CN109663220A - 一种将mv成像数据转换为kv成像数据的方法和装置及加速器治疗装置 - Google Patents
一种将mv成像数据转换为kv成像数据的方法和装置及加速器治疗装置 Download PDFInfo
- Publication number
- CN109663220A CN109663220A CN201710956395.6A CN201710956395A CN109663220A CN 109663220 A CN109663220 A CN 109663220A CN 201710956395 A CN201710956395 A CN 201710956395A CN 109663220 A CN109663220 A CN 109663220A
- Authority
- CN
- China
- Prior art keywords
- imaging data
- grades
- data
- imaging
- deep learning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 201
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000002560 therapeutic procedure Methods 0.000 title claims abstract description 45
- 238000005314 correlation function Methods 0.000 claims abstract description 51
- 238000013135 deep learning Methods 0.000 claims abstract description 47
- 238000006243 chemical reaction Methods 0.000 claims abstract description 19
- 241001269238 Data Species 0.000 claims abstract description 14
- 238000005457 optimization Methods 0.000 claims description 6
- 238000013473 artificial intelligence Methods 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 abstract description 3
- 238000011282 treatment Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 5
- 230000001225 therapeutic effect Effects 0.000 description 5
- 238000013170 computed tomography imaging Methods 0.000 description 4
- 238000001959 radiotherapy Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 2
- 238000000556 factor analysis Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000011017 operating method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 210000004872 soft tissue Anatomy 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000011369 optimal treatment Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/103—Treatment planning systems
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
-
- 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
- A61N2005/1092—Details
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Radiation-Therapy Devices (AREA)
Abstract
本发明公开了一种将MV成像数据转换为KV成像数据的方法和装置及加速器治疗装置,通过大量实际MV成像数据与KV成像数据的配对学习,分析及寻找它们之间的关联因素,建立精确的数学模型,优化关联函数,或者通过深度学习的方法,获得越来越精确的关联函数,则最终,由关联函数直接换算得到的换算KV成像数据就能满足我们实际的应用需求,从而为加速器治疗设备的应用效率、治疗精度、医生的实施掌控度及便利性都提供了巨大而方便的技术手段,社会价值和经济价值都非常高。
Description
技术领域
本发明涉及一种医疗设备,特别涉及将MV成像数据转换为KV成像数据的方法和装置及加速器治疗装置。
背景技术
目前放射治疗装置在治疗时为了尽可能降低副作用的情况下达到最佳治疗目的,现有技术中,一般先用专用CT成像设备(CT机)获取三维CT图像数据再生成所需角度的二维DRR图像,并以此为依据制定放射治疗计划,然后在加速器治疗设备(即MV级放射治疗设备)上按照放射治疗计划进行治疗,治疗结束后再使用CT设备进行CT成像验证,这样耗时费力,设备使用效率不高,因此出现一种将KV级球管及KV级数字成像平板集成在加速器治疗设备上的方案,治疗后直接使用KV级设备进行验证,但是,距离医生希望在治疗过程中实时监控治疗效果的目标还有相当大的差距,因此,亟需一种可实时监控及验证治疗效果的方案出现。
发明内容
为解决上述问题,本发明的目的在于提供一种将MV成像数据转换为KV成像数据的方法和装置及加速器治疗装置。
为达到上述目的,本发明的技术方案是:
一种将MV成像数据转换为KV成像数据的方法,包括配对学习步骤,以及利用配对学习步骤得到的关联函数将MV成像数据直接转换为KV成像数据的步骤,所述配对学习步骤包括以下步骤:
提供多个不同角度的KV成像数据;
提供与KV成像数据一一对应角度拍摄的MV成像数据;
将同角度的KV成像数据和MV成像数据一一对应,获得二者之间的关联因素,从而建立二者之间的关联函数。
本文所述的KV成像数据是指包括但不限于先利用专用CT成像设备(CT机)获取三维CT图像数据再生成所需角度的二维DRR图像或者集成在加速器治疗设备上的KV级射线成像装置所获得的目标图像信息;而MV成像数据是指MV级加速器配合MV级数字图像平板获取的MV成像信息。这里的一一对应角度的KV成像数据和MV成像数据是指针对同一目标从同一角度获得的KV成像数据和MV成像数据,二者本质上是同一物理信息的数字投影,一般来说,KV成像数据中含有更多更丰富的影像细节,特别是人体软组织的数据信息,而MV成像数据中,这些影像细节就有很大的缺失,实际上无法直接应用来做诊断或做治疗结果验证或实时监控。而现有技术中也缺乏高效的技术手段。本发明创造性的将同角度的KV成像数据和MV成像数据一一对应,建立二者之间的关联函数。有了这个关联函数后,我们就可以直接将每一时刻的(包含同一角度以及不同角度的MV成像数据)MV成像数据利用该关联函数转换成一个转换KV成像数据,该转换KV成像数据与由CT机获取的三维CT图像数据所生成的对应角度的DRR图像数据或KV级射线成像装置从相同角度拍摄的实际KV成像数据的近似程度由该关联函数的精度所决定,通过大量实际MV成像数据与KV成像数据的配对学习,分析及寻找它们之间的关联因素,建立精确的数学模型,优化关联函数,或者通过深度学习的方法,获得越来越精确的关联函数,则最终,由关联函数直接换算得到的换算KV成像数据就能满足我们实际的应用需求,从而为加速器治疗设备的应用效率、治疗精度、医生的实施掌控度及便利性都提供了巨大而方便的技术手段,社会价值和经济价值都非常高。而深度学习的相关技术以及图像关联因素分析的技术,已经有了基础理论及具体操作的方法,在此就不再赘述。但这些基础理论及操作方法用于本发明所述的领域,现有技术未有公开,也没有相关的技术启示和解决方案。并且,直接利用MV级图像装置来实现实时的监控的思路,也从未有人提及,这个思路的本身就需要经过创造性的思维才能获得。没有创造性的本领域技术人员,是无法不经过创造性思维就发现这一点的,因为在本领域所有技术教导中都明确该技术所获得的图像数据缺乏必要的细节,而无法应用,本领域的技术人员不经过创造性的思维是无法克服这种技术偏见的。
进一步的,对同一目标进行多次所述配对学习的步骤;和/或对不同目标进行一次或多次所述配对学习步骤;以获得优化的KV成像数据与MV成像数据之间的关联函数。
进一步的,不断进行针对不同目标的配对学习步骤,和/或者针对同一目标不同角度的KV成像数据与MV成像数据的配对学习步骤,直到将任一角度的MV成像数据直接利用关联函数转换得到的转换KV成像数据与对应角度的实际KV成像数据的一致性满足要求。
进一步的,所述配对学习步骤采用人工智能深度学习的方法。
本发明还提供一种将MV成像数据转换为KV成像数据的装置,包括深度学习装置,所述深度学习装置包括:
数据采集模块,用于获取KV成像数据和MV成像数据;
数据配对学习模块,将基于同一目标同一角度成像的KV成像数据和MV成像数据标记为关联对应数据;
深度学习模块,利用多个关联对应数据进行深度学习,并输出KV成像数据与MV成像数据之间的关联函数。
本发明还提供一种加速器治疗装置,包括MV级加速器和主机架,还包括深度学习装置,所述深度学习装置包括:
数据采集模块,用于获取KV成像数据和MV成像数据;
数据配对学习模块,将基于同一目标同一角度成像的KV成像数据和MV成像数据标记为关联对应数据;
深度学习模块,利用多个关联对应数据进行深度学习,并输出KV成像数据与MV成像数据之间的关联函数。
进一步的,所述加速器治疗装置还包括:
MV级数字图像平板,用于与MV级加速器配合获取MV成像数据;
KV级射线装置,包括KV级射线发生装置和KV级数字图像平板,用以获取KV成像数据。
进一步的,所述加速器治疗装置还包括第二导轨,所述KV级射线装置安装于所述第二导轨上;
所述第二导轨可相对于主机架独立旋转,带动KV级射线装置绕等中心旋转;
或第二导轨相对于主机架固定不动,所述KV级射线装置可沿第二导轨往复滑动绕等中心旋转;
或所述第二导轨可相对于主机架独立旋转,带动KV级射线装置绕等中心旋转,同时所述KV级射线装置可沿第二导轨往复滑动绕等中心旋转。
进一步的,所述加速器治疗装置还包括深度学习控制装置,所述深度学习控制装置用以控制加速器治疗装置完成以下工作:
控制MV级加速器和MV级数字图像平板获取不同角度的MV成像数据;
控制KV级射线装置获取与MV级图像数据相同成像角度的KV成像数据。
进一步的,所述加速器治疗装置还包括转换KV成像数据输出装置,所述转换KV成像数据输出装置完成以下工作:
将MV成像数据根据KV成像数据与MV成像数据之间的关联函数,转换并输出对应的转换KV成像数据。
附图说明
图1是本发明的示意图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示,一种将MV成像数据转换为KV成像数据的方法,包括配对学习步骤,以及利用配对学习步骤得到的关联函数将MV成像数据直接转换为KV成像数据的步骤,所述配对学习步骤包括以下步骤:
提供多个不同角度的KV成像数据;
提供与KV成像数据同样的角度拍摄的MV成像数据;
将同角度的KV成像数据和MV成像数据一一对应,建立二者之间的关联函数。
本文所述的KV成像数据是指包括但不限于先利用专用CT成像设备(CT机)获取三维CT图像数据再生成所需角度的二维DRR图像或者集成在加速器治疗设备上的KV级射线成像装置所获得的目标图像信息;而MV成像数据是指MV级加速器配合MV级数字图像平板获取的MV成像信息。这里的一一对应角度的KV成像数据和MV成像数据是指针对同一目标从同一角度获得的KV成像数据和MV成像数据,二者本质上是同一物理信息的数字投影,一般来说,KV成像数据中含有更多更丰富的影像细节,特别是人体软组织的数据信息,而MV成像数据中,这些影像细节就有很大的缺失,实际上无法直接应用来做诊断或做治疗结果验证或实时监控。而现有技术中也缺乏高效的技术手段。本发明创造性的将同角度的KV成像数据和MV成像数据一一对应,建立二者之间的关联函数。有了这个关联函数后,我们就可以直接将每一时刻的(包含同一角度以及不同角度的MV成像数据)MV成像数据利用该关联函数转换成一个转换KV成像数据,该转换KV成像数据与由CT机获取的三维CT图像数据所生成的对应角度的DRR图像数据或KV级射线成像装置从相同角度拍摄的实际KV成像数据的近似程度由该关联函数的精度所决定,通过大量实际MV成像数据与KV成像数据的配对学习,分析及寻找它们之间的关联因素,建立精确的数学模型,优化关联函数,或者通过深度学习的方法,获得越来越精确的关联函数,则最终,由关联函数直接换算得到的换算KV成像数据就能满足我们实际的应用需求,从而为加速器治疗设备的应用效率、治疗精度、医生的实施掌控度及便利性都提供了巨大而方便的技术手段,社会价值和经济价值都非常高。而深度学习的相关技术以及图像关联因素分析的技术,已经有了基础理论及具体操作的方法,在此就不再赘述。但这些基础理论及操作方法用于本发明所述的领域,现有技术未有公开,也没有相关的技术启示和解决方案。并且,直接利用MV级图像装置来实现实时的监控的思路,也从未有人提及,这个思路的本身就需要经过创造性的思维才能获得。没有创造性的本领域技术人员,是无法不经过创造性思维就发现这一点的,因为在本领域所有技术教导中都明确该技术所获得的图像数据缺乏必要的细节,而无法应用,本领域的技术人员不经过创造性的思维是无法克服这种技术偏见的。
进一步的,对同一目标进行多次所述配对学习的步骤;和/或对不同目标进行一次或多次所述配对学习步骤;以获得优化的KV成像数据与MV成像数据之间的关联函数。
我们可以将配对学习的步骤理解为一个数据库的建立,以及判断依据的丰富,以及判断经验的不断积累。就同一目标而言,不同角度、相同角度但不同时间的KV成像数据及MV成像数据是可能不同的,就同一目标而言,进行多次配对学习的步骤,可以获得针对该目标精确的关联函数。同时,由于这种关联,对不同的目标,具有其共通性,因此由此获得的关联函数也具备一定的通用性,因而可以适用于不同的目标。当然,为了克服只依据单一目标可能带来的偏差,我们也可以结合或者单独依靠对不同目标的配对学习,其中,进行一次配对学习步骤是需要建立在目标数满足最低的限度,而多次配对学习步骤则是在同一目标的配对学习图像数量与目标数之间取得一个平衡,不管哪一种方法,都是以最终获得的关联函数具备足够的准确性,使利用该关联函数获得的转换KV成像数据满足最低的应用需求。而配对学习数据的不断增加,会使该关联函数不断得到优化,直到进一步优化的效果可以忽略不计。
进一步的,不断进行针对不同目标的配对学习步骤,和/或者针对同一目标不同角度的KV成像数据与MV成像数据的配对学习步骤,直到将任一角度的MV成像数据直接利用关联函数转换得到的转换KV成像数据与对应角度的实际KV成像数据的一致性满足要求。
依据本发明制备的设备,在出厂前就可以经过初步的配对学习及关联函数的获得过程,使得其满足最低的应用需要,也可以根据客户的要求精度来完成该工作。还可以在实际应用中,通过内部设置学习管理模块,自动抓取需要角度的MV成像数据,并调用本加速器治疗设备的数据存储器里或医院及第三方云端服务器中存储的该目标对应角度的KV成像数据,或加速器治疗设备本身集成的KV级射线装置获取的对应角度的KV成像数据,不断进行配对学习的步骤,优化关联函数。
进一步的,所述配对学习步骤采用人工智能深度学习的方法。通过深度学习的方法来获取关联函数,是比较简便易行的方式。本发明的加速器治疗设备可以内嵌深度学习装置,这样每一台加速器治疗设备都可以完成深度学习及关联函数的优化。为了优化成本,实现数据共享及大数据应用,也可以将深度学习装置安装于云端服务器,每一台加速器治疗设备只需要将需要角度的MV成像数据实时上传,而云端服务器中已经获取了来自于CT机或加速器治疗设备本身集成的KV级射线装置获取的对应角度的DRR/KV成像数据,深度学习装置将对应的MV成像数据及KV成像数据进行配对学习,不断优化关联函数,并供所有联网的加速器治疗设备调用该关联函数。
在实际应用中,为了实现上述方法,包括但不限于本发明提供以下方案。一种将MV成像数据转换为KV成像数据的装置,包括深度学习装置,所述深度学习装置包括:
数据采集模块,用于获取KV成像数据和MV成像数据;
数据配对学习模块,将基于同一目标同一角度成像的KV成像数据和MV成像数据标记为关联对应数据;
深度学习模块,利用多个关联对应数据进行深度学习,并输出KV成像数据与MV成像数据之间的关联函数。
数据采集模块可以包括设置于同一台加速器治疗设备中的:
MV级加速器及MV数字图像平板,用于获取MV成像数据;
KV级射线装置,包括KV级射线发生装置和KV级数字图像平板,用以获取KV成像数据。
然后数据配对学习模块将来自上述装置的MV成像数据及KV成像数据进行配对学习。
但是,对于已有MV级加速器及MV数字图像平板及KV级射线装置,但是没有深度学习功能的现有设备而言,这里的深度学习模块中的数据采集模块就是一个与MV数字图像平面、KV级数字图像平板进行数据通讯的一个数据抓取接口与装置,用于将来自二者的成像数据抓取出来,并标记其成像角度,对相同角度的成像数据进行配对学习。对于将深度学习装置(或关联函数计算装置)设置于云端服务器的情形,与此类似,就不再赘述。
本发明还提供一种加速器治疗装置,包括MV级加速器和主机架,还包括深度学习装置,所述深度学习装置包括:
数据采集模块,用于获取KV成像数据和MV成像数据;
数据配对学习模块,将基于同一目标同一角度成像的KV成像数据和MV成像数据标记为关联对应数据;
深度学习模块,利用多个关联对应数据进行深度学习,并输出KV成像数据与MV成像数据之间的关联函数。
进一步的,所述加速器治疗装置还包括:
MV级数字图像平板,用于与MV级加速器配合获取MV成像数据;
KV级射线装置,包括KV级射线发生装置和KV级数字图像平板,用以获取KV成像数据。
进一步的,所述加速器治疗装置还包括第二导轨,所述KV级射线装置安装于所述第二导轨上;
所述第二导轨可相对于主机架独立旋转,带动KV级射线装置绕等中心旋转;
或第二导轨相对于主机架固定不动,所述KV级射线装置可沿第二导轨往复滑动绕等中心旋转;
或所述第二导轨可相对于主机架独立旋转,带动KV级射线装置绕等中心旋转,同时所述KV级射线装置可沿第二导轨往复滑动绕等中心旋转。
设置第二导轨的意义非常重大,它使得MV级加速器和KV级射线装置可相对独立运动,从而可以大大提高配对学习所需的CT图像数据及MV成像数据的采集效率,及两套子系统的协同工作效率。。例如,当MV级加速器完成某一角度的照射(包括治疗及MV成像)后,离开这一角度去其它位置工作,此时,具有第二导轨就可以将KV级射线装置移动到该角度完成KV成像,而现有技术中,KV级射线装置与MV级加速器相对位置固定不变的方案而言,就要便捷很多。
进一步的,所述加速器治疗装置还包括深度学习控制装置,所述深度学习控制装置用以控制加速器治疗装置完成以下工作:
控制MV级加速器和MV级数字图像平板获取不同角度的MV成像数据;
控制KV级射线装置获取与MV级图像数据相同成像角度的KV成像数据。
进一步的,所述加速器治疗装置还包括转换KV成像数据输出装置,所述转换KV成像数据输出装置完成以下工作:
将MV成像数据根据KV成像数据与MV成像数据之间的关联函数,转换并输出对应的转换KV成像数据。这样,当获得关联函数后,MV级加速器治疗设备可以无需额外的KV成像数据来进行治疗效果的验证,医生还可以实时将每一刻的MV成像数据转换为KV成像数据,以随时观察治疗的过程,达到所见即所得的效果。
理论上,相同型号的MV级加速器治疗设备可以共用一个关联函数,当然,每一台的MV级加速器治疗设备自行完成关联函数的构建更精确,也可以将多台的MV级加速器治疗设备获取关联函数通过云端服务器中设置的融合优化模块进行优化,以使最终的融合关联函数满足所有的MV级加速器治疗设备的运用要求。或者,将多台(两台及以上)MV级加速器治疗设备获取的配对学习图像数据(MV级图像数据及相同成像角度的KV成像数据)都传送到云端服务器的深度学习装置(或软件构成的深度学习模块),由其通过所有的配对学习图像数据获得关联函数,并供所有与云端服务器连接的MV级加速器治疗设备调用,用于将MV成像数据直接转换为转换KV成像数据。
以上所述的仅是本发明的优选实施方式,应当指出,对于本领域的普通技术人员来说,在不脱离本发明创造构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。
Claims (10)
1.一种将MV成像数据转换为KV成像数据的方法,其特征在于,包括配对学习步骤,以及利用配对学习步骤得到的关联函数将MV成像数据直接转换为KV成像数据的步骤,所述配对学习步骤包括以下步骤:
提供多个不同角度的KV成像数据;
提供与KV成像数据一一对应角度拍摄的MV成像数据;
将同角度的KV成像数据和MV成像数据一一对应,获得二者之间的关联因素,从而建立二者之间的关联函数。
2.根据权利要求1所述的将MV成像数据转换为KV成像数据的方法,其特征在于,对同一目标进行多次所述配对学习的步骤;和/或对不同目标进行一次或多次所述配对学习步骤;以获得优化的KV成像数据与MV成像数据之间的关联函数。
3.根据权利要求2所述的将MV成像数据转换为KV成像数据的方法,其特征在于,不断进行针对不同目标的配对学习步骤,和/或者针对同一目标不同角度的KV成像数据与MV成像数据的配对学习步骤,直到将任一角度的MV成像数据直接利用关联函数转换得到的转换KV成像数据与对应角度的实际KV成像数据的一致性满足要求。
4.根据权利要求3所述的将MV成像数据转换为KV成像数据的方法,其特征在于,所述配对学习步骤采用人工智能深度学习的方法。
5.一种将MV成像数据转换为KV成像数据的装置,其特征在于,包括深度学习装置,所述深度学习装置包括:
数据采集模块,用于获取KV成像数据和MV成像数据;
数据配对学习模块,将基于同一目标同一角度成像的KV成像数据和MV成像数据标记为关联对应数据;
深度学习模块,利用多个关联对应数据进行深度学习,并输出KV成像数据与MV成像数据之间的关联函数。
6.一种加速器治疗装置,包括MV级加速器和主机架,其特征在于,还包括深度学习装置,所述深度学习装置包括:
数据采集模块,用于获取KV成像数据和MV成像数据;
数据配对学习模块,将基于同一目标同一角度成像的KV成像数据和MV成像数据标记为关联对应数据;
深度学习模块,利用多个关联对应数据进行深度学习,并输出KV成像数据与MV成像数据之间的关联函数。
7.根据权利要求6所述的加速器治疗装置,其特征在于,所述加速器治疗装置还包括:
MV级数字图像平板,用于与MV级加速器配合获取MV成像数据;
KV级射线装置,包括KV级射线发生装置和KV级数字图像平板,用以获取KV成像数据。
8.根据权利要求7所述的加速器治疗装置,其特征在于,所述加速器治疗装置还包括第二导轨,所述KV级射线装置安装于所述第二导轨上;
所述第二导轨可相对于主机架独立旋转,带动KV级射线装置绕等中心旋转;
或第二导轨相对于主机架固定不动,所述KV级射线装置可沿第二导轨往复滑动绕等中心旋转;
或所述第二导轨可相对于主机架独立旋转,带动KV级射线装置绕等中心旋转,同时所述KV级射线装置可沿第二导轨往复滑动绕等中心旋转。
9.根据权利要求7或8所述的加速器治疗装置,其特征在于,所述加速器治疗装置还包括深度学习控制装置,所述深度学习控制装置用以控制加速器治疗装置完成以下工作:
控制MV级加速器和MV级数字图像平板获取不同角度的MV成像数据;
控制KV级射线装置获取与MV级图像数据相同成像角度的CT图像数据。
10.根据权利要求6到8任一所述的加速器治疗装置,其特征在于,所述加速器治疗装置还包括转换KV成像数据输出装置,所述转换KV成像数据输出装置完成以下工作:
将MV成像数据根据KV成像数据与MV成像数据之间的关联函数,转换并输出对应的转换KV成像数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710956395.6A CN109663220B (zh) | 2017-10-13 | 2017-10-13 | 一种数据转换方法和装置及加速器治疗装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710956395.6A CN109663220B (zh) | 2017-10-13 | 2017-10-13 | 一种数据转换方法和装置及加速器治疗装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109663220A true CN109663220A (zh) | 2019-04-23 |
CN109663220B CN109663220B (zh) | 2020-12-15 |
Family
ID=66139387
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710956395.6A Active CN109663220B (zh) | 2017-10-13 | 2017-10-13 | 一种数据转换方法和装置及加速器治疗装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109663220B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110432920A (zh) * | 2019-07-09 | 2019-11-12 | 苏州雷泰智能科技有限公司 | 一种放射治疗cbct的成像方法及系统 |
CN110917509A (zh) * | 2019-10-22 | 2020-03-27 | 苏州雷泰智能科技有限公司 | 一种基于双能cbct的成像方法、系统及放射治疗装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090046830A1 (en) * | 2005-05-17 | 2009-02-19 | Fang-Fang Yin | Computerized tomography image reconstruction |
US20100316259A1 (en) * | 2009-06-16 | 2010-12-16 | Wu Liu | Using a moving imaging system to monitor anatomical position as a function of time |
US20110075807A1 (en) * | 2009-09-30 | 2011-03-31 | Wu Liu | Intrafraction motion management using a rough to accurate monitoring strategy |
CN102090898A (zh) * | 2010-12-24 | 2011-06-15 | 苏州雷泰医疗科技有限公司 | 用于快速实时测量点剂量的探测验证的数字图像探测装置 |
CN102232835A (zh) * | 2010-04-21 | 2011-11-09 | 清华大学 | 一种影像引导放射治疗的定位方法 |
CN102462503A (zh) * | 2010-11-02 | 2012-05-23 | 北京大基康明医疗设备有限公司 | 一种影像成像装置、方法及放射治疗设备 |
CN104605882A (zh) * | 2015-01-23 | 2015-05-13 | 上海联影医疗科技有限公司 | 放射治疗系统中的图像获取方法、装置及放射治疗系统 |
CN105636331A (zh) * | 2014-10-27 | 2016-06-01 | 上海联影医疗科技有限公司 | 电子直线加速器 |
CN106132058A (zh) * | 2016-08-23 | 2016-11-16 | 苏州雷泰医疗科技有限公司 | 一种同源多能加速器及加速器治疗装置 |
-
2017
- 2017-10-13 CN CN201710956395.6A patent/CN109663220B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090046830A1 (en) * | 2005-05-17 | 2009-02-19 | Fang-Fang Yin | Computerized tomography image reconstruction |
US20100316259A1 (en) * | 2009-06-16 | 2010-12-16 | Wu Liu | Using a moving imaging system to monitor anatomical position as a function of time |
US20110075807A1 (en) * | 2009-09-30 | 2011-03-31 | Wu Liu | Intrafraction motion management using a rough to accurate monitoring strategy |
CN102232835A (zh) * | 2010-04-21 | 2011-11-09 | 清华大学 | 一种影像引导放射治疗的定位方法 |
CN102462503A (zh) * | 2010-11-02 | 2012-05-23 | 北京大基康明医疗设备有限公司 | 一种影像成像装置、方法及放射治疗设备 |
CN102090898A (zh) * | 2010-12-24 | 2011-06-15 | 苏州雷泰医疗科技有限公司 | 用于快速实时测量点剂量的探测验证的数字图像探测装置 |
CN105636331A (zh) * | 2014-10-27 | 2016-06-01 | 上海联影医疗科技有限公司 | 电子直线加速器 |
CN104605882A (zh) * | 2015-01-23 | 2015-05-13 | 上海联影医疗科技有限公司 | 放射治疗系统中的图像获取方法、装置及放射治疗系统 |
CN106132058A (zh) * | 2016-08-23 | 2016-11-16 | 苏州雷泰医疗科技有限公司 | 一种同源多能加速器及加速器治疗装置 |
Non-Patent Citations (1)
Title |
---|
MENG WU 等: "Metal artifact correction for x‐ray computed tomography using kV and selective MV imaging", 《MEDICAL PHYSICS》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110432920A (zh) * | 2019-07-09 | 2019-11-12 | 苏州雷泰智能科技有限公司 | 一种放射治疗cbct的成像方法及系统 |
WO2021003925A1 (zh) * | 2019-07-09 | 2021-01-14 | 苏州雷泰智能科技有限公司 | 一种放射治疗cbct的成像方法及系统 |
CN110917509A (zh) * | 2019-10-22 | 2020-03-27 | 苏州雷泰智能科技有限公司 | 一种基于双能cbct的成像方法、系统及放射治疗装置 |
CN110917509B (zh) * | 2019-10-22 | 2021-02-12 | 苏州雷泰智能科技有限公司 | 一种基于双能cbct的成像方法、系统及放射治疗装置 |
WO2021077481A1 (zh) * | 2019-10-22 | 2021-04-29 | 苏州雷泰智能科技有限公司 | 一种基于双能cbct的成像方法、系统及放射治疗装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109663220B (zh) | 2020-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103071241B (zh) | 立体定位放射治疗装置 | |
Fraass et al. | The impact of treatment complexity and computer-control delivery technology on treatment delivery errors | |
CN109663220A (zh) | 一种将mv成像数据转换为kv成像数据的方法和装置及加速器治疗装置 | |
US20100183120A1 (en) | Gated Radiation Procedure Using Packages | |
CN102670234B (zh) | 一种伽玛辐射摆位验证装置及方法 | |
US20170281970A1 (en) | System and Method for Inducing Respiration | |
CN102105194A (zh) | 利用颚件、机架和治疗床的协调运动的放射疗法成像和传递 | |
CN109663221A (zh) | 一种人工智能的摆位方法和装置及加速器治疗装置 | |
CN109568811A (zh) | 一种基于体表光学成像的放疗病人坐标系建立的方法 | |
CN106361364A (zh) | 一种自助数字x线摄影系统和方法 | |
US20150031932A1 (en) | Method to Accurately and Rapidly Locate Tumor | |
CN102784440A (zh) | 一种智能光照射治疗仪 | |
CN106310544A (zh) | 肿瘤实时监控方法及装置、放射治疗系统 | |
CN106580355A (zh) | 一种定位方法及系统 | |
CN108903946A (zh) | 一种远程人体3d模型复原的远程医学检测系统及方法 | |
CN107785068B (zh) | 治疗计划系统与医用加速器的数据传输方法及接口平台 | |
Ju et al. | Development of a novel remote‐controlled and self‐contained audiovisual‐aided interactive system for immobilizing claustrophobic patients | |
CN110992762A (zh) | 一种放射治疗体位固定及治疗实施虚拟仿真教学实验方法 | |
Karzmark et al. | Radiotherapy treatment simulators and automation: A case for their provision from a cost viewpoint | |
CN113744320B (zh) | 一种智能型的离子束自适应放疗系统、存储介质及设备 | |
RU2423157C2 (ru) | Способ проведения облучения злокачественных опухолей пищевода пучком адронов и устройство для его осуществления | |
RU2423156C2 (ru) | Способ проведения облучения злокачественных опухолей молочной железы пучком адронов и устройство для его осуществления | |
RU2420332C2 (ru) | Способ проведения облучения злокачественных опухолей легких пучком адронов и устройство для его осуществления | |
Bold et al. | Virtual tumor boards: Community–university collaboration to improve quality of care | |
CN202920219U (zh) | 一种伽马辐射摆位验证装置 |
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 |