CN114555186A - 利用mr线性加速器的自动门控 - Google Patents
利用mr线性加速器的自动门控 Download PDFInfo
- Publication number
- CN114555186A CN114555186A CN202080071581.1A CN202080071581A CN114555186A CN 114555186 A CN114555186 A CN 114555186A CN 202080071581 A CN202080071581 A CN 202080071581A CN 114555186 A CN114555186 A CN 114555186A
- Authority
- CN
- China
- Prior art keywords
- imaging
- slice
- imaging slice
- plane
- training
- 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
- 238000003384 imaging method Methods 0.000 claims abstract description 499
- 238000011282 treatment Methods 0.000 claims abstract description 262
- 238000000034 method Methods 0.000 claims abstract description 130
- 230000005855 radiation Effects 0.000 claims abstract description 104
- 238000012384 transportation and delivery Methods 0.000 claims abstract description 40
- 238000010801 machine learning Methods 0.000 claims abstract description 38
- 238000006073 displacement reaction Methods 0.000 claims abstract description 26
- 238000001959 radiotherapy Methods 0.000 claims description 214
- 238000012549 training Methods 0.000 claims description 64
- 206010028980 Neoplasm Diseases 0.000 claims description 42
- 238000000513 principal component analysis Methods 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 9
- 238000012706 support-vector machine Methods 0.000 claims description 8
- 230000003044 adaptive effect Effects 0.000 claims description 7
- 238000007637 random forest analysis Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 230000001131 transforming effect Effects 0.000 claims description 5
- 230000033001 locomotion Effects 0.000 description 90
- 239000002131 composite material Substances 0.000 description 61
- 238000012545 processing Methods 0.000 description 51
- 230000015654 memory Effects 0.000 description 28
- 238000002560 therapeutic procedure Methods 0.000 description 21
- 238000002591 computed tomography Methods 0.000 description 16
- 238000003860 storage Methods 0.000 description 16
- 238000002203 pretreatment Methods 0.000 description 14
- 238000005457 optimization Methods 0.000 description 13
- 238000004364 calculation method Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 12
- 238000002595 magnetic resonance imaging Methods 0.000 description 12
- 230000011218 segmentation Effects 0.000 description 12
- 210000000920 organ at risk Anatomy 0.000 description 11
- 238000013439 planning Methods 0.000 description 11
- 238000013459 approach Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 210000000056 organ Anatomy 0.000 description 8
- 230000000241 respiratory effect Effects 0.000 description 8
- 210000003484 anatomy Anatomy 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000013519 translation Methods 0.000 description 7
- 238000012935 Averaging Methods 0.000 description 6
- 238000013170 computed tomography imaging Methods 0.000 description 6
- 238000002059 diagnostic imaging Methods 0.000 description 5
- 238000002604 ultrasonography Methods 0.000 description 5
- 238000012800 visualization Methods 0.000 description 5
- 238000007408 cone-beam computed tomography Methods 0.000 description 4
- 230000005284 excitation Effects 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 4
- 238000002600 positron emission tomography Methods 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000006378 damage Effects 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 230000000737 periodic effect Effects 0.000 description 3
- 238000002603 single-photon emission computed tomography Methods 0.000 description 3
- 230000001225 therapeutic effect Effects 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 238000012285 ultrasound imaging Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 230000001934 delay Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000002599 functional magnetic resonance imaging Methods 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 238000011221 initial treatment Methods 0.000 description 2
- 238000002721 intensity-modulated radiation therapy Methods 0.000 description 2
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 230000001681 protective effect Effects 0.000 description 2
- 230000029058 respiratory gaseous exchange Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 206010011224 Cough Diseases 0.000 description 1
- 238000012879 PET imaging Methods 0.000 description 1
- 235000013929 Psidium pyriferum Nutrition 0.000 description 1
- 244000236580 Psidium pyriferum Species 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 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
- 230000006837 decompression Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 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
- 238000009826 distribution Methods 0.000 description 1
- 238000004980 dosimetry Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000013535 dynamic contrast enhanced MRI Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000002594 fluoroscopy Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000001702 information therapy Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000005865 ionizing radiation Effects 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000002360 preparation method Methods 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
- 238000002673 radiosurgery Methods 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 description 1
- 229910052721 tungsten Inorganic materials 0.000 description 1
- 239000010937 tungsten Substances 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
- A61N5/103—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
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- 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
- 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
- A61N5/1064—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
-
- 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
- A61N5/1068—Gating the beam as a function of a physiological signal
-
- 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
- A61N5/1069—Target adjustment, e.g. moving the patient support
- A61N5/107—Target adjustment, e.g. moving the patient support in real time, i.e. during treatment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
- G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- 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
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
- A61B90/36—Image-producing devices or illumination devices not otherwise provided for
- A61B2090/364—Correlation of different images or relation of image positions in respect to the body
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/037—Emission tomography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/48—Diagnostic techniques
- A61B6/486—Diagnostic techniques involving generating temporal series of image data
- A61B6/487—Diagnostic techniques involving generating temporal series of image data involving fluoroscopy
-
- 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
- A61N2005/1052—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam using positron emission tomography [PET] single photon emission computer tomography [SPECT] imaging
-
- 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
- A61N2005/1054—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam using a portal imaging system
-
- 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
- A61N2005/1058—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam using ultrasound imaging
-
- 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
- A61N5/1042—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
- A61N5/1077—Beam delivery systems
- A61N5/1084—Beam delivery systems for delivering multiple intersecting beams at the same time, e.g. gamma knives
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20108—Interactive selection of 2D slice in a 3D data set
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20216—Image averaging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30096—Tumor; Lesion
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Surgery (AREA)
- Physiology (AREA)
- Biophysics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Urology & Nephrology (AREA)
- General Business, Economics & Management (AREA)
- Business, Economics & Management (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Radiation-Therapy Devices (AREA)
- Pharmaceuticals Containing Other Organic And Inorganic Compounds (AREA)
- Medicines That Contain Protein Lipid Enzymes And Other Medicines (AREA)
- Medicines Containing Antibodies Or Antigens For Use As Internal Diagnostic Agents (AREA)
Abstract
提供了用于对图像进行配准的系统和方法。所述系统和方法执行包括以下的操作:在给定放射阶段中的第一时间点处接收对应于第一平面的第一成像切片;将第一成像切片编码为较低维度的表示;将经训练的机器学习模型应用于经编码的第一成像切片,以在第一时间点处估计对应于第二平面的第二成像切片的编码版本,以针对第一时间点提供一组成像切片;将一对成像切片同时空间配准到在给定放射阶段之前接收到的包括时变对象的体积图像,以计算所述对象的位移;以及生成更新的治疗方案,以基于对象的计算出的位移来控制治疗束的递送。
Description
优先权要求
本专利申请要求于2020年3月19日提交的题为“AUTOMATIC GATING WITH AN MRLINAC”的美国专利申请序列第16/824,234号以及于2019年8月13日提交的题为“AUTOMATICGATING WITH A MAGNETIC RESONANCE LINEAR ACCELERATOR(MR LINAC)”的美国临时专利申请序列第62/886,030号的优先权权益,这两个美国专利申请的全部内容通过引用在此整体并入本文。
技术领域
本公开内容总体上涉及放射治疗或放疗。更具体地,本公开内容涉及用于调整放疗治疗计划以补偿在放射治疗的递送期间目标肿瘤的位置变化的系统和方法。
背景技术
放射治疗或“放疗”可以用于治疗哺乳动物(例如人类和动物)组织中的癌症或其他疾病。一种这样的放疗技术是伽玛刀,通过伽玛刀患者被大量低强度伽玛射线照射,这些伽玛射线以高强度和高精度会聚在目标(例如,肿瘤)处。在另一实施方式中,使用线性加速器提供放疗,由此肿瘤被高能粒子(例如,电子、质子、离子、高能光子等)照射。必须准确地控制放射束的放置和剂量,以确保肿瘤接受规定的放射,并且束的位置应尽量使对周围健康组织(通常称为处于危险中的器官(OAR))的损伤最小化。放射被称为“处方”,这是因为医生向肿瘤和周围器官定制了预定量的放射,这类似于药物处方。
通常,准直束形式的电离辐射从外部辐射源引导至患者。
可以使用指定的或可选择的束能量,例如用于递送诊断能量水平范围或治疗能量水平范围。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)提供。可以通过准直来调整放射束的强度和形状,以避免通过使投射的束符合目标组织的轮廓来破坏与目标组织相邻的健康组织(例如,处于危险中的器官)。
治疗计划过程可以包括使用患者的三维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。创建治疗计划可能是耗时的过程,其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)目标),从而考虑到它们的个体重要性(例如,加权),以便制定临床上可接受的治疗计划。这项任务可能是耗时的试错过程,该过程因各种处于危险中的器官(OAR)而变得复杂,这是因为随着OAR的数量增加(例如,针对头颈治疗,高达13个OAR),该过程的复杂性也增加。远离肿瘤的OAR可能容易避免放射,而靠近目标肿瘤或与目标肿瘤交叠的OAR可能难以避免。
传统上,对于每个患者,初始治疗计划可以以“离线”方式生成。可以在递送放射治疗之前很好地制定治疗计划,例如使用一种或更多种医学成像技术来制定。成像信息可以包括例如来自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)或超声的图像。医疗保健提供者例如医生可以使用指示患者解剖结构的三维(3D)成像信息来识别一个或更多个目标肿瘤以及肿瘤附近处于危险中的器官。医疗保健提供者可以使用手动技术来描绘要接受规定放射剂量的目标肿瘤,并且医疗保健提供者可以类似地描绘附近的组织例如器官,这些组织处于来自放射治疗的损伤的危险中。替选地或另外地,自动化工具(例如,由瑞典Elekta AB提供的ABAS)可以用于帮助识别或描绘目标肿瘤和处于危险中的器官。然后可以使用基于临床和剂量学目标和约束(例如,对肿瘤和关键器官的最大放射剂量、最小放射剂量和平均放射剂量)的优化技术来创建放疗治疗计划(“治疗计划(treatment plan)”)。
然后可以较晚通过定位患者并递送规定的放射治疗来执行治疗计划。放疗治疗计划可以包括剂量“分割”,由此在预定时间段(例如,45个部分)内提供一系列放射治疗递送,其中每个治疗递送包括总规定剂量的指定分段。然而,在治疗期间,患者的位置和目标肿瘤相对于治疗机器(例如,线性加速器——“linac”)的位置非常重要,以确保目标肿瘤而不是健康组织受到照射。
初始治疗计划可以适应于3D治疗前图像,以补偿任何解剖变化和设置差异。在放射治疗束开启期间,额外的二维(2D)电影图像可以被获取并用于确定如果目标移动超出容差范围是否手动地暂停束。
概述
本发明人已经认识到,除其他事项外,可以以自适应方式同时调整放疗治疗计划,以补偿在向肿瘤递送放射治疗期间目标肿瘤的位置变化。例如,所期望的目标(例如肿瘤或其他对象)的位置可以移位到这样的程度:如果使用专门的“离线”治疗计划方法,由治疗之前拍摄的医学图像指示的肿瘤的位置可能在放疗治疗期间与肿瘤目标的位置显著地不同。例如,与治疗计划中指示的预期或期望位置相比,肿瘤可能缩小、可能移动或可能未对准。目标的运动可以由一种或更多种来源例如心脏运动、呼吸、反射(例如咳嗽)或其他移动引起。因此,当最终递送放射治疗时,基于在治疗之前拍摄的图像应该递送放射治疗的位置可能与所期望的目标显著地不对准。在一些情况下,“目标位点”是目标或对象的位置,例如在治疗之前的目标或对象的位置,而“治疗位点”是在治疗期间递送放射治疗的位置(并且理想地,治疗位点与放射治疗递送时目标的实际位置对准)。
在一种方法中,成像可以与放射治疗的递送同时进行,例如在治疗阶段期间开始放射治疗递送之前立即进行成像获取,或者,使用一系列相应的治疗递送,然后在放射治疗递送阶段期间立即获取肿瘤的一个或更多个图像。这样的成像可以提供有助于识别目标的位置或识别目标的运动的信息。这样的同时成像通常可以称为“实时”,但是通常在图像获取与放射治疗的递送之间存在延迟或时延,该延迟或时延通常约为100到500毫秒(ms)。
尽管可以考虑许多电影成像策略,但是本公开内容集中于使用以目标质心为中心或靠近目标质心的矢状2D图像和冠状2D图像的方法。可以采用其他策略,例如使用具有任意取向的单个切片或多个平行切片。
如果3D体积成像信息的获取延迟或成像获取速率不可接受(例如,成像获取太慢而不允许治疗指导或控制,例如对于呼吸目标大于约500ms),则存在问题。本文描述的主题可以解决这样的问题,例如通过促进成像切片的更快速获取(包括一维轮廓、二维切片或包括较早成像的体积区域的子体积或子区域的三维体积中的一种或更多种)来解决这样的问题,包括将指示从一个或更多个成像切片快速获得的目标位点的一部分的信息与从较早获取的体积参考图像获得的信息进行比较。
在示例中,自适应图像引导的治疗递送系统可以接收包括体积图像的成像信息,该体积图像包括放射治疗患者体内的目标,并且可以接收与包括目标的不同部分的一个或更多个成像切片对应的成像信息,所述成像切片在获取体积图像之后的不同时刻处获取。
根据各种示例,该系统在给定放射阶段期间的第一时间点处接收包括在3D治疗前体积图像中描绘的对象的第一成像切片。第一成像切片沿第一平面(例如,矢状平面)限定。在给定放射阶段期间的第一时间点处,访问包括在给定放射阶段期间的第一时间点之前的第二时间点处获得的对象的第二成像切片。第二成像切片沿第二平面(例如,冠状平面)限定。该系统基于将第一成像切片与体积图像进行配准,确定对象在第一时间点处沿第一方向和第二方向(例如,沿矢状平面和左/右侧)的移动。基于第二成像切片来确定对象在第一时间点处沿第三方向(例如,冠状平面)的移动。
在示例中,两个图像之间的配准找到将一个图像映射到另一个图像的变换。通常,可变形向量场(DVF)将第一图像中的每个点映射到第二图像中的相应位置。第一图像可以称为固定图像,第二图像可以称为移动图像。可以使用一种优化技术来计算配准,该优化技术试图找到与度量的最优值对应的配准值(DVF)。该度量是被认为代表配准成功的量。随着优化迭代更接近于解决方案,它可以使用该度量来确定每个潜在步骤是比上一步更好还是更差。在示例中,度量可以是移动图像与固定图像之间的差值之和,但是也可以包括更复杂的度量,例如标准化互相关或互信息。优化器可以迭代地改进配准,直到找到度量的最优值。用于配准的其他技术可以依赖于机器学习。刚性配准技术可以约束配准,使得移动图像可以通过全局平移和旋转或仅通过平移映射到固定图像。如果实际存在变形,则算法尝试找到最佳拟合。
在一些示例中,该系统在给定放射阶段期间的第一时间点处接收包括对象的第一成像切片,该第一成像切片对应于第一平面(例如,矢状平面或冠状平面)。该系统在第一时间点处访问对应于第一平面的复合成像切片。使用在第一时间点之前获得的多个成像切片来生成复合成像切片。第一成像切片与复合成像切片空间配准以确定对象的移动。
在一些示例中,该系统在给定放射阶段期间的第一时间点处接收包括对象的第一成像切片,该第一成像切片对应于第一平面(例如,矢状平面)。该系统将第一成像切片编码为较低维度的表示,并且将经训练的机器学习模型应用于经编码的第一成像切片,以估计对应于第二平面(例如,冠状平面)的第二成像切片的编码版本。第一成像切片和第二成像切片针对第一时间点形成一对成像切片。所述一对成像切片空间配准到体积图像(例如,3D治疗前图像)以计算对象的位移。在一些实现方式中,通过将一个或更多个成像切片(例如,一对成像切片)插入到3D体积中并且在切片与体素相交处填充3D体积的体素,将一个或更多个成像切片配准到体积图像。以这种方式,配准是3D-3D配准,但是只考虑3D体积的填充体素。在另一实现方式中,通过对考虑一个或更多个切片中的切片与体积图像有多大不同的成本函数进行优化,将一个或更多个成像切片(例如,一对成像切片)直接配准到3D体积。
可以以自适应方式生成更新的治疗方案,以将由治疗束建立的治疗位点与更新的目标位点进行对准或对所述束进行门控,以便在治疗位点穿过目标位点时递送治疗。作为说明性示例,更新治疗方案可以包括以下中的一项或更多项:(a)调整耦接至可移动平台例如支撑治疗接受者的沙发或桌子的致动器;(b)调整被配置成对治疗束进行准直或整形的一个或更多个孔;(c)调整被配置成定位治疗输出以建立指定的治疗束方向的一个或更多个致动器;或者(d)对治疗递送进行门控,例如使用从其他传感器获得的成像或信息。
该概述旨在提供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性或详尽的说明。详细描述被包括以提供关于本专利申请的另外信息。
附图说明
图1A总体上示出了根据一些实施方式的可以包括被配置成提供治疗束的放射治疗输出的放射治疗系统的示例。
图1B总体上示出了根据一些实施方式的放射治疗系统的另一示例。
图2总体上示出了根据一些实施方式的系统的示例,该系统可以包括组合的放射治疗系统和成像系统,例如可以包括计算机断层扫描(CT)成像系统。
图3总体上示出了根据一些实施方式的系统的示例的部分剖视图,该系统可以包括组合的放射治疗系统和成像系统,例如可以包括核磁共振(MR)成像系统。
图4总体上示出了根据一些实施方式的准直器配置的示例,例如可以用于对放射治疗束的强度进行整形、引导或调制中的一种或更多种。
图5总体上示出了根据一些实施方式的放射治疗系统的示例,例如可以包括放射治疗装置和成像获取装置。
图6总体上示出了根据一些实施方式的目标位点例如肿瘤区域的视图,例如可以使用体积成像技术来获得。
图7A和图7B示出了根据一些实施方式的成像获取平面(在图7A中)以及对应于第一成像平面取向的对应获取成像切片(在图7B中)的视图。
图7C和图7D示出了根据一些实施方式的成像获取平面(在图7C中)以及对应于第二成像平面取向的对应获取成像切片(在图7D中)的视图,第二成像平面取向例如可以与上述关于图7A和图7B的第一成像平面取向正交。
图7E和图7F示出了根据一些实施方式的成像获取平面(在图7E中)以及对应于第三成像平面取向的对应获取成像切片(在图7F中)的视图,第三成像平面取向例如可以与上述关于图7A、图7B、图7C和图7D的第一成像平面取向和第二成像平面取向中的一个或更多个正交。
图8A总体上示出了根据一些实施方式的一系列成像获取平面,例如可以在目标位点从一个成像获取实例移动至另一成像获取实例时获得。
图8B总体上示出了根据一些实施方式的一系列成像获取区域,例如可以包括弯曲形状。
图8C总体上示出了根据一些实施方式的一系列成像获取平面,例如可以包括不需要每个都与其他取向正交的不同取向。
图9A总体上示出了根据一些实施方式的一系列两个成像切片,例如包括在第一成像切片与第二成像切片之间移位的目标位点。
图9B总体上示出了根据一些实施方式的一系列两个空间配准的成像切片,例如在一个或更多个成像切片中调整目标位点的分割部分之后。
图10总体上示出了根据一些实施方式的可以包括将目标位点的分割部分进行空间配准的技术。
图11A总体上示出了根据一些实施方式的目标位点的复合分割表示,例如在对在不同时间获取的目标位点的部分进行空间配准之后。
图11B总体上示出了根据一些实施方式的用于根据所获取的空间配准的成像信息来确定目标位点的位置与诸如由较早获取的体积成像信息表示的目标位点的较早位置之间的差异的技术。
图11C总体上示出了根据一些实施方式的用于更新治疗方案的技术,例如以将治疗位点移位至新位置。
图12示出了根据一些实施方式的用于确定对象的移动的第二技术。
图13示出了根据一些实施方式的用于根据第二技术来确定对象的移动的时序图。
图14是根据一些实施方式的用于根据第二技术来确定对象的移动的流程图。
图15示出了根据一些实施方式的用于确定对象的移动的第三技术。
图16示出了根据一些实施方式的用于根据第三技术来生成用于确定移动的复合切片的技术。
图17是根据一些实施方式的用于根据第三技术来确定对象的移动的流程图。
图18示出了根据一些实施方式的用于确定对象的移动的第四技术。
图19是根据一些实施方式的用于根据第四技术来确定对象的移动的流程图。
在不一定按比例绘制的附图中,相似的数字可以在不同的视图中描述相似的部件。具有不同字母后缀的相似数字可以表示相似部件的不同实例。附图通过示例而非限制的方式总体地示出了本文献中讨论的各种实施方式。
具体实施方式
图1A总体上示出了放射治疗系统102的示例,该放射治疗系统102可以包括被配置成提供治疗束108的放射治疗输出104。放射治疗输出104可以包括一个或更多个衰减器或准直器,例如,如在图4的说明性示例中所描述的多叶准直器(MLC)。返回参照图1A,可以将患者定位在区域112中,例如在平台116(例如,桌子或沙发)上,以根据放疗治疗计划接受放射治疗剂量。放射治疗输出104可以位于台架106或其他机械支撑件上,例如以使治疗输出104围绕轴线(“A”)旋转。平台116或放射治疗输出104中的一个或更多个可移动至其他位置,例如可沿横向方向(“T”)或侧向方向(“L”)移动至其他位置。其他自由度是可能的,例如围绕一个或更多个其他轴线的旋转,例如围绕横向轴线的旋转(指示为“R”)。
图1A中示出的坐标系(包括轴线A、T和L)可以具有位于等中心110的原点。等中心110可以被定义为放射治疗束108与坐标轴的原点相交的位置,例如以将规定的放射剂量递送至患者身上或患者体内的位置。例如,等中心110可以被定义为针对放射治疗输出104的由机架106围绕轴线A定位的各种旋转位置放射治疗束108与患者相交的位置。
在示例中,检测器114可以位于治疗束108的场内,例如可以包括平板检测器(例如,直接检测器或基于闪烁的检测器)。检测器114可以安装在台架106上、与放射治疗输出104相对,例如以在台架106旋转时保持与治疗束108的对准。以这种方式,检测器114可以用于监视治疗束108,或者检测器114可以用于成像,例如入口成像。
在说明性示例中,平台116、治疗输出104或机架106中的一个或更多个可以自动地定位,并且治疗输出104可以根据特定治疗递送实例的指定剂量建立治疗束108。可以根据放疗治疗计划例如使用机架106、平台116或治疗输出104的一个或更多个不同取向或位置来指定一系列治疗递送。治疗递送可以顺序地发生,但是可以相交于在患者身上或患者体内例如在等中心110处的期望治疗位点。由此可以将规定的放射治疗累积剂量递送至治疗位点,同时减少或避免对治疗位点附近的组织的损伤。
如关于本文的其他示例所提及的,放射治疗系统102可以包括成像获取系统或者可以耦接至成像获取系统,例如以提供核磁共振(MR)成像、X射线成像中的一种或更多种,例如放射治疗系统102可以包括计算机断层扫描(CT)成像或超声成像。在示例中,MR成像信息或其他成像信息可以用于生成与CT成像等效的成像信息或可视化,而不需要实际的CT成像。这样的成像可以称为“伪CT”成像。
图1B总体上示出了根据本公开内容的一些实施方式的放射治疗系统102的另一示例(例如,由瑞典斯德哥尔摩Elekta,AB制造的Leksell伽玛刀)。如图1B所示,在放疗治疗阶段中,患者152可以佩戴坐标框架154以稳定进行外科手术或放射治疗的患者解剖结构的一部分(例如,头部)。坐标框架154和患者定位系统156可以建立空间坐标系,该空间坐标系可以在对患者进行成像时或在放射外科手术期间使用。
放射治疗系统102可以包括保护壳体164,该保护壳体164包围多个放射源162。放射源162可以通过束通道166产生多个放射束(例如,子束)。多个放射束可以被配置成聚焦于来自不同方向的等中心110。虽然每个单独的放射束可以具有相对低的强度,但是当来自不同放射束的多个剂量在等中心110处累积时等中心110可以接收相对高水平的放射。在某些实施方式中,等中心110可以对应于外科手术或治疗中的目标,例如肿瘤。
图2总体上示出了系统的示例,该系统可以包括组合的放射治疗系统102和成像系统,例如可以包括计算机断层扫描(CT)成像系统。CT成像系统可以包括成像X射线源118,例如提供千电子伏(keV)能量范围内的X射线能量。成像X射线源118提供一个或更多个扇形或锥形束120,所述一个或更多个扇形或锥形束120被引导至成像检测器122,例如平板检测器。放射治疗系统102可以类似于关于图1A描述的系统102,例如包括放射治疗输出104、机架106、平台116和另一平板检测器114。如图1A、图1B和图3的示例所示,放射治疗系统102可以耦接至或可以包括被配置成提供治疗放射束的高能加速器。X射线源118可以提供相对较低能量的X射线诊断束,以用于成像。
在图2的说明性示例中,放射治疗输出104和X射线源118可以安装在同一旋转机架106上,彼此旋转分离90度。在另一示例中,两个或更多个X射线源可以沿机架106的圆周安装,例如每个X射线源都具有其自己的检测器布置以同时提供多个角度的诊断成像。类似地,可以提供多个放射治疗输出104。
图3总体上示出了系统的示例的部分剖视图,该系统可以包括组合的放射治疗系统102和成像系统,例如可以包括核磁共振(MR)成像系统130。MR成像系统130可以被布置成围绕轴线(“A”)限定“孔”,并且放射治疗系统可以包括放射治疗输出104,例如以提供放射治疗束108,该放射治疗束108被引导至沿轴线A的孔内的等中心110。放射治疗输出104可以包括准直器124,例如以对放射治疗束108进行控制、整形或调制中的一个或更多个,以将束108引导至与患者体内的期望目标位点对准的治疗位点。患者可以由平台支撑,例如可沿轴向方向A、侧向方向L或横向方向T中的一个或更多个定位的平台。放射治疗系统102中的一个或更多个部分可以被安装在台架106上,例如以使放射治疗输出104围绕轴线A旋转。
图1A、图1B、图2和图3总体上示出了包括治疗输出可以围绕中心轴线(例如,轴线“A”)旋转的配置的示例。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在机械臂或机械手上,例如具有多个自由度。在又一示例中,治疗输出可以是固定的,例如位于与患者侧向分离的区域中,并且支撑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目标位点对准。
图4总体上示出了多叶准直器(MLC)132的示例,例如可以用于对放射治疗束的强度进行整形、引导或调制中的一种或更多种。在图4中,叶132A至132J可以自动定位以限定接近肿瘤140横截面或投影的孔。根据放射治疗计划,叶132A至132J可以由指定用于对除了孔以外的区域中的放射束进行衰减或阻挡的材料制成。例如,叶132A至132J可以包括金属板例如包括钨,其中板的长轴被取向成垂直于束方向,并且端部被取向成平行于束方向(如图4的图示的平面所示)。与使用静态准直器配置相比或与使用专门使用“离线”治疗计划技术确定的MLC 132配置相比,可以在放射治疗过程期间自适应地调整MLC 132的“状态”,例如以建立更好地接近肿瘤140或其他目标位点的形状或位置的治疗束。包括使用MLC 132以产生对肿瘤或肿瘤内的特定区域的指定放射剂量分布的放射治疗技术可以称为强度调制放射治疗(Intensity Modulated Radiation Therapy,IMRT)。
图5示出了示例性放疗系统500,其适应于使用本文讨论的一种或更多种方法来执行放疗计划处理操作。执行这些放疗计划处理操作以使放疗系统500能够基于所捕获的医学成像数据和治疗剂量计算或放疗机器配置参数的特定方面来向患者提供放射治疗。
放疗系统500包括放疗处理计算系统510,该放疗处理计算系统510承载治疗处理逻辑520。具体地,治疗处理逻辑520实现关于图12至图19讨论的各种技术,以在放疗阶段的实时递送期间检测对象移动并更新治疗方案。然而,应当理解,可以提供以下治疗处理逻辑520的许多变型和用例,包括在数据验证、可视化和其他医学评估和诊断设置中。放疗处理计算系统510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,网络可以将放疗处理计算系统510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550、图像获取装置570(例如,成像模态)、治疗装置580(例如,放射治疗装置,在本文中也称为放疗装置)和治疗数据源560连接。
作为示例,放疗处理计算系统510可以被配置成在给定放射阶段期间的第一时间点处接收包括在3D治疗前体积图像中描绘的对象的第一成像切片。第一成像切片被沿第一平面(例如,矢状平面)限定。在给定放射阶段期间的第一时间点处,访问包括在给定放射阶段期间第一时间点之前的第二时间点处获得的对象的第二成像切片。第二成像切片被沿第二平面(例如,冠状平面)限定。系统基于将第一成像切片与体积图像进行配准来确定对象在第一时间点处沿第一方向和第二方向(例如,沿矢状平面和左/右侧)的移动。基于第二成像切片来确定对象在第一时间点处沿第三方向(例如,冠状平面)的移动。
具体地,放疗处理计算系统510可以根据第二技术来确定对象在放疗治疗阶段期间沿三个方向(例如,矢状平面、冠状平面和左/右平面)的移动。它通过将在治疗阶段中的特定点处沿一个平面(例如,矢状平面)接收到的图像(例如,电影图像)与治疗前的3D体积图像进行配准来实现这一点。结果提供了对象沿矢状平面和左/右平面的移动。在同一特定点处,放疗处理计算系统510沿另一平面(例如,冠状平面)检索先前获得的图像(例如,电影图像)。放疗处理计算系统510使用对象在先前获得的图像切片中的位置来确定对象沿冠状平面的移动。因此,可以确定对象在治疗阶段中的给定时间点处沿三个方向的移动(例如,可以确定对象的3D移动)。例如,第一方向对应于前/后方向,第二方向对应于上/下方向,以及第三方向对应于左/右方向。对象可以包括患者的解剖部分、像素或任何限定的图像部分中的至少一个。第一成像切片和第二成像切片是平面的或正交的,但可以是沿任何其他平行或垂直方向的任何两个成像切片。
在一些情况下,为了确定对象沿当前平面取向(例如,对应于当前获得的图像而不是先前获得的图像的方向)的移动,放疗处理计算系统510从体积图像提取沿第一平面的第一二维(2D)切片。放疗处理计算系统510将第一成像切片与第一2D切片进行空间配准(例如,通过移动第一成像切片中的对象的一部分以将第一成像切片中的对象与第一2D切片中的对象的一部分进行配准)。
在一些实施方式中,放疗处理计算系统510将第二成像切片(对应于治疗阶段中的较早时间点)与治疗前图像进行配准以确定沿第三方向的移动。在这样的情况下,放疗处理计算系统510将第一成像切片和第二成像切片(沿相应的第一平面和第二平面限定的)定义为移动图像,并且从体积治疗前图像提取2D切片作为固定图像以执行2D/二维图像配准。放疗处理计算系统510然后基于与3D治疗前体积图像配准的第一图像切片和第二图像切片来确定沿三个方向的移动。
在一些实施方式中,放疗处理计算系统510基于第一成像切片和第一2D切片来计算对象沿第一方向和第二方向的平面内移位。放疗处理计算系统510基于第二成像切片来计算沿第三方向的平面外移位值。例如,放疗处理计算系统510基于沿矢状方向限定的第一成像切片和从治疗前体积图像提取的第一2D切片来计算对象沿矢状方向和左/右方向的平面内移位值。放疗处理计算系统510基于沿冠状方向限定的第二成像切片来计算沿冠状方向的平面外移位值。
在一些情况下,放疗处理计算系统510预测在第一时间点处沿第二平面限定的第二成像切片与沿第二平面限定的预期成像切片之间的差异。例如,放疗处理计算系统510将机器学习技术应用于第二成像切片(在先前时间点处获得的)以预测或估计放疗阶段中当前时间点处的第二成像切片。沿第二平面限定的所预测或估计的第二成像切片然后可以与沿第一平面限定的第一成像切片结合使用以确定对象在当前时间点处沿三个方向的移动。
在一些实施方式中,放疗处理计算系统510确定指示来自第一成像切片的对象的一部分与来自第一2D切片的对象的一部分之间的对准的度量。放疗处理计算系统510调整第二成像切片的位置以改善来自第一成像切片的对象的一部分与来自第一2D切片的对象的一部分之间的对准。在一些情况下,通过掩蔽第一成像切片的一部分和体积图像的切片来确定度量。在一些情况下,通过确定来自第一成像切片的对象的一部分与来自体积图像的切片的对象的一部分之间的相交线之间的相似性来确定度量。
在一些实施方式中,放疗处理计算系统510根据第三技术来确定放疗治疗阶段期间的移动。例如,放疗处理计算系统510在给定放射阶段期间的第一时间点处接收包括对象的第一成像切片。第一成像切片可以对应于第一平面(例如,矢状平面)。放疗处理计算系统510在给定放射阶段期间的第一时间点处访问对应于第一平面的复合成像切片。使用在第一时间点之前获得的多个成像切片来生成复合成像切片。放疗处理计算系统510将第一成像切片与复合成像切片进行空间配准以确定对象的移动。放疗处理计算系统510生成更新的治疗方案,以基于所确定的移动来控制治疗束的递送。
在一些情况下,放疗处理计算系统510通过将在配准中考虑的像素掩模限制在第一成像切片和复合成像切片中的一者或两者中来将第一成像切片与复合成像切片进行配准。在将第一成像切片配准到复合成像切片之前,将复合成像切片配准到从体积图像提取的二维切片。在一些情况下,配准到从体积图像提取的二维切片的复合图像由用户输入手动地调整,以指定或改变相对于二维切片配准的复合图像的位置或部分。
在一些实施方式中,复合图像是第一复合图像。在给定放射阶段期间的第二时间点处,放疗处理计算系统510接收对应于第二平面(例如,冠状平面)的第二成像切片。放疗处理计算系统510在给定放射阶段期间的第二时间点处访问对应于第二平面的第二复合成像切片。使用在第二时间点之前获得的另外多个成像切片来生成第二复合成像切片。放疗处理计算系统510将第二成像切片与第二复合成像切片进行空间配准,包括移动第二成像切片中的对象的一部分以将第二成像切片中的对象与第二复合成像切片中的对象的一部分进行配准。
在一些实施方式中,通过对所选择的成像切片子集进行平均来生成复合图像。例如,在给定放射阶段期间激活放疗束之前获得多个成像切片。对应于参考呼吸阶段的给定切片之一被选择为目标图像。放疗处理计算系统510将多个成像切片的剩余集可变形地配准到所选择的目标图像。放疗处理计算系统510对可变形配准的多个成像切片进行平均,并且确定多个成像切片中的每个成像切片的平均偏移量。放疗处理计算系统510基于平均偏移量来对成像切片进行重新采样,以基于每个重新采样的成像切片到目标图像(例如,所选择的成像切片)的距离来选择重新采样的成像切片的子集。例如,放疗处理计算系统510选择切片与目标切片之间的距离小于指定阈值的那些成像切片。然后通过对重新采样的多个成像切片的所选择的子集进行平均来生成复合图像。
在一些实施方式中,放疗处理计算系统510根据第四技术来确定放疗治疗阶段期间的移动。例如,放疗处理计算系统510在给定放射阶段中的第一时间点处接收对应于第一平面的第一成像切片(例如,对应于矢状平面或沿矢状平面限定的2D电影图像)。放疗处理计算系统510将第一成像切片编码为较低维度的表示(例如,通过转换第一成像切片的可变形向量场(DVF)的主成分分析(PCA)分量以估计第二成像切片的PCA分量)。在示例中,将切片编码为较低维度的表示包括通过将用于表示切片的标准从一种标准转换为另一种标准来减少用于表示给定切片的数据量。放疗处理计算系统510将经训练的机器学习模型(例如,支持向量机或随机森林机或神经网络)应用于经编码的第一成像切片以估计对应于第一时间点处的第二平面(例如,冠状平面)的第二成像切片的编码版本,从而针对第一时间点提供一对成像切片。放疗处理计算系统510同时将所述一对成像切片空间配准到在给定放射阶段之前接收到的体积图像(例如,患者的3D治疗前体积),该体积图像包括时变对象以计算对象的位移。放疗处理计算系统510生成更新的治疗方案,以基于对象的计算出的位移来控制治疗束的递送。在一些情况下,在对图像进行配准之前,放疗处理计算系统510对第二成像切片的所估计的编码版本进行解码以获得在第一时间点处的第二成像切片。例如,放疗处理计算系统510将用于表示成像切片的数据从一种标准转换或升级为另一种标准。为了对切片进行编码和解码,根据所公开的技术,可以使用任何合适的压缩和解压缩算法。
在一些情况下,一对成像切片包括一对立体成像切片,使得第一平面与第二平面正交或者第一平面相对于第二平面倾斜(例如,非正交)。在一些情况下,为了训练机器学习模型以执行第四技术中的预测,放疗处理计算系统510在给定放射阶段之前接收对应于第一平面的第一训练成像切片序列。放疗处理计算系统510还在给定放射阶段之前接收对应于第二平面的第二训练成像切片序列。第二训练成像切片序列可以与第一成像切片序列同时或交替地接收。放疗处理计算系统510将第一序列和第二序列编码为较低维度的表示(例如,将用于表示第一序列和第二序列的数据从一种标准转换为另一种标准以减少用于表示序列的数据量)。在一些实现方式中,放疗处理计算系统510对第一训练成像切片序列的与第一训练时间点对应的第一训练图像切片进行内插,以当在第二训练时间点处接收第二训练成像切片序列的第二训练图像切片时生成对应于第二训练时间点的第一内插训练成像切片。具体地,放疗处理计算系统510针对与接收到第二平面的训练成像切片中的一个的时间点对应的下一个相邻时间点内插或生成第一训练图像切片的预期版本。放疗处理计算系统510基于内插的图像来训练机器学习模型,以根据对应于第二平面的第二图像预测对应于第一平面的第一图像。随着新的成像切片被捕获和接收,放疗处理计算系统510在给定放射阶段期间连续或周期性地训练机器学习模型。
放疗处理计算系统510可以包括处理电路系统512、存储器514、存储装置516、以及其他硬件和软件可操作的特征例如用户接口542、通信接口(未示出)等。存储装置516可以存储暂态或非暂态计算机可执行指令,例如操作系统、放疗治疗计划(例如,训练数据、治疗计划策略、患者移动模型、患者变形模型、束递送段信息、患者的5D和/或2D图像信息以及装置调整参数等)、软件程序(例如,图像处理软件、图像或解剖可视化软件等)、以及要由处理电路系统512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512可以包括处理装置,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装置。更具体地,处理电路系统512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512也可以由一个或更多个专用处理装置例如专用集成电路(ASIC)、现场可编程门阵列(FPGA)、数字信号处理器(DSP)、片上系统(SoC)等实现。
如本领域技术人员将理解的,在一些示例中,处理电路系统512可以是专用处理器,而不是通用处理器。处理电路系统512可以包括一个或更多个已知的处理装置,例如,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SunMicrosystems制造的任何各种处理器。处理电路系统512还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,或者来自由AMDTM制造的RadeonTM系列的GPU。处理电路系统512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被以其他方式配置成满足识别、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所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”可以包括多于一个的物理(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512可以执行存储在存储器514中并从存储装置516访问的暂态或非暂态计算机程序指令序列,以执行将在下面更详细地说明的各种操作、过程、方法。应当理解,放疗系统500中的任何部件可以单独地实现并作为独立装置而操作,并且可以耦接至放疗系统500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514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)、闪存、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,闪存、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,高速缓存、寄存器、光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光存储装置、盒式磁带、其他磁存储装置或任何其他非暂态介质,所述任何其他非暂态介质可以用于存储信息,包括图像、训练数据、ML技术参数、装置适配功能、数据或者能够由处理电路系统512或任何其他类型的计算机装置访问的暂态或非暂态计算机可读指令(以任何格式存储的)。例如,计算机程序指令可以由处理电路系统512访问,从ROM或任何其他合适的存储器位置读取,以及加载到RAM中以供处理电路系统512执行。
存储装置516可以构成驱动单元,该驱动单元包括暂态或非暂态机器可读介质,在该暂态或非暂态机器可读介质上存储体现或由本文描述的任何一种或更多种方法或功能(在各种示例中包括治疗处理逻辑520和用户界面542)使用的一组或更多组暂态或非暂态指令和数据结构(例如,软件)。指令还可以在由放疗处理计算系统510执行期间完全或至少部分地驻留在存储器514内和/或处理电路系统512内,其中存储器514和处理电路系统512也构成暂态或非暂态机器可读介质。
存储器514和存储装置516可以构成非暂态计算机可读介质。例如,存储器514和存储装置516可以存储或加载用于计算机可读介质上的一个或更多个软件应用的暂态或非暂态指令。利用存储器514和存储装置516存储或加载的软件应用可以包括例如用于普通计算机系统以及用于软件控制的装置的操作系统。放疗处理计算系统510还可以操作各种软件程序,包括用于实现治疗处理逻辑520和用户界面542的软件代码。此外,存储器514和存储装置516可以存储或加载整个软件应用、软件应用的一部分、或者与软件应用相关联的可由处理电路系统512执行的代码或数据。在另一示例中,存储器514和存储装置516可以存储、加载和操纵一个或更多个放疗治疗计划、成像数据、分割数据、治疗可视化、直方图或测量结果等。设想软件程序不仅可以存储在存储装置516和存储器514上,而且还可以存储在可移动计算机介质例如硬盘驱动器、计算机磁盘、CD-ROM、DVD、蓝光DVD、USB闪存驱动器、SD卡、记忆棒或任何其他合适的介质上;这样的软件程序也可以通过网络传送或接收。
尽管未描绘,放疗处理计算系统510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、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,光纤、USB 5.0、雷电接口等)、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5G/LTE、4G/LTE和5G、网络等通信)等。这样的通信接口可以包括一个或更多个数字和/或模拟通信装置,所述一个或更多个数字和/或模拟通信装置允许机器经由网络与其他机器和装置例如位于远程的部件进行通信。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(包括附加的图像处理计算系统或与医学成像或放疗操作相关联的基于图像的部件)的LAN或WAN。
在示例中,放疗处理计算系统510可以从图像数据源550(例如,CT图像、PET图像和/或MR图像)获得图像数据552,以用于托管在存储装置516和存储器514上。在又一示例中,软件程序可以替代患者图像的函数,例如符号距离函数或强调图像信息某些方面的图像的处理版本。
在示例中,放疗处理计算系统510可以从图像数据源550获取图像数据552或将图像数据552传送至图像数据源550。在另外的示例中,治疗数据源560接收或更新作为放疗装置参数调整或段自适应或检测对象(例如,目标位点)的移动的结果的计划数据562。
处理电路系统512可以通信地耦接至存储器514和存储装置516,并且处理电路系统512可以被配置成执行存储在其上的来自存储器514或存储装置516的计算机可执行指令。处理电路系统512可以执行指令以使来自图像数据552的医学图像在存储器514中被接收或获得并且使用治疗处理逻辑520进行处理。
另外,处理电路系统512可以利用软件程序来生成中间数据,例如要由例如神经网络模型、深度学习神经网络模型、包括支持向量机或随机森林的回归技术、机器学习模型或者与生成装置参数调整或段自适应有关的其他方面使用的更新参数,如本文所讨论的。此外,这样的软件程序可以利用治疗处理逻辑520来产生更新的放疗参数,以提供至治疗数据源560,以使用本文进一步讨论的技术修改在给定分段内递送至目标的剂量和/或用于呈现在输出装置546上。处理电路系统512随后可以经由通信接口和网络将更新的放疗参数传输至治疗装置580,其中更新的参数将用于经由治疗装置580利用放射来治疗患者。对于给定治疗分段的每个段或部分,放疗参数(也称为控制点)可以包括MLC位置和设置、机架角度、放射剂量量(例如,监视单元(MU)的量)、放疗束方向、放射束大小、弧位置、束开启和关闭持续时间、机器参数、机架速度、MRI脉冲序列、它们的任意组合,等等。
在示例中,图像数据552可以包括一个或更多个MR图像(例如,2D MRI、5D MRI、2D流式MRI、4D MRI、4D体积MRI、4D电影MRI等)、功能性MRI图像(例如,fMRI,DCE-MRI,弥散MRI)、计算机断层扫描(CT)图像(例如,2D CT、2D锥形束CT、5D CT、5D CBCT、4D CT、4DCBCT)、超声图像(例如,2D超声、5D超声、4D超声)、正电子发射断层扫描(PET)图像、X射线图像、荧光透视图像、放疗门户图像、单张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)、无线电信标、患者表面的激光扫描等。此外,图像数据552还可以包括医学图像处理数据,例如训练图像、地面实况图像、轮廓图像和剂量图像,或者与医学图像处理数据相关联。在其他示例中,解剖区域的等效表示可以以非图像格式(例如,坐标、映射等)来表示。
在示例中,图像数据552可以从图像获取装置570接收并存储在图像数据源550中的一个或更多个(例如,图片存档和通信系统(PACS)、供应商中立存档(VNA)、医疗记录或信息系统、数据仓库等)中。因此,图像获取装置570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、集成线性加速器和MRI成像装置、CBCT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。图像数据552可以被接收并以任何类型的数据或任何类型的格式(例如,以医学数字成像和通信(DICOM)格式)被存储,图像获取装置570和放疗处理计算系统510可以使用所述任何类型的数据或任何类型的格式以执行与所公开的实施方式一致的操作。此外,在一些示例中,本文讨论的模型可以被训练以处理原始图像数据格式或其派生。
在示例中,图像获取装置570可以与治疗装置580集成为单个设备(例如,与线性加速器组合的MRI装置,也称为“MRI-Linac”)。这样的MRI-Linac例如可以用于确定患者体内目标的位置,从而根据放疗治疗计划将放射束准确地引导至预定目标。例如,放疗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。放疗治疗计划还可以包括其他放疗信息和放疗装置参数,例如束角度、剂量-体积-直方图信息、治疗期间要使用的放射束的数量、每束的剂量等。MRI-Linac可以用于计算、生成和/或更新患者变形模型,以使患者的5D或2D图像的与给定的束递送段对应的图像部分变形。MRI-Linac可以用于在治疗分段的各种增量/间隔处提供实时患者图像(或患者图像的子集)和机器设置或参数,以连续或周期性地计算增量/间隔的剂量,并且基于这样的计算出的剂量来确定实时剂量累积。
放疗处理计算系统510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疗操作有关的多种不同类型的数据。例如,外部数据库可以包括提供与治疗装置580、图像获取装置570或与放疗或医疗过程相关的其他机器相关联的信息的机器数据(包括装置约束)。机器数据信息可以包括放射束大小、电弧位置、束开启和关闭持续时间、机器参数、段、MLC配置、机架速度、MRI脉冲序列等。外部数据库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。此外,这样的数据库或数据源可以包括以中央或分布式方式定位的多个装置或系统。
放疗处理计算系统510可以经由使用一个或更多个通信接口的网络收集和获得数据,并且与其他系统进行通信,所述一个或更多个通信接口通信地耦接至处理电路系统512和存储器514。例如,通信接口可以提供放疗处理计算系统510与放疗系统部件之间的通信连接(例如,允许与外部装置交换数据)。例如,在一些示例中,通信接口可以具有来自输出装置546或输入装置548的适当接口电路系统以连接至用户接口542,该用户接口542可以是硬件键盘、小键盘或触摸屏,通过这些接口,用户可以将信息输入至放疗系统中。
作为示例,输出装置546可以包括显示装置,该显示装置输出用户界面542的表示以及医学图像的一个或更多个方面、可视化或表示、治疗计划以及这样的计划的训练、生成、验证或实现的状态。输出装置546可以包括一个或更多个显示屏,所述一个或更多个显示屏向用户显示医学图像、界面信息、治疗计划参数(例如,轮廓、剂量、束角度、标签、地图等)、治疗计划、对于给定的治疗段、目标被识别和使其变形的图像部分、定位目标和/或跟踪目标、或任何有关信息。输出装置546可以在放疗治疗分段的递送期间向用户提供目标对象或治疗位点的移动的可视化。
连接至用户界面542的输入装置548可以是键盘、小键盘、触摸屏或用户可以使用其向放疗系统500输入信息的任何类型的装置。替选地,输出装置546、输入装置548以及用户界面542的特征可以集成到单个装置例如智能电话或平板电脑(例如,AppleLenovoSamsung等)中。
此外,放疗系统500的任何和所有部件可以实现为虚拟机(例如,经由VMWare、Hyper-V等的虚拟化平台)或独立装置。例如,虚拟机可以是充当硬件的软件。因此,虚拟机可以包括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,它们一起用作硬件。例如,放疗处理计算系统510、图像数据源550或类似部件可以被实现为虚拟机或在基于云的虚拟化环境内。
图像获取装置570可以被配置成获取感兴趣区域(例如,目标器官、目标肿瘤或两者)的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)。在示例中,图像获取装置570可以获取任意取向上的2D切片。例如,2D切片的取向可以包括矢状取向、冠状取向或轴向取向。处理电路系统512可以调整一个或更多个参数,例如2D切片的厚度和/或取向,以包括目标器官和/或目标肿瘤。在示例中,可以根据诸如5D CBCT或CT或MRI体积的信息来确定2D切片。这样的2D切片可以由图像获取装置570“近实时”获取,同时患者正在接受放疗治疗例如当使用治疗装置580时(其中“近实时”意指在图像获取与治疗之间没有(或具有最小)延迟的情况下获取数据,如本领域已知的)。在示例中,感兴趣区域的5D体积表示可以使用一个或更多个2D切片的堆叠来生成。
图6总体上示出了对象或目标位点616例如要使用放射治疗来治疗的肿瘤区域的视图。可以使用体积成像技术获得指示目标位点616的信息。仅出于说明的目的,图6中的表示被示出具有矩形面,并且实际的目标位点616可以包括弯曲的或不规则的表面。可以对感兴趣区域612进行成像,例如使用MR成像、CT成像、伪CT图像可视化、门户成像、超声成像或其他技术中的一种或更多种来成像。可以例如使用自动、手动或半自动图像分割技术来识别目标位点616。例如,可以将指定标签分配给体素(例如,体素620)以识别包括放射治疗目标的位点或体素组。作为说明性示例,可以将体素620的对比度值与相邻体素进行比较,并且可以例如使用对比度信息来识别肿瘤或其他区域的边缘。也可以识别其他区域,例如附近的器官或其他特征的位置。
可以确定目标位点的各种特征,例如一个或更多个边缘位置(例如,使用边缘检测或边缘识别技术)。例如,可以通过确定目标位点616的空间质心608来识别目标位点616的位置。使用质心608作为提取的特征是说明性的,并且可以使用其他特征来跟踪目标位点616的运动,例如手动识别或自动确定的目标位点616的点、表面或边缘的位置。在又一示例中,可以使用可植入或外部种子基准,例如从而在获得的成像信息中提供标记。
可以在治疗计划成像期间例如分段间(例如,在放射治疗递送阶段之间)或刚好在开始放射治疗递送阶段之前识别目标位点616和一个或更多个对应特征例如质心608。包括目标位点616的体积成像信息可以称为“参考图像”。如上所述,可能存在挑战,因为图像获取和处理延迟可能妨碍放射治疗期间体积成像信息的“实时”获取。因此,分段内图像获取(例如在放射治疗阶段中的放射治疗递送期间或在放射治疗阶段中的放射治疗递送之间)可以包括更快速地获取成像切片(包括一维轮廓、二维切片、电影图像或包括较早成像的体积区域的子体积或子区域的三维体积)。可以将指示从一个或更多个成像切片快速获得的目标位点的一部分的信息与从较早获取的体积参考图像获得的信息进行比较,以更新治疗方案,例如以由于目标位点的移动而调整治疗。用于获得或生成体积参考图像的成像模态不需要与用于分段内成像的成像模态相同。
在另一示例中,目标位点616不需要在体积参考图像中被分割或以其他方式识别。短语“目标位点”的使用仅说明感兴趣区域内的目标,例如要治疗的肿瘤的一部分或全部或其他解剖结构例如肿瘤附近的器官。除了或替代目标位点616的分割,可以执行如本文所描述的各种技术,例如包括例如使用包括对比度值或灰度值的体素值来将体积参考图像的一部分(例如,指定的感兴趣区域)或体积参考图像的全部与其他成像信息进行空间配准。例如,这样的空间配准可以包括与一个或更多个二维成像切片的三维(例如,体积)配准(例如,3D-2D配准)或其他技术。
图7A和图7B示出了目标位点716的成像获取平面712A(在图7A中)以及对应于沿线706A与目标位点716相交的第一成像平面取向的对应获取成像切片714A(在图7B中)的视图。作为说明性示例,图7A可以表示图像获取平面712A和对应切片714A的矢状取向。成像“切片”可以包括二维像素成像信息或三维成像信息,例如,具有如图7B说明性地所示的小的有限厚度。可以识别成像切片714A中的目标位点的一部分718A,例如,再次使用分割技术例如使用离散动态轮廓、蛇形或水平集,或再次使用基于配准的技术来识别。
可以获得一系列的成像切片,例如包括如图7C、图7D、图7E和图7F所示的不同的成像获取平面取向。例如,图7C和图7D示出了沿线706B与目标位点716相交的成像获取平面712B(在图7C中)和包括目标位点716的不同部分718B的对应的获取成像切片714B(在图7D中)的视图,所述对应的获取成像切片714B对应于第二成像平面取向,例如可以正交于上面关于图7A和图7B提及的第一成像平面取向。作为说明,图7C和图7D可以对应于冠状平面。图7E和图7F示出了沿线706C与目标位点716相交的成像获取平面712C(在图7E中)和包括目标位点716的又一不同部分718C的对应的获取成像切片714C(在图7F中)的视图,所述获取成像切片714C对应于第三成像平面取向,例如可以正交于上面关于图7A、图7B、图7C和图7D提及的第一成像平面取向和第二成像平面取向中的一个或更多个。作为说明,图7E和图7F可以对应于轴向成像平面。图7A、图7B、图7C、图7D、图7E和图7F的成像切片被示出为彼此正交的二维平面。然而,如关于本文的其他示例所提及的,切片不需要是平面的也不需要是正交的。可以处理每个获取的成像切片,包括与成像切片的获取并行地处理一个或更多个切片。例如,这样的处理可以包括来自体积参考图像的采样信息,例如对应于所获取的成像切片的平面或区域。
在一种方法中,从成像切片714A、714B或714C中的一个或更多个提取的特征可以与从体积参考图像提取的成像信息进行比较。例如,来自体积参考图像的目标位点616的分割部分或封装目标位点和周围组织的区域可以与相应的成像切片714A、714B或714C进行空间配准,以确定目标位点是否已经移位。然而,将从单个二维成像切片提取的特征与来自体积参考图像的相应特征进行比较可能带来挑战。例如,图8A总体上示出了一系列成像获取平面812A、812B和812C,例如可以在目标位点816从一个成像获取实例移动至另一成像获取实例时获得。在时间ti-2处,成像获取平面与目标位点816相交的线806A大致居中,并且在时间ti-1处,线806B被移位,并且在时间ti处,线806C被进一步移位。在时间ti、ti-1、ti-2、……处获得的成像切片通常可以标记为Si、Si-1、Si-2……。
如果目标位点的运动是平面外的,则质心或其他特征位置可能不会在图像之间显著地移位,即使目标位点已经显著地移动也是如此,或者目标位点可能会出现变形,从而使运动的解释变得困难。然而,这样的平面外运动可以被适当地跟踪,例如通过以下中的一个或更多个来跟踪:改变连续获取的成像切片的取向(例如,如图8C和别处所示),或者改变或补偿成像获取区域的非平面形状,使得成像切片在三维意义上不被表示为完全平面(例如,如图8B所示)。例如,图8B总体上示出了一系列成像切片813A、813B和813C,例如可以包括弯曲形状。通常,即使在提及图像获取“平面”时,本文描述的技术也可以与其他切片几何形状例如图8B的弯曲切片一起使用。作为说明性示例,MR成像信息可以作为平面切片获得,并且可以对平面切片应用变换以获得在三维意义上弯曲的表面,例如以帮助捕获或校正整个成像场的失真,例如以补偿所建立的磁场中的不均匀性。作为另一说明性示例,图8C总体上示出了一系列成像获取平面815A、815B和815C,例如可以包括不需要各自正交的不同取向。
如上所述,如果成像切片是按时间顺序获取的,目标位点很可能在连续的图像获取之间移位。图9A总体上示出了一系列两个成像切片,例如包括在第一成像切片与第二成像切片之间移位的目标位点。两个顺序获取的成像切片的示例是说明性的。本文描述的技术通常也适用于多于两个成像切片的序列(或者甚至是关于参考体积成像信息的一部分或全部分析的单个成像切片)。
成像切片914A(例如,Si)可以包括目标位点的一部分918A,并且第二成像切片914B(Si-1,例如在时间上较早获取的)可以包括第二部分918B。第二部分918B看起来相对于第一部分918A位移了位移920。因为位移920通常是未知值或向量,所以可以使用各种技术,例如以将第一部分918A与第二部分918B进行空间配准。如图9B所示,空间配准的切片914C可以包括目标位点的一部分918C的调整位置。在符号上,一组或一系列获取的成像切片可以标记为Si、Si-1、Si-2、...、Si-n,其中Si对应于最近获取的用于处理的切片,Si-n对应于最早获取的用于处理的切片。一系列空间配准的成像切片可以标记为Si、S’i-1、S’i-2、……、S’i-n。
图10总体上示出了一种技术,该技术可以包括将来自两个(或更多个)成像切片Si、Si-1、Si-2、……、Si-n的目标位点的分割部分进行空间配准。在一种方法中,可以定义一个度量来量化目标位点的两个部分1018A和1018B对准的好坏(或更一般地,两个成像切片或成像体积对准的好坏),例如沿将第一部分1018A与移位的第二部分1018B连接的相交线1022的像素之间的相似性。这样的度量的示例包括一维标准化互相关或互信息。可以执行自动优化技术以找到提供度量的最优值的第二部分1018B的平移。掩模可以用于将计算限制为仅最相关的像素,例如靠近感兴趣目标的像素。这第一种方法通常依赖于具有共同相交线的平面。
另一种方法可以包括创建三维(3D)体素图像,例如具有对应于第一切片取向的第一图像,包括对应于切片内的目标位点的一部分的填充体素和切片外的零值体素,以及具有第二切片取向的第二图像,包括其自身填充的体素,所述体素对应于第二图像中的目标位点的一部分。作为说明性示例,MR成像切片通常具有有限的厚度,例如对应于约5毫米。通过使用从MR成像切片提取的二维(2D)像素信息在实际切片厚度内为体素分配切片信息,可以考虑有限切片厚度。可以使用3D配准技术找到两个3D图像之间的最优平移,并且可以使用掩模来排除不包含切片信息的体素。3D配准方法还通常依赖于具有共同相交线。三维配准的成像切片的说明性示例在图11A中说明性地示出。
在又一种方法中,可以将预测技术应用于先前成像切片,以找到针对先前成像切片取向但具有与当前或最近获取的成像切片相同的时间戳的目标位点的一部分的最可能位置。各种技术例如核密度估计、神经网络、深度学习神经网络模型、包括支持向量机或随机森林的回归技术、或模板匹配技术可以用于这样的预测。如果目标位点的运动本质上是高度周期性的,例如与呼吸运动相关联,则预测可以特别有效。尽管使用预测只是一种近似,但它也可以与上面和本文别处描述的基于图像的方法结合使用。基于预测的方法不依赖于具有共同相交线的图像获取平面,因此在获取平行切片时可以使用预测技术。
在又一种方法中,当获取快速垂直MR成像切片时,暗线会出现在当前图像中先前图像被激发但尚未完全放松至平衡的位置。因为来自先前切片的激发磁偶极子跟随移动的解剖结构,所以可以使用可见的先前激发区域(例如,激发线)作为锚点,以将先前的切片与较晚获取的成像信息对准。这可以通过上述其他技术隐含地考虑,因为如像素或体素特征的这样的变暗区域可以影响配准,或者明确地,例如通过识别或明确地确定这些变暗区域在获取的成像切片中的位置。例如,可以使用峰值检测技术来沿变暗区域的中心找到点,并且可以找到对这些点提供最佳拟合的线(直线或曲线)。本文献中描述的各种示例涉及图像之间的配准,例如包括将第一图像的分割部分与第二图像(或一系列图像)的分割部分或其他识别特征的配准。通常,两个图像之间的配准可以包括移动图像和固定图像。目标可以是确定移动图像的位置或变换,以使其最适合固定图像。“移动”可以意指例如使移动图像在一维或多维空间上移位(仅平移)、使移动图像移位和旋转,或者甚至使移动图像变形。可用于移动移动图像的自由度可以称为“优化参数”,作为说明性示例,优化参数可以包括在仅利用两个2D图像移位的情况下的两个自由度,或者3D图像的6个移位加旋转自由度。尽管我们可能通常指的是3D图像配准,但是“优化参数”仍然可以统称为“移位值”而不失一般性。
对于给定的一组优化参数,度量可以定义移动图像与固定图像之间确定的交叠的“优度”。各种示例可以包括确定标准化互相关或互信息(例如使用体素或像素值作为输入值),并且这样的技术可以在图像完美匹配时提供度量的最优值的指示。基础成像技术的性质可以有助于建立要使用的度量。例如,互信息技术可以用于使用不同模态例如正电子发射断层扫描(PET)和CT成像获得的图像。
可以使用优化技术来找到使移动图像与固定图像之间的度量优化的移位值,例如以识别在两个图像之间给出最优匹配的移位值。可以使用的不同优化器可以包括梯度下降、模拟退火、信任区域梯度下降或一种或更多种其他技术。在一些情况下,图像之间可能存在变形,但并不总是需要使变形向量场优化并将其考虑在内,因为变形信息的优化可能导致一种或更多种不期望的延迟,或者可能侵蚀优化技术的稳定性。度量的计算可以限于指定的感兴趣区域,例如称为“掩模”。例如,假设在感兴趣区域中存在可忽略的变形,则可以使用没有变形的平移或旋转中的一种或更多种来确定在指定的感兴趣区域中局部最优的移位值。
通常,如果一个或更多个2D成像切片可用,则可以在当前2D切片(例如MR成像切片)与初始3D体积(例如,参考体积图像)之间确定放射治疗目标的运动。作为说明性示例,3D体积还可以对应于特定的呼吸阶段以减少呼吸模糊,这可以通过门控或触发的成像(例如,触发成像)来完成,或者通过在特定阶段从四维成像信息提取3D体积图像(例如,从4D成像系列例如使用MR成像获得的4D成像信息提取3D体积快照)来完成。
在一种方法中,可以在成像切片中识别目标本身。然而,虽然本文别处提及了分割,但如果不执行分割或其他特征提取,则本文描述的技术也适用。作为说明性示例,可以在一个或更多个较晚获取的成像切片与较早获取的参考3D图像之间确定灰度值的最佳拟合。目标不需要实际在图像中,但可以指定感兴趣区域,例如可以包括目标的一部分,或者目标加上边缘,或者只是没有目标的任意感兴趣区域。
在一种方法中,可以执行2D/3D配准以找到当前成像切片与参考体积之间的相对移位。3D图像可以表示“移动图像”,而2D切片可以表示与配准技术相关的“固定图像”。通常,可以在3D图像中识别目标的位置,并且将相对移位应用于较早的目标位点可以提供目标的更新位置的估计,例如目标在三维坐标系内的更新位置的估计。这样的估计可以在不需要确定变形的情况下执行,甚至可以在不使用旋转参数的情况下执行,例如以提高优化技术的执行效率。可以应用这样的简化假设,例如当将3D参考图像配准到一个或更多个2D成像切片时可以应用这样的简化假设。
例如,指定的感兴趣区域可以用于限定目标周围的掩模加上边缘(尽管感兴趣区域不需要包括目标或目标的全部)。可能存在变形,但作为说明性示例,如果边缘很小,则变形也将很小(例如,可忽略不计),并且可以使用忽略变形的配准技术来确定目标本身的移位。以这种方式,单平面技术(例如,成像切片是固定图像的技术)仍然可以提供指示三个维度的移位的信息。当图像中存在足够的特征来“锁定”三个维度的配准——配准收敛到一个明确定义的最优值——尽管不需要提取或分割特征时,这样的技术是稳健的。
在一种方法中,图像梯度的标准化互相关可以用作配准度量,因为这样的技术倾向于匹配图像边缘并且对可能因图像而异的绝对灰度值不太敏感。在一些情况下,单个成像切片或平面可能不够稳健,无法建立具有明确最优值(通俗地说,“锁定”)的移位。因此,作为说明性示例,附加切片可以用于帮助锁定所有方向,例如使用当前矢状和先前获取的冠状切片可以用于帮助锁定所有方向,或反之亦然。随着用于配准的切片数量增加,无论是平行、正交还是在非平行平面和非正交平面中,更多信息可用于在参考体积图像与较晚获取的成像切片之间进行配准,这提高了所得移位参数确定的稳健性。
图12示出了根据一些实施方式的用于确定对象的移动的第二技术。具体地,如图12所示,可以在放疗治疗阶段期间的第一时间点处实时捕获描绘对象且沿第一平面(例如,矢状平面)限定的第一切片(例如,2D电影图像)。第一切片与描绘对象的体积图像的一部分配准以确定对象沿第一方向和第二方向的移动。例如,可以从治疗前3D图像提取对应平面(例如,矢状平面)并与捕获的第一切片配准以确定对象沿第一方向和第二方向的移动。作为示例,第一方向和第二方向可以包括上/下方向和沿前/后方向。对象的左/右运动(例如,沿第三方向的移动)可能在第一切片与体积部分的配准中缺失。在这种情况下,对象沿缺失的第三方向(例如,左/右方向)的移动可以基于从在放疗治疗阶段期间的先前时间点描绘对象的第二切片(例如,2D电影图像)来获得。第二切片可以沿冠状平面限定,并且当与体积图像中的对应平面配准时,提供沿左/右方向的移动。以这种方式,可以使用沿对应于当前时间点的第一平面限定的切片并使用沿第二平面限定的先前捕获的切片来确定对象在放疗治疗阶段的当前时间点处沿第一方向、第二方向和第三方向的移动。
在一些情况下,体积图像被定义为用于配准目的的移动图像,而在放疗治疗阶段期间捕获的2D图像被定义为固定图像。在放疗治疗阶段中的较晚或顺序的下一个时间点处,捕获其中描绘了对象且沿第二平面限定的第三切片(例如,2D电影图像)。第三切片与描绘对象的体积图像的一部分配准以确定对象沿第一方向和第三方向的移动。例如,可以从治疗前3D图像提取相应平面(例如,冠状平面)并与所捕获的第三切片配准以确定对象沿第一方向和第三方向的移动。作为示例,第一方向和第三方向可以分别包括上/下方向和沿左/右方向。对象的前/后移动(例如,沿第二方向的移动)可能在第三切片与体积部分的配准中缺失。在这种情况下,对象沿缺失的第二方向(例如,前/后方向)的移动可以基于其中对象在放疗治疗阶段期间的先前时间点被描绘的第四切片(例如,2D电影图像)来获得。第四切片可以沿矢状平面限定,并且当与体积图像中的对应平面配准时,提供沿前/后方向的移动。以这种方式,可以使用沿对应于当前时间点的第一平面限定的切片并使用沿第二平面限定的先前捕获的切片来确定对象在放疗治疗阶段的当前时间点处沿第一方向、第二方向和第三方向的移动。
图13示出了根据一些实施方式的用于根据第二技术来确定对象的移动的时序图。如图13所示,在放疗治疗阶段的第一时间点1310期间,捕获矢状图像1312(例如,沿矢状平面的2D电影图像)。该矢状图像1312与治疗前3D体积图像配准。作为该配准的结果,在第一时间点期间捕获的矢状图像1312中描绘的对象的移动可以沿第一方向1320和第二方向1330(例如,沿上/下方向和沿前/后方向)来确定。缺失沿左/右方向1340的移动。为了恢复缺失的移动信息,检索在同一放疗治疗阶段中的一个或更多个先前时间点1360期间捕获的冠状图像1350(例如,沿冠状平面的2D电影图像)。先前捕获的冠状图像1350与相同的3D体积图像配准以提供沿左/右方向1340的移动(例如,左/右移动)。以这种方式,可以使用沿第一平面限定的当前捕获的图像和沿第二平面限定的先前捕获的图像来确定对象沿三个方向的移动。
图14是根据一些实施方式的用于根据第二技术来确定对象的移动的流程图1400。图14中讨论的操作可以按顺序、并行地、跳过或乱序来执行。图14中讨论的操作可以由计算系统510(图5)执行。
在操作1401处,计算系统510在给定放射阶段之前接收包括时变对象的体积图像。
在操作1402处,计算系统510在给定放射阶段期间的第一时间点处接收包括对象的第一成像切片。第一成像切片沿第一平面限定。
在操作1403处,计算系统510在给定放射阶段期间的第一时间点处访问包括对象的第二成像切片,第二成像切片已经在给定放射阶段期间的第一时间点之前的第二时间点处获得并沿第二平面限定。
在操作1404处,计算系统510基于与体积图像配准的第一成像切片来确定对象沿第一方向和第二方向的移动。
在操作1405处,计算系统510基于第二成像切片来确定对象在第一时间点处沿第三方向的移动。
在操作1406处,计算系统510生成更新的治疗方案,以基于所确定的移动来控制治疗束的递送。
配准可以包括在一个或更多个成像切片上扫描3D体积,或者切片可以插入到如本文别处提及的3D体积中,在这种情况下可以使用3D到3D配准技术(例如抑制或忽略未填充体素的配准)。多切片技术可以很好地工作,例如在切片以快速连续的方式例如在对应于所获取切片的瞬间之间少于约50ms来获取的情况下。如果在成像切片获取之间发生较长的持续时间,则较旧的切片可能变得“陈旧”。然而,这样的切片仍然可以在时间上重新对准,例如使用以下之一来在时间上重新对准:a)一种预测技术,例如目标运动本质上是周期性的;b)对由成像模态提供的激发线(例如,从MR成像获取可见的激发线)进行对准,例如通过拟合穿过本文别处提及的这样的激发线的线来对准;或者c)通过对陈旧的成像切片进行空间配准,以便使用沿相交线计算出的度量来使陈旧的成像切片与当前切片匹配。
图11A总体上示出了目标位点的复合物1118表示,例如在对应于空间配准的成像切片1114A和1114B的不同时间处获取的目标位点的分割部分的空间配准之后。在来自两个或更多个成像切片的目标位点的部分已经被空间配准之后,可以例如从复合物1118提取特征。例如,可以确定复合物1118的质心1108或其他特征的位置,例如从而提供用于更新放射治疗方案的目标位点的质心位置的估计。在另一示例中,所确定的在第一成像切片1114A与第二成像切片1114B中的目标位点的部分之间的空间位移可以用于更新放射治疗方案。
图11B总体上示出了用于根据所获取的空间配准的成像信息来确定目标位点的复合物1118的较晚估计或预测的位置与诸如由较早获取的体积成像信息表示的目标位点616的较早位置之间的差异的技术。一个或更多个特征的位移可以用于估计当前或未来的目标位点位置。例如,可以确定从参考成像信息提取的较早确定的质心608与较晚确定的质心1108之间的位移。在另一示例中,可以使用来自成像配准的移位参数来提供更新的目标位点而不需要提取或确定诸如质心的特征。通常,可以使用多种其他技术,例如以使用空间配准的成像切片来提取指示目标位点616的运动或位移的信息。
例如,一旦将一组先前的成像切片与当前切片对准以形成切片集Si、S’i-1、S’i-2、……、S’i-n,则可以找到切片集(或者从这样的切片集生成的复合物1118)与三维参考体积(例如对应于如图11B所示的目标位点616的参考体积)之间的最优配准。作为说明性示例,矢状切片获取可以在冠状切片获取之前。可以识别将冠状切片带到与矢状切片相同的时间点以将冠状切片与矢状切片进行空间配准的空间平移。然后,可以在3D体素坐标空间内建立两个切片。这可以通过将切片插入为无限小的切片或使用已知切片厚度的有限切片(例如图11A和图11B的复合物1118中所示)来完成。
未被来自每个切片的目标位点的部分填充的体素可以不填充。然后可以在3D参考图像(例如,对应于目标位点616)与3D“切片填充图像”(对应于复合物1118)之间确定3D到3D配准。可以使用掩模来过滤掉尚未填充的体素。在另一示例中,可以执行3D到2D配准,例如使用多个2D切片而不是单个复合物来执行。例如,可以评估3D参考图像的移位参数(例如,一个或更多个特征例如质心的位移、或者指定感兴趣区域的平移或旋转的一组移位值),例如从而使用如上所述的配准和优化技术来对将经移位的3D体积参考图像的体素与多个2D成像切片的每个切片进行比较的相似性度量的值进行优化。以这种方式,可以执行3D到2D配准,例如以识别最优的移位值集。可以使用从移位值获得的信息来更新目标的位置。3D到3D、2D到2D或3D到2D配准技术不需要图像分割(例如,目标位点本身不需要分割),并且这样的配准不需要识别成像特征,例如质心或边缘位置。替代地,可以使用灰度或对比度成像信息(或其他提取的值)来执行配准,例如在通常如本文别处提及的指定感兴趣区域上执行配准。
图11C总体上示出了用于更新治疗方案的技术,例如以将治疗位点移位至新位置。可以建立较早的放射治疗目标区域1110A,例如其与从体积参考图像提取或者根据其他治疗或剂量学目标而建立的目标位点对应。这样的治疗目标区域1110A可以至少部分地使用以下中的一项或更多项来建立:定位放射治疗输出、调制治疗束(包括调制强度或束形状中的一个或更多个)、或使用诸如可移动治疗沙发或平台的致动器来移动患者。可以从治疗目标区域例如质心1108A提取一个或更多个特征。可以确定目标位点(例如,待治疗的肿瘤或其他结构)的估计或预测位移,例如使用本文所述的其他技术来确定。
可以调整治疗目标区域1110A以提供更新的治疗目标区域1110B。例如,如果目标位点由于患者运动而平移,则可以将类似的位移应用于较早的区域1110A以提供更新的治疗目标区域1110B。类似地,如果提取了其他特征,则可以使用诸如旋转或缩放的其他技术来调整治疗目标区域1110A。在另一示例中,替代调整治疗目标区域1110A或除了调整治疗目标区域1110A之外,可以使用其他技术来控制治疗,例如,除非更新的治疗目标区域1110B落在指定区域内,否则对治疗进行门控以抑制放射治疗的递送。在又一示例中,诸如源自传感器输出的替代信号可以用于对治疗进行门控。例如,传感器输出可以与从成像切片提取的特征的位置例如在成像切片被空间配准之后成像切片内的目标位点的质心位置相关。治疗递送可以以同步方式进行门控,例如响应传感器输出而触发(例如,以在诸如呼吸的周期性运动期间的特定时间处递送治疗)。
图15示出了根据一些实施方式的用于确定对象的移动的第三技术。例如,如图15所示,放疗处理计算系统510最初生成复合(模板)成像切片1520,该复合(模板)成像切片1520与3D体积图像1540的相应平面配准。
图16示出了根据一些实施方式的用于生成复合成像切片1520的说明性技术。在一些情况下,通过对成像切片的所选择的子集1610进行平均来生成复合图像。例如,在给定放射阶段期间激活放疗束之前获得多个成像切片1610。对应于参考呼吸阶段(例如,呼气结束)的切片中的一个给定切片被选择为目标图像1612。放疗处理计算系统510将多个成像切片的剩余集可变形地配准1614到所选择的目标图像1612。
放疗处理计算系统510对可变形配准的多个成像切片进行平均,并且为多个成像切片中的每一个确定平均偏移1620。放疗处理计算系统510基于平均偏移来对成像切片进行重新采样,以基于每个重新采样的成像切片到目标图像(例如,所选择的成像切片)的距离来选择重新采样的成像切片的子集1630A至1630N。例如,放疗处理计算系统510计算每个重新采样的成像切片与目标图像之间的距离。放疗处理计算系统510选择切片与目标切片之间的距离小于指定阈值的那些成像切片。然后通过对重新采样的多个成像切片的所选择的子集1630A至1630N进行平均来生成复合图像1640。
返回参照图15,在生成复合图像1640之后,将复合成像切片1520与对应于与复合成像切片相同的平面的新成像切片配准以确定复合成像切片中描绘的对象的移动。作为示例,在给定放射阶段期间的第一时间点处,接收包括对象1512的第一成像切片1510。第一成像切片1510可以对应于第一平面(例如,矢状平面)。放疗处理计算系统510在给定放射阶段期间的第一时间点处访问对应于第一平面的复合成像切片1520。使用在第一时间点之前获得的多个成像切片1530来生成复合成像切片。放疗处理计算系统510将第一成像切片与复合成像切片进行空间配准以确定对象的移动。放疗处理计算系统510生成更新的治疗方案,以基于所确定的移动来控制治疗束的递送。
在一些情况下,放疗处理计算系统510通过将在配准中考虑的像素掩模限制在第一成像切片和复合成像切片中的一者或两者中来将第一成像切片与复合成像切片进行配准。在一些情况下,在第一成像切片1510被配准到复合成像切片1520之前,复合成像切片1520被配准到从体积图像1540提取的二维切片。在一些情况下,被配准到从体积图像提取的二维切片的复合成像切片1520被手动地调整以选择或改变相对于二维切片配准的复合图像的位置或部分。
在一些实施方式中,执行类似的操作以基于沿不同平面(例如,冠状平面)的复合图像来确定移动。在这样的情况下,复合成像切片1520是第一复合图像。在给定放射阶段期间的第二时间点处,放疗处理计算系统510接收对应于第二平面(例如,冠状平面)的第二成像切片。放疗处理计算系统510在给定放射阶段期间的第二时间点处访问对应于第二平面(例如,冠状复合成像切片)的第二复合成像切片(未示出)。使用在第二时间点之前获得的另外多个成像切片来生成第二复合成像切片。具体地,冠状复合成像切片以与上述用于矢状平面的方式相同的方式生成,但是使用沿冠状平面接收的切片。例如,通过对冠状成像切片的所选择的子集进行平均来生成冠状复合图像。例如,在给定放射阶段期间激活放疗束之前获得多个冠状成像切片。冠状切片的与参考呼吸阶段对应的给定切片被选择为目标图像。在一些情况下,用于针对第一成像平面(例如,矢状平面)选择目标图像的相同参考呼吸阶段被用于针对冠状成像平面选择目标图像。放疗处理计算系统510将多个冠状成像切片的剩余集可变形地配准到所选择的目标图像。
放疗处理计算系统510对可变形配准的多个冠状成像切片进行平均,并且确定多个冠状成像切片中的每一个的平均偏移量。放疗处理计算系统510基于平均偏移量来对冠状成像切片进行重新采样,以基于每个重新采样的冠状成像切片到目标图像(例如,所选择的冠状成像切片)的距离来选择重新采样的冠状成像切片的子集。例如,放疗处理计算系统510计算每个重新采样的冠状成像切片与冠状目标图像之间的距离。放疗处理计算系统510选择冠状切片与目标冠状切片之间的距离小于指定阈值的那些冠状成像切片。在一些情况下,用于针对第一成像平面(例如,矢状平面)选择成像切片的相同阈值被用于针对冠状成像平面选择成像切片。在一些情况下,不同平面的阈值也不同。然后通过对重新采样的多个成像切片的所选择的子集进行平均来生成冠状复合图像。
放疗处理计算系统510将第二成像切片(例如,冠状成像切片)与第二复合成像切片(对应于冠状平面)进行空间配准,包括移动第二成像切片中的对象的一部分以将第二成像切片中的对象与第二复合成像切片中的对象的一部分进行配准。
图17是根据一些实施方式的用于根据第三技术来确定对象的移动的流程图1700。图17中讨论的操作可以按顺序、并行地、跳过或乱序来执行。图17中讨论的操作可以由计算系统510(图5)执行。
在操作1701处,计算系统510在给定放射阶段期间的第一时间点处接收包括对象的第一成像切片。第一成像切片对应于第一平面(例如,矢状平面)。
在操作1702处,计算系统510在给定放射阶段期间的第一时间点处访问对应于第一平面的复合成像切片。复合成像切片使用在第一时间点之前获得的多个成像切片来生成。
在操作1703处,计算系统510将第一成像切片与复合成像切片进行空间配准。例如,计算系统510基于第一成像切片与复合成像切片之间的差异来对成本函数进行优化,以将第一成像切片与复合成像切片进行配准。
在操作1704处,计算系统510使用空间配准的第一成像切片与复合成像切片来确定对象的移动。
在操作1705处,计算系统510生成更新的治疗方案,以基于所确定的移动来控制治疗束的递送。
图18示出了根据一些实施方式的用于确定对象的移动的第四技术。根据图18所示的技术,在给定放射阶段中的第一时间点处,接收对应于第一平面的第一成像切片1810(例如,对应于矢状平面或沿矢状平面限定的2D电影图像)。第一成像切片被编码为较低维度的表示(例如,通过转换第一成像切片的可变形向量场(DVF)的主成分分析(PCA)分量以估计第二成像切片的PCA分量)。将经训练的机器学习模型(例如,支持向量机或随机森林机、深度学习神经网络模型或包括支持向量机的神经网络或回归技术)应用于经编码的第一成像切片以估计对应于第一时间点处的第二平面(例如,冠状平面)的第二成像切片的编码版本,从而针对第一时间点提供一对成像切片。作为示例,将经训练的机器学习模型应用于第一成像切片1810(例如,矢状平面)以估计冠状平面成像切片的编码版本。
所述一对成像切片同时空间配准到在给定放射阶段之前接收到的体积图像(例如,患者的3D治疗前体积),以生成更新的治疗方案,以基于对象的计算出的位移来控制治疗束的递送。在一些情况下,在对图像进行配准之前,第二成像切片的所估计的编码版本被解码以获得在第一时间点处的第二成像切片。然后将解码版本与第一成像切片1810一起针对体积图像进行空间配准以确定对象在三个维度上的移动或位移。
在一些实施方式中,机器学习模型在放疗分段的初始阶段期间、在放疗分段之前或在放疗分段的递送期间被训练。为了训练机器学习模型,放疗处理计算系统510接收沿同一平面(例如,矢状平面图像)的第一切片序列1810和1830(例如,电影图像)。放疗处理计算系统510还接收沿同一平面(例如,冠状平面图像)的第二切片序列1820(例如,电影图像)。在一些情况下,冠状平面图像以作为矢状平面图像的替选方式被接收,使得当接收到矢状平面图像时,冠状平面图像不被接收,反之亦然。放疗处理计算系统510将第一切片序列1810和1830编码为较低维度的表示并且对在第一切片序列1810与1830之间的矢状图像切片1812内插。经内插的矢状图像切片1812可以表示在接收到冠状图像切片1820时的所预期的矢状图像切片。当接收到矢状图像切片时,执行类似的操作以内插冠状图像切片1822以生成所预期的冠状图像切片。
放疗处理计算系统510将冠状图像切片1820应用于机器学习模型以预测矢状图像切片。在训练期间,放疗处理计算系统510计算所预测的矢状图像切片与经内插的矢状图像切片1812之间的偏差。放疗处理计算系统510基于计算出的偏差来更新机器学习模型的参数。放疗处理计算系统510确定计算出的偏差是否满足停止标准,以确定是基于附加的冠状图像切片继续训练还是输出经训练的机器学习模型。类似地,放疗处理计算系统510将矢状图像切片1830应用于机器学习模型以预测冠状图像切片。在训练期间,放疗处理计算系统510计算所预测的冠状图像切片与经内插的冠状图像切片1822之间的偏差。放疗处理计算系统510基于计算出的偏差来更新机器学习模型的参数。放疗处理计算系统510确定计算出的偏差是否满足停止标准,以确定是基于附加的矢状图像切片继续训练还是输出经训练的机器学习模型。在一些情况下,随着接收到新的矢状和冠状图像切片,机器学习模型在放疗治疗阶段期间无限期地更新。虽然矢状图像对应物和冠状图像对应物被描述为用于训练机器学习模型,但是任何平行、垂直或其他角度的图像切片都可以类似地用于训练机器学习模型,以根据沿不同角度接收到的切片预测沿一个角度的切片。
图19是根据一些实施方式的用于根据第四技术来确定对象的移动的流程图1900。图19中讨论的操作可以按顺序、并行地、跳过或乱序来执行。图19中讨论的操作可以由计算系统510(图5)执行。
在操作1901处,计算系统510在给定放射阶段中的第一时间点处接收对应于第一平面的第一成像切片。
在操作1902处,计算系统510将第一成像切片编码为较低维度的表示。
在操作1903处,计算系统510将经训练的机器学习模型应用于经编码的第一成像切片以估计第二平面在第一时间点处的编码版本以针对第一时间点提供一组成像切片(例如,一对成像切片)。在一些情况下,所述一组成像切片包括彼此正交或沿相对于彼此的倾斜的平面的三个成像切片。
在操作1904处,计算系统510将所述一组成像切片(例如,所述一对成像切片)同时空间配准到在给定放射阶段之前接收到的体积图像,该体积图像包括时变对象以计算对象的位移。例如,计算系统510将所述一组成像切片插入到包括体积图像的3D体积中,并且在所述一组成像切片与3D体积的体素相交的地方填充3D体积的体素。作为另一示例,计算系统510基于所述一组成像切片与体积图像之间的差异来对成本函数进行优化。
在操作1905处,计算系统510生成更新的治疗方案,以基于对象的计算出的位移来控制治疗束的递送。
上述技术(包括用于确定对象在给定放疗阶段期间的移动的第二技术、第三技术和第四技术)可以以串行方式执行,例如包括获取图像和处理这样的图像,然后获取另一系列图像,并且处理一组随后获取的图像。在另一种方法中,本文描述的技术的一个或更多个部分可以并行或以交错方式执行,例如以提供用于以自适应方式更新治疗方案的持续生成的位移或其他信息。在一些情况下,可以使用第三技术(例如,使用复合图像)来确定对象的移动。如果对象的移动超过指定的阈值,则可以立即更新治疗方案。替选地,如果基于第三技术确定的移动超过阈值,则第四技术可以应用于同一组图像以在更新治疗方案之前确定对象的移动。如果对象的移动再次超过指定的阈值,则可以更新治疗方案。在一些情况下,可以基于分配给第三技术的优先级来在第四技术之前应用第三技术。可以跳过第四技术,并且仅当根据第三技术确定对象的移动超过指定的阈值时才应用第四技术。
作为说明性示例,成像切片被示出为彼此正交的二维平面。然而,如关于本文的其他示例所提及的,切片不需要是平面的也不需要是正交的。可以处理每个获取的成像切片,包括与成像切片的获取并行地处理一个或更多个切片。例如,这样的处理可以包括来自体积参考图像的采样信息,例如对应于所获取的成像切片的平面或区域。可以从体积参考图像中的一个或更多个分割的结构提取目标位点的范围(例如,可以用作自适应地指导放射治疗的标志的肿瘤或其他解剖结构)。
可以将边缘添加至目标位点的该范围,例如以限定目标位点在随后获取的成像切片中必须位于其中的区域。边缘可以基于诸如图像获取率的因素进行调整(获取率越低,肿瘤或其他目标可以在图像获取之间行进的距离越远,并且边缘可以相应地扩大)。可以在所获取的成像切片中分割肿瘤或其他目标。从一个或更多个成像切片提取的所分割的目标信息可以与规划图像中识别出的目标位点进行空间配准。如本文其他示例中所描述的,这样的配准可以用于确定更新的目标位点或以其他方式控制或调整治疗。例如,作为说明性示例,更新的目标位点可以用于对治疗进行门控,例如在更新的目标位点指示目标位点部分或全部地在指定的空间门控窗口之外时暂停治疗;或者更新的目标位点可以用于调整束孔径形状以跟踪肿瘤。
各种注释和示例
本文献中描述的每个非限制性示例可以独立存在,或者可以与一个或更多个其他示例以各种排列或组合的方式组合。
上面的详细描述包括对形成详细描述的一部分的附图的参照。附图通过说明的方式示出了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称为“示例”。这样的示例可以包括除了示出或描述的那些要素之外的要素。然而,本发明人还设想了仅提供示出或描述的那些要素的示例。此外,本发明人还设想了使用相对于本文示出或描述的特定示例(或其一个或更多个方面)或相对于本文示出或描述的其他示例(或其一个或更多个方面)示出或描述的那些要素(或其一个或更多个方面)的任意组合或排列的示例。
如果本文献与通过引用并入的任何文献之间的用法不一致,则以本文献中的用法为准。
在本文献中,如专利文献中常见的那样,术语“一个(a)”或“一(an)”用于包括一个或多于一个,与“至少一个”或“一个或更多个”的任何其他实例或用法无关。在本文献中,除非另有说明,否则术语“或”用于指代非排他性的“或”,使得“A或B”包括“A而非B”、“B而非A”以及“A和B”。在本文献中,术语“包括”和“在……中”被用作相应术语“包含”和“其中”的简单英语等同内容。此外,在所附权利要求中,术语“包括”和“包含”是开放式的,也就是说,包括除了权利要求中的这样的术语之后列出的那些要素之外的要素的系统、装置、物品、结合物、配方或过程仍然被认为落在该权利要求的范围内。此外,在所附权利要求中,术语“第一”、“第二”和“第三”等仅用作标记,并不旨在对其对象施加数值要求。
本文描述的方法示例可以至少部分地是机器或计算机实现的。一些示例可以包括利用能够操作以配置电子装置来执行如上面示例中描述的方法的指令编码的计算机可读介质或机器可读介质。这样的方法的实现可以包括代码,例如微代码、汇编语言代码、更高级别的语言代码等。这样的代码可以包括用于执行各种方法的计算机可读指令。代码可以形成计算机程序产品的一部分。此外,在示例中,例如在执行期间或在其他时间,可以将代码有形地存储在一个或更多个易失、非暂态或非易失有形计算机可读介质上。这些有形计算机可读介质的示例可以包括但不限于硬盘、可移动磁盘、可移动光盘(例如,高密度磁盘和数字视频盘)、磁带盒、存储卡或棒、随机存取存储器(RAM)、只读存储器(ROM)等。
上面的描述旨在说明性而非限制性的。例如,上述示例(或其一个或更多个方面)可以彼此组合使用。可以使用其他实施方式,例如本领域普通技术人员在阅读上面的描述之后使用。提供摘要以符合37C.F.R.§1.72(b),使读者能够快速确定技术公开内容的性质。提交的理解是它将不会被用来解释或限制权利要求的范围或含义。此外,在上面的具体实施方式中,可以将各种特征组合在一起以简化本公开内容。这不应被解释为旨在未要求保护的公开特征对于任何权利要求都是必不可少的。更确切地说,发明主题可能不在于特定公开的实施方式的所有特征。因此,所附权利要求在此作为示例或实施方式并入具体实施方式中,其中每个权利要求作为单独的实施方式独立存在,并且设想这样的实施方式可以以各种组合或排列彼此组合。本发明主题的范围应当参照所附权利要求以及这样的权利要求所赋予的等同内容的全部范围来确定。
Claims (37)
1.一种控制自适应放射治疗递送系统的系统,所述系统包括:
一个或更多个处理器,所述一个或更多个处理器被配置成执行包括以下的操作:
在给定放射阶段中的第一时间点处接收对应于第一平面的第一成像切片;
在所述第一时间点处估计对应于第二平面的第二成像切片,以针对所述第一时间点提供一组成像切片;
将所述一组成像切片同时空间配准到在所述给定放射阶段之前接收到的体积图像,以计算所述体积图像中时变对象的位移;以及
生成更新的治疗方案,以基于所述对象的计算出的位移来控制治疗束的递送。
2.根据权利要求1所述的系统,其中,所述一组成像切片包括一对立体成像切片,并且其中,所述第一平面与所述第二平面正交或者所述第一平面相对于所述第二平面非正交。
3.根据权利要求1所述的系统,其中,所述一组成像切片包括沿相对于彼此正交的平面或非正交的平面的三个成像切片。
4.根据权利要求1所述的系统,其中,所述时变对象包括作为所述治疗束的目标的患者体内的肿瘤。
5.根据权利要求1所述的系统,其中,所述操作还包括:
将所述第一成像切片编码为较低维度的表示,以减少用于表示所述第一成像切片的数据量;以及
将经训练的机器学习模型应用于经编码的第一成像切片以估计所述第二成像切片的编码版本。
6.根据权利要求5所述的系统,其中,所述机器学习模型包括回归技术,所述回归技术包括支持向量机或随机森林。
7.根据权利要求5所述的系统,其中,所述机器学习模型包括神经网络。
8.根据权利要求5所述的系统,其中,所述操作还包括:
在将所述一组成像切片进行空间配准之前对所述第二成像切片的所述编码版本进行解码;以及
将所述第二成像切片的经解码的编码版本同时空间配准到所述体积图像。
9.根据权利要求5所述的系统,其中,对所述第一成像切片进行编码包括转换所述第一成像切片的可变形向量场(DVF)的主成分分析(PCA)分量以估计所述第二成像切片的PCA分量。
10.根据权利要求5所述的系统,其中,所述操作还包括在所述给定放射阶段期间基于新的成像切片来连续地更新经训练的机器学习模型。
11.根据权利要求1所述的系统,还包括用于以下的操作:
在所述给定放射阶段之前接收对应于所述第一平面的第一训练成像切片序列;
在所述给定放射阶段之前接收对应于所述第二平面的第二训练成像切片序列;以及
将所述第一训练成像切片序列和所述第二训练成像切片序列编码为较低维度的表示,以减少用于表示所述第一训练成像切片序列和所述第二训练成像切片序列的数据量。
12.根据权利要求11所述的系统,其中,交替地接收所述第一训练成像切片序列和所述第二训练成像切片序列。
13.根据权利要求11所述的系统,其中,所述操作还包括:
对所述第一训练成像切片序列的与第一训练时间点对应的第一训练图像切片进行内插,以当在第二训练时间点处接收所述第二训练成像切片序列的第二训练图像切片时生成对应于所述第二训练时间点的第一内插训练成像切片;以及
基于所述内插来训练机器学习模型,以根据对应于所述第二平面的第二图像预测对应于所述第一平面的第一图像。
14.根据权利要求1所述的系统,其中,所述空间配准操作还包括:
将所述一组成像切片插入到包括所述体积图像的3D体积中;以及
填充所述3D体积的体素,在所述3D体积的所述体素中所述一组成像切片与所述3D体积的所述体素相交。
15.根据权利要求1所述的系统,其中,所述空间配准操作还包括:
基于所述一组成像切片与所述体积图像之间的差异来对成本函数进行优化。
16.一种控制自适应放射治疗递送系统的计算机实现的方法,所述方法包括:
在给定放射阶段中的第一时间点处接收对应于第一平面的第一成像切片;
在所述第一时间点处估计对应于第二平面的第二成像切片,以针对所述第一时间点提供一组成像切片;
将所述一组成像切片同时空间配准到在所述给定放射阶段之前接收到的体积图像,以计算所述体积图像中时变对象的位移;以及
生成更新的治疗方案,以基于所述对象的计算出的位移来控制治疗束的递送。
17.根据权利要求16所述的计算机实现的方法,其中,所述一组成像切片包括一对立体成像切片,并且其中,所述第一平面与所述第二平面正交或者所述第一平面相对于所述第二平面非正交。
18.根据权利要求16所述的计算机实现的方法,还包括:
将所述第一成像切片编码为较低维度的表示,以减少用于表示所述第一成像切片的数据量;以及
将经训练的机器学习模型应用于经编码的第一成像切片以估计所述第二成像切片的编码版本。
19.根据权利要求18所述的计算机实现的方法,其中,经训练的机器学习模型包括回归技术,所述回归技术包括支持向量机或随机森林。
20.根据权利要求18所述的计算机实现的方法,还包括在所述给定放射阶段期间基于新的成像切片来连续地更新经训练的机器学习模型。
21.根据权利要求18所述的计算机实现的方法,其中,所述机器学习模型包括神经网络。
22.根据权利要求18所述的计算机实现的方法,还包括对所述第二成像切片的所估计的编码版本进行解码以获得在所述第一时间点的所述第二成像切片。
23.根据权利要求16所述的计算机实现的方法,还包括:
在所述给定放射阶段之前接收对应于所述第一平面的第一训练成像切片序列;
在所述给定放射阶段之前接收对应于所述第二平面的第二训练成像切片序列;以及
将所述第一训练成像切片序列和所述第二训练成像切片序列编码为较低维度的表示,以减少用于表示所述第一训练成像切片序列和所述第二训练成像切片序列的数据量。
24.根据权利要求23所述的计算机实现的方法,其中,交替地接收所述第一训练成像切片序列和所述第二训练成像切片序列。
25.根据权利要求23所述的计算机实现的方法,还包括:
对所述第一训练成像切片序列的与第一训练时间点对应的第一训练图像切片进行内插,以当在第二训练时间点处接收所述第二训练成像切片序列的第二训练图像切片时生成对应于所述第二训练时间点的第一内插训练成像切片;以及
基于所述内插来训练机器学习模型,以根据对应于所述第二平面的第二图像预测对应于所述第一平面的第一图像。
26.根据权利要求16所述的计算机实现的方法,其中,对所述第一成像切片进行编码包括转换所述第一成像切片的可变形向量场(DVF)的主成分分析(PCA)分量以估计所述第二成像切片的PCA分量。
27.一种非暂态计算机可读介质,包括非暂态计算机可读指令,所述非暂态计算机可读指令用于通过执行包括以下的操作来控制自适应放射治疗递送系统:
在给定放射阶段中的第一时间点处接收对应于第一平面的第一成像切片;
在所述第一时间点处估计对应于第二平面的第二成像切片,以针对所述第一时间点提供一组成像切片;
将所述一组成像切片同时空间配准到在所述给定放射阶段之前接收到的体积图像,以计算所述体积图像中时变对象的位移;以及
生成更新的治疗方案,以基于所述对象的计算出的位移来控制治疗束的递送。
28.根据权利要求27所述的非暂态计算机可读介质,其中,所述一组成像切片包括一对立体成像切片,并且其中,所述第一平面与所述第二平面正交或者所述第一平面相对于所述第二平面非正交。
29.根据权利要求27所述的非暂态计算机可读介质,其中,所述操作还包括:
将所述第一成像切片编码为较低维度的表示,以减少用于表示所述第一成像切片的数据量;以及
将经训练的机器学习模型应用于经编码的第一成像切片以估计所述第二成像切片的编码版本。
30.根据权利要求29所述的非暂态计算机可读介质,其中,经训练的机器学习模型包括回归技术,所述回归技术包括支持向量机或随机森林。
31.根据权利要求29所述的非暂态计算机可读介质,其中,所述机器学习模型包括神经网络。
32.根据权利要求29所述的非暂态计算机可读介质,其中,所述操作还包括对所述第二成像切片的所估计的编码版本进行解码以获得在所述第一时间点的所述第二成像切片。
33.根据权利要求27所述的非暂态计算机可读介质,还包括用于以下的操作:
在所述给定放射阶段之前接收对应于所述第一平面的第一训练成像切片序列;
在所述给定放射阶段之前接收对应于所述第二平面的第二训练成像切片序列;以及
将所述第一训练成像切片序列和所述第二训练成像切片序列编码为较低维度的表示,以减少用于表示所述第一训练成像切片序列和所述第二训练成像切片序列的数据量。
34.根据权利要求33所述的非暂态计算机可读介质,其中,交替地接收所述第一训练成像切片序列和所述第二训练成像切片序列。
35.根据权利要求33所述的非暂态计算机可读介质,还包括用于以下的操作:
对所述第一训练成像切片序列的与第一训练时间点对应的第一训练图像切片进行内插,以当在第二训练时间点处接收所述第二训练成像切片序列的第二训练图像切片时生成对应于所述第二训练时间点的第一内插训练成像切片;以及
基于内插来训练机器学习模型,以根据对应于所述第二平面的第二图像预测对应于所述第一平面的第一图像。
36.根据权利要求27所述的非暂态计算机可读介质,其中,对所述第一成像切片进行编码包括转换所述第一成像切片的可变形向量场(DVF)的主成分分析(PCA)分量以估计所述第二成像切片的PCA分量。
37.根据权利要求27所述的非暂态计算机可读介质,其中,所述操作还包括在所述给定放射阶段期间基于新的成像切片来连续地更新经训练的机器学习模型。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962886030P | 2019-08-13 | 2019-08-13 | |
US62/886,030 | 2019-08-13 | ||
US16/824,234 | 2020-03-19 | ||
US16/824,234 US11103729B2 (en) | 2019-08-13 | 2020-03-19 | Automatic gating with an MR linac |
PCT/CA2020/050400 WO2021026633A1 (en) | 2019-08-13 | 2020-03-27 | Automatic gating with an mr linac |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114555186A true CN114555186A (zh) | 2022-05-27 |
Family
ID=74567033
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080071581.1A Pending CN114555186A (zh) | 2019-08-13 | 2020-03-27 | 利用mr线性加速器的自动门控 |
CN202080071582.6A Pending CN114555187A (zh) | 2019-08-13 | 2020-03-27 | 使用复合成像切片的自适应放射治疗 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080071582.6A Pending CN114555187A (zh) | 2019-08-13 | 2020-03-27 | 使用复合成像切片的自适应放射治疗 |
Country Status (6)
Country | Link |
---|---|
US (3) | US11103729B2 (zh) |
EP (2) | EP4013493A4 (zh) |
JP (2) | JP7350422B2 (zh) |
CN (2) | CN114555186A (zh) |
AU (3) | AU2020327870B2 (zh) |
WO (2) | WO2021026633A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11602646B2 (en) | 2019-08-13 | 2023-03-14 | Elekta, LTD | Automatic gating with an MR linac |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11651848B2 (en) * | 2020-03-27 | 2023-05-16 | Siemens Healthineers International Ag | Methods and apparatus for controlling treatment delivery using reinforcement learning |
US11842497B2 (en) * | 2020-12-09 | 2023-12-12 | Elekta Limited | Automatic contour adaptation using neural networks |
US11931598B2 (en) * | 2021-03-25 | 2024-03-19 | Varian Medical Systems International Ag | Method and apparatus that includes generating a clinical target volume for therapeutic radiation |
WO2022232749A1 (en) * | 2021-04-28 | 2022-11-03 | Elekta, Inc. | Real-time anatomic position monitoring for radiotherapy treatment |
US11679276B2 (en) | 2021-04-28 | 2023-06-20 | Elekta, Inc. | Real-time anatomic position monitoring for radiotherapy treatment control |
WO2023279188A1 (en) * | 2021-07-08 | 2023-01-12 | Elekta Limited | Quality factor using reconstructed images |
WO2023027958A1 (en) * | 2021-08-23 | 2023-03-02 | Children's Medical Center Corporation | Estimating motion of a subject from slices acquired during an mri scan |
US20230181931A1 (en) * | 2021-12-13 | 2023-06-15 | Siemens Healthineers International Ag | Position verification and correction for radiation therapy using non-orthogonal on-board imaging |
US11904186B2 (en) * | 2022-01-12 | 2024-02-20 | Capital Medical University | Radiotherapeutical or radiosurgical system comprising two or more rotatable high-intensity radiation sources and a ring-shaped imager, and methods thereof |
US20230377724A1 (en) * | 2022-05-19 | 2023-11-23 | Elekta Limited | Temporal prediction in anatomic position monitoring using artificial intelligence modeling |
US11712584B1 (en) * | 2022-05-24 | 2023-08-01 | Accuray Incorporated | Prospective and retrospective on-line adaptive radiotherapy |
EP4344735A1 (en) | 2022-09-28 | 2024-04-03 | Elekta, Inc. | Devices and methods for adaptively controlling a radiotherapy apparatus |
US20240100363A1 (en) | 2022-09-28 | 2024-03-28 | Igor Sinitsyn | Devices and methods for adaptively controlling a radiotherapy apparatus |
CN118079256B (zh) * | 2024-04-26 | 2024-07-12 | 四川省肿瘤医院 | 磁共振引导放射治疗肿瘤靶区的自动追踪方法 |
Family Cites Families (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6937696B1 (en) | 1998-10-23 | 2005-08-30 | Varian Medical Systems Technologies, Inc. | Method and system for predictive physiological gating |
JP4421016B2 (ja) | 1999-07-01 | 2010-02-24 | 東芝医用システムエンジニアリング株式会社 | 医用画像処理装置 |
US7260426B2 (en) * | 2002-11-12 | 2007-08-21 | Accuray Incorporated | Method and apparatus for tracking an internal target region without an implanted fiducial |
US7756567B2 (en) | 2003-08-29 | 2010-07-13 | Accuray Incorporated | Image guided radiosurgery method and apparatus using registration of 2D radiographic images with digitally reconstructed radiographs of 3D scan data |
EP1846890A2 (en) | 2005-01-26 | 2007-10-24 | Vu Medisch Centrum | Imaging apparatus and method of forming composite image from a plurality of source images |
EP1874388A4 (en) | 2005-04-13 | 2011-09-07 | Univ Maryland | TECHNIQUES FOR COMPENSATING THE MOVEMENT OF A TREATMENT TARGET IN A PATIENT |
US7596207B2 (en) * | 2005-07-14 | 2009-09-29 | Koninklijke Philips Electronics N.V. | Method of accounting for tumor motion in radiotherapy treatment |
US8406851B2 (en) * | 2005-08-11 | 2013-03-26 | Accuray Inc. | Patient tracking using a virtual image |
US20080021300A1 (en) | 2006-06-29 | 2008-01-24 | Allison John W | Four-dimensional target modeling and radiation treatment |
US7535991B2 (en) | 2006-10-16 | 2009-05-19 | Oraya Therapeutics, Inc. | Portable orthovoltage radiotherapy |
US7894649B2 (en) | 2006-11-02 | 2011-02-22 | Accuray Incorporated | Target tracking using direct target registration |
EP2175931B1 (en) | 2007-07-20 | 2016-09-07 | Elekta Ltd. | Systems for compensating for changes in anatomy of radiotherapy patients |
US8086004B2 (en) | 2008-01-15 | 2011-12-27 | Accuray Incorporated | Use of a single X-ray image for quality assurance of tracking |
WO2011075821A1 (en) | 2009-12-24 | 2011-06-30 | Imris Inc. | Apparatus for mri and ultrasound guided treatment |
US20110172526A1 (en) * | 2010-01-12 | 2011-07-14 | Martin Lachaine | Feature Tracking Using Ultrasound |
EP3569289B1 (en) | 2010-02-24 | 2020-12-09 | Accuray, Inc. | Gantry image guided radiotherapy system and related target tracking methods |
US8849633B2 (en) | 2010-10-29 | 2014-09-30 | Accuray Incorporated | Method and apparatus for selecting a tracking method to use in image guided treatment |
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 |
CA2880312C (en) | 2012-07-27 | 2023-07-25 | University Health Network | Radiotherapy system integrating a radiation source with a magnetic resonance imaging apparatus with movable magnet components |
CN103830848B (zh) | 2012-11-27 | 2018-09-14 | Ge医疗系统环球技术有限公司 | 用于门控放射治疗的方法和系统 |
US10376714B2 (en) | 2013-03-25 | 2019-08-13 | Koninklijke Philips N.V. | Method for improved surface tracking-based motion management and dynamic planning in adaptive external beam radiation therapy |
EP3212286B1 (en) * | 2014-10-27 | 2019-09-25 | Elekta, Inc. | Image guidance for radiation therapy |
WO2016094668A1 (en) | 2014-12-10 | 2016-06-16 | Elekta, Inc. | Magnetic resonance projection imaging |
EP4325235A3 (en) | 2015-02-11 | 2024-05-22 | ViewRay Technologies, Inc. | Planning and control for magnetic resonance guided radiation therapy |
US10300303B2 (en) | 2016-01-29 | 2019-05-28 | Elekta Ltd. | Therapy control using motion prediction based on cyclic motion model |
US11182907B2 (en) | 2016-02-02 | 2021-11-23 | Elekta Ltd. | Motion management in image-guided radiotherapy using contour elements |
WO2017137795A1 (en) * | 2016-02-08 | 2017-08-17 | Elekta Ltd. | Motion management in image-guided radiotherapy |
US11378629B2 (en) | 2016-06-22 | 2022-07-05 | Viewray Technologies, Inc. | Magnetic resonance imaging |
EP3481503B1 (en) * | 2016-07-08 | 2021-04-21 | Mevion Medical Systems, Inc. | Treatment planning |
US10867417B2 (en) | 2016-09-06 | 2020-12-15 | Elekta, Inc. | Neural network for generating synthetic medical images |
US20180193669A1 (en) | 2017-01-06 | 2018-07-12 | Accuray Incorporated | No-view interfraction treatment target motion management using volumetric imaging |
US10863955B2 (en) | 2017-01-06 | 2020-12-15 | Accuray Incorporated | Coordinated motion of a rotating 2D x-ray imager and a linear accelerator |
CN110719798A (zh) * | 2017-02-24 | 2020-01-21 | 加利福尼亚大学董事会 | 使用双机器人架构进行图像引导放射治疗的系统和方法 |
WO2018161123A1 (en) | 2017-03-09 | 2018-09-13 | The University Of Sydney | Guided radiation therapy |
WO2019027947A1 (en) * | 2017-07-31 | 2019-02-07 | The Regents Of The Univesity Of California | RESPIRATORY SYNCHRONIZATION RADIATION THERAPY SYSTEM AND METHOD |
US11273327B2 (en) * | 2017-12-21 | 2022-03-15 | Varian Medical Systems International Ag | Virtual beam's-eye view imaging in radiation therapy for patient setup |
CN108744310B (zh) * | 2018-06-14 | 2021-04-23 | 中科超精(南京)科技有限公司 | 多模式引导自适应放疗系统 |
US11103729B2 (en) | 2019-08-13 | 2021-08-31 | Elekta ltd | Automatic gating with an MR linac |
-
2020
- 2020-03-19 US US16/824,234 patent/US11103729B2/en active Active
- 2020-03-19 US US16/824,276 patent/US11040221B2/en active Active
- 2020-03-27 JP JP2022509043A patent/JP7350422B2/ja active Active
- 2020-03-27 AU AU2020327870A patent/AU2020327870B2/en active Active
- 2020-03-27 EP EP20852411.6A patent/EP4013493A4/en active Pending
- 2020-03-27 CN CN202080071581.1A patent/CN114555186A/zh active Pending
- 2020-03-27 CN CN202080071582.6A patent/CN114555187A/zh active Pending
- 2020-03-27 WO PCT/CA2020/050400 patent/WO2021026633A1/en unknown
- 2020-03-27 WO PCT/CA2020/050401 patent/WO2021026634A1/en unknown
- 2020-03-27 EP EP20852274.8A patent/EP4013492A4/en active Pending
- 2020-03-27 JP JP2022509013A patent/JP7350421B2/ja active Active
- 2020-03-27 AU AU2020330314A patent/AU2020330314B2/en active Active
-
2021
- 2021-07-28 US US17/443,895 patent/US11602646B2/en active Active
-
2024
- 2024-03-28 AU AU2024202024A patent/AU2024202024A1/en active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11602646B2 (en) | 2019-08-13 | 2023-03-14 | Elekta, LTD | Automatic gating with an MR linac |
Also Published As
Publication number | Publication date |
---|---|
US20210046331A1 (en) | 2021-02-18 |
AU2020327870A1 (en) | 2022-03-31 |
AU2020330314A1 (en) | 2022-03-31 |
JP7350422B2 (ja) | 2023-09-26 |
AU2020330314B2 (en) | 2023-06-22 |
JP2022544780A (ja) | 2022-10-21 |
CN114555187A (zh) | 2022-05-27 |
WO2021026633A1 (en) | 2021-02-18 |
US20210046329A1 (en) | 2021-02-18 |
EP4013492A1 (en) | 2022-06-22 |
WO2021026634A1 (en) | 2021-02-18 |
US11040221B2 (en) | 2021-06-22 |
US11602646B2 (en) | 2023-03-14 |
JP7350421B2 (ja) | 2023-09-26 |
AU2024202024A1 (en) | 2024-04-18 |
EP4013492A4 (en) | 2023-10-04 |
AU2020327870B2 (en) | 2024-01-04 |
US11103729B2 (en) | 2021-08-31 |
EP4013493A1 (en) | 2022-06-22 |
JP2022544784A (ja) | 2022-10-21 |
US20210361974A1 (en) | 2021-11-25 |
EP4013493A4 (en) | 2023-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2020330314B2 (en) | Adaptive radiation therapy using composite imaging slices | |
AU2018204655B2 (en) | Image guidance for radiation therapy | |
US11491348B2 (en) | Real-time patient motion monitoring using a magnetic resonance linear accelerator (MRLINAC) | |
AU2019366442B2 (en) | Machine learning approach to real-time patient motion monitoring | |
US20230302297A1 (en) | Patient imaging for dynamic online adaptive radiotherapy | |
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 |