医学影像数据的组织元素质量比例解构方法及几何模型建立方法透过已知组织的医学影像数据来解构生物体组织元素质量比例，其可依CT值直接对应生物体组织中的各项元素组成，使在制作体素假体时更近似于真实情况，可提升剂量计算准确度精进治疗质量。
附图说明
图1是硼中子捕获反应示意图。
图2是10B(n,α)7Li中子捕获核反应方程式。
图3是本发明实施例中的基于医学影像的组织元素质量比例解构方法的逻辑框图。
图4是本发明实施例中的基于医学影像的几何模型建立方法的逻辑框图。
图5是CT值(HU)与组织密度回归曲线公式及相关系数图。
具体实施方式
下面结合附图对本发明的实施例做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
作为一种优选地，以用于中子捕获治疗的基于医学影像的组织元素质量比例解构方法及几何模型建立方法为本发明的实施例。下面将简单介绍一下中子捕获治疗，尤其是硼中子捕获治疗。
中子捕获治疗作为一种有效的治疗癌症的手段近年来的应用逐渐增加，其中以硼中子捕获治疗最为常见，供应硼中子捕获治疗的中子可以由核反应堆或加速器供应。本发明的实施例以加速器硼中子捕获治疗为例，加速器硼中子捕获治疗的基本组件通常包括用于对带电粒子(如质子、氘核等)进行加速的加速器、靶材与热移除系统和射束整形体，其中加速带电粒子与金属靶材作用产生中子，依据所需的中子产率与能量、可提供的加速带电粒子能量与电流大小、金属靶材的物化性等特性来挑选合适的核反应，常被讨论的核反应有7Li(p,n)7Be及9Be(p,n)9B，这两种反应皆为吸热反应。两种核反应的能量阀值分别为1.881MeV和2.055MeV，由于硼中子捕获治疗的理想中子源为keV能量等级的超热中子，理论上若使用能量仅稍高于阀值的质子轰击金属锂靶材，可产生相对低能的中子，不须太多的缓速处理便可用于临床，然而锂金属(Li)和铍金属(Be)两种靶材与阀值能量的质子作用截面不高，为产生足够大的中子通量，通常选用较高能量的质子来引发核反应。
硼中子捕获治疗(Boron Neutron Capture Therapy,BNCT)是利用含硼(10B)药物对热中子具有高捕获截面的特性，借由10B(n,α)7Li中子捕获及核分裂反应产生4He和7Li两个重荷电粒子。参照图1和图2，其分别示出了硼中子捕获反应的示意图和10B(n,α)7Li中子捕获核反应方程式，两荷电粒子的平均能量约为2.33MeV，具有高线性转移(Linear EnergyTransfer,LET)、短射程特征，α粒子的线性能量转移与射程分别为150keV/μm、8μm，而7Li重荷粒子则为175keV/μm、5μm，两粒子的总射程约相当于一个细胞大小，因此对于生物体造成的辐射伤害能局限在细胞层级，当含硼药物选择性地聚集在肿瘤细胞中，搭配适当的中子射源，便能在不对正常组织造成太大伤害的前提下，达到局部杀死肿瘤细胞的目的。
在中子捕获治疗中，为了模拟生物体在一定辐射条件下的吸收剂量以帮助医生制定治疗计划，常常需要利用计算机技术对医学影像进行各种处理建立精确的蒙特卡罗软件需要的晶格模型，并结合蒙特卡罗软件进行模拟计算。本发明实施例的目的在于建立更接近生物体组织构造的基于医学影像的组织元素质量比例解构方法及包含该解构方法的几何模型建立方法，以进行硼中子捕获治疗的组织剂量模拟计算。医学影像数据可以为核磁共振成像(Magnetic Resonance Imaging,MRI)、电子计算机断层扫描(ComputedTomography,CT)、正电子发射型计算机断层扫描(Positron Emission Tomography,PET)、PET-CT或X射线成像(X-Ray imaging)，本实施例中将基于电子计算机断层扫描的数据来阐述，CT的文件格式通常为DICOM。但本领域技术人员熟知地，还可以使用其他的医学影像数据，只要该医学影像数据能够被转换成体素假体模型，就能够应用于本发明揭示的基于医学影像数据的组织元素质量比例解构方法及几何模型建立方法中。
本发明实施例的组织元素质量比例解构方法是基于生物体内化学元素质量比例分布与CT值之间的关系，CT值，又称为Hounsfield Unit(HU或H)，是各组织与水的线性衰减系数比值，为反应光衰减系数之单位，其定义如公式一：
而各组织的线性衰减系数即为各元素质量比例(mi；0≤mi≤1)与各元素线性衰减系数(μi)之乘积和
通过美国国家标准与技术研究院(NationalInstitute of Standards and Technology,NIST)提供的基本元素的光子线性衰减系数，将各元素在经过CT产生的X射线的能量范围内的线性衰减系数进行加权求和得到平均线性衰减系数，作为本实施例中进行计算的各元素线性衰减系数(μi)。并将CT扫描机内的侦检器效率与增建因子乘积作为效率加权因子C，来修正各组织的线性衰减系数使其成为各组织的有效线性衰减系数即
再以W.Schneider等人于2000年发表的文献(W.Schneider,T.Bortfeld,and W.Schlegel,"Correlation between CTnumbers and tissue parameters needed for Monte Carlo simulations of clinicaldose distributions",Phys.Med.Biol.45,459–478(2000).)为标准，其列出了70种CT值(有效线性衰减系数)对应的软组织或骨组织的各项元素比例分布，如下表一。虽然该文献已列出了具体CT值对应的组织元素质量比例，但可定义的CT值数量仍然偏少，有些数值间隔区间较大，使得该区间内的值难以精确定义。因此，本发明实施例以相近CT值的组织元素质量比例作为初始假设，以推演算法能够求出各CT值所对应的生物体内化学元素质量比例分布即mi，如此则可依CT影像数据获得各体素单元对应的元素组成比例，进而建立三维体素假体模型进行基于蒙特卡罗算法的治疗计划模拟，本实施例中优选采用MCNP软件进行模拟。
表一.CT值对应70种不同元素组成的组织(元素重量百分比)
参阅图3，本发明实施例揭示的基于医学影像的组织元素质量比例解构方法主要包括如下流程：
1.将NIST提供的基本元素的光子线性衰减系数以CT射束能谱加权，求出各元素与液态水在CT射束下的平均线性衰减系数μi和μwater。
2.以W.Schneider等人于2000年发表的文献为标准，能够得到70种软组织与骨组织的CT值及对应的元素质量比例，将已知组织(本实施例中从表一中任选一组织)的各元素质量比例乘上该元素的平均线性衰减系数μi再求和，可得到该组织的理论线性衰减系数μtissue。
3.利用CT值定义HU＝1000(μeff/μwater-1)将上述已知组织的CT值转换成有效线性衰减系数μeff。
4.求出有效与理论线性衰减系数比值C，即C＝μeff/μtissue，作为效率加权因子，其包含计算器断层侦检器效率与计算器断层扫瞄过程中的增建因子。
5.以CT值n为一群组，将CT值范围由-100至+1530分为1630/n群组，本实施例中n为10，则共163个群组，以-100为起点，利用CT值定义HU＝1000(μeff/μwater-1)求出每个区间端点值之有效线性衰减系数μeff，后代入公式C＝μeff/μtissue求出CT值对应的组织理论线性衰减系数μtissue。
6.利用特定CT值邻近的已知组织元素质量比例作为初始假设，以各元素质量比例乘上该元素的平均线性衰减系数μi再求和，并以该CT值对应的组织理论线性衰减系数μtissue作为有效解，以推演算法求出该CT值对应的各元素质量比例，从而完善163群组生物体组织的元素质量比例。本实施例中推演算法优选最大近似算法。
简单来说，本发明实施例揭示的基于医学影像数据的几何模型建立方法主要包括如下流程：
1、输入计算机断层影像(DICOM格式)，CT影像将呈现于对应接口上；
2、自动读取DICOM档案中已定义的ROI边界，亦可另外新增ROI；
3、软件将对CT影像上每一体素点(voxel)的位置进行判别，将所有体素点分为「落于ROI边界内」及「落于ROI边界外」；
4、针对ROI边界内的体素点，可根据实际需求，由使用者手动对每一ROI定义相对的唯一组织种类及组织密度，或自动进行CT值与组织种类、密度的匹配，以避免因给定CT值涵盖范围较大的ROI(如黏膜腔室)唯一组织种类(元素组成)及密度，而造成剂量计算的误差；
5、而针对ROI边界外的体素点，则自动进行组织种类的定义，依据CT值大小差异，可区分为4或14或70或163种不同元素组成的组织，用户可根据实际判断，选择使用ICRU-46报告表列的4种组织(将在下文详述)，或使用Vanderstraeten等人于2007年发表文献中的14种不同元素组成的组织(将在下文详述)，或使用W.Schneider等人于2000年发表的文献中的70种不同元素组成的组织，或使用上述本发明揭示的组织元素质量比例解构方法获得的163种组织；
6、对于未手动定义密度的体素点，依据CT值大小差异，将自动给定密度，共可区分出96个密度分群；
7、使用者手动输入正常血液含硼药物浓度、肿瘤-血液硼浓度比值、组织-血液硼浓度比值等参数，将编写B-10元素于所有体素点中；
8、软件将整合组织种类(元素组成)、组织密度、组织B-10浓度等信息，产生三维MCNP晶格模型，并编写出MCNP软件输入档规定格式的晶格卡(lattice card)、栅元卡(cellcard)、曲面卡(surface card)及材料卡(material card)。
具体来说，请参照图4，本发明揭示的基于医学影像数据的几何模型建立方法包括两个实施例。
本发明的第一实施例提供一种基于医学影像数据的几何模型建立方法，包括：读取医学影像数据的步骤；通过医学影像数据与组织种类之间的转换关系定义组织种类的步骤；决定组织分群数的步骤；通过医学影像数据与密度之间的转换关系定义组织密度的步骤；建立带有组织和密度信息的3D编码矩阵的步骤；产生几何模型的步骤。
根据医学影像的数据与组织种类之间的转换关系，可以根据实际需要确定组织分群数，从而更加精确地提供组织种类、元素组成及密度，建立的几何模型更加匹配于医学影像数据反应出的真实情况。
几何模型建立方法进一步包括给定B-10浓度的步骤和建立带有B-10浓度信息的3D编码矩阵的步骤。标记有B-10浓度信息的几何模型，便可清楚地知道，各个体素点内的含硼药物浓度，然后进行中子捕获治疗照射模拟时，则更加真实地反应出实际情况。
组织分群数为用户手动定义的组织分群数加上数据库中已有的4种组织分群数或14种组织分群数或70种组织分群数或本发明的组织元素质量比例解构方法确定的163种组织分群数。如果在已有数据库中并未建立有相对应的组织分群数，那么可以根据实验情况确定一个新的组织分群数。这样即避免了如果已有数据库中不能完全匹配相对应的组织分群数，只能近似选择的情况，从而有效地提高的建模的精确度。
几何模型建立方法进一步包括建立3D组织编码矩阵的步骤和建立3D密度编码矩阵的步骤。根据医学影像数据的切片通过相对应的转换关系，每一张切片建立相应的组织编码和密度编码，从而建立起3D组织编码矩阵和3D密度编码矩阵。
几何模型包括MCNP软件输入档所需的晶格卡、栅元卡、曲面卡和材料卡。通过医学影像数据最终获得蒙特卡罗软件输入档所需的晶格卡、栅元卡、曲面卡和材料卡，从而为模拟计算提供理论依据并获得精确的模拟计算结果。
本发明的第二实施例提供一种基于医学影像数据的几何模型建立方法，包括：读取医学影像数据的步骤；定义或读取ROI边界的步骤；判断医学影像体素是否在ROI边界内的步骤：如果是，则进入通过为每个ROI边界内体素给定一个特定组织与密度的方式进行用户手动定义组织种类与密度的步骤或或进入通过医学影像数据与组织种类/密度之间的转换关系自动定义ROI组织种类与密度的步骤，如果否，则进入通过医学影像数据与组织种类之间的转换关系自动定义组织种类的步骤并通过医学影像数据与密度之间的转换关系定义组织密度的步骤；建立带有组织和密度信息的3D编码矩阵的步骤；产生几何模型的步骤。
所谓ROI是指感兴趣区域，用户可以手动定义ROI的组织种类、元素组成以及密度。如果不在ROI边界内，根据医学影像的数据与组织种类/密度之间的转换关系进行组织种类的定义，并根据实际需要确定组织分群数，从而更加精确地提供组织种类、元素组成及密度，建立的几何模型更加匹配于医学影像数据反应出的真实情况。
几何模型建立方法包括给定B-10浓度的步骤和建立带有B-10浓度信息的3D编码矩阵的步骤。标记有B-10浓度信息的几何模型，便可清楚地知道，各个体素点内的含硼药物浓度，然后进行中子捕获治疗照射模拟时，则更加真实地反应出实际情况。
组织分群数为用户手动定义的组织分群数加上数据库中已有的4种组织分群数或14种组织分群数或70种组织分群数，或使用上述本发明揭示的组织元素质量比例解构方法获得的163种组织分群数。如果单一ROI边界内涵盖CT值范围较大(如黏膜腔室)，则可自动进行CT值与组织种类、密度的匹配，以避免因给定唯一组织种类(元素组成)及密度，而造成剂量计算的误差。如果在已有数据库中并未建立有相对应的组织分群数，那么可以根据实验情况确定一个新的组织分群数。这样即避免了如果已有数据库中不能完全匹配相对应的组织分群数，只能近似选择的情况，从而有效地提高的建模的精确度。
几何模型建立方法进一步包括建立3D组织编码矩阵的步骤和建立3D密度编码矩阵的步骤。根据医学影像数据的切片通过相对应的转换关系，每一张切片建立相应的组织编码和密度编码，从而建立起3D组织编码矩阵和3D密度编码矩阵。
几何模型包括MCNP软件输入档所需的晶格卡、栅元卡、曲面卡和材料卡。通过医学影像数据最终获得蒙特卡罗软件输入档所需的晶格卡、栅元卡、曲面卡和材料卡，从而为模拟计算提供理论依据并获得精确的模拟计算结果。
请参照图5，下面将阐述本发明揭示的基于医学影像数据的几何模型建立方法中已有数据库中的CT值-组织种类及CT值-组织密度转换关系图表。
引用Vanderstraeten等人于2007年发表之文献(Barbara Vanderstraeten etal,“Convension of CT numbers into tissue parametersfor Monte Carlo dosecalculations:a multi-centre study”,Phys.Med.Biol.52(2007)539–562.)，依据CT值大小不同，可转换出1种空气(air)、1种肺组织(lung)、2种软组织(脂肪(adipose)及肌肉软组织(muscle))、10种骨组织(bone)，换言之，不同CT值共对应出14种不同元素组成的组织，如下表二。
表二.CT值对应14种不同元素组成的组织(元素重量百分比)
引用ICRU-46号报告(International Commission on Radiation Units andMeasurements,Photon,electron,proton and neutron interaction data for bodytissues,ICRU-46,Tech.Rep.,1992.)，撷取4种人体脑部主要组织，包含空气(air)、脑组织(adult brain)、皮肤(adult skin)、头骨(cranium)，其对应之密度与元素组成如表三。
表三.CT值对应4种不同元素组成的组织(元素重量百分比)
同样引用Vanderstraeten等人的文献，该份文献统整了医院真实的实验值，整理出CT值对应组织密度的关系公式，如图5所示；本发明揭示的基于医学影像数据的几何模型建立方法使用图5的三组回归公式，将CT值(-1000～2000)区分为96组密度分群，如表四。
表四.CT值与质量密度的转换.HUL和HUU分别为CT值的下限和上限
本方法透过已知的组织元素质量比例，以计算机断层影像数据求出其他组织的元素质量比例，使在制作体素假体时能考虑更多不同的CT数据，提供更多组织种类，使假体更加贴近真实情况。该假体可用于基于蒙特卡罗算法的治疗计划系统，透过更大量的组织元素质量比例，在蒙特卡罗计算时进而指定正确的物理作用数据如光子的线性衰减系数、中子的作用截面、与荷电粒子(质子、电子或其它荷电粒子)的质量阻挡本领，提供接近于真实的粒子迁移环境。
尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，都在本发明要求保护的范围之内。
Claims (9)
1.一种基于医学影像的组织元素质量比例解构方法，包括：
所述医学影像数据与光子线性衰减系数相关，通过所述医学影像数据获得已知元素质量比例的组织的有效线性衰减系数μeff；
将美国国家标准与技术研究院(NIST)提供的基本元素的光子线性衰减系数以医学影像射束的能谱加权，求出所述医学影像射束下的平均线性衰减系数μi；
以所述医学影像的侦检器效率与增建因子乘积作为效率加权因子C，来修正各组织的理论线性衰减系数μtissue使其成为各组织的有效线性衰减系数即 
其中mi为组织内各元素的质量比例；
通过已知元素质量比例的组织对应的医学影像数据近似未知医学影像数据对应的组织的元素质量比例的步骤。
2.根据权利要求1所述的基于医学影像的组织元素质量比例解构方法，其特征在于：所述通过已知元素质量比例的组织对应的医学影像数据近似未知医学影像数据对应的组织的元素质量比例的步骤包括：
以相近医学影像数据的组织元素质量比例作为初始假设，以推演算法求出各医学影像数据所对应的生物体内化学元素质量比例分布即mi。
3.根据权利要求2所述的基于医学影像的组织元素质量比例解构方法，其特征在于：所述医学影像数据为CT值，所述CT值HU与有效线性衰减系数μeff的关系为
其中μwater为液态水在所述医学影像射束下的平均线性衰减系数，所述CT值以n为一群组，将CT值范围由-100至+1530分为1630/n群组。
4.根据权利要求2所述的基于医学影像的组织元素质量比例解构方法，其特征在于：所述推演算法为最大近似算法。
5.一种基于医学影像的几何模型建立方法，包括：
读取医学影像数据的步骤；
根据权利要求1-4之一所述的组织元素质量比例解构方法定义组织种类的步骤；
决定组织分群数的步骤；
通过医学影像数据与密度之间的转换关系定义组织密度的步骤；
建立带有组织和密度信息的3D编码矩阵的步骤；
产生几何模型的步骤。
6.根据权利要求5所述的基于医学影像的几何模型建立方法，其特征在于：所述几何模型建立方法应用于中子捕获治疗，所述几何模型建立方法包括给定B-10浓度的步骤和建立带有B-10浓度信息的3D编码矩阵的步骤。
7.根据权利要求5所述的基于医学影像的几何模型建立方法，其特征在于：所述组织分群数为用户手动定义的组织分群数加上数据库中已有的4种组织分群数或14种组织分群数或70种组织分群数或所述组织元素质量比例解构方法确定的163种组织分群数。
8.根据权利要求7所述的基于医学影像的几何模型建立方法，其特征在于：所述几何模型建立方法进一步包括建立3D组织编码矩阵的步骤和建立3D密度编码矩阵的步骤。
9.根据权利要求5所述的基于医学影像的几何模型建立方法，其特征在于：所述几何模型包括蒙特卡罗软件输入档所需的晶格卡、栅元卡、曲面卡和材料卡。
Priority Applications (7)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710017476.XA CN108295384B (zh) | 2017-01-11 | 2017-01-11 | 基于医学影像的组织元素质量比例解构方法及几何模型建立方法 |
| RU2019122188A RU2736917C1 (ru) | 2017-01-11 | 2017-07-13 | Способ анализа элементов и отношений масс элементов ткани и способ построения геометрической модели на основе медицинского изображения |
| JP2019537223A JP6938646B2 (ja) | 2017-01-11 | 2017-07-13 | 医用画像に基づく組織元素質量比率の脱構築方法及び幾何的モデルの構築方法 |
| EP17891253.1A EP3556431A4 (en) | 2017-01-11 | 2017-07-13 | MEDICAL IMAGE-BASED METHOD FOR DECONSTRUCTING MASS RATIO OF TISSUE ELEMENTS AND METHOD FOR ESTABLISHING A GEOMETRIC MODEL |
| PCT/CN2017/092745 WO2018129889A1 (zh) | 2017-01-11 | 2017-07-13 | 基于医学影像的组织元素质量比例解构方法及几何模型建立方法 |
| TW106128756A TWI646945B (zh) | 2017-01-11 | 2017-08-24 | 基於醫學影像的組織元素質量比例解構方法及幾何模型建立方法 |
| US16/439,980 US11590360B2 (en) | 2017-01-11 | 2019-06-13 | Method for analyzing elements and mass ratios of elements of tissue and method for establishing geometric model based on medical image |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710017476.XA CN108295384B (zh) | 2017-01-11 | 2017-01-11 | 基于医学影像的组织元素质量比例解构方法及几何模型建立方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108295384A CN108295384A (zh) | 2018-07-20 |
| CN108295384B true CN108295384B (zh) | 2020-02-28 |
Family
ID=62839195
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710017476.XA Active CN108295384B (zh) | 2017-01-11 | 2017-01-11 | 基于医学影像的组织元素质量比例解构方法及几何模型建立方法 |
Country Status (7)
| Country | Link |
|---|---|
| US (1) | US11590360B2 (zh) |
| EP (1) | EP3556431A4 (zh) |
| JP (1) | JP6938646B2 (zh) |
| CN (1) | CN108295384B (zh) |
| RU (1) | RU2736917C1 (zh) |
| TW (1) | TWI646945B (zh) |
| WO (1) | WO2018129889A1 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2820986C1 (ru) * | 2020-12-31 | 2024-06-14 | Нойборон Терапи Систем | Система радиационного облучения и способ управления ею |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI695387B (zh) * | 2019-01-25 | 2020-06-01 | 上銀科技股份有限公司 | 將電腦斷層掃描儀的掃描資訊轉換為骨骼參數的方法 |
| US10846855B2 (en) | 2019-04-24 | 2020-11-24 | Hiwin Technologies Corp. | Method for converting scan information of a computed tomography scanner into bone parameters |
| CN111128317A (zh) * | 2019-11-20 | 2020-05-08 | 中国辐射防护研究院 | 一种电离辐射组织等效材料配方设计方法及系统 |
| WO2021170155A1 (en) * | 2020-02-26 | 2021-09-02 | Proton Therapy Group S.R.O. | A method of binary proton radiotherapy |
| CN114367061B (zh) * | 2020-10-14 | 2023-06-23 | 中硼(厦门)医疗器械有限公司 | 硼中子捕获治疗系统及其治疗计划生成方法 |
| EP4272813A1 (en) * | 2020-12-31 | 2023-11-08 | Neuboron Therapy System Ltd. | Radiation irradiation system and control method therefor |
| CN114152635B (zh) * | 2021-10-15 | 2024-05-31 | 中国人民解放军军事科学院军事医学研究院 | 中子外照射后人体血管内中子能谱的等效模拟装置 |
Family Cites Families (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1658878A1 (en) * | 2004-11-17 | 2006-05-24 | The European Community, represented by the European Commission | BNCT treatment planning |
| US8073658B2 (en) * | 2006-06-05 | 2011-12-06 | Cambridge Research & Instrumentation, Inc. | Monte Carlo simulation using GPU units on personal computers |
| JP5339592B2 (ja) * | 2009-01-28 | 2013-11-13 | 独立行政法人国立がん研究センター | 陽子線治療におけるポジトロン放出核種のアクティビティ分布のシミュレーション方法 |
| CN101751697B (zh) * | 2010-01-21 | 2011-09-14 | 西北工业大学 | 一种基于统计模型的三维场景重建方法 |
| JP5641503B2 (ja) * | 2010-10-15 | 2014-12-17 | 国立大学法人 筑波大学 | マルチステップ・ラティス・ボクセル法 |
| US9414747B2 (en) * | 2011-08-30 | 2016-08-16 | Qi Imaging, Llc | Functional integration of virtual prosthesis in a tissue model |
| US10292670B2 (en) * | 2013-12-04 | 2019-05-21 | Elekta Ltd. | Method and system for dose calculation based on continuous material indexing |
| US10147185B2 (en) * | 2014-09-11 | 2018-12-04 | B.G. Negev Technologies And Applications Ltd., At Ben-Gurion University | Interactive segmentation |
| CN104267425B (zh) * | 2014-10-16 | 2017-08-25 | 中国科学院合肥物质科学研究院 | 一种基于CT数据的内照射HPGe探测器探测效率确定方法 |
| CN104537699B (zh) * | 2014-12-22 | 2017-07-04 | 上海联影医疗科技有限公司 | 获取ct图像的方法 |
| CN106474634A (zh) * | 2015-11-17 | 2017-03-08 | 南京中硼联康医疗科技有限公司 | 基于医学影像数据的几何模型建立方法 |
| JP6164662B2 (ja) * | 2015-11-18 | 2017-07-19 | みずほ情報総研株式会社 | 治療支援システム、治療支援システムの動作方法及び治療支援プログラム |
| TWI593392B (zh) * | 2015-12-28 | 2017-08-01 | Metal Detection and Artifact Removal Methods in Computerized Tomography Images | |
| TWI594732B (zh) * | 2015-12-28 | 2017-08-11 | Nat Chung-Shan Inst Of Science And Tech | Three-dimensional median filter applied to computed tomography |
-
2017
- 2017-01-11 CN CN201710017476.XA patent/CN108295384B/zh active Active
- 2017-07-13 WO PCT/CN2017/092745 patent/WO2018129889A1/zh active Application Filing
- 2017-07-13 JP JP2019537223A patent/JP6938646B2/ja active Active
- 2017-07-13 RU RU2019122188A patent/RU2736917C1/ru active
- 2017-07-13 EP EP17891253.1A patent/EP3556431A4/en not_active Withdrawn
- 2017-08-24 TW TW106128756A patent/TWI646945B/zh active
-
2019
- 2019-06-13 US US16/439,980 patent/US11590360B2/en active Active
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2822113C1 (ru) * | 2020-12-16 | 2024-07-01 | Токемек Энерджи Лтд | О конструкции композита гидрид-металл для приспосабливания к разложению гидрида |
| RU2820986C1 (ru) * | 2020-12-31 | 2024-06-14 | Нойборон Терапи Систем | Система радиационного облучения и способ управления ею |
Also Published As
| Publication number | Publication date |
|---|---|
| RU2736917C1 (ru) | 2020-11-23 |
| US20190329067A1 (en) | 2019-10-31 |
| CN108295384A (zh) | 2018-07-20 |
| JP2020503959A (ja) | 2020-02-06 |
| US11590360B2 (en) | 2023-02-28 |
| TW201825050A (zh) | 2018-07-16 |
| TWI646945B (zh) | 2019-01-11 |
| WO2018129889A1 (zh) | 2018-07-19 |
| EP3556431A4 (en) | 2020-01-15 |
| JP6938646B2 (ja) | 2021-09-22 |
| EP3556431A1 (en) | 2019-10-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107427692B (zh) | 基于医学影像数据的几何模型建立方法 | |
| CN108295384B (zh) | 基于医学影像的组织元素质量比例解构方法及几何模型建立方法 | |
| CN108310677B (zh) | 基于医学影像数据的平滑几何模型建立方法 | |
| CN114367061B (zh) | 硼中子捕获治疗系统及其治疗计划生成方法 | |
| EP1658878A1 (en) | BNCT treatment planning | |
| US20230347176A1 (en) | Radiotherapy system and therapy plan generation method therefor | |
| CN117982812A (zh) | 硼中子捕获治疗系统及其治疗计划生成方法 | |
| TW202419123A (zh) | 硼中子捕獲治療系統及其治療計畫生成方法 | |
| CN117045990A (zh) | 慢化体调控建模方法和系统、调控方法和系统及电子设备 |
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 |