CN114126708A - 剂量引导的实时自适应放射疗法 - Google Patents
剂量引导的实时自适应放射疗法 Download PDFInfo
- Publication number
- CN114126708A CN114126708A CN202080051370.1A CN202080051370A CN114126708A CN 114126708 A CN114126708 A CN 114126708A CN 202080051370 A CN202080051370 A CN 202080051370A CN 114126708 A CN114126708 A CN 114126708A
- Authority
- CN
- China
- Prior art keywords
- radiation therapy
- amount
- time
- dose
- therapy treatment
- 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
- 238000001959 radiotherapy Methods 0.000 title claims abstract description 370
- 230000003044 adaptive effect Effects 0.000 title description 3
- 238000011282 treatment Methods 0.000 claims abstract description 395
- 210000003484 anatomy Anatomy 0.000 claims abstract description 149
- 238000000034 method Methods 0.000 claims abstract description 116
- 230000006870 function Effects 0.000 claims description 61
- 206010028980 Neoplasm Diseases 0.000 claims description 46
- 230000015654 memory Effects 0.000 claims description 31
- 210000000920 organ at risk Anatomy 0.000 claims description 26
- 230000011218 segmentation Effects 0.000 claims description 16
- 230000001965 increasing effect Effects 0.000 claims description 15
- 238000005457 optimization Methods 0.000 claims description 12
- 230000004044 response Effects 0.000 claims description 12
- 210000000056 organ Anatomy 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 9
- 230000003247 decreasing effect Effects 0.000 claims description 9
- 238000013439 planning Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 description 96
- 238000012549 training Methods 0.000 description 82
- 230000006978 adaptation Effects 0.000 description 77
- 230000005855 radiation Effects 0.000 description 60
- 238000002560 therapeutic procedure Methods 0.000 description 31
- 238000010801 machine learning Methods 0.000 description 30
- 230000008569 process Effects 0.000 description 30
- 238000003384 imaging method Methods 0.000 description 22
- 238000003860 storage Methods 0.000 description 19
- 238000002595 magnetic resonance imaging Methods 0.000 description 14
- 238000012384 transportation and delivery Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 12
- 238000002591 computed tomography Methods 0.000 description 10
- 230000000875 corresponding effect Effects 0.000 description 7
- 230000007423 decrease Effects 0.000 description 7
- 238000004088 simulation Methods 0.000 description 7
- 210000001519 tissue Anatomy 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000004980 dosimetry Methods 0.000 description 5
- 230000002349 favourable effect Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000007408 cone-beam computed tomography Methods 0.000 description 4
- 238000012886 linear function Methods 0.000 description 4
- 239000002245 particle Substances 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 238000002604 ultrasonography Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000002059 diagnostic imaging Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000005192 partition Methods 0.000 description 3
- 238000002603 single-photon emission computed tomography Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- -1 carbon ions Chemical class 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002599 functional magnetic resonance imaging Methods 0.000 description 2
- 238000002786 image-guided radiation therapy Methods 0.000 description 2
- 150000002500 ions Chemical class 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 210000002307 prostate Anatomy 0.000 description 2
- 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 2
- 230000003439 radiotherapeutic effect Effects 0.000 description 2
- 210000000664 rectum Anatomy 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 238000012285 ultrasound imaging Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 238000012879 PET imaging Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013502 data validation Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000013535 dynamic contrast enhanced MRI Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 238000001702 information therapy Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 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
- A61N5/1048—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
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/103—Treatment planning systems
- A61N5/1038—Treatment planning systems taking into account previously administered plans applied to the same patient, i.e. adaptive radiotherapy
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/1042—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy with spatial modulation of the radiation beam within the treatment head
-
- 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
- A61N5/1042—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy with spatial modulation of the radiation beam within the treatment head
- A61N5/1045—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy with spatial modulation of the radiation beam within the treatment head using a multi-leaf collimator, e.g. for intensity modulated radiation therapy or IMRT
-
- 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
- A61N5/1065—Beam adjustment
- A61N5/1067—Beam adjustment in real time, i.e. during treatment
-
- 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
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- 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
- A61N2005/1062—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 using virtual X-ray images, e.g. digitally reconstructed radiographs [DRR]
-
- 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
- A61N2005/1085—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy characterised by the type of particles applied to the patient
- A61N2005/1087—Ions; Protons
-
- 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
- A61N5/1031—Treatment planning systems using a specific method of dose optimization
-
- 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
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Surgery (AREA)
- Urology & Nephrology (AREA)
- Radiation-Therapy Devices (AREA)
Abstract
提供了用于实时地调整对患者的放射疗法治疗的技术。该技术包括:在由放射疗法设备已经递送了放射疗法治疗剂量之后,确定给定放射疗法治疗分段内的第一时间处的患者解剖结构;检索针对给定放射疗法治疗分段的参考患者解剖结构,该参考患者解剖结构指示在给定放射疗法治疗分段内要递送的规定剂量参数;将第一时间处的患者解剖结构与给定放射疗法治疗分段期间的参考患者解剖结构进行比较;以及基于第一时间处的患者解剖结构与参考患者解剖结构的比较来调整放射疗法设备的参数,以根据在给定放射疗法治疗分段内要递送的规定剂量参数来改变在给定放射疗法治疗分段内的第一时间之后的第二时间处递送的放射疗法治疗剂量的量。
Description
优先权要求
本申请要求2019年5月15日提交的美国申请序列第16/413,555号的优先权的权益,在此通过引用将其全部内容并入本文中。
技术领域
本公开内容总体上涉及放射治疗或放射疗法。更具体地,本公开内容涉及用于在放射疗法治疗期间调整放射疗法设备的参数的系统和方法。
背景技术
放射疗法用于治疗哺乳动物(如人和动物)组织中的癌症和其他疾病。放射疗法包括基于线性粒子加速器(LINAC)的放射疗法和基于圆形粒子加速器(例如,回旋加速器、同步加速器和同步回旋加速器)的放射疗法。这样的粒子加速器通过使带电的亚原子粒子或离子沿着外部线性束线经受一系列振荡电势的作用而将这些带电的亚原子粒子或离子加速到高速。质子和诸如碳离子的较重的离子都在圆形加速器中加速。放射束的方向和形状应当被精确地控制以确保肿瘤接收规定的放射,并且束的放置应当为使得对包括特别敏感的器官——通常被称为处于危险中的器官(OAR)——的周围健康组织的损伤最小化。治疗计划可以用于控制放射束参数,并且放射疗法设备通过根据治疗计划向患者递送空间上变化的剂量分布来实现治疗。
发明内容
在一些实施方式中,提供了用于实时地调整对患者的放射疗法治疗的计算机实现的方法、非暂态计算机可读介质以及包括存储器和处理器的系统。该方法、存储指令的计算机可读介质和处理器执行如下操作,所述操作包括:在由放射疗法设备已经递送放射疗法治疗剂量之后,确定给定放射疗法治疗分段内的第一时间处的患者解剖结构;检索针对给定放射疗法治疗分段的参考患者解剖结构,该参考患者解剖结构指示在给定放射疗法治疗分段内要递送的规定剂量参数;将第一时间处的患者解剖结构与给定放射疗法治疗分段期间的参考患者解剖结构进行比较;以及基于第一时间处的患者解剖结构与参考患者解剖结构的比较来调整放射疗法设备的参数,以根据在给定放射疗法治疗分段内要递送的规定剂量参数来改变在给定放射疗法治疗分段内的第一时间之后的第二时间处递送的放射疗法治疗剂量的量。
在一些实施方式中,调整放射疗法设备的参数,同时保持在给定放射疗法治疗分段内要递送的规定剂量参数,其中,规定剂量参数包括以下中的至少一个:在给定放射疗法治疗分段内要递送至靶的规定分段剂量、在给定放射疗法治疗分段内递送至处于危险中的器官的最大剂量或者递送至处于危险中的器官的相对体积的最大剂量,该方法还包括:在整个给定放射疗法治疗分段中调整放射疗法设备的参数,使得在给定放射疗法治疗分段内的多个时间处递送的放射疗法治疗剂量的总量对应于规定剂量参数。
在一些实施方式中,该方法、存储指令的计算机可读介质和处理器执行如下操作,所述操作包括:基于所确定的第一时间处的患者解剖结构,确定患者体内的肿瘤与处于危险中的器官之间在横向上或在深度上的交叠的第一量,该交叠的第一量指示相对于处于危险中的器官对肿瘤的第一辐射照射量;以及基于参考患者解剖结构来确定患者体内的肿瘤与处于危险中的器官之间在横向上或在深度上的交叠的参考量,该交叠的参考量指示相对于处于危险中的器官对肿瘤的参考辐射照射量。在一些实现方式中,该方法、存储指令的计算机可读介质和处理器执行如下操作,所述操作包括:确定第一量小于参考量;以及响应于确定第一量小于参考量,增加在第二时间处递送的放射疗法治疗剂量的量。
在一些实现方式中,该方法、存储指令的计算机可读介质和处理器执行如下操作,所述操作包括:确定第一量大于参考量;以及响应于确定第一量大于参考量,减少在第二时间处递送的放射疗法治疗剂量的量。在一些实现方式中,该方法、存储指令的计算机可读介质和处理器执行如下操作,所述操作包括:确定第一量与参考量之间的关系(例如,比率);以及根据第一量与参考量之间的关系(例如,比率)的线性函数或二次函数来修改在第二时间处递送的放射疗法治疗剂量的量。
在一些实施方式中,该方法、存储指令的计算机可读介质和处理器执行如下操作,所述操作包括:基于所确定的第一时间处的患者解剖结构,确定患者体内的肿瘤的边界与处于危险中的器官的边界之间的第一距离;基于参考患者解剖结构来确定患者体内的肿瘤的边界与处于危险中的器官的边界之间的第二距离;以及基于第一距离与第二距离之间的偏差,增加在第二时间处递送的放射疗法治疗剂量的量。在一些实施方式中,该方法、存储指令的计算机可读介质和处理器执行如下操作,所述操作包括:基于所确定的第一时间处的患者解剖结构,来确定患者体内的肿瘤的边界与处于危险中的器官的边界之间的第一距离;基于参考患者解剖结构来确定患者体内的肿瘤的边界与处于危险中的器官的边界之间的第二距离;以及基于第一距离与第二距离之间的偏差,减少在第二时间处递送的放射疗法治疗剂量的量。
在一些实施方式中,放射疗法设备的参数包括给定时间内的剂量的量或台架旋转速度,并且该方法、存储指令的计算机可读介质和处理器执行如下操作,所述操作包括:根据每时间剂量的量参数和交叠量参数来生成每时间因数剂量的量;以及将剂量的量或台架旋转速度调整每时间因数剂量的量。在一些实现方式中,将第一时间处的患者解剖结构与参考患者解剖结构的比较的结果和交叠量参数进行比较,当结果大于交叠量参数时增加剂量的量,并且其中,当结果小于交叠量参数时减少所述剂量。
在一些实现方式中,在开始给定放射疗法治疗分段之前的计划期间或在给定放射疗法治疗分段期间,对每时间因数剂量的量和交叠量参数进行优化。在一些实现方式中,使用机器学习技术,基于多个放射疗法治疗模拟,来计算每时间剂量的量参数和交叠量参数。在一些实现方式中,基于解决优化问题来计算多叶准直器(MLC)设置、钳口准直器设置、每时间剂量的量参数或交叠量参数中的至少一个,该优化问题平衡递送至处于危险中的一个或更多个器官的放射疗法剂量的量或递送至健康组织的放射疗法剂量的量中的至少一个以及递送至肿瘤的放射疗法剂量的量。
在一些实施方式中,参数包括多叶准直器(MLC)设置和钳口准直器设置,并且该方法、存储指令的计算机可读介质和处理器执行如下操作,所述操作包括:基于根据递送至正常组织的剂量相对于递送至靶的剂量的多余量而计算的交叠量来产生准直器调整量;以及将放射疗法设备的MLC设置和钳口设置调整准直器调整量。在一些实现方式中,调整准直器设置包括:修改钳口的位置和MLC的叶片的位置以改变准直器开口的形状,基于准直器调整量来修改所述位置,其中,MLC的叶片中的一个叶片的位置被调整与MLC的叶片中的另一个叶片的位置不同的量。
在一些实施方式中,该方法、存储指令的计算机可读介质和处理器执行如下操作,所述操作包括:计算所确定的第一时间处的患者解剖结构的准确度水平;以及基于所计算的准确度水平来修改放射疗法设备参数。在一些实施方式中,该方法、存储指令的计算机可读介质和处理器执行如下操作,所述操作包括:估计在给定放射疗法治疗分段内仍然要递送的剂量的量,其中,基于所估计的仍然要递送的剂量的量来调整放射疗法设备的参数。
在一些实施方式中,放射疗法治疗剂量在第一时间处被递送至患者解剖结构中的给定区域,并且该方法、存储指令的计算机可读介质和处理器执行如下操作,所述操作包括:确定患者解剖结构中的给定区域是否将在给定放射疗法治疗分段内的另一时间处被放射疗法设备辐照;以及根据患者解剖结构中的给定区域是否将在给定放射疗法治疗分段内的另一时间处被放射疗法设备辐照的确定,来修改在第二时间处递送的放射疗法治疗剂量的量。该方法、存储指令的计算机可读介质和处理器执行如下操作,所述操作包括:基于所述另一时间更接近放射疗法治疗分段的开始还是更接近给定放射疗法治疗分段的结束来修改所述量。
在一些实施方式中,该方法、存储指令的计算机可读介质和处理器执行如下操作,所述操作包括:对放射疗法治疗计划中的分割进行重新排序,以改变在给定放射疗法治疗分段内辐照患者解剖结构的不同区域的时间。放射疗法治疗计划标识在给定放射疗法治疗分段内的第三时间处要辐照的患者解剖结构的第一区域以及在给定放射疗法治疗分段内的第四时间处要辐照的患者解剖结构的第二区域;以及在对分割进行重新排序之后,放射疗法设备在给定放射疗法治疗分段内的第四时间处辐照患者解剖结构的第一区域,并且在给定放射疗法治疗分段内的第三时间处辐照患者解剖结构的第二区域。该方法、存储指令的计算机可读介质和处理器执行如下操作,所述操作包括:在放射疗法治疗计划中添加一个或更多个分割,以执行重新扫描并增加在给定放射疗法治疗分段内辐照患者解剖结构的一个或更多个区域的时间,或者辐照患者解剖结构的与在放射疗法治疗计划中被指定要辐照的区域不同且附加的区域。
在一些实施方式中,该方法、存储指令的计算机可读介质和处理器执行如下操作,所述操作包括:计算与确定第一时间处的患者解剖结构相关联的不确定性;以及基于所计算的不确定性来修改放射疗法设备参数。
以上概述旨在提供对本专利申请的主题的概述。它不旨在提供对本发明主题的排他或详尽的说明。详细描述被包括以提供关于本专利申请的另外的信息。
附图说明
在不一定按比例绘制的附图中,贯穿若干视图,相似的附图标记描述基本上相似的部件。具有不同字母后缀的相似附图标记表示基本上相似的部件的不同实例。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献中讨论的各种实施方式。
图1示出了根据一些示例的适于执行分段内放射疗法治疗的示例性放射疗法系统。
图2示出了根据本公开内容的一些示例的示例性图像引导的放射疗法设备。
图3示出了根据本公开内容的一些示例的用于训练和使用机器学习技术来生成设备适配模型的示例性数据流。
图4至图6示出了根据本公开内容的一些示例的用于训练和使用机器学习技术来执行分段内放射疗法治疗的示例性操作的流程图。
具体实施方式
本公开内容包括通过在给定治疗分段内实时地调整放射疗法设备参数来改进和增强放射疗法治疗的各种技术。技术上的益处包括减少放射疗法治疗时间,并可能导致许多明显的医学治疗益处(包括改善的放射疗法治疗的准确性,减少的非预期辐射照射等)。所公开的技术能够适用于各种医学治疗和诊断设置或放射疗法治疗装置和设备。
本公开内容涉及在放射疗法治疗的给定分段内以保持治疗计划中指定的规定剂量的方式实时地调整放射疗法设备参数。放射疗法治疗分段是整个规定放射剂量的一个分段。例如,放射疗法治疗可能由30个独立的分段组成,一个月的疗程期间每天一个分段。在这点上,如下所述,每个放射治疗分段可以基于更新的放射治疗计划。
现有方法在治疗分段之间修改治疗计划参数和放射疗法设备参数。具体地,根据现有方法,在给定的治疗分段完成后,分析治疗信息以进行各种修改,以应用于可能在几天或几周后发生的后续治疗分段。一些现有方法通常基于实时跟踪患者运动来调整放射疗法设备的参数。然而,这样的方法在不考虑辐射对整个治疗分段的总影响的情况下调整参数(例如,基于这样的一般调整,在整个治疗分段期间有多少辐射被递送至靶或OAR),并且最终导致向肿瘤过度地递送或不足地递送辐射和/或超过OAR允许的剂量。为了优化对靶(例如,肿瘤)的放射疗法剂量递送或减少递送至OAR的辐射量,而不是等待几天或几周或通常基于患者运动调整参数,所公开的技术在同一分段期间(即,分段内)对放射疗法设备参数执行修改,同时根据规定保持靶剂量。
为了对放射疗法设备参数执行实时分段内调整,所公开的技术在由放射疗法设备已经递送放射疗法治疗剂量之后,确定给定放射疗法治疗分段内的第一时间处的患者解剖结构。检索针对给定的放射疗法治疗分段的参考患者解剖结构,该参考患者解剖结构指示要在给定的放射疗法治疗分段内递送的规定剂量参数。在给定的放射疗法治疗分段期间,将第一时间的患者解剖结构与参考患者解剖结构进行比较。基于第一时间的当前患者解剖结构与第一时间的参考(或预期)患者解剖结构的比较的结果,调整放射疗法设备的一个或一些参数。在一些实施方式中,基于指定是否在给定分段内的第二时间处增加或减少要递送的后续剂量以及增加或减少后续剂量的量的函数来调整参数。在这种方式下,调整放射疗法设备的参数,以在给定的放射疗法治疗分段内改变第一时间之后的第二时间处递送的放射疗法治疗剂量的量,同时保持要在给定的放射疗法治疗分段内递送的规定剂量参数。
具体地,规定剂量参数包括在给定的放射疗法治疗分段内要递送的规定分段剂量或在给定的放射疗法治疗分段内递送至OAR的最大剂量中的至少一个,并且在整个给定的放射疗法治疗分段内调整设备的参数,使得在给定的放射疗法治疗分段内多个时间处递送的放射疗法治疗剂量的总量对应于规定剂量参数。递送至OAR的最大剂量可以代表到小体积的剂量(例如OAR的2%接收的剂量)。也就是说,递送至OAR的最大剂量可以是OAR的大小或体积以及接受剂量的OAR的大小或体积的相对最大百分比的函数。例如,估计在给定的放射疗法治疗分段内仍要递送的剂量的量,并且基于所估计的仍要递送的剂量的量来调整放射疗法设备的参数。确定患者解剖结构中已经被辐照的给定区域是否将在给定的放射疗法治疗分段内的另一时间处被放射疗法设备辐照。根据确定患者解剖结构中的给定区域是否将在给定的放射疗法治疗分段内的另一时间处被放射疗法设备辐照来修改在第二时间或另一时间处递送的放射疗法治疗剂量的量。特别地,如果确定给定区域将在相同的放射疗法治疗分段期间被再次辐照,则在后续时间递送的放射疗法治疗剂量的量减少,但是如果确定给定区域将在相同的放射疗法治疗分段期间不被再次辐照,则在后续时间递送的放射疗法治疗剂量的量增加。
作为示例,分段内剂量可以根据在给定的分段内的随后时间递送的剂量的几何优势而改变。也就是说,如果几何形状比参考治疗计划中指示的几何形状更有利,则从治疗的当前方向、当前分割、当前部分、子治疗或子分段递送更多或更少的剂量。也就是说,在给定角度下,几何形状可能首先更有利,然后更不利,这可能导致与治疗计划相比来自该方向的剂量更多或更少。具体地,如果给定分段内的当前时间处的OAR与靶之间的交叠量小于治疗计划中的当前时间的预期交叠量,则在下一个分段内时间处递送比在治疗计划中指定的更大的剂量。作为另一示例,如果给定分段内的当前时间处的OAR与靶之间的距离大于治疗计划中的当前时间的预期距离,则在下一个分段内时间处递送比在治疗计划中指定的更大的剂量。剂量增加的量可能取决于治疗计划中针对给定分段指定的要递送的总剂量。这样,如果剂量在治疗分段内的给定时间处增加了第一量,那么在给定时间之后的治疗分段内的后续剂量递送中,剂量减少的总量等于第一量。这确保了治疗计划中规定的放射疗法剂量的总量被保持,即使剂量增加超过了治疗计划中针对治疗分段中的给定时间指定的量。在一些实施方式中,如果在治疗分段中的给定时间处递送的剂量超过治疗计划中计划的剂量,则中止治疗。
图1示出了示例性放射疗法系统100,该放射疗法系统100适于使用本文中讨论的方法中的一种或更多种来执行放射疗法计划处理操作。执行这些放射疗法计划处理操作,以使得放射疗法系统100能够基于捕获的医学成像数据和治疗剂量计算或放射疗法机器配置参数的特定方面向患者提供放射治疗。具体地,以下处理操作可以被实现为由治疗处理逻辑120实现的分段内放射疗法治疗工作流130和放射疗法设备参数适配工作流140的一部分。然而,应当理解,可以提供以下训练模型和治疗处理逻辑120的许多变化和使用情况,包括在数据验证、可视化和其他医学评估和诊断设置中提供这些变化和使用情况。
放射疗法系统100包括托管治疗处理逻辑120的放射疗法处理计算系统110。放射疗法处理计算系统110可以连接至网络(未示出),并且这样的网络可以连接至因特网。例如,网络可以将放射疗法处理计算系统110与一个或更多个医疗信息源(例如,放射信息系统(RIS)、医疗记录系统(例如,电子医疗记录(EMR)/电子健康记录(EHR)系统)、肿瘤学信息系统(OIS))、一个或更多个图像数据源150、图像获取设备170(例如,成像模式)、治疗设备180(例如,放射治疗设备,本文中也称为放射疗法设备)以及治疗数据源160连接。作为示例,放射疗法处理计算系统110可以被配置成监测当前患者几何形状以实时计算给定分段内对受试者的剂量递送(例如,根据一个或更多个MR图像),并且通过执行来自治疗处理逻辑120的指令或数据,基于计算的剂量递送与治疗计划中指定的预期的剂量递送的比较以针对后续在相同分段中递送的剂量来修改放射疗法设备的参数。
放射疗法处理计算系统110可以包括处理电路系统112、存储器114、存储设备116、以及诸如用户接口142、通信接口(未示出)等的其他硬件可操作和软件可操作的功件。存储设备116可以存储诸如操作系统、放射疗法治疗计划(例如,训练数据,诸如成对的先前患者数据,诸如诊断、规定、治疗计划策略以及分段内放射疗法设备适配策略和设备调整量等)、软件程序(例如,图像处理软件、图像或解剖可视化软件、诸如由深度学习模型、ML模型和神经网络等提供的人工智能(AI)或ML实现和算法)的暂态或非暂态计算机可执行指令以及要由处理电路系统112执行的任何其他计算机可执行指令。
在示例中,处理电路系统112可以包括处理设备,例如,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)等的一个或更多个通用处理设备。更特别地,处理电路系统112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。处理电路系统112也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设备来实现。
如本领域技术人员将认识到的,在一些示例中,处理电路系统112可以是专用处理器而不是通用处理器。处理电路系统112可以包括一个或更多个已知的处理设备,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,或者由太阳微系统公司(Sun Microsystems)制造的各种处理器中的任何处理器。处理电路系统112也可以包括图形处理单元,例如来自由NvidiaTM制造的系列的GPU,来自由IntelTM制造的GMA、IrisTM系列的GPU,或来自由AMDTM制造的RadeonTM系列的GPU。处理电路系统112还可以包括加速处理单元,例如由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标识、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”可以包括多于一个物理(基于电路系统)或基于软件的处理器,例如多核设计或各自具有多核设计的多个处理器。处理电路系统112可以执行被存储在存储器114中并且从存储设备116被访问的暂态或非暂态计算机程序指令的序列,以执行将在下面更详细地说明的各种操作、过程和方法。应当理解,系统100中的任何部件可以单独地被实现并作为独立设备进行操作,并且可以耦接至系统100中的任何其他部件以执行本公开内容中描述的技术。
存储器114可以包括只读存储器(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)、动态随机存取存储器(DRAM)例如同步DRAM(SDRAM)、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)、其他类型的随机存取存储器、高速缓冲存储器、寄存器、光盘只读存储器(CD-ROM)、数字多功能盘(DVD)或其他光学存储装置、盒式磁带、其他磁存储设备、或者可以被用来存储能够由处理电路系统112或任何其他类型的计算机设备访问的包括图像、训练数据、ML技术参数、设备适配功能、数据或者暂态或非暂态计算机可执行指令(例如,以任何格式存储)的信息的任何其他非暂态介质。例如,计算机程序指令可以由处理电路系统112访问,可以从ROM或任何其他合适的存储器位置被读取,并且可以被加载到RAM中以由处理电路系统112执行。
存储设备116可以构成包括暂态或非暂态机器可读介质的驱动单元,在该暂态或非暂态机器可读介质上存储有由本文中描述的方法或功能中的任何一个或更多个实施或利用的一个或更多个暂态或非暂态指令集和数据结构(例如,软件)(在各种示例中,包括治疗处理逻辑120和用户接口142)。在放射疗法处理计算系统110执行指令期间,指令还可以全部或至少部分地驻留在存储器114和/或处理电路系统112内,其中存储器114和处理电路系统112也构成暂态或非暂态机器可读介质。
存储器114和存储设备116可以构成非暂态计算机可读介质。例如,存储器114和存储设备116可以将用于一个或更多个软件应用的暂态或非暂态指令存储或加载在计算机可读介质上。利用存储器114和存储设备116存储或加载的软件应用可以包括例如用于通用计算机系统和软件控制的设备的操作系统。放射疗法处理计算系统110还可以操作包括用于实现治疗处理逻辑120和用户接口142的软件代码的各种软件程序。此外,存储器114和存储设备116可以存储或加载能够由处理电路系统112执行的整个软件应用、软件应用的一部分或者与软件应用相关联的代码或数据。在另一示例中,存储器114和存储设备116可以存储、加载和操纵一个或更多个放射疗法治疗计划、成像数据、分割数据、治疗可视化、直方图或测量结果、AI模型数据(例如,权重和参数)、训练数据、标记和映射数据等。可以预期,软件程序不仅可以被存储在存储设备116和存储器114上,而且还可以被存储在诸如硬盘驱动器、计算机磁盘、CD-ROM、DVD、蓝光DVD、USB闪存驱动器、SD卡、记忆棒的可移除计算机介质上或任何其他合适的介质上;也可以通过网络传送或接收这样的软件程序。
尽管未描绘,但是放射疗法处理计算系统110可以包括通信接口、网络接口卡和通信电路系统。示例通信接口可以包括例如网络适配器、线缆连接器、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,光纤、USB 3.0、雷电接口(thunderbolt)等)、无线网络适配器(例如,IEEE 802.11/Wi-Fi适配器)、电信适配器(例如,与3G、4G/LTE和5G网络等进行通信)等。这样的通信接口可以包括一个或更多个数字和/或模拟通信设备,该一个或更多个数字和/或模拟通信设备允许机器经由网络与其他机器和设备例如位于远处的部件进行通信。网络可以提供局域网(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,网络可以是可以包括其他系统(包括与医学成像或放射疗法操作相关联的附加图像处理计算系统或基于图像的部件)的LAN或WAN。
在示例中,放射疗法处理计算系统110可以从图像数据源150(例如,MR图像)获得图像数据152,以用于托管在存储设备116和存储器114上。在又一示例中,软件程序可以替代患者图像的功能诸如符号距离函数或强调图像信息的某些方面的图像的处理版本。
在示例中,放射疗法处理计算系统110可以从图像数据源150获得图像数据152或者向图像数据源150传送图像数据152。在另外的示例中,治疗数据源160接收或更新作为由分段内放射疗法治疗工作流130生成的放射疗法设备参数调整的结果的计划数据162;图像数据源150还可以提供或托管用于在分段内放射疗法治疗工作流程140中使用的图像数据152。
130.处理电路系统112可以通信地耦合至存储器114和存储设备116,并且处理电路系统112可以被配置成执行存储在其上的来自存储器114或存储设备116的计算机可执行指令。处理电路系统112可以执行指令,以使得来自图像数据152的医学图像在存储器114中被接收或获得并使用治疗处理逻辑120进行处理。
此外,如本文所讨论的,处理电路系统112可以利用软件程序生成中间数据,诸如将由神经网络模型、机器学习模型、分段内放射疗法治疗工作流130或与分段内设备参数调整的生成相关的其他方面使用的更新的参数。此外,这样的软件程序可以利用治疗处理逻辑120来实现分段内放射疗法治疗工作流130,以产生被提供至治疗数据源160以使用本文中进一步讨论的技术来修改在给定分段内递送至靶的剂量和/或在输出设备146上呈现的剂量的更新的放射疗法参数。处理电路系统112随后可以经由通信接口和网络将更新的放射疗法参数发送至治疗设备180,在治疗设备180中,更新的参数将用于使用与工作流130的结果一致的放射经由治疗设备180对患者进行治疗。软件程序和工作流130的其他输出和使用可以随着放射疗法处理计算系统110的使用而发生。放射疗法参数可以包括MLC位置和设置、台架角度、放射剂量的量(例如,监测单元(MU)的量)、放射疗法束方向、放射束大小、弧放置、束开关的持续时间、机器参数、分割、台架速度、MRI脉冲序列、它们的任意组合等。
在本文的示例中,处理电路系统112可以执行软件程序,该软件程序调用治疗处理逻辑120来实现给定分段内的设备适配模型(指定设备适配策略和/或参数调整量)的ML、深度学习、神经网络、生成式机器学习模型、生成式对抗网络和人工智能的其他方面的功能。例如,处理电路系统112可以执行根据接收到的多个患者的治疗信息来训练、分析、预测、评估和生成设备适配模型的软件程序。
在示例中,图像数据152可以包括一个或更多个MRI图像(例如,2D MRI、3D MRI、2D流式MRI、4D MRI、4D体积MRI、4D影像MRI等)、功能MRI图像(例如,fMRI、DCE-MRI、扩散MRI)、计算机断层扫描(CT)图像(例如,2D CT、2D锥形束CT、3D CT、3D CBCT、4D CT、4DCBCT)、超声图像(例如,2D超声、3D超声、4D超声)、正电子发射断层扫描(PET)图像、X射线图像、荧光镜图像、放射治疗射野图像(radiotherapy portal image)、单光子发射计算机断层扫描(SPECT)图像、计算机生成的合成图像(例如,伪CT图像)等。此外,图像数据152还可以包括医学图像处理数据或者与医学图像处理数据相关联,医学图像处理数据例如是训练图像、以及基表实况图像(ground truth image)、轮廓图像和剂量图像。在其他示例中,可以以非图像格式(例如,坐标、映射等)来表示解剖区域的等效表示。
在示例中,可以从图像获取设备170接收图像数据152,并且将该图像数据152存储在图像数据源150(例如,图片存档及通信系统(PACS)、供应者中立档案库(VNA)、医疗记录或信息系统、数据仓库等)中的一个或更多个中。因此,图像获取设备170可以包括MRI成像设备、CT成像设备、PET成像设备、超声成像设备、荧光镜设备、SPECT成像设备、集成的线性加速器和MRI成像设备、CBCT成像设备或者用于获得患者的医学图像的其他医学成像设备。图像数据152可以按图像获取设备170和放射疗法处理计算系统110可以用来执行与所公开实施方式一致的操作的任何数据类型或任何格式类型(例如,以医学数字成像和通信(DICOM)格式)被接收和存储。此外,在一些示例中,可以训练本文中讨论的模型以处理原始图像数据格式或其派生。
在示例中,图像获取设备170可以与治疗设备180集成为单个装置(例如,与线性加速器组合的MRI设备,也被称为“MRI-Linac”)。这样的MRI-Linac可以被用来例如确定患者体内靶的位置,以根据放射疗法治疗计划将线性放射治疗或圆形放射治疗准确地引导至预定靶。例如,放射疗法治疗计划可以提供关于要施加至每个患者的特定放射剂量的信息。放射疗法治疗计划还可以包括其他放射疗法信息和放射疗法设备参数,例如束角度、剂量-直方图-体积信息、在治疗期间要使用的放射束的数目、每束的剂量等。
放射疗法处理计算系统110可以通过网络与外部数据库进行通信,以发送/接收与图像处理和放射治疗操作有关的多个各种类型的数据。例如,外部数据库可以包括机器数据(包括设备约束),该机器数据提供与治疗设备180、图像获取设备170或者与放射疗法或医疗过程有关的其他机器相关联的信息。机器数据信息可以包括放射束大小、弧放置、束开关持续时间、机器参数、分割、MLC配置、台架速度、MRI脉冲序列等。外部数据库可以是存储设备并且可以配备有适当的数据库管理软件程序。此外,这样的数据库或数据源可以包括以中央方式或分布式方式定位的多个设备或系统。
放射疗法处理计算系统110可以使用一个或更多个通信接口经由网络收集并获得数据并且与其他系统进行通信,该一个或更多个通信接口通信地耦接至处理电路系统112和存储器114。例如,通信接口可以提供放射疗法处理计算系统110与放射疗法系统部件之间的通信连接(例如,允许与外部设备交换数据)。例如,在一些示例中,通信接口可以具有相对于输出设备146或输入设备148的适当的接口电路系统以连接至用户接口142,该用户接口142可以是用户可以通过其将信息输入到放射疗法系统中的硬件键盘、小键盘或触摸屏。
作为示例,输出设备146可以包括显示设备,该显示设备输出:用户接口142的表示;以及医学图像、治疗计划、以及这样的计划的训练、生成、验证或实现的状态的一个或更多个方面、可视化或表示。输出设备146可以包括一个或更多个显示屏,该一个或更多个显示屏显示医学图像、接口信息、治疗计划参数(例如,轮廓、剂量;束角度、标记、图等)、治疗计划、靶、定位靶和/或跟踪靶、或者任何与用户有关的信息。连接至用户接口142的输入设备148可以是键盘、小键盘、触摸屏或者用户可以用来向放射疗法系统100输入信息的设备。替选地,输出设备146、输入设备148以及用户接口142的功件可以被集成到诸如智能电话或平板计算机(例如,AppleLenovoSamsung等)的单个设备中。
此外,放射疗法系统100的任何部件和所有部件均可以被实现为虚拟机(例如,经由VMWare、Hyper-V等虚拟化平台)或独立设备。例如,虚拟机可以是用作硬件的软件。因此,虚拟机可以包括共同用作硬件的至少一个或更多个虚拟处理器、一个或更多个虚拟存储器以及一个或更多个虚拟通信接口。例如,放射疗法处理计算系统110、图像数据源150或类似部件可以被实现为虚拟机或被实现在基于云的虚拟化环境内。
图像获取设备170可以被配置成针对关注区域(例如,靶器官、靶肿瘤或这两者)获取患者的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)。在示例中,图像获取设备170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(sagittal orientation)、冠状取向(oronal orientation)或轴向取向。处理电路系统112可以调整一个或更多个参数,例如2D切片的厚度和/或取向,以包括靶器官和/或靶肿瘤。在示例中,可以根据诸如3DCBCT或CT或MRI体积的信息来确定2D切片。当患者正在经历放射疗法治疗时,例如当使用治疗设备180时,可以由图像获取设备170“近乎实时地”获取这样的2D切片(如本领域已知的,“近乎实时地”意味着在图像获取与治疗之间没有(或具有最小)滞后的情况下获取数据)。
机器学习(ML)算法或技术可以概括为函数逼近。由某种类型的输入-输出对组成的训练数据(例如,基于实时患者解剖结构信息调整的(一个或多个)机器参数)从例如专家临床医生处获得,并且函数被“训练”以逼近该映射。一些方法涉及神经网络。在这些方法中,选择一组参数化函数Aθ,其中θ是通过使训练数据的平均误差最小化来选择的一组参数(例如卷积核和偏差)。如果输入输出对由(xm,ym)表示,则可以通过求解诸如等式1的最小化问题来使该函数形式化:
一旦网络已经被训练(例如,θ已经被选择),函数Aθ就可以被应用于任何新的输入。例如,在上面的CT图像的分割的设置中,可以将从未见过的CT图像馈送至Aθ,并且估计与专家临床医生会发现的相匹配的分割。
简单的神经网络由各自包含计算单元或节点的输入层、中间层或隐藏层以及输出层组成。(一个或多个)隐藏层节点具有来自所有输入层节点的输入并且被连接至输出层中的所有节点。这样的网络被称为“完全连接”。每个节点根据其输入的和的非线性函数向输出节点传送信号。对于分类器,输入层节点的数目通常等于被分类到各类的一组对象中的每一个的特征的数目,并且输出层节点的数目等于类的数目。通过将已知类的对象的特征呈现给网络并通过称为反向传播的算法调整节点权重以减少训练误差来对该网络进行训练。因此,经训练的网络可以对类未知的新对象进行分类。
神经网络具有发现数据与类或回归值之间的关系的能力,并且在某些条件下,可以模拟包括非线性函数的任何函数。在ML中,假设训练数据和测试数据两者都是由相同的数据生成过程pdata生成,在该数据生成过程中,每个{xi,yi}样本都被相同且独立地分布(i.i.d)。在ML中,目标是使训练误差最小化,并使训练误差与测试误差之间的差异尽可能小。如果训练误差太大,则会发生欠拟合(Underfitting);在训练-测试误差差距太大时,会发生过拟合。两种类型的性能缺陷都与模型容量有关;大容量可能非常好地拟合训练数据,但会导致过拟合;小容量可能导致欠拟合。
分段内放射疗法治疗工作流130与治疗数据源160和/或图像数据源150进行通信,以确定在给定分段内实时修改治疗设备参数的需要。在实施方式中,分段内放射疗法治疗工作流130在该分段内的特定时间处根据比较函数f将当前患者解剖结构和/或递送至靶的当前剂量的量与在治疗计划中指定的预期解剖结构和/或剂量进行比较。基于当前解剖结构和/或量与预期解剖结构和/或量之间的偏差,分段内放射疗法治疗工作流130根据函数修改放射疗法设备的参数。该函数可以是可以指示是否基于偏差增加、减少或不调整放射疗法设备参数的任何线性表达式、二次函数表达式或其他合适的数学表达式。作为示例,在不失一般性的情况下,比较函数f可以由等式2表示:
其中,t代表给定治疗分段中的当前时间,IRT(t)代表给定治疗分段中的当前时间处的患者解剖结构,MU(t)代表在给定治疗分段中的当前时间处递送的监测单元(MU),以及Iref(MU)代表给定治疗分段的MU监测单元后的参考治疗计划的患者解剖结构。
放射疗法治疗期间(分段内)的时间t处的机器设置可以由矢量τ定义。适配策略基于参数矢量μ将比较函数f的值转换成更新的机器设置τ′。在实现方式中,机器设置可以由等式3表示:
τ′=τ′(τ,f,μ,t) (3)
τ′从适配的程度和类型方面描述了适配策略。例如,适配的类型可以指定要调整哪些放射疗法机器参数(例如,每时间剂量的量;准直器设置(例如,钳口和MLC叶片位置)、台架旋转速度和/或它们的任意组合),并且程度指定参数调整的量。在一些情况下,MLC钳口和叶片位置可以被视为独立的参数,使得以第一量来调整一个叶片和/或钳口位置,而以第二量来调整第二叶片。参数μ通过模拟、优化、机器学习或试探法进行调节。矢量τ′可以描述所有的机器设置,但是可以被简化为仅包含那些根据所选方案进行适配的机器设置。矢量τ′的分量的数学表达式可以是任何线性或非线性数学表达式,并且矢量τ′的分量可以通过求解线性或非线性优化问题来确定。在某些实现方式中,等式3的函数τ′(τ,f,μ,t)可以采取非线性系统或其他合适的数学表达式的形式。
作为治疗计划过程的一部分,参数μ通过模拟、优化、机器学习或试探法进行调节,以确定适配方案。参数μ也可以在适配时借助于模拟、优化、机器学习或试探法来确定。
在一个实施方式中,等式3的函数τ′(τ,f,μ,t)可以是线性系统,其中,i=1,……,N,以及更新的机器设置τ′i由线性函数γ1,i和γ2,i根据等式4确定:
根据等式4,当f∈[α1,i,α2,i]时,这样的间隔是其中没有对第i个机器设置进行适配的间隔,并且当时,对于相同的机器设置,适配由γ1,i和γ2,i控制。此处,μ由函数γ1,i、γ2,i中的所有参数以及常数α1,i和α2,i组成,所有i=1,……,N。针对不同的i,α1,i的值可能不同。
例如,作为τ的一部分的放射疗法设备的准直器设置(例如,MLC的钳口和叶片的位置以及叶片的位置改变的量)及其适配τ′可以与函数f的输出相关联。也就是说,比较函数f可以提供如下结果,该结果基于等式3或4的输出来指示钳口和MLC叶片位置改变准直器开口的形状所需的调整(如果有的话)。因此,由τ中的分量描述的准直器设置根据等式3进行适配。作为另一示例,台架旋转速度(由τ中的分量描述)可以类似地与函数f相关联。这样,根据等式3来适配作为τ′的一部分的适配的台架旋转速度。作为另一示例,每时间剂量的量(每单位时间剂量)(也是τ的一部分)可以类似地由函数f来关联。这样,使用等式3来确定更新的每时间剂量的量(τ′的一部分)。
分段内放射疗法治疗工作流130可以被配置成:在整个给定治疗分段跟踪放射疗法设备的参数的调整量。具体地,分段内放射疗法治疗工作流130可以检测到等式3的函数指定了对放射疗法设备的参数的给定调整(例如,增加剂量的量)。作为响应,在对治疗数据源160进行调整之前,分段内放射疗法治疗工作流130可以确定:治疗分段中直到当前时间为止递送至靶的剂量的总量是否超过治疗计划中的规定剂量。如果直到当前时间为止递送的剂量的总量没有超过规定剂量的量,则分段内放射疗法治疗工作流130可以确定:进行由等式3指定的调整是否会导致在给定的治疗分段中进行调整之后递送至靶的剂量的总量超过规定剂量的量。如果将超过规定剂量,则分段内放射疗法治疗工作流130可以暂停、终止、减少或不执行等式3中指定的修改。如果不会超过规定剂量的量,则分段内放射疗法治疗工作流130可以将等式3中指定的调整传送至治疗数据源160,以增加(或改变)剂量的量。
在一些实施方式中,分段内放射疗法治疗工作流130可以确定:在给定的治疗分段内的特定时间处,等式3指定了将导致给定的治疗分段内的递送的剂量的量相对于治疗计划中规定的量增加的参数。结果,分段内放射疗法治疗工作流130可以使治疗设备180在特定时间处递送增加的剂量的量。在特定时间之后并且对于给定的治疗分段中的后续时间,分段内放射疗法治疗工作流130可以检索治疗计划中针对后续时间规定的剂量的量。分段内放射疗法治疗工作流130可以将针对后续时间的剂量中的每个剂量减少相等或不相等的量,使得在给定分段中的后续时间处递送至靶的总剂量的量等于特定时间处剂量增加的量。这确保了即使由于在给定的治疗分段中在特定时间处应用等式3而可能导致剂量增加,在治疗分段内递送至靶的剂量的总量也保持与治疗计划中规定的剂量的总量相同。
在一些实施方式中,分段内放射疗法治疗工作流130可以确定:在给定的治疗分段内的特定时间处,等式3指定了将导致给定的治疗分段内的递送的剂量的量相对于治疗计划中规定的递送的剂量的量减少的参数。结果,分段内放射疗法治疗工作流130可以使治疗设备180在特定时间处递送减少的剂量的量。在特定时间之后并且对于给定的治疗分段中的后续时间,分段内放射疗法治疗工作流130可以检索治疗计划中针对后续时间规定的剂量的量。分段内放射疗法治疗工作流130可以将针对后续时间的剂量中的每个剂量增加相等或不相等的量,使得在给定分段中的后续时间处递送至靶的总剂量的量等于特定时间处剂量减少的量。这确保了即使在给定的治疗分段中的特定时间处剂量可以根据等式3减少,在治疗分段中递送至靶的剂量的总量仍保持与治疗计划中规定的总量相同。
在一些实施方式中,分段内放射疗法治疗工作流130可以使用实时患者解剖结构处理132来计算表示给定治疗分段中的当前时间处的患者解剖结构的IRT(t)。贯穿本公开内容,放射疗法治疗、放射治疗和放射疗法能够互换使用,并且应该理解为具有相同的含义。实时患者解剖结构处理132可以与图像获取设备170和/或治疗设备180进行通信,以在给定的治疗分段和/或放射期间观察到的剂量测定量内实时接收患者的一个或更多个图像。实时患者解剖结构处理132可以利用预定的患者运动模型来根据从图像获取设备170接收的图像计算当前患者解剖结构。实时患者解剖结构处理132可以确定等式2的结果(例如,在治疗分段中的给定时间处与OAR交叠的靶(例如,肿瘤)的量、靶的边界与OAR的边界之间的距离(例如,前列腺与直肠之间的间隔)、在放射递送期间观察到的剂量测定量、根据深度给到靶的剂量、和/或与计算的患者解剖结构相关联的不确定性)。OAR与靶之间的交叠是指从放射束的视角来看的交叠量——即相对于OAR,放射束将被递送至靶的百分比或数量。交叠越大,将递送至OAR的放射量越大,并且交叠越低,将递送至OAR的放射量越低。
在一些实施方式中,分段内放射疗法治疗工作流130可以从存储器中检索Iref(MU(t)),该Iref(MU(t))表示使用参考患者解剖结构处理134在针对给定治疗分段中的当前时间的治疗计划中指定的参考患者解剖结构。参考患者解剖结构处理134可以提供:在治疗分段中的给定时间处预期的与OAR交叠的靶(例如肿瘤)的量;靶的边界与OAR的边界之间的预期距离(例如,前列腺与直肠之间的间隔);在放射递送期间观察到的预期剂量测定量;根据深度给到靶的预期剂量;和/或与计算的患者解剖结构相关联的预期不确定性。
在一些实施方式中,分段内放射疗法治疗工作流130可以使用放射疗法设备参数适配工作流140计算等式2的函数f的输出和由等式3指定的调整(如果有的话)。具体地,放射疗法设备参数适配工作流140可以将实时患者解剖结构处理132的输出与参考患者解剖结构处理134的输出进行比较。在示例中,放射疗法设备参数适配工作流140可以将治疗分段中的给定时间处与OAR交叠的靶(例如,肿瘤)的量与当前时间的预期量进行比较。放射疗法设备参数适配工作流140可以确定:该比较是否指示由实时患者解剖结构处理132提供的当前患者解剖结构比由参考患者解剖结构处理134提供的患者解剖结构更有利。具体地,放射疗法设备参数适配工作流140可以根据等式2确定:在给定时间处与OAR交叠的靶(例如,肿瘤)的量小于由等式3的参数μ中的一个或更多个指定的预期交叠量并由此更有利。在这样的情况下,等式2的函数f的输出可以是大于0的值。放射疗法设备参数适配工作流140可以确定:在给定时间处与OAR交叠的靶(例如,肿瘤)的量大于预期的交叠并由此不太有利。在这样的情况下,等式2的函数f的输出可以是小于0的值。
适配选择工作流136可以选择治疗设备180的由等式3指定的函数f对应的参数。治疗设备180的参数可以基于由放射疗法设备参数适配工作流140获得和比较的患者解剖结构的类型。例如,当被比较的患者解剖结构的类型是与OAR交叠的靶(例如,肿瘤)的量时,适配选择工作流136可以选择剂量的量作为参数。在这样的情况下,函数f的输出可以对应于由治疗设备180递送的剂量的量。在这样的情况下,放射疗法设备参数适配工作流140可以获得等式3的参数μ中的一个或更多个,以确定在同一治疗分段中的随后时间处增加或减少剂量的量。
作为另一示例,当被比较的患者解剖结构的类型是靶与OAR的相对3D位置时(例如,OAR在束方向上是更靠近靶移动还是远离靶移动),适配选择工作流136可以选择取决于沿着束轴线的深度的剂量。也就是说,适配选择工作流136可以考虑:由于放射与组织的相互作用,剂量如何根据深度进行变化。例如,如果靶与OAR之间的深度间隔改变,那么给它们的相对剂量也改变。在这样的情况下,实时患者解剖结构处理可以利用来自放射源的光线追踪直到靶和/或OAR被击中,或者利用测量距靶表面的欧几里德距离的距离变换。在其他一些情况下,为了计算剂量的变化,可以确定靶与(一个或多个)OAR的相对深度。具体地,将距OAR的所有点的距离投影到等中心平面上,或者只投影某个感兴趣的点的距离。函数f的输出可以对应于由治疗设备180根据深度递送的剂量的变化。在这样的情况下,放射疗法设备参数适配工作流140可以从等式3的μ获得一个或更多个参数,以确定在相同治疗分段中的随后时间处根据深度对剂量增加或减少的量。
作为另一示例,当被比较的患者解剖结构的类型是相对于预期剂量测定(由参考患者解剖结构处理134提供)的当前剂量测定(由实时患者解剖结构处理132提供)时,适配选择工作流136可以选择暂停辐照或者切换到治疗计划中的另一分割(例如,给定分段内的治疗的一部分)作为参数。在这样的情况下,函数τ′的输出可以对应于是否暂停放射和/或跳至分段中的哪个分割或时间的决定。在暂停放射的情况下,等式3的输出可以指定暂停的放射在该分段中的稍后时间或分割处恢复(例如,当情况相对于治疗计划中预期的情况更有利或处于该分段的结束处时)。根据该示例,在治疗计划中针对给定分段指定的辐照顺序可以相对于当前患者几何形状重新排序,从而以使对靶的辐射照射最大化并且使对OAR的照射最小化的最有利和最佳的方式实施治疗计划。在一些实现方式中,代替或除了对辐照序列重新排序之外,适配选择工作流136可以选择将治疗计划中规定的辐照划分为n次,其中每次将部分分割的MU设置为MU分割/n。MU分割指定分段内的给定分割中的MU的量。也就是说,以与分割重复的次数n的数目对应的量减少治疗计划中指定的每个分割中的辐射量。这样,保持了由治疗计划指定的递送至靶的辐射量。具体地,治疗计划可以指定在特定分割处递送的辐射MU的量,并且将该量除以重复总数n。因为同一分割将接收n次被划分的辐射量,所以该分割将在该分段结束时接收指定的辐射MU的量。此外,适配选择工作流136可以将一个或更多个分割添加到放射疗法治疗计划中,以执行重新扫描并增加在给定放射疗法治疗分段内辐照患者解剖结构的一个或更多个区域的时间,或者辐照患者解剖结构的与在放射疗法治疗计划中被指定要辐照的区域不同且附加的区域。
作为另一示例,适配选择工作流136可以根据在给定分段内仍然要递送至已经被辐照的特定区域或另一区域的剂量的量的估计来选择在该分段中的下一相邻或非相邻时间递送的剂量。也就是说,适配选择工作流136可以考虑在治疗计划中针对给定分段仍有多少总剂量要被递送,并将该剂量与在给定分段内已经递送了多少剂量进行比较。适配选择工作流136可以响应于确定仍要递送至该区域的估计的剩余剂量小于阈值而增加在该分段中的下一相邻或非相邻时间递送的剂量,或者可以响应于确定仍要递送至该区域的估计的剩余剂量大于阈值而减少在该分段中的下一相邻或非相邻时间递送的剂量。适配选择工作流136还可以在进行调整时考虑分段中的下一相邻或非相邻时间是更接近分段的开始还是更接近分段的结束(例如,在分段的开始/结束的指定数目的辐照间隔内)。例如,放射疗法治疗剂量可以在第一时间处被递送至患者解剖结构中的给定区域,并且适配选择工作流136确定患者解剖结构中的给定区域是否将在给定的放射疗法治疗分段内的另一时间处被放射疗法设备辐照。适配选择工作流136根据患者解剖结构中的给定区域是否将在给定的放射疗法治疗分段内的另一时间处被放射疗法设备辐照的确定来修改在第二时间处递送的放射疗法治疗剂量的量。
在一些实施方式中,响应于确定在随后的时间处(例如,在随后的分割处)的剂量将被减少(例如,因为靶与OAR之间的交叠大于预期),放射疗法设备参数适配工作流140可以确定:在治疗计划中,治疗分段中的在随后的时间之后的剩余分割集合是否将向靶递送剂量。如果否,则即使存在将OAR暴露于辐射的高风险,也可以防止剂量降低。在这种方式下,如果肿瘤的使用治疗计划的当前分割治疗的部分将不会从任何后续递送中接收剂量,则即使OAR被辐照,肿瘤的该部分也不会被阻止接收辐射(或者每时间剂量的量不会减少如等式3所指定的量)。通过分析由治疗设备180输出的束形状是否与肿瘤的被考虑的部分交叠,可以确定对治疗分段中来自随后递送的剂量的估计。
作为另一示例,当被比较的患者解剖结构的类型是与OAR交叠的靶(例如,肿瘤)的量时,适配选择工作流136可以选择MLC设置作为适配参数。在这样的情况下,等式3的函数τ′的输出之一可以对应于治疗设备180的准直器设置调整(例如,由MLC的钳口和叶片的位置限定的准直器开口的形状)。在这样的情况下,放射疗法设备参数适配工作流140可以从等式3的μ的一个或更多个参数获得参数,以确定在相同的治疗分段中的后续时间处对MLC设置的单个叶片或叶片的集合的位置进行移动或改变的量。
作为另一示例,当被比较的患者解剖结构的类型是由实时患者解剖结构处理132提供的患者解剖结构的不确定性时,适配选择工作流136可以选择每时间剂量的量(或等式3的任何其他放射疗法参数)作为适配参数。具体地,实时患者解剖结构处理132可以根据各自与某种程度的不确定性相关联的2D MR、2D X射线或X射线投影、X射线或转发器上可见的标记来确定当前患者解剖结构。在这样的情况下,等式3的函数τ′的输出可以对应于基于相对于由参考患者解剖结构处理134指定的预期的不确定性水平的当前不确定性水平的治疗设备180的每时间剂量的量。在这样的情况下,放射疗法设备参数适配工作流140可以从等式3的μ中获得一个或更多个参数,以确定在相同治疗分段中的后续时间处要使每时间剂量的量增加或减少的量。根据该示例,如果靶结构不确定,则可以使由等式3计算的适配更具限制性以减少参数的调整,或完全避免调整以不引起剂量不足。如果不确定性高,则可以应用针对等式3的更保守的适配策略。
适配选择工作流136可以利用ML技术来计算等式2和/或等式3的函数的各种参数。下面结合图3描述这样的技术。具体地,适配选择工作流136可以利用通过多次治疗模拟进行的一些启发式穷举搜索或解决优化问题来确定等式2和等式3的参数(具体地是参数μ)。可以设置优化问题来平衡放射疗法的权衡(例如,给到靶的剂量与给到OAR的剂量)。
图2示出了示例性图像引导的放射治疗设备202,其包括诸如X射线源或线性加速器的放射源、床216、成像检测器214和放射治疗输出部204。放射治疗设备202可以被配置成发射放射治疗束208以向患者提供治疗。放射治疗输出部204可以包括一个或更多个衰减器或准直器,例如多叶准直器(MLC)。
作为示例,患者可以被定位在由治疗床216支承的区域212中,以根据放射疗法治疗计划接收放射治疗剂量。放射治疗输出部204可以安装或附接至台架206或其他机械支承件。当床216插入到治疗区域中时,一个或更多个底盘马达(未示出)可以使台架206和放射治疗输出部204绕床216旋转。在示例中,当床216插入到治疗区域中时,台架206可以绕床216连续地可旋转。在另一示例中,当床216插入到治疗区域中时,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部204绕轴(“A”)旋转。床216和放射治疗输出部204两者均能够独立地移动至患者周围的其他位置,例如,能够在横向方向(“T”)上移动、能够在侧向方向(“L”)上移动,或者绕一个或更多个其他轴的旋转,例如绕横向轴(被表示为“R”)旋转。通信地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,以根据放射疗法治疗计划将患者适当地定位在放射治疗束208中或放射治疗束208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,这使得患者能够被定位成使得放射治疗束208可以精确地靶向肿瘤。
坐标系(包括轴A、轴T和轴L)可以具有位于等中心210处的原点。等中心210可以被定义为如下位置,在该位置处,放射治疗束208的中心轴与坐标轴的原点相交,例如以将规定的放射剂量递送至患者身上的位置或患者体内的位置。替选地,等中心210可以被定义为如下位置,在该位置处,对于如由台架206定位的放射治疗输出部204绕轴A的各种旋转位置,放射治疗束208的中心轴与患者相交。
台架206还可以具有附接的成像检测器214。成像检测器214优选地与放射源(例如输出部204)相对地定位,并且在示例中,成像检测器214可以位于放射治疗束208的场内。成像检测器214可以安装在台架206上,优选地与放射治疗输出部204相对,例如以保持与放射治疗束208对准。随着台架206旋转,成像检测器214绕旋转轴旋转。在示例中,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可以被用来监测治疗束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)。放射治疗设备202的控制电路系统可以集成在放射疗法系统100内或者远离放射疗法系统100。
在说明性示例中,可以自动定位床216、治疗输出部204或台架206中的一个或更多个,并且治疗输出部204可以根据特定治疗递送实例的指定剂量来创建放射治疗束208。可以根据放射疗法治疗计划例如使用台架206、床216或治疗输出部204的一个或更多个不同的取向或位置,来指定治疗递送的序列。治疗递送可以顺序地发生,但是可以在患者身上或在患者体内的期望治疗位点处例如在等中心210处交叉。由此,可以将放射治疗的规定的累积剂量递送至治疗位点,同时可以减少或避免对治疗位点附近的组织的损害。
因此,图2具体示出了放射治疗设备202的示例,该放射治疗设备202能够操作成:向患者提供符合在给定分段内调整的放射疗法治疗计划以及设备的参数的放射疗法治疗,或者根据在给定分段内调整的放射疗法治疗计划以及设备的参数来向患者提供放射疗法治疗,该放射治疗设备202具有其中放射治疗输出部可以围绕中心轴(例如轴“A”)旋转的配置。可以使用其他放射治疗输出配置。例如,放射治疗输出可以安装到具有多个自由度的机械臂或机械手上。在又一示例中,治疗输出部可以是固定的,例如位于与患者横向分离的区域中,并且支承患者的平台可以用于将放射治疗等中心与患者体内的指定的靶位点对准。在另一示例中,放射治疗设备可以是线性加速器和图像获取设备的组合。在一些示例中,如本领域普通技术人员将认识到的,图像获取设备可以是MRI、X射线、CT、CBCT、螺旋CT、PET、SPET、光学断层扫描、荧光成像、超声成像或放射疗法门脉成像设备等。
图3示出了根据本公开内容的一些示例的用于训练和使用机器学习技术来生成设备适配模型和/或确定放射疗法设备参数的示例性数据流,该示例性数据流包括根据优化问题计算这样的参数。数据流包括训练输入310、设备适配模型训练330和设备适配模型使用350。经训练的设备参数适配模型360提供等式2和等式3的函数的一个或更多个参数。例如,经训练的设备参数适配模型360提供参数μ,并且可以提供被输出以用于调整的放射疗法设备参数(τ′)。
训练输入310包括设备适配模型参数312和训练数据320,训练数据320可以包括成对的训练数据集322(例如,输入-输出训练对)和约束326。设备适配模型参数312存储或提供用于计算和提供针对给定患者的参数μ的机器学习技术Aθ的参数或系数。在训练期间,根据基于训练数据集322的输入-输出训练对的优化问题来适配或计算这些参数312。在参数312被适配之后(在训练之后),参数312被经训练的设备参数适配模型360用来在新的治疗数据集370(例如,针对新患者的新的患者信息集)上实现经训练的机器学习技术Aθ。成对的数据集322可以指定每个患者的治疗信息和用于治疗给定患者的相应的分段内放射疗法参数适配策略和/或参数调整量的关系对。例如,成对的数据集322可以指定当靶-OAR交叠在一定量(例如,适配策略)内时在针对特定患者的治疗分段中的给定时间处增加或减少的剂量的量(例如,参数调整量)。
训练数据320包括约束326,约束326可以限定给定的放射疗法设备的物理约束。这些约束326用于根据优化问题将估计的分段内放射疗法模型参数适配于给定模拟中使用的或针对给定患者或患者组使用的实际对应参数。成对的数据集322可以包括第一组输入-输出对诸如给定的一组先前的患者输入参数(例如,MR图像)以及定义分段内放射疗法参数类型和调整量的对应的分段内放射疗法参数适配策略μ。
设备适配模型训练330基于成对的数据集322的输入-输出对并根据优化问题来训练机器学习技术Aθ。例如,设备适配模型训练330可以通过使基于训练患者输入数据的第一损失函数和表示多个患者的分段内放射疗法参数适配策略的等式2或等式3参数的函数最小化来训练设备适配模型参数312。例如,参数适配策略可以对应于基于靶-OAR交叠对剂量进行修改。在这样的情况下,参数适配策略可以估计μ的参数,以控制在给定分段的后续时间或分割中增加还是减少相应的剂量。设备适配模型训练330可以通过使基于训练患者输入数据的第二损失函数和表示多个患者的分段内放射疗法参数调整量的等式2或等式3参数的函数最小化来训练设备适配模型参数312。例如,参数适配策略可以对应于基于肿瘤的边界与OAR的边界之间的距离来修改剂量。在这样的情况下,参数适配策略可以估计μ的参数的值,以控制在给定分段的后续时间或分割中增加或减少相应的剂量的量。对针对多组训练数据的这些损失函数进行最小化的结果训练、适配或优化了设备适配模型参数312。以这种方式,机器学习技术被训练成建立特定类型的输入参数与分段内函数参数之间的关系。
在一些实施方式中,设备适配模型训练330通过检索训练患者的训练成像信息来训练机器学习技术,其中训练成像信息表示训练放射疗法治疗分段期间的多个患者解剖结构。检索用于训练放射疗法治疗分段的参考训练患者解剖结构。由训练成像信息表示的多个患者解剖结构中的每一个与参考训练患者解剖结构配对。设备适配模型训练330通过模拟在整个训练放射疗法治疗分段中递送至训练患者的剂量,针对训练放射疗法治疗分段建立用于该功能的训练放射疗法治疗分段的基本真实分段内放射疗法治疗参数。设备适配模型训练330确定多个患者解剖结构中的给定的一个患者解剖结构与在训练放射疗法治疗分段中的给定点处的参考训练患者解剖结构之间的偏差。设备适配模型训练330在给定点处存在所确定的偏差的情况下标识在训练放射疗法治疗分段中使用的一个或更多个分段内放射疗法治疗参数的给定集合。设备适配模型训练330基于所标识的一个或更多个分段内放射疗法治疗参数的给定集合与基本真实分段内放射疗法治疗参数之间的偏差来训练机器学习技术。
在训练机器学习技术Aθ之后,可以接收包括一个或更多个患者输入参数(例如,MR图像、医学图像、与患者相关联的感兴趣的对象的分割信息、诊断或剂量规定信息)的新的治疗数据370。经训练的机器学习技术Aθ可以应用于新的治疗数据370,以生成所生成的结果380,该生成的结果380包括分段内放射疗法函数参数(例如,等式2和等式3)的一个或更多个参数。以这种方式,在具有相同诊断、规定、治疗计划策略和等式2和等式3的参数选择的许多患者已经被治疗之后,等式3的结果分布可以被分析并用于治疗具有相似条件或情况的新的患者。在实施方式中,设备适配模型可以被训练成找到适合同一组的大多数患者的分类解决方案(例如,使用ML技术或其他合适的过程),这使得可以避免针对单个患者调节参数。等式2和等式3的参数也可以通过将当前患者信息与先前治疗的患者进行比较并提取用于治疗这些患者的等式2和等式3的相应参数来确定。
图4是示出根据示例实施方式的在执行过程400时治疗处理逻辑120的示例操作的流程图。过程400可以体现为由一个或更多个处理器执行的计算机可读指令,使得过程400的操作可以部分地或全部地由治疗处理逻辑120的功能组件来执行;因此,过程400在下面通过参考其的示例的方式来描述。然而,在其他实施方式中,过程400的操作中的至少一些操作可以部署在各种其他硬件配置上。因此,过程400并不旨在限于治疗处理逻辑120,而是可以全部地或部分地由任何其他组件来实现。过程400的操作中的一些或所有操作可以并行、无序或被完全省略。
在操作410处,治疗处理逻辑120接收训练数据。例如,治疗处理逻辑120接收训练数据320,该训练数据320可以包括成对的训练数据集322(例如,输入-输出训练对)。
在操作420处,治疗处理逻辑120接收用于训练模型的约束。例如,治疗处理逻辑120接收约束326。
在操作430处,治疗处理逻辑120根据设备适配模型训练330执行模型的训练。
在操作450处,治疗处理逻辑120输出经训练的模型。例如,治疗处理逻辑120输出对新的一组治疗数据370进行操作以执行分段内放射疗法设备参数调整的经训练的设备参数适配模型360。
在操作460处,治疗处理逻辑120利用经训练的模型来生成设备适配参数。
图5是示出根据示例实施方式的在执行过程500时治疗处理逻辑120的示例操作的流程图。过程500可以体现为由一个或更多个处理器执行的计算机可读指令,使得过程500的操作可以部分地或全部地由治疗处理逻辑120的功能组件来执行;因此,过程500在下面通过参考其的示例的方式来描述。然而,在其他实施方式中,过程500的操作中的至少一些操作可以部署在各种其他硬件配置上。因此,过程500并不旨在限于治疗处理逻辑120,而是可以全部地或部分地由任何其他组件来实现。过程500的操作中的一些或所有操作可以并行、无序或被完全省略。
在操作530处,治疗处理逻辑120在放射疗法设备已经递送放射疗法治疗剂量之后,确定给定放射疗法治疗分段内的第一时间处的患者解剖结构。
在操作550处,治疗处理逻辑120检索针对给定的放射疗法治疗分段的参考患者解剖结构,该参考患者解剖结构指示要在给定的放射疗法治疗分段内递送的规定剂量参数。
在操作560处,治疗处理逻辑120将第一时间处的患者解剖结构与给定的放射疗法治疗分段期间的参考患者解剖结构进行比较。
在操作570处,治疗处理逻辑120基于第一时间处的患者解剖结构与参考患者解剖结构的比较来调整放射疗法设备的参数,以在给定的放射疗法治疗分段内改变在第一时间之后的第二时间处递送的放射疗法治疗剂量的量,同时保持要在给定的放射疗法治疗分段内递送的规定剂量参数。
图6是示出根据示例实施方式的在执行过程600时治疗处理逻辑120的示例操作的流程图。过程600可以体现为由一个或更多个处理器执行的计算机可读指令,使得过程600的操作可以部分地或全部地由治疗处理逻辑120的功能组件来执行;因此,过程600在下面通过参考其的示例的方式来描述。然而,在其他实施方式中,过程600的操作中的至少一些操作可以部署在各种其他硬件配置上。因此,过程600并不旨在限于治疗处理逻辑120,而是可以全部地或部分地由任何其他组件来实现。过程600的操作中的一些或所有操作可以并行、无序或被完全省略。
在操作630处,治疗处理逻辑120接收表示针对多个患者的分段内放射疗法参数适配策略和量的函数的输入参数。例如,治疗处理逻辑120接收设备训练数据320,该设备训练数据320包括针对一个或更多个患者或模拟的等式2和等式3的参数以及针对每个患者的治疗信息。成对的数据可以指定每个患者的治疗信息与用于治疗给定患者的相应分段内放射疗法参数适配策略和/或参数调整量的关系对。例如,在训练放射疗法治疗剂量已经由放射疗法设备递送之后在训练放射疗法治疗分段内的第一时间处获得训练患者解剖结构,并且计算第一时间处的训练患者解剖结构与训练放射疗法治疗分段期间的参考训练患者解剖结构之间的偏差。例如,计算的偏差可以表示训练患者体内的肿瘤与训练患者体内的处于危险中的器官之间的交叠量和/或训练患者体内的肿瘤的边界与训练患者体内的处于危险中的器官的边界之间的距离。参考训练患者解剖结构指示要在训练放射疗法治疗分段内递送的规定训练剂量参数。
在操作650处,治疗处理逻辑120使用机器学习技术来处理输入参数,以估计机器设置τ′的适配的参数μ。例如,治疗处理逻辑120通过使基于训练患者输入数据的第一损失函数和表示针对多个患者的分段内放射疗法参数适配策略的等式2或等式3参数的函数最小化来训练设备适配模型参数312。设备适配模型训练330可以通过使基于训练患者输入数据的第二损失函数和表示多个患者的分段内放射疗法参数调整量的等式2或等式3参数的函数最小化来训练设备适配模型参数312。作为示例,计算的偏差被应用于机器学习模型,以估计基于一个或更多个分段内放射疗法治疗参数(例如,参数μ)提供放射疗法设备参数调整的函数的一个或更多个分段内放射疗法治疗参数(例如,机器设置τ′的适配的参数μ),并且机器学习模型被训练成建立计算的偏差与一个或更多个分段内放射疗法治疗参数之间的关系。
在操作660处,治疗处理逻辑120提供针对新患者的分段内放射疗法设备参数调整的函数的估计参数。例如,设备适配模型参数312被提供为经训练的设备参数适配模型360以作为等式2或等式3的参数来应用,从而在针对新患者的给定分段内执行放射疗法设备参数的实时调整。
如先前所讨论的,各个电子计算系统或设备可以实现如本文中所讨论的方法或功能操作中的一个或更多个。在一个或更多个实施方式中,放射疗法处理计算系统110可以被配置、适配成或用于控制或操作图像引导的放射治疗设备202、执行或实现根据模型300的训练或预测操作、操作经训练的设备适配模型360、执行或实现流程图400至600的操作、或执行本文中讨论的其他方法中的任何一种或更多种(例如,作为治疗处理逻辑120和工作流130的一部分)。在各种实施方式中,这样的电子计算系统或设备作为独立设备进行操作或者可以连接(例如,联网)至其他机器。例如,这样的计算系统或设备可以在服务器-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,或者在对等式(或分布式)网络环境中作为对等机器进行操作。计算系统或设备的特征可以由个人计算机(PC)、平板PC、个人数字助理(PDA)、蜂窝电话、web设备或者能够执行指定要由该机器执行的动作的指令(顺序地或以其他方式)的任何机器来实施。
如上面也已指示的,以上讨论的功能可以通过机器可读介质上的指令、逻辑或其他信息存储来实现。虽然可能已经在各种示例中按照单个介质描述了机器可读介质,但是术语“机器可读介质”可以包括存储一个或更多个暂态或非暂态指令或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/或相关联的高速缓冲存储器和服务器)。术语“机器可读介质”也应当被认为包括任何有形介质,该有形介质能够存储、编码或携载用于由机器执行并且使机器执行本发明主题的方法中的任何一种或更多种的暂态或非暂态指令,或者该有形介质能够存储、编码或携载由这样的指令利用或与这样的指令相关联的数据结构。
以上详细描述包括对附图的参照,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其中可以实践本发明主题的具体实施方式。这些实施方式在本文中也被称为“示例”。这样的示例可以包括除了示出的或描述的元素之外的元素。然而,本公开内容还预期仅提供示出的或描述的那些元素的示例。此外,本公开内容还预期使用关于特定示例(或者特定示例的一个或更多个方面)或关于在本文中示出或描述的其他示例(或者其他示例的一个或更多个方面)示出的或描述的那些元素(或者那些元素的一个或更多个方面)的任何组合或排列的示例。
本文献中提及的所有出版物、专利和专利文献通过引用整体并入本文,如同通过引用单独地并入一样。如果在本文献与通过引用并入的那些文献之间存在不一致用法,则并入的参考文献中的用法应当被视为对本文献的用法的补充;对于矛盾的不一致之处,以本文献中的用法为准。
在本文献中,在介绍本发明主题或其实施方式中的元素或方面时,如在专利文献中常见的那样,使用术语“一(a)”、“一个(an)”、“该(the)”和“所述(said)”以包括元素中的一个或多于一个或更多个元素,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。在本文献中,除非另有说明,否则术语“或”被用来指代非排他性或,使得“A或B”包括“A而非B”、“B而非A”以及“A和B”。
在所附权利要求中,术语“包含(including)”和“其中(in which)”被用作相应术语“包括(comprising)”和“其中(wherein)”的普通英语等同物。此外,在以下权利要求中,术语“包含(comprising)”、“包括(including)”和“具有(having)”旨在是开放式的以意指除了所列元素之外可能存在另外的元素,使得在权利要求中的这样的术语(例如,包括、包含、具有)之后的仍被认为落入该权利要求的范围内。此外,在以下权利要求中,术语“第一”、“第二”以及“第三”等仅用作标记,并且不旨在对其对象施加数值要求。
本发明主题还涉及被适配、配置或操作用于执行本文中的操作的计算系统。该系统可以是针对所需目的而专门构造的,或者该系统可以包括通过存储在计算机中的计算机程序(例如,指令、代码等)选择性地启动或重新配置的通用计算机。除非另有说明,否则本文中示出和描述的本发明的实施方式中的操作的运行或执行的顺序不是必须的。即,除非另有说明,否则可以以任何顺序来执行操作,并且与本文公开的操作相比,本发明的实施方式可以包括另外的或更少的操作。例如,预期以下落入本发明的各个方面的范围内: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。
发明主题。鉴于以上内容,将看到,实现了本发明主题的一些目的并且获得了其他有益结果。已经详细描述了本发明主题的各方面,将明显的是,在不脱离如所附权利要求中限定的本发明主题的方面的范围的情况下,修改和变化是可能的。由于可以在不脱离本发明主题的各方面的范围的情况下对上述构造、产品和方法作出各种改变,因此意图以上描述中所包含的并且在附图中示出的所有内容应当被解释为说明性的而非限制性的意义。
本文中描述的示例可以在各种各样的实施方式中实现。例如,一个实施方式包括计算设备,该计算设备包括处理硬件(例如,处理器或其他处理电路系统)和存储器硬件(例如,存储设备或易失性存储器),存储器硬件包括在其上实现的指令,使得该指令在由处理硬件执行时使计算设备实现、执行或协调用于这些技术和系统配置的电子操作。本文中讨论的另一实施方式包括例如可以由机器可读介质或其他存储设备实现的计算机程序产品,该计算机程序产品提供用于实现、执行或协调用于这些技术和系统配置的电子操作的暂态或非暂态指令。本文中讨论的另一实施方式包括方法,该方法能够在计算设备的处理硬件上操作以实现、执行或协调用于这些技术和系统配置的电子操作。
在其他实施方式中,可以在包括关于诸如台式计算机或笔记本个人计算机的计算系统、诸如平板计算机、上网本和智能电话的移动设备、客户端终端和服务器托管的机器实例等的任何数目的形式因素的分布式或集中式计算系统中提供实现上述电子操作的各方面的逻辑、命令或者暂态或非暂态指令。本文中讨论的另一实施方式包括将本文中讨论的技术合并到其他形式中,包括其他形式的编程逻辑、硬件配置或者专用的部件或模块,包括具有执行这样的技术的功能的各个器件的装置。用于实现这样的技术的功能的各个算法可以包括上述电子操作中的一些或全部的序列或者在附图和以上具体实施方式中所描绘的其他方面。
以上描述旨在是说明性的,而不是限制性的。例如,上述示例(或示例的一个或更多个方面)可以彼此组地使用。另外,在不脱离本公开内容的范围的情况下,可以作出许多修改以使特定情况或材料适应本公开内容的教导。虽然本文中描述的材料的尺寸、类型和示例参数、功能以及实现方式旨在限定本发明主题的参数,但是它们绝不是限制性的,而是示例性实施方式。在回顾以上描述之后,许多其他实施方式对本领域技术人员而言将是明显的。因此,应当参照所附权利要求连同这些权利要求所赋予的等同物的全部范围来确定本发明主题的范围。
此外,在以上详细描述中,各种特征可以被分组在一起以使本公开内容简单化。这不应当被解释为意在未要求保护的公开特征对于任何权利要求而言是必要的。而是,发明主题可能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详细描述中,其中每个权利要求自身独立地作为单独的实施方式。本发明的范围应该参照所附权利要求以及这样的权利要求的等同物的全部范围来确定。
Claims (28)
1.一种用于实时地调整对患者的放射疗法治疗的方法,所述方法包括:
在由放射疗法设备已经递送放射疗法治疗剂量之后,由处理器电路系统确定给定放射疗法治疗分段内的第一时间处的患者解剖结构;
由所述处理器电路系统检索针对所述给定放射疗法治疗分段的参考患者解剖结构,所述参考患者解剖结构指示在所述给定放射疗法治疗分段内要递送的规定剂量参数;
由所述处理器电路系统将所述第一时间处的患者解剖结构与所述给定放射疗法治疗分段期间的参考患者解剖结构进行比较;以及
由所述处理器电路系统基于所述第一时间处的患者解剖结构与所述参考患者解剖结构的比较来调整所述放射疗法设备的参数,以根据在所述给定放射疗法治疗分段内要递送的规定剂量参数来改变在所述给定放射疗法治疗分段内的第一时间之后的第二时间处递送的放射疗法治疗剂量的量。
2.根据权利要求1所述的方法,其中,调整所述放射疗法设备的参数,同时保持在所述给定放射疗法治疗分段内要递送的规定剂量参数,其中,所述规定剂量参数包括以下中的至少一个:在所述给定放射疗法治疗分段内要递送至靶的规定分段剂量、在所述给定放射疗法治疗分段内递送至处于危险中的器官的最大剂量或者递送至所述处于危险中的器官的相对体积的最大剂量,所述方法还包括:在整个所述给定放射疗法治疗分段中调整所述放射疗法设备的参数,使得在所述给定放射疗法治疗分段内的多个时间处递送的放射疗法治疗剂量的总量对应于所述规定剂量参数。
3.根据权利要求1所述的方法,还包括:
基于所确定的所述第一时间处的患者解剖结构,确定所述患者体内的肿瘤与处于危险中的器官之间在横向上或在深度上的交叠的第一量,所述交叠的第一量指示相对于所述处于危险中的器官对所述肿瘤的第一辐射照射量;以及
基于所述参考患者解剖结构来确定所述患者体内的肿瘤与所述处于危险中的器官之间在横向上或在深度上的交叠的参考量,所述交叠的参考量指示相对于所述处于危险中的器官对所述肿瘤的参考辐射照射量。
4.根据权利要求3所述的方法,还包括:
确定所述第一量小于所述参考量;以及
响应于确定所述第一量小于所述参考量,增加在所述第二时间处递送的放射疗法治疗剂量的量。
5.根据权利要求3所述的方法,还包括:
确定所述第一量大于所述参考量;以及
响应于确定所述第一量大于所述参考量,减少在所述第二时间处递送的放射疗法治疗剂量的量。
6.根据权利要求3所述的方法,还包括:
确定所述第一量与所述参考量之间的关系;以及
根据所述第一量与所述参考量之间的关系来修改在所述第二时间处递送的放射疗法治疗剂量的量。
7.根据权利要求1所述的方法,还包括:
基于所确定的所述第一时间处的患者解剖结构,确定所述患者体内的肿瘤的边界与处于危险中的器官的边界之间的第一距离;
基于所述参考患者解剖结构来确定所述患者体内的肿瘤的边界与所述处于危险中的器官的边界之间的第二距离;以及
基于所述第一距离与所述第二距离之间的偏差,增加在所述第二时间处递送的放射疗法治疗剂量的量。
8.根据权利要求1所述的方法,还包括:
基于所确定的所述第一时间处的患者解剖结构,确定所述患者体内的肿瘤的边界与处于危险中的器官的边界之间的第一距离;
基于所述参考患者解剖结构来确定所述患者体内的肿瘤的边界与所述处于危险中的器官的边界之间的第二距离;以及
基于所述第一距离与所述第二距离之间的偏差,减少在所述第二时间处递送的放射疗法治疗剂量的量。
9.根据权利要求1所述的方法,其中,所述规定剂量参数包括给定时间内的剂量的量或台架旋转速度,并且其中,调整所述放射疗法设备的参数包括:
根据每时间剂量的量参数和交叠量参数来生成每时间因数剂量的量;以及
将所述剂量的量或所述台架旋转速度调整所述每时间因数剂量的量。
10.根据权利要求9所述的方法,还包括:将所述第一时间处的患者解剖结构与所述参考患者解剖结构的比较的结果和所述交叠量参数进行比较,其中,当结果大于所述交叠量参数时增加所述剂量的量,并且其中,当结果小于所述交叠量参数时减少所述剂量。
11.根据权利要求9所述的方法,其中,在开始所述给定放射疗法治疗分段之前的计划期间或在所述给定放射疗法治疗分段期间,对所述每时间因数剂量的量和所述交叠量参数进行优化。
12.根据权利要求10所述的方法,其中,基于解决优化问题来计算多叶准直器(MLC)设置、钳口准直器设置、所述每时间剂量的量参数或所述交叠量参数中的至少一个,所述优化问题平衡递送至处于危险中的器官的放射疗法剂量的量或递送至健康组织的放射疗法剂量的量中的至少一个以及递送至肿瘤的放射疗法剂量的量。
13.根据权利要求1所述的方法,其中,所述放射疗法设备的参数包括多叶准直器(MLC)设置和钳口准直器设置,并且其中,调整所述参数包括:
基于根据递送至正常组织的剂量相对于递送至靶的剂量的多余量而计算的交叠量来产生准直器调整量;以及
将所述放射疗法设备的MLC设置和钳口设置调整所述准直器调整量。
14.根据权利要求13所述的方法,其中,调整所述准直器设置包括:修改钳口的位置和MLC的叶片的位置以改变准直器开口的形状,基于所述准直器调整量来修改所述位置,其中,所述MLC的叶片中的一个叶片的位置被调整与所述MLC的叶片中的另一个叶片的位置不同的量。
15.根据权利要求1所述的方法,还包括:
计算所确定的所述第一时间处的患者解剖结构的准确度水平;以及
基于所计算的准确度水平来修改所述放射疗法设备参数。
16.根据权利要求1所述的方法,还包括:
估计在所述给定放射疗法治疗分段内仍然要递送的剂量的量,其中,基于所估计的仍然要递送的剂量的量来调整所述放射疗法设备的参数。
17.根据权利要求16所述的方法,其中,所述放射疗法治疗剂量在所述第一时间处被递送至所述患者解剖结构中的给定区域,还包括:
确定所述患者解剖结构中的给定区域是否将在所述给定放射疗法治疗分段内的另一时间处被所述放射疗法设备辐照;以及
根据所述患者解剖结构中的给定区域是否将在所述给定放射疗法治疗分段内的另一时间处被所述放射疗法设备辐照的确定,来修改在所述第二时间处递送的放射疗法治疗剂量的量。
18.根据权利要求17所述的方法,还包括:基于所述另一时间更接近所述放射疗法治疗分段的开始还是更接近所述给定放射疗法治疗分段的结束来修改所述量。
19.根据权利要求1所述的方法,还包括:对放射疗法治疗计划中的分割进行重新排序,以改变在所述给定放射疗法治疗分段内辐照所述患者解剖结构的不同区域的时间,其中:
所述放射疗法治疗计划标识在所述给定放射疗法治疗分段内的第三时间处要辐照的所述患者解剖结构的第一区域以及在所述给定放射疗法治疗分段内的第四时间处要辐照的所述患者解剖结构的第二区域;以及
在对所述分割进行重新排序之后,所述放射疗法设备在所述给定放射疗法治疗分段内的第四时间处辐照所述患者解剖结构的第一区域,并且在所述给定放射疗法治疗分段内的第三时间处辐照所述患者解剖结构的第二区域。
20.根据权利要求1所述的方法,还包括:在放射疗法治疗计划中添加一个或更多个分割,以执行重新扫描并增加在所述给定放射疗法治疗分段内辐照所述患者解剖结构的一个或更多个区域的时间,或者辐照所述患者解剖结构的与在所述放射疗法治疗计划中被指定要辐照的区域不同且附加的区域。
21.一种非暂态计算机可读介质,所述非暂态计算机可读介质包括非暂态计算机可读指令,所述计算机可读指令包括用于执行操作的指令,所述操作包括:
在由放射疗法设备已经递送放射疗法治疗剂量之后,确定给定放射疗法治疗分段内的第一时间处的患者解剖结构;
检索针对所述给定放射疗法治疗分段的参考患者解剖结构,所述参考患者解剖结构指示在所述给定放射疗法治疗分段内要递送的规定剂量参数;
将所述第一时间处的患者解剖结构与所述给定放射疗法治疗分段期间的参考患者解剖结构进行比较;以及
基于所述第一时间处的患者解剖结构与所述参考患者解剖结构的比较来调整所述放射疗法设备的参数,以根据在所述给定放射疗法治疗分段内要递送的规定剂量参数来改变在所述给定放射疗法治疗分段内的所述第一时间之后的第二时间处递送的放射疗法治疗剂量的量。
22.根据权利要求21所述的非暂态计算机可读介质,其中,所述操作还包括:
基于所确定的所述第一时间处的患者解剖结构来确定所述患者体内的肿瘤与处于危险中的器官之间的交叠的第一量,所述交叠的第一量指示相对于所述处于危险中的器官对所述肿瘤的第一辐射照射量;以及
基于所述参考患者解剖结构来确定所述患者体内的肿瘤与所述处于危险中的器官之间的交叠的参考量,所述交叠的参考量指示相对于所述处于危险中的器官对所述肿瘤的参考辐射照射量。
23.根据权利要求22所述的非暂态计算机可读介质,其中,所述操作还包括:
确定所述第一量小于所述参考量;以及
响应于确定所述第一量小于所述参考量,增加在所述第二时间处递送的放射疗法治疗剂量的量。
24.根据权利要求22所述的非暂态计算机可读介质,其中,所述操作还包括:
确定所述第一量大于所述参考量;以及
响应于确定所述第一量大于所述参考量,减少在所述第二时间处递送的放射疗法治疗剂量的量。
25.一种系统,包括:
存储器,所述储存器用于存储指令;以及
一个或更多个处理器,所述一个或更多个处理器用于执行存储在所述存储器中用于执行操作的指令,所述操作包括:
在由放射疗法设备已经递送放射疗法治疗剂量之后,确定给定放射疗法治疗分段内的第一时间处的患者解剖结构;
检索针对所述给定放射疗法治疗分段的参考患者解剖结构,所述参考患者解剖结构指示在所述给定放射疗法治疗分段内要递送的规定剂量参数;
将所述第一时间处的患者解剖结构与所述给定放射疗法治疗分段期间的参考患者解剖结构进行比较;以及
基于所述第一时间处的患者解剖结构与所述参考患者解剖结构的比较来调整所述放射疗法设备的参数,以根据在所述给定放射疗法治疗分段内要递送的规定剂量参数来改变在所述给定放射疗法治疗分段内的所述第一时间之后的第二时间处递送的放射疗法治疗剂量的量。
26.根据权利要求25所述的系统,其中,所述操作还包括:
基于所确定的所述第一时间处的患者解剖结构来确定所述患者体内的肿瘤与处于危险中的器官之间的交叠的第一量,所述交叠的第一量指示相对于所述处于危险中的器官对所述肿瘤的第一辐射照射量;以及
基于所述参考患者解剖结构来确定所述患者体内的肿瘤与所述处于危险中的器官之间的交叠的参考量,所述交叠的参考量指示相对于所述处于危险中的器官对所述肿瘤的参考辐射照射量。
27.根据权利要求26所述的系统,其中,所述操作还包括:
确定所述第一量小于所述参考量;以及
响应于确定所述第一量小于所述参考量,增加在所述第二时间处递送的放射疗法治疗剂量的量。
28.根据权利要求26所述的系统,其中,所述操作还包括:
确定所述第一量大于所述参考量;以及
响应于确定所述第一量大于所述参考量,减少在所述第二时间处递送的放射疗法治疗剂量的量。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/413,555 US11141609B2 (en) | 2019-05-15 | 2019-05-15 | Dose guided real-time adaptive radiotherapy |
US16/413,555 | 2019-05-15 | ||
PCT/EP2020/063199 WO2020229473A1 (en) | 2019-05-15 | 2020-05-12 | Dose guided real-time adaptive radiotherapy |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114126708A true CN114126708A (zh) | 2022-03-01 |
Family
ID=70740595
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080051370.1A Pending CN114126708A (zh) | 2019-05-15 | 2020-05-12 | 剂量引导的实时自适应放射疗法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11141609B2 (zh) |
EP (1) | EP3969108A1 (zh) |
JP (1) | JP7325541B2 (zh) |
CN (1) | CN114126708A (zh) |
AU (1) | AU2020274863B2 (zh) |
WO (1) | WO2020229473A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117438062A (zh) * | 2023-12-21 | 2024-01-23 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 剂量信息确定装置、电子设备及计算机可读存储介质 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11724126B2 (en) * | 2019-06-21 | 2023-08-15 | Varian Medical Systems, Inc. | Methods and systems for quality-aware continuous learning for radiotherapy treatment planning |
WO2023137177A1 (en) * | 2022-01-13 | 2023-07-20 | University Of Connecticut | Conjoined twin network for treatment and analysis |
JP2023161447A (ja) * | 2022-04-25 | 2023-11-07 | 株式会社日立製作所 | 治療計画評価システム、治療計画評価方法および治療計画評価システムを備える放射線治療システム |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6128366A (en) * | 1998-07-08 | 2000-10-03 | Siemens Medical Systems, Inc. | Dosimetry error reduction for optimized static intensity modulation |
US20060241332A1 (en) * | 2003-06-18 | 2006-10-26 | Michael Klein | Real time verification in radiation treatment |
US20100322381A1 (en) * | 2009-06-23 | 2010-12-23 | Stahl Johannes N | System and Method for Dynamic Strobe Arc Therapy |
CN102316930A (zh) * | 2008-10-27 | 2012-01-11 | 断层放疗公司 | 用于递送放射治疗的运动自适应优化的系统和方法 |
US20180369611A1 (en) * | 2017-06-22 | 2018-12-27 | Reflexion Medical, Inc. | Systems and methods for biological adaptive radiotherapy |
Family Cites Families (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6240161B1 (en) | 1997-09-25 | 2001-05-29 | Siemens Medical Systems, Inc. | Multi-leaf collimator constrained optimization of intensity modulated treatments |
AU2003228757A1 (en) | 2002-04-29 | 2003-11-17 | University Of Miami | Intensity modulated radiotherapy inverse planning algorithm |
CA2556934C (en) | 2004-02-20 | 2018-05-22 | James F. Dempsey | System for delivering conformal radiation therapy while simultaneously imaging soft tissue |
US8095203B2 (en) | 2004-07-23 | 2012-01-10 | Varian Medical Systems, Inc. | Data processing for real-time tracking of a target in radiation therapy |
CA2616309A1 (en) | 2005-07-22 | 2007-02-01 | Tomotherapy Incorporated | Method of and system for predicting dose delivery |
CA2626536C (en) | 2005-10-17 | 2016-04-26 | Alberta Cancer Board | Real-time dose reconstruction using dynamic simulation and image guided adaptive radiotherapy |
EP2010287B1 (en) | 2006-04-27 | 2009-08-12 | Elekta AB (publ) | Radiotherapeutic apparatus |
US9192786B2 (en) | 2006-05-25 | 2015-11-24 | William Beaumont Hospital | Real-time, on-line and offline treatment dose tracking and feedback process for volumetric image guided adaptive radiotherapy |
US8699664B2 (en) | 2006-07-27 | 2014-04-15 | British Columbia Center Agency Branch | Systems and methods for optimization of on-line adaptive radiation therapy |
US7505559B2 (en) | 2006-08-25 | 2009-03-17 | Accuray Incorporated | Determining a target-to-surface distance and using it for real time absorbed dose calculation and compensation |
US7469035B2 (en) | 2006-12-11 | 2008-12-23 | The Board Of Trustees Of The Leland Stanford Junior University | Method to track three-dimensional target motion with a dynamical multi-leaf collimator |
EP2214782A4 (en) | 2007-10-25 | 2018-01-24 | Tomotherapy Incorporated | System and method for motion adaptive optimization for radiation therapy delivery |
CN101820827A (zh) | 2007-10-25 | 2010-09-01 | 断层放疗公司 | 适应性调整放疗剂量的分次照射剂量的方法 |
CN101951990A (zh) | 2007-12-23 | 2011-01-19 | Oraya治疗公司 | 检测、控制和预测辐射传输的方法和装置 |
US10363437B2 (en) | 2008-12-11 | 2019-07-30 | Varian Medical Systems International Ag | Real time treatment parameter algorithm for moving targets |
US9314160B2 (en) | 2011-12-01 | 2016-04-19 | Varian Medical Systems, Inc. | Systems and methods for real-time target validation for image-guided radiation therapy |
US9468776B2 (en) | 2012-06-01 | 2016-10-18 | Raysearch Laboratories Ab | Method and a system for optimizing a radiation treatment plan based on a reference dose distribution |
RU2648226C2 (ru) | 2012-12-17 | 2018-03-22 | Конинклейке Филипс Н.В. | Лучевая терапия с адаптивным расчетом дозы в реальном масштабе времени |
US20140343345A1 (en) | 2013-04-22 | 2014-11-20 | Xiaodong Wu | Method for Fiducial-less Real-time Tracking in Radiation Treatment of Abdominal Tumors |
US20150065777A1 (en) | 2013-08-29 | 2015-03-05 | Naser Darwish | Radiation therapy machine with real-time ebt imaging |
US9652871B2 (en) | 2015-01-28 | 2017-05-16 | Impac Medical Systems, Inc. | Three dimensional localization of a moving target for adaptive radiation therapy |
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 |
US20180235554A1 (en) | 2017-02-16 | 2018-08-23 | Eric A Burgett | Patient-Specific Restraining Device and Integrated Dosimetry System |
EP3391940A1 (en) | 2017-04-21 | 2018-10-24 | Koninklijke Philips N.V. | Planning system for adaptive radiation therapy |
CN110997065B (zh) | 2017-07-11 | 2021-11-26 | V·文哈恩 | 用于一种系统的放射疗法治疗计划的校准 |
US10092774B1 (en) | 2017-07-21 | 2018-10-09 | Varian Medical Systems International, AG | Dose aspects of radiation therapy planning and treatment |
US11369806B2 (en) * | 2017-11-14 | 2022-06-28 | Reflexion Medical, Inc. | Systems and methods for patient monitoring for radiotherapy |
US11475991B2 (en) * | 2018-09-28 | 2022-10-18 | Varian Medical Systems International Ag | Methods and systems for adaptive radiotherapy treatment planning using deep learning engines |
-
2019
- 2019-05-15 US US16/413,555 patent/US11141609B2/en active Active
-
2020
- 2020-05-12 CN CN202080051370.1A patent/CN114126708A/zh active Pending
- 2020-05-12 EP EP20726340.1A patent/EP3969108A1/en active Pending
- 2020-05-12 JP JP2021568253A patent/JP7325541B2/ja active Active
- 2020-05-12 WO PCT/EP2020/063199 patent/WO2020229473A1/en unknown
- 2020-05-12 AU AU2020274863A patent/AU2020274863B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6128366A (en) * | 1998-07-08 | 2000-10-03 | Siemens Medical Systems, Inc. | Dosimetry error reduction for optimized static intensity modulation |
US20060241332A1 (en) * | 2003-06-18 | 2006-10-26 | Michael Klein | Real time verification in radiation treatment |
CN102316930A (zh) * | 2008-10-27 | 2012-01-11 | 断层放疗公司 | 用于递送放射治疗的运动自适应优化的系统和方法 |
US20100322381A1 (en) * | 2009-06-23 | 2010-12-23 | Stahl Johannes N | System and Method for Dynamic Strobe Arc Therapy |
US20180369611A1 (en) * | 2017-06-22 | 2018-12-27 | Reflexion Medical, Inc. | Systems and methods for biological adaptive radiotherapy |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117438062A (zh) * | 2023-12-21 | 2024-01-23 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 剂量信息确定装置、电子设备及计算机可读存储介质 |
CN117438062B (zh) * | 2023-12-21 | 2024-04-19 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 剂量信息确定装置、电子设备及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
JP7325541B2 (ja) | 2023-08-14 |
WO2020229473A1 (en) | 2020-11-19 |
JP2022533353A (ja) | 2022-07-22 |
AU2020274863B2 (en) | 2022-10-20 |
US11141609B2 (en) | 2021-10-12 |
EP3969108A1 (en) | 2022-03-23 |
US20200360731A1 (en) | 2020-11-19 |
AU2020274863A1 (en) | 2022-01-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11547874B2 (en) | Machine learning approach to real-time patient motion monitoring | |
US20210046327A1 (en) | Real-time patient motion monitoring using a magnetic resonance linear accelerator (mrlinac) | |
CN111417435B (zh) | 放射疗法治疗计划优化工作流程 | |
CN114423494B (zh) | 使用可微剂量函数的放疗治疗计划 | |
AU2020312643B2 (en) | Radiotherapy treatment plan optimization using machine learning | |
US11358003B2 (en) | Generation of realizable radiotherapy plans | |
JP7325541B2 (ja) | 線量誘導リアルタイム適応型放射線治療 | |
US20200360728A1 (en) | Machine learning based dose guided real-time adaptive radiotherapy | |
CN114375216A (zh) | 压缩放射疗法治疗计划优化问题 | |
US20220362582A1 (en) | Adaptive dose accumulation algorithm | |
CN114728166A (zh) | 使用mr linac的心脏消融 | |
CN114245752A (zh) | 基于几何结构的实时自适应放疗 |
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 |