CN112203720A - 剂量误差确定设备 - Google Patents

剂量误差确定设备 Download PDF

Info

Publication number
CN112203720A
CN112203720A CN201980035808.4A CN201980035808A CN112203720A CN 112203720 A CN112203720 A CN 112203720A CN 201980035808 A CN201980035808 A CN 201980035808A CN 112203720 A CN112203720 A CN 112203720A
Authority
CN
China
Prior art keywords
dose
interest
value
error
amount
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.)
Pending
Application number
CN201980035808.4A
Other languages
English (en)
Inventor
M·L·邦达尔
A·A·伊索拉
M·F·巴尔
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.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips NV
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 Koninklijke Philips NV filed Critical Koninklijke Philips NV
Publication of CN112203720A publication Critical patent/CN112203720A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N5/00—Radiation therapy
    • A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
    • 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
    • A61N5/103—Treatment planning systems
    • A61N5/1038—Treatment planning systems taking into account previously administered plans applied to the same patient, i.e. adaptive radiotherapy
    • 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
    • A61N5/1075—Monitoring, verifying, controlling systems and methods for testing, calibrating, or quality assurance of the radiation treatment apparatus
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N5/00—Radiation therapy
    • A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
    • A61N5/103—Treatment planning systems
    • A61N2005/1041—Treatment planning systems using a library of previously administered radiation treatment applied to other patients

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Veterinary Medicine (AREA)
  • Primary Health Care (AREA)
  • Medical Informatics (AREA)
  • Epidemiology (AREA)
  • Surgery (AREA)
  • Urology & Nephrology (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Radiation-Therapy Devices (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

一种用于预测针对基于剂量计划而经受辐射处置的包括一个或多个感兴趣区域的身体体积的辐射剂量误差的剂量误差确定设备(100)，所述剂量误差确定设备包括剂量误差确定单元(106)，所述剂量误差确定单元被配置为：使用针对相应的感兴趣区域的剂量计划数据以及空间误差量的输入值来生成剂量变化数据，所述剂量变化数据指示相应的经修改的感兴趣区域中的剂量值的变化率，所述相应的经修改的感兴趣区域与所述相应的感兴趣区域相比在体积上扩大了与所述空间误差量的所述值相对应的量；并且使用表示所述剂量误差量与所确定的剂量变化数据的正相关的计算规则来确定并提供与所述相应的感兴趣区域相关联的剂量误差量的相应值。

Description

剂量误差确定设备
技术领域
本发明涉及用于预测针对基于剂量计划而经受辐射处置的包括一个或多个感兴趣区域的身体体积的辐射剂量误差的剂量误差确定设备。
背景技术
在临床实践中，通常通过对每日患者解剖结构评价原始处置计划来做出处置调整的决定。能够通过在患者的规划图像和每日采集的体积图像(例如，磁共振图像、超声图像、计算机断层摄影图像或锥束计算机断层摄影图像)之间使用可变形图像配准(DIR)来自动执行这种评价。DIR将感兴趣区域(ROI)的轮廓从规划计算机断层摄影图像自动传播到每日图像，并且使得能够自动化评估辐射治疗计划以及被递送到ROI的放射治疗剂量，而无需手动描画。基于针对每个ROI的剂量测定约束条件(例如，针对肿瘤的最小治疗剂量水平和针对危及器官的最大容许剂量水平)来计算处置计划。对当前解剖结构的处置计划评价会重新计算剂量参数并更新记分卡。记分卡指示剂量参数的当前值是否满足剂量测定约束条件。经重新计算的剂量参数和经更新的计分卡信息用于估计对处置调整的需求。
Neil Kirby等人的文章“An automated deformable image registrationevaluation of confidence tool”(Physics in Medicine and Biology，第61卷，第N203页至第N214页，2016年)中批评DIR可能产生误差并且其准确度不固定，在不同情况下不同。为了解决这些问题，Kirby等人描述了一种用于创建对DIR准确度的患者特异性和体素特异性评价的自动化程序。描述了一种用于执行该评价以将临床DIR算法应用于患者图像的集合的软件工具。该软件工具使用算法来生成变形并将该变形应用于这些图像并一起处理以生成测试图像的集合，其中，已知变形与实际变形相似并且具有逼真的噪声属性。临床DIR算法应用于这些测试图像集合。根据这些测试，该软件工具会基于Student的t分布为每个图像体素生成空间和剂量不确定性估计结果。在已报道的研究中，使用了四种可商购的DIR算法来使与虚拟骨盆体模图像集合相关联的剂量分布变形，并且使用了该软件工具为每个变形生成剂量不确定性估计结果。
发明内容
本发明的目的是提供一种剂量误差确定设备，该剂量误差确定设备需要相对较低的处理费用在临床应用中协助估计任何类型的空间误差对预定剂量计划的针对一个或多个感兴趣区域的剂量值的影响。
根据本发明的第一方面，描述了一种用于预测针对基于剂量计划而经受辐射处置的包括一个或多个感兴趣区域的身体体积的辐射剂量误差的剂量误差确定设备。所述剂量误差确定设备包括：
剂量计划单元，其被配置为提供剂量计划数据，所述剂量计划数据指示与所述身体体积的当前图像的包括与所述感兴趣区域相关联的体素的体素相关联的剂量值；
输入单元，其被配置为请求并接收用户输入，所述用户输入指示所述当前图像中的与所述身体体积的对应特征相关联的体素坐标的空间误差的量相对应的空间误差量的值；
剂量误差确定单元，其被配置为：
使用针对相应的感兴趣区域的所述剂量计划数据以及所述空间误差量的所述值来生成剂量变化数据，所述剂量变化数据指示相应的经修改的感兴趣区域中的所述剂量值的变化率，所述相应的经修改的感兴趣区域与所述相应的感兴趣区域相比在体积上扩大了与所述空间误差量的所述值相对应的量；并且
使用表示所述剂量误差量与所确定的剂量变化数据的正相关的计算规则来确定并提供与所述相应的感兴趣区域相关联的剂量误差量的相应值；以及
输出单元，其接收所述剂量误差量的所述相应值并被配置为提供指示所述相应值的输出。
本发明的剂量误差确定设备基于以下认识：Kirby等人描述的用于确定与DIR有关的剂量误差的已知解决方案基于以下假设：人工产生的配准误差与被测算法的真实未知配准误差具有相同的大小，并且人工产生的配准误差在统计上是独立的并且是高斯分布的。这些假设通常不适用于临床应用中的真实患者数据。例如，Kirby等人的方法可能会产生比真实误差小的误差，从而使用户误解被测算法的正确性。
此外，本发明认识到Kirby等人提出的解决方案不允许用户调查剂量体积参数对于给定大小的空间误差的鲁棒性。
此外，Kirby等人提出的方法需要实施和使用若干可变形配准算法，这可能很耗时，因此对于真实临床应用是不可行的。
通过本发明的第一方面的剂量误差确定设备克服了这些问题和其他问题。
本发明的第一方面的剂量误差确定设备用于预测针对基于剂量计划而经受辐射处置的包括一个或多个感兴趣区域的身体体积的辐射剂量误差。所述设备具有剂量计划单元，所述剂量计划单元提供剂量计划数据，所述剂量计划数据指示与所述身体体积的当前图像的包括与所述感兴趣区域相关联的体素的体素相关联的剂量值。在所述设备的操作中，输入单元请求并接收用户输入，所述用户输入指示所述当前图像中的与所述身体体积的对应特征相关联的体素坐标的空间误差的量相对应的空间误差量的值。
所述剂量误差确定设备使用表示所述剂量误差量与所确定的剂量变化数据的正相关的计算规则来提供与所述相应的感兴趣区域相关联的剂量误差量的相应值。所述剂量变化数据指示相应的经修改的感兴趣区域中的所述剂量值的变化率，所述相应的经修改的感兴趣区域与所述相应的感兴趣区域相比在体积上扩大了与所述空间误差量的所述值相对应的量。所述剂量误差确定单元使用针对相应的感兴趣区域的所述剂量计划数据以及通过经由所述剂量误差确定设备的所述输入单元进行的用户输入提供的所述空间误差量的值来生成这样的剂量变化数据。所述剂量误差确定单元使用所述空间误差量的输入值。
因此，剂量误差确定设备考虑到以下认识：体素坐标的所述空间误差的来源是多方面的。它们包括例如但不限于缺失体素，多余体素或ROI在身体体积内的位移。空间误差的其他示例是因当前图像的分辨率低所引起的，而其他示例是因感兴趣区域的不正确的空间定义所引起的。因此，在引起空间误差的多种原因中，由可变形图像配准贡献的误差分量可能具有较小的相关性。
剂量误差确定单元因此从剂量计划单元接收剂量计划数据并接收用户经由输入单元输入的空间误差量的值，并且被配置为生成针对一个或多个给定的感兴趣区域的剂量变化数据和剂量误差量。剂量变化数据指示相应的经修改的感兴趣区域中的剂量值的变化率，该相应的经修改的感兴趣区域与相应的感兴趣区域相比在体积上扩大了与空间误差量的值相对应的量。使用表示剂量误差量与所确定的剂量变化数据的正相关的计算规则来执行对剂量误差量的确定。正相关性意味着：根据由剂量误差确定单元使用的计算规则，对于剂量变化数据的值的任何增大，剂量误差量的结果得到的值也将增大，而对于剂量变化数据的值的任何减小，结果得到的剂量误差量也将减小。
剂量误差确定设备还包括输出单元，该输出单元接收与一个或多个感兴趣区域中的一个感兴趣区域相关联的剂量误差量的相应值，并且提供指示该相应值的输出。
因此，用户能够使用对指示与相应的感兴趣区域相关联的剂量误差量的值的输出的提供来有效地估计或预测取决于空间误差量的输入值的潜在的剂量误差，无论空间误差是什么特定原因，这都允许有效地估计剂量误差。
以下将描述本发明的第一方面的剂量误差确定设备的实施例。
在特定实施例中，空间误差量的值被提供为数值，该数值指示用户已经基于身体体积的当前图像和初始图像中的感兴趣区域的位置之间的差异确定的体素坐标的空间误差的量。例如，基于通过具有能够提供高分辨率图像的成像方法(例如，计算机断层摄影(CT))获得的身体体积的初始图像来生成辐射剂量计划。例如，由于给定的感兴趣区域的尺寸增大或尺寸减小，当前患者解剖结构可能与生成处置计划时的患者解剖结构不同。而且，可以通过使用另一成像技术(包括但不限于磁共振、超声或锥束计算机断层摄影)对当前患者解剖结构进行成像。成像方法之间的图像分辨率的差异也可能引起处置计划所基于的初始图像与身体体积的当前图像之间的患者解剖结构的差异。因此，本实施例需要特别低的处理费用来确定空间误差量的值。空间误差量的值应当优选指示体素坐标的最大空间误差，即，初始图像上的感兴趣区域中的给定点或特征与当前图像上的相应点或特征之间的最大空间距离。
在另一实施例中，剂量误差确定设备额外地包括存储统计群体数据的统计单元。统计群体数据将与空间误差量相关联的统计值与相应的感兴趣区域相关联。该关联基于先前测量值的统计群体。在该实施例中，输入单元被配置为：请求并接收指示至少一个感兴趣区域的用户输入，并且响应于接收到这样的用户输入而访问统计单元并查清针对那些由用户输入指示的感兴趣区域的与空间误差量相关联的统计值，并且随后提供对用户输入的请求，该用户输入指示与指示所查清的相应的统计值的输出相关联的空间误差量的值。该特定实施例的统计单元和对应的输入单元可以被包括在以下讨论的实施例中的任何实施例中。
在剂量误差确定设备的另一实施例中，剂量误差确定单元被配置为：针对经修改的感兴趣区域的每个体素确定表示与给定体素相关联的当前剂量值的局部变化率的量与空间误差量的值的乘积的局部剂量变化数据，并且将与感兴趣区域相关联的剂量变化数据确定为在经修改的感兴趣区域内的乘积的最大量。因此，对于给定的感兴趣区域，由剂量确定单元提供的剂量变化数据是所确定的局部剂量变化数据的最大值。在特定实施例中，通过执行对连续Nabla算子的高阶离散化来获得局部剂量变化数据，该连续Nabla算子定义计算网格上的剂量值的空间变化。
在另一实施例中，剂量误差确定单元额外地被配置为：在剂量计划数据中识别最大剂量值，并且在确定所识别的最大剂量值的量小于所确定的在经修改的感兴趣区域内的乘积的最大值的量时向输出单元提供所识别的最大剂量值作为与相应的感兴趣区域相关联的剂量误差量的相应值。由于可能的最大输出值被限制在剂量计划的最高剂量值，因此这提供了逼真的输出。这对于剂量计划数据和空间误差量的特定组合能够是有意义的，其中，与给定体素相关联的当前剂量值的局部变化率的量与空间误差量的值的乘积引起局部剂量变化数据的值大于剂量计划数据的最大剂量值。
根据本发明的第一方面的另一实施例包括剂量误差确定单元，该剂量误差确定单元额外地或替代地被配置为：将与相对于与每个感兴趣区域相关联的任何体素位于由空间误差量给定的距离内的体素相对应的那些体素值中的最大剂量值和最小剂量值确定为剂量变化量。用户能够有利地使用所提供的最大剂量值和最小剂量值来估计最坏情况的场景剂量误差。
在本发明的剂量误差确定设备的另一实施例中，输入单元额外地被配置为请求并接收剂量容许用户输入，该剂量容许用户输入指示与给定的感兴趣区域相关联的剂量误差量的容许区间，剂量误差确定单元还被配置为：接收容许区间，并且额外使用容许区间来确定所确定的剂量误差量的值和与给定的感兴趣区域相关联的容许区间之间的关系。在该实施例中，输出单元被配置为提供额外指示所确定的关系的输出。该实施例使得用户能够将剂量误差量的容许区间分配给一个或多个感兴趣区域。取决于感兴趣区域、处置计划或经受辐射处置的个体患者，能够容许不同的剂量误差的量，而不是必须调整原始处置计划。因此，用户能够将相对较低的容许区间分配给对处置计划更为关键的那些感兴趣区域或者靠近不应暴露于高水平辐射的患者区域。输出单元提供的输出会考虑所确定的关系。
剂量确定设备的另一实施例包括用于接收针对感兴趣区域的剂量目标数据的剂量目标输入接口。剂量目标数据指示与先前的剂量计划统计单元相关联的剂量目标量的预期值。在该实施例中，使用剂量计划数据和所确定的针对感兴趣区域的剂量误差量的值将剂量误差确定单元额外地配置为生成针对感兴趣区域的指示剂量目标量的预测值的剂量预测数据。另外，该实施例的输出单元被配置为提供额外指示剂量目标数据和剂量预测数据的输出。
第一方面的剂量确定设备的另一实施例包括ROI建模单元。ROI建模单元被配置为响应于经由输入单元接收的选择指令而生成第二实例感兴趣区域数据。第二实例感兴趣区域数据是通过根据一个或多个相应的不确定性模型的集合中的一个选定的不确定性模型进行修改而得到的与一个或多个感兴趣区域中的给定的一个感兴趣区域相关联的数据，该一个或多个相应的不确定性模型定义空间坐标变换指令，该空间坐标变换指令用于仅关于感兴趣区域的空间体素坐标来变换感兴趣区域，从而提供经变换的感兴趣区域的表示。在该实施例中，剂量误差确定单元额外地被配置为确定并提供与经变换的感兴趣区域相关联的剂量误差量的预期值。另外，输入单元额外地被配置为请求并接收指示要由ROI建模单元使用的不确定性模型的用户输入。
在该实施例的变型中，输出单元额外地被配置为：接收表示相应的感兴趣区域的图像的二维图像数据，并且以到相应的感兴趣区域的图像上的图形叠加的形式生成并提供剂量误差量的输出。
在剂量误差确定设备的另一实施例中，输出单元替代地或额外地被配置为：根据将不同颜色分配给剂量误差量的不同预定值区间的预定颜色代码将颜色代码值与接收到的剂量误差量的值相关联。输出单元还被配置为生成并提供额外指示被分配给剂量误差量的相应值的颜色的输出。
在剂量误差确定设备的另一实施例中，剂量计划单元额外地被配置为提供多个剂量计划，每个剂量计划包括与针对感兴趣区域的替代剂量计划相关联的相应的剂量计划数据。在该特定实施例中，剂量误差确定单元还被配置为提供计划鲁棒性数据，该计划鲁棒性数据指示针对每个剂量计划并且取决于接收到的空间误差量的值的相应的计划鲁棒性值，该计划鲁棒性值是根据预定规则来确定的，该预定规则是基于所确定的与一个或多个感兴趣区域相关联的剂量误差量的值来确定的。另外，该实施例的输出单元还被配置为接收计划鲁棒性数据并提供指示计划鲁棒性数据的输出。
在这些实施例中的一个实施例中，由剂量确定单元在对给定ROI的空间误差的鲁棒性方面来比较不同的剂量计划。这样的剂量确定单元有利地被配置为使用空间误差量的多个值并且针对空间误差量的值中的每个值并且针对所提供的剂量计划中的每个剂量计划来确定剂量误差量的相应值。一个特定实施例将剂量误差量的值提供为预期接收到高于阈值剂量值的辐射剂量的分数ROI体积的标准偏差值。替代地，其他实施例将剂量误差量的相应值提供为针对给定的辐射剂量值的剂量体积直方图的宽度值。能够将在给定的剂量值下的不同剂量计划的相应宽度值输出为数值量。
本发明的第二方面是一种用于预测针对基于剂量计划而经受辐射处置的包括一个或多个感兴趣区域的身体体积的辐射剂量误差的计算机实施的剂量误差确定方法。所述剂量误差确定方法包括：
提供剂量计划数据，所述剂量计划数据指示与所述身体体积的当前图像的包括与所述感兴趣区域相关联的体素的体素相关联的剂量值；
请求并接收用户输入，所述用户输入指示所述当前图像中的与所述身体体积的对应特征相关联的体素坐标的空间误差的量相对应的空间误差量的值；
使用针对相应的感兴趣区域的所述剂量计划数据以及所述空间误差量的所述值来生成剂量变化数据，所述剂量变化数据指示相应的经修改的感兴趣区域中的所述剂量值的变化率，所述相应的经修改的感兴趣区域与所述相应的感兴趣区域相比在体积上扩大了与所述空间误差量的所述值相对应的量；
使用表示所述剂量误差量与所确定的剂量变化数据的正相关的计算规则来确定并提供与所述相应的感兴趣区域相关联的剂量误差量的相应值；并且
提供指示所述剂量误差量的所述相应值的输出。
本发明的第二方面的方法共享本发明的第一方面的剂量误差确定设备的优点。
本发明的第二方面的方法的实施例具有与上文描述的剂量误差确定设备的实施例的额外特征相对应的额外方法特征。
根据本发明的第三方面，提供了一种包括指令的计算机程序，所述指令当由计算机运行时令所述计算机执行本发明的第二方面的方法或其实施例中的一个实施例。
因此，应当理解，根据权利要求1所述的剂量误差确定设备、根据权利要求12所述的剂量误差确定方法以及根据权利要求13所述的计算机程序具有对应的实施例。此外，应当理解，本发明的优选实施例还能够通过从属权利要求或以上实施例与相应的独立权利要求的任意组合来形成。
参考下文描述的实施例，本发明的这些方面和其他方面将变得显而易见并且得到阐明。
附图说明
在以下附图中：
图1示出了剂量误差确定设备的实施例的示意性表示。
图2A示出了身体体积的第一图像，该身体体积包括感兴趣区域并且被划分成体素，这些体素中的每个体素与辐射剂量值相关联。
图2B示出了身体体积的第二图像，该身体体积包括当与第一图像的形状相比时示出不同形状的感兴趣区域。
图3示出了由与剂量误差确定设备结合使用的显示单元显示的信息表的示例。
图4示出了由与剂量误差确定设备结合使用的显示单元显示的灵敏度图的示例。
图5示出了针对给定的感兴趣区域的剂量误差量的值相对于空间误差量的值的标绘图的示例。
图6示出了由与剂量误差确定设备结合使用的显示单元显示的另一信息表的示例。
图7示出了剂量误差确定设备的另一实施例的示意性表示。
图8示出了剂量误差确定设备的另一实施例的示意性表示。
具体实施方式
在转向对附图的描述之前，下面将给出一些基于本发明的考虑因素的公开内容。
在放射治疗中，对被递送到ROI的剂量的统计数据进行汇总并将其以图形形式(例如，剂量体积直方图或包含剂量参数的信息表)呈现给用户。为了能够计算剂量统计数据，用体素集合来表示ROI。针对每个体素，从3D剂量体积内插在该体素处的剂量值。能够通过在位置(xi,yi,zi)处的剂量d与在“真正”体素位置
Figure BDA0002802068140000091
处的剂量d之差来量化估计在具有坐标(xi,yi,zi)的ROI体素处的剂量时的不确定性(由于空间误差)。(xi,yi,zi)与
Figure BDA0002802068140000092
之差是体素i处的空间误差向量：
Figure BDA0002802068140000093
在下文中，用r来表示误差向量的大小。对于空间误差是因DIR不准确而引起的情况，确定“真正”体素位置需要手动编辑来确定
Figure BDA0002802068140000094
或者等效地，它需要误差向量。然而，在临床实践中，无法获得真正的体素位置或误差向量。
本文公开的剂量误差确定设备和方法的实施例允许以有效的方式计算轮廓映射误差的大小对剂量参数的影响。所提出的解决方案由若干组成部分组成，下面将以更抽象的形式描述这些组成部分，并且下面当描述转向附图时将更详细地阐述这些组成部分：
i)对于用户选择的误差r的大小的值，诸如图形用户接口(GUI)之类的输出单元会通知用户关于针对每个ROI的最大剂量变化的上限值。r的值能够由用户提供为数值并且表示针对ROI的最大误差大小的用户估计结果。另外，对于每个ROI，GUI能够建议根据先前对群体数据的研究得出的r值的范围。
例如，能够通过使用平均值定理来建立针对剂量差
Figure BDA0002802068140000101
Figure BDA0002802068140000102
的上限值。详细来说，对于具有三个变量(具有实数值)的函数f，即，
Figure BDA0002802068140000103
其中，D是
Figure BDA0002802068140000104
的子集，声明：如果D是开放连通集并且f在D上是连续且可微的，则对于任意两个点(xi,yi,zi)和
Figure BDA0002802068140000105
使得联合(xi,yi,zi)和
Figure BDA0002802068140000106
的线段L属于D，存在一个点(a,b,c)∈L，使得：
Figure BDA0002802068140000107
其中，
Figure BDA0002802068140000108
是(a,b,c)处的f的梯度，并且·是两个向量之间的标量积。
根据柯西·施瓦兹不等式得出：
Figure BDA0002802068140000109
其中，‖‖表示
Figure BDA00028020681400001010
上的欧几里得范数。
由于剂量分布d满足平均值定理的条件，因此通过应用不等式(2)，可以得出以(xi,yi,zi)为球心且以r为半径的球体内的任何点(x,y,z)为：
Figure BDA00028020681400001011
因此，对于最大DIR不确定性小于或等于r的ROI(作为示例)，对于最大剂量变化(mDC)，以下不等式成立：
Figure BDA00028020681400001012
其中，ROI_r表示通过利用r均匀扩大ROI体积而获得的体积，并且D是剂量网格。这里，我们用“上限值”(UB)来表示不等式(5)的右侧。
请注意，不等式(5)不仅适用于能够被描述为发生移位(例如从真正位置
Figure BDA00028020681400001013
到位置(xi,yi,zi))的体素位置的空间误差，而且还适用于导致缺失或多余体素而使得直到距“真正”ROI的边界的距离为r的空间误差。
现在，下面的描述转向附图。
图1示出了用于预测针对基于剂量计划而经受辐射处置的包括一个或多个感兴趣区域的身体体积的辐射剂量误差的剂量误差确定设备100的实施例的示意性表示。将进一步参考图2A和图2B来解释剂量误差确定设备，图2A和图2B示出了相同身体体积的第一图像200和第二图像201。这些图像示出了相应的感兴趣区域204、205，它们与不同的体素集合相关联。每个体素还根据剂量计划与相应的剂量值dxy相关联。剂量误差确定设备包括剂量计划单元102，该剂量计划单元102被配置为提供指示与身体体积200的当前图像的包括与感兴趣区域(ROI)204相关联的体素(d33、d34、d43、d44)的体素相关联的剂量值的剂量计划数据。剂量误差确定设备100还包括输入单元104，该输入单元104被配置为请求并接收用户输入，该用户输入指示与当前图像的与身体体积的对应特征相关联的体素坐标的空间误差的量相对应的空间误差量的值。例如，访问身体体积的第一图像200和第二图像201的用户识别出ROI 204与ROI 500之间存在空间误差或未对准。然后，用户能够使用输入单元来手动输入作为数值的空间误差量的值(该值在图2A和图2B的情况下为r)。另外，一些剂量误差确定设备包括统计单元108，该统计单元108存储统计群体数据，该统计群体数据基于先前测量的统计群体将与空间误差量相关联的统计值与相应的感兴趣区域相关联。在这些特定的剂量误差确定设备中的输入单元被配置为：请求并接收指示至少一个感兴趣区域的用户输入，并且响应于接收到这样的用户输入而访问统计单元并查清针对那些由用户输入指示的感兴趣区域的与空间误差量相关联的统计值，并且随后提供对用户输入的请求，该用户输入指示与指示所查清的相应的统计值的输出相关联的空间误差量的值。
不管剂量误差确定设备是否包括统计单元，剂量误差确定设备都包括剂量误差确定单元106，该剂量误差确定单元106被配置为：接收剂量计划数据和空间误差量r的值，并且生成剂量变化数据，该剂量变化数据指示相应的经修改的感兴趣区域207中的剂量值dxy的变化率，该相应的经修改的感兴趣区域207与对应的感兴趣区域205相比在体积上扩大了与空间误差量r的值相对应的量。剂量误差确定单元还被配置为确定并提供与感兴趣区域相关联的剂量误差量的相应值。这通过使用表示剂量误差量与所确定的剂量变化数据的正相关的计算规则来完成。该计算规则在某种特定的剂量确定单元中涉及针对每个体素的剂量变化数据与空间误差量的值之间的乘法运算。例如，在根据本发明的一些剂量误差确定设备中，误差确定单元被配置为针对经修改的感兴趣区域的每个体素确定表示与给定体素相关联的当前剂量值的局部变化率的量与空间误差量的值的乘积的局部剂量变化数据，并且将与感兴趣区域相关联的剂量变化数据确定为在经修改的感兴趣区域内的乘积的最大量。其他计算规则包括将剂量变化数据与使用单调递增函数获得的值相乘，使得对于增大的剂量变化数据的值，结果得到的剂量误差量不会减小。在一些有利的剂量误差确定设备中并且独立于所使用的计算规则，剂量误差确定单元还被配置为：将与相对于与每个感兴趣区域相关联的任何体素位于由空间误差量给定的距离内的体素相对应的那些体素值中的最大剂量值和最小剂量值确定为剂量变化量。
剂量误差确定设备还包括输出单元110，该输出单元110从剂量误差确定单元接收一个或多个ROI的剂量误差量的相应值，并且被配置为提供指示该相应值的输出。
有利地，剂量误差确定单元可以与显示单元结合使用，该显示单元被配置为从输出单元110接收指示一个或多个ROI的剂量误差量的输出。显示单元可以包括图形用户接口，该图形用户接口被配置为以如下方式显示从输出单元接收的数据：使得用户能够专注于取决于剂量计划和所确定的剂量误差量的最关键的ROI。取决于输出的实际信息内容，图形用户接口可以被配置为以不同方式显示输出数据。
例如，能够与根据本发明的剂量误差确定设备中的任一种剂量误差确定设备结合使用的示例性图形用户接口被配置为以信息表的形式显示输出数据，该信息表以预定顺序(例如以相关联的剂量误差量的递增或递减顺序)列出一个或多个ROI。图3示出了在显示单元处显示的信息表的示例。该图示出了信息表，该信息表呈现了ROI A、ROI B、ROI C和ROID的列表以及它们各自的针对空间误差量的给定值(在这种特定情况下为3mm)所确定的剂量误差量VDEQ。
用户能够选择如何对列表进行分类整理，即，以所确定的剂量误差量的递增顺序或递减顺序进行分类整理，所确定的剂量误差量指示在ROI处针对空间误差量的给定值而预期的最大剂量变化。通过提供这样的表，用户可能决定跳过例如针对由空间误差量的值给出的轮廓不准确对剂量参数的估计影响很小的ROI的手动编辑。类似地，用户可以选择手动审查其中较小的轮廓映射误差会导致较大的(如由剂量误差量的相关联的值所给出的)剂量变化的ROI。请注意，剂量误差量的值是针对给定ROI的所有体素(不仅是针对具有最大剂量的体素)的灵敏度的度量。
在剂量误差确定设备包括还被配置为请求并接收指示与给定的感兴趣区域相关联的剂量误差量的容许区间的剂量容许用户输入的输入单元的情况下，用户能够提供针对可接受的最大剂量变化值(即，剂量误差量的值)的阈值或范围。在诸如图3所示的信息表中，能够根据预定的颜色编码(例如，具有红色、黄色和绿色的交通灯颜色编码)来有利地提供ROI及其剂量误差量的对应值。
一些剂量误差确定设备被适当地配置为针对一个或多个ROI并且针对空间误差量的多个值来确定剂量误差量的值。这些剂量误差确定设备能够有利地与被配置为生成灵敏度图(如图4所示的灵敏度图)的显示单元结合使用。图4的灵敏度图包括在垂直轴上的ROI的列表A-G和在水平轴上的空间误差量的值的序列(在这种情况下是由于可变形图像配准的不准确导致的空间误差的大小)。剂量误差确定设备针对每个ROI并且针对空间误差量的每个值确定剂量误差量的对应值。然后，显示单元有利地被配置为使用预定的颜色编码将输出数据显示为灵敏度图，其中，颜色表示剂量误差量的值VDEQ的范围。
显示单元的另一示例能够替代地或额外地被配置为将输出数据显示为针对一个或多个ROI的标绘图，其中，例如在垂直轴上标绘剂量误差量的值，而在水平轴上标绘空间误差量的值，图5示例性地示出了这样的标绘图。
剂量误差确定设备被配置为将与相对于与每个感兴趣区域相关联的任何体素位于由空间误差量给定的距离内的体素相对应的那些体素值中的最大剂量值和最小剂量值确定为剂量变化量，这种剂量误差确定设备能够有利地与被配置为显示针对给定ROI和空间误差量的给定值的上限剂量体积直方图(DVH)和下限剂量体积直方图(DVH)的显示单元结合使用。另外，也能够以信息表的形式提供根据剂量计划推断出的剂量值参数(例如，针对给定ROI的平均剂量值或指示其中估计的接收辐射高于预定辐射阈值的体积分数的分数体积的值)的上限和下限。
一些显示单元还被配置为显示交互式图形，该交互式图形允许用户针对空间误差量的特定值来交互式检查剂量误差量的所有值。例如，这样的显示单元能够被配置为提供针对空间误差量的给定值的剂量误差量的值，或者替代地或额外地，这样的显示单元能够被配置为提供容许的空间误差量的最大值，使得空间误差量的值满足预定限制(例如，其最大允许值)。这些显示单元有利地与如下剂量误差确定设备一起使用：该剂量误差确定设备包括剂量目标输入接口，该剂量目标输入接口用于接收针对感兴趣区域的指示与剂量计划相关联的剂量目标量的预期值的剂量目标数据。在这些剂量误差确定设备中，使用剂量计划数据和所确定的针对感兴趣区域的剂量误差量的值将剂量误差确定单元额外地配置为生成针对感兴趣区域的指示剂量目标量的预测值的剂量预测数据；并且输出单元被配置为提供额外指示剂量目标数据和剂量预测数据的输出。
图6示出了能够与根据本发明的剂量误差确定设备结合使用的显示单元的图形用户接口的另一示例。图6所示的表包括具有ROI的列表A-F的第一列。它还示出针对每个ROI的目标O。目标包括与剂量误差量的值的类型有关的信息(例如，1是DVH的最大值，2是平均剂量值，3是最大DVH的百分比)，与根据剂量计划所需的剂量值D有关的信息以及与体积值V(要么是绝对体积，要么是相对体积)有关的信息。可以从Pinnacle中的处置计划自动导入目标的列表，或者用户可以手动填写目标。对于每个ROI，图形用户接口将指示对于一定范围的DIR误差(也在图6的表中以r(cm)给出)是达到目标(是)还是没有达到目标(否)。用户可以决定跳过对大范围DIR误差具有鲁棒性的ROI的审查，而是审查对DIR不确定性敏感的ROI。可以通过以下方式突出显示对空间误差相对更敏感的ROI的名称：例如以较大的字体显示它们，或者以不同的字体颜色显示它们，或者以闪烁的样式间歇性地显示它们等。
另一显示单元有利地被配置为通过借助于专用的图形用户接口应用用户选择的不确定性模型而使得能够针对诸如DIR不确定性之类的空间误差量的值对剂量参数进行鲁棒性评价。不确定性模型是一种参数模型，它修改ROI的体素的物理坐标，从而产生ROI的第二实例。能够提供若干不确定性模型，例如，最坏情况场景下的DVH，围绕三个轴的旋转，平移，利用边距缩小或扩大ROI，平移与旋转的组合，ROI表面的随机扰动，使用主成分分析根据先前的数据学习误差的参数化模型或先前提到的模型的任意组合。用户可以从下拉菜单中选择所需的不确定性模型。对于每个不确定性模型，用户能够输入参数值或者使用例如滑块来选择值的范围。能够为每个选定的不确定性模型和空间误差量的(一个或多个)值计算剂量误差量的值。鲁棒性评价的结果将例如以图形的形式来呈现，该图形显示与选定的不确定性模型相对应的剂量体积直方图和(例如在应用DIR误差之前的)基线DVH。还能够向用户呈现表，该表汇总了例如针对每个选定的ROI的剂量目标、该目标的基线值或针对DIR误差的选定值的目标值或其任意组合。例如，能够使用交通灯系统来告知用户是达到(绿色)、等同(黄色)还是未达到(红色)所选择的DIR误差值的目标。
该显示单元有利地与剂量误差确定设备(例如，图7所示的剂量误差确定设备700)结合使用。剂量误差确定设备700包括ROI建模单元712，该ROI建模单元712被配置为响应于经由输入单元704接收的选择指令而通过根据一个或多个相应的不确定性模型的集合中的选定的一个不确定性模型进行修改来生成与一个或多个感兴趣区域中的给定的一个感兴趣区域相关联的第二实例感兴趣区域数据，该一个或多个相应的不确定性模型定义空间坐标变换指令，该空间坐标变换指令用于仅关于感兴趣区域的空间体素坐标来变换感兴趣区域，从而提供经变换的感兴趣区域的表示。在剂量误差确定设备700中，剂量误差确定单元706额外地被配置为确定并提供与经变换的感兴趣区域相关联的剂量误差量的预期值，并且输入单元704额外地被配置为请求并接收指示要由ROI建模单元使用的不确定性模型的用户输入。
又一显示单元有利地被配置为向用户提供灵敏度工具，该灵敏度工具被配置为分析计划对空间误差的鲁棒性，该空间误差例如为但不限于ROI轮廓误差或几何图像伪影。该显示单元能够有利地用于比较针对患者的相互竞争的辐射计划，从而辅助选择辐射计划。该分析能够由专家手动执行或者以自动化模式执行。此外，这样的灵敏度分析的结果可以作为进一步的优化过程中的输入，从而生成对轮廓误差具有鲁棒性的计划。例如，能够通过以下方式在对ROI的空间误差的鲁棒性方面比较针对给定患者P的两个不同的辐射计划A和B：针对每个计划A和B，应用空间误差量的多个值并且计算与计划A和计划B相关联的剂量误差量的对应值。在特定示例中，剂量误差量的值是接收到高于阈值剂量值v的剂量的分数ROI体积的标准偏差。在另一示例中，剂量误差量的值指示DVH带的宽度是剂量的某个值。能够以数值量或图形方式向用户显示针对两个计划的DVH带的宽度。
该显示单元有利地与剂量误差确定设备(例如，图8所示的剂量误差确定设备800)结合使用。剂量误差确定设备800包括剂量计划单元802，该剂量计划单元802被配置为提供多个剂量计划，每个剂量计划包括与针对感兴趣区域的替代剂量计划相关联的相应的剂量计划数据。剂量误差确定单元806还被配置为提供计划鲁棒性数据，该计划鲁棒性数据指示针对每个剂量计划并且取决于接收到的空间误差量的值的相应的计划鲁棒性值，该计划鲁棒性值是根据预定规则来确定的，该预定规则是基于所确定的与一个或多个感兴趣区域相关联的剂量误差量的值来确定的。而且，输出单元810还被配置为接收计划鲁棒性数据并提供指示计划鲁棒性数据的输出。
总而言之，提出了一种用于预测针对基于剂量计划而经受辐射处置的包括一个或多个感兴趣区域的身体体积的辐射剂量误差的剂量误差确定设备。该剂量误差确定设备包括剂量误差确定单元，该剂量误差确定单元被配置为：使用针对相应的感兴趣区域的剂量计划数据以及空间误差量的值来生成剂量变化数据，该剂量变化数据指示相应的经修改的感兴趣区域中的剂量值的变化率，该相应的经修改的感兴趣区域与相应的感兴趣区域相比在体积上扩大了与空间误差量的值相对应的量；并且使用表示剂量误差量与所确定的剂量变化数据的正相关的计算规则来确定并提供与相应的感兴趣区域相关联的剂量误差量的相应值。
在权利要求中，词语“包括”并不排除其他元件或步骤，并且词语“一”或“一个”并不排除多个。
单个步骤或其他单元可以实现权利要求中记载的若干项的功能。某些措施被记载在互不相同的从属权利要求中的事实并不指示不能有利地使用这些措施的组合。
权利要求中的任何附图标记都不应被解释为限制范围。

Claims (13)

1.一种用于预测针对基于剂量计划而经受辐射处置的包括一个或多个感兴趣区域的身体体积的辐射剂量误差的剂量误差确定设备(100)，所述剂量误差确定设备包括：
剂量计划(102)单元，其被配置为提供剂量计划数据，所述剂量计划数据指示与所述身体体积的当前图像的包括与所述感兴趣区域相关联的体素的体素相关联的剂量值；
输入单元(104)，其被配置为请求并接收用户输入，所述用户输入指示所述当前图像中的与所述身体体积的对应特征相关联的体素坐标的空间误差的量相对应的空间误差量的值；
剂量误差确定单元(106)，其被配置为：
使用针对相应的感兴趣区域的所述剂量计划数据以及所述空间误差量的所述值来生成剂量变化数据，所述剂量变化数据指示相应的经修改的感兴趣区域中的所述剂量值的变化率，所述相应的经修改的感兴趣区域与所述相应的感兴趣区域相比在体积上扩大了与所述空间误差量的所述值相对应的量；并且
使用表示所述剂量误差量与所确定的剂量变化数据的正相关的计算规则来确定并提供与所述相应的感兴趣区域相关联的剂量误差量的相应值；以及
输出单元(110)，其接收所述剂量误差量的所述相应值并被配置为提供指示所述相应值的输出。
2.根据权利要求1所述的剂量误差确定设备，其中，所述剂量误差确定单元被配置为：针对所述经修改的感兴趣区域的每个体素确定表示与给定体素相关联的当前剂量值的局部变化率的量与所述空间误差量的所述值的乘积的局部剂量变化数据，并且将与所述感兴趣区域相关联的所述剂量变化数据确定为在所述经修改的感兴趣区域内的所述乘积的最大量。
3.根据权利要求2所述的剂量误差确定设备，其中，所述剂量误差确定单元还被配置为：在所述剂量计划数据中识别最大剂量值，并且在确定所识别的最大剂量值的量小于所确定的在所述经修改的感兴趣区域内的所述乘积的最大值的量时向所述输出单元提供所识别的最大剂量值作为与所述相应的感兴趣区域相关联的所述剂量误差量的所述相应值。
4.根据权利要求1所述的剂量误差确定设备，其中，所述剂量误差确定单元还被配置为：将与相对于与每个感兴趣区域相关联的任何体素位于由所述空间误差量给定的距离内的体素相对应的那些体素值中的最大剂量值和最小剂量值确定为剂量变化量。
5.根据权利要求1所述的剂量误差确定设备，其中，
所述输入单元还被配置为请求并接收剂量容许用户输入，所述剂量容许用户输入指示与给定的感兴趣区域相关联的所述剂量误差量的容许区间；
所述剂量误差确定单元还被配置为：
接收所述容许区间；并且
额外使用所述容许区间来确定所确定的所述剂量误差量的值和与所述给定的感兴趣区域相关联的所述容许区间之间的关系；并且其中，
所述输出单元被配置为提供额外指示所确定的关系的输出。
6.根据权利要求1所述的剂量误差确定设备，
还包括：统计单元(108)，其存储统计群体数据，所述统计群体数据基于先前测量的统计群体将与所述空间误差量相关联的统计值与相应的感兴趣区域相关联；其中，
所述输入单元被配置为：请求并接收指示至少一个感兴趣区域的用户输入，并且响应于接收到这样的用户输入而访问所述统计单元并查清针对那些由所述用户输入指示的感兴趣区域的与所述空间误差量相关联的所述统计值，并且随后提供对用户输入的请求，所述用户输入指示与指示所查清的相应的统计值的输出相关联的所述空间误差量的所述值。
7.根据权利要求1所述的剂量误差确定设备，还包括：
剂量目标输入接口，其用于接收针对所述感兴趣区域的剂量目标数据，所述剂量目标数据指示与先前剂量计划相关联的剂量目标量的预期值；其中，
所述剂量误差确定单元额外地被配置为：使用针对所述感兴趣区域的所述剂量计划数据和所确定的所述剂量误差量的值来生成针对所述感兴趣区域的指示所述剂量目标量的预测值的剂量预测数据；并且其中，
所述输出单元被配置为提供额外指示所述剂量目标数据和所述剂量预测数据的输出。
8.根据权利要求1所述的剂量误差确定设备，还包括：
ROI建模单元，其被配置为响应于经由所述输入单元接收到的选择指令而通过根据一个或多个相应的不确定性模型的集合中的选定的一个不确定性模型进行修改来生成与所述一个或多个感兴趣区域中的给定的一个感兴趣区域相关联的第二实例感兴趣区域数据，所述一个或多个相应的不确定性模型定义空间坐标变换指令，所述空间坐标变换指令用于仅关于所述感兴趣区域的空间体素坐标来变换所述感兴趣区域，从而提供经变换的感兴趣区域的表示；
其中，所述剂量误差确定单元额外地被配置为确定并提供与所述经变换的感兴趣区域相关联的所述剂量误差量的预期值；并且
其中，所述输入单元额外地被配置为请求并接收指示要由所述ROI建模单元使用的所述不确定性模型的用户输入。
9.根据权利要求1所述的剂量误差确定设备，其中，
所述输出单元被配置为：根据将不同颜色分配给所述剂量误差量的不同预定值区间的预定颜色代码将颜色代码值与接收到的所述剂量误差量的值相关联，并且生成并提供额外指示被分配给所述剂量误差量的所述相应值的颜色的输出。
10.根据权利要求8所述的剂量误差确定设备，其中，
所述输出单元额外地被配置为：接收表示所述相应的感兴趣区域的图像的二维图像数据，并且以到所述相应的感兴趣区域的图像上的图形叠加的形式生成并提供所述剂量误差量的输出。
11.根据权利要求1所述的剂量误差确定设备，其中：
所述剂量计划单元被配置为提供多个剂量计划，每个剂量计划包括与针对所述感兴趣区域的替代剂量计划相关联的相应的剂量计划数据；其中，
所述剂量误差确定单元还被配置为提供计划鲁棒性数据，所述计划鲁棒性数据指示针对每个剂量计划并且取决于接收到的所述空间误差量的值的相应的计划鲁棒性值，所述计划鲁棒性值是根据预定规则来确定的，所述预定规则是基于所确定的与所述一个或多个感兴趣区域相关联的所述剂量误差量的值来确定的；并且其中，
所述输出单元还被配置为接收所述计划鲁棒性数据并提供指示所述计划鲁棒性数据的输出。
12.一种用于预测针对基于剂量计划而经受辐射处置的包括一个或多个感兴趣区域的身体体积的辐射剂量误差的计算机实施的剂量误差确定方法，所述剂量误差确定方法包括：
提供剂量计划数据，所述剂量计划数据指示与所述身体体积的当前图像的包括与所述感兴趣区域相关联的体素的体素相关联的剂量值；
请求并接收用户输入，所述用户输入指示所述当前图像中的与所述身体体积的对应特征相关联的体素坐标的空间误差的量相对应的空间误差量的值；
使用针对相应的感兴趣区域的所述剂量计划数据以及所述空间误差量的所述值来生成剂量变化数据，所述剂量变化数据指示相应的经修改的感兴趣区域中的所述剂量值的变化率，所述相应的经修改的感兴趣区域与所述相应的感兴趣区域相比在体积上扩大了与所述空间误差量的所述值相对应的量；
使用表示所述剂量误差量与所确定的剂量变化数据的正相关的计算规则来确定并提供与所述相应的感兴趣区域相关联的剂量误差量的相应值；并且
提供指示所述剂量误差量的所述相应值的输出。
13.一种包括指令的计算机程序，所述指令在由计算机运行时令所述计算机执行根据权利要求12所述的方法。
CN201980035808.4A 2018-05-28 2019-05-17 剂量误差确定设备 Pending CN112203720A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP18174501.9 2018-05-28
EP18174501.9A EP3574955A1 (en) 2018-05-28 2018-05-28 Dose error determination device
PCT/EP2019/062753 WO2019228824A1 (en) 2018-05-28 2019-05-17 Dose error determination device

Publications (1)

Publication Number Publication Date
CN112203720A true CN112203720A (zh) 2021-01-08

Family

ID=62620624

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980035808.4A Pending CN112203720A (zh) 2018-05-28 2019-05-17 剂量误差确定设备

Country Status (5)

Country Link
US (1) US20210196981A1 (zh)
EP (2) EP3574955A1 (zh)
JP (1) JP6949256B2 (zh)
CN (1) CN112203720A (zh)
WO (1) WO2019228824A1 (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2839894A1 (fr) * 2002-05-21 2003-11-28 Chabunda Christophe Mwanza Procedes, appareils de cyclotherapie image-guidee et mode d'obtention d'images scanographiques diagnostiques instantanees pour la planification et la dosimetrie en ligne
US20140163302A1 (en) * 2012-12-07 2014-06-12 Emory University Methods, systems and computer readable storage media storing instructions for image-guided treatment planning and assessment
EP2808057A1 (en) * 2013-05-31 2014-12-03 RaySearch Laboratories AB Method and system for robust radiotherapy treatment planning
CN104603840A (zh) * 2012-07-27 2015-05-06 皇家飞利浦有限公司 剂量形变误差计算方法和系统
CN105142725A (zh) * 2013-04-11 2015-12-09 皇家飞利浦有限公司 等剂量优化
US20160059039A1 (en) * 2014-09-02 2016-03-03 Mayo Foundation For Medical Education And Research System and method for robust intensity-modulated proton therapy planning
CN105473182A (zh) * 2013-07-31 2016-04-06 皇家飞利浦有限公司 治疗规划的自动化
US20160140300A1 (en) * 2013-06-12 2016-05-19 University Health Network Method and system for automated quality assurance and automated treatment planning in radiation therapy

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9089696B2 (en) * 2013-11-07 2015-07-28 Varian Medical Systems International Ag Time-resolved pre-treatment portal dosimetry systems, devices, and methods
US9987504B2 (en) * 2015-04-02 2018-06-05 Varian Medical Systems International Ag Portal dosimetry systems, devices, and methods

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2839894A1 (fr) * 2002-05-21 2003-11-28 Chabunda Christophe Mwanza Procedes, appareils de cyclotherapie image-guidee et mode d'obtention d'images scanographiques diagnostiques instantanees pour la planification et la dosimetrie en ligne
CN104603840A (zh) * 2012-07-27 2015-05-06 皇家飞利浦有限公司 剂量形变误差计算方法和系统
US20140163302A1 (en) * 2012-12-07 2014-06-12 Emory University Methods, systems and computer readable storage media storing instructions for image-guided treatment planning and assessment
CN105142725A (zh) * 2013-04-11 2015-12-09 皇家飞利浦有限公司 等剂量优化
EP2808057A1 (en) * 2013-05-31 2014-12-03 RaySearch Laboratories AB Method and system for robust radiotherapy treatment planning
US20160140300A1 (en) * 2013-06-12 2016-05-19 University Health Network Method and system for automated quality assurance and automated treatment planning in radiation therapy
CN105473182A (zh) * 2013-07-31 2016-04-06 皇家飞利浦有限公司 治疗规划的自动化
US20160166855A1 (en) * 2013-07-31 2016-06-16 Koninklijke Philips N.V. Automation of therapy planning
US20160059039A1 (en) * 2014-09-02 2016-03-03 Mayo Foundation For Medical Education And Research System and method for robust intensity-modulated proton therapy planning

Also Published As

Publication number Publication date
US20210196981A1 (en) 2021-07-01
EP3574955A1 (en) 2019-12-04
WO2019228824A1 (en) 2019-12-05
JP6949256B2 (ja) 2021-10-13
EP3801760B1 (en) 2022-01-12
EP3801760A1 (en) 2021-04-14
JP2021517059A (ja) 2021-07-15

Similar Documents

Publication Publication Date Title
CN109035187B (zh) 一种医学图像的标注方法及装置
JP6884853B2 (ja) ニューラルネットワーク法を用いた画像セグメンテーション
JP2021035502A (ja) 畳み込みニューラルネットワークを用いた画像セグメンテーションのためのシステムおよび方法
US10186031B2 (en) Shape similarity measure for body tissue
CN111724904A (zh) 用于针对医学扫描的患者建模的多任务渐进式网络
CN113129308B (zh) 图像分割方法、装置和非暂态计算机可读存储介质
EP2965285A1 (en) Scan region determining apparatus
GB2529545A (en) Automatic background region selection for lesion delineation in medical images
CN110866909B (zh) 图像生成网络的训练方法、图像预测方法和计算机设备
KR20160110194A (ko) 의료 이미지들의 분할 불확실성의 계산 및 시각화를 위한 시스템들 및 방법들
CN110264444A (zh) 基于弱分割的损伤检测方法及装置
JP2005169118A (ja) 断層画像データのセグメント化方法および画像処理システム
RU2721078C2 (ru) Сегментация анатомической структуры на основе модели
CN110751187A (zh) 异常区域图像生成网络的训练方法和相关产品
CN115409879A (zh) 图像配准的数据处理方法及装置、存储介质、电子设备
CN109087701B (zh) 提供次要参数的方法、决策支持系统、介质、计算机程序
JP6949256B2 (ja) 線量誤差決定装置
KR102351373B1 (ko) 역방향 피팅을 통한 신체 사이즈 측정 장치 및 그 방법
Boisvert et al. Interactive 3D reconstruction of the spine from radiographs using a statistical shape model and second-order cone programming
CN109308703B (zh) 利用结构化的用户点击点对解剖结构智能描轮廓
CN112912924B (zh) 预测算法分割的正确性
WO2017198518A1 (en) Image data processing device
US20220054861A1 (en) Automated qualitative description of anatomical changes in radiotherapy
WO2023213655A1 (en) A method for quantifying patient set up errors in radiotherapy
Kong et al. Cortical thickness computation by solving tetrahedron-based harmonic field

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210108