CN110947108A - 用于自动靶体积生成的系统、方法和设备 - Google Patents

Abstract

本公开的实施例涉及用于自动靶体积生成的系统、方法和设备。一种系统和方法，使用结构引导变形在治疗图像中自动生成诸如靶体积的结构，以将结构从计划图像传播到随后获取的治疗图像上。

Description

用于自动靶体积生成的系统、方法和设备

技术领域

本公开大体上涉及用于在图像中生成结构的系统、方法和设备，更具体地，涉及用于在治疗图像中生成靶体积的结构引导的可变形图像配准。

背景技术

放射疗法涉及医疗程序，其使用外部放射束通过向病理解剖体递送规定剂量的放射(X射线、伽马射线、电子、质子和/或离子)来治疗病理解剖体(肿瘤、病变、血管畸形、神经障碍等)，同时最小化对周围组织和临界(critical)解剖学结构的放射暴露。

通常，放射疗法治疗包括几个阶段。首先，使用计算断层成像(CT)、锥形束CBCT、磁共振成像(MRI)、正电子发射断层成像(PET)、3D旋转血管造影(3DRA)或超声技术中的任何一个(或其组合)来构建感兴趣区域(头部、身体等)中的解剖学结构的精确三维(3D)图。这确定了解剖学结构内的靶的精确坐标，即，定位体内的肿瘤或异常并且定义其精确的形状和尺寸。其次，考虑各种医学约束，计算放射束的运动路径以递送外科医生认为可接受的剂量分布。在此阶段，专家团队使用专用计算机软件开发治疗计划，以通过设计从不同角度和平面会聚在靶区域的放射束，来最优地照射肿瘤并最小化对周围正常组织的剂量。第三，执行放射治疗计划。在该阶段期间，根据规定的治疗计划来向患者递送放射剂量。通常，治疗计划通过一系列放射治疗(被称为疗程)递送给患者。

存在许多因素可能会导致规定的放射剂量分布与实际递送的剂量(即，在放射治疗期间向靶递送的实际剂量)之间的差异。其中一个因素是患者在放射疗法系统中的位置的不确定性。其他因素涉及由在患者的治疗期间可能发生的变化引起的不确定性。这种变化可以包括随机误差，诸如患者的设置位置的微小差异。其他来源可归因于如果患者的肿瘤消退或患者在疗法期间体重减轻可能引起的生理变化。另一类不确定性包括运动。运动可能会与任一类别重叠，因为某些运动可能更加随机且不可预测，而其他运动可能更规则。

这些解剖学和生理学变化可能会导致靶体积以及周围的解剖学结构和器官在疗法期间移动并改变尺寸和形状。因此，继续遵循初始治疗计划可能会导致实际的接收剂量分布与计划的分布不同，从而减少到靶体积的剂量和/或增加到危及器官(OAR)的剂量。适配治疗计划，即基于后续获取的图像数据对初始治疗计划进行修改以匹配靶体积和周围解剖学结构的新位置和形状，是修正该问题的一种方法。

适应性放射疗法是一个过程，通过该过程，可以使用后续图像来调整原始治疗计划以抵消这些解剖学变化。例如，在离线适应性疗法过程中，在每个治疗疗程期间，在每个疗程之前或之后获取患者的新图像(例如CT图像)，并且对图像进行评估以确定靶体积的多天位置。基于此，可以制定新计划以更好地反映靶体积的运动范围。适应性放射疗法还可以允许在每个疗程之后重新计算所递送的剂量，并在累积过程中利用图像变形技术累积这些剂量以解决内部运动。然后可以将计算出的剂量与计划剂量进行比较，并且如果发现任何差异，则可以修改后续疗程以解决变化。在在线适应性疗法过程中，可以在治疗之前使用放射疗法系统来验证或调整针对治疗递送的患者的治疗设置。因此，成像系统可以用于同时修改治疗递送，以反映患者的解剖体的变化。

由于解剖学变化和/或患者位置的影响取决于个体患者和治疗计划的详细信息，因此不存在通用规则用来指示何时进行重新成像和重新计划。取而代之的是，在医务人员的治疗方案中，对治疗中的成像进行一次或多次检查，以验证患者定位的可重复性，并评估解剖学变化，以确定是否需要重新计划。随后，初始治疗计划被复制到新图像上，并且剂量变化被评估。如果这些剂量变化表明靶覆盖率或OAR保留量(sparing)可能受到损害，则医务人员将重新轮廓化相关的解剖学结构，并创建新的治疗计划。

这种适应性重新计划所涉及的工作量可能是复杂且耗时的，因为这涉及到需要生成新的靶体积，并因此需要根据最新图像数据为患者生成感兴趣的组织和解剖学结构的勾画(delineation)(轮廓化)或分割(segmentation)。新的靶体积需要在解剖学上与最初定义的靶保持一致，但要适配于疗程递送时解剖体的位置。但是，对所有相关结构进行重新轮廓化非常耗时。

通过将初始图像中的轮廓传播(propagate)到最新图像数据中的轮廓，可变形图像配准(DIR)已用于量化检测到的解剖学变化并在观察到解剖学变化后自动进行解剖学结构的重新轮廓化。传播是通过以下操作来完成的：在多个图像之间关联患者的解剖学或生理学位置，同时考虑图像、相位和时间之间的解剖体的非刚性变化。在适应性放射疗法中，经常在计划图像(例如CT图像)和治疗图像(例如CT图像)之间进行可变形图像配准(DIR)，以生成用于剂量累积和轮廓传播的变形矢量场(DVF)。变形矢量场(DVF)表示位移变换，以使计划图像与治疗图像对准。因此，变形矢量场(DVF)在空间上将计划图像映射到治疗图像。

但是，使用变形矢量场(DVF)将计划图像轮廓从计划图像映射到治疗图像会带来风险，变形矢量场(DVF)中的任何误差都可能会导致对治疗图像的自动传播轮廓包含相对较大的误差。变形矢量场(DVF)中的误差可能是由以下而引起的：例如难以精确映射的严重变形、图像伪影或者仅在一张图像中出现的特征和/或使用不将其考虑在内的可变形配准算法来传播具有变化的变形特性的特征。

这样，例如，计划图像中表现出大量运动的结构(诸如膀胱、直肠和子宫)每天都会发生明显变形，因此不是很好的传播对象。同样，不具有均匀变形特性的结构(即具有不同地变形的不同部分的结构，诸如淋巴结，其在骨骼周围较刚性地变形并且在软组织器官附近较弹性地变形)也不适合用于使用标准变形矢量场(由于假定结构具有均匀变形特性)进行传播。

解决轮廓映射中的误差的一种方法是允许医务人员查看叠加在治疗图像上的传播轮廓并手动编辑轮廓。但是，该方法仅校正轮廓，而不校正作为误差轮廓的来源的变形矢量场(DVF)。这可能在治疗过程期间产生问题，因为例如，放射疗法的其他方面(诸如确定剂量累积)直接取决于变形矢量场(DVF)而不是轮廓。此外，对已经传播的结构进行附加的手动编辑会减慢重新计划的过程。

因此，需要考虑结构的大运动以及所传播的结构的不同变形特性的适当变换(即，变形矢量场(DVF))。

发明内容

所公开的主题的实施例使得能够使用可变形配准技术来在治疗图像中生成结构(轮廓)，该可变形配准技术考虑了不同结构的大运动以及结构的不同变形特性。

所公开的主题的实施例使得能够在适应性放射疗法或其他方式中要使用的治疗图像和/或任何其他图像中自动生成一个或多个结构，其包括计划图像中的所有结构。

所公开的主题的实施例使得能够生成一个或多个变形矢量场(DVF)(即，位移变换)，该变形矢量场允许结构/轮廓从预治疗(例如，计划)图像自动传播到考虑了结构的大运动以及所传播的结构的不同变形特性的后续图像(例如，治疗会话(session))。

所公开的主题的实施例使得能够基于后续图像的图像数据在对象上执行治疗会话，和/或基于后续图像的图像数据确定用于治疗会话的治疗计划。

所公开的主题的实施例还使得能够使用治疗图像来确定是否需要重新计划，该治疗图像包括使用结构引导的可变形配准算法自动生成的轮廓。

所公开的主题的实施例还使得能够：通过在包括结构的当前图像与包括该结构和一个或多个其他结构的先前生成的图像之间应用可变形配准来在当前图像中生成结构；以及在两个图像之间应用可变形配准，以使用结构引导的可变形配准算法来将一个或多个结构从先前生成的图像传播到当前图像。

在一个或多个实施例中，方法包括：确定配准变换，该配准变换至少基于结构引导的可变形配准。

在一个或多个实施例中，方法包括：将所谓的影响者结构作为输入并入可变形配准算法中。

在一个或多个实施例中，所谓的影响者结构引导可变形对准过程。

在一个或多个实施例中，通过在可变形配准算法中并入约束来实现引导，以使得能够将在计划图像中存在的影响者结构与后续治疗图像中存在的相同影响者结构进行匹配。

在一个或多个实施例中，方法包括：在可变形配准算法中并入局部刚度作为约束，以使得局部刚性变形结构能够被精确地传播。

在一个或多个实施例中，公开了一种用于在图像中生成结构的方法，该方法包括：获得包括第一组结构和第二组结构的第一图像，第一组结构和第二组结构位于第一图像中的相应第一位置处；获得包括第二组结构的第二图像，第二组结构位于第二图像中的第二位置处，第二位置与第一图像中的第二组结构的第一位置不同；以及基于由第二组结构引导的图像配准，将第一组结构从第一图像传播到第二图像。

在一个或多个实施例中，第二组结构可以包括影响/影响第一组结构中的一个或多个结构的结构。

在一个或多个实施例中，图像配准是可变形图像配准。

在一个或多个实施例中，通过在可变形配准算法中并入约束以实现第一图像中存在的第二组结构与第二图像中存在的相同第二组结构的匹配来实现引导。

在一个或多个实施例中，生成包括应用结构引导的可变形配准算法，其使得能够：获得第一图像和第二图像之间的一个或多个变形矢量场(DVF)；以及使用一个或多个变形矢量场(DVF)来将第一组结构从第一图像传播到第二图像。

在一个或多个实施例中，获取包括：将第一组结构从第一图像关联到第二图像，以在第二图像中创建第一组结构；基于第二图像中的第二组结构来修改第二图像中的第一组结构；基于修改来生成一个或多个经修订的变形矢量场(DVF)；并应用一个或多个经修订的变形矢量场(DVF)，以将第一组结构从第一图像关联到第二图像，以在第二图像中生成经修订的第一组结构。

在一个或多个实施例中，可变形配准算法进一步使能第一组结构内的一个或多个结构的部分刚性变形。

在一个或多个实施例中，第一组结构可以包括一个或多个靶体积和一个或多个感兴趣的解剖学结构，并且第二组结构包括一个或多个解剖学影响者结构。

在一个或多个实施例中，解剖学影响者结构可以包括影响一个或多个靶体积的形状、尺寸或位置之一的解剖学结构。

在一个或多个实施例中，公开了一种系统，其使得能够执行本文公开的任何过程。

在一个或多个实施例中，提供了：一种非暂态计算机可读存储介质，其上体现了一系列编程指令，该一系列编程指令用于使用结构引导的可变形配准过程生成在适应性放射疗法或其他方式中要使用的日间治疗图像；以及一种计算机处理系统，其执行包含在计算机可读存储介质上体现的编程指令的序列。编程指令序列的执行可以使计算机处理系统生成一个或多个可变形配准矢量场，该可变形配准矢量场精确且自动地将先前获得的图像中的所有结构传播到在适应性疗法或任何其他放射治疗系统和过程中要使用的以后的后续获得的图像中。

当结合附图考虑时，根据以下描述，所公开的主题的实施例的目的和优点将变得显而易见。

附图说明

在下文中将参考附图描述实施例，这些附图不一定按比例绘制。这些附图仅出于说明的目的，而不旨在以任何方式限制本公开的范围。在适用的情况下，可以不示出一些特征以帮助说明和描述基础特征。在所有附图中，相同的附图标记表示相同的元件。如本文所使用的，各种实施例可以表示一个、一些或所有实施例。

图1是根据所公开的主题的各种实施例的放射疗法系统的简化示意图。

图2是根据所公开的主题的各种实施例的用于在治疗图像中自动生成轮廓以用于适应性放射疗法的方法的过程流程图。

图3是根据所公开的主题的各种实施例的用于获得计划图像和治疗会话图像的过程流程图。

图4是示例性矢状CT切片，其示出了女性骨盆中的靶体积和影响者结构。

图5A是示例性矢状CT切片，其示出了影响者结构的运动范围。

图5B-图5D是示例性轴向CT切片，其示出了靶体积和影响者结构的运动范围。

图6图示了示例性轮廓验证过程显示的屏幕截图。

图7是根据所公开的主题的各种实施例的用于轮廓生成的过程流程图。

图8是根据所公开的主题的各种实施例的用于使用结构引导的可变形配准来生成轮廓的过程流程图。

图9A-图9B是示出了根据所公开的主题的各种实施例的使用影响者结构来引导可变形配准过程的各方面的过程流程图。

图10是示出了根据所公开的主题的各种实施例的结构引导的可变形配准过程的各方面的过程流程图，该结构引导可变形配准过程用于自动生成在适应性放射疗法中使用的结构。

图11图示了根据所公开的主题的各种实施例的使用单个变形矢量场来传播靶体积的示例性过程。

图12图示了根据所公开的主题的各种实施例的使用不同的变形矢量场来传播不同的靶体积的示例性过程。

图13A至图13B图示了根据所公开的主题的各种实施例的具有不同地变形的部分的靶体积。

具体实施方式

参考图1，示出了可以在适应性放射疗法中使用的示例性放射疗法系统100。疗法系统100可以向位于治疗床112上的患者110提供放射，并且可以允许实施各种放射剂量验证方案。放射疗法可以包括基于光子的放射疗法、粒子疗法、电子束疗法或任何其他类型的治疗疗法。

在一个实施例中，放射疗法系统100可以包括放射治疗设备101，诸如但不限于LINAC，其可操作以生成一个或多个兆伏(MV)X射线放射束以用于治疗。LINAC还可以可操作以生成一个或多个千伏(kV)X射线放射束，例如用于患者成像。系统100具有台架102，台架102支撑放射治疗头114，放射治疗头114具有一个或多个放射源106和各种束调制元件，各种束调制元件诸如但不限于平坦化滤波器104和准直部件108。准直部件108可以包括例如多叶准直器(MLC)、上下颚和/或其他准直元件。准直部件108和/或平坦滤波器104可以通过相应的致动器(未示出)定位在放射束路径内，该致动器可以由控制器116控制。

台架102可以是环形台架(即，它延伸通过完整的360°弧以产生完整的环或圆)，但是还可以采用其他类型的安装布置。例如，可以使用静态束或C型、部分环形台架或机械臂。还可以使用能够将治疗头114相对于患者110定位在各种旋转和/或轴向位置处的任何其他框架。

在一个实施例中，放射疗法设备是MV能量强度调制放射疗法(IMRT)设备。在这种系统中，强度分布被裁剪为适合于个体患者的治疗要求。IMRT场随MLC 108一起递送，MLC108可以是附接到头114的计算机控制的机械束整形设备，并且包括金属指或叶片的组件。对于每个束方向，通过依次递送具有优化形状和权重的各个子场来实现优化强度分布。从一个子场到下一个子场，叶片可以在放射束开启的情况下移动(即，动态多叶准直(DMLC))或放射束关闭的情况下移动(即，分段多叶准直(SMLC))。

备选地或附加地，放射疗法设备101可以是螺旋断层放疗设备，其中利用在计算机控制(例如，控制116)下打开和关闭的二元准直器(未示出)来实现强度调制。当台架102围绕患者110连续旋转时，可以通过打开和关闭二元准直器来调整小宽度波束的曝光时间，从而允许放射120被引导至患者110的身体的一部分，并且通过患者110的最期望的方向和位置而被递送到感兴趣区域122。感兴趣区域是期望接收放射的二维面积和/或三维体积，并且其可以被称为靶或靶区域或靶体积。感兴趣区域的另一种类型是风险区域。如果一部分包括风险区域，则放射从风险区域转移。患者110可以具有需要接受放射疗法的多于一个的靶区域。

备选地或附加地，放射疗法设备可以是螺旋断层放疗设备、简化的强度调制弧形疗法(SIMAT)设备、容积调制弧形疗法(VMAT)设备或容积高清晰度(或超弧形)疗法(HDRT)。实际上，任何类型的IMRT设备都可以用作系统100的放射疗法设备101，并且还可以包括机载容积成像，其可以用于生成在治疗会话期间生成的治疗中图像数据。

例如，所公开的主题的实施例可以应用于图像引导放射疗法(IGRT)设备，该设备使用在放射疗法治疗会话期间拍摄的患者的内部解剖体的横截面图像(即，治疗中图像)来提供有关患者的位置的信息。放射治疗期间的频繁二维或三维成像用于利用实际放射治疗计划的成像坐标来引导治疗放射。这确保了患者在放射治疗系统中被定位于与计划的位置相同的位置，并且确保患者在治疗期间正确对准。尽管IGRT过程涉及由在计划阶段期间进行的专门成像测试指导的保形放射治疗，但它确实依赖于计划过程中的成像模态(modality)作为用于在治疗期间对患者110进行定位的参考坐标。因此，与每个图像引导放射疗法系统相关联的是成像系统，其提供用于设置放射递送程序的治疗中图像。

治疗中图像可以包括在治疗期间在一个或多个不同点处获取的一个或多个二维或三维图像(通常为X射线)。存在多种获取治疗中图像的方法。在某些方法中，不同的独立成像系统和/或成像方法分别用于获取治疗前图像和治疗中图像。例如，3D IGRT可以包括将锥束计算断层成像(CBCT)数据集与计划计算断层成像(CT)数据集的定位化，二维IGRT可以将平面千伏(kV)射线图像或兆伏(MV)图像与从计划CT获得的数字重建射线图像(DRR)进行匹配。

另一种方法是使用入口(portal)成像系统。在入口成像系统中，检测器被放置在治疗放射源的对面，以对患者设置成像和获得治疗中图像。另一种方法是X射线断层合成(tomosynthesis)，其是一种与放射治疗系统结合使用的治疗中成像方式。

备选地，系统100可以包括可操作以接收放射束120的千伏或兆伏检测器。放射疗法设备101和检测器可以作为计算断层成像(CT)系统操作以生成患者的CT图像。这些图像可以说明患者的身体组织、器官、骨骼、软组织、血管等。备选地，放射疗法设备可以用作MRI设备以生成患者的图像。

每种类型的放射疗法设备均可以随附相应的放射计划和放射递送程序。

控制器116可以是但不限于图形处理单元(GPU)，控制器116可以包括：具有适当硬件(诸如处理器)以及用于运行各种软件程序和/或通信应用的操作系统的计算机。控制器116可以包括用于与放射疗法设备101通信的软件程序，该软件程序可操作以用于从外部软件程序和硬件接收数据。计算机还可以包括任何适合的输入/输出(I/O)设备117，其可以被适配为允许控制器116与放射疗法系统100的用户(例如，医务人员)之间的通信。例如，控制器可以设置有I/O接口、存储设备、存储器、键盘、鼠标、监视器、打印机、扫描仪等。

备选地或附加地，I/O设备117可以提供对网络(未示出)的访问以在控制器116和远程系统之间传输数据。例如，控制器116可以经由I/O 117来与其他计算机和放射疗法系统联网。放射疗法系统100、放射治疗设备101和控制器116可以与网络以及数据库和服务器(例如，剂量计算服务器(例如，分布式剂量计算框架)和/或治疗计划系统118和/或放射治疗管理系统(RTMS)119)进行通信。控制器116还可以被配置为在不同件医疗设备之间递送医学图像相关数据。

系统100还可以包括多个包含编程指令的模块(例如，作为控制器116的一部分，或者作为系统100内的单独模块，或者集成到系统100的其他部件中)，当执行这些指令时，指令使系统100执行与适应性放射疗法或其他放射治疗有关的不同功能，如本文所述。例如，系统100可以包括：治疗计划模块，其可操作以基于医务人员向系统输入的多个数据来为患者110生成治疗计划；用于特定放射疗法治疗的患者定位模块，其可操作以相对于期望位置(诸如机架的等中心)定位和对准患者110；图像获取模块，其可操作以指示放射疗法系统和/或成像设备在放射疗法治疗之前获取患者110的图像(即，用于治疗计划和患者定位的治疗前图像)和/或在放射疗法治疗期间获取患者110的图像(即，治疗中图像)，并指示放射疗法系统100和/或成像设备101或其他成像设备或系统获取患者110的图像。

系统100还可以包括：放射剂量预测模块，其可操作以在开始放射治疗疗法之前预测要向患者110递送的剂量；剂量计算模块，其可操作以计算在放射疗法治疗期间向患者110递送的实际剂量；治疗递送模块，其可操作以指示放射疗法设备100向患者110递送治疗计划；关联模块，其可操作以使计划图像与放射疗法期间获得的治疗中图像相关联；计算模块，可操作以根据治疗中图像重建三维靶体积；分析模块，可操作以计算位移测量值；反馈模块，可操作以基于所计算的位移与预定阈值(范围)的比较来实时指示控制器停止放射疗法。

系统100可以进一步包括：一个或多个轮廓生成模块，其可操作以在预治疗(计划)图像和治疗中(治疗中会话)图像中生成靶体积和其他结构的轮廓；图像配准模块，其可操作以将预治疗/计划图像与随后的治疗中图像配准；剂量计算模块，可操作以计算累积剂量；轮廓传播模块，可操作以将轮廓从一个图像传播到另一个图像；轮廓验证模块，可操作以验证生成的轮廓；配准变形矢量场生成模块，可操作以确定由于图像变形过程而导致的变形矢量场(DVF)。例如，模块可以用C或C++编程语言编写。可以用任何编程语言(例如，C或C++编程语言)编写用于执行本文所述操作的计算机程序代码。

治疗计划系统118可以用于基于诸如CT图像数据的图像数据来生成用于放射治疗设备101的治疗计划。在典型的计划过程中，合格的医务人员会在一个或多个初始计划图像上手动绘制轮廓。这些轮廓勾画将要被照射的恶性肿瘤以及一个或多个其他结构(诸如器官、组织等)，该一个或多个其他结构容易受到放射暴露的严重损害。计划图像还可以被半自动地分割，以勾画将要作为照射靶的恶性肿瘤以及应该限制其照射的任何周围临界结构。这些图像还可以显示软组织、器官、血管、骨骼等。

附加地或备选地，治疗计划系统118可以使用来自诸如MRI、PET等的其他成像模态的信息和/或其他图像数据来生成一个或多个治疗计划。

图2示出了用于在治疗图像204中自动生成用于在适应性放射疗法中使用的结构/轮廓的方法的示例性流程，例如，通过使用可变形配准来将结构/轮廓从计划图像202传播到治疗图像204上。

首先，从治疗计划系统118获得参考图像202。参考图像202可以是先前(例如在不同的成像会话中)针对相同或不同的患者获得的图像，该图像可以在不同的一天或同一天发生。参考图像202还可以是不同个体的图像，在这种情况下，图像配准可以用于将患者图像映射到图集(atlas)患者图像。参考图像202还可以是人工创建的、不与任何个体相对应的图像。

在示例性实施例中，图像202是在治疗计划阶段期间针对患者110所获得的计划图像。

计划图像202包含在计划阶段期间生成的一个或多个结构/轮廓。这些轮廓勾画所需的结构，诸如一个或多个靶体积、一个或多个受影响的器官以及一个或多个感兴趣的解剖学结构。例如，图像202可以包含靶体积的轮廓，该靶体积包括原发肿瘤(即，原发靶)、原发性地受影响的器官(即，原发器官)以及已经观察到或预期有淋巴结侵袭的区域(即，淋巴结靶)。备选地，图像202可以包含靶体积的轮廓，该靶体积包括原发靶、原发器官和淋巴结靶，并且图像202可以包含勾画其他感兴趣的解剖学结构的一个或多个轮廓。备选地，图像202可以包括多个靶体积的轮廓。备选地，图像202可以包含多个靶体积的轮廓，其中每个靶体积包括不同类型的原发和/或淋巴靶和/或原发器官。备选地，图像202可以包括多个靶体积以及一个或多个原发器官以及一个或多个其他感兴趣的解剖学结构的轮廓。

计划图像202还包括结构一个或多个的轮廓，该结构影响原发靶、淋巴结靶、原发器官和感兴趣的解剖学结构中的一者或多者的形状、尺寸和位置中的一项或多项。这些影响者结构包括通常每天都显著移动和/或变形的结构。因此，这些结构的大的运动和变形可以影响一个或多个其他勾画的结构的形状、尺寸和/或位置。这些影响者结构的轮廓由于其高度可变形的性质，通常不能从计划图像202良好地传播到治疗图像204上。这些影响者结构可以包括例如表现出大的日间变形和/或运动的器官。

图4示出了用于子宫颈子宫治疗的示例性计划图像202。计划图像202包括轮廓300(勾画作为靶体积的原发和淋巴结靶)以及一组影响者结构轮廓302，诸如勾画膀胱的轮廓302A，勾画子宫的轮廓302B以及勾画直肠的轮廓302C。图像202还可以包括其他感兴趣的结构，诸如身体轮廓或股骨头等，如图4所示。

图5A示出了膀胱302A作为每天移动的影响者结构，并且图5B-图5D示出了靶体积300A如何由于子宫302B的移动而每天移动。

尽管这些图像示出了用于靶体积和影响者结构的特定结构，但是应该理解，靶体积和影响者结构不限于这些特定结构，并且可以使用与特定治疗相关的任何结构，诸如但不限于前列腺、胰腺、直肠癌等的治疗。

为了便于说明，计划图像202中的不是影响者结构的结构被示为第一组结构300，并且是影响者结构的结构被示为第二组结构302。第一组结构300可以包括原发靶、淋巴结靶、原发器官和任何其他感兴趣的解剖学结构中的一者或多者。第二组结构302可以包括一个或多个结构，诸如影响第一组结构300(参见图3)中的一个或多个结构的器官。

接下来，使用放射治疗设备101获取患者110的感兴趣的部分的治疗图像204。在示例性实施例中，图像204是在治疗会话期间通过用放射120照射患者110的感兴趣区域而获得的CT图像。该图像不包括任何勾画。

在通过图像配准模块208启动计划图像202和治疗图像204之间的图像配准之前，轮廓生成模块206可以在治疗图像204上启动轮廓生成过程，以勾画在计划图像202中勾画的同一组影响者结构。

如图3所示，启动时，将使用各种可用的自动分割算法来自动勾画影响者结构，该自动分割算法自动检测并绘制轮廓。勾画还可以由医务人员例如通过交互式图形界面(GUI)手动完成，例如，该交互式图形界面允许医务人员在治疗图像204上识别和绘制轮廓302’。

一旦影响者结构302的轮廓302’被绘制在治疗图像204上，轮廓302’就可以由医务人员使用例如GUI的验证模块214中存在的各种可用轮廓验证工具来进一步检查。使用GUI，医务人员可以修改、删除、重绘自动生成的轮廓302’，以在计划图像202中的影响者结构302和治疗图像204中的影响者结构302之间建立一致性。在图6中示出了示例性的验证过程，其中在GUI的显示设备上从不同的视图检查膀胱302’A、子宫302’B和直肠302’C的轮廓。

由于影响者结构302显著变形，因此治疗图像204上的影响者结构302的位置可以与计划图像202中的相同影响者结构302的位置不同，如图5A-图5D所示。

接下来，图像配准模块208在计划图像202与治疗图像204之间发起图像配准，计划图像202包含第一组结构300和第二组结构302(即，影响者结构)，治疗图像204包含位于与在计划图像202中不同的位置的第二组结构302’(即，影响者结构)。图像配准可以是可变形配准，其使用可变形配准算法将计划图像202的图像数据与治疗图像204的图像数据配准，并因此生成一个或多个可变形矢量场(DVF)222(参见图7)，一个或多个可变形矢量场(DVF)222可以用于使用轮廓传播模块212来将第一组结构300从计划图像202传播到治疗图像204。剂量计算模块210还可以将一个或多个可变形矢量场(DVF)222用于剂量累积确定。

管理系统119可以是独立系统，或者可以与控制器116和/或输入/输出设备117集成在一起，管理系统119可以基于所传播的图像数据(即，图8中的300’)启动所传播的第一组结构(即，图8中的300”)的轮廓化，和/或管理包括所传播的第一组结构300”和第二组结构302’的治疗图像204，并管理针对适应性放射治疗或任何其他放射治疗过程所涉及的另外的放射过程所计算的剂量累积。例如，包括所传播的第一组结构300”和第二组结构302’的治疗图像204可用于识别计划图像202和治疗图像204和/或一个或多个后续图像之间的差异，并根据所获得的差异生成新的治疗计划。

备选地，控制器116可以完全管理管理系统119的过程，因此管理系统119或者不需要或者与控制器116和/或输入/输出设备117一起工作以完成管理。

图7示出了示例性的可变形图像配准过程，该过程用于在治疗图像204中自动生成要用于例如适应性疗法的结构。所生成的结构，即所传播的第一组结构300的轮廓300”和第二组结构302的轮廓302’在解剖学上与计划图像202中的结构300和302最初定义的轮廓一致，但是适配于放射递送时解剖体的位置。

首先，使用在可变形配准过程中使用的结构引导的可变形配准算法220(参见图8)，将包括第一组结构300和第二组结构302的计划图像202与包括第二组结构302’的治疗图像204进行比较并在空间上配准。可变形配准量化计划图像202的图像数据和治疗图像204的图像数据之间的差异，并将它们最小化。结果，使用DVF确定模块216生成了多个矢量，这些矢量将计划图像202中每个规定位置的体素(voxel)映射到治疗图像204中的位置，为每个点提供从计划图像202中的该点到治疗图像204中其对应的点的矢量。多个矢量中的每个矢量都对应控制点，并且每个矢量的方向表示计划图像202中的控制点移动以到达控制点在治疗图像204中出现的位置的方向。每个矢量还具有表示计划图像202中的控制点沿相应方向行进以到达该控制点在治疗图像204中出现的位置的距离的大小。如此获得的聚合到一个或多个映射中的多个个体矢量是变形矢量场(DVF)222。一个或多个变形矢量场(DVF)222指定两个数据集之间的坐标变换。

轮廓传播模块212可以应用一个或多个变形矢量场(DVF)222，以将第一组结构300从计划图像202传播到治疗图像204。剂量计算模块210还可以使用一个或多个变形矢量场(DVF)222来计算剂量累积。例如，轮廓生成模块218可以使用轮廓绘制工具来绘制所传播的第一组结构300的轮廓300’。

图8示出了示例性传播过程。如图8所示，在生成轮廓300”之前，所生成的一个或多个变形矢量场(DVF)222应用于计划图像202，以在治疗图像204上对准计划图像202中的第一组结构300。如此获得的图像数据300’表示传播到治疗图像204的第一组结构300的图像数据。例如，使用轮廓绘制工具基于图像数据300’在治疗图像204中绘制第一组结构300的轮廓300’。因此，变形矢量场(DVF)222便于信息的递送，该信息允许医务人员执行轮廓绘制。

现在，治疗图像204包括新生成的第一组结构300”以及第二组结构302’，第一组结构300”与第二组结构302’在解剖学上与第一图像中最初定义的结构300和302一致，但是适配于在放射递送时解剖体的位置。该治疗图像204然后可以例如用于适应性放射疗法。治疗图像204还可以用于任何其他放射治疗过程。

为了将第一组结构300从计划图像202传播到治疗图像204，需要使用可变形配准算法将第一组结构300上的控制点与第二图像204中的对应点进行匹配，可变形配准算法确定在计划图像202和治疗图像204中每个体素的灰度级强度并且确定梯度，该梯度指示体素的紧邻附近的强度的方向变化。市售可变形配准算法(诸如但不限于Demons可变形配准或B样条(B-spline)技术)不会生成可接受的变形矢量场(DVF)222，部分原因是这些可变形配准算法未考虑靶体积内的结构的不同变形特性，也未考虑结构的强烈变形。

图9A示出了示例性过程，该过程通过可变形配准模块216使用结构引导的可变形配准算法220来获得一个或多个可变形配准场(DVF)222。结构引导的可变形配准算法是可变形配准算法，其被适配为使用影响者结构302、302’作为指导，从而获得变形矢量场(DVF)222，该变形矢量场(DVF)222将第一组结构300从计划图像202准确传播到治疗图像204。

附加地或备选地，结构引导的可变形配准算法220还被适配为考虑不同结构的不同变形特性。

为了获得一个或多个变形矢量场(DVF)222，结构引导的可变形配准算法220从计划图像202的图像数据和治疗图像204的图像数据作为初始输入开始，并通过多个步骤进行计算以确定一个或多个变形矢量场(DVF)222，其优化计划图像202和治疗图像204之间的相似性度量(即，计划图像202与治疗图像204匹配程度的度量)。

作为计算的第一步，将包括第一组结构300和第二组结构302的计划图像202与包括第二组结构302’的治疗图像204进行比较并在空间上进行配准。结果，生成多个矢量，这些矢量将计划图像202中每个规定位置的体素映射到治疗图像204中的某个位置，从而为为每个点提供从计划图像202中的该点到治疗图像204中其对应的点的矢量。多个矢量中的每个矢量都对应一个控制点，并且每个矢量的方向都表示计划图像202中的控制点移动以到达控制点在治疗图像204中出现的位置的方向。每个矢量还具有大小，该大小表示计划图像202中的控制点沿相应方向行进以到达控制点在治疗图像204中出现的位置的距离。如此获得的聚合到一个或多个映射中的多个个体矢量就是变形矢量场(DVF’)。

然后可以将生成的变形矢量场(DVF’)应用于计划图像202，以将计划图像202中的第一组结构300对准到治疗图像204上，从而获得所传播的图像数据400。

一个或多个变形矢量场(DVF’)可以被约束为使计划图像202中的第二组结构302中的点(即，轮廓302内的点)与治疗图像204中的第二组结构302’中的点(即，轮廓302’内的点)匹配。该匹配将计划图像202中的第二组结构302与治疗图像204中的第二组结构302’对准，并将所传播的图像数据400修改为图像数据500。可以通过在结构导向的可变形配准算法中实施约束来完成一个或多个变形矢量场(DVF’)的约束，从而在计划图像202中的第二组结构302与治疗图像204中的第二组结构302’之间进行强度匹配，然后迫使计划图像202中的第二组结构302与治疗图像204中的第二组结构302’相匹配。

然后可以将计划图像202的图像数据映射到包含所修改的图像数据500的治疗图像204的图像数据。映射的结果是，生成一个或多个变形矢量场(DVF)222。由于图像数据500是由计划图像202中的第二组结构302与治疗图像204中的第二组结构302’的匹配而获得，所获得的一个或多个可变形矢量场(DVF)222实际上受第二组结构302、302’的引导。

以上列举的步骤仅是示例性的，并且应当理解，算法可以在获得用于传播的最优一个或多个变形矢量场(DVF)222之前经历多个相似的迭代，和/或可以经历较少的迭代，和/或可以仅包括迭代中的一些迭代。

例如，结构引导的可变形配准算法220使得能够通过如图9B所示的处理步骤来生成一个或多个可变形矢量场(DVF’)222。在第一步中，将包含第一组结构300和第二组结构302的计划图像202与包含第二组结构302’的治疗图像204配准。结果，获得了针对第一组结构300的传播图像数据400。可选地，作为配准的结果，结构引导的可变形配准算法202可以包括获取一个或多个可变形矢量场DVF的步骤，当将其应用于计划图像202以将第一组结构300与治疗图像204相关时，其生成用于第一组结构300的传播图像数据400。通过限制结构导向的可变形配准算法以迫使计划图像202中的第二组结构302与治疗图像204中的第二组结构302’匹配，即，迫使轮廓302和302’匹配，基于该匹配来相应地修改用于第一组结构的传播图像数据。然后基于经修改的传播图像数据获得一个或多个可变形矢量场(DVF)222。

另外，可变形配准可以被进一步改进以考虑到不同结构的变化的变形特性。例如，淋巴结区域中靠近骨骼或血管周围的、实际上并不独立于骨骼和/或血管而移动的点可以认为是刚性变形的点，淋巴结区域中不靠近骨骼或血管周围的点可以认为是非刚性变形的点(刚性变形假定要传播的结构可能已移位或旋转，但形状和/或尺寸未变化，而非刚性变形考虑了形状和/或尺寸变化)。通过为变换指定约束，以迫使结构中的某些点刚性变形而使结构中的其他点非刚性变形，可变形配准实现了具有不同变形特性的结构的精确传播。

在图13A和图13B所示的示例性实施例中，第一组结构300包括第一结构300A和第二结构300B，第二结构300B是骨骼。第一结构300A位于第二结构300B附近，使得第一结构的部分300A1位于靠近骨骼300B的位置，而部分300A2不位于靠近骨骼的位置。由于第一结构300A的部分300A1位于靠近骨骼的位置，因此这些部分300A1不独立于骨骼300B移动，而部分300A2独立于骨骼300B移动。因此，部分300A1可以被视为与骨骼300B一样刚性地变形，而部分300A2可以被视为非刚性地变形。通过向变形矢量场(DVF)222分配约束以迫使位于部分300A1中的点进行刚性变形并且迫使位于部分300A2中的点进行非刚性变形，传播到图像204上的所产生的轮廓300”准确反映了结构300A的不同变形特性。

图10示出了的方法S100的流程图，方法S100用于使用一个或多个变形矢量场(DVF)222在治疗图像204中自动生成一个或多个结构。通常，一旦获得了计划图像202和治疗图像204，来自计划图像202和治疗图像204的图像数据就用作可变形配准过程中的输入，以获得一个或多个变形矢量场(DVF)222，其然后用于将一个或多个结构从计划图像202传播到治疗图像。然后，在传播之后包含计划图像202的所有结构的治疗图像204可以用于确定是否需要重新计划或另外的计划。

在示例性实施例中，单个变形矢量场(DVF)222被生成并且用于将第一组结构(即，例如，轮廓)300传播到治疗图像204上。

在步骤S101中，控制器116从TPS 118获得计划图像202。计划图像202可以是CT图像，其包括第一组结构300的一个或多个轮廓和第二组结构302的一个或多个轮廓。在示例性实施例中，第一组结构300包括靶体积(包括原发靶和淋巴结靶)的轮廓以及感兴趣器官的轮廓，第二组结构302(即，影响者结构)包括靶体积中包含的原发器官之外的、影响原发靶的形状、尺寸和位置中的一者的一个或多个器官的轮廓。计划图像202还可以包括在第一组结构300中的其他的感兴趣的解剖学结构。

在步骤S102中，在放射治疗设备101中生成患者110的相同部位的治疗图像204。治疗图像204可以是不包括靶体积的任何勾画的治疗中CT图像。

在步骤S103中，医学专家可以在图像204上手动绘制轮廓以在治疗图像204上勾画在计划图像202中发现的相同的影响者结构302(即，影响者结构302’)。与计划图像202中相同的影响者结构302相比，在治疗图像204上勾画的影响者结构302’最有可能位于不同的位置。

备选地，在步骤S104中，可以在治疗图像204中自动检测影响者结构302’，并使用各种轮廓化工具来勾画影响者结构302’。自动生成的轮廓302’还由专家验证一致性。

备选地，可以使用手动和自动轮廓化的组合来勾画影响者结构302’。

在步骤S105中，控制器116还获得治疗图像204，该治疗图像204现在包括在计划图像202中勾画的同一组影响者结构的轮廓302’。

在步骤S106中，两个图像202和204暴露于可变形配准过程，通过该可变形配准过程，结构引导的可变形配准算法被应用以可变形地配准两个图像，从而在步骤S107中生成变形矢量场(DVF)222。

接下来，在步骤S108中，变形矢量场(DVF)222用于将第一组结构300从计划图像202传播到治疗图像204。传播产生针对第一组结构300的传播图像数据500，然后在步骤S109中，该传播图像数据500用于在治疗图像204上获得第一组结构300的轮廓300”。所产生的治疗图像204包含第一组结构300”和第二组结构302’，第一组结构300”和第二组结构302’在解剖学上与计划图像202中的初始定义的结构300和302一致，但是在疗程递送时适配于解剖体的位置。

然后，在步骤S110中，治疗图像204可以用于适应性放射疗法，以根据计划图像202和治疗图像204之间的差异来重新计划治疗。

备选地或附加地，治疗图像204可以在任何其他放射治疗系统或过程中使用。

在步骤S107中获得的变形矢量场(DVF)222还可以用于确定步骤S111中的剂量累积。在示例性实施例中，变形矢量场(DVF)222可以用于累积多个递送疗程的剂量。可以基于剂量在物理空间中的位置或基于根据接收剂量的结构的剂量来添加剂量，即使结构已改变位置。

示例性过程S100可以应用于如图11所示的计划图像202(例如，其中计划图像包括靶体积和一个或多个器官、以及引导结构(即，影响者))以及随后获取的图像(例如，其可以是在治疗会话期间获取的图像(即，该天的图像))。该天的图像还包括与计划图像相同的引导结构。在验证两个图像中的引导结构匹配之后，结构引导的可变形配准算法被应用以可变形地配准两个图像，从而生成变形矢量场(DVF)，该变形矢量场(DVF)用于将计划图像中的靶体积和一个或多个器官传播到该天的图像上。

该天的图像现在包括所有结构(即，靶体积、一个或多个器官以及引导结构)的轮廓，然后该天的图像用于生成该天的计划，该计划可以不同于最初计划要递送到患者110上的计划。

在另一个示例性实施例中，不同的变形矢量场(DVF)222被生成，并用于将第一组结构(即，轮廓)300中的不同结构传播到治疗图像204上。每个变形矢量场(DVF)222可以与第一组结构300中的对应结构相关联。然而，可以应用变形矢量场(DVF)222和结构的任何组合。例如，变形矢量场(DVF)222可以与第一组结构300中的一个或多个结构相关联。

在步骤S101中，控制器116从TPS 118获得计划图像202。计划图像204可以是CT图像，其包括第一组结构300的轮廓和第二组结构302的一个或多个轮廓。在示例性实施例中，第一组结构300包括第一靶体积(靶体积类型1)、第二靶体积(靶体积类型2)的轮廓以及一个或多个原发器官的轮廓，并且第二组结构302包括第一组结构300中所包括的原发器官以外的一个或多个器官的轮廓，该一个或多个器官影响第一和第二靶体积中一个或多个结构的形状、尺寸和位置中的一个。第一靶体积可以包括第一类型的原发靶和淋巴结靶，第二靶体积可以包括与第一靶体积不同的第二类型的原发靶和淋巴结靶。图像202还可以在第一组结构300中包括其他感兴趣的解剖学结构。

在步骤S102中，在放射治疗设备101中生成患者110的相同部位的图像204。治疗图像204可以是不包括靶体积的任何勾画的治疗中CT图像。

在步骤S103中，医务人员(专家)可以在图像204上手动绘制轮廓，以在治疗图像204上勾画与在计划图像202中找到的相同的影响者结构302(即，影响者结构302’)。与计划图像202中的相同影响者结构302相比，在治疗图像204上所勾画的影响者结构302’最可能位于不同的位置。

备选地，在步骤S104中，可以在治疗图像204中自动检测影响者结构302’，并使用各种轮廓化工具来勾画影响者结构302’。自动生成的轮廓302’还由专家验证一致性。

备选地，可以使用手动和自动轮廓化的组合来勾画影响者结构302’。

在步骤S105中，控制器116还获得治疗图像204，该治疗图像204现在包括在计划图像202中勾画的同一组影响者结构302的轮廓302’。

在步骤S106中，两个图像202和204被暴露于一个或多个可变形配准过程，以在步骤S107中生成不同的变形矢量场(DVF)222。

在一个实施例中，第一变形配准过程被应用于计划图像202和治疗图像204以生成多个矢量，这些矢量将计划图像202中的第一靶体积(靶体积类型1)的轮廓和影响者结构302的一个或多个轮廓上的点映射到治疗图像204中的位置，对于每个点，给出从计划图像202中的该点到治疗图像204中其对应的点的矢量。如此获得的多个个体矢量被聚合到第一映射中，该第一映射是第一变形矢量场(DVF)。

第二变形配准过程被应用于计划图像202和治疗图像204，以生成多个矢量，这些矢量将计划图像202中的第二靶体积(靶体积类型2)的轮廓和影响者结构302的一个或多个轮廓上的点映射到治疗图像204中的某些位置，对于每个点，给出从计划图像202中的该点到治疗图像204中其对应的点的矢量。如此获得的多个个体矢量被聚合为第二映射，该第二映射是第二变形矢量场(DVF)。

然后在步骤S108中，第一变形矢量场和第二变形矢量场(DVF)被应用于计划图像202，以生成针对第一靶体积和第二靶体积在治疗图像204上的传播轮廓的相应图像数据。

所得到的治疗图像204包含所传播的轮廓以及第二组结构，其在解剖学上与计划图像202中的初始定义的轮廓一致，但是适配于在疗程递送时的解剖体的位置。

然后，在步骤S110中，治疗图像204可以用于适应性放射疗法，以根据计划图像202和治疗图像204之间的差异来重新计划治疗。

备选地或附加地，治疗图像204可以在任何其他放射治疗系统或过程中使用。

备选地，多个变形矢量场(DVF)222可以被聚合到不同组的变形矢量场(DVF)中。

在一个实施例中，单个可变形配准算法可以用于生成多个变形矢量场(DVF)222。

备选地，多个不同的可变形配准算法可以用于生成多个变形矢量场(DVF)222。

在示例性实施例中，可变形配准算法中的至少一个可变形配准算法是结构引导的可变形配准算法。在这种实施例中，结构引导的可变形配准算法被应用以可变形地配准两个图像202、204，从而生成不同的变形矢量场(DVF)222中的至少一个变形矢量场(DVF)，该至少一个变形矢量场(DVF)用于将第一组结构300中的至少一个靶体积从计划图像202传播到治疗图像204。可以与至少一种结构引导的可变形配准结合使用的可变形配准可以包括但不限于例如Demons可变形配准或B样条技术。还可以使用任何其他适用的可变形配准技术。

通过针对不同的靶体积生成不同的变形矢量场(DVF)222，可以提高所传播的靶体积的精度。

然后，在步骤S110中，治疗图像204可以用于适应性放射疗法，以根据计划图像202和治疗图像204之间的差异来确定是否重新计划治疗。

备选地，治疗图像204可以用于任何其他放射治疗过程。

在步骤S111中，获得的变形矢量场(DVF)222还可以用于确定剂量累积。在示例性实施例中，变形矢量场(DVF)222可以用于累积用于多个递送疗程的剂量。可以基于剂量在物理空间中的位置或基于根据接收剂量的结构的剂量来添加剂量，即使结构已改变位置。

示例性过程S100还可以应用于如图12所示的计划图像202(例如，其中计划图像包括1类靶体积和2类靶体积、一个或多个器官以及引导结构(即，影响者))以及随后获取的图像(该图像可以是在治疗会话获取的图像)。该天的图像还包括与计划图像相同的引导结构。在验证两个图像中的引导结构匹配之后，一个或多个结构引导的可变形配准算法被应用以可变形地配准两个图像，从而生成不同的变形矢量场(DVF)，该不同的变形矢量场(DVF)用于将计划图像中的不同靶体积和一个或多个器官传播到该天的图像上。

该天的图像现在包括所有结构(即不同的靶体积、一个或多个器官以及引导结构)的轮廓，然后该天的图像用于生成该天的计划，该计划可以不同于最初计划递送给患者110的计划。

在过程S100中，在计划图像202中传播第一组结构300中的一个或多个结构的一个或多个变形矢量场(DVF)222还可以包括部分刚性变形约束，以便使得第一组结构中的不同点能够刚性地变形，并使第一组结构中的相同结构的其他点能够非刚性地变形。

尽管在以上非限制性示例中，变形矢量场(DVF)用于结合放射疗法来将靶体积和/或解剖学结构的结构和轮廓从计划图像数据传播到随后获得的图像数据，但是应当理解，所确定的变形矢量场(DVF)可以附加地或备选地用于其他应用，包括非放射疗法应用。通常，所确定的变形矢量场(DVF)可以与其中图像被配准的任何应用结合使用。

因此，很明显，所公开的主题使得能够使用可变形配准技术在图像中生成结构，该可变形配准技术考虑了不同结构的大运动以及结构的不同变形特性。

同样明显的是，所公开的主题使得能够自动生成在适应性放射疗法或其他方式中要使用的治疗会话图像和/或任何其他图像，其包括计划图像中的所有结构。

同样明显的是，所公开的主题使得能够产生一个或多个变形矢量场(DVF)，考虑到结构的大运动以及所传播结构的不同变形特性，该变形矢量场允许结构/轮廓从预治疗(计划)图像自动传播到后续图像上。

同样明显的是，所公开的主题还使得能够通过以下操作来在当前图像中生成结构：在包括结构的当前图像与包括该结构和另外的结构的先前生成的图像之间应用可变形配准；以及使用结构引导的可变形配准算法，在两个图像之间应用可变形配准，以将另外的结构从先前生成的图像传播到当前图像。

将理解的是，可以以硬件、通过软件编程的硬件、存储在计算机可读介质(例如，非暂态计算机可读介质)上的软件指令或以上的任意组合来全部或部分地实现所公开的主题的方面。

例如，所公开的主题的部件(包括诸如控制器、过程或任何其他特征的部件)可以包括但不限于个人计算机或工作站或其他这种计算系统，该其他这种计算系统包括处理器、微处理器、微控制器设备、或者由包括集成电路(诸如例如，专用集成电路(ASIC))的控制逻辑组成。

本文讨论的特征可以在单个或分布式处理器(单核和/或多核)上执行，可以通过在多个计算机或系统上分布的部件执行，或者可以由在单个处理器或系统中并置的部件执行。例如，可以通过编程的通用计算机、集成电路设备(例如，ASIC)、数字信号处理器(DSP)、用微码编程的电子设备(例如，微处理器或微控制器)、硬线电子电路或逻辑电路、可编程逻辑电路(例如，可编程逻辑器件(PLD)、可编程逻辑阵列(PLA)、现场可编程门阵列(FPGA)、可编程阵列逻辑(PAL))、存储在计算机可读介质或信号上的软件、光学计算设备、电子和/或光学设备的联网系统、专用计算设备、半导体芯片、软件模块或存储在计算机可读介质或信号上的对象来实现所公开的主题的各方面。

当以软件实现时，功能可以作为一个或多个指令或代码存储在计算机可读介质上或通过计算机可读介质传输。本文所公开的方法或算法的步骤可以体现在处理器可执行软件模块中，该处理器可执行软件模块可以驻留在计算机可读介质上。可以从根据编程语言提供的源代码指令中编译指令。编程指令和与其相关联的数据的序列可以存储在计算机可读介质(例如，非暂态计算机可读介质)中，诸如计算机存储器或存储设备，其可以是任何合适的存储装置，诸如但不限于只读存储器(ROM)、可编程只读存储器(PROM)、电可擦除可编程只读存储器(EEPROM)、随机存取存储器(RAM)，闪速存储器、磁盘驱动器等。

如本文所使用的，计算机可读介质包括计算机存储介质和通信介质两者，通信介质包括有助于将计算机程序从一个地方转移到另一地方的任何介质。因此，存储介质可以是计算机可以访问的任何可用介质。作为示例而非限制，这种计算机可读介质可以包括RAM、ROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储或其他磁性存储设备、或任何其他可以用于以指令或数据结构的形式承载或存储所需程序代码并且可以由计算机访问的介质。

而且，任何连接都适当地称为计算机可读介质。例如，如果使用传输介质(例如，同轴电缆、光纤电缆、双绞线、数字用户线(DSL)或红外、无线电和微波等无线技术)从网站、服务器或其他远程源来传输软件，则传输介质被包括在计算机可读介质的定义中。此外，方法或算法的操作可以作为一个或一组代码和/或指令(或其任何组合)而驻留在机器可读介质和/或计算机可读介质上，其可以并入到计算机程序产品中。

本领域的普通技术人员将容易理解，以上描述不是穷举的，并且除上面具体公开的以外，可以实现所公开的主题的各方面。实际上，本领域普通技术人员根据本文提供的功能描述，可以使用任何已知的或以后开发的系统、结构、设备和/或软件来以硬件和/或软件来实现所公开的主题的实施例。

在本申请中，除非另有明确说明，否则单数的使用包括复数，并且“或”和“和”的单独使用包括另一个，即“和/或”。此外，使用术语“包括”或“具有”以及其他形式诸如“包括有”，“所包括”、“有”或“具有的”旨在与“包含(comprising)”具有相同的效果，因此，不应将其理解为限制性的。

本文描述的任何范围将被理解为包括端点以及端点之间的所有值。每当“大体”、“大约”、“基本上”、“接近”或类似的语言与特定值结合使用时，除非另有明确说明，否则意指该值最高为10％的变化。

术语“系统”、“设备”和“模块”在本文中已互换使用，并且在实施例的描述中使用一个术语并不排除将其他术语应用于该实施例或任何其他实施例。

本公开实现了许多替代、修改和变化。尽管已经示出并详细描述了具体示例以说明本发明原理的应用，但是应当理解，可以以其他方式实施本发明而不背离这些原理。例如，所公开的特征可以被组合、重新布置、省略等以产生另外的实施例，而某些所公开的特征有时可以在没有相应使用其他特征的情况下有利地使用。因此，申请人旨在涵盖在本发明的精神和范围内的所有这种替代、修改、等同和变化。

Claims (21)

1.一种用于在图像中生成结构的方法，包括：

获得第一图像，所述第一图像包括第一组结构和第二组结构，所述第一组结构和所述第二组结构位于所述第一图像中的相应的第一位置处；

获得第二图像，所述第二图像包括所述第二组结构，所述第二组结构位于所述第二图像中的第二位置处，所述第二位置与所述第一图像中的所述第二组结构的所述第一位置不同；以及

基于由所述第二组结构引导的图像配准，将所述第一组结构从所述第一图像传播到所述第二图像，

其中所述第二组结构包括影响所述第一组结构中的一个或多个结构的结构。

2.根据权利要求1所述的方法，其中所述图像配准是可变形图像配准。

3.根据权利要求2所述的方法，其中所述传播包括应用可变形配准算法，所述可变形配准算法实现：

在所述第二图像中创建第一组结构；

基于所述第二图像中的所述第二组结构来修改所述第二图像中的所述第一组结构；

基于所述修改生成一个或多个变形矢量场(DVF)；以及

应用所述一个或多个变形矢量场(DVF)，以将所述第一组结构从所述第一图像关联到所述第二图像，以在所述第二图像中生成所述第一组结构。

4.根据权利要求3所述的方法，其中单个变形矢量场(DVF)用于所述传播。

5.根据权利要求3所述的方法，其中多个变形矢量场(DVF)被生成并且用于所述传播。

6.根据权利要求3所述的方法，其中所述可变形配准算法还实现所述第一组结构内的一个或多个结构的部分刚性变形。

7.根据权利要求1所述的方法，其中所述第一组结构包括一个或多个靶体积和一个或多个感兴趣的解剖学结构，并且所述第二组结构包括一个或多个解剖学影响者结构。

8.根据权利要求7所述的方法，其中所述解剖学影响者结构包括影响所述一个或多个靶体积的形状、尺寸或位置中的一项的解剖学结构。

9.根据权利要求1所述的方法，其中所述第二图像中的所述第二组结构中的一个或多个结构通过手动勾画、和/或自动勾画、和/或手动勾画和自动勾画的组合来生成。

10.根据权利要求9所述的方法，其中当自动勾画被使用时，所述方法还包括验证所述勾画是可接受的。

11.根据权利要求1所述的方法，其中所述第一图像是计划图像，并且所述第二图像是治疗会话图像。

12.根据权利要求11所述的方法，其中所述第一图像和所述第二图像从相同或不同的成像模态而被生成。

13.根据权利要求1所述的方法，还包括：基于包括所述第一组结构和所述第二组结构的所述第二图像的图像数据，来对对象执行治疗会话。

14.根据权利要求13所述的方法，还包括：基于所述第二图像的所述图像数据来确定用于所述治疗会话的治疗计划。

15.根据权利要求3所述的方法，还包括：使用所述一个或多个变形矢量场(DVF)来确定放射剂量累积。

16.一种系统，包括计算机处理设备，所述计算机处理设备被配置为执行在计算机可读存储介质上体现的一系列编程指令，所述执行使得所述系统：

获得第一图像，所述第一图像包括第一组结构和第二组结构，所述第一组结构和所述第二组结构位于所述第一图像中的相应的第一位置处；

获得第二图像，所述第二图像包括所述第二组结构，所述第二组结构位于所述第二图像中的第二位置处，所述第二位置与所述第一图像中的所述第二组结构的所述第一位置不同；以及

基于由所述第二组结构引导的图像配准，将所述第一组结构从所述第一图像传播到所述第二图像，

其中所述第二组结构包括影响所述第一组结构中的一个或多个结构的结构。

17.根据权利要求16所述的系统，其中所述图像配准是可变形图像配准，并且所述传播包括应用可变形配准算法，所述可变形配准算法实现：

在所述第二图像中创建所述第一组结构；

基于所述第二图像中的所述第二组结构来修改所述第二图像中的所述第一组结构；

基于所述修改生成一个或多个变形矢量场(DVF)；以及

应用所述一个或多个变形矢量场(DVF)，以将所述第一组结构从所述第一图像关联到所述第二图像，以在所述第二图像中生成所述第一组结构。

18.根据权利要求17所述的系统，其中所述可变形配准算法还实现所述第一组结构内的一个或多个结构的部分刚性变形。

19.根据权利要求17所述的系统，其中所述第一组结构包括一个或多个靶体积和一个或多个感兴趣的解剖学结构，并且所述第二组结构包括一个或多个解剖学影响者结构，所述影响者结构包括影响所述一个或多个靶体积的形状、尺寸或位置中的一项的解剖学结构。

20.根据权利要求17所述的系统，还包括：基于包括所述第一组结构和所述第二组结构的所述第二图像的图像数据来对对象执行治疗会话，和/或基于所述第二图像的所述图像数据来确定用于治疗会话的治疗计划。

21.一种用于在图像中自动生成靶体积的方法，包括：

获得第一图像，所述第一图像包括所述靶体积的轮廓和结构的轮廓；

获得第二图像，所述第二图像包括所述结构的所述轮廓；以及

使用可变形配准算法来将所述靶体积的所述轮廓从所述第一图像传播到所述第二图像，所述可变形配准算法将所述第一图像中的所述结构的所述轮廓与所述第二图像中的所述结构的所述轮廓进行匹配。

Images