CN111068187B - 用于执行适应性放射疗法阶段的自动化工作流的系统 - Google Patents

Abstract

本公开的实施例涉及流线型引导式榻上适应性工作流。用于实现适应性疗法工作流的系统和方法，该适应性疗法工作流将创建阶段患者模型、为治疗阶段选择合适的方案以及对患者进行治疗所需的时间最小化。

Description

用于执行适应性放射疗法阶段的自动化工作流的系统

技术领域

本公开大体上涉及适应性放射疗法，并且更具体地，涉及用于生成流线型引导式榻上(on-couch)适应性工作流的系统、方法和设备，以用于建立阶段患者模型并在对时间敏感的治疗阶段中选择治疗选项。

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放射肿瘤学家认为可接受的剂量分布。在该阶段期间，专家团队使用专用计算机软件开发治疗方案，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，执行放射治疗方案。在该阶段期间，根据规定的治疗方案来向患者递送放射剂量。通常，治疗方案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交叠，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，继续遵循初始治疗方案可能会导致实际的接收剂量分布与所计划的分布不同，从而减少到靶体积的剂量和/或增加到危及器官(OAR)的剂量。适配治疗方案，即基于后续获得的图像数据对初始治疗方案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方案以抵消这些解剖学变化。适应性放射疗法过程是一种闭环放射治疗过程，其中可以使用系统性的测量反馈来修改治疗方案。通过系统性地监视治疗变化并通过合并它们以在治疗过程中重新优化治疗方案，适应性放射疗法改善了放射治疗。

适应性放射疗法可以在三个不同的时间尺度上进行，即在治疗疗程之间离线，在治疗疗程之前立即在线以及在治疗疗程期间实时进行。

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得患者的新图像(例如CT或CTBC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，可以制定新方案以更好地反映靶体积的运动范围。离线适应性过程适合用于治疗头颈部肿瘤，例如，其中变化通常是渐进的、可预测的且缓慢的。

在在线适应性疗法过程中，可以在疗程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方案。因此，成像系统可用于同时修改治疗递送，以反映患者的解剖体的变化。在线适应性过程适合用于治疗位于骨盆和上腹部区域中的肿瘤，其中器官运动是随机的，并且变化大、发生快且不可预测，或者在线适应性过程适合用于治疗胸部区域中的肿瘤，其中变化通常突然并且持续存在。

在实时(榻上)适应性疗法过程中，可以在治疗疗程期间使用放射疗法系统。榻上适应性放射疗法允许在患者在治疗台上时基于肿瘤和解剖学变化调整治疗方案。榻上适应性过程适合用于治疗例如变化突然且持续的肺部肿瘤，以及通常变化较大且不可预测的骨盆/腹部肿瘤。然而，由于时间、工作量负担和执行榻上适应性放射疗法所需的专业知识，其应用仅限于最需要治疗的患者。

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，并且在累积期间利用图像形变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，如果发现任何差异，则可以修改后续疗程以解决变化。

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方案的详细信息，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审阅，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，初始治疗方案被复制到新图像上，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，则重新轮廓化相关的解剖学结构，并创建新的治疗方案。

适应性放射疗法的示例性工作流如图18所示。如图18所示，在患者在放射治疗设备中的初始设置(set-up)(患者设置)之后，拍摄患者的治疗阶段图像以进行方案适应(成像)，随后生成患者阶段模型，其包括对治疗阶段图像上的OAR和感兴趣的靶结构(即靶体积)进行轮廓化。可以手动或自动完成轮廓化(分割、勾画)。然而，手动分割不仅耗时，而且需要专门知识以及专家(即医师)在场来进行。因此，使用手动分割对实时(榻上)适应性疗法无益。

另一方面，自动生成的轮廓易于出现误差和不确定性，因为使用通用算法在一个步骤中分割了靶体积和OAR结构。这样，这些轮廓需要由专家进一步审阅和编辑，这不仅增加了工作流的额外时间，而且还需要专家在场。此外，由于修改生成的轮廓并不能消除形变中(即变形矢量场DVF中)存在的误差，因此这些误差将传播到使用变形矢量场(DVF)计算的电子密度图，这也增加了时间，并且需要专家手动校正密度图中的误差。

此外，在当前的计划选择过程(计划和评估)中，由专家评估和选择适当的方案归一化参数，并以每个案例为基础进行方案参数修改，因此不仅需要专家在场，而且还会增加选择错误标准的风险。此外，在当前的工作流中，最终方案必须经过专家的进一步评估和批准，然后才能用于治疗递送，这又增加了时间和所需的专业知识。在当前的适应性工作流中，如果未选择预约(scheduled)方案，那么这也是时间和计算上的损失。

因此，在当前的适应性工作流中，由于在适应性计划过程的几个步骤中需要专家(即医师)在场来生成、评估、编辑和纠正重新计划过程中每个步骤的结果，因此在线适应性计划会花费很长时间(因为许多当前应用的过程不是自动化的，或者它们包括不确定性，这些不确定性会导致误差或传播现有误差)。

因此，需要一种适应性计划工作流，该适应性计划工作流允许在每个疗程时在患者在治疗榻上时快速、准确地使治疗方案适于患者的解剖体，并限制了在治疗重新计划期间对专家/医师在场的需求。

发明内容

所公开的主题的实施例使得能够进行榻上适应性疗法工作流，该工作流使自信地创建阶段患者模型、为治疗阶段选择合适的治疗方案以及治疗患者所需的时间最小化。

所公开的主题的实施例使得能够创建由部门信息系统提供的规定的适应性指令引导的工作流。

所公开的主题的实施例使得能够创建工作流，其中用于方案适应的定量标准由处方者选择，并由部门信息系统自动地将其提供给榻上适应性系统。

所公开的工作流的实施例集成了方案检查，该方案检查使在确保所选方案的安全性上花费的时间最小化。

在公开的实施例中，从变化最大的解剖体开始，以逐步(step-wise)的方式建立治疗阶段患者模型。这可以建立用户信心，并为后续的分割算法提供更好的起点，从而增加成功自动生成其他结构的机会。

在公开的实施例中，提供了一种用于适应性疗法阶段的自动化工作流，其包括：获得指令集，该指令集包括表示针对患者的计划治疗的数据；以及使用该指令集执行一系列自动化步骤以：以逐步方式生成阶段患者模型；生成阶段患者模型的第一和第二治疗方案；并选择适合当前治疗方案的治疗方案。

在示例性实施例中，以逐步方式生成阶段患者模型包括：第一步骤，其中生成患者的一部分的治疗阶段图像，该治疗阶段图像包含感兴趣的解剖体和可选的感兴趣的骨结构；可选的第二步骤，其中使用来自指令集的参考图像评估治疗阶段图像，该参考图像包含对应的参考骨结构，当治疗阶段图像中的感兴趣的骨结构与参考图像中的骨结构匹配时，接受治疗阶段图像；第三步骤，其中，响应于接受治疗阶段图像，在治疗阶段图像上生成影响体(influencer)结构列表中的一个或多个影响体结构；第四步骤，其中基于指令集中的一个或多个指令来评估所生成的影响体结构；第五步骤，其中响应于接受所生成的影响体结构，将来自参考患者模型的一个或多个靶体积传播到治疗阶段图像；第六步骤，其中基于指令集中的一个或多个指令来评估所传播的一个或多个靶体积。响应于接受所传播的靶体积，包括影响体结构和所传播的靶体积的治疗阶段图像被接受作为阶段患者模型。可替代地，第二步骤在靶体积评估步骤之后执行。

在所公开的实施例中，治疗等中心可以被自动确定，并且使用可以自动递送的参考方案的控制点和治疗阶段患者模型，可以生成所谓的预约方案。使用在初始计划期间获得的知识(例如，由部门信息系统提供)，可以自动优化新方案，即适应方案。结果，向用户呈现当前治疗阶段的两个方案：预约方案和适应方案。

在所公开的实施例中，以比较视图呈现方案，从而允许用户总是选择适合于阶段解剖体的方案，而不需要额外的计算和用户对患者数据的操作。

在所公开的实施例中，描述了一种用于由用户选择要在自动适应性放射疗法中的治疗阶段中应用的治疗方案的方法，该方法包括以下步骤：生成治疗阶段图像；在治疗阶段图像中生成靶体积；用户确定是否接受所生成的靶体积；基于治疗等中心信息来生成第一治疗方案，该治疗等中心信息是通过将治疗阶段图像中的接受的所生成的靶体积与参考图像中的相应参考靶体积自动对准而获得的；基于所接受的靶体积和一组自动生成并自动选择的优化参数，生成第二治疗方案；并由用户确定要使用的治疗方案。

在示例性实施例中，使用先前设置的临床目标自动生成优化参数。

在示例性实施例中，优化参数是连续修改的，无需用户输入即可自动选择。

在示例性实施例中，第一治疗方案的产生包括：确定参考图像的参考治疗等中心位置；确定治疗阶段图像的采集等中心位置；将治疗阶段图像中接受的所生成的靶体积与参考图像中相应的参考靶体积自动对准；确定参考治疗等中心的位置与采集等中心之间的差异；通过将确定的差异应用于采集等中心位置来确定治疗阶段等中心位置；以及使用治疗阶段等中心位置作为到方案生成算法的输入，以生成第二治疗方案。

在示例性实施例中，第二治疗方案的生成包括：使用由方案生成算法优化的优化参数来生成方案，并使用在与参考靶体积相关联的参考治疗方案中包含的信息来优化所生成的方案。

在示例性实施例中，在治疗阶段图像中生成靶体积包括：使用结构引导的可变形配准将参考靶体积从参考图像自动传播到治疗阶段图像。结构引导的可变形配准可以是由参考图像和治疗阶段图像中存在的一个或多个结构引导的可变形配准。治疗阶段图像中的一个或多个结构可以通过手动勾画、自动勾画或手动和自动勾画的组合之一来生成，和/或通过由可变形形变和/或刚性形变从参考图像传播一个或多个结构来生成。一个或多个结构包括影响靶体积的形状，大小或位置之一的解剖学结构和/或非容积结构。

在示例性实施例中，该方法还包括：由用户验证一个或多个结构在用于引导参考靶体积到治疗阶段图像的传播之前是可接受的。

在所公开的实施例中，确定是否接受所生成的靶体积的步骤包括：向用户呈现包括参考靶体积的参考图像和包括所生成的靶体积的治疗阶段图像，以用于比较；以及用户验证在治疗阶段图像中生成的靶体积表示与参考图像中的参考靶体积相同的解剖学区域。

还公开了一种用于生成阶段患者模型并选择用于治疗阶段的治疗方案的适应性疗法工作流，该工作流包括：获得指令集，该指令包括与患者的计划治疗有关的信息；使用该指令集来引导适应性工作流，以从变化最大的解剖体开始逐步生成阶段患者模型；使用该指令集中的指令来连续自动地优化针对阶段模型所生成的治疗方案，从而获得针对治疗阶段的适应方案；使用所生成的阶段模型来自动传送计划治疗的控制点，从而生成针对治疗阶段的预约方案；并使用指令集中的指令允许用户选择适合于治疗阶段的治疗方案。

还公开了一种系统，该系统被配置为执行本文中所公开的方法步骤。

还公开了一种系统，该系统包括计算机治疗设备，该计算机治疗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，其执行使得系统执行本文公开的方法步骤。

还公开了一种非暂态计算机可读存储介质，在其上体现了一系列编程指令，用于生成要在适应性放射疗法中使用的日常治疗图像，还公开了一种计算机治疗系统，其执行在计算机可读存储介质上体现的一系列编程指令。该一系列编程指令的执行可以使计算机治疗系统执行本文所述的适应性工作流。

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

附图说明

图1是根据所公开主题的各种实施例的放射疗法系统的简化示意图。

图2是根据所公开主题的各种实施例的用于将图1的放射疗法系统用于榻上适应性放射疗法的简化图示。

图3-图5是根据所公开主题的各种实施例的榻上适应性放射疗法中使用的工作流图示。

图6是根据所公开主题的各种实施例的用于阶段患者模型生成的过程流程图。

图7是根据所公开主题的各种实施例的用于为阶段患者模型生成不同治疗方案的过程流程图。

图8是根据所公开主题的各种实施例的用于确定治疗等中心的过程流程图。

图9是根据所公开的主题的各种实施例的用于选择治疗方案的过程流程图。

图10是根据所公开主题的各种实施例的用于在治疗阶段图像上生成影响体结构的过程流程图。

图11示出了示例性轮廓验证过程显示器的屏幕截图。

图12是根据所公开主题的各种实施例的用于图像配准和DVF生成的过程流程图。

图13是根据所公开主题的各种实施例的用于所传播的阶段结构评估的过程流程图。

图14是根据所公开主题的各种实施例的榻上适应性工作流。

图15A示出了根据所公开主题的各种实施例的示例性骨结构匹配过程的屏幕截图。

图15B示出了根据所公开主题的各种实施例的示例性的所传播的靶体积验证过程的屏幕截图。

图16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体结构。

图17A是示出影响体结构的运动范围的示例性矢状CT切片。

图17B-图17D是示例性轴向CT切片，其示出了靶体积和影响体结构的运动范围。

图18是常规的适应性工作流图示。

具体实施方式

参考图1，示出了示例性放射疗法系统100，其可以用于如图2所示的适应性放射疗法中。放射疗法系统100可以向位于治疗榻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阶段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阶段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方案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引导的保形放射治疗，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(治疗阶段)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得的一个或多个二维或三维图像(通常为X射线)。存在多种获得治疗中图像的方法。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得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模态。

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、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方案和放射递送程序。

控制器200可以是但不限于图形治疗单元(GPU)，控制器200可以包括：具有适当硬件(诸如治疗器)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200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210，其可以被适配为允许控制器200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200可以设置有I/O接口、控制台、存储设备、存储器、键盘、鼠标、监视器、打印机、扫描仪以及部门信息系统(DIS)，诸如通信和管理接口(DICOM)，其用于存储和传输医学成像信息和相关数据，并且使能集成医学成像设备，诸如扫描仪、服务器、工作站、打印机、网络硬件等。

备选地或附加地，I/O设备210可以提供对网络(未示出)的访问以在控制器200和远程系统之间传输数据。例如，控制器200可以经由I/O 210来与其他计算机和放射疗法系统联网。放射疗法系统100、放射疗法设备101和控制器200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300)进行通信。控制器200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200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：治疗方案模块，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生成治疗方案；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；图像获得模块，其可操作以指导放射疗法系统和/或成像设备在放射疗法治疗之前获得患者110的图像(即，用于治疗计划和患者定位的治疗前/参考图像)和/或在放射疗法治疗期间获得患者110的图像(即，治疗中的阶段图像)，并指导放射疗法系统100和/或成像设备101或其他成像设备或系统获得患者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，其可操作以指导放射疗法设备100向患者110递送治疗方案；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约阈值(范围)的比较来实时指导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、参考)图像和治疗中(治疗阶段)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形变过程而导致的变形矢量场(DVF)。系统100还可以包括用于电子密度图生成、等剂量分布生成、剂量体积直方图(DVH)生成、图像同步、图像显示、治疗方案生成、治疗方案优化、自动优化参数生成、更新和选择、以及适应性指令和治疗信息递送的模块。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。

例如，治疗计划系统300可以用于基于诸如CT或CTBT图像数据的图像数据来生成用于放射治疗设备101的治疗方案。在典型的计划过程中，合格的医务人员(医师)会在一个或多个初始参考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。计划图像还可以进行半自动分割，以勾画出将要作为照射靶的恶性肿瘤以及应限制其照射的任何周围关键结构(OAR)。恶性肿瘤的典型勾画包括大体靶体积(GTV)、临床靶体积(CTV)和计划靶体积(PTV)。(GTV)确定具有最高肿瘤细胞密度并需要最高规定剂量的解剖区域。(GTV)是大体肿瘤(即可以被看见、触诊或成像的肿瘤)的位置和范围。(CTV)包含(GTV)，再加上亚临床疾病扩散的裕度(margin)，因此无法完全成像。(CTV)非常重要，因为必须充分治疗该体积以实现治愈。(PTV)允许计划或治疗递送中的不确定性。这是一个几何概念，其被设计为确保放射疗法剂量实际上被递送到CTV。因此，(PTV)用于通过(CTV)裕度的容积扩展来补偿治疗设置的不确定性。参考/计划图像还可以图示软组织、影响体结构、器官、血管、骨等。

一旦医师生成了一系列治疗参数(诸如但不限于要使放射最大化的靶、要使放射最小化的靶)，就会生成治疗方案，该治疗方案还考虑到由用于向患者递送放射的放射疗法系统100对治疗过程施加的约束。附加地或可替代地，治疗计划系统300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治疗方案。然后，医师会审阅治疗方案，以确保其满足患者的临床需求。

医师还开发了适应性指令集，该适应性指令集是描述适应性治疗的意图的参数/指令/信息的列表(即，针对患者的计划治疗的4D描述)。这组适应性指令可以包括关于以下的信息：计划(参考)剂量规范(即Rx处方)、是否要使用适应性疗法或者标准IGRT疗法、规定的临床目标(诸如但不限于靶剂量范围和(OAR)风险剂量限值)、计划(参考)临床目标值、计划(参考)图像(诸如但不限于CT图像)、具有相应配准信息的支持图像(PET，MRI等)、计划(参考)患者模型(即，参考结构的轮廓，诸如参考图像上的靶体积、OAR和其他结构)、计划(参考)治疗方案(RT方案)、计划(参考)治疗方案3D剂量(即，RT 3D剂量)、参考结构列表(靶体积、OAR、影响体结构、身体轮廓)、不同治疗站的影响体结构列表、与计划(参考)图像上计划(参考)结构的形状和位置有关的信息以及有关如何优化计划(参考)治疗方案的任何信息。

适应性放射疗法的目的是适当修改放射治疗方案，以解决解剖体的时间变化。这样，在治疗站的治疗阶段期间获得的诸如CBCT图像之类的图像(即，治疗阶段图像)被发送至治疗计划系统300,其中新的治疗方案可以通过可变形的配准软件适应当前的解剖体，并发送回放射疗法系统100以进行递送。对于榻上的适应性放射疗法，这种适应性疗法所涉及的工作流必须足够快，以能够在患者仍在榻上的同时使放射方案适应新的解剖体。

为了实现准确的榻上适应性工作流，首先需要生成准确的阶段患者模型(即，当前解剖体上的轮廓)，然后适当修改治疗方案以适配新的解剖体，然后针对其在患者身上的应用迅速评估治疗方案。本文所述的榻上适应性工作流通过一系列自动化步骤以逐步的方式生成阶段患者模型来实现此目的，该一系列自动化步骤通过在治疗计划期间由处方者(例如，医师)预先确定的适应性指令集进行引导。该指令集还用于引导最适合患者的当前解剖体的治疗方案的生成和选择。

在图2-图4和图14所示的榻上适应性工作流中，由处方者开发的适应性指令集被发送到控制器200以保存在其中，和/或在适应性疗法期间通过部门信息系统(DICOM)提供。

指令集中的参考图像可以是先前(例如在不同的成像阶段中)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。参考图像还可以是通过人工智能(AI)分割而人工创建的、不与任何个体相对应的图像。

在示例性实施例中，参考图像是在治疗计划阶段期间针对患者110获得的计划图像。参考图像可以包括一组勾画的参考结构，诸如一个或多个靶体积(例如PTV、CTV、GTV)、一个或多个受影响的器官(例如OAR)、一个或多个感兴趣的解剖学结构(例如身体轮廓)以及一个或多个影响体结构(例如器官和/或非容积结构)。

例如，参考图像可以包含靶体积，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)以及已观察到或预期有淋巴结侵袭的区域(即淋巴结靶)。备选地，参考图像可以包含靶体积，该靶体积包括原发靶、原发器官和淋巴结靶，并且参考图像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。替代地，参考图像可以包括多个靶体积。替代地，参考图像可以包含多个靶体积，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。替代地，参考图像可以包括多个靶体积和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。

参考图像还可以包括结构的轮廓，该结构影响原发靶、淋巴靶、原发器官和其他感兴趣的其他解剖学结构中的一者或多者的形状、大小和位置中的一项或多项。这些影响体结构可以包括通常每天移动和/或表现出大形变和/或移动的结构(诸如器官)以及其他非容积结构(诸如，例如描述解剖学情况的点或2D线)。这些影响因素结构的轮廓通常由于其高度可变形的性质而不能很好地从计划图像传播到治疗阶段图像上。关于参考图像中这些参考结构的形状和位置的信息还作为参考患者模型而被包括在适应性指令集中。

图16示出了用于子宫颈治疗的示例性参考图像400。参考图像400包括轮廓401和一组轮廓402，轮廓401勾画出作为靶体积的原发和淋巴结靶，一组轮廓402作为影响体结构，诸如勾画膀胱的轮廓402A、勾画子宫的轮廓402B以及勾画直肠的轮廓402C。参考图像400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16所示。

图17A示出了已经从第一位置(402A)移动到第二位置(402A')的膀胱402A，并且图17B-图17D示出了靶体积401如何由于子宫402B的运动而每天运动。

尽管这些图像示出了用于靶体积和影响体结构的特定结构，但是应该理解，靶体积和影响体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，例如但不限于前列腺、胰腺、直肠癌等的治疗。同样，影响体结构还可以包括非容积结构，诸如有助于描述解剖学情况的点或2D线。

为了使新的治疗方案适应当前的解剖体，一旦在治疗站可获得适应性指令集，在审阅解剖体和方案选择方面技能娴熟且受过训练并负责向患者(即用户/适配器)提供适应性治疗的放射人员(RTT/MTA)执行第一级治疗修改，即，将患者设置在治疗榻上并将患者移至成像位置(患者设置，S102)。

在患者设置之后，下一步骤是：在治疗之前，在治疗站使用放射成像设备101获得患者110的感兴趣部分的一个或多个治疗阶段图像(成像，S103)。在示例性实施例中，治疗阶段图像是例如在治疗阶段期间通过用放射120照射患者110的感兴趣区域而获得的3D或4DCBCT扫描。该治疗阶段图像可以示出患者的骨质结构，但不包括靶体积或其他结构的任何勾画。

然后，RTT/MTA初始化治疗阶段图像上的参考结构的轮廓的生成(轮廓化，S104)，以获得治疗阶段患者模型。该引导式轮廓化过程S104的细节在图5和图6中示出。然后，RTT/MTA初始化针对在S104中获得的阶段患者模型的不同方案的生成以及对要向患者递送的合适方案的选择(S105-S110)。但是，为了生成准确的治疗方案，需要生成准确的阶段患者模型。即，需要在治疗阶段图像中正确示出参考图像中存在的靶体积(CTV、PTV等)、OAR、器官、解剖学结构、影响体结构、身体轮廓等，因此，医师无需进行任何进一步的修订/重新轮廓化，也不需要进行电子密度图的误差校正。方案生成和选择过程(S105-S110)的详细信息如图7-图9所示。可选地，可以由相同或不同的医师离线评估/监测治疗递送。

如图3-图4和图14所示，榻上适应性工作流由S101中可用的指令集进行引导，从而由RTT/MTA执行一系列自动化步骤，其允许无需医师单独审阅而生成准确的阶段患者模型，并且可以生成RTT/MTA可以选择的准确的治疗方案，而无需额外的医师输入。

轮廓化S104

如图6所示，为了生成准确地反映参考结构在治疗阶段图像上的形状和位置的阶段患者模型(即，包括在参考图像中存在的结构(即，参考结构)的轮廓的治疗阶段图像)，阶段患者模型逐步地被构建。

步骤1-匹配骨

作为第一可选步骤S200，将在步骤S103中获得的治疗阶段图像与参考图像进行比较，该治疗阶段图像是示出感兴趣的解剖体并且可以示出一个或多个骨结构的图像，该参考图像还包括相应的一组骨结构。为此，在控制台显示器上向RTT/MTA提供参考图像和治疗阶段图像，如图15A所示，以用于比较和分析。如果RTT/MTA确定两个图像中的骨结构不匹配(S201)，则RTT/MTA在S202中启动治疗榻调整，以校正通过配准两个图像而发现的位置误差。当骨结构匹配时，RTT/MTA在S203中启动在治疗阶段图像上的影响体结构的生成。可替代地，该步骤S200可以在后台执行，而不向RTT/MTA显示信息。可替代地，可以在下述步骤3之后执行该步骤S200。

步骤2-生成和评估影响体结构

在图10中示出了在S103中获得的治疗阶段图像上的影响体结构的生成(S203)。如图10所示，从成像步骤S103获得的治疗阶段图像500不包含任何勾画。使用在适应性指令集中包括的影响体结构列表(并且RTT/MTA可以使用该列表)，RTT/MTA通过控制台上的对RTT/MTA可用的选项来启动对影响体结构列表中的、适合于治疗站的影响体结构的自动勾画、手动勾画或自动和手动勾画的组合中的一者。例如，如果患者进行了对子宫颈癌的治疗，那么从影响体结构列表中挑选出的、用于勾画的影响体结构是膀胱、直肠和子宫。此外，如果参考图像中还存在其他非容积影响体结构，则这些影响体结构也会在治疗阶段图像500中勾画出来。

如图10所示，当由RTT/MTA启动时，可以使用由轮廓生成模块118执行的各种可用的自动分割软件(算法)来自动勾画所选择的影响体结构，该软件自动检测影响体结构并绘制相应的轮廓502。可以使用基于人工智能(AI)的分割、图像分析、形状模型等直接从治疗阶段图像数据中创建影响体结构。影响体结构还可以通过可变形或刚性的图像配准从先前分割的参考图像中导出。勾画还可以由RTT/MTA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用户在治疗阶段图像500上标识并绘制轮廓502。

一旦在治疗阶段图像500上绘制了影响体结构的轮廓502，则RTT/MTA可以使用例如在GUI的验证模块119中存在的各种可用轮廓验证工具来进一步审阅轮廓502(S204)。使用GUI，用户可以修改、删除、重绘自动生成的轮廓502(S205)，以在参考图像中的影响体结构与治疗阶段图像500中的影响体结构之间建立一致性。

在图11中示出了示例性的验证过程，其中在GUI的显示器设备上从不同的视图审阅了膀胱502A、子宫502B和直肠502C的轮廓。验证模块119还可以支持用户标识可能需要对影响体结构进行校正的位置(即，健全性检查)。验证模块119还可以通过显示诸如参考图像、解剖体图谱、轮廓化引导线等参考来支持用户验证影响体结构的正确性。

由于影响体结构显著变形，因此治疗阶段图像500上的影响体结构的位置可能与参考图像400中相同影响体结构的位置不同，如图17A所示。

一旦影响体结构由RTT/MTA进行校正(502')(如果需要)，并且RTT/MTA确定在治疗阶段图像500上正确地捕获了每个影响体结构的患者解剖体，则RTT/MTA启动参考图像中所包括的其余参考结构(除影响体结构外)的传播(S206)。即，除在参考图像400中存在的影响体结构之外，RTT/MTA还启动靶体积(CTV、PTV等)、OAR和其他感兴趣的解剖学结构的传播(即，选择性参考结构的传播)。

步骤3-传播和评估结构

使用结构引导的可变形配准算法(Structure-Guided DIR)完成传播，该算法将参考图像400的图像数据与治疗阶段图像500的图像数据配准，并且因此，使用DVF确定模块202生成一个或多个可变形矢量场(DVF)203(参见图12)。DVF 203随后可以用于使用轮廓传播模块205将靶体积(CTV、PTV等)、OAR和其他感兴趣的解剖学结构从参考图像400传播到治疗阶段图像500。

引导的可变形配准是通过参考图像400中存在的影响体结构与在治疗阶段图像500中生成的影响体结构之间的关系来引导的可变形配准。结构引导的可变形配准是一种配准过程，其中影响体结构被用作到可变形配准算法的输入以引导形变过程，其中引导通过在可变形配准算法中合并约束来实现，以使参考图像中存在的影响体结构与后续治疗图像中生成的相同影响体结构相匹配。通过在两个图像之间应用结构引导的可变形配准，结构引导的可变形配准算法使能获得一个或多个变形矢量场(DVF)，并使用一个或多个变形矢量场(DVF)将所选择的参考结构准确地从参考图像传播到治疗阶段图像。在美国专利申请No.16/144,253中详细公开了可用于传播参考结构的示例性结构引导的可变形配准过程。

一个或多个可变形矢量场(DVF)203还可以被剂量计算模块204用于剂量累积确定，并且计算用于所传播的结构的包络(envelope)等剂量。然后，控制器116基于所传播的图像数据启动对所传播的结构(即，OAR、CTV、PTV)的轮廓化。

在图13所示的S207中，一旦在S206中传播选择性参考结构(靶体积、OAR等)，RTT/MTA将被提示评估所传播的结构中的一个或多个所传播的结构。为了做到这一点，RTT/MTA在控制台显示器上被呈现包含参考结构的参考图像400(即，在参考图像上覆盖的参考结构的轮廓)以及包含所生成的影响体结构和所传播的结构的阶段治疗图像500(即，在治疗阶段图像上覆盖的阶段结构的轮廓)，如图15B所示。可选地，在两个图像上覆盖有身体轮廓以及放射剂量表示(等剂量线、颜色标示(wash)等)。

RTT/MTA利用所呈现的信息来验证：所创建的靶体积(即，向治疗阶段图像500传播的靶体积)表示患者的正确解剖学区域。换句话说，RTT/MTA将现在在其上覆盖有所生成的影响体结构和所传播的结构(即，阶段结构)的治疗阶段图像与在其上覆盖有参考结构的参考图像进行比较，并且使用在适应性指令集中包括的信息(诸如参考图像(即，参考患者模型)上的参考结构的形状和位置)，计算治疗阶段图像上的所传播的靶体积的位置和形状，并且确定所传播的靶体积(CTV、PTV、GTV等)是否表示与参考图像中的参考结构所表示的解剖学区域相同的患者解剖学区域。

系统101通过以下操作来支持RTT/MTA进行该评估：允许RTT/MTA同步两个图像的视图；使RTT/MTA选择在视图中显示哪些信息；提供工具(软件、硬件)(诸如测量工具和体积信息工具)，以例如自动评估在治疗阶段图像上的所传播的靶体积(CTV、PTV、GTV等)的形状、定位和位置；并且使RTT/MTA选择要使用的工具。

可选地，RTT/MTA还被提供有工具(硬件、软件)来评估治疗阶段图像上的其他所传播的结构(OAR、身体轮廓等)。

可选地，RTT/MTA还被提供有自动检测所传播的结构中不规则性的工具(硬件、软件)。

可选地，RTT/MTA还被提供有自动或以其他方式将RTT/MTA引导到检测到不规则的位置的工具。

可选地，RTT/MTA还可以使用用以下项计算得到的放射剂量：在S101中获得的适应性指令集中的放射处方；以及基于在治疗阶段图像中生成的影响体结构以及所计算的在治疗阶段图像中所传播的靶体积的位置和形状而创建的适应患者模型。

基于对所传播的靶体积的评估结果，RTT/MTA被呈现有几种选项。如果评估的结果是所传播的靶体积正确，则RTT/MTA接受所传播的靶体积，在这种情况下，所生成的和所传播的轮廓(即，所生成的影响体结构的轮廓和所传播的结构(共同为阶段结构)的轮廓)被接受为在解剖学上与参考图像中参考结构的初始定义轮廓一致，但是适于当前解剖体的位置。还确定治疗阶段图像上的阶段结构的轮廓的形状和位置。

如果评估的结果是所传播的靶体积不正确，则RTT/MTA将被提供有几个选项以供选择。一个选项是退出(S210)，另一选项是选择专家模式(S208)。专家模式S208允许RTT/MTA应用内置在系统中的轮廓校正算法来自动校正所传播的轮廓(S209)，或请现场或离线的专家来自动或手动校正所传播的轮廓(S209)。RTT/MTA还被提供有对所传播的轮廓进行即时校正的选项和/或使用适应性指令集中的附加的支持图像(PET、MRI)来帮助审阅过程的选项。

响应于将所传播的靶体积接受为正确示出参考患者模型的解剖体，治疗阶段图像上的阶段结构的轮廓被接受作为阶段患者模型。

方案选择S107-S110

生成预约方案S105

一旦被接受，阶段患者模型的所传播的靶体积可以用于生成预约方案，如图7-图8所示。RTT/MTA通过控制台可以启动预约方案生成。

最初，当开始适应性工作流时，患者110以与标准放射疗法治疗相同的方式被设置在治疗榻112上。因此，在将患者110放置在治疗榻112上之后，使用指示等中心的位置的传统皮肤标记将患者110带到放射疗法系统100的等中心。

当在S103中获得治疗阶段图像(即，例如，CBCT图像)500时，治疗阶段图像500的中心对应于采集等中心。如果通过使采集等中心与系统等中心对准来治疗患者110，则将不正确地对患者110进行治疗，因为如图8所示，阶段靶体积与参考靶体积不一致。为了确定正确的治疗等中心(S301)，一旦RTT/MTA接受了治疗阶段图像500上的所传播的靶体积(即，阶段靶体积)(步骤S207)，系统100被提示将从S101获得的参考患者模型的参考靶体积与在S104中获得的阶段患者模型的阶段靶体积自动对准(S300)。

如图8所示，这种对准提供了采集等中心与参考治疗等中心之间的差异。根据该差异，计算出平移(X，Y，Z)值，即，患者110需要在X、Y和Z方向移动多少以使两个等中心对准。然后将计算出的平移值应用于采集等中心，以便在S301中确定治疗等中心位置。然后在S302中将该治疗等中心位置提供给剂量体积计算算法，该剂量体积计算算法使用与来自S101的参考方案有关的信息来生成预约方案。预约方案还包含有关新治疗榻112位置的信息，如果选择预约方案进行治疗，则该信息将被传达给治疗递送系统101。当预约治疗方案包含新的治疗榻位置时，它迫使RTT/MTA应用于(将治疗榻112移动到)新位置。

生成预约剂量矩阵S106

接下来将在S105中生成的预约方案应用于S303中的剂量计算算法，以在S106中根据预约方案计算要向阶段靶体积应用的放射剂量。然后，在步骤S109中，这样生成的预约剂量矩阵(S304)与所生成的预约方案和预约等剂量值一起被发送至显示器设备以用于向RTT/MTA显示。

生成适应方案S107

一旦在S207中接受，阶段患者模型的所传播的靶体积以及其他所传播的结构(OAR等)(与所传播的阶段结构一起)可以被用于生成适应方案，如图5和图7所示。RTT/MTA可以通过控制台启动适应方案的生成。

为了生成适应方案，在S103'中获得的所传播的阶段结构以及患者的合成图像(例如，合成CT)用作S400中自动方案生成算法的输入。方案生成算法结合了现有组件(用于VMAT和IMRT的光子优化算法(PO-GPU)、用于叶片排序的SmartLMC算法、用于DVH估计的RapidPlan，用于优化剂量计算的FTDC-GPU、用于最终剂量计算的AcurosXP-GPU)中的几个组件，并且附加地，为了支持自动化的适应性工作流，还包括附加组件，该附加组件允许自动生成、自动选择和自动连续修改优化参数，通过该算法，算法S401被优化，并且最终，生成方案S402被优化。这使RTT/MTA不必亲自逐个案件地提供对特定的参数(目标、优化结构、选项、正常组织治疗等)的优化。这不仅减少了方案生成所需的时间，还减少了RTT/MTA选择错误参数可能引起的潜在错误。

为了生成合成CT，在S103中生成的治疗阶段图像进一步与包括从S101获得的参考结构的参考图像配准。图像配准可以包括：刚性配准和弹性可变形配准(弹性DIR)中的一种或多种和/或基于图集的分割、骨分割等中的一种或多种。两幅图像之间的刚性配准结果用作到弹性可变形配准算法(弹性DIR)的输入，并且从弹性DIR输出的配准数据以及与从S103的治疗阶段图像中检测到的身体轮廓有关的数据一起用作合成CT生成算法的输入，如图14所示。

S400的自动方案生成算法将创建的合成CT和所传播的阶段结构作为输入，以基于新的解剖体修改参考方案。在S401中，原始治疗指令(即，S101中的适应性指令集中包含的医师定义的临床目标集)被用于自动生成用于适应性方案生成的一组优化参数/标准。在S402中，方案生成算法使用自动生成和选择的优化参数来生成方案。在S402中如此生成的方案使用附加信息进一步进行自动优化，该附加信息包括与参考方案相关联的参考方案优化参数，该参考方案优化参数被包括在在S101中获得的指令集中。在S402中使用参考方案，其目的是将所生成的方案优化为与参考方案的剂量分布具有相似剂量特性的剂量分布。

与用于在S402中优化所生成的方案的参考方案参数有关的信息还包括放射治疗系统100的递送特性，诸如束角度和监测器单元。这些优化参数被用于获得新的方案(即适应方案)，其以与原始治疗方案相似的程度满足原始临床目标。

生成适应剂量矩阵S108

接下来，将在S107中生成的适应方案应用于S403中的剂量计算算法，以在S108中根据适应方案来计算要向阶段靶体积应用的放射剂量。然后在S109中将如此生成的适应剂量矩阵(S404)与所生成的适应方案和适应等剂量值一起被发送到显示器设备以用于向RTT/MTA显示。

在进行治疗之前，还可以检查和验证预约方案和适应方案。可以对方案检查进行验证，以使用DICOM人为因素(artifact)(参考方案、图像、结构、剂量等)确保在治疗设备上的递送，该DICOM人为因素旨在提供独立的质量保证。可选地，独立验证应用将验证结果(QA)传送回适应性工作流应用。

方案显示和选择S109-S110

预约方案与计算出的预约剂量矩阵以及适应方案以及计算出的适应剂量矩阵一起被显示给RTT/MTA以供选择，如图5和图9所示。还向RTT/MTA提供了一个或多个工具(硬件、软件等)来评估预约方案和适应方案。工具可以包括提供以下信息的工具：参考图像上的参考方案的等剂量分布；治疗阶段图像上的预约方案的等剂量分布；治疗阶段图像上的适应方案的等剂量分布；参考方案、预约方案和适应方案的剂量体积直方图(DVH)。工具还可以包括用于临床目标评估的工具，以提供参考临床目标值以及预约和适应方案临床实际值。可选地，RTT/MTA可以被呈现有其他图像(诸如多模态图像(PET、MRI))，其可以帮助方案选择过程。RTT/MTA可以选择要在显示器S109上显示的信息以及用来帮助选择最合适方案的附加工具。

配备了这些工具和选项，RTT/MTA在S500中确定预约方案是否是当前治疗阶段的可接受的方案。如果预约方案是可接受的，则RTT/MTA在S501中选择在S502中递送预约方案以用于在S111中的治疗递送。如果RTT/MTA在S500中确定预约方案不可接受，则RTT/MTA在S503中选择适应方案以进行评估。如果RTT/MTA在S504中确定适应方案是当前治疗阶段的适当方案，则RTT/MTA在S505中选择在S506中递送适应方案以用于在S111中的治疗递送。如果RTT/MTA在S504中确定该适应方案对于当前治疗阶段也不可接受，则RTT/MTA可以选择S507中的退出或S508中的使用应急方案来进行治疗递送。应急方案是基于参考方案针对先前计算的平均靶体积位置(平均CTV位置)创建的方案，该位置包括比针对参考靶体积计算的剂量裕度更大的剂量裕度。

RTT/MTA使用在S101中获得的指令集中的参考临床目标和参考临床目标值来定量评估预约方案和/或适应方案对于当天的治疗阶段(即当前治疗阶段)在医学上是否必要。为此，在显示器上向RTT/MTA提供用于预约治疗方案和适应治疗方案的的参考临床目标值和实际临床值，RTT/MTA选择提供最接近参考临床目标值的临床值的治疗方案。

一旦用户选择了治疗方案，则放射治疗将在S111中根据所选择的方案进行。产生原始治疗方案、适应性指示和适应性工作流的处方医师(MD)或任何其他合格的医师都可以离线审阅和/或监视治疗递送，如图5所示。

因此，很明显，所公开的主题使得能够使用指令集来引导适应性工作流，以便生成阶段患者模型并为治疗阶段选择合适的治疗方案，如图14所示。适应性工作流包括：获得指令集，该指令集包括与患者的计划治疗有关的信息；使用指令集来引导适应性工作流，以从变化最大的解剖体开始逐步生成阶段患者模型；使用指令集中的指令来连续自动地优化针对阶段模型所生成的治疗方案，从而获得针对治疗阶段的适应方案；使用所生成的阶段模型来自动递送计划治疗的控制点，从而生成用于治疗阶段的预约方案；并且使用指令集中的指令，以允许用户选择适合于治疗阶段的治疗方案。

因此，很显然，所公开的主题还使系统能够执行本文所述的引导式适应性工作流。

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治疗器、微治疗器、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治疗器(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，或者可以由在单个治疗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)、数字信号治疗器(DSP)、用微码编程的电子设备(例如，微治疗器或微控制器)、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治疗器可执行软件模块中，该治疗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传送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 (22)

1.一种被配置为用于执行适应性放射疗法阶段的自动化工作流的系统，所述工作流包括：

获得指令集，所述指令集包括：

表示用于患者的计划治疗的信息；

与以下项有关的信息：计划放射剂量、计划临床目标、计划临床目标值、参考患者模型、参考治疗方案；

影响体结构列表；以及

一个或多个参考图像，

其中所述影响体结构包括的结构影响原发靶、淋巴靶、原发器官和感兴趣的其他解剖学结构中的一者或多者的形状、大小和位置中的一项或多项；以及

使用所述指令集执行一系列自动化步骤以：

以逐步方式生成阶段患者模型；

生成用于所述阶段患者模型的第一治疗方案和第二治疗方案，其中基于治疗等中心信息来生成所述第一治疗方案；基于所接受的靶结构和一组自动生成并自动选择的优化参数，生成所述第二治疗方案；以及

选择适合于当前治疗阶段的治疗方案；

其中以逐步方式生成所述阶段患者模型包括：

第一步骤，其中所述患者的一部分的治疗阶段图像被生成，所述治疗阶段图像包含感兴趣的解剖体；

第二步骤，其中来自所述影响体结构列表的一个或多个影响体结构在所述治疗阶段图像上被生成；

第三步骤，其中所生成的所述影响体结构基于所述指令集中的一个或多个指令而被评估；

第四步骤，其中响应于接受所生成的所述影响体结构，所述参考图像的靶结构被传播到所述治疗阶段图像；以及

第五步骤，其中所传播的所述靶结构基于所述指令集中的一个或多个指令而被评估，

其中响应于接受所传播的所述靶结构，包括所述影响体结构和所传播的所述靶结构的所述治疗阶段图像被接受为所述阶段患者模型。

2.根据权利要求1所述的系统，其中，

所述靶结构包括：

第一组靶结构，表示原发肿瘤的轮廓；以及

第二组靶结构，表示一个或多个原发性地受影响的器官（OAR）的轮廓，并且

所述影响体结构包括：

第一组影响体结构，表示影响所述靶结构中的一个或多个靶结构的形状、大小或位置中的一项或多项的一个或多个器官的轮廓；以及

第二组影响体结构，表示非容积结构的轮廓。

3.根据权利要求2所述的系统，其中所述一个或多个影响体结构通过手动分割、自动分割或手动分割和自动分割的组合中的一项而被生成，或者通过将所述一个或多个影响体结构通过可变形形变和/或刚性形变而从所述参考图像传播到所述治疗阶段图像而被生成。

4.根据权利要求2所述的系统，其中所述靶结构使用结构引导的可变形配准从所述参考图像被传播到所述治疗阶段图像。

5.根据权利要求4所述的系统，其中所述结构引导的可变形配准是由所述影响体结构中的一个或多个影响体结构引导的可变形配准。

6.根据权利要求2所述的系统，其中所述评估、所述接受和所述选择由单个用户完成。

7. 根据权利要求6所述的系统，其中确定所述一个或多个影响体结构是否可接受包括：

向所述用户呈现包括所生成的所述影响体结构的所述治疗阶段图像和包括对应的参考影响体结构的所述参考图像以用于比较；以及

所述用户验证所生成的所述影响体结构与所述参考影响体结构相对应。

8.根据权利要求7所述的系统，其中所述工作流还包括向所述用户显示轮廓化/分割引导线，以用于所述验证。

9. 根据权利要求6所述的系统，其中确定所传播的所述靶结构是否可接受包括：

向所述用户呈现包括所传播的所述靶结构的所述治疗阶段图像和包括对应的参考靶结构的所述参考图像以用于比较；以及

所述用户验证在所述治疗阶段图像上的所传播的所述第一组靶结构表示所述患者的与所述参考图像中的参考第一组靶结构相同的解剖学区域。

10.根据权利要求9所述的系统，其中所述确定还包括：在所述验证之前将所述参考图像与所述治疗阶段图像同步。

11.根据权利要求10所述的系统，其中所述确定还包括：使用与所述治疗阶段图像中的所传播的所述第一组靶结构以及所述参考图像中的所述参考第一组靶结构的形状和位置有关的信息。

12.根据权利要求11所述的系统，其中所述确定还包括：使用与所述参考图像和所述治疗阶段图像中的放射剂量表示有关的信息。

13.根据权利要求12所述的系统，其中所述确定还包括：使用自动化工具来检测所比较的所述第一组靶结构中的不规则性。

14.根据权利要求13所述的系统，其中所述确定还包括：使用自动化工具来将所述用户引导到不规则性被检测到的位置。

15.根据权利要求9所述的系统，其中当所述用户确定所传播的所述第一组靶结构不可接受时，所述用户能够选择校正所传播的所述第一组靶结构或默认给另一用户以用于校正。

16.根据权利要求9所述的系统，其中生成用于所述阶段患者模型的所述第一治疗方案包括：

从所述指令集中获得用于所述参考患者模型的参考等中心位置；

确定用于所述阶段患者模型的采集等中心位置；

将所述阶段患者模型中的所接受的所传播的所述第一组靶结构与所述参考患者模型中的对应的所述参考第一组靶结构对准；

确定所述参考等中心的所述位置和所述采集等中心的所述位置之间的差；

通过将所确定的所述差应用于所述采集等中心位置来确定治疗阶段等中心位置；以及

使用所述治疗阶段等中心位置作为到方案生成算法的输入，以生成所述第一治疗方案。

17.根据权利要求16所述的系统，其中生成所述第二治疗方案包括：

通过将所述治疗阶段图像与所述参考图像配准来生成用于所述患者的合成图像；

使用所述合成图像和所传播的所述靶结构作为到治疗方案生成算法的输入，以生成治疗方案，其中所述方案生成算法包括优化参数，所述优化参数基于所述指令集中包括的所述计划临床目标而被自动生成；以及

通过使用与所述指令集中包括的所述参考治疗方案相关的信息来优化所生成的所述方案，生成所述第二治疗方案。

18.根据权利要求17所述的系统，其中所述优化参数在没有所述用户的输入的情况下而被自动修改和自动选择。

19.根据权利要求6所述的系统，其中选择适合的所述治疗方案包括：

使用来自所述指令集的所述计划临床目标评估所述第一治疗方案对于所述当前治疗阶段是否可接受；

当确定所述第一治疗方案不可接受时，选择所述第二治疗方案；

评估所述第二治疗方案是否可接受；和

当确定所述第二治疗方案不可接受时，选择应急方案。

20.根据权利要求19所述的系统，其中选择适合的所述治疗阶段还包括：

在比较视图中向所述用户呈现所述第一治疗方案和所述第二治疗方案；

在所述参考患者模型上图示参考方案的等剂量分布，在所述治疗阶段模型上图示所述第一治疗方案的等剂量分布，以及在所述治疗阶段模型上图示所述第二治疗方案的等剂量分布；

图示所述参考方案、所述第一治疗方案和所述第二治疗方案的剂量体积直方图；

呈现所述计划临床目标值；

呈现用于所述第一治疗方案和所述第二治疗方案的实际临床值；以及

选择提供与所述计划临床目标值最接近的所述临床值的所述治疗方案。

21.根据权利要求20所述的系统，其中所述确定还包括：当所述第一治疗方案和所述第二治疗方案均未实现所述计划临床目标时，由所述用户选择应急方案。

22.根据权利要求1所述的系统，以逐步方式生成所述阶段患者模型还包括第六步骤，其中所述治疗阶段图像使用来自所述指令集的参考图像而被评估，所述参考图像包含参考骨结构，当所述治疗阶段图像中的感兴趣的骨结构与所述参考图像中的所述骨结构匹配时，所述治疗阶段图像被接受。