CN112399870B - 鲁棒放射治疗计划的系统和方法 - Google Patents

鲁棒放射治疗计划的系统和方法 Download PDF

Info

Publication number
CN112399870B
CN112399870B CN201980043079.7A CN201980043079A CN112399870B CN 112399870 B CN112399870 B CN 112399870B CN 201980043079 A CN201980043079 A CN 201980043079A CN 112399870 B CN112399870 B CN 112399870B
Authority
CN
China
Prior art keywords
voxel
image
treatment
voxels
volume
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.)
Active
Application number
CN201980043079.7A
Other languages
English (en)
Other versions
CN112399870A (zh
Inventor
周婧劼
S·博思
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.)
Shanghai United Imaging Healthcare Co Ltd
Original Assignee
Shanghai United Imaging Healthcare Co Ltd
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 Shanghai United Imaging Healthcare Co Ltd filed Critical Shanghai United Imaging Healthcare Co Ltd
Publication of CN112399870A publication Critical patent/CN112399870A/zh
Application granted granted Critical
Publication of CN112399870B publication Critical patent/CN112399870B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30096—Tumor; Lesion

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Public Health (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Primary Health Care (AREA)
  • Medical Informatics (AREA)
  • Epidemiology (AREA)
  • Software Systems (AREA)
  • Radiation-Therapy Devices (AREA)

Abstract

本申请涉及用于生成对象的治疗体积的放射治疗计划的系统和方法。方法包括获取治疗体积的计划图像。计划图像包括至少两个第一体素。方法还包括获取表示治疗体积的至少一部分的治疗图像。治疗图像包括至少两个第二体素。对于至少两个第二体素中的至少一个第二体素，方法进一步包括从计划图像的至少两个第一体素中确定至少一个参考体素，并确定与至少一个第二体素对应的剂量值。方法还包括至少部分基于与至少一个第二体素相对应的剂量值来生成放射治疗计划。

Description

鲁棒放射治疗计划的系统和方法
技术领域
本申请总体上涉及用于放射治疗的系统和方法，更具体地，涉及用于在放射治疗中产生在线鲁棒放射治疗重新计划的系统和方法。
背景技术
通过将放射线引向肿瘤，放射治疗(RT)已广泛用于癌症治疗。常规地，在治疗开始之前为患者生成原始放射治疗计划。原始放射治疗计划中确定的总剂量可以在一个或以上治疗阶段中递送给患者，以持续数天的治疗期。但是，在治疗期间，肿瘤或其他组织(例如，肿瘤周围的组织)的解剖结构可能会改变。例如，肿瘤可能生长、变形或缩小。因此，可能需要在线或离线更新治疗计划，以减少毒性并改善治疗的总体结果。在一些实施例中，在线重新计划的挑战是减少治疗图像中的目标区域(例如，肿瘤)和/或器官的重新轮廓化的时间，并基于生成的轮廓生成重新优化的计划。所有这些活动都需要在很短的时间内(几分钟)完成，以最大程度地减少患者在此期间的不适感。因此，期望提供用于在相对短的时间内生成针对放射治疗中的对象的治疗体积的在线鲁棒放射治疗重新计划的系统和方法。
发明内容
根据本申请的一方面，提供一种用于生成对象的治疗体积的放射治疗计划的方法，在至少一台机器上实现，每台机器中包括至少一个处理器和至少一个存储设备，所述方法包括获取所述治疗体积的计划图像。所述计划图像可以包括至少两个第一体素。所述至少两个第一体素中的每个体素可以对应于一个初始剂量值。所述方法可以包括获取表示至少一部分所述治疗体积的治疗图像。所述治疗图像可以包括至少两个第二体素。所述方法可以包括将所述治疗图像与所述计划图像配准，以获得所述治疗图像中的所述至少两个第二体素与所述计划图像中的所述至少两个第一体素之间的映射关系。对于所述至少两个第二体素中的至少一个第二体素，所述方法可以包括从所述计划图像中的所述至少两个第一体素中确定至少一个参考体素。基于所述映射关系，所述至少一个参考体素可以位于与所述至少两个第二体素中的至少一个第二体素相对应的至少一个第一体素的距离内。所述方法可以包括根据所述至少一个参考体素的所述至少一个初始剂量值，确定与所述至少一个第二体素对应的剂量值。所述方法可以包括至少部分基于与所述至少一个第二体素相对应的所述剂量值来生成放射治疗计划。
在一些实施例中，所述至少两个第一体素中的每个第一体素可以对应第一特征值。所述至少两个第二体素中的每个第二体素可以对应第二特征值。所述方法可以包括基于所述映射关系，确定与所述至少两个第二体素中的所述至少一个第二体素对应的所述至少一个第一体素。所述方法可以包括确定在与所述至少两个第二体素中的所述至少一个第二体素相对应的所述至少一个第一体素附近的第一体素集。所述方法可以包括在所述第一体素集中，将第一特征值等于或接近所述至少两个第二体素中的所述至少一个第二体素的所述至少一个第二特征值的至少一个第一体素指定为所述至少一个参考体素。
在一些实施例中，对应于第一体素的所述第一特征值可以包括所述第一体素的灰度值或对应于所述第一体素的亨氏(HU)值。
在一些实施例中，所述治疗体积可以包括在所述计划图像和所述治疗图像中表示的感兴趣体积(VOI)。所述计划图像中的所述VOI可以具有定义边界。所述方法可以包括执行至少一个可变形配准，以获得在所述治疗图像中的所述VOI和所述计划图像中的所述VOI之间的变形向量场(DVF)。所述方法可以包括至少通过在所述计划图像中的所述VOI的所述定义边界上应用所述DVF来确定所述治疗图像中的所述VOI的目标边界。
在一些实施例中，所述方法可以包括将所述DVF应用于所述计划图像中的所述VOI的所述定义边界，以获得所述治疗图像中的所述VOI的初始轮廓。所述方法可以包括修改所述治疗图像中的所述VOI的所述初始轮廓以获得所述目标边界。
在一些实施例中，所述方法可以包括对于所述至少一个参考体素中的每个参考体素，确定其相对于所述计划图像中的所述VOI的所述定义边界的距离。所述方法可以包括对于所述至少一个第二体素中的每个第二体素，确定其相对于所述治疗图像中的所述VOI的所述目标边界的距离。所述方法可以包括对于所述至少一个第二体素中的每个第二体素，确定其相对于所述治疗图像中的所述VOI的所述目标边界的距离。
在一些实施例中，所述至少一个参考体素中的每个参考体素相对于所述计划图像中的所述VOI的所述定义边界的所述距离是从每个参考体素到所述计划图像中的所述VOI的所述定义边界的最近距离。
在一些实施例中，对于所述至少两个第一体素中的每个第一体素，其对应的第一特征值和其相对于所述计划图像中的所述VOI的所述定义边界的距离被存储在第一数据结构中。对于所述至少两个第二体素中的每个第二体素，其对应的第二特征值和其相对于所述治疗图像中的所述VOI的所述目标边界的距离被存储在第二数据结构中。
在一些实施例中，所述方法可以包括对于所述至少一个参考体素中的每个参考体素，基于所述对应的初始剂量值和其相对于所述计划图像中的所述VOI的所述定义边界的对应距离，确定每单位距离的剂量值。所述方法可以包括基于所述每单位距离的剂量值的平均值和所述至少一个第二体素相对于所述治疗图像中的所述VOI的所述目标边界的所述距离，确定与所述至少一个第二体素相对应的所述剂量值。
在一些实施例中，所述至少一个参考体素的所述每单位距离的剂量值或对应于所述至少一个第二体素的所述剂量值是根据并行处理来计算的。
在一些实施例中，所述方法可以包括至少部分地基于与所述至少一个第二体素相对应的所述剂量值，来调整与所述计划图像相关联的原始治疗计划中的一个或以上参数。
在一些实施例中，所述至少两个第二体素中的每个第二体素对应一个权重。所述方法可以包括基于与所述至少一个第二体素相对应的所述剂量值和与所述至少一个第二体素相对应的所述权重，调整与所述计划图像相关联的原始治疗计划中的一个或以上参数。
在一些实施方案中，所述治疗体积可以包括将要治疗的目标。所述治疗图像中的所述至少两个第二体素可以与除所述目标之外的所述治疗体积相关联。
根据本申请的另一方面，一种系统可以包括：至少一个存储设备，用于存储指令集；以及与所述至少一个存储介质通信的至少一个处理器。其中，在执行所述指令集时，所述至少一个处理器可以被配置为使所述系统获取所述治疗体积的所述计划图像。所述计划图像可以包括至少两个第一体素。所述至少两个第一体素中的每个体素可以对应于一个初始剂量值。所述至少一个处理器可以被配置为使所述系统获取表示至少一部分所述治疗体积的治疗图像。所述治疗图像可以包括至少两个第二体素。所述至少一个处理器可以被配置为使所述系统将所述治疗图像与所述计划图像配准，以获得所述治疗图像中的所述至少两个第二体素与所述计划图像中的所述至少两个第一体素之间的映射关系。对于所述至少两个第二体素中的至少一个第二体素，所述至少一个处理器可以被配置为使所述系统从所述计划图像中的所述至少两个第一体素中确定至少一个参考体素。基于所述映射关系，所述至少一个参考体素可以位于与所述至少两个第二体素中的至少一个第二体素的至少一个第一体素的距离内。所述至少一个处理器可以被配置为使所述系统根据所述至少一个参考体素的所述至少一个初始剂量值，确定与所述至少一个第二体素对应的剂量值。所述至少一个处理器可以被配置为使所述系统至少部分地基于与所述至少一个第二体素相对应的所述剂量值来生成放射治疗计划。
根据本申请的另一方面，一种非暂时性计算机可读介质可以包括至少一组指令集。当由计算设备的至少一个处理器执行时，所述至少一组指令集可以使所述至少一个处理器实现一种方法。所述方法可以包括获取所述治疗体积的计划图像。所述计划图像可以包括至少两个第一体素。所述至少两个第一体素中的每个可以对应于一个初始剂量值。所述方法可以包括获取代表至少一部分所述治疗体积的所述治疗图像。所述治疗图像可以包括至少两个第二体素。所述方法可以包括将所述治疗图像与所述计划图像配准以获得所述治疗图像中的所述至少两个第二体素与所述计划图像中的所述至少两个第一体素之间的映射关系。对于所述至少两个第二体素中的至少一个第二体素，所述方法可以包括确定所述计划图像中的所述至少两个第一体素中的至少一个参考体素。基于所述映射关系，所述至少一个参考体素可以位于与对应于所述至少两个第二体素中的至少一个第二体素的至少一个第一体素相距一定距离的范围内。所述方法可以包括基于所述至少一个参考体素的所述至少一个初始剂量值来确定对应于所述至少一个第二体素的剂量值。所述方法可以包括至少部分基于与所述至少一个第二体素相对应的所述剂量值来生成放射治疗计划。
本申请的一部分附加特性可以在以下描述中进行说明。通过对以下描述和相应附图的研究或者对实施例的生产或操作的了解，本申请的一部分附加特性对于本领域技术人员是明显的。本申请的特征可以通过对以下描述的具体实施例的各个方面的方法、手段和组合的实践或使用得以实现和达到。
附图说明
本申请将通过示例性实施例进行进一步描述。这些示例性实施例将通过附图进行详细描述。这些实施例是非限制性的示例性实施例，在这些实施例中，各图中相同的编号表示相似的结构，其中：
图1是根据本申请的一些实施例所示的示例性放射系统的示意图；
图2是根据本申请的一些实施例所示的可以在其上实现处理设备的示例性计算设备的示例性硬件和/或软件组件的示意图；
图3是根据本申请的一些实施例所示的可以在其上实现终端的示例性移动设备的示例性硬件和/或软件组件的示意图；
图4是根据本申请的一些实施例所示的示例性处理设备的框图；
图5是根据本申请的一些实施例所示的生成放射治疗计划的示例性过程的流程图；
图6是根据本申请的一些实施例所示的基于计划图像中的VOI的定义边界来确定治疗图像中的VOI的目标边界的示例性过程的流程图；
图7是根据本申请的一些实施例所示的确定与治疗图像中的第二体素相对应的计划图像中的一个或以上参考体素的示例性过程的流程图；
图8是根据本申请的一些实施例所示的确定与第二体素相对应的剂量值的示例性过程的流程图；以及
图9是根据本申请的一些实施例所示的连接治疗图像的体素和计划图像的体素的DVF的示意图。
具体实施方式
为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。然而，本领域技术人员应该明白，可以在没有这些细节的情况下实施本申请。在其它情况下，为了避免不必要地使本申请的各方面变得晦涩难懂，已经在较高的层次上描述了众所周知的方法、过程、系统、组件和/或电路。对于本领域的普通技术人员来讲，显然可以对所披露的实施例作出各种改变，并且在不偏离本申请的原则和范围的情况下，本申请中所定义的普遍原则可以适用于其他实施例和应用场景。因此，本申请不限于所示的实施例，而是符合与申请专利范围一致的最广泛范围。
本申请中所使用的术语仅出于描述特定示例实施例的目的，而非限制性的。如本申请使用的单数形式“一”、“一个”及“该”同样可以包括复数形式，除非上下文明确提示例外情形。还应当理解，如在本申请说明书中使用的术语“包括”、“包含”仅提示存在所述特征、整数、步骤、操作、组件和/或部件，但并不排除存在或添加以上其它特征、整数、步骤、操作、组件、部件和/或其组合的情况。
可以理解的是，本申请使用的术语“系统”、“引擎”、“单元”、“模块”和/或“区块”是用于按升序区分不同级别的不同构件、元件、部件、部分或组件的方法。然而，如果可以达到相同的目的，这些术语也可以被其他表达替换。
通常，这里使用的词语“模块”、“单元”或“块”是指体现在硬件或固件中的逻辑，或者是软件指令的集合。本申请描述的模块、单元或块可以被实现为软件和/或硬件，并且可以被存储在任何类型的非暂时性计算机可读介质或其他存储设备中。在一些实施例中，可以编译软件模块/单元/块并将其链接到可执行程序中。可以意识到的是，软件模块可以是可从其他模块/单元/块或它们自身调用的，和/或可以响应于检测到的事件或中断而被调用。可以在计算机可读介质上提供被配置为在计算设备(例如，如图2所示的处理器210)上执行的软件模块/单元/块。例如，光盘、数字视频光盘、闪存驱动器、磁盘或任何其他有形介质，或者作为数字下载(并且可以最初以压缩或可安装的格式存储，需要在执行之前进行安装、解压缩或解密)。这里的软件代码可以被部分的或全部的储存在执行操作的计算设备的存储设备中，并应用在计算设备的操作之中。软件指令可以嵌入在诸如EPROM的固件中。还应当理解，硬件模块/单元/块可以包括在连接的逻辑组件中，例如门和触发器，和/或可以包括可编程单元，例如可编程门阵列或处理器。本申请描述的模块/单元/块或计算设备功能可以被实现为软件模块/单元/块，但是可以以硬件或固件来表示。通常，这里描述的模块/单元/块指的是逻辑模块/单元/块，其可以与其他模块/单元/块组合或者分成子模块/子单元/子块，尽管它们是物理组织或存储器件。该描述可以适用于系统、引擎或其一部分。
可以理解的是，除非上下文另有明确说明，当单元、引擎、模块或块被称为在另一单元、引擎、模块或块“上”、“连接”或“耦合至”另一单元、引擎、模块或块时，其可以直接在其它单元、引擎、模块或块上，与其连接或耦合或与之通信，或者可能存在中间单元、引擎、模块或块。在本申请中，术语“和/或”可包括任何一个或以上相关所列条目或其组合。
根据以下对附图的描述，本申请的这些和其它的特征、特点以及相关结构元件的功能和操作方法，以及部件组合和制造经济性，可以变得更加显而易见，这些附图都构成本申请说明书的一部分。然而，应当理解的是，附图仅仅是为了说明和描述的目的，并不旨在限制本申请的范围。应当理解的是，附图并不是按比例绘制的。
本申请使用的流程图示出了根据本申请公开的一些实施例所示的系统所执行的操作。应当理解的是，流程图中的操作可以不按顺序执行。相反，可以按照倒序或同时处理各种步骤。同时，也可以将一个或以上其他操作添加到这些流程图中。也可以从流程图中删除一个或以上操作。
本申请的一个方面涉及生成对象的治疗体积的鲁棒放射治疗重新计划的系统和方法。例如，在某个治疗阶段之前，该系统和方法可以获得治疗体积的“现场”治疗图像(简称为“治疗图像”)。该系统和方法还可以获取与治疗体积的计划图像(即，用于生成原始治疗计划的图像)相关联的原始治疗计划。该系统和方法可以进一步将治疗图像与计划图像配准以获得它们之间的映射关系。对于治疗图像中的至少一个体素，所述系统和方法可以基于所述映射关系来确定所述计划图像中的一个或以上相应体素。然后，该系统和方法可以基于计划图像中相应体素的剂量值来确定与治疗图像中的体素相对应的剂量值。该系统和方法可以进一步至少部分地基于与治疗图像中的体素相对应的剂量值来生成鲁棒放射治疗重新计划。与常规技术相比，该系统和方法可以生成放射治疗重新计划，该计划可以满足对象的目标区域(例如，肿瘤)和处于风险中的器官(OAR)的剂量目标/限制，而无需在治疗图像中勾画出OAR的轮廓，从而大大减少了在线重新计划过程的时间成本。
图1是根据本申请的一些实施例所示的示例性放射治疗系统的示意图。放射治疗系统100可以包括成像-治疗设备110、网络120、一个或以上终端130、处理设备140和存储设备150。放射治疗系统100中的组件可以以各种方式连接。仅作为示例，成像-治疗设备110可以通过网络120连接到处理设备140。又例如，成像-治疗设备110可以直接连接到处理设备140，如连接成像-治疗设备110和处理设备140的虚线双向箭头所示。作为又一个示例，存储设备150可以直接或通过网络120连接到处理设备140。作为又一个示例，终端130可以直接连接到处理设备140(如连接终端130和处理设备140的虚线双向箭头所示)或通过网络120连接。
成像-治疗设备110可以包括成像组件113、治疗组件116、工作台114等。
成像组件113可以包括能够提供对象(例如，患者)的图像数据的设备或装置，例如计算机断层扫描(CT)设备、磁共振成像(MRI)设备、单光子发射计算机断层扫描(SPECT)设备、正电子发射断层扫描(PET)设备、PET-CT设备等或其任何组合。为了说明的目的，在本申请中将成像组件113描述为CT设备，并且相关描述不旨在限制本申请的范围。如图1所示，成像组件113可以包括成像放射源115、探测器112、机架111等。成像放射源115和探测器112可以安装在机架111上。成像放射源115可以向位于工作台114上的物体(例如，患者)发射放射线(例如，X射线)。探测器112可以检测穿过对象的放射线的至少一部分。在一些实施例中，探测器112可以包括一个或以上探测器单元。一个或以上探测器单元可以包括闪烁探测器(例如，碘化铯探测器、钆硫氧化物探测器)。探测器112可以包括单行探测器和/或多行探测器。
成像组件113可以在放射治疗之前、期间和/或之后生成物体的图像。物体的图像可以用于确定和/或跟踪物体的目标区域的位置。在一些实施例中，目标区域可以指需要进行放射的区域。在一些实施例中，目标区域可以是物体的一部分，例如、头部、乳房、肺、腹部、大肠、小肠、膀胱、胆囊、胰腺、前列腺、子宫、卵巢、肝脏等或其一部分，或其任何组合。在本申请中，“物体”和“对象”可互换地使用。在一些实施例中，目标区域可以包括异常组织，例如，肿瘤、息肉等。可以基于目标区域的确定或跟踪的位置，朝着目标区域输送放射射线以进行放射治疗。
治疗组件116可以包括能够提供治疗束(例如，放射线)的设备或装置。如图1所示，治疗组件116可以包括治疗放射源117、机架118和准直器119。在一些实施例中，治疗放射源117可以是线性加速器(LINAC)，其加速电子并由此产生放射线。准直器119可以控制放射线的形状以产生治疗束。在一些实施例中，成像组件113可以与治疗组件116间隔开一定距离。在一些实施例中，成像组件113的机架111和治疗组件116的机架118可以共享相同的旋转轴。可以将物体定位在工作台114上的不同位置以进行成像和治疗。在一些实施例中，成像组件113和治疗组件116可以共享相同的机架。例如，可以省略机架118，并且可以将治疗放射源117安装在机架111上。可以将物体放置在工作台114上以进行治疗和/或扫描。在一些实施例中，成像放射源115和治疗放射源117可以集成为一个放射源以对物体成像和/或治疗。在一些实施例中，治疗放射源117可以用作成像放射源115以对物体成像和/或治疗。
治疗组件116可以将治疗束朝着物体(例如，患者)的目标区域传送。治疗束可包括粒子束、光子束等或其任何组合。粒子束可以包括中子、质子、电子、重离子、α射线束等或其任何组合的流。光子束可以包括X射线束、γ射线束、紫外线束、超声束(例如，高强度聚焦超声束)、激光束等，或其任意组合。X射线束的形状可以是线形、细铅笔形、细扇形、扇形、圆锥形、楔形等，或其任意组合。治疗束的能量水平可以适合于放射治疗。例如，由治疗组件116输送的X射线束可以具有兆伏(MV)水平的能量。
网络120可以包括可以促进放射治疗系统100的信息和/或数据的交换的任何合适的网络。在一些实施例中，放射治疗系统100的一个或以上组件(例如，成像-治疗设备110、终端130、处理设备140、存储设备150)可以经由网络120与放射治疗系统100的一个或以上其它组件通信信息和/或数据。例如，处理设备140可以经由网络120从成像-治疗设备110获得图像数据(例如，计划图像、治疗图像)。作为另一示例，处理设备140可以经由网络120从终端130获得用户指令。网络120可以是和/或包括公共网络(例如，互联网)、专用网络(例如，局域网(LAN)、广域网(WAN))，有线网络(例如，无线局域网)、以太网、无线网络(例如，802.11网络、Wi-Fi网络)、蜂窝网络(例如，长期演进(LTE)网络)、帧中继网络、虚拟专用网(“VPN”)、卫星网络、电话网络、路由器、集线器、交换机、服务器计算机和/或其任何组合。仅作为示例，网络120可以包括电缆网络、有线网络、光纤网络、电信网络、内联网、无线局域网(WLAN)、城域网(MAN)、公共电话交换网(PSTN)、蓝牙TM网络、ZigBeeTM网络、近场通信(NFC)网络等，或其任意组合。在一些实施例中，网络120可以包括一个或以上网络接入点。例如，网络120可以包括诸如基站和/或互联网交换点之类的有线和/或无线网络接入点，放射治疗系统100的一个或以上组件可以通过有线和/或无线接入点连接到网络120以交换数据和/或信息。
终端130可以包括移动设备131、平板计算机132、膝上型计算机133等，或其任何组合。在一些实施例中，移动设备131可以包括智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备、增强现实设备等，或其任何组合。仅作为示例，终端130可以包括如图3所示的移动设备。在一些实施例中，智能家居设备可以包括智能照明设备、智能电器控制设备、智能监控设备、智能电视、智能摄像机、对讲机等，或其任意组合。在一些实施例中，可穿戴设备可以包括手镯、鞋类、眼镜、头盔、手表、衣物、背包、智能配件等，或其任意组合。在一些实施例中，移动设备可以包括移动电话、个人数字助理(PDA)、游戏设备、导航设备、销售点(POS)设备、膝上型计算机、平板计算机、台式机等或其任何组合。在一些实施例中，虚拟现实设备和/或增强现实设备可以包括虚拟现实头盔、虚拟现实眼镜、虚拟现实眼罩、增强现实头盔、增强现实眼镜、增强现实眼罩等，或其任意组合。例如，虚拟现实设备和/或增强现实设备可以包括Google GlassTM、Oculus RiftTM、HololensTM、Gear VRTM等。在一些实施例中，一个或多个终端130可以是处理设备140的一部分。
处理设备140可以处理从成像-治疗设备110、终端130和/或存储设备150获得的数据和/或信息。例如，处理设备140可以将治疗图像与一个或以上计划图像配准，以获得治疗图像中的体素与一个或以上计划图像中的体素之间的映射关系。作为另一示例，对于治疗图像中的每个体素，处理设备140可以在一个或以上计划图像中的体素中确定一个或以上参考体素。作为又一示例，处理设备140可以基于与一个或以上计划图像中的一个或以上参考体素相对应的剂量值来确定与治疗图像中的体素相对应的剂量值。作为又一示例，处理设备140可以至少部分地基于与治疗图像中的一个或以上体素相对应的剂量值来生成放射治疗计划。在一些实施例中，处理设备140可以是单个服务器或服务器组。服务器组可以是集中式或分布式的。在一些实施例中，处理设备140可以是相对于放射治疗系统100的一个或多个其他组件的本地组件或远程组件。例如，处理设备140可以经由网络120访问存储在成像-治疗设备110、终端130和/或存储设备150中的信息和/或数据。作为另一示例，处理设备140可以直接连接至成像-治疗设备110、终端130和/或存储设备150以访问所存储的信息和/或数据。在一些实施例中，处理设备140可以在云平台上实现。仅作为示例，该云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。在一些实施例中，处理设备140可以由具有如图2所示的一个或以上组件的计算设备200来实现。
存储设备150可以存储数据、指令和/或任何其他信息。在一些实施例中，存储设备150可以存储从终端130和/或处理设备140获得的数据。在一些实施例中，存储设备150可以存储处理设备140可以执行或用来执行本申请中描述的示例性方法的数据和/或指令。在一些实施例中，存储设备150可以包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(ROM)等或其任意组合。示例性大容量存储器可以包括磁盘、光盘、固态驱动器等。示例性可移动存储器可以包括闪存驱动器、软盘、光盘、内存卡、压缩盘、磁带等。示例性易失性读写存储器可以包括随机存取内存(RAM)。示例性RAM可包括动态随机存取内存(DRAM)、双倍数据速率同步动态随机存取内存(DDR SDRAM)、静态随机存取内存(SRAM)、晶闸管随机存取内存(T-RAM)和零电容随机存取内存(Z-RAM)等。示例性ROM可以包括掩模ROM(MROM)、可编程ROM(PROM)、可擦除可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)、光盘ROM(CD-ROM)和数字多功能盘ROM等在一些实施例中，所述存储设备150可以在云平台上实现。仅作为示例，该云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。
在一些实施例中，存储设备150可以连接到网络120以与放射治疗系统100的一个或以上其他组件(例如，处理设备140、终端130)通信。放射治疗系统100的一个或多个组件可以经由网络120访问存储在存储设备150中的数据或指令。在一些实施例中，存储设备150可以直接连接到放射治疗系统100的一个或以上其他组件或与之通信(例如，处理设备140、终端130)。在一些实施例中，存储设备150可以是处理设备140的一部分。
图2是根据本申请的一些实施例所示的在其上可以实现放射治疗系统100的至少一部分示例性计算设备的示意图。如图2所示，计算设备200可以包括处理器210、存储器220、输入/输出(I/O)230和通信端口240。
处理器210可以根据本申请描述的技术执行计算机指令(例如，程序代码)并执行处理设备120的功能。计算机指令可以包括，例如，例程、程序、对象、组件、数据结构、过程、模块和功能，其执行本申请描述的特定功能。例如，处理器210可以处理从成像-治疗设备110、存储设备150、终端130和/或放射治疗系统100的任何其他组件获得的图像数据。在一些实施例中，处理器210可以包括一个或多个硬件处理器，例如微控制器、微处理器、精简指令集计算机(RISC)、专用集成电路(ASIC)、专用指令集处理器(ASIP)、中央处理器(CPU)、图形处理单元(GPU)、物理处理单元(PPU)、微控制器单元、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、先进的RISC机器(ARM)、可编程逻辑器件(PLD)，能够执行一个或多个功能的任何电路或处理器等，或其组合。
仅仅为了说明，在计算设备200中仅描述了一个处理器。然而，应注意，本申请披露的计算设备200还可以包括多个处理器。因此，本申请中披露的由一个处理器执行的操作和/或方法步骤也可以由多个处理器联合或分别执行。例如，如果在本申请中，计算设备200的处理器执行操作A和操作B，则应当理解，操作A和操作B也可以由计算设备200中的两个或以上不同的处理器联合或分开地执行(例如，第一处理器执行操作A，第二处理器执行操作B，或者第一处理器和第二处理器共同执行操作A和B)。
存储器220可以存储从成像-治疗设备110、存储设备150、终端130和/或放射治疗系统100的任何其他组件获得的数据/信息。在一些实施例中，存储器220可以包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器等或其任意组合。例如，大容量存储器可以包括磁盘、光盘、固态驱动器等。可移动存储器可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘、磁带等。易失性读写存储器可以包括随机存取存储器(RAM)。RAM可以包括动态RAM(DRAM)、双倍速率同步动态RAM(DDR SDRAM)、静态RAM(SRAM)、晶闸管RAM(T-RAM)和零电容器RAM(Z-RAM)等。ROM可以包括掩膜ROM(MROM)、可编程ROM(PROM)、可擦除可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)、光盘ROM(CD-ROM)，以及数字多功能盘ROM等。在一些实施例中，存储器220可以存储一个或以上程序和/或指令以执行本申请描述的示例性方法。例如，存储器220可以存储处理设备140用于确定由成像-治疗设备110提供的治疗图像中的体素对应的剂量值的程序。
I/O 230可以输入和/或输出信号、数据、信息等。在一些实施例中，I/O 230可以使用户能够与处理设备140交互。在一些实施例中，I/O 230可以包括输入设备和输出设备。示例性输入设备可以包括键盘、鼠标、触摸屏、麦克风等或其组合。示例性输出设备可以包括显示设备、扬声器、打印机、投影仪等或其组合。示例性显示设备可以包括液晶显示器(LCD)、基于发光二极管(LED)的显示器、平板显示器、曲面屏幕、电视设备、阴极射线管(CRT)、触摸屏屏幕等，或其组合。
通信端口240可以连接到网络(例如，网络120)以促进数据通信。通信端口240可以在处理设备140与成像-治疗设备110、存储设备150和/或终端130之间建立连接。该连接可以是有线连接、无线连接，可以实现数据传输和/或接收的任何其他通信连接，和/或这些连接的组合。有线连接可以包括例如电缆、光缆、电话线等，或其任意组合。无线连接可以包括，例如，蓝牙TM链路、Wi-FiTM链路、WiMaxTM链路、无线局域网链路、ZigBee链路、移动网络链路(例如，3G、4G、5G)等或其组合。在一些实施例中，通信端口240可以是和/或包括标准化通信端口，例如，RS232、RS485等。在一些实施例中，通信端口240可以是专门设计的通信端口。例如，可以根据数字成像和医学通信(DICOM)协议来设计通信端口240。
图3是根据本申请的一些实施例所示的可以在其上实现终端的示例性移动设备的示例性硬件和/或软件组件的示意图。如图3所示，移动设备300可以包括通信平台310、显示器320、图形处理单元(GPU)330、中央处理单元(CPU)340、I/O 350、内存360和存储器390。在一些实施例中，任何其他合适的组件，包括但不限于系统总线或控制器(未示出)，也可包括在移动设备300内。在一些实施例中，可以将移动操作系统370(例如，iOSTM、AndroidTM、Windows PhoneTM)和一个或以上应用380从存储器390加载到内存360中，以便由CPU340执行。应用380可以包括浏览器或任何其他合适的移动应用程序，用于从处理设备140接收和渲染与图像处理有关的信息或其他信息。可以经由I/O 350来实现用户与信息的交互，并经由网络120将其提供给处理设备140和/或放射治疗系统100的其他组件。
为了实施本申请描述的各种模块、单元及其功能，计算机硬件平台可用作本申请中描述的一个或以上组件的硬件平台。具有用户界面元素的计算机可以用作个人计算机(PC)或任何其他类型的工作站或终端设备。若计算机被适当的程序化，计算机亦可用作服务器。
图4是根据本申请的一些实施例所示的示例性处理设备的框图。处理设备140可以包括获取模块402、配准模块404、体素确定模块406、剂量确定模块408和计划生成模块410。
获取模块402可以从放射治疗系统100的其他组件获取各种数据或信息。例如，获取模块402可以获取对象的治疗体积的计划图像。又例如，获取模块402可以获取表示对象的治疗体积的至少一部分的治疗图像。
配准模块404可以将治疗图像与计划图像配准。在一些实施例中，在将治疗图像与计划图像配准之前，配准模块404可以预处理治疗图像(例如，重新格式化治疗图像)，使得预处理的治疗图像具有与计划图像相似的像素尺寸。在一些实施例中，在将治疗图像与计划图像配准之后，配准模块404可以基于计划图像中的VOI的定义边界来确定治疗图像中的感兴趣体积(VOI)的目标边界。例如，配准模块404可以执行至少一个可变形配准以获得治疗图像与计划图像之间的变形向量场(DVF)。配准模块404可以进一步在计划图像中的VOI的定义边界上应用DVF以获得治疗图像中的VOI的初始轮廓。配准模块404可以进一步根据用户指令或自动修改VOI在治疗图像中的初始轮廓，以获得目标边界。如本申请所使用的，VOI可以指需要由放射治疗系统100治疗的一定体积的癌性目标，和/或一定体积的处于放射风险下的非癌性物体。具体地，VOI可以是目标区域(例如，肿瘤、具有肿瘤的器官或具有肿瘤的组织)和/或OAR。
体素确定模块406可以确定计划图像和/或治疗图像中的体素。在一些实施例中，对于治疗图像中的至少两个第二体素中的至少一个第二体素，体素确定模块406可以在计划图像中的至少两个第一体素中确定至少一个参考体素。例如，体素确定模块406可以基于映射关系(例如，由配准模块404确定的DVF)来确定与至少两个第二体素中的至少一个第二体素相对应的至少一个第一体素。体素确定模块406可以确定在至少一个对应的第一体素附近的第一体素集，并在第一体素集中指定其第一特征值等于或接近于至少两个第二体素中的至少一个第二体素的第二特征值的至少一个第一体素，作为至少一个参考体素。
剂量确定模块408可以确定对应于体素的剂量值。在一些实施例中，体素确定模块406可以确定与治疗图像中的第二体素相对应的剂量值。例如，对于第二体素中的至少一个参考体素，剂量确定模块408可以确定其相对于计划图像中的VOI的定义边界的距离。剂量确定模块408还可确定第二体素相对于治疗图像中VOI的目标边界的距离。剂量确定模块408可以进一步基于第二体素相对于治疗图像中VOI的目标边界的距离、至少一个参考体素相对于计划图像中的VOI的定义边界的距离、以及对应于计划图像中的至少一个参考体素的初始剂量值，来确定与第二体素相对应的剂量值。
计划生成模块410可以生成放射治疗计划。在一些实施例中，计划生成模块410可以基于与治疗图像中的一个或以上第二体素相对应的剂量值，通过调整与计划图像相关联的原始治疗计划中的一个或以上参数，来确定放射治疗计划。在一些实施例中，处理设备140可以根据本申请中其他地方所述的优化技术来调整和/或优化一个或以上参数。
应当注意，本申请对处理设备140的以上描述仅出于说明的目的而提供的，而无意于限制本申请的范围。对于本领域的普通技术人员来说，可以根据本申请的描述，做出各种各样的变化和修改。然而，这些变化和修改不脱离本申请的范围。例如，处理设备140可以进一步包括促进数据存储的存储模块。
图5是根据本申请的一些实施例所示的生成放射治疗计划(例如，在线放射治疗重新计划)的示例性过程500的流程图。在一些实施例中，过程500的至少一部分可以由处理设备140执行(例如，在图2所示的计算设备200中实现)。例如，过程500可以以指令(例如，应用程序)的形式存储在存储设备(例如，存储设备150、存储器220、存储器390)中，并由处理设备140(例如，图2所示的处理器210、图3所示的CPU 340或图4所示的处理设备140中的一个或以上模块)调用和/或执行。以下所示过程的操作仅出于说明的目的。在一些实施例中，过程500可以利用一个或以上未描述的附加操作和/或没有所讨论的一个或以上操作来完成。另外，图5中示出的和下面描述的过程500的操作的顺序不旨在是限制性的。
在501中，处理设备140(例如，获取模块402)可以获取对象的治疗体积的计划图像。在一些实施例中，处理设备140可以从放射治疗系统100的存储设备(例如，存储设备150)或外部存储设备中获取治疗体积的计划图像。在一些实施例中，处理设备140可以直接从成像-治疗设备110中获取计划图像。
计划图像可以指用于确定现有治疗计划的图像。计划图像可以包括与对象的治疗体积有关的信息。例如，计划图像可以在治疗体积中显示肿瘤以及肿瘤附近的一种或以上的器官。如本申请中所使用的，现有的治疗计划可以描述如何对对象(例如，患者)执行放射治疗，或更具体地，如何将一个或以上放射束递送到对象的治疗体积。例如，现有的治疗计划可以提供对象的治疗体积的总剂量和/或剂量分布的指示。剂量分布可以指示与治疗体积的不同体素相对应的剂量值。另外，现有的治疗计划可以包括识别治疗体积中的一个或以上处于风险的器官(OAR)以及限制或避免其上的剂量。OAR可以指位于肿瘤附近，并且由于暴露于朝向肿瘤传递的辐射而受到辐射损害的风险的器官。
在一些实施例中，现有的治疗计划可以是在放射治疗过程之前或开始时确定的原始治疗计划。例如，在对象(例如，患者)开始接受治疗之前(例如，治疗开始前的几天或几周)，可以拍摄一个或以上计划图像以生成要在随后的治疗中遵循的原始治疗计划。可选地，在一些实施例中，对于分阶段放射治疗的特定阶段，现有治疗计划可以是任何先前阶段(例如，在特定阶段之前的一个阶段，在特定阶段之前的两个阶段)中使用的治疗计划。可选地，在一些实施例中，现有的治疗计划可以是对象的历史治疗计划。
在一些实施例中，计划图像可以是锥束CT图像、MR图像、PET-CT图像、MR-CT图像等。例如，计划图像可以是由成像-治疗设备110的成像组件113获得的CT图像。作为另一示例，计划图像可以是由成像-治疗设备110外部的成像组件获得的CT图像。计划图像可以是二维(2D)图像、三维(3D)图像、四维(4D)图像等。在一些实施例中，可以根据操作者(例如，医生)的一个或以上指令或操作来获得计划图像。例如，可以基于操作者输入或选择的一个或以上成像参数来获得计划图像。
对象可以包括物质、组织、器官、标本、身体等或其任何组合。在一些实施例中，对象可以包括患者或其部分(例如，头部、乳房、腹部)。在一些实施例中，对象的治疗体积可以包括一个或以上感兴趣体积(VOI)。
计划图像可以包括至少两个第一体素。至少两个第一体素中的每个第一体素可以对应于现有治疗计划中指示的剂量值(也被称为“初始剂量值”)。在一些实施例中，处理设备140可以根据一个或以上剂量计算算法，基于计划图像来确定与第一体素相对应的初始剂量值。示例性剂量计算算法可以包括基于模型的算法(例如，基于卷积的算法、基于叠加的算法、蒙特卡洛剂量算法)、基于校正的算法等，或其任意组合。
至少两个第一体素中的每个第一体素可以对应第一特征值。对应于第一体素的第一特征值可以与对应于第一体素的对象的材料和/或密度值有关。在一些实施例中，在X射线成像中，与第一体素相对应的第一特征值可以反映与第一体素相对应的对象衰减X射线的能力。例如，对应于第一体素的第一特征值可包括第一体素的灰度值或对应于第一体素的亨氏单位(HU)值。如本申请所使用的，亨氏单位(HU)可以指在计算机断层摄影(CT)扫描中使用的无量纲单元，以标准化且方便的形式来表达CT数。可以校准CT的亨氏标尺，以使水的HU值为0HU，空气的HU值为-1000HU。体素的HU值可以指示该体素所属的组织的类型。HU值相似的体素可能属于相似的组织类型。在一些实施例中，可以在视觉界面(例如，用户终端的屏幕)上将体素的HU值表示为体素的灰度值。体素的较高HU值可以对应于CT图像中较高的灰度值。
在一些实施例中，处理设备140可以识别至少两个第一体素中的每个第一体素的位置。例如，根据计划图像，处理设备140可以识别治疗体积中的VOI(例如，肿瘤)的边界，并确定每个第一体素相对于边界的距离。示例性距离可以包括欧几里得距离、出租车距离、倒角距离、航迹推算距离、薛定谔距离等。在一些实施例中，第一体素相对于治疗体积中的VOI的边界的距离可以是从第一体素到治疗体积中的VOI的边界的最近距离。具体地，处理设备140可以基于符号距离函数(SDF)来确定从第一体素到治疗体积中的VOI的边界的最近距离。如本申请所使用的，SDF可以表示从给定点A(例如，体素)到区域B(例如，VOI)的边界的最近距离，其符号由点A是在区域B内部还是在区域B的边界上来确定。响应于点A分别在区域B的外部、边界上、或内部，SDF可以为正、零或负。处理设备140可以基于一个或以上SDF算法来确定每个第一体素的SDF。示例性SDF算法可以包括快速行进技术、快速扫描技术、水平集技术等，或其任意组合。
在一些实施例中，在现有治疗计划中指示的第一体素的初始剂量值(也被称为“计划剂量值”)可以与第一体素的理想剂量值不同。如本申请所使用的，对应于目标(例如，肿瘤)的体素的理想剂量值可以是规定的剂量值，而对应于OAR的体素的理想剂量值可以是零。在一些实施例中，可以为至少两个第一体素中的每一个第一体素分配权重，并且可以通过每个计划剂量值和对应的理想值之间的差的加权和来测量计划剂量值和理想剂量值之间的差。第一体素的权重可以由放射治疗系统100(例如，处理设备140)的一个或以上组件确定，或者可以由操作者设置。在一些实施例中，第一体素的权重可以根据其相对于治疗体积中VOI的边界的距离来确定。例如，可以将较大的权重分配给在治疗体积中(沿着特定方向)更接近VOI边界的第一体素。在一些实施例中，可以根据与第一体素相对应的对象的放射敏感性来确定第一体素的权重。对象的放射敏感性可以指对象对辐射的有害作用的相对敏感性。例如，如果对应于第一体素的对象对辐射更敏感，则可以将较大的权重分配给第一体素。在这点上，在计算每个计划剂量值和对应的理想剂量值之间的差的加权总和时，当相应的OAR更加敏感或更接近目标(例如肿瘤)时，可以给计划剂量值和理想剂量值之间的差更多的权重。
在一些实施例中，处理设备140可以将与每个第一体素有关的信息存储在放射治疗系统100的存储设备(例如，存储设备150)或外部存储设备中。与第一体素有关的信息可以包括其相对于治疗体积中的VOI(即肿瘤)的定义边界的距离、对应于第一体素的初始剂量值、与第一体素相对应的第一特征值、和/或对应于第一体素的权重。与第一体素有关的信息可以以表格、图、数学表达式(例如，哈希函数)等形式记录。此外，在一些实施例中，处理设备140可以存储第一体素与其附近的体素之间的关系，使得当访问第一体素时，可以容易地识别其附近的体素及其信息。如本申请所使用的，“第一体素的附近体素”可以指第一体素与附近体素之间的距离小于预设距离阈值。
在502中，处理设备140(例如，获取模块402)可以获取表示至少一部分治疗体积的治疗图像。在一些实施例中，处理设备140可以从放射治疗系统100的成像组件113、存储设备(例如，存储设备150)或外部存储设备中获取治疗图像。
治疗图像可以指用于调整与计划图像相关联的原始治疗计划的图像。在一些实施例中，可以在某个治疗阶段开始之前的相对短的时间生成治疗图像。相对较短的时间可能是几天、几小时或几分钟，这取决于放射治疗的所有疗程的持续时间。与计划图像相比，治疗图像可以反映例如在先前治疗阶段和特定治疗阶段期间的治疗体积(或治疗体积中的VOI)的变化。治疗体积(或治疗体积中的VOI)的变化可以包括解剖学变化(例如，重量减轻、肿瘤缩小、新肿瘤的出现)等。可以基于治疗图像来调整和/或修改原始治疗计划，以减少对OAR的毒性并改善目标(例如，肿瘤)的靶向性和治疗的总体结果。
在一些实施例中，治疗图像可以是CT图像、锥束CT图像、MR图像、PET-CT图像等。例如，治疗图像可以是由成像-治疗设备110的成像组件113获得的CT图像。治疗图像可以是二维(2D)图像、三维(3D)图像、四维(4D)图像等。在一些实施例中，可以根据操作者(例如，医生)的一个或以上指令或操作来获得治疗图像。例如，可以基于操作者输入或选择的一个或以上成像参数来获得治疗图像。在一些实施例中，治疗图像和计划图像可以是相同类型的图像。例如，治疗图像和计划图像都可以是CT图像，并且治疗图像可以直接由CT设备生成。或者，可以从由除CT设备以外的设备生成的另一种类型的图像(例如，MR图像)转换得到治疗图像。
治疗图像可以包括至少两个第二体素。在一些实施例中，至少两个第二体素中的每个第二体素可以对应于第二特征值。对应于第二体素的第二特征值可以包括第二体素的灰度值或对应于第二体素的亨氏单位(HU)值。
在503中，处理设备140(例如，配准模块404)可以将治疗图像与计划图像配准，以获得治疗图像中的至少两个第二体素与计划图像中的至少两个第一体素之间的映射关系。
如本申请所使用的，图像配准是将不同图像的空间信息转换成相同坐标系，以便比较或整合从不同图像获得的数据的过程。处理设备140可以基于一种或多种图像配准算法将治疗图像与计划图像配准。示例性图像配准算法可以包括基于强度的算法、基于特征的算法、变换模型算法(例如，线性变换模型、非刚性变换模型)、空间域算法、频域算法、单模态算法、多模态算法、自动算法和交互算法等，或其组合。
在一些实施例中，在将治疗图像与计划图像配准之前，处理设备140可重新格式化治疗图像，使得其具有与计划图像相似的像素尺寸。例如，计划图像的像素尺寸可以是512×512像素，并且治疗图像的像素尺寸可以是1024×1024像素。处理设备140可以将治疗图像重新格式化以将治疗图像的像素尺寸从1024×1024像素转换到512×512像素。
在一些实施例中，处理设备140可以通过执行一个或多个刚性配准和/或一个或多个可变形配准(也被称为非刚性配准)来配准治疗图像和计划图像。
刚性配准可以指涉及所有体素的全局旋转和/或平移的配准过程。治疗图像与计划图像之间的刚性配准可以使治疗图像与计划图像对准，以使得治疗图像内的内部解剖结构(例如，目标或OAR的解剖结构)相对于外部辐射束，和计划图像内的内部解剖结构相对于外部辐射束，位于相同或基本相同的位置。在一些实施例中，可以基于刚性配准过程来校正摆位误差(例如，床平移和/或床旋转)。在校正治疗图像上的摆位误差之后，在治疗时对象的内部解剖结构相对于外部放射治疗束，可以处于与计划图像和外部放射治疗束之间所计划的位置相同。
可变形配准可以指找到在计划图像和治疗图像之间的点对点(例如，体素到体素)的映射关系的过程。在一些实施例中，处理设备140可以确定变形向量场(DVF)，该变形向量场表示治疗图像中的至少两个第二体素与计划图像中的至少两个第一体素之间的映射关系。相应地，假设计划图像中的VOI具有定义边界，则处理设备140可以基于DVF来识别治疗图像中的VOI的边界。例如，处理设备140可以在计划图像中的VOI的定义边界上应用DVF以获得治疗图像中的VOI的初始轮廓。在一些实施例中，处理设备140可以根据，例如第一用户指令，来修改治疗图像中的VOI的初始轮廓以获得治疗图像中的VOI的目标边界。第一用户指令可以指示对治疗图像中的VOI的初始轮廓的至少一部分的调整。在一些实施例中，处理设备140可以直接或者响应于包括确认消息的第二用户指令，将治疗图像中的VOI的初始轮廓指定为治疗中的VOI的目标边界。关于确定治疗图像中的VOI的目标边界的更多描述可以在本申请的其他地方(例如，图6及其描述)找到。
在一些实施例中，处理设备140可以首先执行刚性配准，然后执行可变形配准以生成DVF。在一些实施例中，处理设备140可以直接执行可变形配准，而无需执行任何先前的刚性配准，以生成DVF。
在一些实施例中，治疗图像中的至少两个第二体素与计划图像中的至少两个第一体素之间的映射关系可以以表格、图、数学表达式等形式存储。因此，当获取计划图像中的第一体素时，可以容易地识别治疗图像中其对应的第二体素。类似地，当获取到治疗图像中的第二体素时，可以容易地识别计划图像中其对应的第一体素。
在504中，对于至少两个第二体素中的至少一个第二体素，处理设备140(例如，体素确定模块406)可以，基于映射关系，从计划图像中的至少两个第一体素中确定至少一个参考体素，至少一个参考体素可以位于与至少两个第二体素中的至少一个第二体素对应的至少一个第一体素的距离内。
在一些实施例中，对于治疗图像中的(至少两个第二体素中的至少一个第二体素)中的特定的第二体素，处理设备140可以基于治疗图像中的至少两个第二体素与计划图像中的至少两个第一体素之间的映射关系来确定计划图像中的对应的第一体素。例如，处理设备140可以将DVF的反转应用于治疗图像中的特定第二体素以获得计划图像中的对应的第一体素。作为另一示例，处理设备140可以获取一个表，该表可以示出计划图像中的至少两个第一体素与治疗图像中的至少两个第二体素之间一一对应的关系，从而可以识别出与特定的第二体素对应的第一体素。
处理设备140可以进一步确定在对应的第一体素附近的第一体素集。在一些实施例中，处理设备140可以基于计划图像中至少两个第一体素中的每个第一体素与对应的第一体素之间的距离来确定第一体素集。例如，处理设备140可以确定至少两个第一体素中的每个第一体素与对应的第一体素之间的距离是否小于距离阈值。响应于确定某个第一体素与对应的第一体素之间的距离小于距离阈值。处理设备140可以确定所述第一体素在第一体素集中。
进一步地，处理设备140可以从第一体素集中选择至少一个参考体素。例如，处理设备140可以在对应的第一体素附近的第一体素集中，将其第一特征值满足特定规则的一个或以上第一体素指定为一个或以上参考体素。特定规则可以是第一体素的第一特征值等于或接近特定的第二体素的第二特征值。确定对应于第二体素的一个或以上参考体素的更多描述可以在本申请的其他地方找到(例如，图7及其描述)。
在505中，处理设备140(例如，剂量确定模块408)可以根据至少一个参考体素的至少一个初始剂量值，确定与至少一个第二体素对应的剂量值。
在一些实施例中，处理设备140可以通过对对应于至少一个参考体素的至少一个初始剂量值执行数学运算来确定对应于至少一个第二体素的剂量值。例如，处理设备140可以计算与至少一个参考体素相对应的初始剂量值的平均值，然后基于该平均值来计算与至少一个第二体素相对应的剂量值。作为另一示例，处理设备140可以计算与至少一个参考体素相对应的初始剂量值的加权平均值，然后基于该加权平均值来计算与至少一个第二体素相对应的剂量值。与每个初始剂量值相关联的加权因子可以与相应的参考体素的位置有关，例如，相应的参考体素相对于计划图像中VOI的定义边界的距离。
在本申请中对示例性加权平均出于说明的目的而描述，而并非旨在进行限制。对于对应于至少一个第二体素的至少一个参考体素中的每一个参考体素，处理设备140可以基于其初始剂量和其相对于计划图像中VOI的定义边界的距离来确定每单位距离的剂量值(即加权剂量值)。参考体素的每单位距离的剂量值可以通过将其初始剂量除以其相对于计划图像中VOI的定义边界的距离来生成。处理设备140可以进一步确定至少一个参考体素的每单位距离的剂量值的平均值，以生成至少一个参考体素的加权平均值。每单位距离的剂量值的平均值可以是算术平均值、谐波平均值、几何平均值等。关于加权平均的更多描述可以在本申请的其他地方找到(例如，图8及其描述)。
处理设备140可以进一步基于至少一个参考体素的加权平均值和第二体素相对于治疗图像中VOI的目标边界的距离，来确定与第二体素相对应的剂量值。例如，处理设备140可以通过将至少一个参考体素的加权平均值与治疗图像中第二体素相对于VOI的目标边界的距离相乘，来确定与第二体素相对应的剂量值。关于确定对应于第二体素的剂量值的更多描述可以在本申请的其他地方找到(例如，图8及其描述)。
在一些实施例中，与结合501描述的至少两个第一体素相似，至少两个第二体素中的每个第二体素也可以对应于权重。在一些实施例中，可以基于计划图像中与其对应的第一体素的权重来确定第二体素的权重。例如，第二体素的权重可以与计划图像中与其对应的第一体素的权重相同。在一些实施例中，第二体素的权重可以根据其相对于治疗体积中VOI的边界的距离来确定。例如，可以将较大的权重分配给在治疗体积中(沿着特定方向)更接近VOI边界的第二体素。在一些实施例中，第二体素的权重可以根据对应于第二体素的对象的放射敏感性来确定。例如，如果对应于第二体素的对象对辐射更敏感，则可以将更大的权重分配给第二体素。
在506中，处理设备140(例如，计划生成模块410)可以至少部分地基于与至少一个第二体素相对应的剂量值来生成放射治疗计划。
在一些实施例中，处理设备140可以通过更新/调整与计划图像相关联的原始治疗计划中的一个或以上参数，来确定放射治疗计划。一个或以上参数可以描述如何对对象(例如，患者)进行放射治疗。在一些实施例中，一个或以上参数可以包括机器放射参数和几何参数。机器放射参数可包括放射剂量、放射源提供的剂量率(例如，MUs/min)、放射持续时间，放射源提供的模态类型信息(例如，光子、电子)等或其任何组合。几何参数可以包括机架的位置、机架在特定时间的角度、机架在特定时间的旋转速度、准直器的位置、准直器在特定时间的角度、放射束在特定时间的形状、多叶准直器(MLC)的叶片设置参数、工作台(例如，工作台114)在特定时间的位置和/或角度等，或其任意组合。
在一些实施例中，处理设备140可以基于对应于两个或以上第二体素中的每个第二体素的剂量值和对应于两个或以上第二体素中的每个第二体素的权重，来调整原始治疗计划中的一个或以上参数。在一些实施例中，处理设备140可以根据优化技术来调整和/或优化一个或以上参数。示例性的优化技术可以包括直接孔径优化(DAO)技术或注量图优化(FMO)技术等，或其任何组合。具体地，处理设备140可以为每个光束确定优化的注量图，然后基于叶排序算法将优化的注量图分解为可输送的孔径(例如，与MLC叶片和/或准直器的位置参数有关的孔径)。在优化的注量图中，可以将光束离散为至少两个子束，并且可以单独控制每个子束的强度。相应地，处理设备140可以基于与至少两个第二体素中的每一个第二体素相对应的剂量值来控制每个子束的强度。
在一些实施例中，在生成更新的放射治疗计划之后，处理设备140可以将原始治疗计划中的第一剂量分布与更新的放射治疗计划中的第二剂量分布进行比较。如本申请中所使用的，图像(例如，计划图像、治疗图像)中的剂量分布可以指与图像中的至少两个体素(例如，计划图像中的至少两个第一体素、治疗图像中的至少两个第二体素)相对应的剂量值的分布。处理设备140可以确定原始治疗计划中的第一剂量分布和更新的放射治疗计划中的第二剂量分布是否具有相似的梯度分布和/或相似数量的热点。剂量分布中的热点可以指具有局部高剂量的区域。响应于确定原始治疗计划中的第一剂量分布和更新的放射治疗计划中的第二剂量分布具有相似的梯度分布和相似数量的热点，处理设备140可以将更新的放射治疗计划确定为放射治疗计划将在随后的放射治疗中使用。
应当注意，过程500的以上描述是出于说明的目的，并且无意于限制本申请的范围。对于本领域的普通技术人员来说，可以根据本申请的描述，做出各种各样的变化和修改。然而，这些变化和修改不脱离本申请的范围。在一些实施例中，可以添加或省略一个或以上操作。例如，操作501和操作502可以合并为一个操作。又例如，可以在操作503之前添加预处理操作。图像(例如，计划图像、治疗图像)可以由处理设备140进行预处理(例如，过滤、去噪、分类或排序)。作为又一个示例，可以在过程500中添加存储操作。处理设备140可以将与计划图像中的至少两个第一体素和治疗图像中的至少两个第二体素相关的信息和/或数据存储在本申请的其他地方披露的存储介质(例如，存储设备150)中。
在一些实施例中，治疗图像中的至少两个第二体素可以是不包括对象的目标的治疗体积的第二体素。相应地，根据本申请的实施例的方法可以用于确定与治疗图像中的至少两个第二体素相对应的剂量值，而无需从计划图像中勾勒出大多数VOI(例如，目标、OAR)。根据本申请的实施例的方法可以通过减少在线重新规划期间对VOI进行详细手动检查/编辑的需求，提高日常临床使用中放射治疗的接受度，并减少制定新的放射治疗计划的总时间。
图6是根据本申请的一些实施例所示的基于计划图像中的VOI的定义边界确定治疗图像中的VOI的目标边界的示例性过程600的流程图。在一些实施例中，过程600的至少一部分可以由处理设备140(例如，在图2所示的计算设备200中实现)执行。例如，过程600可以以指令(例如，应用程序)的形式存储在存储设备(例如，存储设备150、存储器220、存储器390)中，并且由处理设备140(例如，图2所示的处理器210，图3所示的CPU340或图4所示的处理设备140中的一个或多个模块)调用和/或执行。以下所示过程的操作仅出于说明的目的。在一些实施例中，过程600可以利用一个或以上未描述的附加操作和/或没有所讨论的一个或以上操作来完成。另外，图6中所示和下面描述的过程600的操作的顺序并非旨在限制。
在601中，处理设备140(例如，配准模块404)可以执行至少一个可变形配准，以获得对象的治疗图像(例如，在操作502中描述的治疗图像)与对象的计划图像(例如，在操作501中描述的计划图像)之间的变形向量场(DVF)。
在一些实施例中，可以在治疗图像和计划图像中呈现一个或多个VOI(例如，一个或多个肿瘤、一个或多个OAR)。DVF可以表示计划图像中的VOI的至少两个第三体素与治疗图像中的VOI的至少两个第四体素之间的映射关系。在一些实施例中，DVF可以包括至少两个向量，每个向量对应于计划图像中的第三体素。DVF中的每个向量的方向可以代表计划图像中第三体素为了达到治疗图像中的相应的第四体素的位置应移动的方向。DVF中的每个向量还可以具有幅度，该幅度表示计划图像中的第三体素为了达到治疗图像中的相应的第四体素的位置应沿相应方向移动的距离。
在一些实施例中，处理设备140可以根据一种或以上变形配准算法来确定计划图像和治疗图像之间的DVF。可变形配准算法可以包括径向基函数(例如，薄板或曲面样条变换、多二次变换或紧支撑变换)、物理连续体模型、大形变模型(例如，微分同胚)等，或其任何组合。
在602中，处理设备140(例如，配准模块404)可以将DVF应用于计划图像中的VOI的定义边界，以获得治疗图像中的VOI的初始轮廓。例如，处理设备140可以通过将DVF应用于计划图像中VOI的定义边界的至少两个体素上，来确定治疗图像中的至少两个体素。处理设备140可以进一步通过连接所确定的治疗图像中的至少两个体素来确定治疗图像中的VOI的初始轮廓。
在603中，处理设备140(例如，配准模块404)可以修改治疗图像中的VOI的初始轮廓以获得目标边界。在一些实施例中，处理设备140可以根据，例如第一用户指令，来修改治疗图像中的VOI的初始轮廓以获得治疗图像中的VOI的目标边界。第一用户指令可以指示对治疗图像中的VOI的初始轮廓的至少一部分的调整。例如，操作者可以在操作者的终端设备(例如，终端130)上显示的治疗图像中的VOI的初始轮廓中添加一个或以上点/体素，或从中删除一个或以上点。
在一些实施例中，处理设备140可以直接或者响应于包括确认消息的第二用户指令，将治疗图像中的VOI的初始轮廓指定为治疗中的VOI的目标边界。
应当注意，过程600的以上描述是出于说明的目的，并且不旨在限制本申请的范围。对于本领域的普通技术人员来说，可以根据本申请的描述，做出各种各样的变化和修改。然而，这些变化和修改不脱离本申请的范围。在一些实施例中，可以添加或省略一个或以上操作。例如，可以省略操作603。
图7是根据本申请的一些实施例所示的确定与治疗图像中的第二体素相对应的计划图像中的一个或以上参考体素的示例性过程700的流程图。在一些实施例中，过程700的至少一部分可以由处理设备140执行(例如，在图2所示的计算设备200中实现)。例如，过程700可以以指令(例如，应用程序)的形式存储在存储设备(例如，存储设备150、存储器220、存储器390)中，并且由处理设备140(例如，图2所示的处理器210，图3所示的CPU 340或图4所示的处理设备140中的一个或以上模块)调用和/或执行。以下所示过程的操作仅出于说明的目的。在一些实施例中，过程700可以用一个或以上未描述的附加操作和/或没有所讨论的一个或以上操作来完成。另外，图7中所示和以下描述的过程700的操作的顺序并非旨在限制。在一些实施例中，可以根据过程700来执行操作504。
在701中，处理设备140(例如，体素确定模块406)可以基于映射关系来确定与至少两个第二体素中的至少一个第二体素相对应的至少一个第一体素。
在一些实施例中，映射关系可以指示治疗图像(例如，操作502中描述的治疗图像)中的至少两个第二体素与计划图像(例如，在操作501中描述的计划图像)中的至少两个第一体素之间的体素到体素的对应关系。为了获取映射关系，处理设备140可以执行一个或以上刚性配准和/或一个或以上可变形配准以获得治疗图像和计划图像之间的变形向量场(DVF)。然后，处理设备140可以将DVF施加在治疗图像中的每个第二体素上以在计划图像中定位对应的第一体素。
在702中，处理设备140(例如，体素确定模块406)可以确定在至少一个对应的第一体素附近的第一体素集。
在一些实施例中，处理设备140可以基于计划图像中每个第一体素和对应的第一体素之间的距离来确定第一体素集。例如，处理设备140可以确定至少两个第一体素中的每个第一体素与对应的第一体素之间的距离是否小于距离阈值。响应于确定第一体素与对应的第一体素之间的距离小于距离阈值，处理设备140可以确定所述第一体素在第一体素集中。距离阈值可以由操作者手动设置，或者由放射治疗系统100的一个或以上组件根据默认设置来确定。每个第一体素和对应的第一体素之间的距离可以是物理距离或放射距离。如申请所使用的，第一体素与相应的第一体素之间的物理距离可以指计划图像中第一体素与对应的第一体素之间的最短路径的长度(例如，连接计划图像中第一体素和对应的第一个体素的线段的长度)。第一体素和对应的第一体素之间的放射距离可以通过将沿着第一体素和对应的第一体素之间的路径的电子密度乘以第一体素和对应的第一体素之间的物理距离来确定。在一些实施例中，如果第一体素和对应的第一体素之间的路径穿过具有不同电子密度的至少两个体素，处理设备140可以分别乘以至少两个体素的每个体素的电子密度和至少两个体素的每个体素相对应的路径长度。处理设备140可以通过将至少两个相乘的结果相加，来进一步确定第一体素与对应的第一体素之间的放射距离。
在703中，处理设备140(例如，体素确定模块406)可以在第一体素集中指定其第一特征值满足特定规则的至少一个第一体素作为至少一个参考体素。
在一些实施例中，特定规则可以是第一体素的第一特征值等于或接近(至少两个第二体素中的至少一个第二体素中的)特定第二体素的第二特征值。如本申请所使用的，“接近”可以表示第一体素的第一特征值与特定第二体素的第二特征值之间的差小于特征值阈值。特征值阈值可以是恒定值或可变值。可变值可以是特定第二体素的第二特征值的百分比。具体地，可变值可以是特定第二体素的第二特征值的0.5％、1％、2％、5％、10％等。
在一些实施例中，体素的特征值(例如，参考体素的第一特征值、第二体素的第二特征值)可以包括与体素相对应的亨氏单位(HU)值或灰度值，如操作501所描述的。参考体素的HU值和/或灰度值等于或接近第二体素的HU值和/或灰度值可以指示参考体素和第二体素属于相似的组织类型。
应当注意，过程700的以上描述是出于说明的目的，并且不旨在限制本申请的范围。对于本领域的普通技术人员来说，可以根据本申请的描述，做出各种各样的变化和修改。然而，这些变化和修改不脱离本申请的范围。
图8是根据本申请的一些实施例所示的确定与第二体素相对应的剂量值的示例性过程800的流程图。在一些实施例中，过程800的至少一部分可以由处理设备140执行(例如，在图2所示的计算设备200中实现)。例如，过程800可以以指令(例如，应用程序)的形式存储在存储设备(例如，存储设备150、存储器220、存储器390)中，并且由处理设备140(例如，图2所示的处理器210、图3所示的CPU 340或图4所示的处理设备140中的一个或多个模块)调用和/或执行。以下所示过程的操作仅出于说明的目的。在一些实施例中，过程800可以利用一个或以上未描述的附加操作和/或没有所讨论的一个或以上操作来完成。另外，图8所示和以下描述的过程800的操作的顺序并非旨在限制。在一些实施例中，可以根据过程800来执行操作505。
在801中，对于至少一个参考体素(例如，结合操作504或操作703所描述的至少一个参考体素)中的每个参考体素，处理设备140(例如，剂量确定模块408)可以确定其相对于计划图像中VOI(例如，肿瘤、目标)的定义边界的距离。
如本申请中其他地方所披露的，可以从计划图像中的第一体素集中选择至少一个参考体素。在一些实施例中，对于计划图像中的每个第一体素，处理设备140可以确定其相对于计划图像中VOI的定义边界的距离，并将第一体素及其相对于计划图像中的VOI的定义边界的距离存储在放射治疗系统100的存储设备(例如，存储设备150)或外部存储设备中。在一些实施例中，每个第一体素相对于计划图像中的VOI的定义边界的距离可以是从每个第一体素到计划图像中的VOI的定义边界的最近距离。在一些实施例中，处理设备140可以基于符号距离函数(SDF)来确定从每个第一体素到计划图像中的VOI的定义边界的最近距离。可以以表格、图、哈希函数等形式记录第一体素及其相对于计划图像中的VOI的定义边界的对应距离。对于至少一个参考体素中的每一个参考体素，处理设备140可以访问存储设备并获取其相对于计划图像中VOI的定义边界的距离。
在802中，对于至少一个第二体素中的每个第二体素，处理设备140(例如，剂量确定模块408)可以确定其相对于治疗图像中VOI的目标边界的距离。在一些实施例中，可以通过过程600确定治疗图像中VOI的目标边界。
在一些实施例中，第二体素相对于治疗图像中的VOI的目标边界的距离的确定可以类似于上述第一体素相对于计划图像中的VOI中的定义边界的距离的确定。每个第二体素相对于治疗图像中的VOI的目标边界的距离可以是从每个第二体素到治疗图像中的VOI的目标边界的最近距离。在一些实施例中，处理设备140可以基于符号距离函数(SDF)来确定从每个第二体素到治疗图像中的VOI的目标边界的最近距离。
在一些实施例中，对于治疗图像中的每个第二体素，处理设备140可以将第二体素及其相对于治疗图像中的VOI的目标边界的距离存储在放射治疗系统100的存储设备(例如，存储设备150)或外部存储设备中。例如，可以以表格、图、哈希函数等形式记录第二体素及其相对于治疗图像中的VOI的目标边界的对应距离。对于至少一个第二体素中的每一个第二体素，处理设备140可以访问存储设备并获取其相对于治疗图像中的VOI的目标边界的距离。
在803中，对于至少一个参考体素中的每个参考体素，处理设备140(例如，剂量确定模块408)可以基于其初始剂量值和其相对于计划图像中的VOI的定义边界的距离，确定每单位距离的剂量值。
在一些实施例中，处理设备140可以通过将初始剂量值除以相对于计划图像中的VOI的定义边界的距离来确定参考体素的每单位距离的剂量值。仅出于说明目的，参考体素的每单位距离的剂量值可以根据公式(1)确定：
Ai＝Di/PSDFi (1)
其中，Ai是指参考体素i的每单位距离的剂量值,Di是指对应于参考体素i的初始剂量值，并且PSDFi是指参考体素i相对于计划图像中的VOI的定义边界的距离。
在804中，处理设备140(例如，剂量确定模块408)可以基于每单位距离的剂量值的平均值和至少一个第二体素相对于治疗图像中的VOI的目标边界的距离，来确定与至少一个第二体素相对应的剂量值。
在一些实施例中，每单位距离的剂量值的平均值可以是算术平均值、谐波平均值、几何平均值等。如本申请中所披露的，n个值的算术平均值可以被定义为n个值的总和除以值的总数(即，n)。n个值的谐波平均值可以被定义为n个值的倒数的算术平均值的倒数。n个值的几何平均值可以定义为n个值的乘积的n次方根。仅出于说明目的，与一个或以上参考体素相对应的每单位距离的剂量值的平均值可以是根据等式(2)确定的算术平均值：
Figure BDA0002858929900000331
其中，B是指与一个或以上参考体素相对应的每单位距离的剂量值的平均值，Ai是指参考体素i,的每单位距离的剂量值，并且M指对应于至少一个第二体素的一个或以上参考体素的数量。
此外，处理设备140可基于对应于至少一个第二体素的一个或以上参考体素的每单位距离的剂量值的平均值和相对于治疗图像中的VOI的目标边界的至少一个第二体素的距离，来确定对应于至少一个第二体素的剂量值。例如，处理设备140可以根据等式(3)确定与第二体素相对应的剂量值：
Goal Aj＝B×TSDFj (3)
其中，Goal Aj是指对应于第二体素j的剂量值，B是指对应于与第二体素j相对应的一个或多个参考体素的每单位距离的剂量值的平均值，并且TSDFi是指第二体素j相对于治疗图像中的VOI的目标边界的距离。
在一些实施例中，可以根据并行处理来计算每个参考体素的每单位距离的剂量值。例如，处理设备140可以经由至少两个线程或者至少两个计算节点，来确定一个或以上参考体素的每单位距离的剂量值。具体地，处理设备140可以同时通过线程X1确定第一参考体素的每单位距离的第一剂量值，通过线程X2确定第二参考体素的每单位距离的第二剂量值，依此类推。另外，当完成对参考体素的每单位距离的剂量值的确定时，相应的线程可以是空闲的，并且可以为空闲线程分配下一个任务，例如，计算另一个参考体素的另一个每单位距离的剂量值。
应当注意，过程600的以上描述是出于说明的目的，并且不旨在限制本申请的范围。对于本领域的普通技术人员来说，可以根据本申请的描述，做出各种各样的变化和修改。然而，这些变化和修改不脱离本申请的范围。
图9是根据本申请的一些实施例所示的连接治疗图像的体素和计划图像的体素的DVF的示意图。如图9所示，计划图像可以包括VOI 901(例如，OAR)和目标区域902。VOI 901可以包括第一体素i’。处理设备140可以基于第一体素i’和DVF来确定治疗图像中对应的第二体素i。例如，处理设备140可以将DVF应用于计划图像中的第一体素i’，以在治疗图像中定位对应的第二体素i。处理设备140还可以基于DVF确定治疗图像中与目标区域902相对应的目标区域903。例如，处理设备140可以在计划图像中的目标区域902的定义边界上应用DVF以获得治疗图像中的目标区域903的初始轮廓。在一些实施例中，处理设备140可以将目标区域903的初始轮廓指定为治疗图像中的目标区域903的目标边界。在一些实施例中，处理设备140可以进一步根据用户指令修改治疗图像中目标区域903的初始轮廓，以获得治疗图像中目标区域903的目标边界。处理设备140可以确定计划图像中的第一体素i’相对于目标区域902，例如如图9所示的平面SDF i’j’(例如，如图8所描述的PSDFi)，的距离，和第二体素i相对于治疗图像中的目标区域903，例如如图9所示的SDF ij(例如，如图8所描述的TSDFj)，的距离。
上文已对基本概念做了描述，显然，对于阅读此申请后的本领域的普通技术人员来说，上述发明披露仅作为示例，并不构成对本申请的限制。虽然此处并未明确说明，但本领域的普通技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时，本申请使用了特定词语来描述本申请的实施例。例如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特性。因此，应当强调并注意的是，本说明书中在不同位置两次或以上提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本申请的一个或以上实施例中的某些特征、结构或特点可以进行适当的组合。
此外，本领域的普通技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的过程、机器、产品或物质的组合，或对其任何新的和有用的改进。因此，本申请的各个方面可以完全由硬件实施、可以完全由软件(包括固件、常驻软件、微代码等)实施、也可以由硬件和软件组合实施。以上硬件或软件均可被称为“单元”、“模块”或“系统”。此外，本申请的各方面可以采取体现在一个或以上计算机可读介质中的计算机程序产品的形式，其中计算机可读程序代码包含在其中。
计算机可读信号介质可以包含一个内含有计算机程序代码的传播数据信号，例如，在基带上或作为载波的一部分。此类传播信号可以有多种形式，包括电磁形式、光形式等或任何合适的组合。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通信、传播或传输供使用的程序。位于计算机可读信号介质上的程序代码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF等，或任何上述介质的组合。
本申请各部分操作所需的计算机程序代码可以用任意一种或以上程序设计语言编写，包括如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等的面向对象程序设计语言、如C程序设计语言、VisualBasic、Fortran2103、Perl、COBOL2102、PHP、ABAP的常规程序化程序设计语言、如Python、Ruby和Groovy的动态程序设计语言或其它程序设计语言等。该程序代码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后一种情况下，远程计算机可以通过任何类型的网络(包括局域网(LAN)或广域网(WAN))连接到用户计算机，或者可以与外部计算机建立连接(例如，通过使用网络服务提供商的网络)或在云计算环境中或作为服务提供，例如，软件服务(SaaS)。
此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，尽管上述各种组件的实现可以体现在硬件设备中，但也可以实现为纯软件解决方案，例如，在现有服务器或移动设备上的安装。
同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或以上发明实施例的理解，前文对本申请的实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。然而，本申请的该方法不应被解释为反映所声称的待扫描对象物质需要比每个权利要求中明确记载的更多特征的意图。相反，发明的主体应具备比上述单一实施例更少的特征。
在一些实施例中，用于描述和要求保护本申请的某些实施例的表示数量或性质的数字应理解为在某些情况下被术语“大约”、“近似”或“基本上”修饰。例如，除非另外说明，否则“大约”、“近似”或“基本上”可以指示其所描述的值的±20％变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
本申请中提及的所有专利、专利申请、专利申请公布和其他材料(如论文、书籍、说明书、出版物、记录、事物和/或类似的东西)均在此通过引用的方式全部并入本申请以达到所有目的，与上述文件相关的任何起诉文档记录、与本文件不一致或冲突的任何上述文件或对迟早与本文件相关的权利要求书的广泛范畴有限定作用的任何上述文件除外。举例来说，如果在描述、定义和/或与任何所结合的材料相关联的术语的使用和与本文件相关联的术语之间存在任何不一致或冲突，则描述、定义和/或在本文件中使用的术语以本文件为准。
最后，应当理解的是，本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此，作为示例而非限制，本申请实施例的替代配置可视为与本申请的教导一致。相应地，本申请的实施例不仅限于本申请明确介绍和描述的实施例。

Claims (14)

1.一种用于生成对象的治疗体积的放射治疗计划的系统，包括：
至少一个存储指令集的存储设备；以及
与所述至少一个存储介质通信的至少一个处理器，在执行所述指令集时，所述至少一个处理器被配置为使所述系统：
获取所述治疗体积的计划图像，所述计划图像包括至少两个第一体素，所述至少两个第一体素中的每个体素对应于一个初始剂量值；
获取表示至少一部分所述治疗体积的治疗图像，所述治疗图像包括至少两个第二体素；
将所述治疗图像与所述计划图像配准，以获得所述治疗图像中的所述至少两个第二体素与所述计划图像中的所述至少两个第一体素之间的映射关系；以及
对于所述至少两个第二体素中的至少一个第二体素，
从所述计划图像的所述至少两个第一体素中确定至少一个参考体素，基于所述映射关系，所述至少一个参考体素位于与所述至少两个第二体素中的所述至少一个第二体素相对应的至少一个第一体素的距离内；以及
根据所述至少一个参考体素的所述至少一个初始剂量值，确定与所述至少一个第二体素对应的剂量值；以及
至少部分地基于与所述至少一个第二体素相对应的所述剂量值来生成放射治疗计划。
2.根据权利要求1所述的系统，其特征在于，
所述至少两个第一体素中的每个第一体素对应于第一特征值，并且所述至少两个第二体素中的每个第二体素对应于第二特征值，并且为了从所述计划图像中的所述至少两个第一体素中确定至少一个参考体素，所述至少一个处理器被配置为使所述系统：
基于所述映射关系，确定与所述至少两个第二体素中的所述至少一个第二体素对应的所述至少一个第一体素；
确定在与所述至少两个第二体素中的所述至少一个第二体素相对应的所述至少一个第一体素附近的第一体素集；以及
在所述第一体素集中，将其第一特征值等于或接近所述至少两个第二体素中的所述至少一个第二体素的所述至少一个第二特征值的至少一个第一体素指定为所述至少一个参考体素。
3.根据权利要求2所述的系统，其特征在于，对应于第一体素的所述第一特征值包括所述第一体素的灰度值或对应于所述第一体素的亨氏单位(HU)值。
4.根据权利要求2所述的系统，其特征在于，
所述治疗体积包括在所述计划图像和所述治疗图像中表示的感兴趣体积(VOI)，所述计划图像中的所述感兴趣体积具有定义边界，并且为了将所述治疗图像与所述计划图像配准，所述至少一个处理器被配置为使所述系统：
执行至少一个可变形配准，以获得所述治疗图像中的所述感兴趣体积与所述计划图像中的所述感兴趣体积之间的变形向量场(DVF)；以及
至少通过在所述计划图像中的所述感兴趣体积的所述定义边界上应用所述变形向量场来确定所述治疗图像中的所述感兴趣体积的目标边界。
5.根据权利要求4所述的系统，其特征在于，为了确定所述治疗图像中的所述感兴趣体积的所述目标边界，所述至少一个处理器被配置为使所述系统：
将所述变形向量场应用于所述计划图像中的所述感兴趣体积的所述定义边界，以获得所述治疗图像中的所述感兴趣体积的初始轮廓；以及
修改所述治疗图像中的所述感兴趣体积的所述初始轮廓以获得所述目标边界。
6.根据权利要求4所述的系统，其特征在于，为了基于所述至少一个参考体素的所述至少一个初始剂量值，确定与所述至少一个第二体素对应的所述剂量值，所述至少一个处理器被配置为使所述系统：
对于所述至少一个参考体素中的每个参考体素，确定其相对于所述计划图像中的所述感兴趣体积的所述定义边界的距离；
对于所述至少一个第二体素中的每个第二体素，确定其相对于所述治疗图像中的所述感兴趣体积的所述目标边界的距离；以及
基于所述至少一个参考体素的所述至少一个初始剂量值、所述至少一个参考体素相对于所述计划图像中的所述感兴趣体积的所述定义边界的所述至少一个距离和所述至少一个第二体素相对于所述治疗图像中的所述感兴趣体积的目标边界的所述至少一个距离，来确定与所述至少一个第二体素相对应的所述剂量值。
7.根据权利要求6所述的系统，其特征在于，所述至少一个参考体素中的每个参考体素相对于所述计划图像中的所述感兴趣体积的所述定义边界的所述距离是从每个参考体素到所述计划图像中的所述感兴趣体积的所述定义边界的最近距离。
8.根据权利要求6所述的系统，其特征在于，
对于所述至少两个第一体素中的每个第一体素，其对应的第一特征值和其相对于所述计划图像中的所述感兴趣体积的所述定义边界的距离被存储在第一数据结构中；以及
对于所述至少两个第二体素中的每个第二体素，其对应的第二特征值和其相对于所述治疗图像中的所述感兴趣体积的所述目标边界的距离存储在第二数据结构中。
9.根据权利要求6所述的系统，其特征在于，为了确定对应于所述至少一个第二体素所述剂量值，所述至少一个处理器被配置为使所述系统：
对于所述至少一个参考体素中的每个参考体素，基于所述对应的初始剂量值及其相对于所述计划图像中的所述感兴趣体积的所述定义边界的对应距离，确定每单位距离的剂量值；以及
基于所述每单位距离的剂量值的平均值和所述至少一个第二体素相对于所述治疗图像中的所述感兴趣体积的所述目标边界的所述距离，确定与所述至少一个第二体素相对应的所述剂量值。
10.根据权利要求9所述的系统，其特征在于，所述至少一个参考体素的所述每单位距离的剂量值或对应于所述至少一个第二体素的所述剂量值是根据并行处理来计算的。
11.根据权利要求1所述的系统，其特征在于，为了至少部分地基于与所述至少一个第二体素相对应的所述剂量值来生成所述放射治疗计划，所述至少一个处理器被配置为使所述系统：
至少部分地基于与所述至少一个第二体素的所述剂量值，来调整与所述计划图像相关联的原始治疗计划中的一个或以上参数。
12.根据权利要求1所述的系统，其特征在于，所述至少两个第二体素中的每个第二体素对应于一个权重，并且为了所述至少部分基于与所述至少一个第二体素相对应的所述剂量值来生成所述放射治疗计划，所述至少一个处理器被配置为使所述系统：
基于与所述至少一个第二体素相对应的所述剂量值和与所述至少一个第二体素相对应的所述权重，调整与所述计划图像相关联的原始治疗计划中的一个或以上参数。
13.根据权利要求1所述的系统，其特征在于，所述治疗体积包括将要治疗的目标，并且所述治疗图像中的所述至少两个第二体素与除所述目标之外的所述治疗体积相关联。
14.一种非暂时性计算机可读介质，包括至少一组指令，当由计算设备的至少一个处理器执行时，所述至少一组指令使所述至少一个处理器实现一种方法，包括：
获取治疗体积的计划图像，所述计划图像包括至少两个第一体素，所述至少两个第一体素中的每个体素对应于一个初始剂量值；
获取表示至少一部分所述治疗体积的治疗图像，所述治疗图像包括至少两个第二体素；
将所述治疗图像与所述计划图像配准，以获得所述治疗图像中的所述至少两个第二体素与所述计划图像中的所述至少两个第一体素之间的映射关系；以及
对于所述至少两个第二体素中的至少一个第二体素，
从所述计划图像的所述至少两个第一体素中确定至少一个参考体素，基于所述映射关系，所述至少一个参考体素位于与所述至少两个第二体素中的所述至少一个第二体素相对应的至少一个第一体素的距离内；以及
根据所述至少一个参考体素的所述至少一个初始剂量值，确定与所述至少一个第二体素对应的剂量值；以及
至少部分地基于与所述至少一个第二体素相对应的所述剂量值来生成放射治疗计划。
CN201980043079.7A 2019-04-26 2019-04-26 鲁棒放射治疗计划的系统和方法 Active CN112399870B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2019/084548 WO2020215311A1 (en) 2019-04-26 2019-04-26 Systems and methods for robust radiation treatment planning

Publications (2)

Publication Number Publication Date
CN112399870A CN112399870A (zh) 2021-02-23
CN112399870B true CN112399870B (zh) 2023-03-10

Family

ID=72940866

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980043079.7A Active CN112399870B (zh) 2019-04-26 2019-04-26 鲁棒放射治疗计划的系统和方法

Country Status (3)

Country Link
US (1) US20210077827A1 (zh)
CN (1) CN112399870B (zh)
WO (1) WO2020215311A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117577275B (zh) * 2024-01-17 2024-04-19 福建自贸试验区厦门片区Manteia数据科技有限公司 基于壳结构的剂量信息确定装置、电子设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101005874A (zh) * 2004-08-13 2007-07-25 皇家飞利浦电子股份有限公司 放射疗法治疗计划调整
CN103914823A (zh) * 2012-12-31 2014-07-09 复旦大学 基于稀疏表示的快速精确非线性配准立体医学影像的方法
CN104888355A (zh) * 2015-05-05 2015-09-09 倪昕晔 一种保证调强放射治疗精确进行的验证方法
CN109011203A (zh) * 2017-09-30 2018-12-18 上海联影医疗科技有限公司 基于预处理成像的适应性放射治疗系统、装置及存储介质

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8222616B2 (en) * 2007-10-25 2012-07-17 Tomotherapy Incorporated Method for adapting fractionation of a radiation therapy dose
WO2011053802A2 (en) * 2009-10-30 2011-05-05 Tomotherapy Incorporated Non-voxel-based broad-beam (nvbb) algorithm for intensity modulated radiation therapy dose calculation and plan optimization
FR3004654B1 (fr) * 2013-04-18 2015-05-15 Univ Rennes Optimisation de la planification en radiotherapie adaptative
EP2808057B1 (en) * 2013-05-31 2016-02-03 RaySearch Laboratories AB Method and system for robust radiotherapy treatment planning
WO2015103184A1 (en) * 2013-12-31 2015-07-09 The Medical College Of Wisconsin, Inc. Adaptive replanning based on multimodality imaging
WO2016070938A1 (en) * 2014-11-07 2016-05-12 Raysearch Laboratories Ab Robust radiotherapy treatment plan generation
CN105031833B (zh) * 2015-08-28 2018-02-06 瑞地玛医学科技有限公司 放射治疗装置的剂量验证系统
US10485990B2 (en) * 2017-09-07 2019-11-26 Elekta, Inc. Adaptive radiotherapy system
US10918885B2 (en) * 2018-09-27 2021-02-16 Varian Medical Systems International Ag Systems, methods and devices for automated target volume generation
US11354800B2 (en) * 2019-12-27 2022-06-07 Shanghai United Imaging Healthcare Co., Ltd. Systems and methods for error checking in radioitherapy treatment replanning

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101005874A (zh) * 2004-08-13 2007-07-25 皇家飞利浦电子股份有限公司 放射疗法治疗计划调整
CN103914823A (zh) * 2012-12-31 2014-07-09 复旦大学 基于稀疏表示的快速精确非线性配准立体医学影像的方法
CN104888355A (zh) * 2015-05-05 2015-09-09 倪昕晔 一种保证调强放射治疗精确进行的验证方法
CN109011203A (zh) * 2017-09-30 2018-12-18 上海联影医疗科技有限公司 基于预处理成像的适应性放射治疗系统、装置及存储介质

Also Published As

Publication number Publication date
CN112399870A (zh) 2021-02-23
US20210077827A1 (en) 2021-03-18
WO2020215311A1 (en) 2020-10-29

Similar Documents

Publication Publication Date Title
JP6960509B2 (ja) 合成医療画像を生成するためのニューラルネットワーク
CN109011203B (zh) 基于预处理成像的适应性放射治疗系统、装置及存储介质
CN110418665B (zh) 放射治疗计划的自适应系统、存储介质
US20220184422A1 (en) Systems and methods for intrafractional ct imaging in image-guided radiotherapy
CN109658470B (zh) 生成图像的系统和方法
US20230009625A1 (en) Systems and methods for generating adaptive radiation therapy plan
US20220313202A1 (en) Systems and methods for generating calibration images for couch position calibration
CN114010963B (zh) 剂量确定的系统、方法及计算机可读存储介质
WO2020082280A1 (en) System and method for scatter correction
CN111679311B (zh) 放射治疗中剂量测量的系统和方法
CN112399870B (zh) 鲁棒放射治疗计划的系统和方法
CN116547699A (zh) 一种用于放射治疗中的临床靶标勾画方法
US20230149742A1 (en) Systems and methods for modeling radiation source
US20220387822A1 (en) Systems and methods for radiotherapy planning
WO2022061840A1 (en) Systems and methods for generating radiation therapy plan
CN112437949B (zh) 一种用于合成投影图像的方法和系统
US20230191158A1 (en) Systems and methods for radiotherapy
US11972575B2 (en) Systems and methods for generating augmented segmented image set
US20210290979A1 (en) Systems and methods for adjusting beam-limiting devices
CN113990443A (zh) 一种剂量分布的确定方法和系统
CN111161371A (zh) 成像系统和方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant