CN114984464A - 一种剂量监测方法、系统和存储介质 - Google Patents
一种剂量监测方法、系统和存储介质 Download PDFInfo
- Publication number
- CN114984464A CN114984464A CN202210567950.7A CN202210567950A CN114984464A CN 114984464 A CN114984464 A CN 114984464A CN 202210567950 A CN202210567950 A CN 202210567950A CN 114984464 A CN114984464 A CN 114984464A
- Authority
- CN
- China
- Prior art keywords
- dose
- image
- radiotherapy
- target object
- acquired
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 161
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000003860 storage Methods 0.000 title claims abstract description 27
- 238000001959 radiotherapy Methods 0.000 claims abstract description 212
- 238000003384 imaging method Methods 0.000 description 66
- 230000005855 radiation Effects 0.000 description 66
- 238000009826 distribution Methods 0.000 description 43
- 238000012545 processing Methods 0.000 description 33
- 238000011282 treatment Methods 0.000 description 22
- 230000002285 radioactive effect Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 14
- 210000000920 organ at risk Anatomy 0.000 description 14
- 230000001186 cumulative effect Effects 0.000 description 13
- 238000012549 training Methods 0.000 description 12
- 230000015654 memory Effects 0.000 description 11
- 238000001514 detection method Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000002591 computed tomography Methods 0.000 description 8
- 238000003062 neural network model Methods 0.000 description 8
- 238000000605 extraction Methods 0.000 description 7
- 239000002245 particle Substances 0.000 description 7
- 210000001519 tissue Anatomy 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000013527 convolutional neural network Methods 0.000 description 6
- 230000011218 segmentation Effects 0.000 description 6
- 230000004044 response Effects 0.000 description 4
- 206010028980 Neoplasm Diseases 0.000 description 3
- 230000006378 damage Effects 0.000 description 3
- 231100000673 dose–response relationship Toxicity 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000000877 morphologic effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 210000000056 organ Anatomy 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 241000894007 species Species 0.000 description 3
- 238000002604 ultrasonography Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000002583 angiography Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 230000003211 malignant effect Effects 0.000 description 2
- 238000013421 nuclear magnetic resonance imaging Methods 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 238000002603 single-photon emission computed tomography Methods 0.000 description 2
- 210000004872 soft tissue Anatomy 0.000 description 2
- 238000012285 ultrasound imaging Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 206010028813 Nausea Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000009200 cobalt therapy Methods 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 210000003195 fascia Anatomy 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 125000004435 hydrogen atom Chemical class [H]* 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000008693 nausea Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 230000001960 triggered effect 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
- A61N5/1001—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy using radiation sources introduced into or applied onto the body; brachytherapy
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/103—Treatment planning systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/103—Treatment planning systems
- A61N5/1039—Treatment planning systems using functional images, e.g. PET or MRI
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/1048—Monitoring, verifying, controlling systems and methods
- 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
- A61N5/1048—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
- A61N2005/1092—Details
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Radiation-Therapy Devices (AREA)
Abstract
本说明书公开了一种剂量监测方法、系统和存储介质,所述方法包括:获取目标对象的至少一幅采集图像,所述采集图像对应射野的至少一部分;基于目标对象的放疗计划信息,获取预测图像;基于至少一幅采集图像和预测图像,监测目标对象接收的剂量。
Description
技术领域
本说明书涉及放射治疗技术领域,特别涉及一种剂量监测方法。
背景技术
射野影像系统是在放疗设备的放射性线束出射方向采集目标对象的图像的装置,其功能包括射野验证和剂量监测。射野影像系统获取的图像中的射野范围由射野影像系统的探测器面积,以及射野影像系统的探测器和放疗设备的射线源之间的距离决定。然而,射野影像系统的探测器和放疗设备的射线源之间的距离可能受限于放疗设备的架构,(例如,核磁共振图像引导的放疗设备孔径较小,限制了探测器和射线源之间的距离),同时探测器的面积不可能无限放大,导致射野影像系统的探测面积可能小于射野面积,使得获取的目标对象的图像不完整,从而无法进行准确的剂量监测。
因此,希望提供一种剂量监测方法,可以提高剂量监测的准确性。
发明内容
本说明书的一个方面提供一种剂量监测方法,所述方法包括:获取目标对象的至少一幅采集图像,所述采集图像对应射野的至少一部分;基于目标对象的放疗计划信息,获取预测图像;基于至少一幅采集图像和预测图像,监测目标对象接收的剂量。
在一些实施例中,所述方法包括:基于至少一幅采集图像和预测图像,确定至少一个剂量差异结果;基于至少一个剂量差异结果,监测目标对象接收的剂量。
在一些实施例中,所述方法进一步包括:基于至少一幅采集图像与预测图像中的至少一幅子预测图像,确定至少一个剂量差异结果;或者基于至少一幅采集图像,获取全野采集图像,并基于全野采集图像和预测图像,确定至少一个剂量差异结果。在一些实施例中,所述方法进一步包括基于至少一幅采集图像和放疗计划信息,获取全野采集图像。在一些实施例中,所述方法进一步包括将至少一幅采集图像和放疗计划信息输入图像预测模型,得到全野采集图像。
在一些实施例中,所述方法还包括:基于全野采集图像,进行三维剂量重建。在一些实施例中,所述方法还包括基于三维剂量重建的结果和放疗计划信息,调整当前放疗剂量和/或剩余分次放疗剂量。在一些实施例中,所述方法还包括:基于至少一幅采集图像和预测图像,判断目标对象当前接收的剂量是否满足预设范围;响应于目标对象当前接收的剂量不满足预设范围,向终端设备发送提示信息。
本说明书的另一个方面提供一种剂量监测系统,所述系统包括:采集图像获取模块,用于获取目标对象的至少一幅采集图像,所述采集图像对应射野的至少一部分;预测图像获取模块,用于基于目标对象的放疗计划信息,获取预测图像;剂量监测模块,用于基于至少一幅采集图像和预测图像,监测目标对象接收的剂量。
本说明书的另一个方面提供一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行剂量监测方法。
本说明书的一些实施例基于与射野的至少一部分对应采集图像获取全野的采集图像,然后基于全野采集图像和预测图像进行剂量监控,从而实现当射野影像系统的探测面积小于射野面积时,可以基于确定剂量差异结果实现剂量监控;基于采集图像分割预测图像,获取和采集图像对应的子预测图像,然后基于采集图像和子预测图像进行剂量监控,用与射野的一部分对应的采集图像对应的剂量差异结果替代全野的采集图像的剂量差异结果,实现剂量监控,从而提高计算效率;基于获取的全野采集图像,可以进一步进行三维剂量重建,在线修改放疗计划,实现在线自适应放疗。
附图说明
本说明书将以示例性实施例的方式进一步描述,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书的一些实施例所示的剂量监测系统的应用场景示意图;
图2是根据本说明书的一些实施例所示的剂量监测系统的示例性模块图;
图3是根据本说明书的一些实施例所示的剂量监测方法的示例性流程图;
图4a是根据本说明书的一些实施例所示的获取子预测图像的示意图;
图4b是根据本说明书的一些实施例所示的获取全野采集图像的示意图;
图5是根据本说明书的一些实施例所示的基于至少一幅采集图像和/或预测图像的至少一个剂量差异结果,监测目标对象接收的剂量的方法的示例性流程图;
图6是根据本说明书的一些实施例所示的基于全野采集图像,优化放疗计划的方法的示意图;
图7是根据本说明书的一些实施例所示的基于全野采集图像,在线监控放疗计划的方法的示例性流程图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本说明书中所使用的“系统”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
图1是根据本说明书的一些实施例所示的剂量监测系统的应用场景示意图。
剂量监测系统100可以通过实施本说明书披露的方法和/或过程,对目标对象接收的剂量进行监测。
如图1所示,剂量监测系统100可以包括:放疗设备110、射野影像系统160、处理设备120、终端设备130、网络140和/或存储设备150等。
剂量监测系统100的组件可以以一种或多种各种方式连接。仅作为示例,如图1所示,放疗设备110可以通过网络140连接到处理设备120。又例如,放疗设备110可以直接连接到处理设备120(如连接放疗设备110和处理设备120的虚线双向箭头所示)。作为进一步的示例,存储设备150可以直接或通过网络140连接到处理设备120。作为进一步的示例,终端设备130可以直接(如连接终端设备130和处理设备120的虚线双向箭头所示)和/或通过网络140与处理设备120连接。
放疗设备110可以利用一种或多种放射性线束对目标对象进行治疗。在一些实施例中,放疗设备110可以包括成像设备。成像设备可以是采集目标物体影像信息,从而引导目标对象摆位的设备。在一些实施例中,成像设备可以包括但不限于X光成像设备、核磁共振成像设备、超声波成像设备、核素成像设备和计算机断层扫描(CT)成像设备等中的一种或多种的组合。在一些实施例中,引导图像可以是成像设备获取的图像。
射野影像系统160可以是在放疗设备的放射性线束出射方向获取目标对象图像的装置。在一些实施例中,射野影像系统可以接收目标对象释放在放疗过程中吸收的能量,将接收的能量转换为电信号,并基于电信号生成图像。在一些实施例中,采集图像可以是射野影像系统160获取的图像。在一些实施例中,射野影像系统160可以基于采集图像获取目标对象接收的剂量分布,从而验证目标对象的治疗计划。
处理设备120可以处理从放疗设备110、终端设备130和/或存储设备150获得的数据和/或信息。例如,处理设备120可以基于目标对象的放疗计划信息,获取预测图像。又例如,处理设备120可以基于至少一幅采集图像和/或预测图像,确定目标对象接收的剂量。再例如,处理设备120可以基于三维剂量重建的结果,调整目标对象接收的放疗剂量。在一些实施例中,处理设备120可以包括中央处理单元(CPU)、数字信号处理器(DSP)、片上系统(SoC)、微控制器单元(MCU)等和/或其任意组合。在一些实施例中,处理设备120可以包括计算机、用户控制台、单个服务器或服务器组等。服务器组可以是集中式或分布式的。在一些实施例中,处理设备120可以是本地的或远程的。例如,处理设备120可以经由网络140访问存储在放疗设备110、终端设备130和/或存储设备150中的信息和/或数据。又例如,处理设备120可以直接连接放疗设备110、终端设备130和/或存储设备150访问存储的信息和/或数据。在一些实施例中,处理设备120可以在云平台上实现。仅作为示例,云平台可以包括私有云、公共云、混合云、社区云、分布式云、云间、多云等,或其任意组合。在一些实施例中,处理设备120或处理设备120的一部分可以集成到放疗设备110中。
终端设备130可以向用户显示采集图像和/或全野图像,和/或接收用户输入的通过率阈值、相似度阈值等参数。终端设备130可以包括移动设备131、平板计算机132、笔记本计算机133等,或其任意组合。在一些实施例中,终端设备130可以是处理设备120的一部分。
网络140可以包括促进剂量监测系统100的信息和/或数据交换的任何合适的网络。在一些实施例中,一个或以上剂量监测系统100的组件(例如,放疗设备110、处理设备120、存储设备150、终端设备130)可以通过网络140与剂量监测系统100的一个或以上其他组件通信信息和/或数据。例如,处理设备120可以经由网络从终端设备接收用户指令。又例如,放疗设备110可以经由网络140从处理设备120中获取超声波发射参数。网络140可以是和/或包括公共网络(例如互联网)、私有网络(例如局部区域网络(LAN)、广域网(WAN))、有线网络(例如以太网络)、无线网络(例如802.11网络、Wi-Fi网络)、蜂窝网络(例如、长期演进(LTE)网络)、帧中继网络、虚拟专用网(“VPN”)、卫星网络、电话网络、路由器、集线器、交换机、服务器计算机和/或其任何组合。仅作为示例,网络140可以包括电缆网络、有线网络、光纤网络、电信网络、内联网、无线局部区域网络(WLAN)、城域网(MAN)、公共交换电话网(PSTN)、蓝牙TM网络、紫蜂TM网络、近场通信(NFC)网络等,或其任意组合。在一些实施例中,网络140可以包括一个或以上网络接入点。例如,网络140可以包括诸如基站和/或互联网交换点之类的有线和/或无线网络接入点,剂量监测系统100的一个或以上组件可以通过这些接入点连接到网络140以交换数据和/或信息。
存储设备150可以存储数据,指令和/或任何其他信息。在一些实施例中,存储设备150可以存储从放疗设备110、终端设备130和/或处理设备120获得的数据。在一些实施例中,存储设备150可以存储数据和/或指令,处理设备120可以执行或使用所述数据和指令来执行本申请中描述的示例性方法/系统。在一些实施例中,存储设备150可包括大容量存储器、可移动存储器、易失性读写内存、只读内存(ROM)等或其任意组合。示例性的大容量存储器可以包括磁盘、光盘、固态磁盘等。示例性可移动存储器可以包括闪存驱动器、软盘、光盘、内存卡、压缩盘、磁带等。示例性易失性读写内存可以包括随机存取内存(RAM)。示例性RAM可包括动态随机存取内存(DRAM)、双倍数据速率同步动态随机存取内存(DDR SDRAM)、静态随机存取内存(SRAM)、晶闸管随机存取内存(T-RAM)和零电容随机存取内存(Z-RAM)等。示例性ROM可以包括掩模型只读内存(MROM)、可编程只读内存(PROM)、可擦除可编程只读内存(EPROM)、电可擦除可编程只读内存(eePROM)、光盘只读内存(CD-ROM)和数字多功能磁盘只读内存等。在一些实施例中,所述存储设备150可在云端平台上执行。仅作为示例,该云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。
在一些实施例中,存储设备150可以连接到网络140以与剂量监测系统100的一个或以上其他组件(例如,放疗设备110、处理设备120、终端设备130)通信。剂量监测系统100的一个或以上组件可以通过网络140访问存储在存储设备150中的数据或指令。在一些实施例中,存储设备150可以直接连接到剂量监测系统100的一个或以上其他组件(例如,放疗设备110、处理设备120、存储设备150、终端设备130)或与之通信。在一些实施例中,存储设备150可以是处理设备120的一部分。
图2是根据本说明书的一些实施例所示的剂量监测系统的示例性模块图。
在一些实施例中,处理设备120中可以包括采集图像获取模块210、预测图像获取模块220和剂量检测模块230。
采集图像获取模块210可以用于获取目标对象的至少一幅采集图像。在一些实施例中,采集图像可以对应射野的至少一部分。在一些实施例中,采集图像可以由射野影像系统获取。关于采集图像获取模块210的详细描述可以参见步骤310,在此不再赘述。
预测图像获取模块220可以用于基于目标对象的放疗计划信息,获取预测图像。关于预测图像获取模块220的详细描述可以参见步骤320,在此不再赘述。
剂量监测模块230可以用于基于至少一幅采集图像和预测图像,监测目标对象接收的剂量。在一些实施例中,剂量监测模块230可以基于至少一幅采集图像和预测图像,确定至少一个剂量差异结果;基于至少一个剂量差异结果,监测目标对象接收的剂量。在一些实施例中,剂量监测模块230可以基于至少一幅采集图像与预测图像中至少一幅子预测图像,确定至少一个剂量差异结果;或者基于至少一幅采集图像,获取全野采集图像,并基于全野采集图像和预测图像,确定至少一个剂量差异结果。在一些实施例中,子预测图像可以与采集图像对应。
在一些实施例中,剂量监测模块230可以基于至少一幅采集图像和放疗计划信息,获取全野采集图像。在一些实施例中,剂量监测模块230可以将至少一幅采集图像和放疗计划信息输入训练好的图像预测模型,得到全野采集图像。
在一些实施例中,剂量监测模块230可以基于全野采集图像,进行三维剂量重建。在一些实施例中,剂量监测模块230可以基于至少一幅采集图像和预测图像,判断目标对象当前接收的剂量是否满足预设范围;响应于目标对象当前接收的剂量不满足预设范围,向终端设备发送提示信息。在一些实施例中,剂量监测模块230可以基于三维剂量重建的结果和放疗计划信息,调整当前放疗剂量和/或剩余分次放疗剂量。关于剂量监测模块230的详细描述可以参见步骤330,在此不再赘述。
图3是根据本说明书的一些实施例所示的剂量监测方法的示例性流程图。
如图3所示,该方法300可以包括:
步骤310,获取目标对象的至少一幅采集图像。
具体地,步骤310可以由采集图像获取模块210执行。
放疗可以是利用一种或多种放射性线束对目标对象进行治疗。在一些实施例中,目标对象可以是人体、器官、机体、物体、模体、感兴趣区域、损伤部位、肿瘤等。在一些实施例中,放射性线束可以包括但不限于放射性同位素(如β、γ)射线束、X射线、光子、重粒子(如电子、质子、中子)射线束等中的一种或多种的组合。相应地,在一些实施例中,放疗设备可以包括但不限于60钴治疗机、X射线治疗机、重粒子加速器等中的一种或多种的组合。
在一些实施例中,放疗设备可以还包括成像设备。成像设备可以是采集目标物体影像,从而引导目标对象摆位的设备。在一些实施例中,成像设备可以包括但不限于X光成像设备、核磁共振成像设备、超声波成像设备、核素成像设备和计算机断层扫描(CT)成像设备等中的一种或多种的组合。
引导图像可以是成像设备获取的图像。与成像设备相对应地,在一些实施例中,引导图像可以包括但不限于X光图像、计算机断层扫描(CT)图像、正电子发射断层扫描(PET)图像、单光子发射计算机断层图像(SPECT)、磁共振图像(MRI)、超声波扫描(US)图像、数字减影心血管造影术(DSA)图像、磁共振血管造影术(MRA)图像、时间飞跃法磁共振图像(TOF-MRI)、脑磁图(MEG)等中的一种或多种的组合。
示例性地,成像设备可以是核磁共振成像设备,核磁共振成像设备向处于磁场中的目标对象发射无线电射频脉冲后,目标对象的氢原子核吸收能量后,可以在停止发射无线电射频脉冲后释放能量,成像设备可以将接收的能量转换为电信号,并基于电信号生成引导图像。
在一些实施例中,放疗设备110基于成像设备获取的引导图像,可以更好地对目标对象治疗前和治疗中进行监控,从而及时调整目标对象的摆位,从而使放疗设备110的放射性线束可以集中照射到目标对象的靶区上。例如,磁共振图像中软组织的对比度非常清晰,放疗设备110基于磁共振图像可以更好地将肿瘤从肌肉、脂肪和筋膜等软组织中区分出来,从而可以及时调整目标对象的位置,使得放射性线束可以照射在肿瘤区域。
射野影像系统可以是在放疗设备的放射性线束出射方向获取目标对象图像的装置。射野可以是放疗设备的放射性线束照射目标对象时的照射范围。如图4a所示,放射性线束X照射治疗床上的目标对象时的照射范围可以是射野AB。
在一些实施例中,射野影像系统160可以包括探测器和图像处理单元。探测器可以接收目标对象基于放疗设备释放的能量,图像处理单元可以将接收的能量转换为电信号,并基于电信号生成图像。
采集图像可以是射野影像系统获取的图像。在一些实施例中,射野影像系统160可以基于采集图像,获取目标对象接收的放射性线束的剂量分布,从而根据治疗计划,实时调整目标对象的放疗剂量和/或调整目标对象的分次间放疗剂量。关于调整目标对象放疗剂量的详细描述可以参见图6、图7及其相关描述,在此不再赘述。
与放疗设备相对应地,在一些实施例中,采集图像可以包括但不限于X光图像、计算机断层扫描(CT)图像、正电子发射断层扫描(PET)图像和单光子发射计算机断层图像(SPECT)等中的一种或多种的组合。在一些实施例中,采集图像可以是二维(2D,two-dimensional)图像,或三维(3D,three-dimensional)图像。在一些实施例中,三维图像可以由一系列的二维切片或二维图层构成。
示例性地,放疗设备可以是X射线放疗设备,X射线放疗设备向目标对象发射X射线后,目标对象吸收X射线的部分能量后,探测器可以从目标对象接收剩余的X射线能量,图像处理单元可以将剩余的X射线能量转换为电信号,并基于电信号生成采集图像。
在一些实施例中,采集图像可以对应射野的至少一部分。如前所述,采集图像中的射野范围由射野影像系统的探测器面积,以及射野影像系统的探测器和放疗设备的射线源之间的距离决定。射野影像系统的探测器和放疗设备的射线源之间的距离可能受限于放疗设备的架构,(例如,核磁共振图像引导的放疗设备孔径较小,限制了探测器和射线源之间的距离),同时探测器的面积不可能无限放大,导致射野影像系统的探测面积可能小于射野面积,使得采集图像中的射野不完整,从而无法进行准确的剂量监测。本说明的一些实施例可以基于与射野的一部分对应的采集图像,对目标对象进行剂量监控。
具体地,面积较小的探测器可以接收目标对象释放的部分能量,图像处理单元可以将接收的部分能量转换为电信号,并基于电信号生成与射野的一部分对应的一幅采集图像。如图4a所示,射野影像系统的探测器面积小于射野AB的面积,射野AB的一部分可以包括A1B1。
在一些实施例中,采集图像获取模块210可以移动探测器的位置,从而获取目标对象的至少一幅采集图像。如图4a所示,探测器在位置a可以获取射野的一部分A1B1的采集图像,在b位置可以获取射野AB的另一部分A2B2的采集图像。
在一些实施例中,至少一幅采集图像可以相互重叠,也可以没有重叠。如图4a所示,射野的一部分A1B1的采集图像和射野的一部分A2B2的采集图像在x轴方向上可以有重叠部分A2B1。
步骤320,基于目标对象的放疗计划信息,获取预测图像。
具体地,步骤320可以由预测图像获取模块220执行。
放疗计划(又称放射治疗计划)可以是目标对象的放射性射线照射方案。在一些实施例中,放疗计划的目的可以是对目标对象的靶区施行高剂量照射,从而对靶区产生不可恢复性的摧毁,同时使目标对象的正常组织受到最小影响。
放疗计划信息可以是与放疗计划相关的信息。在一些实施例中,放疗计划信息可以包括目标对象的基本信息、目标对象的形态信息、设备参数、放疗次数、每次放疗的剂量、每次放疗的射野位置、每次放疗的靶区数量、每个靶区的位置和/或每个靶区的剂量等。
其中,目标对象的基本信息可以包括目标对象年龄、职业和病史等。目标对象的形态信息可以描述目标对象形状和位置的信息。在一些实施例中,目标对象的形态信息可以包括但不限于目标对象的摆位、身高、体重和/或轮廓等。
设备参数可以包括射野影像系统的剂量响应特性。如前所述,射野影像系统可以接收目标对象释放在放疗过程中吸收的能量,将接收的能量转换为电信号,并基于电信号生成图像。射野影像系统的剂量响应特性可以是入射射野影像系统的粒子的特性对射野影像系统产生的电信号的影响。在一些实施例中,粒子的特性可以包括但不限于粒子入射探测器的角度、粒子种类和粒子能量等。预测图像可以是基于放疗计划信息预测的目标对象在放射性线束出射方向的图像。在一些实施例中,预测图像的类型和格式可以和采集图像相同。
在一些实施例中,预测图像获取模块220可以利用预测模型,基于放疗计划信息生成预测图像。具体地,预测图像获取模块220可以将放疗计划信息输入预测模型,预测模型可以基于放疗计划信息进行建模,输出预测图像。
在一些实施例中,预测模型可以包括但不限于全卷积网络(Fully ConvolutionalNetworks,FCN)模型、视觉几何组网络(Visual Geometry Group,VGG Net)模型、高效神经网络(Efficient Neural Network,ENet)模型、全分辨率残差网络(Full-ResolutionResidual Networks,FrrN)模型、掩码区域卷积神经网络(Mask Region-basedConvolutional Neural Network,Mask R-CNN)模型、多维循环神经网络(Multi-Dimensional Recurrent Neural Networks,MDRNNs)模型等中的一种或多种的组合。
在一些实施例中,可以基于大量带有第一标识的第一训练样本训练预测模型。具体的,将带有第一标识的第一训练样本输入预测模型,通过训练更新预测模型的参数。在一些实施例中,第一训练样本可以包括历史放疗计划信息,第一标识可以是基于历史放疗计划信息进行放疗获取的历史全野图像。
步骤330,基于至少一幅采集图像和/或预测图像,监测目标对象接收的剂量。
具体地,步骤330可以由剂量监测模块230执行。
目标对象接收的剂量可以是目标对象吸收的放射性线束的能量。
在一些实施例中,剂量监测模块230可以基于至少一幅采集图像和预测图像,确定至少一个剂量差异结果,并基于至少一个剂量差异结果,检测目标对象接收的剂量。
剂量差异结果可以表示放疗计划的计算剂量和放疗设备的实际剂量之间的差异。
关于基于至少一幅采集图像和/或预测图像,监测目标对象接收的剂量的详细描述可以参见图5及其相关描述,在此不再赘述。
图5是根据本说明书的一些实施例所示的基于至少一幅采集图像和/或预测图像的至少一个剂量差异结果,监测目标对象接收的剂量的方法的示例性流程图。
具体地,图5可以由剂量监测模块230执行。
如图5所示,方法500可以包括:
步骤510,基于至少一幅采集图像和/或预测图像,确定至少一个剂量差异结果。
如前所述,剂量差异结果可以表示放疗计划的计算剂量和放疗设备的实际剂量之间的差异。在一些实施例中,每个剂量差异结果可以用至少一幅采集图像和/或预测图像的至少一个通过率、至少一个相似度和/或至少一个剂量分布差异率等中的一种或多种的组合评估。
通过率可以是基于两幅图像中像素的剂量差和距离差计算的参数,可以表征目标对象的实际接收的放射性线束的剂量和预测接收的放射性线束的剂量的一致性的指标。在一些实施例中,通过率可以反映目标对象接收的剂量是否适量。在一些实施例中,通过率越大,则可以表示目标对象的实际接收的放射性线束的剂量越接近于预测接收的放射性线束的剂量,即目标对象接收的剂量越适量。
在一些实施例中,目标对象可以对应多个空间点,每个空间点可以进一步和采集图像和/或预测图像中的像素相对应。在一些实施例中,通过率可以基于目标对象对应的每个空间点实际接收的放射性线束的第一剂量、预测接收的放射性线束的第二剂量和位置关系确定。
在一些实施例中,目标对象的每个空间点实际接收的放射性线束的第一剂量可以基于采集图像获取。具体地,剂量监测模块230可以基于每幅采集图像的像素,基于EPID-剂量刻度方法获取采集图像每个像素对应的目标对象的空间点接收的放射性线束的第一剂量。
在一些实施例中,目标对象的每个空间点预测接收的放射性线束的第二剂量可以基于预测图像获取。具体地,剂量监测模块230可以基于每幅预测图像的像素,基于EPID-剂量刻度方法获取预测图像每个像素对应的目标对象的空间点预测接收的放射性线束的第二剂量。
在一些实施例中,每个空间点之间的位置关系可以基于每个空间点之间的距离表征。
在一些实施例中,剂量监测模块230可以通过公式(1)计算每个空间点对应的通过率:
其中,Δdmax和ΔDmax可以分别是用户选择的距离限制标准和剂量差限制标准,例如,Δdmax可以为3mm,ΔDmax可以为3%;Δd可以表示采集图像中对应的空间点i与预测图像中对应的满足限制标准的任意空间点的距离;ΔD可以表示采集图像中对应的空间点i与预测图像中对应的满足限制标准的前述任意空间点的剂量差;Gi可以表示采集图像中对应的空间点i的通过率。
在一些实施例中,进一步地,剂量监测模块230可以基于采集图像和/或预测图像中对应的目标对象的所有空间点的通过率的平均值,获取每一幅采集图像和预测图像对应的通过率。
如前所述,探测器的探测面积可能小于射野面积,采集图像对应的目标对象的空间点相应少于预测图像对应的目标对象的空间点。在一些实施例中,剂量监测模块230可以使得每幅采集图像对应的多个空间点和预测图像对应的多个空间点一一对应,从而基于相同成像范围的至少一幅采集图像和预测图像,获取至少一个通过率。
在一些实施例中,剂量监测模块230可以基于至少一幅采集图像与预测图像中对应于所述至少一幅子预测图像,确定至少一个通过率。
子预测图像可以是预测图像中的一部分。如图4a所示,子预测图像P1和P2可以是预测图像P中的一部分。在一些实施例中,子预测图像可以与采集图像对应。具体的,子预测图像的成像范围可以和采集图像的成像范围相对应,均对应于射野的同一部分,从而使得子预测图像对应的目标对象上的多个空间点可以和采集图像对应的目标对象上的多个空间点一一对应。
具体地,剂量监测模块230可以基于至少一幅采集图像,获取预测图像中对应于所述至少一幅子预测图像。
在一些实施例中,剂量监测模块230可以基于治疗床的位置和/或放射性线束的参数,获取预测图像对应的成像范围,再基于治疗床的位置、放射性线束的参数、探测器的探测面积和/或每一次探测器的位置,获取每一幅采集图像对应的成像范围(即射野的一部分),进一步获取每一幅采集图像和预测图像的范围对应关系,从而从预测图像中截取每一幅采集图像对应范围的子预测图像。
如图4a所示,剂量监测模块230可以基于放射性线束的参数和治疗床的位置,确定预测图像P在x轴方向上对应的成像范围为AB和在y轴方向上对应的成像范围(未示出),基于治疗床的位置、放射性线束的参数、探测器的探测面积和探测器的位置a、位置b,分别获取采集图像M1的在x轴方向上的成像范围A1B1和在y轴方向上的成像范围(未示出)、采集图像M2的在x轴向上的成像范围A2B2和在y轴方向上的成像范围(未示出),从获取采集图像M1的成像范围、采集图像M2的成像范围分别和预测图像P的成像范围的对应关系,从而从预测图像P中截取M1对应的子预测图像P1和M2对应的子预测图像P2。
在一些实施例中,剂量监测模块230可以通过分割模型,基于至少一幅采集图像,从预测图像中分割出至少一幅采集图像的对应部分,从而获取至少一幅子预测图像。
在一些实施例中,分割模型可以包括但不限于传统分割算法模型(例如,传统阈值法、区域生长法、边缘检测法)、结合特定工具的图像分割算法模型(例如,遗传算法、小波分析、小波变换、主动轮廓模型等)和神经网络模型(例如,全卷积网络模型、视觉几何组网络模型、高效神经网络模型、全分辨率残差网络模型、掩码区域卷积神经网络模型、多维循环神经网络模型等)等中的一种或多种的组合。
如图4a所示,分割模型可以分别基于采集图像M1的图像特征和采集图像M2的图像特征,从预测图像P中分割出子预测图像P1和子预测图像P2。
在一些实施例中,可以基于大量带有第二标识的第二训练样本训练分割模型。具体的,将带有第二标识的第二训练样本输入分割模型,通过训练更新分割模型的参数。在一些实施例中,第二训练样本可以包括样本待分割图像(对应于预测图像)和样本分割图像(对应于采集图像),第二标识可以是基于样本分割图像从样本待分割图像中选取的部分图像(对应于子预测图像)。
进一步地,剂量监测模块230可以基于采集图像M1中N个空间点对应的N个第一剂量、子预测图像P1中N个空间点对应的N个第二剂量和空间点之间的位置关系,获取N个空间点对应的N个通过率,再基于N个通过率的平均值获取采集图像M1和子预测图像P1对应的通过率G1。类似地,剂量监测模块230还可以获取采集图像M2和子预测图像P2对应的通过率G2。
本说明书的一些实施例基于与射野的一部分对应的采集图像分割预测图像,获取和采集图像对应的子预测图像,然后基于采集图像和子预测图像进行剂量监控,用采集图像对应的通过率替代全野的采集图像的通过率,实现剂量监控,从而提高计算效率。
在一些实施例中,剂量监测模块230可以基于至少一幅采集图像,获取全野采集图像,并基于全野采集图像和所述预测图像,确定至少一个通过率。
全野采集图像可以是整个射野对应的采集图像。在一些实施例中,全野采集图像的成像范围可以和预测图像的成像范围相对应,从而使得全野采集图像对应的多个空间点可以和预测图像对应的多个空间点一一对应。如图4b所示,全野采集图像M可以和预测图像P相对应。在一些实施例中,剂量监测模块230可以基于全野采集图像,进行三维剂量重建。关于基于全野采集图像,进行三维剂量重建的详细描述可以参见图6及其相关描述,在此不再赘述。
具体地,剂量监测模块230可以基于至少一幅采集图像和放疗计划信息,获取全野采集图像。
在一些实施例中,剂量监测模块230可以基于至少一幅采集图像、放疗计划信息和目标对象的引导图像,推测出全野采集图像。
在一些实施例中,剂量监测模块230可以基于至少一幅采集图像强度分布和在放疗计划信息中采集图像对应的子预测图像的强度分布,确定强度分布误差,然后基于放疗计划信息中目标对象的预测图像和强度分布误差,确定全野采集图像的强度分布;再基于电子射野转装置获取的历史采集图像和对应的历史引导图像,获取响应形态误差,然后基于目标对象的形态信息、引导图像和响应形态误差,确定全野采集图像的形状;最后基于全野采集图像的强度分布和全野采集图像的形状,获取全野采集图像。如图4b所示,剂量监测模块230可以基于采集图像M1和M2,获取全野采集图像M。
在一些实施例中,剂量监测模块230可以将至少一幅采集图像、放疗计划信息(包括预测图像、目标对象的形态信息和射野影像系统的剂量响应特性等)和/或目标对象的引导图像输入训练好的图像预测模型,得到训练好的图像预测模型输出的全野采集图像。
图像预测模型可以是基于部分目标对象的图像预测整体目标对象的图像的模型。在一些实施例中,图像预测模型可以包括但不限于传统算法模型(如遗传算法)和机器学习模型(如图神经网络模型、卷积神经网络模型、循环神经网络模型)等中的一种或多种的组合。
在一些实施例中,可以基于大量带有标识的训练样本训练图像预测模型。具体的,将带有标识的训练样本输入图像预测模型,通过训练更新图像预测模型的参数。在一些实施例中,训练样本可以包括从样本全野图像中分割的与射野的一部分对应的样本图像和/或历史放疗计划信息,标识可以是该样本全野图像。
进一步地,剂量监测模块230可以基于采集图像M对应的S个空间点的S个第一剂量、预测图像P对应的S个空间点的S个第二剂量和空间点之间的位置关系,获取S个空间点对应的S个通过率,再基于S个通过率的平均值获取采集图像M和预测图像P对应的通过率G。
本说明书的一些实施例基于与射野的一部分对应的采集图像获取全野的采集图像,然后基于全野采集图像和预测图像进行剂量监控,从而实现当射野影像系统的探测器面积小于射野面积时,可以基于确定通过率实现剂量监控。
相似度可以是表征目标对象的每个空间点分别在采集图像对应的像素和在预测图像对应的像素的一致性的指标。可以理解,目标对象实际接收的放射性线束的剂量越接近于预测接收的放射性线束的剂量,则对应的采集图像越接近于预测图像。
在一些实施例中,当探测器的探测面积等于射野面积时,采集图像中的像素和预测图像中的像素可以相对应,剂量监测模块230可以直接获取采集图像和预测图像的相似度。
在一些实施例中,剂量监测模块230可以基于相似度模型获取采集图像和预测图像的相似度。具体地,相速度模型可以包括特征提取层和相似度计算层。
在一些实施例中,特征提取层的输入可以包括采集图像和预测图像,输出可以包括采集图像特征向量和预测图像特征向量。具体地,特征提取层可以先分别获取采集图像和预测图像的多个图像特征,再分别将采集图像的多个图像特征和预测图像的多个图像特征进行融合,得到采集图像特征向量和预测图像特征向量。
在一些实施例中,图像特征包括但不限于:哈尔(Harr)特征、方向梯度直方图(Histogram of Oriented Gridients,HOG)特征、局部二值模型(Local Binary Patterns,LBP)特征、小边(Edgelet)特征、颜色相似度(Color-Self Similarity,CSS)特征、积分通道(Integral Chaneel Feature)特征和中心变换直方图(Census Transform Histogram,CENTRIST)特征等。
在一些实施例中,特征提取层可以是特征提取算法模型。在一些实施例中,特征提取算法可以包括但不限于方向梯度直方图(HOG)、局部二值模式(Local Binary Pattern,LBP)算法、尺度不变特征变换匹配(Scale Invariant Feature Transform,SIFT)算法、哈尔特征(Haar-like)算法、灰度共生矩阵法(GLCM,Gray-level co-occurrence matrix)、霍夫变换(Hough transform)、傅里叶变换(Fourier transform)、傅里叶形状描述符法(Fourier shape deors)、形状参数法(shape factor)、有限元法(Finite ElementMethod,FEM)、旋转函数(Turning)和小波描述符(Wavelet Deor)等中的一种或多种的组合。
在一些实施例中,特征提取层可以是神经网络模型。在一些实施例中,神经网络模型可以包括但不限于是卷积神经网络(Convolutional Neural Networks,CNN)和全卷积神经网络(Fully Convolutional Networks,FCN)模型等中的一种或多种的组合。
在一些实施例中,相似度计算层的输入可以包括采集图像特征向量和预测图像特征向量,输出可以包括采集图像和预测图像的相似度。具体地,相似度计算层可以通过计算采集图像特征向量和预测图像特征向量之间的距离确定相似度。其中,相似度与距离成负相关。
在一些实施例中,当探测器的探测面积小于射野面积,采集图像中的像素相应少于预测图像中的像素,剂量监测模块230可以基于相同成像范围的至少一幅采集图像和预测图像,获取至少一个相似度。
在一些实施例中,剂量监测模块230可以基于至少一幅采集图像与预测图像中对应的至少一幅子预测图像,确定至少一个相似度。
示例性地,剂量监测模块230可以基于采集图像M1和子预测图像P1,获取采集图像M1和子预测图像P1的相似度S1;类似地,剂量监测模块230可以获取采集图像M2和子预测图像P2的相似度S2。
在一些实施例中,剂量监测模块230可以基于至少一幅采集图像,获取全野采集图像,并基于全野采集图像和所述预测图像,确定至少一个相似度。
示例性地,剂量监测模块230可以基于全野采集图像M和预测图像P,获取全野采集图像M和预测图像P的相似度S。
剂量体积直方图(Dose Volume Histogram,DVH)可以是统计目标对象接收的剂量和体积之间关系的图,剂量体积直方图的横轴可以表示目标对象接收的剂量,纵轴可以表示超过横轴剂量的体积占目标对象总体积的百分比。
在一些实施例中,剂量监测模块230可以基于EPID-剂量刻度方法,获取每幅采集图像(或全野采集图像)每个像素对应的目标对象的空间点接收的放射性线束的第一剂量和每幅子预测图像(或预测图像)每个像素对应的目标对象的空间点接收的放射性线束的第二剂量。进一步地,剂量监测模块230可以分别统计每幅采集图像(或全野采集图像)对应的每幅第一剂量体积直方图和每幅预测图像(或子预测图像)对应的第二剂量体积直方图。例如,采集图像M1对应的第一剂量体积直方图中,横轴0Gy、1Gy、2GY……6Gy对应的超过横轴剂量的体积百分比分别为:100%、93%、70%...10%;子预测图像P1对应的第二剂量体积直方图中,横轴0Gy、1Gy、2GY……6Gy对应的超过横轴剂量的体积百分比分别为:100%、90%、72%...5%。
剂量分布差异率可以是表征两幅图像中剂量的分布一致性的指标。
在一些实施例中,剂量监测模块230可以处理两幅图像对应的剂量体积直方图中每个剂量对应的体积百分比的差值,获取剂量分布差异率。在一些实施例中,所述处理方式可以包括但不限于求和、求平均值和求方差等。
例如,采集图像M1和子预测图像P1的0Gy、1Gy、2GY……6Gy对应的体积百分比的差值分别为0、3%、2%....5%,则采集图像M1和子预测图像P1的剂量分布差异率可以是0、3%、2%....5%的平均值(如X1=3%)。
在一些实施例中,剂量监测模块230可以基于至少一幅采集图像与预测图像中对应的至少一幅子预测图像,确定至少一个剂量分布差异率。
示例性地,剂量监测模块230可以基于采集图像M1和子预测图像P1,获取采集图像M1和子预测图像P1的剂量分布差异率X1;类似地,剂量监测模块230可以获取采集图像M2和子预测图像P2的剂量分布差异率X2。
在一些实施例中,剂量监测模块230可以基于至少一幅采集图像,获取全野采集图像,并基于全野采集图像和所述预测图像,确定至少一个剂量分布差异率。
示例性地,剂量监测模块230可以基于全野采集图像M和预测图像P,获取全野采集图像M和预测图像P的剂量分布差异率X。
步骤520,基于至少一个剂量差异结果,监测目标对象接收的剂量。在一些实施例中,可以基于至少一个剂量差异结果和剂量差异阈值,确定目标对象接收的剂量是否适量。
剂量差异阈值可以是基于剂量差异结果评估目标对象接收的剂量是否适量的值。在一些实施例中,剂量差异阈值可以从用户终端基于用户的输入设置。在一些实施中,剂量差异阈值还可以基于历史数据自动设置。
与剂量差异结果相对应的,剂量差异阈值可以包括但不限于通过率阈值、相似度阈值和差异率阈值等。
通过率阈值可以是基于通过率评估目标对象接收的剂量是否适量的值。在一些实施例中,剂量监测模块230可以基于任意一个通过率和通过率阈值,确定目标对象接收的剂量是否适量。
具体地,当该任意一个通过率大于通过率阈值,则表示目标对象接收的剂量适量,否则表示目标对象接收的剂量不适量。
例如,全野采集图像M和预测图像P对应的通过率G为80%,小于通过率阈值92%,则表示目标对象接收的放射性线束的剂量不适量。又例如,剂量监测模块230可以选择采集图像M1和对应的子预测图像P1的通过率G1表示全野采集图像M和预测图像P对应的通过率,通过率G1为95%,大于通过率阈值92%,则表示目标对象接收的放射性线束的剂量适量。
在一些实施例中,剂量监测模块230可以基于多个通过率的平均值和通过率阈值,确定目标对象接收的剂量是否适量。
具体地,剂量监测模块230可以基于探测器在多个位置,获取的多幅采集图像对应的多个通过率的平均值,当通过率平均值大于通过率阈值,则表示目标对象接收的剂量适量,否则表示目标对象接收的剂量不适量。
如图4a所示,探测器在位置a获取的采集图像M1和对应的子预测图像P1的通过率G1为95%,探测器在位置b获取的采集图像M2和对应的子预测图像P2的通过率G2为85%。剂量监测模块230基于通过率G1和通过率G2可以获取通过率平均值90%,小于通过率阈值92%,则表示目标对象接收的放射性线束的剂量不适量。
相似度阈值可以是基于相似度评估目标对象接收的剂量是否适量的值。在一些实施例中,相似度阈值可以从用户终端基于用户的输入设置。在一些实施中,相似度阈值还可以基于历史数据自动设置。
具体地,当相似度大于相似度阈值,则表示目标对象接收的剂量不适量,否则表示目标对象接收的剂量适量。
例如,相似度阈值为0.8,相似度S1为0.9,大于0.8,则表示S1对应的采集图像M1的放射性线束的剂量适量;相似度S2为0.78,小于0.8,则表示S2对应的采集图像M2的放射性线束的剂量不适量;相似度S为0.85,大于0.8,则表示S对应的采集图像M的放射性线束的剂量适量。
差异率阈值可以是基于剂量分布差异率评估目标对象接收的剂量是否适量的值。在一些实施例中,差异率阈值可以从用户终端基于用户的输入设置。在一些实施中,差异率阈值还可以基于历史数据自动设置。
具体地,当剂量分布差异率大于差异率阈值,则表示目标对象接收的剂量不适量,否则表示目标对象接收的剂量适量。
例如,差异率阈值为2%,剂量分布差异率X1为3%,大于2%,则表示X1对应的采集图像M1的放射性线束的剂量不适量;剂量分布差异率X2为1%,小于2%,则表示X2对应的采集图像M2的放射性线束的剂量适量;剂量分布差异率X为5%,大于2%,则表示X对应的采集图像M的放射性线束的剂量不适量。
图6是根据本说明书的一些实施例所示的基于全野采集图像,优化放疗计划的方法的示意图。
在一些实施例中,剂量监测模块230可以响应于目标对象接收的剂量不适量,进一步基于全野采集图像,进行三维剂量重建。
三维剂量重建可以是获取目标对象在三维空间剂量分布的过程。具体地,剂量监测模块230可以基于全野采集图像,获取全野剂量分布图。
全野剂量分布图可以表征全野图像对应的目标对象的每个空间点接收的放射性线束的剂量。在一些实施例中,剂量监测模块230可以基于EPID-剂量刻度方法,将全野采集图像中每个像素转换为对应的目标对象的空间点接收的放射性线束的剂量,从而获取全野剂量分布图。
进一步地,剂量监测模块230可以基于全野剂量分布图,获取目标对象的三维空间剂量分布。在一些实施例中,剂量监测模块230可以基于全野剂量分布图,通过剂量沉积核函数获取放射源强度分布,再基于放射源强度分布和目标对象的形态信息,获取目标对象的三维空间剂量分布。
在一些实施例中,剂量监测模块230可以基于全野采集图像的三维剂量重建的结果,在不同的放疗阶段,对放疗计划进行优化。
如前所述,放疗计划(又称放射治疗计划)可以是目标对象的放射性射线照射方案。在一些实施例中,放疗计划可以分为多次执行,使得目标对象的正常组织受到少量放射性线束照射后,可以在每次放疗的间隔时间内恢复。分次间放疗剂量可以是目标对象在单次放疗计划接收的放射性线束的剂量。在一些实施例中,分为多次执行的放疗计划的总剂量可以等于多个分次间放疗剂量的总和。例如,在分为4次执行的放疗计划中,靶区的放疗计划总剂量为80Gy,对应的4次分次间放疗剂量分别为14Gy、16Gy、20Gy和30Gy;危及器官的放疗计划总剂量为17Gy,对应的4次分次间放疗剂量分别为3Gy、4Gy、5Gy和5Gy。
在一些实施例中,剂量监测模块230可以在患者放疗前,基于患者的模体的全野采集图像的三维剂量重建结果,优化放疗计划。
具体地,在患者进行放疗前,剂量监测系统100可以根据放疗计划,用放射性线束照射患者对应的模体,并通过射野影像系统获取模体的至少一幅全野采集图像,剂量监测模块230可以基于模体的至少一幅全野采集图像获取模体的总放疗剂量分布和/或分次间放疗剂量分布,然后基于放疗计划信息中至少一次放疗的剂量分布,优化放疗计划中的信息和/或参数(如放疗设备参数、靶区位置和靶区剂量等)。
例如,放疗设备根据放疗计划的第1次分次放疗中放疗设备参数(如包括“照射A区t1秒”)完成对模体的照射后,剂量监测模块230可以基于模体第1次分次放疗对应的全野采集图像,获取模体在第1次分次放疗的实际剂量分布,包括A区的实际接收的剂量为2Gy,然后基于放疗计划中A区在第1次分次放疗中的计划放疗剂量“3Gy”,将放疗设备参数“照射A区t1秒”调整为“照射A区t2秒”。
在一些实施例中,剂量监测模块230可以在放疗过程中,基于实时获取的患者全野采集图像的三维剂量重建结果,在线监控放疗计划运行。关于在线监控放疗计划运行的详细描述可以参见图7及其相关描述,在此不再赘述。
在一些实施例中,剂量监测模块230可以在单次放疗后,基于三维剂量重建的结果和放疗计划信息,调整当前放疗剂量和/或剩余分次放疗剂量。
具体的,剂量监测模块230可以基于患者的全野图像的三维剂量重建结果,确定当前单次放疗对应的累计三维剂量分布,然后基于累计三维剂量分布和放疗计划信息,调整放疗计划信息的分次间放疗剂量。
当前单次放疗对应的累计三维剂量分布可以是在当前单次放疗之前已经执行的单次放疗(包括当前单次放疗)中感兴趣区域的三维剂量累计剂量。感兴趣区域可以包括患者的靶区和危及器官。靶区可以是放疗设备照射放射性线束的目标区域,包括恶性病变组织。在一些实施例中,靶区可以考虑患者的呼吸、运动和误差,基于恶性病变组织适当扩大范围。可以理解,靶区接收适量剂量的放射性线束,可以保证放疗对恶心病变组织的摧毁效果。危及器官可以是射野范围内的重要组织和/或器官。可以理解,危机器官接收适量剂量可以防止放疗计划对患者的正常组织产生不可恢复的损伤。
在一些实施例中,剂量监测模块230可以通过累加已经执行的单次放疗对应的三维剂量重建的结果,获取当前单次放疗对应的累计三维剂量分布。示例性地,在分为4次执行的放疗计划中,执行完毕第2次单次治疗后,当前第2次单次放疗对应的累计三维剂量分布可以基于第1次单次放疗的三维剂量重建的结果和第2次单次放疗的三维剂量重建的结果获取。例如,基于第1次单次放疗的三维剂量重建的结果,可以获取靶区在第1次单次放疗实际接收的剂量为12Gy,危及器官实际接收的剂量为4Gy;基于第2次单次放疗的三维剂量重建的结果,可以获取靶区在第2次单次放疗实际接收的剂量为14Gy,危及器官实际接收的剂量为4Gy;从而获取第2次单次放疗对应的累计三维剂量分布为:靶区12+14=26Gy,危及器官4+4=8Gy。
如前所述,放疗计划信息可以是与放疗计划相关的信息。在一些实施例中,放疗计划信息可以包括靶区和/或危及器官的计划分次间放疗剂量。
进一步地,剂量监测模块230可以基于放疗计划信息,获取每个感兴趣区域的当前单次放疗对应的累计计划放疗剂量。继续前述示例,靶区的第2次单次放疗对应的累计放疗计划剂量为第1次单次放疗计划剂量和第2次单次放疗计划剂量的和:14+16=30Gy,类似地,危及器官的第2次单次放疗对应的累计放疗计划剂量为3+4=7Gy。
在一些实施例中,若感兴趣区域当前单次放疗对应的累计三维剂量减去对应的累计计划放疗剂量的差值大于第一阈值,则判断感兴趣区域接收的剂量超量;若感兴趣区域当前单次放疗对应的累计计划放疗剂量减去对应的累计三维剂量的差值大于第二阈值,则判断感兴趣区域接收的剂量欠量。
例如,危及器官当前单次放疗对应的累计三维剂量8Gy减去对应的累计计划放疗剂量7Gy的差值为1Gy,大于第一阈值“0.5Gy”,则判断危及器官接收的剂量超量。又例如,靶区当前单次放疗对应的累计计划放疗剂量30Gy减去对应的累计三维剂量26Gy减去的差值为4Gy,大于第二阈值“2Gy”,则判断靶区接收的剂量欠量。
为了保证感兴趣区域接收放疗计划的总剂量,剂量监测模块230可以调整未执行的分次间放疗剂量。继续前述示例,靶区在第1次和第2次放疗实际接收的剂量分别为12Gy和14Gy,为了保证靶区接收的总剂量为80Gy,可以将第3次和第4次的分次间放疗剂量调整为20Gy和34Gy。
在一些实施例中,病患在执行部分单次放疗后取得了超出预期的治疗效果,剂量监测模块230可以基于降低后的放疗计划总剂量,调整未执行的分次间放疗剂量。继续前述示例,靶区在进行了第2次放疗后,放疗计划总剂量修改为70Gy,剂量监测模块230可以将第3次和第4次的分次间放疗剂量调整为20Gy和24Gy。
图7是根据本说明书的一些实施例所示的基于全野采集图像,在线监控放疗计划的方法的示例性流程图。具体地,图7可以由剂量监测模块230执行。如图7所示,方法700可以包括:
步骤710,触发监测条件,基于至少一幅采集图像和预测图像,判断目标对象当前接收的剂量是否满足预设范围。
监测条件可以是在放疗过程中发起剂量监测的条件。在一些实施例中,监测条件可以包括当前时刻距离上一次监测时刻的时间间隔满足设定时间间隔。例如,监测条件可以是当前时刻“当日16点0分30秒”距离上一次监测时刻“当日16点0分0秒”的时间间隔“30秒”满足设定时间间隔“30秒”。在一些实施例中,监测条件可以包括接收到终端设备130发送的监测请求。例如,监测条件可以是接收到用户通过终端设备130发送的在当前时刻监测目标对象接收的剂量的监测请求。在一些实施例中,监测条件还可以包括当前放疗进程为指定进程。例如,监测条件可以是当前放疗进程为当前单次放疗全进程的1/4进程、2/4进程和3/4进程时。
在一些实施例中,触发监测条件后,系统100可以获取当前时刻的至少一幅采集图像和预测图像,关于获取至少一幅采集图像和预测图像的详细描述可以参见步骤310和步骤320,在此不再赘述。
目标对象当前接收的剂量可以是目标对象在所述当前时刻的实时三维重建剂量。在一些实施例中,剂量监测模块230可以基于目标对象在当前时刻的至少一幅采集图像和预测图像,获取目标对象当前时刻的全野采集图像。关于获取全野采集图像的相关描述可以参见图5及其相关描述,在此不再赘述。在一些实施例中,剂量监测模块230可以基于目标对象当前时刻的全野采集图像,通过三维剂量重建,获取目标对象当前接收的剂量。关于三维剂量重建的详细描述可以参见图6及其相关描述,在此不再赘述。
预设范围是和当前放疗进程对应的适量剂量范围。在一些实施例中,剂量监测模块230可以基于当前放疗进程和放疗计划剂量确定预设范围。示例性地,剂量监测模块230可以先基于放疗计划剂量和第一阈值、第二阈值确定当前单次放疗计划对应的适量剂量范围,再基于当前放疗进程和当前单次放疗计划对应的适量剂量范围确定预设范围。
例如,靶区的当前单次放疗计划剂量为20Gy,第一阈值为0.5Gy,第二阈值为2Gy,则当前单次放疗计划的适量剂量为(20-2)~(20+0.5)=18~20.5Gy,预设范围为9~10.25Gy。
在一些实施例中,剂量监测模块230可以比较目标对象当前接收的剂量和预设范围,若目标对象当前接收的剂量大于预设范围的上限,则表示该目标对象当前接收的剂量存在超量;若目标对象当前接收的剂量小于预设范围的下限,则表示该目标对象当前接收的剂量存在欠量;当目标对象当前接收剂量在预设范围内,则表示该目标对象当前接收的剂量适量。
步骤720,响应于目标对象当前接收的剂量不满足预设范围,向终端设备发送提示信息。
提示信息可以包括提示用户在线剂量监测结果异常的信息。例如,提示信息可以包括“当前剂量可能超量”或者“当前剂量可能欠量”。
在一些实施例中,剂量监测模块230可以通过网络140向终端设备130发送提示信息。
在一些实施例中,用户收到终端设备发送的提示信息后,可以选择手动调整当前放疗剂量,也可以选择由剂量监测模块230自动调整当前放疗剂量。
在一些实施例中,当目标对象在当前单次放疗内接收的剂量超量时,剂量监测模块230可以自动关闭多叶准直器相对于该目标对象的叶片,使得放射性线束不继续照射到目标对象。
在一些实施例中,当目标对象在当前单次放疗内接收的剂量欠量时,剂量监测模块230可以自动打开更多多叶准直器相对于该目标对象的叶片,使得更多放射性线束可以照射到该目标对象。
例如,放疗计划中第2次放疗内,靶区和危及器官的计划剂量分别为8Gy和3Gy,靶区和危及器官的三维重建剂量分别为5Gy和4Gy,则剂量监测模块230可以打开多叶准直器相对于靶区的叶片,关闭多叶准直器相对于危及器官的叶片,使得更多放射性线束照射靶区,同时使得放射性线束不能继续照射危及器官。
在一些实施例中,响应于目标对象当前接收的剂量不满足预设范围,剂量监测模块230可以直接自动调整剩余分次放疗剂量。关于调整剩余分次放疗剂量的详细描述可以参见图6及其相关描述,在此不再赘述。
在一些实施例中,提示信息还可以包括直接触发停止治疗的指令,停止治疗的指令可以通过网络140指示放疗设备110停止治疗。
本说明书实施例可能带来的有益效果包括但不限于:(1)基于与射野的一部分对应的采集图像获取全野的采集图像,然后基于全野采集图像和预测图像进行剂量监控,从而实现当射野影像系统的探测面积小于射野面积时,可以基于确定剂量差异结果实现剂量监控;(2)基于与射野的一部分对应的采集图像分割预测图像,获取和采集图像对应的子预测图像,然后基于采集图像和子预测图像进行剂量监控,用采集图像对应的剂量差异结果替代全野的采集图像的剂量差异结果,实现剂量监控,从而提高计算效率;(3)基于获取的全野采集图像,可以进一步进行三维剂量重建,在线修改放疗计划,实现在线自适应放疗。需要说明的是,不同实施例可能产生的有益效果不同,在不同的实施例里,可能产生的有益效果可以是以上任意一种或几种的组合,也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,本领域技术人员可以理解,本说明书的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的工序、机器、产品或物质的组合,或对他们的任何新的和有用的改进。相应地,本说明书的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外,本说明书的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号,例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式,包括电磁形式、光形式等,或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播,包括无线电、电缆、光纤电缆、RF、或类似介质,或任何上述介质的组合。
本说明书各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写,包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等,常规程序化编程语言如C语言、Visual Basic、Fortran2003、Perl、COBOL2002、PHP、ABAP,动态编程语言如Python、Ruby和Groovy,或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或处理设备上运行。在后种情况下,远程计算机可以通过任何网络形式与用户计算机连接,比如局域网(LAN)或广域网(WAN),或连接至外部计算机(例如通过因特网),或在云计算环境中,或作为服务使用如软件即服务(SaaS)。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的处理设备或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (10)
1.一种剂量监测方法,所述方法包括:
获取目标对象的至少一幅采集图像,所述采集图像对应射野的至少一部分;
基于所述目标对象的放疗计划信息,获取预测图像;
基于所述至少一幅采集图像和所述预测图像,监测所述目标对象接收的剂量。
2.如权利要求1所述的方法,所述基于所述至少一幅采集图像和所述预测图像,监测所述目标对象接收的剂量,包括:
基于所述至少一幅采集图像和所述预测图像,确定至少一个剂量差异结果;
基于所述至少一个剂量差异结果,监测所述目标对象接收的剂量。
3.如权利要求2所述的方法,所述基于所述至少一幅采集图像和所述预测图像,确定至少一个剂量差异结果,包括:
基于所述至少一幅采集图像与所述预测图像中的至少一幅子预测图像,确定所述至少一个剂量差异结果;或者
基于所述至少一幅采集图像,获取全野采集图像,并基于所述全野采集图像和所述预测图像,确定所述至少一个剂量差异结果。
4.如权利要求3所述的方法,所述基于所述至少一幅采集图像,获取全野采集图像,包括:
基于所述至少一幅采集图像和所述放疗计划信息,获取所述全野采集图像。
5.如权利要求4所述的方法,所述基于所述至少一幅采集图像和所述放疗计划信息,获取全野采集图像,包括:
将所述至少一幅采集图像和所述放疗计划信息输入图像预测模型,得到所述全野采集图像。
6.如权利要求3所述的方法,所述基于所述至少一幅采集图像和所述预测图像,监测所述目标对象接收的剂量,包括:
基于所述全野采集图像,进行三维剂量重建。
7.如权利要求6所述的方法,所述基于所述至少一幅采集图像和所述预测图像,监测所述目标对象接收的剂量,包括:
基于所述三维剂量重建的结果和所述放疗计划信息,调整当前放疗剂量和/或剩余分次放疗剂量。
8.如权利要求1所述的方法,所述基于所述至少一幅采集图像和所述预测图像,监测所述目标对象接收的剂量,包括:
基于所述至少一幅采集图像和所述预测图像,判断所述目标对象当前接收的剂量是否满足预设范围;
响应于所述目标对象当前接收的剂量不满足预设范围,向终端设备发送提示信息。
9.一种剂量监测系统,所述系统包括:
采集图像获取模块,用于获取目标对象的至少一幅采集图像,所述采集图像对应射野的至少一部分;
预测图像获取模块,用于基于所述目标对象的放疗计划信息,获取预测图像;
剂量监测模块,用于基于所述至少一幅采集图像和所述预测图像,监测所述目标对象接收的剂量。
10.一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行如权利要求1~8任一项所述的剂量监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210567950.7A CN114984464A (zh) | 2022-05-24 | 2022-05-24 | 一种剂量监测方法、系统和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210567950.7A CN114984464A (zh) | 2022-05-24 | 2022-05-24 | 一种剂量监测方法、系统和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114984464A true CN114984464A (zh) | 2022-09-02 |
Family
ID=83027323
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210567950.7A Pending CN114984464A (zh) | 2022-05-24 | 2022-05-24 | 一种剂量监测方法、系统和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114984464A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040068182A1 (en) * | 2002-09-18 | 2004-04-08 | Misra Satrajit Chandra | Digitally reconstruced portal image and radiation therapy workflow incorporating the same |
CN104825178A (zh) * | 2014-02-07 | 2015-08-12 | 瓦里安医疗系统公司 | 采用电子射野影像装置用于实时治疗验证的系统、方法和设备 |
CN105407967A (zh) * | 2013-06-26 | 2016-03-16 | 埃莱克塔公共有限公司 | 射野剂量测定系统 |
CN105854191A (zh) * | 2016-04-26 | 2016-08-17 | 中国科学院合肥物质科学研究院 | 一种放射治疗中三维剂量验证系统及验证方法 |
CN106039576A (zh) * | 2015-04-02 | 2016-10-26 | 瓦里安医疗系统国际股份公司 | 射野剂量测定系统、设备和方法 |
CN109464756A (zh) * | 2018-12-29 | 2019-03-15 | 上海联影医疗科技有限公司 | 验证放射治疗剂量的方法、装置和放射治疗设备 |
CN112382371A (zh) * | 2020-10-16 | 2021-02-19 | 北京全域医疗技术集团有限公司 | 一种放疗剂量分析方法、装置、存储介质及计算机设备 |
CN113096766A (zh) * | 2021-04-08 | 2021-07-09 | 济南大学 | 一种个性化精准放疗计划中的三维剂量预测方法及系统 |
-
2022
- 2022-05-24 CN CN202210567950.7A patent/CN114984464A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040068182A1 (en) * | 2002-09-18 | 2004-04-08 | Misra Satrajit Chandra | Digitally reconstruced portal image and radiation therapy workflow incorporating the same |
CN105407967A (zh) * | 2013-06-26 | 2016-03-16 | 埃莱克塔公共有限公司 | 射野剂量测定系统 |
CN104825178A (zh) * | 2014-02-07 | 2015-08-12 | 瓦里安医疗系统公司 | 采用电子射野影像装置用于实时治疗验证的系统、方法和设备 |
CN106039576A (zh) * | 2015-04-02 | 2016-10-26 | 瓦里安医疗系统国际股份公司 | 射野剂量测定系统、设备和方法 |
CN105854191A (zh) * | 2016-04-26 | 2016-08-17 | 中国科学院合肥物质科学研究院 | 一种放射治疗中三维剂量验证系统及验证方法 |
CN109464756A (zh) * | 2018-12-29 | 2019-03-15 | 上海联影医疗科技有限公司 | 验证放射治疗剂量的方法、装置和放射治疗设备 |
CN112382371A (zh) * | 2020-10-16 | 2021-02-19 | 北京全域医疗技术集团有限公司 | 一种放疗剂量分析方法、装置、存储介质及计算机设备 |
CN113096766A (zh) * | 2021-04-08 | 2021-07-09 | 济南大学 | 一种个性化精准放疗计划中的三维剂量预测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220054863A1 (en) | Portal dosimetry systems, devices, and methods | |
US11020615B2 (en) | Computing radiotherapy dose distribution | |
RU2696428C2 (ru) | Система и способ отслеживания целевого объекта с использованием показателя качества во время лучевой терапии | |
US11056243B2 (en) | Systems and methods for optimizing treatment planning | |
EP3157627B1 (en) | System and method for automatic treatment planning | |
RU2658135C1 (ru) | Проекция магнитного резонанса для построения четырехмерной визуализации | |
US9925393B2 (en) | Method and apparatus for determining treatment region and mitigating radiation toxicity | |
US20140005464A1 (en) | Studying dosimetric impact of motion to generate adaptive patient-specific margins in ebrt planning | |
US11426606B2 (en) | Method and system of evaluating a radiation therapy treatment plan | |
US20230372736A1 (en) | Evaluation and presentation of robustness of a treatment plan | |
CN114984464A (zh) | 一种剂量监测方法、系统和存储介质 | |
CN110675932A (zh) | 一种基于蒙特卡罗的点剂量计算方法、设备和存储介质 | |
CN113631223B (zh) | 确定放射疗法后的血液学毒性风险 | |
US20230285774A1 (en) | Automatic beam modeling based on deep learning | |
WO2016029917A1 (en) | Method for real-time dose reconstruction during radiotherapy | |
Fondevila et al. | Predicting Gamma Passing Rates for Portal Dosimetry-Based IMRT QA Using Deep Learning | |
Ionele | 4D-VMAT dose calculation using treatment-specific respiratory motions | |
CN116350959A (zh) | 放射治疗剂量分析方法和系统 |
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 |