CN110101974A - 使用基于知识的模型触发自适应计划的系统和方法 - Google Patents

使用基于知识的模型触发自适应计划的系统和方法 Download PDF

Info

Publication number
CN110101974A
CN110101974A CN201910105850.0A CN201910105850A CN110101974A CN 110101974 A CN110101974 A CN 110101974A CN 201910105850 A CN201910105850 A CN 201910105850A CN 110101974 A CN110101974 A CN 110101974A
Authority
CN
China
Prior art keywords
patient
image
replan
equipment
replanning
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
Application number
CN201910105850.0A
Other languages
English (en)
Other versions
CN110101974B (zh
Inventor
M·I·科德罗·马克思
H·M·拉克索南
E·屈塞拉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens Healthineers International AG
Original Assignee
Varian Medical Systems International AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Varian Medical Systems International AG filed Critical Varian Medical Systems International AG
Publication of CN110101974A publication Critical patent/CN110101974A/zh
Application granted granted Critical
Publication of CN110101974B publication Critical patent/CN110101974B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61NELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N5/00Radiation therapy
    • A61N5/10X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
    • A61N5/103Treatment planning systems
    • A61N5/1038Treatment planning systems taking into account previously administered plans applied to the same patient, i.e. adaptive radiotherapy
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61NELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N5/00Radiation therapy
    • A61N5/10X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
    • A61N5/103Treatment planning systems
    • A61N5/1039Treatment planning systems using functional images, e.g. PET or MRI
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61NELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N5/00Radiation therapy
    • A61N5/10X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
    • A61N5/1048Monitoring, verifying, controlling systems and methods
    • A61N5/1049Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50ICT 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)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Animal Behavior & Ethology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Veterinary Medicine (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

一种设备,其包括:一个或多个输入,其通信地耦合到存储患者的当前治疗计划数据和当前图像的一个或多个介质,所述一个或多个输入被配置为获得所述患者的所述当前治疗计划数据和所述当前图像,其中所述当前治疗计划数据用于供治疗机处理;和重新计划决策处理器,其被配置为至少部分地基于所述当前治疗计划数据、所述当前图像和所述重新计划触发模型来确定重新计划信息,所述重新计划触发模型基于先前治疗计划数据和一个或多个先前图像,其中所述重新计划信息指示关于所述治疗重新计划的推荐;其中所述重新计划决策处理器被配置为输出所述重新计划信息以减轻所述设备的用户人工决定是否需要所述治疗重新计划的负担或者消除此需要。

Description

使用基于知识的模型触发自适应计划的系统和方法
技术领域
本文描述的实施方案涉及使用基于知识的模型触发自适应计划的系统和方法。
背景技术
在放射疗法治疗中,目标是向癌症区域递送高剂量(以杀死肿瘤细胞),同时保留健康组织(尤其是关键器官)。放射疗法治疗可以包括多个阶段,并且将放射递送到所有阶段中的正确部位是至关重要的。然而,由于例如内部器官运动(例如,膀胱充盈、排便等)、患者体重减轻、肿瘤萎缩等,治疗递送时的日常情况可能与治疗计划中预测的情况有很大不同。在某些情况下,如果治疗递送时的实际情况与治疗计划中的预测情况之间的差异太大,则可能不再满足治疗目标。在此类情况下,需要新的治疗计划。这被称为自适应放射疗法(ART)。
ART的问题在于目前尚不清楚何时需要新的治疗计划。对每个治疗阶段执行新的计划并不总是令人满意的,因为对于护理人员和患者两者来说这是一项耗时的任务。此外,在一些情况下,患者几何结构没有充分改变以证明确定新的治疗计划是合理的。此外,患者几何结构的变化可能不足以从新的治疗计划中受益。
在当前的ART环境中,对于每个治疗阶段(或每m个阶段),采用kV或锥束CT(CBCT),并且通过视觉检查分析当前患者几何结构。根据对情况的了解和评估,护理人员然后决定患者是否需要新的重新计划或者当前的重新计划是否足够好。这种人工决策并不总是直截了当,而是可能会面临许多灰色区域。因此,面对相同情况的不同护理人员可能会得出关于是否执行重新计划的不同结论。
在本文描述的一个或多个实施方案中,提供了一种用于确定或帮助用户确定是否需要重新计划治疗的设备。
发明内容
括:一个或多个输入,其通信地耦合到存储患者的当前治疗计划数据和当前图像的一个或多个介质,所述一个或多个输入被配置为获得所述患者的所述当前治疗计划数据和所述当前图像,其中所述当前治疗计划数据用于供所述治疗机处理以治疗所述患者;和重新计划决策处理器,其被配置为至少部分地基于所述当前治疗计划数据、所述当前图像和所述重新计划触发模型来确定重新计划信息,其中所述重新计划触发模型基于先前治疗计划数据和一个或多个先前图像,并且其中所述重新计划信息指示关于所述治疗重新计划的推荐;其中所述重新计划决策处理器被配置为输出所述重新计划信息。
可选地,所述当前治疗计划数据包含用于为所述患者操作所述治疗机的机器参数。
可选地,所述设备还被配置为获得所述用户的输入,并且其中所述重新计划决策处理器被配置为还基于所述用户的所述输入来确定所述重新计划信息。
可选地,所述输入包含规定何时应该执行重新计划的一个或多个标准。
可选地,所述重新计划决策处理器被配置为自动输出所述重新计划信息。
可选地,所述当前治疗计划数据包含所述患者的CT图像、剂量矩阵或两者。
可选地,所述先前治疗计划数据包含所述患者或另一患者的先前CT图像、先前剂量矩阵或两者。
可选地,所述一个或多个先前图像包含在相应的先前治疗时间获得的一系列kV或CBCT图像。
可选地,所述一个或多个先前图像包含在相应的先前治疗时间获得的一系列图像,并且其中所述设备还包含存储与相应的时间戳相关联的所述一系列图像的数据库。
可选地,所述设备还包括触发检测器,所述触发检测器被配置为发现重新计划的一个或多个先前未检测到的触发。
可选地,所述触发检测器被配置为通过执行数据挖掘来找出触发所述重新计划的一个或多个特征以便发现所述一个或多个先前未检测到的触发。
可选地,所述重新计划决策处理器被配置为基于相似度函数来确定所述重新计划信息。
可选地,所述重新计划信息指示以下三个条目中的一者:推荐重新计划、没有推荐重新计划,重新计划的需要是不确定的。
可选地,所述重新计划决策处理器被配置为基于一个或多个参数满足包括阈值的一个或多个标准来确定所述重新计划信息。
可选地,所述重新计划决策处理器被配置为获得将kV或CBCT图像转换为合成CT图像的变换函数。
可选地,所述重新计划决策处理器被配置为基于一个或多个参数来确定所述重新计划信息,其中所述一个或多个参数包含时间差、解剖特征在某个方向上的偏差、图像中的某种变形、肿瘤大小差、肿瘤转移、累积剂量与预期剂量之间的差或者前述任何组合。
可选地,所述重新计划决策处理器被配置为基于通过机器学习算法获得的参数来确定所述重新计划信息。
可选地,所述重新计划决策处理器被配置为确定所述患者的所述当前图像与所述患者的计划图像之间的变换,并且确定所述变换是否满足所述重新计划触发模型的标准。
可选地,所述先前治疗计划数据包含用于另一患者的先前计划图像,其中所述一个或多个先前图像包含用于所述另一患者的先前治疗时间图像,并且其中所述标准基于所述另一患者的所述先前计划图像与所述另一患者的所述先前治疗时间图像之间的变换。
可选地,所述重新计划决策处理器被配置为输出所述重新计划信息以减轻所述设备的用户人工决定是否需要所述治疗重新计划的负担或者消除此需要。
一种处理器实施方法包括:与存储患者的当前治疗计划数据和当前图像的一个或多个介质建立通信;经由一个或多个输入从所述一个或多个介质获得所述患者的所述当前治疗计划数据和所述当前图像,其中所述当前治疗计划数据供治疗机处理以治疗所述患者;使用重新计划决策处理器至少部分地基于所述当前治疗计划数据、所述当前图像和所述重新计划触发模型来确定重新计划信息,其中所述重新计划触发模型基于先前治疗计划数据和一个或多个先前图像,并且其中所述重新计划信息指示关于所述治疗重新计划的推荐;以及由所述重新计划决策处理器输出所述重新计划信息。
可选地,输出所述重新计划信息以减轻用户人工确定是否需要所述治疗重新计划的负担或者消除此需要。
通过阅读以下详细描述,其他和进一步的方面和特征将是显而易见的。
附图说明
附图示出了本文描述的各种特征的设计和实用性,其中类似的元件由共同的附图标记表示。这些附图并不一定按比例绘制。为了更好地明白如何获得上述和其他优点和目的,将呈现更具体的描述,其在附图中示出。这些附图仅描绘了示例性特征,因此不应该被视为限制权利要求的范围。
图1示出了可以包括重新计划决策处理器或可以与其结合使用的医疗系统;
图2示出了图1的重新计划决策处理器的一个示例;
图3示出了使用图1的重新计划决策处理器所涉及的信息流;
图4示出了包括预治疗过程和治疗过程的方法;
图5示出了由重新计划决策处理器执行的方法;
图6示出了可以包括重新计划决策处理器或可以与其结合使用的另一种医疗系统;
图7示出了与相应的振幅/位置图对齐的相图的示例;
图8示出了可以包括重新计划决策处理器或可以与其结合使用的另一种医疗系统;
图9示出了可以包括重新计划决策处理器或可以与其结合使用的另一种医疗系统;
图10示出了可以包括重新计划决策处理器或可以与其结合使用的另一种医疗系统;和
图11是专业处理系统的框图。
具体实施方式
在下文中参考附图描述了各种特征。应该注意的是,附图未按比例绘制,并且在所有附图中类似结构或功能的元件由相同的附图标记表示。应该注意的是,附图仅意图便于描述特征。它们并非意图作为对要求保护的发明的详尽描述,或者作为对要求保护的发明的范围的限制。另外地,所示特征不需要具有所示的所有方面或优点。结合特定特征描述的方面或优点不一定限于该特征,并且即使没有如此示出或者如果没有如此明确地描述,也可以在任何其他特征中实践。
图1示出了放射系统10。系统10是治疗系统,其包括机架12、用于支撑患者28的患者支撑件14以及用于控制机架12的操作的控制系统18。机架12呈臂的形式,但是在其他实施方案中,机架12可以具有其他形式(诸如环形等)。系统10还包括放射源20和准直器系统22,该放射源在患者28被支撑在支撑件14上时朝向患者28投射放射束26,该准直器系统用于控制放射束26的递送。准直器22可以被配置为调整放射束26的横截面形状。放射源20可以被配置为在不同实施方案中产生锥形束、扇形束或其他类型的放射束。
如图所示,系统10还包括成像器80,其位于相对于放射源20的操作位置处(例如,在支撑件14下方)。在所示实施方案中,放射源20是用于提供治疗能量的治疗放射源。在此类情况下,治疗能量可以用于获得图像。为了使用治疗能量获得成像,成像器80被配置为响应于具有治疗能量的放射而生成图像(例如,MV成像器)。在其他实施方案中,除了作为治疗放射源之外,放射源20还可以是用于为成像目的提供诊断能量的诊断放射源。在进一步的实施方案中,系统10可以包括用于提供治疗能量的放射源20和用于提供诊断能量的一个或多个其他放射源。在一些实施方案中,治疗能量通常是160千电子伏特(keV)或更高、更典型地1兆电子伏特(MeV)或更高的那些能量,并且诊断能量通常是低于高能量范围、更典型地低于160keV的那些能量。在其他实施方案中,治疗能量和诊断能量可以具有其他能级,并且分别指代用于治疗和诊断目的的能量。在一些实施方案中,放射源20能够在大约10keV至大约20MeV之间的任何范围内的多个光子能级下产生X射线放射。在其他实施方案中,放射源20可以被配置为产生其他能量范围的放射。
在所示实施方案中,控制系统18包括耦合到控制件40的处理单元54,诸如计算机处理器。控制系统18还可以包括用于显示数据的监视器56和用于输入数据的输入装置58,诸如键盘或鼠标。放射源20和机架12的操作由控制件40控制,该控制件向放射源20提供功率和定时信号并且基于从处理单元54接收的信号来控制机架12的转速和位置。在一些情况下,控制件40还可以控制准直器系统22和患者支撑件14的位置。尽管控制件40被示出为与机架12和处理器54分开的部件,但是在可选的实施方案中,控制件40可以是机架12或处理单元54的一部分。
在所示实施方案中,系统10还包括具有成像源150和成像器154的成像装置150。成像装置150被配置为获得患者28的内部部分的一个或多个图像。由成像装置150获得的一个或多个图像可以用于监视患者28的位置。在一些情况下,成像装置150可以被配置为获得患者28的内部基准90的图像。内部基准90可以是患者28内部的内部结构。在一些实施方案中,内部结构可以与期望被治疗的患者28的标靶相对应地(例如,同步地)移动。在此类情况下,内部结构可以用作在患者28的治疗期间确定标靶的位置和/或运动的替代物,并且在一些情况下可以采用基于替代物的运动管理。因此,内部基准90可以由成像装置150(或放射源20和成像器80)成像,该成像装置在患者28的治疗期间用作位置监视系统。通过非限制性示例,内部基准90可以是解剖学替代物,诸如骨结构、血管、天然钙化或体内的任何其他物品。
在一些实施方案中,成像装置150可以是x射线装置。在此类情况下,成像源150包含放射源。在其他实施方案中,成像设备150可以具有其他配置,并且可以被配置为使用其他成像技术来生成图像。例如,在其他实施方案中,成像装置150可以是超声成像装置、MRI装置、断层合成成像装置或任何其他类型的成像装置。而且,在上述实施方案中,成像装置150被示出为与治疗机集成在一起。在其他实施方案中,成像装置150可以是与治疗机分开的单独装置。另外地,在一些实施方案中,成像装置150可以是基于房间的成像系统或基于沙发的成像系统。在任一种情况下,成像装置150可以提供任何形式的成像,诸如x射线成像、超声成像、MRI等。此外,在其他实施方案中,成像装置150可以在它可以被配置为沿与治疗束相同的方向获取图像的意义上提供内嵌成像。例如,可以提供双能源以提供用于生成图像的成像能量,并提供治疗能量以沿相同方向治疗患者。在更进一步的实施方案中,成像装置150可以被配置为提供双能量成像和任何形式的能量分辨成像以增加x射线图像中的对比度。例如,可以使用第一能量生成图像的第一部分,并且可以使用高于第一能量的第二能量生成相同图像的第二部分(例如,包括标靶的更相关的部分)。结果,与第一部分相比,图像的第二部分将具有更高的对比度。然而,与使用第二能量生成整个图像的情况相比,可以减少生成整个图像所涉及的总剂量。
在系统10用于治疗患者28之前,首先确定患者28的治疗计划。例如,技术人员可以获得患者28的治疗计划图像,并且可以处理治疗计划图像以创建治疗计划。通过非限制性示例,治疗计划图像可以是CT图像、PET-CT图像、SPECT-CT图像、x射线图像、超声图像、MRI图像、断层合成图像等。当创建治疗计划时,可以利用治疗计划软件来帮助技术人员创建治疗计划。例如,技术人员可以使用治疗计划软件来描绘患者28体内的解剖结构(标靶和关键器官),并且确定用于向标靶递送治疗能量的不同放射束递送角度,同时最小化能量向关键器官的递送。用户还可以使用治疗计划软件来创建治疗计划的约束(例如,递送至标靶的最小剂量、关键器官的最大可允许剂量等)。治疗计划可以存储为电子文件并且可以稍后由系统10检索。
在治疗当天,系统10(例如,从介质中)检索存储的治疗计划,并且处理治疗计划以向患者28体内的标靶递送治疗能量。例如,系统10的处理器可以电子地处理治疗计划以激活系统10的一个或多个部件以递送治疗能量。系统10的处理器可以使机架12旋转到由治疗计划规定的某个机架角度,并且以机架角度向患者28体内的标靶递送一定量的治疗能量。系统10的处理器还可控制准直器22以在能量源20处于机架角度时使放射束26成形。治疗计划可以规定以多个机架角度递送治疗能量。而且,治疗计划可以规定患者在多天内进行多次治疗。
放射治疗可以包括多个阶段,并且希望将放射递送到所有阶段中的正确部位。然而,由于例如内部器官运动(例如,膀胱充盈、排便等)、患者体重减轻、肿瘤萎缩等,治疗递送时的日常情况可能与治疗计划中预测的情况有很大不同。在某些情况下,如果治疗递送时的实际情况与治疗计划中的预测情况之间的差异太大,则可能不再满足治疗目标。在此类情况下,需要新的治疗计划。在一种实现方式中,对于每个治疗阶段(或每m个阶段),采用kV或锥束CT(CBCT),并且通过视觉检查分析当前患者几何结构。根据对情况的了解和评估,护理人员然后决定患者是否需要新的重新计划或者当前计划是否足够好。这种人工决策并不总是直截了当,而是可能会面临许多灰色区域。因此,并不总是清楚何时需要新的治疗计划,并且面对相同情况的不同护理人员可能会得出关于是否执行重新计划的不同结论。而且,对每个治疗阶段执行新的计划并不总是令人满意的,因为对于护理人员和患者两者来说这是一项耗时的任务。此外,在一些情况下,患者几何结构没有充分改变以证明确定新的治疗计划是合理的。
如图1中所示,根据一些实施方案,系统10包括重新计划决策处理器100,其被配置为帮助技术人员确定是否需要治疗重新计划(以获得新的治疗计划)。重新计划决策处理器100被示为该示例中的处理单元54的一部分。在其他实施方案中,重新计划决策处理器100可以与处理单元54分开。例如,重新计划决策处理器100可以通信地联接到处理单元54,或者可以完全独立于处理单元54(例如,重新计划决策处理器100可以不通信地联接到处理单元54)。在一些情况下,重新计划决策处理器100可以被实施作为治疗计划模块的一部分,作为用于操作治疗系统10的控制件的一部分,或者作为用于监视治疗系统10的工况的单独监视系统的一部分。
图2示出了重新计划决策处理器100的示例。如图所示,重新计划决策处理器100包括比较器202,其被配置为获得当前治疗计划数据204和当前图像206并且将治疗计划数据204与当前图像206进行比较以获得比较结果208。设备200还包括模型施加器220,其被配置为施加重新计划触发模型222以处理比较结果208来确定重新计划信息230。在所示的示例中,重新盘决策处理器100包括模型生成器240,其被配置为确定重新计划触发模型222。在其他实施方案中,模型生成器240可以与重新计划决策处理器100分开。当前治疗计划数据204可以是获得用于创建治疗计划的治疗计划图像(诸如kv图像、CT图像、PET-CT图像、SPECT-CT图像、x射线图像、超声图像、MRI图像、断层合成图像等)。可选地或另外地,当前治疗计划数据204可以是患者治疗或者患者的治疗计划所涉及的一个或多个参数/数据。患者的当前图像206可以是在治疗当天获得的任何图像,诸如当患者被支撑在治疗机旁边的患者支撑件上时获得的图像。当前图像206可以是kv图像、CT图像、PET-CT图像、SPECT-CT图像、x射线图像、超声图像、MRI图像、断层合成图像等。比较器202可以被配置为将治疗计划图像中的特定特征与当前图像中的某个特征进行比较。
可选地或另外地,比较器202可以被配置为将治疗计划参数与当前患者数据进行比较。治疗计划参数可以是患者的计划治疗所涉及的任何信息。例如,治疗计划参数可以是患者的体重、患者的计划剂量,或者为治疗计划确定的任何其他信息。当前患者数据可以是患者的当前体重、递送给患者的当前剂量,或者在治疗当天获得的任何其他信息。
在一些实施方案中,重新计划决策处理器100被配置为基于一个或多个参数来确定重新计划信息230,其中该一个或多个参数包含时间差、解剖特征在某个方向上的偏差、图像中的某种变形、肿瘤大小差、肿瘤转移、累积剂量与预期剂量之间的差或者前述任何组合。
重新计划信息230可以是(1)推荐重新计划,或(2)不推荐重新计划。在其他情况下,重新计划信息230可以是以下一项:(1)推荐重新计划,或(2)不推荐重新计划,以及(3)重新计划的需要是不确定的。
在一些实施方案中,重新计划决策处理器100被配置为自动输出重新计划信息230。例如,响应于某个检测到的事件,重新计划决策处理器100可以在没有任何用户输入的情况下自动输出重新计划信息230。可选地,重新计划信息230的输出可以由重新计划决策处理器100响应于用户的请求而执行。
图3示出了涉及使用图1和图2的重新计划决策处理器100的信息流。如图所示,模型生成器300被配置为获得先前的治疗计划数据302和先前的图像304,并且处理先前的治疗计划数据302和先前的图像304以确定重新计划的触发模型306,和/或确定用于重新计划的触发模型306的参数。模型生成器300可以是图2的模型生成器240的示例。重新计划触发模型306可以是图2的重新计划触发模型222的示例。返回图3,在一些实施方案中,可以存在针对相应不同患者的患者治疗数据的多个数据集308,其中每个数据集308具有针对患者中的相应患者的多个先前治疗计划数据302和先前图像304。在一些情况下,先前图像304包括在相应的先前治疗时间获得的一系列kV或CBCT图像。在其他情况下,先前图像304可以是任何其他类型的图像,诸如MRI图像、PET图像、断层合成图像等,先前图像304可以与相应的时间戳相关联地存储在数据库中。每个先前治疗计划数据302可以包括针对患者28或针对另一患者的先前CT图像、先前剂量矩阵或两者。每个先前治疗计划数据302还可以包括其他参数,诸如患者体重、剂量信息等,每个先前治疗计划数据302可以与相应的时间戳相关联地存储在数据库中。时间戳是有利的,因为它们允许模型生成器300将指示先前治疗计划数据302和每个患者的先前图像304的时间顺序的时间线拼接在一起。
在一些实施方案中,对于先前患者中的至少一个,模型生成器300可以被配置为确定先前治疗计划图像(例如,CT图像)与在治疗计划图像的时间之后的先前图像304之间的变换。模型生成器300然后用先前的重新计划决策来注册该变换。例如,如果在获得先前图像304之后执行治疗重新计划,则模型生成器300随后将相关联的变换与重新计划决策进行注册(例如,“执行重新计划”)。在针对特定患者的先前治疗过程期间,可以存在多个治疗计划数据(具有相应的CT图像),并且还可以存在在治疗计划数据的时间之间获得的多个先前图像304。例如,考虑用于先前治疗的特定患者的以下事件序列:
计划1(w/CT1)、图像1、图像2、计划2(w/CT2)、图像3
在上述示例中,为特定患者创建初始治疗计划(计划1)。计划1包括用于创建计划1的相对应CT图像(CT1)。随后,获得患者的图像1。这可以在治疗疗程期间(即,在递送治疗能量之前)执行以确认患者的某些解剖几何形状(例如,图像1中的几何形状不偏离CT1超过特定阈值)。一旦确认了患者的解剖几何形状,则基于计划1将治疗能量递送至患者(即,在拍摄图像1之后不立即执行重新计划)。随后,拍摄图像2以检查患者的解剖几何形状。这可以在同一个治疗期或不同的治疗期(例如,不同日期的治疗期)期间执行。由于正在治疗的患者的解剖几何形状的某种变化(例如,图像2中的几何形状可能具有与CT1相差超过某个阈值的特征),技术人员确定需要新的治疗计划。因此,执行了重新计划以创建新的治疗计划(计划2)。计划2包括用于创建计划2的对应CT图像(CT2)。随后,获得患者的图像3。这可以在递送治疗能量之前执行以确认患者的某些解剖几何形状(例如,图像3中的几何形状不偏离CT2超过某个阈值)。一旦确认了患者的解剖几何形状,则基于计划2将治疗能量递送至患者。
因此,通过观察特定患者的解剖特征如何随时间变化,以及这些变化如何与先前的重新计划决策相关联,模型生成器300可以创建基于知识的重新计划触发模型306。在上述示例中,模型生成器300可以将图像变化与重新计划决策相关联,如下所示:
CT1(例如CT1的横截面)和图像1之间的变化1=>没有重新计划
CT1(例如CT1的横截面)和图像2之间的变化=>重新计划
CT2(例如CT2的横截面)和图像3之间的变化=>没有重新计划
在上述示例中,治疗计划图像(例如,CT图像)和治疗前图像之间的变化可以是特定组织结构在特定方向上的尺寸变化、特定组织结构在特定方向上的位置变化、特定组织结构(当其在二维图像中出现时的面积变化、CT图像和治疗前图像的横截面之间的变换的特征等。在一些实施方案中,模型生成器300可以被配置(例如,编程)以寻找改变发生的特定特征(例如,尺寸、位置、面积等),其中特定特征可以由用户规定。然后,模型生成器300创建所检测到的特定规定特征的变化与重新计划决策(例如,没有重新计划或重新计划)之间的关联。
在一些实施方案中,模型生成器300可以被实现为重新计划决策处理器100的一部分。在其它实施方案中,模型生成器300可与重新计划决策处理器100分离。
此外,在一些实施方案中,重新计划触发模型306可以存储在重新计划决策处理器100中的非暂时性介质中。在其它实施方案中,重新计划触发模型306可存储在与重新计划决策处理器100分离的非暂时性介质(例如,数据库)中。在这种情况下,重新计划决策处理器100被配置为与非暂时性媒体通信以用于从非暂时性介质获得触发模型306。
在所示实施方案中,模型生成器300可以包括用于确定重新计划触发模型306的机器学习模块370。机器学习模块370被配置为获得先前治疗计划数据302和先前图像304,并且分析先前治疗计划数据302和先前图像304以确定重新计划触发模型306。在一种实现方式中,机器学习模块370被配置为确定与先前图像304相关联的一个或多个特征的变化,并且将这种变化与先前的重新计划决策相关联(例如,执行重新计划,或者不执行重新计划)。与先前图像304相关联的一个或多个特征可以是目标的形状、目标的尺寸、关键器官的形状、关键器官的尺寸、剂量值或前述的任何组合。替代地或附加地,机器学习模块370可被配置为确定与其他患者的先前治疗相关联的其他参数的变化。例如,机器学习模块370可以被配置为确定患者的体重的变化,并且将这种变化与先前的重新计划决策相关联。因此,在一些实施方案中,重新计划决策处理器100可以被配置为基于由机器学习算法370获得的参数来确定重新计划信息。
在一些实施方案中,模型生成器300被配置为接收用户输入372,并且将用户输入372与先前治疗计划数据302和先前图像304一起处理以确定重新计划触发模型306和/或用于重新计划触发模型306的参数。例如,用户可以输入指示模型生成器300(例如,模型生成器300的机器学习模块370)寻找所有先前图像中的目标的维度(例如,沿着特定方向)的命令。在其他实施方案中,模型生成器300可以被配置为在没有任何用户输入的情况下确定重新计划触发模型306。
替代地或附加地,用户输入372可以包括规定应当在其上执行重新计划的条件的一个或多个标准。通过非限制性示例,用户输入可以规定,当对同一患者28的上次治疗以来的时间已经超过某个极限时,当肿瘤大小的变化已经超过某个阈值时,当肿瘤位置的变化已经超过某个阈值时,当累积剂量和预期剂量之间的差异已经超过某个极限时,当解剖特征在某个方向上的偏差已经满足某个标准时,对患者28执行重新计划,等等。在这种情况下,重新计划决策处理器100被配置为基于用户输入372确定重新计划信息。
在一些实施方案中,模型生成器300可以被配置为执行数据挖掘来发现具有与重新计划决策相关联的变化的特征,而不是寻找用户定义的特定特征的变化。例如,模型生成器300可以被配置为对存储在非暂时性介质中的数据执行模式或趋势分析。所存储的数据可以是一个或多个患者的图像、一个或多个患者的治疗数据、以及针对一个或多个患者的先前的重新计划决策。
在上述示例中,模型生成器300与先前的重新计划决策相关联的解剖变化的类型可以由用户规定。例如,用户可以配置模型生成器300以寻找在特定方向上的肝脏的尺寸变化,并且将这种改变与先前的重新计划决策相关联。在其他实施方案中,模型生成器300本身可以被配置为发现先前未检测到的重新计划的触发。例如,在一些实施方案中,模型生成器300可以包括被配置为发现先前未检测到的重新计划的触发的触发检测器。例如,触发检测器可以被配置为通过执行数据挖掘来找出触发重新计划的一个或多个特征以便发现先前未检测到的一个或多个触发。在一种实现方式中,触发检测器可以被配置为寻找与解剖结构相关联的多个特征的变化,且确定那些改变中的任一者是否与针对一个或一个以上先前患者的先前重新计划决策具有任何相关性。如果触发检测器确定解剖结构的某些特征的变化和先前的重新计划决策之间存在相关性(诸如,超过某个阈值的相关性,诸如0.6或更高,或更优选0.7或更高,或更优选0.8或更高,或更优选0.9或更高),则触发检测器可以将该相关性合并到重新计划触发模型306中。
在一些实施方案中,模型生成器300可以基于患者治疗数据的一个数据集308来确定重新计划触发模型306。在其他实施方案中,模型生成器300还可以使用针对经历过先前治疗的其他先前患者的其他患者治疗数据集308来执行相同的分析,并且“学习”解剖特征的变化如何影响个体群体中的重新计划决策。这可导致更稳健且可靠的重新计划触发模型306。
如图3所示,在确定重新计划触发模型306之后,其然后可被重新计划决策处理器100使用。重新计划决策处理器100包括通信地耦合到存储患者的当前治疗计划数据316和当前图像318的一个或多个介质314的一个或多个输入312。当前治疗计划数据316可以是当前治疗计划数据204的示例。而且,当前图像318可以是当前图像206的示例。一个或多个输入312可以被配置为获得患者的当前治疗计划数据316和当前图像318。当前治疗计划数据316用于由治疗机器处理以治疗患者。重新计划决策处理器100被配置为至少部分基于当前治疗计划数据316、当前图像318和重新计划触发模型306来确定重新计划信息320,其中重新计划触发模型306基于先前治疗计划数据302和先前图像304。重新计划信息320指示关于治疗重新计划的推荐。重新计划信息320可以是重新计划信息230的示例。重新计划决策处理器100还被配置为输出重新计划信息320,以减轻装置的用户手动决策治疗重新计划是否合乎需要的负担或避免这种需要。
重新计划触发模型306被配置为基于当前治疗计划数据316和患者的当前图像318提供用于做出重新计划决策的一个或多个标准。标准可以是用于进行重新计划决策的规则的一部分。例如,具有标准的规则可以是:如果患者体重变化超过15%,则执行重新计划。作为另一示例,具有标准的规则可以是:如果目标在当前治疗计划的图像中出现的尺寸差异和患者的当前图像的尺寸差异大于10%,则执行重新计划。作为另一示例,具有标准的规则可以是:如果剂量图像中的剂量值与计划中规定的剂量值相差超过5%,则执行重新计划。在上述示例中,值15%、10%、5%可以由模型生成器300确定,模型生成器300基于先前的治疗计划数据302、先前的图像304、先前的患者数据或前述的组合导出这些标准值。在一些情况下,模型生成器300可以确定每个参数的直方图,并基于直方图确定标准值。例如,可以确定目标的尺寸变化直方图,并且模型生成器300可以根据直方图确定,在过去,当目标的尺寸变化大于10%时,总是执行重新计划,或者更有可能没有执行重新计划。因此,模型生成器300然后将该标准值(例如,10%)合并到模型306中。
当重新计划决策处理器100应用模型306时,重新计划决策处理器100的比较器202将治疗计划图像中的目标尺寸与患者当前图像中的目标尺寸进行比较,以获得比较结果。例如,比较结果可以指示14%的尺寸差异。然后,重新计划决策处理器100的模型施加器220基于该结果应用重新计划触发模型222。如果尺寸差异大于模型222提供的10%,则重新计划决策处理器100的模型施加器220然后推荐执行重新计划。在该示例中,因为比较结果指示差异为14%,所以通过应用模型222,模型施加器220然后确定推荐重新计划。因此,重新计划决策处理器100被配置为基于满足包括阈值的一个或多个标准的一个或多个参数来确定重新计划信息。如所讨论的,一个或多个标准可以基于另一个患者的先前计划图像和另一个患者的先前治疗时间图像之间的比较(例如,变换)。先前的计划图像可以被认为是先前患者治疗数据的示例。
在一种实施方式中,重新计划决策处理器100被配置为确定患者的当前图像318与患者的计划图像316之间的变换,并确定所述变换是否满足重新计划触发模型306的标准。所述标准可以包括所讨论的一个或多个阈值。而且,在一些情况下,可以使用将kV/CBCT图像转换为合成CT图像的变换函数来实现变换,反之亦然。在另一实施方式中,重新计划决策处理器100被配置为基于相似度函数确定重新计划信息。相似度函数可以被配置为将患者的当前图像中的某个特征与患者的治疗计划图像中的对应特征进行比较。
图4示出了方法400,其包括治疗前过程402和治疗过程404。在治疗前过程402期间,获得患者的治疗计划图像(条目410),并且基于治疗计划图像确定初始治疗计划(条目412)。如图所示,治疗计划图像也可以被分段以允许确定初始治疗计划。治疗计划图像可以是kv图像、CT图像、合成CT图像、x射线图像、MRI图像、PET图像、SPECT图像、断层合成图像或任何其他类型的图像。
在治疗过程404期间,对患者进行成像以获得患者的当前图像(条目420)。当前图像可以是kV图像、CT图像(例如锥束CT图像)、x射线图像、MRI图像、PET图像、SPECT图像、断层合成图像或任何其他类型的图像。获得当前图像的动作可以由生成当前图像的成像装置执行。可选地,获得当前图像的动作可以由重新计划决策处理器100执行,所述重新计划决策处理器从诸如成像装置的另一装置或存储当前图像的非暂时性介质接收当前图像。
接下来,将当前图像与治疗计划图像进行比较(条目422)。在一些实施方案中,条目422可以由重新计划决策处理器100执行。此外,在一些实施方案中,可以通过确定当前图像与治疗计划图像之间的变换来执行当前图像与治疗计划图像的比较。在其他实施方案中,可以通过将当前图像中的某个特征与治疗计划图像中的某个特征进行比较来执行条目422。所述特征可以是靶标的尺寸(例如,靶标在某个方向上的大小)、靶标的形状、关键器官的尺寸(例如,关键器官在某个方向上的大小)、关键器官的形状等。另外,在一些实施方案中,在当前图像与治疗计划图像之间进行比较的特征可以与重新计划触发模型306中的特征相对应。例如,如果重新计划触发模型306提供用于推荐要执行的重新计划的某个标准,并且标准涉及满足标准的图像中的某个特征的改变,则在条目422中,重新计划决策处理器100可以将当前图像中的特征与治疗计划图像中的特征进行比较。
接下来,重新计划决定处理器100基于当前图像与治疗计划图像之间的比较结果应用重新计划触发模型306,以确定是否推荐重新计划(条目430)。例如,如果当前图像与治疗计划图像之间的比较指示靶标沿某个方向的尺寸差异为23%,并且如果重新计划触发模型具有推荐重新计划的标准,若靶标沿某一方向的尺寸差异超过15%,则重新计划决策处理器应用重新计划触发模型(例如,通过比较23%与15%标准)以确定是否推荐重新计划。在上文示例中,因为重新计划触发模型306提供了23%>15%,所以重新计划决策处理器100确定推荐重新计划。在其他示例中,代替靶标的尺寸,可以比较当前图像与治疗计划图像中的其他特征。此外,在其他实施方案中,代替比较当前图像与治疗计划图像中的特征,重新计划决策处理器100可以比较其他参数。例如,重新计划决策处理器100可以比较治疗计划期间患者的体重与治疗会话期间患者的体重(例如,当患者在治疗机旁边的患者支持物上时,但在递送治疗能量之前)。作为另一个示例,重新计划决策处理器100可以将治疗计划中的计划剂量与已经递送给患者的当前剂量进行比较(例如,其中可以从剂量图像获得当前剂量)。
如果条目430的结果指示推荐重新计划,则重新计划决策处理器100可以输出指示推荐重新计划的重新计划信息(条目432)。如果重新计划决策处理器100的用户接受推荐,则用户可以执行重新计划以确定新的治疗计划(条目440)。例如,用户可以操作治疗计划系统以基于当前图像或者基于当患者在治疗机旁边的患者支持物上时获得的新的治疗计划图像更新初始治疗计划。一旦确定了新的治疗计划,就评价新的治疗计划以确定它是否适合于由治疗机执行来治疗患者(条目442)。如果确定新的治疗计划是可接受的,则由治疗机执行新的治疗计划来治疗患者(条目450)。
另一方面,如果条目430的结果指示不推荐重新计划,则重新计划决策处理器100可以输出指示不推荐重新计划的重新计划信息(条目434)。在这种情况下,然后由治疗机执行初始治疗计划以治疗患者(条目450)。在治疗会话中治疗患者之后,方法400进而循环回到条目420。例如,在可能在同一天或在不同的一天进行的另一治疗会话中,可以在条目420中再次对患者成像。然后重复所述方法。
如上文的实施方案所示,方法400是有利的,因为重新计划信息减轻了设备的用户手动决定是否希望作出治疗重新计划的负担或者用于避免此需要。
图5示出了由重新计划决策处理器100执行的方法500。处理器实施的方法500包括与存储当前治疗计划数据和患者的当前图像的一个或多个介质建立通信(条目502)。方法500还包括经由一个或多个输入从一个或多个介质获得当前治疗计划数据和患者的当前图像,其中当前治疗计划数据用于由治疗机处理以治疗患者(条目504)。方法500还包括使用重新计划决策处理器100,至少部分地基于当前治疗计划数据、当前图像和重新计划触发模型来确定重新计划信息,其中重新计划触发模型是基于先前的治疗计划数据和先前的一个或多个图像,并且其中重新计划信息指示关于治疗重新计划的推荐(条目506)。方法500还包括通过重新计划决策处理器100输出重新计划信息(条目508)。在一些实施方案中,输出重新计划信息以减轻用户手动决定是否希望作出治疗重新计划的负担或者避免此需要。
在其他实施方案中,代替使用作为患者28的内部部分的内部基准,系统10可以包括外部基准,例如标记物系统,以便在治疗期间监测患者28的位置。图6示出了另一个系统10,其类似于参考图1描述的系统,除了图6的系统10还包括患者位置监测系统600(其包含相机602和标记物块604)。标记物块604包括多个标记物606,并且被配置为在使用期间联接到患者28。例如,标记物块604可以放置在患者的胸部上,使得标记物块604将与患者的呼吸相应地移动。相机602被配置为查看标记物块604,并拍摄标记物块604的图像。标记物块604的图像可以由处理单元54处理以确定标记物块604的位置。进而,处理单元54可以使用标记物块604的位置确定患者28的呼吸幅度和/或呼吸相位。
可选地,代替拍摄标记物块604的图像,相机602可以拍摄患者的身体表面,并且处理单元54可以基于身体表面的图像确定呼吸幅度和/或相位。在一种实施方式中,表面扫描装置(例如深度感测相机)可以被配置为检测患者的表面。处理单元可以接收深度图像,并且可以基于深度图像提取呼吸信号(例如呼吸相位)。此外,在一些实施方案中,处理单元可以使用患者的表面在内部靶标运动和外部表面运动之间建立相关。
在一种实施方式中,对于每个呼吸幅度(其可以是由于呼吸而移动的任何身体部位的位置、联接到这样的身体部位的对象的位置、或者与呼吸相关联的任何信号),处理单元54确定针对呼吸幅度的对应呼吸相位。生理周期的相位代表生理周期的完成程度。在一些实施方案中,呼吸循环的相位可以由具有0°与360°之间的值的相变量表示。图7示出了与对应的幅度/位置图652对准的相图650的实施例。幅度图652包括使用本文所述技术的实施方案确定的标记物块604或身体表面的位置点。幅度图652中的每个点表示某个时间点标记物块604的位置或身体部位的位置。在所示的实施例中,0°(和360°)的相位值表示吸气状态的峰值,并且在生理周期中相位值在0°与360°之间线性地变化。如图所示,对于某一时间点的幅度图652中的每个点,可以获得相同时间点的对应相位值。因此,对于每个呼吸幅度,处理单元54可以确定呼吸循环的对应相位。在一些实施方案中,确定的相位可以被认为是呼吸信号的示例。
在一些实施方案中,当使用图6的系统10时,放射源20围绕患者28转动,以从多个机架角度递送治疗放射,例如如在弧形疗法中那样。当将治疗放射递送到患者28时,可以监测患者28的状态,例如患者的呼吸状态。在一些实施方案中,处理单元54处理来自相机602的信号以确定患者28的呼吸幅度,然后基于幅度对治疗放射的递送进行门控。例如,当确定的幅度在规定的幅度范围内时,处理单元54可以使得放射源20递送放射或者停止递送放射。在其他实施方案中,处理单元54处理来自相机602的信号以确定患者28的呼吸相位,然后基于呼吸相位对治疗放射的递送进行门控。例如,当确定的相位在规定的相位范围内时,处理单元54可以使得放射源20递送放射或者停止递送放射。在另外的实施方案中,处理单元54处理来自相机602的信号以检测非周期性,然后基于非周期性的检测来对治疗放射的递送进行门控。在其他实施方案中,代替或除了控制放射的递送之外,处理单元54可以被配置为基于所确定的幅度和/或相位或非周期性的检测来控制机架12(例如使机架12停止、加速或减速)和/或定位患者支持物14。在另外的实施方案中,处理单元54可以被配置为控制机架12和/或放射源20以跟踪靶标的移动,使得治疗束将跟随靶标的移动。
在治疗过程中,处理单元54监测患者28的呼吸,并将呼吸的一种或多种特征(例如呼吸信号、呼吸幅度、呼吸相位、呼吸滞后等)与被放射束26照射的内部靶区域的位置相关联。例如,基于从相机602接收的图像,处理单元54然后确定呼吸循环的相位/幅度。然后,处理单元54使用呼吸循环的相位或幅度,以基于在呼吸相位/幅度与内部靶区域的位置之间预先建立的关系来确定内部靶区域的位置。在一些实施方案中,呼吸相位/幅度与靶位置之间的关系可以由医生在治疗计划过程中预先确定。例如,在治疗计划过程中,可以确定当患者处于呼吸相位=40°时,内部靶区域的对应位置处于相对于等中心点而言的位置X=45mm、Y=23mm和Z=6mm。此技术允许基于由治疗放射系统10获得的呼吸信号,所述系统10向靶区域靶向递送放射。
在一些实施方案中,重新计划决策处理器100可以被配置为基于使用患者位置监测系统600获得的位置信息来确定重新计划信息。例如,重新计划决策处理器100可以确定如下度量,其测量标记物块604的位置表示靶标的实际位置的准确性。如果度量低于某个阈值,则重新计划决策处理器100可以提供重新计划信息(例如,推荐停止治疗会话,并执行重新计划)。在一些情况下,阈值可以由模型生成器240确定,所述模型生成器分析针对其他患者的先前度量和先前重新计划决策。例如,模型生成器240可以确定当度量低于某个值时,对其他患者执行了重新计划。然后,模型生成器240将此值并入到模型222中,然后由重新计划决策处理器100使用所述模型来基于当前治疗会话的当前度量确定重新计划信息。
在图6的上述实施方案中,系统10被描述为具有相机,所述相机用于在标记物块上查看标记物以获得表示患者28的运动的运动数据。可替代的反射标记物可以直接放置在患者的表面上(例如在患者的皮肤上或患者的衣服上)。在其他实施方案中,可以采用其他技术和装置来获得表示患者28的运动的运动数据。例如,如图8所示,在其他实施方案中,可以将一个或多个内部标记物120植入患者28体内。在使用期间,成像装置150可以将一个或多个标记物120成像以生成图像序列。图像形成拍摄一个或多个标记物120的移动的视频。一个或多个标记物移动可以对应于希望被治疗的靶标的移动。在此类情况下,一个或多个标记物120可以用作用于由成像装置150查看的替代物,所述成像装置用作位置监测装置以在患者28的治疗期间监测患者移动。因此,一个或多个标记物120可以用作在患者28的治疗期间确定靶标的位置和/或运动的替代物/代用品,并且在一些情况下可以采用基于一个或多个标记物120的运动管理。在一些实施方案中,可以将一个或多个标记物120在包括靶标的相同器官处植入。在其他实施方案中,可以将一个或多个标记物120在靶标处植入。在另外的实施方案中,一个或多个标记物可以远离靶标植入。
在一些实施方案中,重新计划决策处理器100可以被配置为基于使用一个或多个标记物120和成像装置150获得的位置信息来确定重新计划信息。例如,重新计划决策处理器100可以确定如下度量,其测量一个或多个标记物120的位置表示靶标的实际位置的准确性。如果度量低于某个阈值,则重新计划决策处理器100可以提供重新计划信息(例如,推荐停止治疗会话,并执行重新计划)。在一些情况下,阈值可以由机器学习模块270确定,所述机器学习模块分析针对其他患者的先前度量和先前重新计划决策。例如,模型生成器240可以确定当度量低于某个值时,对其他患者执行了重新计划。然后,模型生成器240将此值并入到模型222中,然后由重新计划决策处理器100使用所述模型来基于当前治疗会话的当前度量确定重新计划信息。
在另外的实施方案中,系统10可以采用内部靶标跟踪,其使用植入在靶区域(例如肿瘤)中或附近的一个或多个信标130以及一个或多个定位器132(图9)。在一种实施方式中,一个或多个信标可以是一个或多个射频或电磁有源或无源转发器。在此类情况下,一个或多个定位器132可以是外部阵列天线。在使用期间,一个或多个转发器通过外部阵列天线定位,所述外部阵列天线发送查询信号并处理转发器响应信号。在其他情况下,信标可以是被配置为发射信号的有源信标,以便由一个或多个定位器132进行感测。在此类情况下,一个或多个定位器132可以是被配置为感测信标信号的一个或多个传感器。然后,可以通过处理单元处理所感测的信号,以基于三角形法确定信标130的位置。因此,一个或多个信标130可以用作在患者28的治疗期间确定靶标的位置和/或运动的替代物/代用品,并且在一些情况下可以采用基于一个或多个信标130的运动管理。
在一些实施方案中,重新计划决策处理器100可以被配置为基于使用一个或多个信标130和一个或多个定位器132获得的位置信息来确定重新计划信息。例如,重新计划决策处理器100可以确定如下度量,其测量一个或多个信标130的位置表示靶标的实际位置的准确性。如果度量低于某个阈值,则重新计划决策处理器100可以提供重新计划信息(例如,推荐停止治疗会话,并执行重新计划)。在一些情况下,阈值可以由模型生成器240确定,所述模型生成器分析针对其他患者的先前度量和先前重新计划决策。例如,模型生成器240可以确定当度量低于某个值时,对其他患者执行了重新计划。然后,模型生成器240将此值并入到模型222中,然后由重新计划决策处理器100使用所述模型来基于当前治疗会话的当前度量确定重新计划信息。
在其他实施方案中,系统10可以利用一个或多个外部标记物和一个或多个内部标记物两者来监测患者28的位置和/或运动。例如,如图10所示,系统10可以包括患者位置监测系统600(其具有用于查看标记物块604的相机602),以及成像装置150(用于对一个或多个内部标记物120成像)。在其他实施方案中,其他一个或多个对象可以用作一个或多个外部标记物和一个或多个内部标记物。例如,在其他实施方案中,患者体内的解剖学替代物可以用作内部标记物。而且,在其他实施方案中,代替使用相机602来检测标记物块604,可以设置表面扫描系统来检测患者的表面。在此类情况下,表面或检测的表面的特征可以用作一个或多个外部标记物。在检测外部和内部标记物二者的系统中,系统可以被配置为确定相关模型,所述相关模型将一个或多个外部标记物的运动与一个或多个内部标记物的运动相关联。
在一些实施方案中,重新计划决策处理器100可以被配置为基于使用(1)标记物块604和/或一个或多个内部标记物120获得的位置信息来确定重新计划信息。例如,重新计划决策处理器100可以确定如下度量,其测量一个或多个标记物120的位置和/或标记物块604的位置表示靶标的实际位置的准确性。如果度量低于某个阈值,则重新计划决策处理器100可以提供重新计划信息(例如,推荐停止治疗会话,并执行重新计划)。在一些情况下,阈值可以由模型生成器240确定,所述模型生成器分析针对其他患者的先前度量和先前重新计划决策。例如,模型生成器240可以确定当度量低于某个值时,对其他患者执行了重新计划。然后,模型生成器240将此值并入到模型222中,然后由重新计划决策处理器100使用所述模型来基于当前治疗会话的当前度量确定重新计划信息。
在其他实施方案中,系统10可以包括用于提供关于患者28的一部分的呼吸信息或位置信息的其他类型的装置。例如,在其他实施方案中,系统10可以包括联接到患者28的应变仪。在此类情况下,应变仪通信地耦合到处理单元54,以提供表示患者28的呼吸幅度的信号。在其他实施方案中,系统10可以包括耦合到患者口腔和/或鼻子的传感器,以感测患者的呼吸。处理单元54通信地耦合到传感器,并从传感器接收信号。信号可以表示呼吸幅度,或者可以用于获得呼吸幅度和/或呼吸相位。
在上文的实施方案中,治疗系统被描述为递送放射。在一些情况下,治疗系统可以被配置为提供质子束或其他粒子束,以治疗患者。质子束(或其他粒子束)可以被认为是放射的形式。因此,如在本说明书中所使用的,术语“放射”不限于x射线类型放射,并且可以包括从来源“放射”的其他形式的能量递送。
专业处理系统
图11是示出可以用于实施本文描述的各种实施方案的专业处理系统1600的实施方案的框图。例如,处理系统1600可以被配置为执行图4的方法400或图5的方法500的任何部分。而且,在一些实施方案中,处理系统1600可以用于实施重新计划决策处理器100。处理系统1600还可以是本文描述的任何处理器。
参考图11,处理系统1600包括总线1602或用于传达信息的其他通信机构,以及与总线1602耦合以处理信息的处理器1604。处理系统1600还包括耦合到总线1602以存储要由处理器1604执行的信息和指令的主存储器1606,诸如随机存取存储器(RAM)或其他动态存储装置。主存储器1606还可以用于在执行要由处理器1604执行的指令期间存储临时变量或其他中间信息。处理器系统1600还包括只读存储器(ROM)1608或耦合到总线1602以存储用于处理器1604的静态信息及指令的其他静态存储装置。数据存储装置1610(诸如磁盘或光盘)被提供并且耦合到总线1602以存储信息和指令。
处理器系统1600可以经由总线1602耦合到显示器167(诸如阴极射线管(CRT))以将信息显示给用户。包括字母数字键和其他键的输入装置1614耦合到总线1602以将信息及命令选择传达到处理器1604。另一种类型的用户输入装置是光标控制件1616,诸如鼠标、轨迹球或用于将直接信息和命令选择传达到处理器1604和用于控制光标在显示器167上移动的光标方向键。该输入装置通常在两个轴(第一轴(即,x)和第二轴(即,y))上具有两个自由度,这允许该装置在平面中指定位置。
在一些实施方案中,处理器系统1600可以用于执行本文描述的各种功能。根据一些实施方案,响应于处理器1604执行包含在主存储器1606中的一个或多个指令的一个或多个序列,处理器系统1600提供这种用途。所属领域技术人员将知道如何基于本文描述的功能和方法来准备此类指令。此类指令可以从另一处理器可读介质(诸如存储装置1610)读取到主存储器1606中。包含于主存储器1606中的指令序列的执行使得处理器1604执行本文描述的过程。多处理布置中的一个或多个处理器也可以用于执行主存储器1606中的指令序列。在可选的实施方案中,硬连线电路可以用于取代或结合软件指令以实施本文描述的示例性实施方案。因此,实施方案不受限于硬件电路和软件的任何具体组合。
如本文使用的术语“处理器可读介质”是指参与向处理器1604提供指令以供执行的任何介质。该介质可以呈许多形式,包括(但不限于)非易失性介质、易失性介质及传输介质。非易失性介质可以包括例如光盘或磁盘,诸如存储装置1610。非易失性介质可以被认为是非暂时性介质的示例。易失性介质包括动态存储器,诸如主存储器1606。易失性介质可以被认为是非暂时性介质的示例。传输介质包括同轴缆线、铜线和光纤,其包括包含总线1602的导线。传输介质也可以采用声波或光波的形式,诸如在无线电波和红外数据通信期间产生的声波或光波。
常见形式的处理器可读介质包括(例如)软磁盘、软盘、硬盘、磁带、任何其他磁性介质、CD-ROM、任何其他任何光学介质、穿孔卡、纸带、带有穿孔图案的任何其他物理介质、RAM、PROM和EPROM、FLASH-EPROM、任何其他存储器芯片或盒式磁带、如下文描述的载波或计算机可以从中读取的任何其他介质。
在将一或多个指令的一或多个序列载送到处理器1604以供执行可以涉及各种形式的处理器可读介质。例如,指令最初可以携带在远程计算机的磁盘上。远程计算机可将指令加载到其动态存储器中并使用调制解调器通过电话线发送指令。处理系统1600本地的调制解调器可以在电话线上接收数据并使用红外发射器将数据转换成红外信号。耦合到总线1602的红外检测器可以接收红外信号中携带的数据并将数据放置在总线1602上。总线1602将数据载送到主存储器1606,处理器1604从该主存储器中检索并执行指令。主存储器1606接收的指令可以可选地在由处理器1604执行前后存储在存储装置1610上。
处理系统1600还包括耦合到总线1602的通信接口1618。通信接口1618提供耦合到网络链路1620的双向数据通信,该网络链路连接到本地网络1622。例如,通信接口1618可以是综合业务数字网(ISDN)卡或调制解调器以提供与相应类型的电话线的数据通信连接。作为另一示例,通信接口1618可以是局域网(LAN)卡以提供与兼容LAN的数据通信连接。还可以实施无线链路。在任何这种实现方式中,通信接口1618发送并接收电、电磁或光信号,其载送表示各种类型的信息的数据流。
网络链路1620通常通过一个或多个网络向其他装置提供数据通信。例如,网络链路1620可以通过本地网络1622提供与主计算机1624或与诸如放射束源或可操作地耦合到放射束源的开关等设备1626的连接。通过网络链路1620传输的数据流可以包含电、电磁或光信号。通过各种网络的信号和网络链路1620上以及通过通信接口1618(其将数据载送到处理系统1600和从处理系统载送数据)的信号是传输信息的载波的示例性形式。处理系统1600可以通过一个或多个网络、网络链路1620和通信接口1618发送消息并接收包括程序代码的数据。
尽管已经示出和描述了特定的特征,但是应该理解,它们并不意图限制要求保护的发明,并且对于所属领域技术人员来说显而易见的是,在不脱离要求保护的发明的精神和范围的情况下可以进行各种改变和修改。因此,说明书及附图被认为是说明性的而不是限制性的。要求保护的发明意图涵盖所有替代、修改和等同物。

Claims (22)

1.一种用于涉及具有能量源的治疗机的治疗过程的设备,所述设备包括:
一个或多个输入,其通信地耦合到存储患者的当前治疗计划数据和当前图像的一个或多个介质,所述一个或多个输入被配置为获得所述患者的所述当前治疗计划数据和所述当前图像,其中所述当前治疗计划数据用于供所述治疗机处理以治疗所述患者;和
重新计划决策处理器,其被配置为至少部分地基于所述当前治疗计划数据、所述当前图像和所述重新计划触发模型来确定重新计划信息,所述重新计划触发模型基于先前治疗计划数据和一个或多个先前图像,并且其中所述重新计划信息指示关于所述治疗重新计划的推荐;
其中所述重新计划决策处理器被配置为输出所述重新计划信息。
2.如权利要求1所述的设备,其中所述当前治疗计划数据包含用于为所述患者操作所述治疗机的机器参数。
3.如权利要求1所述的设备,其中所述设备还被配置为获得所述用户的输入,并且其中所述重新计划决策处理器被配置为基于所述用户的所述输入来确定所述重新计划信息。
4.如权利要求3所述的设备,其中所述输入包含规定何时应该执行重新计划的一个或多个标准。
5.如权利要求1所述的设备,其中所述重新计划决策处理器被配置为自动输出所述重新计划信息。
6.如权利要求1所述的设备,其中所述当前治疗计划数据包含所述患者的CT图像、剂量矩阵或两者。
7.如权利要求6所述的设备,其中所述先前治疗计划数据包含所述患者或另一患者的先前CT图像、先前剂量矩阵或两者。
8.如权利要求1所述的设备,其中所述一个或多个先前图像包含在相应的先前治疗时间获得的一系列kV或CBCT图像。
9.如权利要求1所述的设备,其中所述一个或多个先前图像包含在相应的先前治疗时间获得的一系列图像,并且其中所述设备还包含存储与相应的时间戳相关联的所述一系列图像的数据库。
10.如权利要求1所述的设备,其还包含触发检测器,所述触发检测器被配置为发现重新计划的一个或多个先前未检测到的触发。
11.如权利要求10所述的设备,其中所述触发检测器被配置为通过执行数据挖掘来找出触发所述重新计划的一个或多个特征以便发现所述一个或多个先前未检测到的触发。
12.如权利要求1所述的设备,其中所述重新计划决策处理器被配置为基于相似度函数来确定所述重新计划信息。
13.如权利要求1所述的设备,其中所述重新计划信息指示以下三项中的一者:推荐重新计划、没有推荐重新计划,重新计划的需要是不确定的。
14.如权利要求1所述的设备,其中所述重新计划决策处理器被配置为基于一个或多个参数满足包括阈值的一个或多个标准来确定所述重新计划信息。
15.如权利要求1所述的设备,其中所述重新计划决策处理器被配置为获得将kV或CBCT图像转换为合成CT图像的变换函数。
16.如权利要求1所述的设备,其中所述重新计划决策处理器被配置为基于一个或多个参数来确定所述重新计划信息,其中所述一个或多个参数包含时间差、解剖特征在某个方向上的偏差、图像中的某种变形、肿瘤大小差、肿瘤转移、累积剂量与预期剂量之间的差或者前述任何组合。
17.如权利要求1所述的设备,其中所述重新计划决策处理器被配置为基于通过机器学习算法获得的参数来确定所述重新计划信息。
18.如权利要求1所述的设备,其中所述重新计划决策处理器被配置为确定所述患者的所述当前图像与所述患者的计划图像之间的变换,并且确定所述变换是否满足所述重新计划触发模型的标准。
19.如权利要求18所述的设备,其中所述先前治疗计划数据包含用于另一患者的先前计划图像,其中所述一个或多个先前图像包含用于所述另一患者的先前治疗时间图像,并且其中所述标准基于所述另一患者的所述先前计划图像与所述另一患者的所述先前治疗时间图像之间的变换。
20.如权利要求18所述的设备,其中所述重新计划决策处理器被配置为输出所述重新计划信息以减轻所述设备的用户人工决定是否需要所述治疗重新计划的负担或者消除此需要。
21.一种处理器实施方法,其包括:
与存储患者的当前治疗计划数据和当前图像的一个或多个介质建立通信;
经由一个或多个输入从所述一个或多个介质获得所述患者的所述当前治疗计划数据和所述当前图像,其中所述当前治疗计划数据供治疗机处理以治疗所述患者;
使用重新计划决策处理器至少部分地基于所述当前治疗计划数据、所述当前图像和所述重新计划触发模型来确定重新计划信息,其中所述重新计划触发模型基于先前治疗计划数据和一个或多个先前图像,并且其中所述重新计划信息指示关于所述治疗重新计划的推荐;以及
由所述重新计划决策处理器输出所述重新计划信息。
22.如权利要求21所述的方法,其中输出所述重新计划信息以减轻用户人工确定是否需要所述治疗重新计划的负担或者消除此需要。
CN201910105850.0A 2018-02-01 2019-02-01 使用基于知识的模型触发自适应计划的系统和方法 Active CN110101974B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/886,373 2018-02-01
US15/886,373 US10981019B2 (en) 2018-02-01 2018-02-01 Systems and methods for triggering adaptive planning using knowledge based model

Publications (2)

Publication Number Publication Date
CN110101974A true CN110101974A (zh) 2019-08-09
CN110101974B CN110101974B (zh) 2023-05-26

Family

ID=65516415

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910105850.0A Active CN110101974B (zh) 2018-02-01 2019-02-01 使用基于知识的模型触发自适应计划的系统和方法

Country Status (3)

Country Link
US (1) US10981019B2 (zh)
EP (1) EP3520859B1 (zh)
CN (1) CN110101974B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114849089A (zh) * 2022-06-08 2022-08-05 上海联影医疗科技股份有限公司 一种放射治疗引导方法和系统
WO2024031659A1 (zh) * 2022-08-12 2024-02-15 北京银河方圆科技有限公司 医疗系统及协同处理方法和可读存储介质
US12011613B2 (en) 2019-09-09 2024-06-18 Siemens Healthineers International Ag Systems and methods for automatic treatment planning and optimization

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11273326B2 (en) * 2017-06-29 2022-03-15 Canon Medical Systems Corporation Radiotherapy system and treatment support apparatus
US11173323B2 (en) * 2018-07-27 2021-11-16 Reshma Munbodh Computer-implemented method of evaluating a protocol for radiation therapy including a pre-treatment physics chart review (TPCR)
US11475991B2 (en) 2018-09-28 2022-10-18 Varian Medical Systems International Ag Methods and systems for adaptive radiotherapy treatment planning using deep learning engines
US10984902B2 (en) 2018-09-28 2021-04-20 Varian Medical Systems International Ag Methods and systems for adaptive radiotherapy treatment planning using deep learning engines
US11013936B2 (en) 2018-12-21 2021-05-25 Varian Medical Systems International Ag Methods and systems for generating dose estimation models for radiotherapy treatment planning
EP3936187A1 (en) * 2020-07-09 2022-01-12 Koninklijke Philips N.V. An artificial intelligence system to support adaptive radiotherapy
CN114446441B (zh) * 2022-02-11 2023-07-21 福建自贸试验区厦门片区Manteia数据科技有限公司 基于计划库调用的自适应放疗的方法和装置
EP4311573A1 (en) * 2022-07-28 2024-01-31 Siemens Healthcare GmbH Method and system for determining a treatment continuation information for a radiotherapy

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050201516A1 (en) * 2002-03-06 2005-09-15 Ruchala Kenneth J. Method for modification of radiotherapy treatment delivery
US20080279430A1 (en) * 2005-12-08 2008-11-13 Koninklijke Philips Electronics, N.V. System and Method for Enabling Selection of an Image Registration Transformation
US20090257557A1 (en) * 2008-03-14 2009-10-15 Cyberheart, Inc. Radiation Treatment Planning and Delivery for Moving Targets in the Heart
CN104258507A (zh) * 2014-10-15 2015-01-07 大连现代医疗设备科技有限公司 一种基于呼吸监测的4d伽玛刀计划的实施方法及系统
US20160310761A1 (en) * 2013-12-31 2016-10-27 The Medical Collee Of Wisconsin, Inc. Adaptive replanning based on multimodality imaging
CN106110520A (zh) * 2016-07-20 2016-11-16 上海联影医疗科技有限公司 放射治疗模拟机
US9764162B1 (en) * 2013-10-28 2017-09-19 Elekta, Inc. Automated, data-driven treatment management system for adaptive radiotherapy workflows

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050201516A1 (en) * 2002-03-06 2005-09-15 Ruchala Kenneth J. Method for modification of radiotherapy treatment delivery
US20080279430A1 (en) * 2005-12-08 2008-11-13 Koninklijke Philips Electronics, N.V. System and Method for Enabling Selection of an Image Registration Transformation
US20090257557A1 (en) * 2008-03-14 2009-10-15 Cyberheart, Inc. Radiation Treatment Planning and Delivery for Moving Targets in the Heart
US9764162B1 (en) * 2013-10-28 2017-09-19 Elekta, Inc. Automated, data-driven treatment management system for adaptive radiotherapy workflows
US20160310761A1 (en) * 2013-12-31 2016-10-27 The Medical Collee Of Wisconsin, Inc. Adaptive replanning based on multimodality imaging
CN104258507A (zh) * 2014-10-15 2015-01-07 大连现代医疗设备科技有限公司 一种基于呼吸监测的4d伽玛刀计划的实施方法及系统
CN106110520A (zh) * 2016-07-20 2016-11-16 上海联影医疗科技有限公司 放射治疗模拟机

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US12011613B2 (en) 2019-09-09 2024-06-18 Siemens Healthineers International Ag Systems and methods for automatic treatment planning and optimization
CN114849089A (zh) * 2022-06-08 2022-08-05 上海联影医疗科技股份有限公司 一种放射治疗引导方法和系统
CN114849089B (zh) * 2022-06-08 2024-09-10 上海联影医疗科技股份有限公司 一种放射治疗引导方法和系统
WO2024031659A1 (zh) * 2022-08-12 2024-02-15 北京银河方圆科技有限公司 医疗系统及协同处理方法和可读存储介质

Also Published As

Publication number Publication date
US20190232087A1 (en) 2019-08-01
EP3520859A1 (en) 2019-08-07
EP3520859B1 (en) 2022-12-14
CN110101974B (zh) 2023-05-26
US10981019B2 (en) 2021-04-20

Similar Documents

Publication Publication Date Title
CN110101974A (zh) 使用基于知识的模型触发自适应计划的系统和方法
US8396248B2 (en) Sequential stereo imaging for estimating trajectory and monitoring target position
CN103501696B (zh) 使用信号-相位直方图预测呼吸信号并测定呼吸的非周期性
JP5264075B2 (ja) 生体内マーカを使ったターゲットの位置特定
US9179982B2 (en) Method and system for automatic patient identification
US9271692B2 (en) System and method for triggering an imaging process based on non-periodicity in breathing
EP3565634B1 (en) System for patient-specific motion management for treatment
CN109069083A (zh) 呈现与运动模型相关联的一系列图像
CN108882899A (zh) 通过调整与模型图像相关联的参数来操纵呼吸模型
Mao et al. Fast internal marker tracking algorithm for onboard MV and kV imaging systems
CN108883294A (zh) 用于在整个放射治疗中监视结构运动的系统和方法
CN106061376A (zh) 用于患者位置监测的系统和方法
US20140343401A1 (en) Systems and methods for considering target motion in medical field
CN111699021A (zh) 对身体中的目标的三维跟踪
Ibbott The need for, and implementation of, image guidance in radiation therapy
WO2023235923A1 (en) Markerless anatomical object tracking during an image-guided medical procedure
EP3060302B1 (en) System for triggering an imaging process
Goharian et al. Measurement of time delay for a prospectively gated CT simulator
US11511131B2 (en) Radiation treatment parameters for target region tumour
US20230404504A1 (en) Kalman filter framework to estimate 3d intrafraction motion from 2d projection
Dick Fiducial-Less Real-Time Tracking of the Radiation Therapy of Liver Tumors Using Artificial Neural Networks
JP2024046062A (ja) 呼吸訓練システム、呼吸訓練方法および呼吸訓練プログラム
Tahavori The application of a low-cost 3D depth camera for patient set-up and respiratory motion management in radiotherapy
Yin et al. 2272 Automated breast feature extraction in digital portal image for computerized patient positioning verification

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40008614

Country of ref document: HK

SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant