CN112774043A - 用于验证主放射剂量分布曲线的系统和方法、存储介质 - Google Patents
用于验证主放射剂量分布曲线的系统和方法、存储介质 Download PDFInfo
- Publication number
- CN112774043A CN112774043A CN201911087723.9A CN201911087723A CN112774043A CN 112774043 A CN112774043 A CN 112774043A CN 201911087723 A CN201911087723 A CN 201911087723A CN 112774043 A CN112774043 A CN 112774043A
- Authority
- CN
- China
- Prior art keywords
- dose
- radiation
- machine
- primary
- service
- 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
Links
- 230000005855 radiation Effects 0.000 title claims abstract description 213
- 238000009826 distribution Methods 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000003860 storage Methods 0.000 title claims abstract description 37
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 95
- 238000011282 treatment Methods 0.000 claims description 139
- 238000001959 radiotherapy Methods 0.000 claims description 115
- 238000012795 verification Methods 0.000 claims description 47
- 238000004891 communication Methods 0.000 claims description 40
- 230000006855 networking Effects 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 8
- 230000015654 memory Effects 0.000 description 45
- 238000002591 computed tomography Methods 0.000 description 42
- 206010028980 Neoplasm Diseases 0.000 description 40
- 238000012545 processing Methods 0.000 description 37
- 238000003384 imaging method Methods 0.000 description 34
- 238000002595 magnetic resonance imaging Methods 0.000 description 29
- 230000005291 magnetic effect Effects 0.000 description 19
- 230000006870 function Effects 0.000 description 16
- 210000003484 anatomy Anatomy 0.000 description 15
- 238000013439 planning Methods 0.000 description 15
- 210000000056 organ Anatomy 0.000 description 12
- 210000001519 tissue Anatomy 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 238000002560 therapeutic procedure Methods 0.000 description 10
- 238000002604 ultrasonography Methods 0.000 description 9
- 238000007726 management method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 210000000920 organ at risk Anatomy 0.000 description 7
- 238000002603 single-photon emission computed tomography Methods 0.000 description 7
- 238000012384 transportation and delivery Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000002600 positron emission tomography Methods 0.000 description 6
- 238000000275 quality assurance Methods 0.000 description 6
- 230000001413 cellular effect Effects 0.000 description 5
- 230000000670 limiting effect Effects 0.000 description 5
- 230000033001 locomotion Effects 0.000 description 5
- 230000003068 static effect Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 239000002131 composite material Substances 0.000 description 4
- 238000013170 computed tomography imaging Methods 0.000 description 4
- 238000002059 diagnostic imaging Methods 0.000 description 4
- 239000003814 drug Substances 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000002829 reductive effect Effects 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 238000013519 translation Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000002594 fluoroscopy Methods 0.000 description 3
- 238000002599 functional magnetic resonance imaging Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000001225 therapeutic effect Effects 0.000 description 3
- 238000012879 PET imaging Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 210000000133 brain stem Anatomy 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 238000004980 dosimetry Methods 0.000 description 2
- 238000013535 dynamic contrast enhanced MRI Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 210000001328 optic nerve Anatomy 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000012285 ultrasound imaging Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000000872 buffer Substances 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000002512 chemotherapy Methods 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000007408 cone-beam computed tomography Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 210000000695 crystalline len Anatomy 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 231100000673 dose–response relationship Toxicity 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 210000003027 ear inner Anatomy 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009201 electron therapy Methods 0.000 description 1
- 210000001508 eye Anatomy 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000005865 ionizing radiation Effects 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000004242 micellar liquid chromatography Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000002727 particle therapy Methods 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 210000002307 prostate Anatomy 0.000 description 1
- APTZNLHMIGJTEW-UHFFFAOYSA-N pyraflufen-ethyl Chemical compound C1=C(Cl)C(OCC(=O)OCC)=CC(C=2C(=C(OC(F)F)N(C)N=2)Cl)=C1F APTZNLHMIGJTEW-UHFFFAOYSA-N 0.000 description 1
- 210000000664 rectum Anatomy 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 210000000278 spinal cord Anatomy 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- A61N5/1039—Treatment planning systems using functional images, e.g. PET or MRI
-
- 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
-
- 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
- A61N5/1064—Monitoring, verifying, controlling systems and methods for adjusting radiation treatment in response to monitoring
-
- 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
- A61N5/1071—Monitoring, verifying, controlling systems and methods for verifying the dose delivered by the treatment plan
-
- 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
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/10—Network architectures or network communication protocols for network security for controlling access to devices or network resources
- H04L63/102—Entity profiles
-
- 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
- A61N5/1049—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam
- A61N2005/1055—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam using magnetic resonance imaging [MRI]
-
- 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
- A61N5/1049—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam
- A61N2005/1061—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam using an x-ray imaging system having a separate imaging source
-
- 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
- A61N2005/1074—Details of the control system, e.g. user interfaces
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Public Health (AREA)
- Radiology & Medical Imaging (AREA)
- Veterinary Medicine (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Surgery (AREA)
- Urology & Nephrology (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Radiation-Therapy Devices (AREA)
Abstract
本发明提供了一种用于验证主放射剂量分布曲线的系统和方法、存储介质。讨论了一种用于验证由放射机器使用基于云的服务生成的主剂量分布曲线的系统和方法。示例性系统可以包括:云,提供基于云的服务;以及用户接口,使得多占用者能够访问基于云的服务。文件服务可以从患者的DICOM文件中提取图像信息和关于放射机器的信息。剂量引擎服务可以通过将剂量算法应用于图像信息和放射机器信息来确定次放射剂量分布曲线。所应用的剂量算法可以与放射机器用于生成主剂量分布曲线的剂量算法不同。剂量评估服务可以使用次放射剂量分布曲线来基于主剂量分布曲线与次剂量分布曲线之间的一致性指示验证主剂量分布曲线的准确性。
Description
技术领域
本发明总体上涉及放射疗法治疗系统中的剂量管理,并且更具体地,涉及使用云服务验证放射剂量分布曲线的系统和方法。
背景技术
放射疗法(或“放射治疗”)可以用于治疗哺乳动物(例如,人和动物)组织中的癌症或其他疾病。提供一种这样的放射治疗技术,该放射治疗技术使用线性加速器(也被称为“linac”),由此通过高能粒子(例如,电子、质子、离子、高能光子等)辐射肿瘤。可以精确地控制放射束的布置和剂量以确保肿瘤接收到规定的辐射,并且束的布置应该如此以使对通常被称为处于危险中的器官(OAR)的周围健康组织的损害最小化。与药物的处方类似,医师对肿瘤和周围器官开出预定量的放射剂量。通常,以准直束形式的电离辐射从外部辐射源指向患者。
可以使用指定的或可选择的束能量例如用于传递诊断能级范围或治疗能级范围。放射束的调制可以由一个或更多个衰减器或准直器例如多叶准直器(MLC)提供。可以通过准直来调节放射束的强度和形状,以通过使投射的束与目标组织的轮廓一致来避免损坏与目标组织相邻的健康组织(例如,OAR)。
治疗计划是涉及确定用于在约束下实现治疗目标的特定放射治疗参数的过程。放射治疗参数的示例包括放射束角度、剂量强度水平、剂量分布等。可以使用软件模型来计算放射剂量。治疗计划过程的结果是放射疗法治疗计划,在下文中也被称为治疗计划或被简称为计划。可以在进行放射治疗之前制定治疗计划,例如使用一种或更多种医学成像技术,例如来自X射线、计算机断层扫描(CT)、核磁共振(MR)、正电子发射断层扫描(PET)、单光子发射计算机断层扫描(SPECT)或超声波的图像。健康护理提供者可以使用患者解剖结构的图像来识别目标肿瘤和肿瘤附近的OAR,描绘要接收规定放射剂量的目标肿瘤,并且类似地描绘附近组织例如具有受到放射治疗损害的风险的器官。描绘可以人工完成,或者通过使用帮助识别或描绘目标肿瘤和OAR的自动工具完成。然后可以基于临床和剂量测定的目标和约束(例如,对肿瘤体积的部分的最大、最小和部分放射剂量,以及针对关键器官的类似措施)使用优化技术来创建放射疗法治疗计划。
在某些情况下,在治疗计划过程期间通过软件模型计算出的放射剂量可能与实际的剂量测量值不同。差异可以归因于各种因素,包括测量的不确定性、剂量计算的不确定性或剂量递送的不确定性。为了防止或减少计算出的剂量与测量剂量之间的差异,治疗前剂量验证(也被称为次剂量检查)已成为重要的质量保证(QA)程序,并在临床机构中常规执行。剂量验证过程可以包括:通过胶片(film)验证与放射场一致的剂量强度图。正确的剂量验证可以有助于防止向患者的剂量输送错误,并确保患者安全和治疗精确度。
发明内容
MR-linac是将linac放射治疗与诊断级磁共振成像(MRI)相结合的放射治疗系统。MR-linac可以使实现解剖结构的室内MRI和生理治疗适应性和反应监测,并具有利用实时可视化和目标跟踪来降低治疗裕量的潜力。可以精确定位肿瘤和周围组织、跟踪它们的运动并且响应于在治疗时的肿瘤位置的变化、形状的变化、生物学的变化以及与关键器官的空间关系的变化来实时地调整治疗。
治疗计划过程可以包括:使用患者的三维(3D)图像来识别目标区域(例如,肿瘤)并识别肿瘤附近的关键器官。治疗计划的创建可能是耗时的过程,在此过程中,计划者试图遵守各种治疗目标或约束(例如,剂量体积直方图(DVH)、交叠体积直方图(OVH)),考虑它们各自的重要性(例如,权重),以产生临床上可接受的治疗计划。该治疗计划由数字参数构成,这些数字参数指定每个放射束的方向、截面形状和强度。一旦创建治疗计划,就可以通过以下操作来执行治疗计划:将患者定位在治疗机器中并且递送由优化的计划参数指导的规定的放射治疗。在一些示例中,放射疗法治疗计划可以包括剂量“分级”,从而在预定时间段内提供放射治疗的序列(例如,每天30至45个部分),其中每种治疗包括总规定剂量的指定部分。在治疗期间,患者的位置以及目标肿瘤相对于治疗机器(例如,linac)的位置非常重要,以确保辐射目标肿瘤而不辐射健康组织。
治疗计划系统(TPS)可以使用束模型(例如,软件模型)来确定剂量度量和其他治疗参数。束模型可以包括描述从放射机器(例如,linac)发射的放射能量分布等的参数。束模型参数值可以根据不同的放射机器甚至来自同一制造商的同一型号的放射机器而不同,原因至少在于:每台放射机器可能存在小的差异,例如放射机器提供的影响或能量。放射机器之间的机械差异(例如,机械尺寸或材料特性)或部件值的差异(例如,电子电路部件值)也可以导致不同的放射机器之间的束模型参数值的差异。
为了确保患者安全和剂量准确性,可以在由TPS系统计算出的放射剂量在治疗系统中被实现并被递送至患者之前对该放射剂量进行验证。放射剂量分布曲线可以包括剂量度量,该剂量度量限定施加到目标区域(例如,肿瘤)的辐射的量、递送这种辐射的方式、以及目标区域和OAR中的剂量分布。剂量分布曲线的示例可以包括:表示相对剂量随深度而变化的百分深度剂量(PDD)分布曲线、表示相对剂量随径向距离而变化的百分径向剂量(PRD)分布曲线等。常规地,人类专家(例如,放射肿瘤学家或医学物理学家)人工地验证计算出的剂量(例如,剂量度量或剂量分布)满足预定的剂量测定验证标准。剂量测定验证标准可以基于对低剂量梯度区域中有限数目的点的分析或者对高剂量梯度区域中等剂量线之间的距离的测量。人类专家可以通过以下操作将期望的剂量与胶片测量结果进行比较:将这些透明胶片并排放置以使它们的差异可视化,或者将这些胶片的等剂量曲线叠加到计划结果上以检查任何差异或验证一致性。
人工剂量验证例如目视检查和胶片的比较有时可能会不一致并导致解释错误。另外,尽管人工验证对于二维(2D)常规放射治疗或某些简单的三维(3D)适形放射治疗的剂量计划可能已足够,但是更先进的放射治疗技术(例如,强度调制放射治疗(IMRT)或体积调制电弧治疗(VMAT))的发展通常增加了关于剂量计算的更多的复杂性,并且需要更复杂的剂量度量和分布表示。例如,IMRT剂量输送技术的复杂性的完整性取决于对计划的和递送的IMRT剂量分布的一致性的量化。因此,对由先进放射治疗系统的TPS生成的剂量进行人工验证可能既费时又费力。
作为对人工剂量验证的替代或补充,自动剂量监测器可以自动计算剂量分布曲线并将该剂量分布曲线与由放射机器的TPS生成的剂量分布曲线进行比较以进行剂量验证。然而,当前的自动剂量验证系统通常不能验证由具有不同型号或来自不同制造商的放射治疗设备的不同TPS系统产生的剂量分布曲线。此外,这些自动剂量验证系统通常不能或未被优化用于同时处理诸如来自不同医院或临床机构的大量剂量验证请求。本发明人已经认识到:剂量验证的系统、装置和方法尚未满足可以适应由各种各样的TPS系统产生的大量的剂量分布曲线的需求。这样的通用剂量验证系统可以成为适用于先进放射治疗例如IMRT或VMAT的改进的质量保证(QA)系统的组成部分。
本发明讨论了一种用于验证由放射机器(例如,linac)生成的用于向对象提供放射治疗的主剂量分布曲线的基于云的系统、装置和方法。示例性系统包括:云,可以提供一系列基于云的服务;以及用户接口,使得多占用者能够访问一个或更多个基于云的服务。云服务包括文件服务,该文件服务可以接收患者图像信息以及关于生成患者图像的放射机器的信息。可以从DICOM文件中提取患者图像信息和放射机器信息。剂量引擎服务可以通过将剂量算法应用于图像和放射机器信息来确定次放射剂量分布曲线。所应用的剂量算法可以与放射机器用于生成主剂量分布曲线的剂量算法不同。剂量评估服务可以使用次放射剂量分布曲线来基于主剂量分布曲线与次剂量分布曲线之间的一致性指示验证主剂量分布曲线的准确性。
示例1是一种用于验证主放射剂量分布曲线的系统,所述主放射剂量分布曲线由放射机器生成以向对象提供放射治疗。该系统包括:云计算装置或联网装置,被配置成提供基于云的服务,所述基于云的服务包括:文件服务,用于接收由放射机器产生的对象的图像信息(1)以及关于放射机器的信息(2);剂量引擎服务,使用所接收到的图像信息和放射机器信息来确定次放射剂量分布曲线;剂量评估服务,使用次放射剂量分布曲线来验证主放射剂量分布曲线;以及用户接口,被配置成:使得客户端能够经由通信网络访问基于云的服务中的一个或更多个;并且向用户或过程输出对主放射剂量分布曲线的验证。
在示例2中,示例1的主题可选地包括文件服务,该文件服务可以被配置成:接收对象的DICOM文件并且对所接收到的DICOM文件进行解析,以从所接收到的DICOM文件中提取图像信息和放射机器信息。
在示例3中,示例2的主题可选地包括文件服务,该文件服务可以被配置成:从经解析的DICOM文件中提取治疗计划信息,该治疗计划信息包括主放射剂量分布曲线。
在示例4中,示例2至3中的任何一个或更多个的主题可选地包括DICOM文件,该DICOM文件可以是压缩的DICOM文件或加密的DICOM文件。文件服务可以被配置成:对DICOM文件进行解压缩或者解密,并且对经解压缩的DICOM文件或经解密的DICOM文件进行解析。
在示例5中,示例2至4中的任何一个或更多个的主题可选地包括云存储装置,该云存储装置可以被配置成存储对象的DICOM文件或者从DICOM文件中提取的图像信息和放射机器信息。
在示例6中,示例1至5中的任何一个或更多个的主题可选地包括由文件服务接收到的放射机器信息,该放射机器信息可以包括一个或更多个放射束参数或者一个或更多个台架参数。
在示例7中,示例1至6中的任何一个或更多个的主题可选地包括剂量引擎服务,该剂量引擎服务可以被配置成:将次剂量算法应用于图像信息或放射机器信息中的一个或更多个以确定次放射剂量,所述次剂量算法与放射机器用于计算主放射剂量分布曲线的主剂量算法不同。
在示例8中,示例7的主题可选地包括用户接口,该用户接口可以被配置成:接收次剂量算法的用户输入;或者接收从多个候选剂量算法中对次剂量算法的用户选择。
在示例9中,示例1至8中的任何一个或更多个的主题可选地包括剂量评估服务,该剂量评估服务可以被配置成:确定在主放射剂量分布曲线与次放射剂量分布曲线之间的一致性度量,并且基于所确定的一致性度量来验证主放射剂量分布曲线。
在示例10中,示例9的主题可选地包括剂量一致性度量,该剂量一致性度量可以包括主放射剂量分布曲线与次放射剂量分布曲线之间的相对差,并且剂量评估服务可以被配置成:响应于剂量一致性度量落在指定范围内来验证主放射剂量分布曲线。
在示例11中,示例1至10中的任何一个或更多个的主题可选地包括云计算装置或联网装置,所述云计算装置或联网装置可以包括接入点,该接入点被配置成支持由两个或更多个客户端同时访问基于云的服务。
在示例12中,示例11的主题可选地包括基于云的服务,该基于云的服务还可以包括占用者管理服务,该占用者管理服务被配置成对来自所述两个或更多个客户端的服务请求进行排队。
在示例13中,示例1至12中的任何一个或更多个的主题可选地包括云计算装置或联网装置,所述云计算装置或联网装置可以被配置成:基于对主剂量分布曲线的验证来使用束模型生成针对对象的放射治疗计划。
示例14是一种用于验证主放射剂量分布曲线的方法,所述主放射剂量分布曲线由放射机器生成以向对象提供放射治疗。该方法包括通过云计算装置或联网装置进行以下步骤:接收对象的DICOM文件;对所接收到的DICOM文件进行解析,并且从所接收到的DICOM文件中提取图像信息和关于放射机器的信息;使用图像信息和机器信息来确定次放射剂量分布曲线;以及使用次放射剂量分布曲线来验证主放射剂量分布曲线。
在示例15中,示例14的主题可选地包括确定次放射剂量分布曲线,确定次放射剂量分布曲线可以包括:将次剂量算法应用于图像信息或放射机器信息中的一个或更多个,所述次剂量算法与放射机器用于计算主放射剂量分布曲线的主剂量算法不同。
在示例16中,示例15的主题可选地包括接收次剂量算法的用户输入;或者接收从多个候选剂量算法中对次剂量算法的用户选择。
在示例17中,示例14至16中的任何一个或更多个的主题可选地包括验证主放射剂量分布曲线,所述验证主放射剂量分布曲线可以包括:确定在主放射剂量分布曲线与次放射剂量分布曲线之间的一致性度量;以及响应于所确定的一致性度量满足一定条件来验证主放射剂量分布曲线。
在示例18中,示例17的主题可选地包括:对来自同时访问基于云的服务的两个或更多个客户端的服务请求进行排队。
在示例19中,示例14至18中的任何一个或更多个的主题可选地包括:基于对主剂量分布曲线的验证来使用束模型生成针对对象的放射治疗计划。
示例20是一种非暂态机器可读存储介质,该非暂态机器可读存储介质包括指令,当所述指令由机器的一个或更多个处理器执行时使机器执行下述操作,所述操作包括:接收对象的DICOM文件,所述DICOM文件由放射机器生成以用于向对象提供放射治疗;对所接收到的DICOM文件进行解析,并且从所接收到的DICOM文件中提取图像信息和关于放射机器的信息;使用图像信息和机器信息来确定次放射剂量分布曲线;以及使用次放射剂量分布曲线来验证主放射剂量分布曲线。
在示例21中,示例20的主题可选地包括确定次放射剂量分布曲线的操作,所述操作可以包括:将次剂量算法应用于图像信息或放射机器信息中的一个或更多个,次剂量算法与放射机器用于计算主放射剂量分布曲线的主剂量算法不同。
在示例22中,示例21的主题可选地包括以下操作,所述操作可以包括:接收次剂量算法的用户输入;或者接收从多个候选剂量算法中对次剂量算法的用户选择。
在示例23中,示例20至22中的任何一个或更多个的主题可选地包括验证主放射剂量分布曲线的操作,所述操作可以包括:确定在主放射剂量分布曲线与次放射剂量分布曲线之间的一致性度量;以及响应于所确定的一致性度量满足一定条件来验证主放射剂量分布曲线。
在示例24中,示例23的主题可选地包括以下操作,所述操作包括:对来自同时访问基于云的服务的所述两个或更多个客户端的服务请求进行排队。
在示例25中,示例23至24中的任何一个或更多个的主题可选地包括以下操作,所述操作包括:基于对主剂量分布曲线的验证来使用束模型生成放射治疗计划。
本文中讨论的一种基于云的剂量验证系统、装置和方法可以改善诸如IMRT或VMAT的先进放射治疗中的自动化质量保证(QA)。与常规的人工或自动剂量验证方法相比,本文中讨论的基于云的剂量验证具有若干优点。首先,该基于云的剂量验证是通用的以验证由不同型号的多种TPS系统或者由不同制造商生产的多种TPS系统产生的剂量分布曲线。其次,该基于云的剂量验证支持多占用者访问基于云的服务,允许例如来自不同医院或临床机构的多个占用者订购并同时访问各种资源和云服务,从而降低设备的成本和在每个客户端处维护的成本。第三,基于云的自动剂量验证可以显著地减少人类剂量验证者的工作量;提高剂量验证的准确性和效率;并且提高数据安全性和数据管理的灵活性。
以上内容旨在提供本专利申请的主题的概述。并不旨在提供本发明的排他性或详尽的解释。本申请包括具体实施方式以提供关于本专利申请的进一步信息。
附图说明
附图不一定按比例绘制,在附图中,遍及若干视图,相同的附图标记描述基本上相似的组件。具有不同字母后缀的相同的附图标记表示基本上相似的组件的不同实例。附图通过示例的方式而非通过限制的方式大体上示出了本文件中讨论的各种实施方式。
图1示出了示例性放射治疗系统。
图2A示出了可以提供治疗束的示例性放射治疗系统。
图2B示出了包括计算机断层扫描(CT)成像系统和放射治疗系统的示例性组合系统。
图3示出了包括核磁共振(MR)成像系统和放射治疗系统的示例性组合系统的局部剖视图。
图4示出了由治疗计划系统生成的剂量分布曲线的示例。
图5是示出基于云的剂量验证系统的示例性架构的图。
图6是示出被配置成提供数据存储和包括剂量验证的一套基于云的服务的示例性云服务器的框图。
图7是示出使用云服务来验证由放射治疗系统的TPS系统生成的剂量分布曲线的示例性方法的流程图。
图8大体上示出了示例机器的框图,在示例机器上可以执行本文中所讨论的技术(例如,方法)中的任何一种或更多种。
具体实施方式
在以下详细描述中,参照形成详细描述的一部分的附图,并且通过可以实践本公开内容的图示特定实施方式的方式示出详细描述。在本文中也被称为“示例”的这些实施方式被足够详细地描述以使得本领域技术人员能够实践本公开内容,并且应当理解,在不脱离本公开内容的范围的情况下,可以将实施方式组合或者可以利用其他实施方式并且可以进行结构、逻辑和电气改变。因此,以下详细描述不是限制性的,并且本公开内容的范围由所附的方面及其等同内容限定。
图1示出了用于向患者提供放射治疗的示例性放射治疗系统100。放射治疗系统100包括数据处理装置112。数据处理装置112可以连接至网络120。网络120可以连接至因特网122。网络120可以将数据处理装置112与下述中的一个或更多个连接:数据库124、医院数据库126、肿瘤学信息系统(OIS)128、放射治疗装置130、图像获取装置132、显示装置134和用户接口136。数据处理装置112可以被配置成生成要由放射治疗装置130使用的放射疗法治疗计划142。
数据处理装置112可以包括存储器装置116、处理器114和通信接口118。存储器装置116可以存储计算机可执行指令,诸如操作系统143、放射疗法治疗计划142(例如,原始治疗计划、经调整的治疗计划等)、软件程序144以及要由处理器114执行的任何其他计算机可执行指令。存储器装置116可以附加地存储数据,包括医学图像146、患者数据145以及实现放射疗法治疗计划142所需的其他数据。
软件程序144可以包括一个或更多个软件包,所述一个或更多个软件包当由诸如数据处理器114的机器执行时可以执行特定的图像处理并生成放射疗法治疗计划142。在示例中,软件程序144可以通过产生诸如伪CT图像的合成图像来将一种格式(例如,MRI)的医学图像转换为另一种格式(例如,CT)。例如,软件程序144可以包括图像处理程序,该图像处理程序用以训练用于将医学图像从一种模态的医学图像146(例如,MR图像)转换为不同模态的合成图像(例如,伪CT图像)的预测模型;可替选地,经训练的预测模型可以将CT图像转换为MR图像。在另一示例中,软件程序144可以将患者图像(例如,CT图像或MR图像)与该患者的剂量分布(也表示为图像)配准,使得相应的图像体素和剂量体素通过网络适当地关联。在又一示例中,软件程序144可以替代患者图像的功能,诸如签名的距离功能或强调图像信息的一些方面的图像的处理版本。这样的功能可能强调体素纹理的边缘或差异,或对神经网络学习有用的任何其他结构方面。软件程序144可以替代强调剂量信息的一些方面的剂量分布的功能。这样的功能可能强调目标周围的陡峭梯度或对神经网络学习有用的任何其他结构方面。
在示例中,软件程序144可以针对描绘解剖结构(例如,一个或更多个目标和一个或更多个OAR)的二维(2D)和/或3D CT或MR图像集生成投影图像,所述投影图像表示在放射治疗设备的第一台架角度下的解剖结构的不同视图。例如,软件程序144可以处理CT或MR图像集并且创建投影图像的堆栈,所述投影图像描绘了在CT或MR图像中在放射治疗设备的台架的各个视角下描绘的解剖结构的不同视图。特别地,一种投影图像可以表示在台架的0度下的解剖结构视图,第二投影图像可以表示在台架的45度下的解剖结构视图,而第三投影图像可以表示在台架的90度下的解剖结构视图。所述度数可以是MLC相对于CT或MR图像中描绘的解剖结构的特定轴的位置。对于被测量的不同度数中的每一个,轴可以保持相同。
在示例中,软件程序144可以生成MLC叶片位置在各种台架角度下的图形孔径图像表示。这些图形孔径图像也称为孔径图像。特别地,软件程序144可以接收一组控制点,所述控制点用于控制放射治疗装置产生放射治疗束。控制点可以表示束强度、相对于患者位置的台架角度、以及MLC的叶片位置等机器参数。基于这些控制点可以生成图形图像,来以图形方式表示由MLC在每个特定台架角度下输出的束形状和强度。软件程序144可以将在特定台架角度下的孔径的每个图形图像与在所生成的那个角度下的相应的投影图像对准。图像与投影对准并且按比例缩放,使得每个投影图像像素与相应的孔径图像像素对准。
在示例中,软件程序144可以包括治疗计划软件,该治疗计划软件用于为表示从给定台架角度的解剖结构视图的解剖结构的投影图像生成或估计MLC叶片位置在给定台架角度下的图形孔径图像表示。软件程序144还可以包括束模型,该束模型可以模拟离开放射机器并施加到患者上的放射。软件程序144可以计算针对给定类型的机器的机器参数或控制点以从MLC输出束,该束实现MLC叶片位置的相同或相似的估计的图形孔径图像表示。即,治疗计划软件可以输出图像,该图像表示针对给定台架角度和针对该台架在该角度下的给定投影图像的束形状和强度的估计图像,并且该功能可以计算针对给定放射治疗装置的控制点以实现该束形状和强度。
除了存储软件程序144的存储器116之外,软件程序144可以附加地或替选地存储在可移除计算机介质上,该可移除计算机介质诸如是硬盘驱动器、计算机盘、CD-ROM、DVD、HD、蓝光DVD、USB闪存驱动器、SD卡、记忆棒或任何其他合适的介质;并且在软件程序144被下载至数据处理装置112时可以由数据处理器114执行该软件程序144。
数据处理器114可以通信地耦接至存储器116,并且处理器114可以被配置成执行存储在存储器116中的计算机可执行指令。处理器114可以向存储器116发送医学图像146或者从存储器116接收医学图像146。例如,处理器114可以经由通信接口118和网络120从图像获取装置132接收医学图像146以将该医学图像146存储在存储器116中。处理器114还可以经由去往网络120的通信接口118发送存储器116中存储的医学图像146以将该医学图像146存储在数据库124或医院数据库126中。
数据处理器114可以利用软件程序144(例如,治疗计划软件)以及医学图像146和患者数据145来创建放射疗法治疗计划142。医学图像146可以包括诸如与患者解剖区域、器官或感兴趣的分割数据量相关联的成像数据的信息。患者数据145可以包括下述信息,诸如:(1)功能性器官建模数据(例如,串行器官与并行器官、适当的剂量响应模型等);(2)放射剂量数据(例如,DVH信息);或(3)关于患者和治疗的其他临床信息(例如,其他手术、化学治疗、先前的放射治疗等)。
在一些示例中,处理器114可以利用软件程序144来生成中间数据,诸如,例如将由诸如神经网络模型的机器学习模型使用的更新后的参数;或者生成中间2D或3D图像,然后,该中间2D或3D图像可以随后被存储在存储器116中。然后,处理器114可以随后经由去往网络120的通信接口118将可执行的放射疗法治疗计划142传送至放射治疗装置130,其中,将使用放射治疗计划用于利用放射来治疗患者。另外,处理器114可以执行软件程序144以实现诸如图像转换、图像分割、深度学习、神经网络和人工智能的功能。例如,处理器114可以执行训练医学图像或描绘医学图像轮廓的软件程序144;这样的软件程序144在被执行时可以训练边界检测器或利用形状字典。
处理器114可以是处理装置,包括:一个或更多个通用处理装置,诸如微处理器、中央处理单元(CPU)、图形处理单元(GPU)、加速处理单元(APU)等。更具体地,处理器114可以是复杂指令集计算(CISC)微处理器、精简指令集计算(RISC)微处理器、超长指令字(VLIW)微处理器、实现其他指令集的处理器、或实现指令集的组合的处理器。处理器114还可以由诸如专用集成电路(ASIC)、现场可编程门阵列(FPGA)、数字信号处理器(DSP)、片上系统(SoC)等的一个或更多个专用处理装置来实现。如本领域技术人员将理解的,在一些实施方式中,处理器114可以是专用处理器而不是通用处理器。处理器114可以包括一个或更多个已知的处理装置,诸如来自由IntelTM制造的PentiumTM、CoreTM、XeonTM或系列的微处理器、来自由AMDTM制造的TurionTM、AthlonTM、SempronTM、OpteronTM、FXTM、PhenomTM系列的微处理器、或者由Sun Microsystems制造的各种处理器中的任何处理器。处理器114还可以包括图形处理单元,诸如来自由NvidiaTM制造的系列、由IntelTM制造的GMA、IrisTM系列或者由AMDTM制造的RadeonTM系列的GPU。处理器114还可以包括加速处理单元,诸如由IntelTM制造的Xeon PhiTM系列。所公开的实施方式不限于以其他方式被配置成满足识别、分析、维护、生成和/或提供大量数据或操纵这样的数据以执行本文中公开的方法的计算需求的任何类型的处理器。另外,术语“处理器”可以包括多于一个处理器(例如,多核设计或均具有多核设计的多个处理器)。处理器114可以执行存储在存储器116中的计算机程序指令序列以执行以下将更详细说明的各种操作、过程、方法。
存储器装置116可以存储医学图像146。在一些实施方式中,医学图像146可以包括一个或更多个MRI图像(例如,2D MRI、3D MRI、2D流式MRI、四维(4D)MRI、4D体积MRI、4D影像MRI等)、功能性MRI图像(例如,fMRI、DCE-MRI、扩散MRI)、CT图像(例如,2D CT、锥形束CT、3DCT、4D CT)、超声图像(例如,2D超声、3D超声、4D超声)、表示MRI中描绘的解剖结构视图的一个或更多个投影图像、合成CT(伪CT)和/或台架相对于患者轴的不同角度下的CT图像、PET图像、X射线图像、荧光透视图像、放射治疗射野图像、SPECT图像、计算机生成的合成图像(例如,伪CT图像)、孔径图像、MLC叶片位置在不同台架角度下的图形孔径图像表示等。此外,医学图像146还可以包括医学图像数据,例如,训练图像以及真实图像(ground truthimage)、轮廓图像以及剂量图像。在实施方式中,可以从图像获取装置132接收医学图像146。因此,图像获取装置132可以包括MRI成像装置、CT成像装置、PET成像装置、超声成像装置、荧光透视装置、SPECT成像装置、集成的linac和MRI成像装置、或者用于获得患者的医学图像的其他医学成像装置。可以以数据处理装置112可以使用以执行符合所公开的实施方式的操作的任何数据类型或任何格式类型来接收和存储医学图像146。
存储器装置116可以是非暂态计算机可读介质,诸如只读存储器(ROM)、相变随机存取存储器(PRAM)、静态随机存取存储器(SRAM)、闪速存储器、随机存取存储器(RAM)、诸如同步DRAM(SDRAM)的动态随机存取存储器(DRAM)、电可擦除可编程只读存储器(EEPROM)、静态存储器(例如,闪速存储器、闪存盘、静态随机存取存储器)以及其他类型的随机存取存储器、高速缓冲存储器、寄存器、CD-ROM、DVD或其他光存储装置、盒式磁带、其他磁性存储装置、或者可以用于存储包括能够被处理器114或任何其他类型的计算机装置访问的(例如以任何格式存储的)图像、数据或计算机可执行指令的信息的任何其他非暂态介质。计算机程序指令可以被处理器114访问、被从ROM或任何其他合适的存储器位置读取并被加载到RAM中以供处理器114执行。例如,存储器116可以存储一个或更多个软件应用。存储器116中存储的软件应用可以包括例如用于公共计算机系统以及用于受软件控制的装置的操作系统143。此外,存储器116可以存储可由处理器114执行的整个软件应用或者软件应用的仅一部分。例如,存储器装置116可以存储一个或更多个放射疗法治疗计划142。
数据处理装置112可以经由通信接口118与网络120进行通信,通信接口118可以通信地耦接至处理器114和存储器116。通信接口118可以提供数据处理装置112与放射治疗系统100的组件之间的通信连接(例如,允许与外部装置交换数据)。例如,在一些实施方式中,通信接口118可以具有适当的接口电路系统以连接至用户接口136,用户接口136可以是用户可以通过其将信息输入至放射治疗系统100中的硬件键盘、小键盘或触摸屏幕。
通信接口118可以包括例如网络适配器、电缆连接器、串行连接器、USB连接器、并行连接器、高速数据传输适配器(例如,诸如光纤、USB3.0、雷电(thunderbolt)等)、无线网络适配器(例如,诸如WiFi适配器)、电信适配器(例如,3G、4G/LTE等)等。通信接口118可以包括一个或更多个数字和/或模拟通信装置,所述一个或更多个数字和/或模拟通信装置允许数据处理装置112经由网络120与其他机器和装置诸如远程定位的部件进行通信。
网络120可以提供局域网(LAN)、无线网络、云计算环境(例如,软件即服务、平台即服务、基础设施即服务等)、客户端-服务器、广域网(WAN)等的功能。例如,网络120可以是LAN或WAN,其可以包括其他系统S1(138)、S2(140)和S3(141)。系统S1、S2和S3可以与数据处理装置112相同,或者可以是不同的系统。在一些实施方式中,网络120中的系统中的一个或更多个系统可以形成协作地执行本文中描述的实施方式的分布式计算/模拟环境。在一些实施方式中,一个或更多个系统S1、S2和S3可以包括获得CT图像(例如,医学图像146)的CT扫描仪。另外,网络120可以连接至因特网122以与远程驻留在因特网上的服务器和客户端进行通信。
因此,网络120可以允许数据处理装置112与多个不同的其他系统和装置诸如OIS128、放射治疗装置130和图像获取装置132之间的数据传输。此外,由OIS 128和/或图像获取装置132生成的数据可以被存储在存储器116、数据库124和/或医院数据库126中。根据需要,可以通过通信接口118经由网络120传送/接收数据以便由处理器114访问该数据。
数据处理装置112可以通过网络120与数据库124进行通信以发送/接收数据库124上存储的多种不同类型的数据。例如,数据库124可以存储与放射治疗装置130、图像获取装置132或与放射治疗有关的其他机器相关联的机器数据。机器数据信息可以包括控制点,诸如放射束尺寸、弧放置、束开启和关闭的持续时间、机器参数、分割、MLC配置、台架速度、MRI脉冲序列等。数据库124可以是存储装置并且可以配备有适当的数据库管理软件程序。本领域技术人员将理解,数据库124可以包括以中央式或分布式方式定位的多个装置。
在一些实施方式中,数据库124可以包括处理器可读存储介质(未示出)。虽然实施方式中的处理器可读存储介质可以是单个介质,但是术语“处理器可读存储介质”应被视为包括存储一组或更多组计算机可执行指令或数据的单个介质或多个介质(例如,集中式或分布式数据库,和/或相关联的高速缓存和服务器)。术语“处理器可读存储介质”还应被视为包括能够存储或编码指令集的任何介质,所述指令集由处理器执行并且使处理器执行本公开内容的方法中的任何一种或更多种方法。因此,术语“处理器可读存储介质”应被视为包括但不限于固态存储器、光学介质和磁介质。例如,处理器可读存储介质可以是一个或更多个易失性、非暂态或者非易失性有形计算机可读介质。
数据处理器114可以与数据库124进行通信以将图像读取到存储器116中或者将来自存储器116的图像存储到数据库124。例如,数据库124可以被配置成存储数据库124从图像获取装置132接收的多个图像(例如,3D MRI、4D MRI、2D MRI切片图像、CT图像、2D荧光透视图像、X射线图像、来自MR扫描或CT扫描的原始数据、医学数字成像与通信(DICOM)数据、投影图像、图形孔径图像等)。数据库124可以存储数据处理器114在执行软件程序144时或者在创建放射疗法治疗计划142时要使用的数据。数据库124可以存储由经训练的机器学习模式诸如神经网络产生的数据,包括构成由网络学习的模型的网络参数和所得的预测数据。数据处理装置112可以从数据库124、放射治疗装置130(例如,MR-Linac)和或图像获取装置132接收图像数据,诸如医学图像146(例如,2D MRI切片图像、CT图像、2D荧光透视图像、X射线图像、3D MR图像、4D MR图像、投影图像、图形孔径图像等)以生成治疗计划142。
在一个实施方式中,放射治疗系统100可以包括图像获取装置132,其能够获取患者的医学图像(例如,MR图像、3D MRI、2D流式MRI、4D体积MRI、CT图像、锥形束CT、PET图像、功能MR图像(例如,fMRI、DCE-MRI和扩散MRI)、X射线图像、荧光透视图像、超声图像、放射治疗射野图像、SPECT图像等)。图像获取装置132例如可以是MRI成像装置、CT成像装置、PET成像装置、超声装置、荧光透视装置、SPECT成像装置或者用于获得患者的一个或更多个医学图像的任何其他合适的医学成像装置。由图像获取装置132获取的图像可以作为成像数据和/或测试数据而存储在数据库124内。通过示例的方式,由图像获取装置132获取的图像也可以作为医学图像146由数据处理装置112存储在存储器116中。
在一个实施方式中,例如,图像获取装置132可以与放射治疗装置130集成为单个设备。例如,MR成像装置可以与线性加速器组合以形成被称为“MR-Linac”的系统。这样的MR-Linac可以用于例如确定患者体内的目标器官或目标肿瘤的位置,以根据放射疗法治疗计划142将放射治疗准确地定向至预定目标。
图像获取装置132可以被配置成针对感兴趣区域(例如,目标器官、目标肿瘤或两者)获取患者解剖结构的一个或更多个图像。每个图像——通常是2D图像或切片——可以包括一个或更多个参数(例如,2D切片厚度、取向和位置等)。在一个实施方式中,图像获取装置132可以获取任何取向的2D切片。例如,2D切片的取向可以包括矢状取向(sagittalorientation)、冠状取向(coronal orientation)或轴向取向。处理器114可以对一个或更多个参数诸如2D切片的厚度和/或取向进行调整以包括目标器官和/或目标肿瘤。在一个实施方式中,可以根据诸如3D MRI体积的信息来确定2D切片。例如,在使用放射治疗装置130的情况下,在患者正在接受放射疗法治疗的同时可以由图像获取装置132“实时”获取这样的2D切片,其中“实时”意味着至少以数毫秒或更短时间来获取数据。
数据处理装置112可以生成并且存储一个或更多个患者的放射疗法治疗计划142。放射疗法治疗计划142可以提供关于要施加给每个患者的特定放射剂量的信息。放射疗法治疗计划142还可以包括其他放射治疗信息,例如,控制点,包括射束角度、台架角度、射束强度、剂量直方图-体积信息、治疗期间使用的放射束的数量、每射束的剂量等。
数据处理器114可以通过使用软件程序144诸如治疗计划软件(例如,由瑞典的医科达有限公司制造的)来生成放射疗法治疗计划142。为了生成放射疗法治疗计划142,数据处理器114可以与图像获取装置132(例如,CT装置、MRI装置、PET装置、X射线装置、超声装置等)进行通信以访问患者的图像并且描绘诸如肿瘤的目标。在一些实施方式中,可能需要一个或更多个OAR例如肿瘤围围或接近肿瘤的健康组织的描绘。因此,在OAR靠近目标肿瘤时,可以执行对OAR的分割。另外,如果目标肿瘤靠近OAR(例如,前列腺接近膀胱和直肠),则通过相对于肿瘤分割OAR,放射治疗系统100不仅可以研究目标中的剂量分布,而且还可以研究OAR中的剂量分布。
为了相对于OAR描绘目标器官或目标肿瘤,可以通过图像获取装置132非侵入式地获得正在进行放射治疗的患者的医学图像例如MR图像、CT图像、PET图像、fMR图像、X射线图像、超声图像,放射治疗射野图像、SPECT图像等以揭露身体部位的内部结构。基于来自医学图像的信息,可以获得相关解剖部分的3D结构。另外,在治疗计划过程中,可以考虑许多参数以实现对目标肿瘤的有效治疗(例如,使得目标肿瘤接受足够的放射剂量以便有效治疗)与对OAR的低照射(例如,OAR接收尽可能低的放射剂量)之间的平衡。可以考虑的其他参数包括目标器官和目标肿瘤的位置、OAR的位置以及目标相对于OAR的运动。例如,可以通过在MRI或CT图像的每个2D层或切片内勾画目标的轮廓或勾画OAR的轮廓并且将每个2D层或切片的轮廓进行组合来获得3D结构。可以手动地(例如,由医师、剂量师或医护人员使用程序例如由瑞典的医科达有限公司制造的)或自动地(例如,使用程序例如由瑞典医科达有限公司制造的基于Atlas的自动分割程序软件ABASTM)生成轮廓。在某些实施方式中,可以通过治疗计划软件自动生成目标肿瘤或OAR的3D结构。
在目标肿瘤和(一个或多个)OAR已经被定位并且描绘之后,剂量师、医师或医护人员可以确定要施加至目标肿瘤的放射剂量以及可以由接近肿瘤的OAR(例如,左右腮腺、视神经、眼睛、晶状体、内耳、脊髓、脑干等)接收的剂量的任何最大剂量。在针对每个解剖结构(例如,目标肿瘤、OAR)确定了放射剂量之后,可以执行已知为逆向计划的过程以确定将实现期望的放射剂量分布的一个或更多个治疗计划参数。治疗计划参数的示例包括体积描绘参数(例如,其限定目标体积、轮廓敏感结构等)、目标肿瘤和OAR周围的边缘、射束角度选择、准直器设置和射束开启时间。在逆向计划过程期间,医师可以定义剂量约束参数,剂量约束参数设定OAR可以接受多少放射的界限(例如,限定对肿瘤目标的全剂量和对任何OAR的零剂量;限定对目标肿瘤的95%的剂量;限定脊髓、脑干和视神经结构分别接受≤45Gy、≤55Gy和<54Gy)。逆向计划的结果可以构成可以被存储在存储器116或数据库124中的放射疗法治疗计划142。这些治疗参数中的一些可以是相关的。例如,调整一个参数(例如,针对不同目标的权重,例如增加对目标肿瘤的剂量)以试图改变治疗计划可能会影响至少一个其他参数,这进而可能导致不同的治疗计划的发展。因此,数据处理装置112可以生成具有这些参数的定制的放射疗法治疗计划142以便放射治疗装置130向患者提供放射疗法治疗。
另外,放射治疗系统100可以包括显示装置134和用户接口136。显示装置134可以包括向用户显示医学图像、接口信息、治疗计划参数(例如,投影图像、图形孔径图像、轮廓、剂量、射束角度等)、治疗计划、目标、定位目标位置和/或跟踪目标或者任何相关信息的一个或更多个显示屏。用户接口136可以是键盘、小键盘、触摸屏或用户可以向放射治疗系统100输入信息的任何类型的装置。替选地,显示装置134和用户接口136可以集成到诸如平板电脑(例如,苹果联想三星等)的装置。
此外,放射治疗系统100的任何和所有部件可以被实现为虚拟机(例如,VMWare、Hyper-V等)。例如,虚拟机可以是充当硬件的软件。因此,虚拟机可以至少包括一起充当硬件的一个或更多个虚拟处理器、一个或更多个虚拟存储器和一个或更多个虚拟通信接口。例如,数据处理装置112、OIS 128、图像获取装置132可以被实现为虚拟机。鉴于处理能力、存储器和计算能力可得到,整个放射治疗系统100可以被实现为虚拟机。
图2A示出了示例性放射治疗装置202,其可以包括放射源(例如,X射线源或linac)、床216、成像检测器214和放射治疗输出204。放射治疗装置202可以被配置成发射放射束208以向患者提供治疗。放射治疗输出204可以包括一个或更多个衰减器或准直器,例如MLC。患者可以被定位在区域212中并且由床216支承以根据放射治疗疗法计划接受放射治疗剂量。放射治疗输出204可以被安装或附接至台架206或其他机械支承件。当床216被插入治疗区域时,一个或更多个底盘电机(未示出)可以使台架206和放射治疗输出204围绕床216旋转。在一个实施方式中,当床216被插入治疗区域时,台架206可以围绕床216连续地旋转。在另一个实施方式中,当床216被插入治疗区域时,台架206可以旋转至预定位置。例如,台架206可以被配置成使治疗输出204围绕轴(“A”)旋转。床216和放射治疗输出204两者均可以独立地移动到患者周围的其他位置,例如,能够沿横向方向(“T”)移动、能够沿侧向方向(“L”)移动,或者能够围绕一个或更多个其他轴旋转,例如围绕横轴(表示为“R”)旋转。通信上连接至一个或更多个致动器(未示出)的控制器可以控制床216移动或旋转,以便根据放射疗法治疗计划将患者适当地定位在放射束208之内或之外。床216和台架206两者均能够以多个自由度彼此独立地移动,这允许将患者定位成使得放射束208能够以肿瘤为目标。MLC可以与台架206集成在一起以递送特定形状的放射束208。
图2A所示的坐标系(包括轴A、T和L)可以具有位于等中心210处的原点。等中心可以被定义为放射束208的中心轴与坐标轴的原点相交的位置,以便将规定的放射剂量递送至患者上或患者体内的位置。替选地,等中心点210可以被定义为下述位置:在该位置处,对于由台架206定位的放射治疗输出204围绕轴A的各种旋转位置,放射束208的中心轴与患者相交。如本文所讨论的,虽然任何其他轴或轴的组合都可以被参考并且用于确定台架角度,但台架角度对应于台架206相对于轴A的位置。
台架206可以具有附接的成像检测器214,该成像检测器214优选地与放射治疗输出204相对。在一个实施方式中,成像检测器214可以位于治疗射束208的场内。成像检测器214可以保持与治疗射束208对准。成像检测器214可以随着台架206旋转而围绕旋转轴旋转。在一个实施方式中,成像检测器214可以是平板检测器(例如,直接检测器或闪烁体检测器)。以这种方式,成像检测器214可以用于监测治疗射束208,或者成像检测器214可以用于对患者的解剖结构进行成像,例如射野成像。放射治疗装置202的控制电路系统可以集成在系统100内或远离系统100。
在说明性实施方式中,床216、治疗输出204或台架206中的一个或更多个可以被自动地定位,并且治疗输出204可以根据用于特定治疗递送实例的指定剂量来建立治疗射束208。可以根据放射疗法治疗计划(例如,使用台架206、床216或治疗输出204的一个或更多个不同的取向或位置)来指定治疗递送序列。治疗递送可以依次发生,但是可以在患者上或患者体内的期望的治疗部位中(例如,等中心210处)交叉。由此可以将放射治疗的规定的剂量递送到治疗部位,同时可以减少或避免对治疗部位附近的组织的损害。
图2B示出了将放射系统(例如,linac)和CT成像系统结合的示例性放射治疗系统202。放射治疗装置202可以包括MLC(未示出)。CT成像系统可以包括例如以千电子伏特(keV)能量范围提供X射线能量的成像X射线源218。成像X射线源218可以提供指向诸如平板检测器的成像检测器222的扇形和/或锥形射束208。放射治疗装置202可以类似于关于图2A描述的系统,例如包括放射治疗输出204、台架206、床216和另一成像检测器214(例如平板检测器)。X射线源218可以提供用于成像的相对较低能量的X射线诊断射束。
如图2B所示,放射治疗输出204和X射线源218可以被安装在同一旋转台架206上,彼此旋转分开90度。在一些示例中,可以沿着台架206的外围安装两个或更多个X射线源,使得每个X射线源具有其自己的检测器布置以同时提供多角度的诊断成像。类似地,可以提供多个放射治疗输出204。
图3示出了将放射系统(例如,linac)和核MR成像系统结合的示例性放射治疗系统300,该放射治疗系统300也被称为MR linac系统。系统300可以包括床216、图像获取装置320和放射递送装置330。系统300可以根据放射疗法治疗计划(例如,在存储器116中创建和存储的治疗计划142)向患者递送放射治疗。在一些实施方式中,图像获取装置320可以对应于图1中的可以获取第一模态的图像(例如,MR图像)或者第二模态的目标图像(例如,CT图像)的图像获取装置132。
床216可以在治疗期间支承患者。在一些实现中,床216可以沿着水平平移轴(标记为“I”)移动,使得床216可以将躺在床216上的患者移入和/或移出系统300。床216还可以围绕横向于平移轴的中心竖直旋转轴旋转。为了允许这样的移动或旋转,床216可以具有使床能够在各个方向上移动并且沿着各个轴旋转的电机(未示出)。控制器(未示出)可以控制这些运动或旋转以便根据治疗计划适当地定位患者。
在一些实施方式中,图像获取装置320可以包括MR成像机器,MR成像机器可以在治疗阶段之前、期间和/或之后获取患者的2D或3D MR图像。图像获取装置320可以包括用于生成用于磁共振成像的主磁场的磁体321。通过磁体321的操作而生成的磁场线可以基本上平行于中心平移轴“I”延伸。磁体321可以包括其轴平行于平移轴“I”延伸的一个或更多个线圈。在一些实施方式中,磁体321中的一个或更多个线圈可以间隔开,使得磁体321的中心窗口323没有线圈。在其他实施方式中,磁体321中的线圈可以足够薄或具有减小的密度,使得线圈对于由放射治疗装置330生成的波长的放射基本上是透射的。在一些实施方式中,图像获取装置320还可以包括一个或更多个屏蔽线圈,该一个或更多个屏蔽线圈可以在磁体321外部生成近似相等的幅度和相反极性的磁场,以消除或减小磁体321外部的任何磁场。如下所述,放射治疗装置330的放射源331可以被定位在磁场至少被消除至一阶或被减小的区域中。
图像获取装置320还可以包括两个梯度线圈325和326,这两个梯度线圈325和326可以生成叠加在主磁场上的梯度磁场。线圈325和326可以在所产生的磁场中生成梯度,该梯度允许对质子进行空间编码以使得可以确定质子的位置。梯度线圈325和326可以围绕与磁体321的公共中心轴被定位,并且可以沿着该中心轴被移位。该移位可以在线圈325与线圈326之间产生间隙或窗口。在磁体321包括在线圈之间的中心窗323的实施方式中,两个窗口可以彼此对准。
在一些实施方式中,图像获取装置320可以是除MRI之外的成像装置,例如,X射线、CT、CBCT、螺旋CT、PET、SPECT、光学断层扫描、荧光成像、超声成像、放射治疗射野成像装置等。如本领域的普通技术人员将认识到的,图像获取装置320的以上描述涉及某些实施方式,而不旨在是限制性的。
放射治疗装置330可以包括放射源331(例如,X射线源或linac)以及例如MLC 332的准直器。该准直器是射束限制装置,其可以有助于使从机器出来的放射束成形并且可以限制射束的最大场大小。MLC 332可以用于对到患者体内的指定目标部位的放射治疗射束进行成形、指引或对放射治疗射束的强度进行调制。MLC 332可以包括金属准直器板(也称为MLC叶片),该金属准直器板滑入适当的位置以形成期望的场形状。放射治疗装置330可以被安装在底盘335上。当床216被插入治疗区域时,一个或更多个底盘电机(未示出)可以使底盘335围绕床216旋转。在一个实施方式中,当床216被插入治疗区域时,底盘335可以围绕床216连续地旋转。底盘335还可以具有附接的放射检测器(未示出),该放射检测器优选地位于与放射源331相对并且底盘335的旋转轴定位在放射源331与检测器之间。此外,装置330可以包括用于控制例如床216、图像获取装置320和放射治疗装置330中的一个或更多个的控制电路系统(未示出)。放射治疗装置330的控制电路系统可以集成在系统300内或远离系统300。
在放射疗法治疗期间,患者可以被定位在床216上。然后系统300可以将床216移动到由磁体321和线圈325、326以及底盘335限定的治疗区域中。然后,控制电路系统可以控制放射源331、MLC 332和底盘电机以根据放射治疗计划通过线圈325和326之间的窗口将放射递送给患者。
图2A至图2B和图3中所示的放射治疗输出配置,例如,放射治疗输出可以围绕中心轴(例如,轴“A”)旋转的配置,是出于说明的目的而非限制。可以使用其他放射治疗输出配置。例如,放射治疗输出可以被安装到具有多个自由度的操纵器或机械臂。在又一个实施方式中,治疗输出可以是固定的(例如,位于与患者横向分开的区域中),并且可以使用支承患者的平台来将放射治疗等中心与患者内的指定目标部位对准。
图4示出了剂量分布曲线的示例。剂量分布曲线表示放射剂量的算法生成的空间分布,例如,由软件程序144中的放射治疗计划软件生成的分布。剂量分布曲线的示例可以包括表示相对剂量随深度的变化的百分深度剂量(PDD)分布曲线或者表示相对剂量随径向距离的变化的百分径向剂量(PRD)分布曲线。可以通过将来自放射机器的放射施加到模拟人体组织的介质(例如,体模)上来测量图4中所示的PDD。在一个示例中,体模可以包括水。沉积的放射量(作为介质中深度的函数)可以使用被安装在介质中的传感器来测量并且被记录例如以提供图4所示的PDD曲线。在一些示例中,除了PDD或PRD分布曲线之外,剂量分布曲线可以包括射束模型参数值。射束模型参数的示例可以包括放射机器内的一个或更多个光子源的大小和位置、从放射机器发射的光子的光子谱的最大能量、描述从放射机器发射的光子谱的形状的许多因素、放射机器内的一个或更多个电子源的大小和位置、从放射机器发射的电子光谱的平均能量、或描述由放射机器发射的放射(例如,电子或光子)如何离轴变化的一个或更多个数字等。
图5是示出基于云的剂量验证系统500的示例性架构的图。系统500可以被配置成确定次放射剂量分布曲线,并且使用次剂量分布曲线来验证由放射治疗系统例如系统202或系统300的TPS生成的主剂量分布曲线。可以独立于确定主放射剂量分布曲线的TPS来确定次剂量分布曲线。系统500可以包括用于多个客户端510、一个或更多个网关520,以及基于云的计算装置或联网装置530(也称为云服务器或简称为“云”)的多个接入点,基于云的计算装置或联网装置530被配置成提供包括剂量评估和验证的一系列基于云的服务。
一个或更多个客户端510(或“占用者”)是可以位于不同医院或临床机构中的装置。客户端510的示例可以包括计算机、平板电脑或移动装置(例如,移动电话)等。客户端可以订购由云530提供的一个或更多个云服务,并且通过互联网连接(例如,以太网或诸如WiFi或蜂窝网络的无线连接)安全地连接至云530。从患者501获取的图像信息,例如由医院或临床机构中的放射治疗系统(例如,MR linac)产生的图像信息,可以被输入到客户端510。患者图像数据可以包括对象的放射治疗目标的数字图像,数字图像可以包括计算机断层扫描(CT)图像、合成CT图像或磁共振(MR)图像等。机器信息,例如产生所述患者图像信息的放射机器的一个或更多个机器参数(也称为“控制点”),也可以被提供给客户端510。机器参数的示例可以包括linac台架角度、通过其将治疗性放射束投射到目标处的射束孔径形状、以及射束的强度或与递送电子或粒子治疗相关联的一个或更多个参数等。
在一个示例中,可以根据诸如医学数字成像与通信(DICOM)标准的特定标准将患者图像信息和机器信息格式化为患者文件。这样的患者文件在本文档中被称为DICOM文件。DICOM文件存储包括患者图像信息和机器参数的元数据。患者图像信息可以包括图像类型、图像像素数据、图像位置、图像取向、图像平面像素间距、像素纵横比、像素位置、光度解释。在一个示例中,DICOM文件可以存储以不同的台架角度拍摄的一组图像,使得放射束从不同的方向被递送到目标肿瘤和OAR。机器参数包括表征放射机器的配置和操作状态(即“控制点”)以及使用所述机器的治疗计划的参数,例如射束编号、射束名称、射束描述、射束类型、射束强度、射束限制装置类型、台架角度、台架旋转方向、叶片/钳口位置、孔径重量或强度、射束角度选择、准直器设置或射束开启时间等。DICOM文件可以附加地包括结构信息,例如患者的感兴趣解剖结构、限定目标体积的体积描绘参数、轮廓敏感结构等、或者目标肿瘤和OAR周围的边缘等。存储在DICOM文件中的治疗计划信息还可以包括剂量信息,该剂量信息可以包括主剂量分布曲线(例如,一个或更多个剂量度量或剂量统计)。
客户端510可以与云530建立通信,并且在认证之后,将患者DICOM文件上传到云,例如被存储并且保持在云存储装置中。为了节省通信带宽并且提高通信和存储效率,可以在传输和存储之前压缩DICOM文件。压缩可以是有损或无损压缩。压缩算法的示例可以包括预测编码、算术编码、霍夫曼编码、自适应Lempel-Ziv-Welch算法、链式编码、变换编码、分形压缩等。为了保密和满足合规性要求,可以在数据传输和存储之前对患者DICOM文件执行数据加密。附加地或替选地,客户端装置510可以使用订购的由云530提供的DICOM服务,以从DICOM文件中提取图像信息、机器信息或治疗计划信息中的一个或更多个。以下例如参考图6讨论云存储装置和基于云的服务例如DICOM服务的示例。
客户端510与云530之间的通信可以遵循传输控制协议/互联网协议(TCP/IP)、Wi-Fi保护访问安全协议、3G或4G蜂窝网络协议、长期演进(LTE)或其他无线网络协议。如本领域技术人员可以理解的,可以使用其他网络拓扑和布置。在如图5所示的示例中,客户端510可以经由网关520与云530通信。网关520可以包括形成资产组的多个装置,例如多个路由器。网关520可以支持一种或更多种通信协议以控制并且监视客户端510与云530之间的数据流,例如经由以太网或无线网络(例如,WiFi或蜂窝网络)的互联网协议。在一些示例中,网关520可以包括被配置成执行特定任务例如数据聚合、身份识别、安全性、数据缓冲、警报、网关分析、监视服务连接等的计算机或计算机程序。在一个示例中,当多个客户端同时访问云服务时,网关520可以监视并且控制客户端510与云530之间的流量。
云530可以包括被配置成执行以下的服务器或网络服务器:存储和管理由一个或更多个客户端上传的数据(例如,患者DICOM文件或解析后的DICOM数据)、运行诸如次剂量检查和针对由不同的TPS系统生成的主剂量分布曲线的剂量验证的应用,或者将内容(例如,已验证的剂量分布曲线)递送给一个或更多个订购客户端。可以使用访问策略或白名单来更新云530。在一些示例中,云530可以是本地云。云530可以具有支持诸如成像数据(例如,DICOM文件)存储和处理的服务的可扩展基础架构。以下例如参照图6讨论云530和在云530托管的各种服务的示例。
系统用户(例如,放射肿瘤学家、医学物理学家或医疗保健专业人员)可以使用客户端510来访问云130。客户端510可以配备有用于经由超文本传输协议(HTTP)或加密的通信协议(例如,用于安全通信的超文本传输协议(HTTPS))访问Web服务器的Web浏览器。在一个示例中,在必要的用户认证(例如,帐户ID、密码、承载令牌等)之后,用户可以向云130(或其一部分,例如患者数据库或服务)查询诸如次剂量分布曲线、剂量验证结果等的信息。客户端510可以包括向用户呈现次剂量检查和剂量验证结果例如显示在用户接口的屏幕上的应用、软件程序或可视化工具。该信息可以以表格、图表、图或交互式仪表板的形式来呈现,并且可以包括文本和图形内容。可以打印这样的信息的硬拷贝。呈现给用户的信息还可以包括从患者DICOM文件中提取的机器信息和患者图像信息。
客户端510可以生成警报通知,以警告用户501关于未验证的剂量分布曲线,例如由放射治疗系统的TPS产生的主剂量分布曲线与由云530中的剂量引擎应用独立地计算的次剂量分布曲线之间的不一致。可以通过电子邮件、文本或“即时”消息(例如,短消息服务(SMS)、网页更新、电话或寻呼机呼叫等)发送警报通知。在一些示例中,仅当满足特定警报条件时才触发警报通知。收到警报通知后,用户可以查看警报、解释结果(例如,次剂量分布曲线)并且采取措施,诸如执行进一步的剂量测试(自动或手动剂量检查)或对云530中的剂量引擎应用进行调整。
可以使用硬件、软件、固件或其组合来实现剂量验证系统500的部分。在一个示例中,剂量验证系统500的至少一部分可以使用可以被构造或配置成执行一个或更多个特定功能的专用电路来实现,或者可以使用可以被编程或以其他方式被配置成执行一个或更多个特定功能的通用电路来实现。这样的通用电路可以包括微处理器或其一部分、微控制器或其一部分、或者可编程逻辑电路、存储器电路、网络接口以及用于互连这些部件的各种部件。例如,除了别的以外,“比较器”可以包括可以被构造成执行两个信号之间的比较的特定功能的电子电路比较器,或者可以被实现为通用电路的一部分的比较器,该通用电路可以由指示通用电路的一部分执行两个信号之间的比较的代码驱动。
图6是示出了示例性云服务器600的框图,该示例性云服务器600被配置成提供数据存储和包括剂量验证的一系列基于云的服务。云服务器600可以是物理或虚拟基础设施。云服务器600可以是图5中所示的云530的至少一部分的实施方式,可以包括文件服务610、剂量引擎服务620和剂量评估服务630。文件服务610管理从一个或更多个客户端510接收的患者文件。每个患者文件可以包含患者图像信息和关于放射机器的信息。在一个示例中,患者文件包括患者DICOM文件。如以上参照图5所讨论的,文件服务610可以包括DICOM服务612,DICOM服务612被配置成使用解析器应用来解析DICOM文件并且从中提取各种类型的信息,该信息包括患者图像信息、机器信息、剂量信息、结构信息和治疗计划信息中的一个或更多个。文件服务610可以包括用于存储从多个占用者510接收的患者DICOM文件或解析的DICOM信息的数据存储装置614。
在一些示例中,从客户端510接收并且存储在数据存储装置614中的DICOM文件是压缩和/或加密的DICOM文件。DICOM服务可以包括用于在对DICOM文件进行解析并从其提取信息之前对所存储的DICOM文件进行解压缩和/或解密的应用。
文件服务610可以包括被配置成管理来自多个客户端510的服务请求的占用者管理服务616。占用者管理服务616可以动态分配物理和虚拟资源以处理来自一个或更多个客户端的服务请求。在一个示例中,占用者管理服务616可以基于云服务器600处的计算和存储资源、每个客户端请求处理的数据量、请求的服务类型、每个客户端强加的质量服务(QoS)要求等对客户端及其服务请求进行排队。物理或虚拟资源的动态分配可以包括在多个联网的计算装置之间的分布式计算,这些联网的计算装置协同地完成一个特定的计算任务,例如执行DICOM文件解析、次剂量检查或用于由客户端提供的DICOM文件的剂量验证的一个或更多个服务。附加地或替选地,系统资源的动态分配可以包括(例如,云服务器中的)多个处理器之间的并行计算,这些处理器同时为不同的客户端执行多个任务,例如,与由不同客户端上传的DICOM文件相关联的DICOM文件解析、次剂量检查或剂量验证的服务。包括分布式计算和/或并行计算的物理或虚拟资源的动态分配可以有助于提高多占用管理的效率和服务质量以满足不同客户端的需求。
剂量引擎服务620可以包括次剂量检查器622,次剂量检查器622被配置成使用解析后的DICOM信息(例如,患者图像信息、机器参数或治疗计划参数中的一个或更多个)来生成次剂量分布曲线。在一个示例中,上传到云存储装置并且存储在云存储装置中的患者图像包括灰度CT或MR图像。剂量引擎服务620可以检索灰度图像,并且图像数据校准器626可以通过将像素数据转换为质量密度数据对灰度图像进行校准。例如,图像数据校准器626可以使用预先生成的查找表或公式将CT图像中的CT数字(其表示图像像素的X射线吸收系数,以霍恩斯菲尔德单位来表示)转换为相对电子密度(ED)数据或质量密度(MD)数据。然后,次剂量检查器622可以使用患者图像的转换后的ED或MD数据来生成次剂量分布曲线。
辅助剂量检查器622可以使用剂量算法624来计算次剂量分布曲线。在一个示例中,云服务器600可以提供允许用户上传一个或更多个不同剂量算法的集成接口,并且次剂量检查器622可以使用相应的剂量算法来计算一个或更多个次剂量分布曲线。
在一个示例中,剂量算法624可以是由放射治疗系统例如(医科达有限公司)使用的商业算法。剂量引擎服务620中的这样的商业算法的实现可以与它们对应的商业算法实现不同。在一些示例中,剂量算法624可以与由放射治疗系统使用的商业算法不同。
剂量算法624(在下文中被称为“次剂量算法”)可以与由放射机器使用以计算主剂量分布曲线的算法(在下文中被称为“主剂量算法”)不同。由此生成的次剂量分布曲线可能与主剂量分布曲线不同,并且因此可以用于验证主剂量分布曲线的准确性。在一个示例中,次剂量算法可以是比主剂量算法更复杂的算法。在另一示例中,主剂量算法和次剂量算法是相同剂量计算方法的不同实现,例如由不同制造商或供应商完成的实现。作为示例而非限制,主剂量算法是在放射治疗系统的TPS中实现的笔形射束算法,并且用户可以从实现的算法中选择Monte Carlo算法,或者将Monte Carlo算法上传并且集成到云中,Monte Carlo算法可以更准确地模拟粒子运动,可以用作用于剂量验证的次剂量算法。替选地,次剂量算法可以是与放射治疗系统的TPS中的实现不同的笔形射束算法的实现。
在一个示例中,可以例如经由客户端装置510的用户接口将关于所识别的主剂量算法的信息呈现给用户。提示用户上传次剂量算法,该次剂量算法可以与主剂量算法不同,或者可以是主剂量算法的不同实现。在一些示例中,剂量算法624可以包括多个候选剂量算法的实现。用户可以经由用户接口从多个候选剂量算法中选择次剂量算法。如果未选择任何候选算法,则用户可以上传次剂量算法并将其集成至剂量算法624中。
剂量评估服务630可以将例如由剂量引擎服务620生成的次剂量分布曲线与主剂量分布曲线进行比较。剂量评估服务630可以生成主剂量分布曲线与次剂量分布曲线之间的一致性度量632。在一个示例中,剂量一致性度量632可以包括从患者DICOM文件提取的主剂量度量与由次剂量检查器622生成的次剂量度量之间的相对差。主剂量度量和次剂量度量可以是同一类型。剂量度量的示例可以包括最大剂量、最小剂量、剂量范围、覆盖区域(例如覆盖的轮廓)、3D剂量分布、剂量体积直方图(DVH)或交叠体积直方图(OVH)等中的一个或更多个。如果剂量一致性度量632满足特定条件例如,下降低于阈值或落入指定范围内,则评估服务630可以确定主剂量分布曲线被验证。经验证的剂量分布曲线可以被用于例如通过使用存储在云服务器600中的束模型来生成治疗计划。在一个示例中,云服务器600可以提供允许用户上传束模型的集成接口,并且将束模型应用于经验证的剂量分布曲线以生成治疗计划。
剂量验证结果,可选地诸如次剂量分布曲线的次剂量检查结果、基于经验证的剂量分布曲线生成的治疗计划以及由云服务生成的其他计算结果可以由认证的客户端510通过图5中所示的通信链路来访问,并且被呈现给用户,例如显示在用户接口的屏幕上。
在各种示例中,云服务器600可以包括多个联网的计算装置,这些联网的计算装置协同工作以满足对各种云服务的客户端请求,例如解析DICOM文件、生成次剂量分布曲线或生成剂量验证结果。在一个示例中,多个计算机的网络可以经由并行计算来处理DICOM文件并针对多个患者同时验证剂量,或者剖析患者DICOM文件并提取与不同台架角度对应的图像并且基于多个图像同时验证剂量。
图7是示出了使用云服务诸如由云530或云服务器600提供的服务来验证剂量分布曲线的示例性方法700的流程图。要被验证的剂量分布曲线—也被称为“主剂量分布曲线”—可以由放射治疗系统诸如系统202或系统300的TPS系统来生成。在一个示例中,方法700可以在剂量验证系统500中实现并由其执行。
方法700在710处开始,在710处可以将一个或更多个患者文件上传至基于云的计算装置或联网装置例如云530或600,所述一个或更多个患者文件每个包含由放射机器产生的图像信息和机器信息。在一个示例中,患者文件可以包括由医院或临床设施中的放射机器从患者获取的DICOM文件。每个DICOM文件都存储元数据,元数据包括患者图像信息和机器参数。患者图像信息可以包括对象的放射治疗目标的数字图像,该数字图像可以包括计算机断层扫描(CT)图像、合成CT图像或磁共振(MR)图像等。机器信息包括关于放射机器的结构、配置和操作状态的信息,例如产生患者图像信息的放射机器的一个或更多个机器参数(也被称为“控制点”)。DICOM文件可以另外包括治疗计划信息,例如由TPS生成的主剂量分布曲线(例如,一个或更多个剂量度量或剂量统计数据)。在一些示例中,DICOM文件可以存储以不同的台架角度产生的患者的多个图像,连同机器参数、治疗计划参数以及主剂量度量和统计数据。
DICOM文件可以通过客户端装置诸如客户端510被上传至云。客户端可以通过因特网连接(例如以太网,或者无线连接例如WiFi或蜂窝网络)安全地连接至云,并订购一个或更多个云服务。在720处,在必要的用户认证之后,客户端可以请求云服务(例如,由云服务器600提供的文件服务610)来解析患者文件以提取图像信息、机器信息和治疗计划信息。在一个示例中,可以从DICOM文件中提取与不同的台架角度对应的多个图像。在多个客户端同时请求云服务的情况下,可以例如基于计算和存储资源、由每个客户端请求要处理的数据量、请求的服务类型、由每个客户端强加的服务质量(QoS)要求等来调度客户端及其服务请求。在一个示例中,客户端管理可以包括将物理和虚拟资源动态地分配给每个请求的客户端,或者使用分布式计算或并行计算来提高多占用管理的效率和服务质量以满足不同客户端的需求。
在730处,可以使用例如从解析后的DICOM文件获得的患者图像信息、机器参数或治疗计划参数中的一个或更多个来确定次剂量分布曲线。可以将剂量算法(也被称为次剂量算法)应用于患者和机器信息以计算次剂量分布曲线。可以由用户经由集成接口上传至云的次剂量算法可以是商业剂量算法。可替选地,次剂量算法可以不同于商业剂量算法。
次剂量算法可以不同于由放射机器使用用于计算主剂量分布曲线的剂量算法(也被称为主剂量算法)。在一个示例中,主剂量算法和次剂量算法是相同剂量计算方法的不同实现。在一个示例中,用户可以将次剂量算法上传至云。在另一示例中,用户可以经由用户接口从云中实现的多个候选剂量算法中选择次剂量算法。如果未选择任何候选算法,则用户可以上传次剂量算法。剂量分布曲线的示例可以包括表示相对剂量随深度的变化的百分深度剂量(PDD)分布,或表示相对剂量随径向距离的变化的百分比径向剂量(PRD)分布、束模型参数值、剂量体积直方图、交叠体积直方图或三维剂量分布等。
在740处,将在730处确定的次放射剂量分布曲线与由放射机器的TPS生成的主剂量分布曲线进行比较,并且可以例如使用剂量评估服务630来生成主剂量分布曲线与次剂量分布曲线之间的一致性度量。在一个示例中,剂量一致性度量可以包括主剂量度量(从主剂量分布曲线中获得)与次剂量度量(从次剂量分布曲线中获得)之间的相对差。主剂量度量和次剂量度量可以是同一类型。如果剂量一致性度量满足特定条件,例如下降低于阈值或落入指定范围内,则评估服务可以确定主剂量分布曲线被验证。
在750处,可以生成剂量验证指示符。剂量验证结果,可选地诸如次剂量分布曲线的次剂量检查结果以及由云服务生成的其他计算结果可以由认证的客户端来访问,并被呈现给用户,例如显示在用户接口的屏幕上。如果主剂量度量与次剂量度量之间的差超过阈值,则可以例如在客户端侧上生成警报通知以警告用户未验证的剂量分布曲线。然后,用户可以采取措施,例如执行进一步的剂量测试(自动或手动剂量检查),或对云中的剂量引擎服务进行调整。经验证的剂量分布曲线以及其他信息可以被呈现给用户。在一些示例中,经验证的剂量分布曲线可以被用于,例如通过使用束模型来生成治疗计划。
图8示出了机器800的实施方式的框图,在该机器800上可以实现如本文所讨论的方法中的一种或更多种。在一个或更多个实施方式中,数据处理装置112的一项或更多项可以由机器800来实现。在替选的实施方式中,机器800作为独立的装置进行操作,或者可以连接(例如,联网)至其他机器。在一个或更多个实施方式中,数据处理装置112可以包括机器800的项中的一项或更多项。在联网的部署中,机器800可以在服务器客户端网络环境中以服务器或客户端机器的能力进行操作,或者在对等(或分布式)网络环境中作为对等机器进行操作。机器可以是个人计算机(PC)、平板PC、机顶盒(STB)、个人数字助理(PDA)、蜂窝电话、网络设备、网络路由器、交换机或网桥或者能够(顺序地或以其他方式)执行指令的任何机器,这些指令指定要由该机器采取的动作。此外,尽管仅示出了单个机器,但是术语“机器”也应被理解为包括机器的任一集合,这些机器单独地或共同地执行一组(或多组)指令以执行本文所讨论的方法中的任何一个或更多个。
示例机器800包括处理电路系统802(例如,中央处理单元(CPU)、图形处理单元(GPU)、专用集成电路、电路系统(例如一个或更多个晶体管、电阻器、电容器、电感器、二极管、逻辑门、复用器、缓冲器、调制器、解调器、无线电(例如,发送或接收无线电或者收发器))、传感器821(例如,将一种形式的能量(例如,光、热、电、机械或其他能量)转换为另一种形式的能量的换能器)等或者其组合)、主存储器804和静态存储器806,所述处理电路系统802、主存储器804和静态存储器806经由总线808彼此通信。机器800(例如计算机系统)还可以包括视频显示单元810(例如,液晶显示器(LCD)或阴极射线管(CRT))。机器800还包括字母数字输入装置812(例如键盘)、用户接口(UI)导航装置814(例如鼠标)、磁盘驱动器或大容量存储单元816、信号生成装置818(例如扬声器)和网络接口装置820。
磁盘驱动器单元816包括机器可读介质822,在该机器可读介质822上存储一组或更多组指令和数据结构(例如软件)824,这些指令和数据结构(例如软件)体现本文所述的方法或功能中的任何一种或更多种或者被本文所述的方法或功能中的任何一种或更多种利用。在由机器800执行指令824期间,指令824还可以全部或至少部分地驻留在主存储器804内和/或在处理器802内,主存储器804和处理器802也构成机器可读介质。
如所示的机器800包括输出控制器828。输出控制器828管理至/来自机器800的数据流。输出控制器828有时被称为装置控制器,其中直接与输出控制器828交互的软件被称为装置驱动器。
虽然在一个实施方式中机器可读介质822被示出为单个介质,但是术语“机器可读介质”可以包括存储一个或更多个指令或者数据结构的单个介质或多个介质(例如,集中式或分布式数据库,和/或相关联的缓存和服务器)。术语“机器可读介质”还应被认为包括能够存储、编码或携带指令或者能够存储、编码或携带数据结构的任何有形介质,这些指令由机器执行并且使机器执行本发明的方法中的任何一种或更多种方法,这些数据结构由这样的指令利用或与这样的指令相关联。因此,术语“机器可读介质”应被认为包括但不限于固态存储器以及光学介质和磁介质。机器可读介质的特定示例包括非易失性存储器,所述非易失性存储器通过示例的方式包括:半导体存储器件,例如可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)和闪存器件;磁盘,例如内部硬盘和可移动磁盘;磁光盘;以及CD-ROM和DVD-ROM磁盘。
还可以使用传输介质通过通信网络826来发送或接收指令824。可以使用网络接口装置820和许多众所周知的传输协议(例如HTTP)中的任何一种来发送指令824。通信网络的示例包括局域网(“LAN”)、广域网(“WAN”)、因特网、移动电话网络、普通老式电话(POTS)网络和无线数据网络(例如WiFi和WiMax网络)。术语“传输介质”应被认为包括能够存储、编码或携带由机器执行并且包括数字或模拟通信信号的指令的任何无形介质,或者便于这样的软件的通信的其他无形介质。
如本文所使用的,“在……之间通信上耦接”指的是在耦合中的任何一个上的实体必须通过在其之间的项进行通信,并且这些实体如果不通过该项进行通信就不能彼此进行通信。
补充注释
以上的详细描述包括对附图的参照,这些附图形成详细描述的一部分。附图通过说明的方式而不是通过限制的方式示出了具体实施方式,在所述具体实施方式中可以实践本公开内容。这些实施方式在本文中也被称为“示例”。这些示例可以包括除了示出或描述的那些元素之外的元素。然而,本发明人还设想了提供仅示出或描述的那些元素的示例。此外,相对于特定示例(或其一个或更多个方面)或相对于在本文中示出或描述的其他示例(或其一个或更多个方面),本发明人还设想了使用示出或描述的那些元素的任何组合或置换(或其一个或更多个方面)的示例。
本文档中参考的所有出版物、专利和专利文献都通过引用整体并入本文,就好像通过引用单独地并入一样。如果在本文档与通过引用并入的那些文献之间存在不一致用法,则并入的一个或更多个参考文献中的用法应被视为对本文的用法的补充;对于矛盾的不一致之处,以本文档中的用法为准。
在本文档中,在介绍本公开内容的各个方面或其实施方式中的元素时,如在专利文献中常见的那样,使用术语“一”、“一个”、“该”和“所述”以包括元素中的一个或多于一个或更多个,独立于“至少一个”或者“一个或更多个”的任何其他实例或用法。在本文档中,术语“或”被用于表示非排他性,或者,使得除非另有说明,否则“A或B”包括“A但不是B”、“B但不是A”以及“A和B”。
在所附权利要求中,术语“包括(including)”和“其中(in which)”被用作相应术语“包括(comprising)”和“其中(wherein)”的通俗英语等同物。此外,在所附权利要求中,术语“包含(comprising)”、“包括(including)”和“具有”旨在是开放性的,意指除了所列元素之外可能还有其他元素,使得在权利要求中的这样的术语(例如,包含(comprising)、包括(including)、具有)之后的仍被认为属于该权利要求的范围。此外,在所附权利要求中,术语“第一”、“第二”和“第三”等仅被用作标记,并且不旨在对其对象施加数字要求。
本公开内容的实施方式可以用计算机可执行指令来实现。计算机可执行指令(例如,软件代码)可以被组织成一个或更多个计算机可执行部件或模块。可以用任何数目的这样的部件或模块以及这样的部件或模块的任何组织来实现本公开内容的各个方面。例如,本公开内容的各个方面不限于在附图中示出和在本文中描述的特定计算机可执行指令或者特定部件或模块。本公开内容的其他实施方式可以包括具有比本文中示出和描述的功能更多或更少的功能的不同的计算机可执行指令或部件。
本文中描述的方法示例(例如,操作和功能)可以至少部分地是机器或计算机实现的(例如,被实现为软件代码或指令)。一些示例可以包括编码有指令的计算机可读介质或机器可读介质,所述指令能够操作成配置电子装置来执行如在以上示例中所述的方法。这样的方法的实现可以包括软件代码例如微代码、汇编语言代码、高级语言代码等(例如“源代码”)。这样的软件代码可以包括用于执行各种方法的计算机可读指令(例如,“对象”或“可执行代码”)。软件代码可以形成计算机程序产品的部分。可以经由在其上存储有代码或指令的制品,或者经由操作通信接口以经由通信接口(例如,无线地、通过因特网、经由卫星通信等)发送数据的方法来提供本文描述的实施方式的软件实现。
此外,可以在执行期间或在其他时间将软件代码有形地存储在一个或更多个易失性或非易失性计算机可读存储介质上。这些计算机可读存储介质可以包括以可以由机器(例如,计算装置、电子系统等)访问的形式存储信息的任何机构,例如但不限于软盘、硬盘、可移动磁盘、任何形式的磁盘存储介质、CD-ROM、磁光盘、可移动光盘(例如,压缩光盘和数字视频磁盘)、闪存器件、磁带盒、存储卡或存储棒(例如,安全数字卡)、RAM(例如CMOS RAM等)、可记录/不可记录介质(例如,只读存储器(ROM))、EPROM、EEPROM或者适于存储电子指令的任何类型的介质等。这样的计算机可读存储介质耦接至计算机系统总线以可以由处理器和OIS的其他部分来访问。
在一个实施方式中,计算机可读存储介质可以已经编码了用于治疗计划的数据结构,其中治疗计划可以是自适应的。用于计算机可读存储介质的数据结构可以是医学数字成像和通信(DICOM)格式、扩展的DICOM格式、XML格式等中的至少一种。DICOM是一种定义用于在各种类型的医疗设备之间传输与医学图像有关的数据的格式的国际通信标准。DICOMRT指的是特定于放射治疗的通信标准。
在本公开内容的各种实施方式中,创建部件或模块的方法可以以软件、硬件或其组合来实现。例如,可以通过使用标准编程语言诸如例如C、C++、Java、Python等以及其组合以软件来实现由本公开内容的各个实施方式提供的方法。如本文所使用的,术语“软件”和“固件”是可互换的,并且包括存储在存储器中以由计算机执行的任何计算机程序。
通信接口包括与硬连线介质、无线介质、光学介质等中的任何一种对接以与另一装置进行通信的任何机构,例如存储器总线接口、处理器总线接口、因特网连接、磁盘控制器等。可以通过提供配置参数和/或发送信号来配置通信接口,以准备通信接口来提供描述软件内容的数据信号。可以通过被发送至通信接口的一个或更多个命令或信号来访问通信接口。
本公开内容还涉及用于执行本文中的操作的系统。该系统可以针对所需目的专门地被构造,或者可以包括由存储在计算机中的计算机程序选择性地激活或重新配置的通用计算机。除非另有说明,否则本文示出和描述的本公开内容的实施方式中的操作的运行或执行的顺序不是必须的。也就是说,除非另有说明,否则可以以任何顺序来执行操作,并且与本文公开的那些操作相比,本公开内容的实施方式可以包括另外的操作或更少的操作。例如,设想到,在另一操作之前、与另一操作同时或在另一操作之后运行或执行特定操作落入本公开内容的各个方面的范围内。
鉴于以上内容,将看到,实现了本公开内容的若干目的并且获得了其他有利的结果。已经详细地描述了本公开内容的各个方面,将明显的是,在不脱离如在所附权利要求中限定的本公开内容的各个方面的范围的情况下,修改和变化是可行的。由于可以在不脱离本公开内容的各个方面的范围的情况下在以上构造、产品和方法中进行各种改变,因此旨在,以上描述中包含的和附图中示出的所有内容应被解释为说明性的,而并非在限制性的意义上。
上面的描述旨在是说明性的,而不是限制性的。例如,上述示例(或其一个或更多个方面)可以彼此组合使用。另外,在不脱离本公开内容的范围的情况下,可以做出许多修改以使特定情况或材料适应本公开内容的教导。尽管本文描述的材料和涂层的尺寸、类型旨在限定本公开内容的参数,但是其绝不是限制性的,而是示例性实施方式。在回顾以上描述之后,许多其他的实施方式对于本领域技术人员将是明显的。因此,本公开内容的范围应参考所附权利要求以及这些权利要求被赋予的等同物的全部范围来确定。
此外,在以上的具体实施方式中,可以将各种特征组合在一起以简化本公开内容。这不应被解释为一种预期之外的公开特征对于任何一个权利要求是必要的意图。而是,本发明的主题可以在于少于特定公开的实施方式的所有特征。因此,所附权利要求由此被并入具体实施方式中,其中每个权利要求独自作为单独的实施方式。本公开内容的范围应参考所附权利要求以及这些权利要求被赋予的等同物的全部范围来确定。此外,所附权利要求的限制不以装置加功能的格式编写,并且也不旨在基于35U.S.C.§112第六段进行解释,除非这样的权利要求的限制明确地使用短语“用于……的装置”,“用于”之后是没有进一步的结构的功能陈述。
提供摘要以符合37C.F.R.§1.72(b),以允许读者快速地确定技术公开的实质。提交时应理解,其将不被用于解释或限制权利要求的范围或含义。
Claims (25)
1.一种用于验证主放射剂量分布曲线的系统,所述主放射剂量分布曲线由放射机器生成以向对象提供放射治疗,所述系统包括:
云计算装置或联网装置,被配置成提供基于云的服务,所述基于云的服务包括:
文件服务,接收由所述放射机器产生的所述对象的图像信息(1)和关于所述放射机器的信息(2);
剂量引擎服务,使用所接收到的图像信息和所述放射机器信息来确定次放射剂量分布曲线;以及
剂量评估服务,使用所述次放射剂量分布曲线来验证所述主放射剂量分布曲线;以及
用户接口,被配置成:使得客户端能够经由通信网络访问所述基于云的服务中的一个或更多个;并且向用户或过程输出对所述主放射剂量分布曲线的验证。
2.根据权利要求1所述的系统,其中,所述文件服务被配置成:接收所述对象的DICOM文件并且对所接收到的DICOM文件进行解析,以从所接收到的DICOM文件中提取所述图像信息和所述放射机器信息。
3.根据权利要求2所述的系统,其中,所述文件服务被配置成:从经解析的DICOM文件中提取治疗计划信息,所述治疗计划信息包括所述主放射剂量分布曲线。
4.根据权利要求2或3中任一项所述的系统,其中,所述DICOM文件是压缩的DICOM文件或加密的DICOM文件,并且其中,所述文件服务被配置成:对所述DICOM文件进行解压缩或者解密,并且对经解压缩的DICOM文件或经解密的DICOM文件进行解析。
5.根据权利要求2至4中任一项所述的系统,还包括云存储装置,所述云存储装置被配置成存储所述对象的所述DICOM文件或者从所述DICOM文件提取的所述图像信息和所述放射机器信息。
6.根据权利要求1至5中任一项所述的系统,其中,由所述文件服务接收到的所述放射机器信息包括一个或更多个放射束参数或者一个或更多个台架参数。
7.根据权利要求1至6中任一项所述的系统,其中,所述剂量引擎服务被配置成:将次剂量算法应用于所述图像信息或所述放射机器信息中的一个或更多个以确定所述次放射剂量,所述次剂量算法与所述放射机器用于计算所述主放射剂量分布曲线的主剂量算法不同。
8.根据权利要求7所述的系统,其中,所述用户接口被配置成:接收所述次剂量算法的用户输入;或者接收从多个候选剂量算法中对所述次剂量算法的用户选择。
9.根据权利要求1至8中任一项所述的系统,其中,所述剂量评估服务被配置成:确定在所述主放射剂量分布曲线与所述次放射剂量分布曲线之间的一致性度量,并且基于所确定的一致性度量来验证所述主放射剂量分布曲线。
10.根据权利要求9所述的系统,其中,所述剂量一致性度量包括所述主放射剂量分布曲线与所述次放射剂量分布曲线之间的相对差,并且所述剂量评估服务被配置成:响应于所述剂量一致性度量落入指定范围内来验证所述主放射剂量分布曲线。
11.根据权利要求1至10中任一项所述的系统,其中,所述云计算装置或联网装置包括接入点,所述接入点被配置成支持由两个或更多个客户端同时访问所述基于云的服务。
12.根据权利要求11所述的系统,其中,所述基于云的服务还包括占用者管理服务,所述占用者管理服务被配置成:对来自所述两个或更多个客户端的服务请求进行排队。
13.根据权利要求1至12中任一项所述的系统,其中,所述云计算装置或联网装置被配置成:基于对所述主剂量分布曲线的验证来使用束模型生成针对所述对象的放射治疗计划。
14.一种用于验证主放射剂量分布曲线的方法,所述主放射剂量分布曲线由放射机器生成以向对象提供放射治疗,所述方法包括:经由云计算装置或联网装置:
接收所述对象的DICOM文件;
对所接收到的DICOM文件进行解析,并且从所接收到的DICOM文件中提取图像信息和关于所述放射机器的信息;
使用所述图像信息和所述机器信息来确定次放射剂量分布曲线;以及
使用所述次放射剂量分布曲线来验证所述主放射剂量分布曲线。
15.根据权利要求14所述的方法,其中,确定所述次放射剂量分布曲线包括:将次剂量算法应用于所述图像信息或所述放射机器信息中的一个或更多个,所述次剂量算法与所述放射机器用于计算所述主放射剂量分布曲线的主剂量算法不同。
16.根据权利要求15所述的方法,包括:接收所述次剂量算法的用户输入;或者接收从多个候选剂量算法中对所述次剂量算法的用户选择。
17.根据权利要求14至16中任一项所述的方法,其中,验证所述主放射剂量分布曲线包括:
确定在所述主放射剂量分布曲线与所述次放射剂量分布曲线之间的一致性度量;以及
响应于所确定的一致性度量满足一定条件来验证所述主放射剂量分布曲线。
18.根据权利要求17所述的方法,包括:对来自同时访问所述基于云的服务的两个或更多个客户端的服务请求进行排队。
19.根据权利要求14至18中任一项所述的方法,包括:基于对所述主剂量分布曲线的验证来使用束模型生成针对所述对象的放射治疗计划。
20.一种非暂态机器可读存储介质,所述非暂态机器可读存储介质包括指令,当所述指令由机器的一个或更多个处理器执行时使所述机器执行下述操作,所述操作包括:
接收对象的DICOM文件,所述DICOM文件由放射机器生成以用于向所述对象提供放射治疗;
对所接收到的DICOM文件进行解析,并且从所接收到的DICOM文件中提取图像信息和关于所述放射机器的信息;
使用所述图像信息和所述机器信息来确定次放射剂量分布曲线;以及
使用所述次放射剂量分布曲线来验证所述主放射剂量分布曲线。
21.根据权利要求20所述的非暂态机器可读存储介质,其中,确定所述次放射剂量分布曲线的操作包括:将次剂量算法应用于所述图像信息或所述放射机器信息中的一个或更多个,所述次剂量算法与所述放射机器用于计算所述主放射剂量分布曲线的主剂量算法不同。
22.根据权利要求21所述的非暂态机器可读存储介质,其中,所述操作包括:接收所述次剂量算法的用户输入;或者接收从多个候选剂量算法中对所述次剂量算法的用户选择。
23.根据权利要求20至22中任一项所述的非暂态机器可读存储介质,其中,验证所述主放射剂量分布曲线的操作包括:
确定在所述主放射剂量分布曲线与所述次放射剂量分布曲线之间的一致性度量;以及
响应于所确定的一致性度量满足一定条件来验证所述主放射剂量分布曲线。
24.根据权利要求23所述的非暂态机器可读存储介质,其中,所述操作包括:对来自同时访问所述基于云的服务的所述两个或更多个客户端的服务请求进行排队。
25.根据权利要求23或24中任一项所述的非暂态机器可读存储介质,其中,所述操作包括:基于对所述主剂量分布曲线的验证来使用束模型生成放射治疗计划。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911087723.9A CN112774043A (zh) | 2019-11-08 | 2019-11-08 | 用于验证主放射剂量分布曲线的系统和方法、存储介质 |
US17/755,481 US20240123258A1 (en) | 2019-11-08 | 2020-11-07 | Cloud-based dose verification |
EP20885423.2A EP4054709A4 (en) | 2019-11-08 | 2020-11-07 | CLOUD-BASED DOSE VERIFICATION |
PCT/IB2020/000923 WO2021090063A1 (en) | 2019-11-08 | 2020-11-07 | Cloud-based dose verification |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911087723.9A CN112774043A (zh) | 2019-11-08 | 2019-11-08 | 用于验证主放射剂量分布曲线的系统和方法、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112774043A true CN112774043A (zh) | 2021-05-11 |
Family
ID=75748372
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911087723.9A Pending CN112774043A (zh) | 2019-11-08 | 2019-11-08 | 用于验证主放射剂量分布曲线的系统和方法、存储介质 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20240123258A1 (zh) |
EP (1) | EP4054709A4 (zh) |
CN (1) | CN112774043A (zh) |
WO (1) | WO2021090063A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021090063A1 (en) | 2019-11-08 | 2021-05-14 | Wang Qunxi | Cloud-based dose verification |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020080873A1 (en) * | 2018-10-19 | 2020-04-23 | Samsung Electronics Co., Ltd. | Method and apparatus for streaming data |
US11720997B2 (en) | 2018-10-19 | 2023-08-08 | Samsung Electronics Co.. Ltd. | Artificial intelligence (AI) encoding device and operating method thereof and AI decoding device and operating method thereof |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8976929B2 (en) * | 2010-07-16 | 2015-03-10 | Duke University | Automatic generation of patient-specific radiation therapy planning parameters |
US9409039B2 (en) * | 2013-05-21 | 2016-08-09 | Varian Medical Systems International Ag | Systems and methods for automatic creation of dose prediction models and therapy treatment plans as a cloud service |
EP3007771B1 (en) | 2013-06-12 | 2017-09-06 | University Health Network | Method and system for automated quality assurance and automated treatment planning in radiation therapy |
GB2543731A (en) * | 2015-06-12 | 2017-05-03 | Elekta ltd | Improvements in dosimetry techniques for radiotherapy |
JP6688536B2 (ja) * | 2016-09-07 | 2020-04-28 | エレクタ、インク.Elekta, Inc. | 放射線療法治療計画のモデルを学習して放射線療法の線量分布を予測するためのシステムおよび方法 |
CN109771843B (zh) * | 2017-11-10 | 2021-10-22 | 北京连心医疗科技有限公司 | 云放射治疗计划评估方法、设备与存储介质 |
CN109166613A (zh) * | 2018-08-20 | 2019-01-08 | 北京东方瑞云科技有限公司 | 基于机器学习的放射治疗计划评估系统及方法 |
CN109464756B (zh) * | 2018-12-29 | 2021-01-01 | 上海联影医疗科技股份有限公司 | 验证放射治疗剂量的方法、装置和放射治疗设备 |
CN110404184A (zh) * | 2019-06-13 | 2019-11-05 | 苏州同调医学科技有限公司 | 一种测算放疗射线剂量分布和剂量目标函数的方法和系统 |
CN112774043A (zh) | 2019-11-08 | 2021-05-11 | 医科达(上海)科技有限公司 | 用于验证主放射剂量分布曲线的系统和方法、存储介质 |
-
2019
- 2019-11-08 CN CN201911087723.9A patent/CN112774043A/zh active Pending
-
2020
- 2020-11-07 EP EP20885423.2A patent/EP4054709A4/en active Pending
- 2020-11-07 WO PCT/IB2020/000923 patent/WO2021090063A1/en active Application Filing
- 2020-11-07 US US17/755,481 patent/US20240123258A1/en active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021090063A1 (en) | 2019-11-08 | 2021-05-14 | Wang Qunxi | Cloud-based dose verification |
Also Published As
Publication number | Publication date |
---|---|
EP4054709A4 (en) | 2023-11-29 |
WO2021090063A1 (en) | 2021-05-14 |
US20240123258A1 (en) | 2024-04-18 |
EP4054709A1 (en) | 2022-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2018307739B2 (en) | Radiation therapy planning using deep convolutional network | |
CN111684492B (zh) | 使用深度卷积神经网络来改善锥形束ct图像质量的方法 | |
CN111432879B (zh) | 用于放射机器的束模型的计算机实现的方法和系统 | |
AU2019452405B2 (en) | Predicting radiotherapy control points using projection images | |
CN112041027A (zh) | 用于自适应放射疗法的体模 | |
US20240123258A1 (en) | Cloud-based dose verification | |
US11989851B2 (en) | Deformable image registration using deep learning | |
US20230285774A1 (en) | Automatic beam modeling based on deep learning | |
WO2023279188A1 (en) | Quality factor using reconstructed images | |
US20230218926A1 (en) | Bed calculation with isotoxic planning | |
US20240242813A1 (en) | Image quality relative to machine learning data | |
US20220379139A1 (en) | Dose management based on cryostat variation |
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 |