CN115003379A - 用于重建受运动影响的处置剂量的局部形变图 - Google Patents
用于重建受运动影响的处置剂量的局部形变图 Download PDFInfo
- Publication number
- CN115003379A CN115003379A CN202080093419.XA CN202080093419A CN115003379A CN 115003379 A CN115003379 A CN 115003379A CN 202080093419 A CN202080093419 A CN 202080093419A CN 115003379 A CN115003379 A CN 115003379A
- Authority
- CN
- China
- Prior art keywords
- target object
- specific model
- image
- target
- treatment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
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
- A61N5/1037—Treatment planning systems taking into account the movement of the target, e.g. 4D-image based planning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- 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
- A61N5/1031—Treatment planning systems using a specific method of dose optimization
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/103—Treatment planning systems
- A61N5/1039—Treatment planning systems using functional images, e.g. PET or MRI
-
- 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
- A61N5/1077—Beam delivery systems
- A61N5/1081—Rotating beam systems with a specific mechanical construction, e.g. gantries
- A61N5/1082—Rotating beam systems with a specific mechanical construction, e.g. gantries having multiple beam rotation axes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/088—Non-supervised learning, e.g. competitive learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
-
- 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
- A61N2005/1051—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam using an active marker
-
- 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
- A61N5/1083—Robot arm beam systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/047—Probabilistic or stochastic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10076—4D tomography; Time-sequential 3D tomography
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
-
- 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
- G06T2207/10116—X-ray image
- G06T2207/10124—Digitally reconstructed radiograph [DRR]
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30096—Tumor; Lesion
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Robotics (AREA)
- Radiation-Therapy Devices (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
Abstract
一种方法包括:识别靶对象的处置规划图像,该处置规划图像包括与靶对象内的结构的布置相关联的信息。该方法还包括:基于该信息来生成与靶对象相关联的参考数据的集合,该参考数据表示靶对象的多个位置。该方法还包括:基于参考数据来生成靶对象特定模型,并且修改靶对象特定模式的一个或多于一个超参数,以生成与多个位置中的第二位置相对应的第二靶对象特定模型。该方法还包括:基于第二靶对象特定模型来控制放射处置递送装置以向靶对象递送放射处置。
Description
相关申请的交叉引用
本申请根据美国法典第35条第119(e)款而要求于2020年11月13日提交的美国专利申请17/098,149的权益,该美国专利申请要求于2019年11月25日提交的美国临时申请62/940,037的权益,其公开内容通过引用而被全部包含于此。
技术领域
本发明涉及用于重建受运动影响的处置剂量的局部形变图。
背景技术
在放射处置中,经由来自患者体外的源的放射处置束而递送的放射剂量被递送至体内的靶区域,以破坏肿瘤细胞。必须注意以在使由处置剂量递送至预期处置区域的放射量最大化的同时、使被递送至非处置区域的放射量最小化。
附图说明
根据以下给出的详细描述以及本发明的各种实现的附图,将更全面地理解本发明。
图1A示出根据本文描述的实施例的螺旋放射递送系统。
图1B示出根据本文描述的实施例的可以使用的机器人放射处置系统。
图1C示出根据本文描述的实施例的基于C形臂机架的放射处置系统。
图2描绘根据本发明实施例的生成用于重建受运动影响的处置剂量的局部形变图的方法的第一流程图。
图3描绘根据本发明实施例的生成用于重建受运动影响的处置剂量的局部形变图的方法的第二流程图。
图4描绘根据本发明实施例的生成用于重建受运动影响的处置剂量的局部形变图的方法的第三流程图。
图5示出根据本文描述的实施例的可用于生成用于重建受运动影响的处置剂量的局部形变图的不同系统的示例。
具体实施方式
本发明的实施例涉及图像引导处置的领域,并且特别涉及用于重建受运动影响的处置的局部形变图所用的系统。在各种实施例中,本文提供的系统和方法描述从单个图像生成和使用患者内变换模型以用于放射治疗应用、并且通过生成图像变形来减少外观变化对配准的影响。
在一个实施例中,放射处置治疗的组成部分可以是估计在处置时间的规划图像的空间和患者的空间之间的变换。理想地,该变换可以在处置时间从一些有限的、低延迟的哨兵(sentinel)信息(诸如2D投影图像或光学标记位置等)获得,使得变换可以在时间上准确。这种变换对于许多形式(具体是靶跟踪、剂量累积和预测规划方面)的在线适应可能是有价值的。事实上,如果具有良好的患者特定变换模型,则可以解决自适应放疗的图像分析部分。
在一个实施例中,可以在处置时间从2D投影确定的可信变换可以通过少量参数来描述(例如,在其他情况下可能存在将暗示相同投影的许多可能变换),并且这些参数所跨越的空间可以由可信变换组成(例如,将不太可能的变换从搜索空间中排除)。例如,如果变换模型描述呼吸,则所有合理的参数选择都应产生可信呼吸。在受呼吸影响的部位,可以在呼吸相关计算机断层扫描(RCCT)的阶段之间使用主成分分析(PCA)构建这样的模型。类似地,也可以证明通过构建而具有少量自由度的刚性和其他线性变换的配准。
在一个实施例中,对于呼吸运动模型,可以在规划时间从RCCT确定用于模型构建的信息。对于诸如骨盆等的在分次间(inter-fractional)时间尺度上观察变换的其他部位,可能不是这种情况。此外,呼吸模型也可能受到这些分次间变换的影响,并且这种呼吸运动模型和RCCT的准确度通常可能低于标准。理想地,这样的模型将是基于在类似图像中观察到的变换从单个规划图像可构建的,并且可推广到患者可能经历的可能变换。
在一个实施例中,可以如下构建简单的运动模型:将所有图像配准在一起以形成以某种方式位于中心的“均值”图像以及从均值图像到各个阶段图像的变换集,并且直接对通过分组配准所产生的位移向量场进行PCA。这样得到了均值位移向量μ和N个特征向量v,使得前几个特征向量的线性组合很好地近似训练集中的所有变换。
将参数视为前1至3个特征向量的线性组合(产生位移向量场的总和)上的乘数,这可以产生具有1至3个参数的合理且可信的患者特定呼吸模型。这些特征向量可以被称为变化模态。在一个实施例中,类似的处理可能不用于男性骨盆,因为与可以从合理数量的患者图像中学习到的相比,变换更复杂。可以针对男性骨盆构建患者特定变换模型,但上述过程在一些情况下可能不成功。为了解决该问题并降低该方法的工程复杂性,期望将来自多个患者的变换信息组合成单个部位特定的变换模型,然后可以将其应用于新患者。
在一个实施例中,为了构建多患者变换模型,可以将来自数个患者的PCA模型配准到公共图谱(atlas)空间,在这里进行组合,然后重新配准到新患者。在一个实施例中,当变化模态跨患者变换的空间被变换到公共空间时,这些变化模态经历未知的变化。
尽管能够或也许能够用线性降维来描述患者特定的变换模型,但先前方法的失败表明运输问题的解决方案是非线性的。
本发明提出了对该配准问题的解决方案,其中,考虑到单个患者规划图像,可以产生变换模型,该变换模型生成有可能在处置过程中观察到的该规划图像的可信非刚性变换,使得可以从少量2D投影确定该变换模型的参数(以及由此确定该变换)。
如本文所述,作为一般概念,模型可以适合于复杂的解剖处理,这使得能够从有限的信息推断对象的内部3D结构(以及可能的外观)。这些模型本质上可以是生物力学的,或者经由机器学习(例如,通过自编码器神经网络)生成的。例如,可以在仅使患者暴露于不频繁的2D图像获取的同时,针对处置递送的每个时间点推断患者的内部形变的完整3D图。另一示例将从在前几分之一秒内可以获取到的有限数据推断单个时刻的完整3D形变图。
这样的系统和方法可以在各种上下文中使用。通过非限制性示例,本文描述的系统和方法可以用于:实时适应,即实时调整放射治疗处置以适应肿瘤的大小和形状的变化和/或肿瘤位置相对于其他解剖结构的变化;剂量重建,即在考虑影响肿瘤、周围结构及其相对于彼此的位置并且在处置递送期间发生的内部运动(例如,处置期间相对于心脏、脊柱和腹部的肺肿瘤移动、或者处置期间影响前列腺、直肠和膀胱的相对位置的膀胱充盈和直肠移动)的同时,计算递送给对象的剂量;4D成像,其包括:a)通过针对各时间点计算完整3D形变图、并通过这些图使(处置前)3D图像形变,针对处置或成像过程递送的每个时间点生成对象的3D图像,以及b)通过仅从几个投影(可能仅一个投影)估计3D形变图并将该3D形变图并入图像重建的反向投影步骤中,来生成更好的4D CT图像。
进一步的应用可以包括:来自2D x射线视图的实时局部解剖成像(即,在处置递送期间通过对象的局部解剖图像切片的实时视图),其中通过根据约最后一秒的2D x射线图像数据来计算完整3D形变图,并且使(处置前)3D CT形变,可以复制当前仅在MR-Linac系统上可用的显示的种类。由于这些局部解剖图像是从3D形变图导出的,因此传播来自规划的ROI轮廓以叠加在图像上也是容易的。类似地,可以传播与规划图像共同配准的其他图像数据,诸如利用其他系统离线获取到的来自MR和/或PET的功能数据等。利用这样的功能叠加,这些实时断层扫描视图可以提供在其他情况下将需要昂贵的MR-Linac处置系统的几乎所有相同的临床益处。
在另一示例中,本文描述的方法和系统可以用作生物反应的预测器,本发明使得能够从每个处置或成像过程针对每个时间点常规获取完整3D形变图。这进而使得能够对解剖结构和运动模式随时间的变化进行广泛的分析,这可以用于更好地对肿瘤反应或疾病进展和处置结果的其他方面进行建模。例如:a)计算肺部患者的处置期间的通气和通气变化;以及b)计算组织的刚度和弹性属性、以及可能由于放射损伤而引起的肺部、腹部和/或骨盆中的刚度和弹性属性的变化。
在一个实施例中,术语“靶”、“靶区域”、“靶对象”等可以是指处置区域(例如,肿瘤)附近(一些定义的接近度内)的一个或多于一个基准点(fiducial)。在另一实施例中,靶可以是骨结构。在又一实施例中,靶可以是指患者的软组织。如本文所述,靶可以是能够被识别并跟踪的任何定义结构或区域(包括整个患者本身)。
图1A示出根据本发明实施例的螺旋放射递送系统800。螺旋放射递送系统800可以包括安装到环形机架820的直线加速器(LINAC)850。LINAC 850可用于通过指引电子束朝向x射线发射靶来生成放射束(即,处置束)。处置束可以向靶区域(即,肿瘤)递送放射。处置系统还包括与LINAC 850的远端耦接的多叶准直器860。如本文所述,MLC 860可以是eMLC。MLC包括用于容纳多个叶的壳体,其中这多个叶可移动以调整MLC的孔径来使得能够进行处置束的成形。环形机架820具有圆环(toroidal)形状,其中患者830延伸穿过环/圆环的孔,并且LINAC 850安装在环的圆周上且围绕穿过中心的轴转动,以利用从患者周围的一个或多于一个角度所递送的束辐照靶区域。在处置期间,患者830可以同时在处置床840上移动通过机架的孔。
螺旋放射递送系统800包括成像系统,该成像系统包括作为成像源的LINAC 850以及x射线检测器870。LINAC 850可用于通过将一系列x射线束指引到患者830的感兴趣区域(ROI)处来生成ROI的兆伏级(mega-voltage)x射线图像(MVCT)、并生成处置前图像,其中该一系列x射线束入射到与LINAC 850相对的x射线检测器870上以对患者830进行成像从而进行摆位(setup)。在一个实施例中,螺旋放射递送系统800还可以包括二次成像系统,该二次成像系统由kV级成像源810组成,该kV级成像源810相对于LINAC 850正交(例如,相隔了90度)地安装在环形机架820上,并且可以被对准以将成像x射线束投影在靶区域处并在穿过患者130之后照射检测器的成像平面。
图1B示出根据本文描述的替代实施例的可以使用的放射处置系统1200。如图所示,图1B示出放射处置系统1200的配置。在所示的实施例中,放射处置系统1200包括用作放射处置源的直线加速器(LINAC)1201、以及与LINAC 1201的远端耦接以对处置束进行成形的MLC 1205(例如,eMLC)。在一个实施例中,LINAC 1201安装在具有多个(例如,5个或多于5个)自由度以对LINAC 1201进行定位的机械臂1202的一端,从而在患者周围的操作体积中利用从多个角度、在多个平面中所递送的束辐照病理解剖结构(例如,靶)。处置可以涉及具有单个等中心点、多个等中心点或具有非等中心趋向(approach)的束路径。
在处置期间,可以通过移动机械臂1202来将LINAC 1201定位在多个不同节点(LINAC 1201停止并且可以递送放射的预定义位置)处。在节点处,LINAC 1201可以将一个或多于一个放射处置束递送至靶,其中放射束形状由MLC 1205中的叶位置来确定。节点可以围绕患者被布置成近似球形的分布。节点的具体数量以及在各节点处施加的处置束的数量可以根据要处置的病理解剖结构的位置和类型而变化。
在另一实施例中,在正递送放射期间,机械臂1202及其一端处的LINAC 1201可以在节点之间进行连续运动。通过在LINAC 1201的连续运动期间在MLC 1205中的叶的快速运动来确定放射束形状和2D强度图。
放射处置系统1200包括成像系统1210,该成像系统1210具有与x射线源1203A和1203B(即,成像源)以及固定的x射线检测器1204A和1204B相连接的处理装置1230。可替代地,x射线源1203A、1203B和/或x射线检测器1204A、1204B可以是移动的,在这种情况下,它们可被重新定位成维持与靶的对准、或者可替代地从不同取向对靶进行成像或获取多个x射线图像并重建三维(3D)锥形束CT。在一个实施例中,如本领域技术人员将理解的,x射线源不是点源,而是x射线源阵列。在一个实施例中,LINAC 1201用作成像源,其中LINAC电力水平降低至成像用的可接受水平。
成像系统1210可以进行诸如锥形束计算机断层扫描(CT)或螺旋兆伏级计算机断层扫描(MVCT)等的CT,并且成像系统1210所生成的图像可以是二维(2D)或三维(3D)的。两个x射线源1203A和1203B可以安装在手术室的天花板上的固定位置处,并且可以被对准以将来自两个不同角度位置(例如,间隔了90度)的x射线成像束投影成在机器等中心点(这里称为处置中心,其提供用于在处置期间将患者定位在处置床1206上的参考点)处相交,并且在穿过患者之后照射相应检测器1204A和1204B的成像平面。在一个实施例中,成像系统1210提供对靶和周围感兴趣体积(VOI)的立体成像。
在其他实施例中,成像系统1210可以包括多于或少于两个x射线源、以及多于或少于两个检测器,并且这些检测器中的任意检测器可以是可移动的,而不是固定的。在另外的其他实施例中,x射线源和检测器的位置可以互换。如本领域技术人员所公知的,检测器1204A和1204B可以由用于将x射线转换为可见光的闪烁材料(例如,非晶硅)、以及用于将光转换为数字图像的CMOS(互补金属氧化物硅)或CCD(电荷耦合器件)成像单元的阵列制成,其中在用于将数字图像的坐标系变换为参考图像的坐标系的图像配准处理期间,可以将数字图像与参考图像进行比较。参考图像例如可以是数字重建放射影像(DRR),其中该数字重建放射照片(DRR)是基于模拟x射线图像形成处理、从3D CT图像生成的虚拟x射线图像,该x射线图像形成处理是通过将射线投射通过该CT图像来进行的。
在一个实施例中,IGRT递送系统1200还包括二次成像系统1239。成像系统1239是锥形束计算机断层扫描(CBCT)成像系统,例如,medPhoton ImagingRing系统。可替代地,可以使用其他类型的体积成像系统。二次成像系统1239包括附接至臂和轨道系统(未示出)的可转动机架1240(例如,环),其中臂和轨道系统使可转动机架1240沿着一个或多于一个轴(例如,沿着从处置床1206的头部延伸至脚部的轴)移动。成像源1245和检测器1250安装到可转动机架1240。
可转动机架1240可以围绕从处置床的头部延伸至脚部的轴转动360度。因此,成像源1245和检测器1250可以以多个不同角度定位。在一个实施例中,成像源1245是x射线源,并且检测器1250是x射线检测器。在一个实施例中,二次成像系统1239包括可单独转动的两个环。成像源1245可以安装到第一环,并且检测器1250可以安装到第二环。在一个实施例中,可转动机架1240在放射处置递送期间置于处置床的脚部,以避免与机械臂1202的碰撞。
如图1B所示,图像引导放射处置系统1200还可以与处置递送工作站150相关联。处置递送工作站可以远离放射处置系统1200而位于与放射处置系统1200和患者所在的处置室不同的房间中。如这里所述,处置递送工作站150可以包括处理装置(其可以是处理装置1230或其他处理装置)和存储器,其中处理装置和存储器根据基于一个或多于一个图像配准的靶运动检测来修改到患者1225的处置递送。
图1C示出C形臂放射递送系统1400。在一个实施例中,在C形臂系统1400中,LINAC的束能量可以在处置期间进行调整,并且可以使得LINAC能够用于x射线成像和放射处置这两者。在另一实施例中,系统1400可以包括用以生成x射线图像的板载kV级成像系统、以及用以生成较高能量的治疗放射束的单独LINAC。系统1400包括机架1410、LINAC 1420、与LINAC 1420的远端耦接以对束进行成形的MLC 1470(例如,eMLC)、以及射野成像检测器1450。机架1410可以转动到与所选投影相对应的角度,并且用于获取处置床1440上的患者1430的VOI的x射线图像。
在包括射野成像系统的实施例中,LINAC 1420可以生成穿过患者1430的靶并且入射在射野成像检测器1450上的x射线束,从而创建靶的x射线图像。在生成了靶的x射线图像之后,可以增加LINAC 1420的束能量,因此LINAC 1420可以生成用以处置患者1430的靶区域的放射束。在另一实施例中,kV级成像系统可以生成穿过患者1430的靶的x射线束,从而创建靶的x射线图像。在一些实施例中,射野成像系统可以获取在处置的递送期间的射野图像。射野成像检测器1450可以测量在束穿过患者1430之后的出射辐照注量(exitradiation fluence)。这可以使得能够在射野图像内定位内部或外部基准点或解剖结构(例如,肿瘤或骨)。
可替代地,本文描述的kV级成像源或射野成像器和操作方法可以与另外的其他类型的基于机架的系统一起使用。在一些基于机架的系统中,机架使kV级成像源和LINAC围绕穿过等中心点的轴转动。基于机架的系统包括大致具有圆环形状的环形机架,其中患者的身体延伸穿过环/圆环的孔,并且kV级成像源和LINAC安装在环的圆周上且围绕穿过等中心点的轴转动。
基于机架的系统还可以包括C形臂机架,其中kV级成像源和LINAC以悬臂状的方式安装在穿过等中心点的轴上并围绕该轴转动。在另一实施例中,kV级成像源和LINAC可用于基于机械臂的系统,其中该系统包括kV级成像源和LINAC如上所述所安装至的机械臂。本发明的方面还可用于诸如以下项等的其他这类系统:基于机架的LINAC系统、与放射治疗和放射外科手术相关联的静态成像系统、使用一体化图像引导的质子治疗系统、介入性放射学以及术中x射线成像系统等。
关于以上和本文描述的系统,在一个实施例中,(例如,任何合适类型的)放射处置递送系统可以包括用于存储信息的存储器和可操作地耦接到该存储器的处理装置。在各种实施例中,处理装置和存储器可以被配置/编程为进行任意数量的操作。例如,在一个实施例中,处理装置可以识别靶对象的处置规划图像,该处置规划图像包括与靶对象内的结构的布置相关联的信息。处理装置还可以基于该信息来生成与靶对象相关联的参考数据的集合,该参考数据表示靶对象的多个位置。
处理装置还可以基于参考数据来生成第一靶对象特定模型,并且将该第一靶对象特定模型应用于处置规划图像以生成与多个位置中的第一位置相对应的经变换处置规划图像。处理装置还可以将该经变换处置规划图像与参考图像进行比较。处理装置还可以基于该比较来修改第一靶对象特定模型的一个或多于一个超参数,以生成与多个位置中的第二位置相对应的第二靶对象特定模型。处理装置还可以基于该第二靶对象特定模型来控制放射处置递送装置以向靶对象递送放射处置。
在一个实施例中,处置规划图像可以是三维(3D)解剖图像和四维(4D)解剖图像中的一个,并且经变换处置规划图像和参考图像可以是二维(2D)图像。在一个实施例中,处理装置还可以根据靶对象的3D、4D或其他派生图像来构建第一靶对象特定模型。在另一实施例中,处理装置还可以根据靶对象和另一对象之间的至少一个可形变配准来构建第一靶对象特定模型。在另一实施例中,处理装置还可以根据第一时间的靶对象和第二时间的靶对象之间的至少一个可形变配准来构建第一靶对象特定模型。在又一实施例中,处理装置还可以根据靶对象和合成图谱对象之间的至少一个可形变配准来构建第一靶对象特定模型。
在一个实施例中,本文描述的对象特定模型可以包括靶对象的中心图谱以及基变换的集合和外观变化,并且处理装置还可以线性地组合该中心图谱、该组基变换的集合和该外观变化,以生成对可以找到靶对象的一个或多于一个构象的估计。在一个实施例中,可以使用对真实数据和合成数据中的至少一个的集合的降维来开发对象特定模型。
在一个实施例中,该信息和靶对象特定模型的一个或多于一个参数可以用于构建靶对象在参考时间的解剖结构与靶对象在图像获取时间的解剖结构之间的完整4D时空对应关系映射。该信息和靶对象特定模型的一个或多于一个参数还可以用于构建靶对象在图像获取时间的完整4D时空外观模型。
在一个实施例中,处理装置还可以与接收该信息同时接收辅助解剖信号或伪解剖信号。辅助信号可以与第一靶对象特定模型和该信息相关,以增加第二靶对象特定模型的时间分辨率。此外,辅助信号可以是基于一组三角化发光二极管(LED)标记而以光学方式获得的。
如本文所述,放射处置系统可以可选地包括耦接到放射源的机架,其中该机架被配置为使放射源围绕靶对象转动。在一个实施例中,机架包括C形臂机架。在另一实施例中,机架包括环形机架。放射处置系统可以可选地包括耦接到放射源的机械臂,其中机械臂被配置为将放射源定位在沿着圆形或椭圆形轨迹的多个位置处。在一个实施例中,机械臂将放射源定位在靶对象周围的多个位置处。(例如,来自放射源的)放射束可以包括千伏(kV)级处置束。MLC可以包括双态(binary)MLC。本文进一步设想了设备和功能的任何其他合适的组合。
图2描绘根据本发明实施例的生成用于重建受运动影响的处置剂量的局部形变图的方法200的第一流程图。通常,方法200可以由处理逻辑进行,该处理逻辑可以包括硬件(例如,处理装置、电路、专用逻辑、可编程逻辑、微代码、装置的硬件等)、软件(例如,在处理装置上运行或执行的指令)或其组合。在一些实施例中,方法200可以由图1A的放射处置系统800的处理逻辑进行。
如图2所示,方法200可以从框201开始,其中处理逻辑识别靶对象的处置规划图像。在一个实施例中,处置规划图像可以包括与靶对象内的结构的布置相关联的信息。在一个实施例中,处置规划图像是三维(3D)解剖图像和四维(4D)解剖图像中的一个,以及其中,经变换处置规划图像和参考图像是二维(2D)图像。
在框203处,处理逻辑可以基于该信息来生成与靶对象相关联的参考数据的集合,该参考数据表示靶对象的多个位置。例如,在一个实施例中,除了可以使用其他方法以外,处理逻辑也可以收集靶图像并将这些靶图像配准在一起以生成对象特定模型。这可以是数据自身,并且处理逻辑还可以例如使用PCA方法生成合成数据。然后,处理逻辑可以对变换进行PCA。然后可以使用通过PCA所产生的基来生成新变换。
在一个实施例中,靶对象的多个位置表示针对任意数量的靶对象均可能的任意数量的身体形状、扭曲、平移、形变等。多个位置可以表示在如所述的将来变换中要应用的位置的库。在一个实施例中,位置库可以包括来自任意数量的靶对象和/或患者的数据,并且可以同样地应用于任意数量的靶对象和/或患者。不要求仅将涉及特定靶对象的位置应用于该靶对象。可以将涉及第一靶对象的位置应用于第二靶对象,反之亦然。
在框205处,处理逻辑可以基于参考数据(如所述,其可以包括其他靶对象的数据)生成第一靶对象特定模型。可以生成第一靶对象特定模型的一个可能方式是上述的PCA实施例,其中来自RCCT的图像全部被配准在一起,并且对如此得到的变换进行PCA。还考虑了其他合适的方法。
在框207处,处理逻辑可以将第一靶对象特定模型应用于处置规划图像,以生成与多个位置中的第一位置(例如,靶对象的第一可能位置)相对应的经变换处置规划图像。在一个实施例中,系统产生变换。将变换应用于靶空间中的各点。这在规划空间中产生相应的点。然后在该点处计算规划图像的值,并将该值放置在靶空间中的输出缓冲器中。
然后,框209的处理逻辑可以将经变换处置规划图像与参考图像进行比较,以确定经变换处置规划图像的估计准确度。在一个实施例中,这可以通过试图测量经变换图像与参考图像匹配的程度如何的任何合适的“图像匹配”函数来确定。基函数将是差值平方总和,其中处理逻辑可以将各像素处的两个图像相减,对差求平方并将它们全部相加。在其他实施例中,处理逻辑可以使用机器学习来学习图像匹配函数。
在框211处,基于该比较,处理逻辑可以修改第一靶对象特定模型的一个或多于一个超参数(例如,与一个或多于一个靶对象的一个或多于一个位置相关联的参数),以生成与多个位置中的第二位置相对应的第二靶对象特定模型。在一个实施例中,第二位置与第一位置相比可以是当前靶对象位置的更准确表示。然后,框213的处理逻辑可以基于第二靶对象特定模型来控制放射处置递送装置以向靶对象递送放射处置。在一个实施例中,可以使用对真实数据和合成数据中的至少一个的集合的降维来开发对象特定模型。
在一个实施例中,该信息和靶对象特定模型的一个或多于一个(超)参数可以用于构建靶对象在参考时间的解剖结构与靶对象在图像获取时间的解剖结构之间的完整4D时空对应关系映射。此外,该信息和靶对象特定模型的一个或多于一个参数可以可选地用于构建靶对象在图像获取时间的完整4D时空外观模型。
图3描绘根据本发明实施例的生成用于重建受运动影响的处置剂量的局部形变图的方法的第二流程图300。通常,方法300可以由处理逻辑进行,该处理逻辑可以包括硬件(例如,处理装置、电路、专用逻辑、可编程逻辑、微代码、装置的硬件等)、软件(例如,在处理装置上运行或执行的指令)或其组合。在一些实施例中,方法300可以由图1A的放射处置系统800的处理逻辑进行。在一个实施例中,方法300可选地补充图2的方法200和/或图4的方法400。
如图3所示,方法300可以从框301开始,其中处理逻辑根据靶对象的3D、4D或其他派生图像来构建第一靶对象特定模型(例如,来自图2的框205)。可替代地或附加地,在框303处,处理逻辑可以根据靶对象和另一对象之间的至少一个可形变配准来构建第一靶对象特定模型。可替代地或附加地,在框305处,处理逻辑可以根据第一时间的靶对象和第二时间的靶对象之间的至少一个可形变配准来构建第一靶对象特定模型。可替代地或附加地,在框307处,处理逻辑可以根据靶对象和合成图谱对象之间的至少一个可形变配准来构建第一靶对象特定模型。
图4描绘根据本发明实施例的生成用于重建受运动影响的处置剂量的局部形变图的方法400的第三流程图。通常,方法400可以由处理逻辑进行,该处理逻辑可以包括硬件(例如,处理装置、电路、专用逻辑、可编程逻辑、微代码、装置的硬件等)、软件(例如,在处理装置上运行或执行的指令)或其组合。在一些实施例中,方法400可以由图1A的放射处置系统800的处理逻辑进行。在一个实施例中,方法400可选地补充图2的方法200和/或图3的方法300。
在一个实施例中,(例如,图2的框205、207、211和213的)对象特定模型包括靶对象的中心图谱以及基变换的集合和外观变化。然后,在框401处或图中,处理逻辑可以线性地组合中心图谱、该基变换的集合和外观变化,以生成对可以找到靶对象的一个或多于一个构象的估计。在框403处,处理逻辑可以可选地与接收该信息同时接收辅助解剖信号或伪解剖信号。辅助解剖信号或伪解剖信号可以具有任意数量的合适特性。例如,在一个实施例中,辅助信号可以与第一靶对象特定模型和该信息相关,以增加第二靶对象特定模型的时间分辨率。在另一实施例中,辅助信号是基于一组三角化发光二极管(LED)标记以光学方式获得的。
现在参考本文描述的方法200、300和400,来描述各种可选实施例。例如,描述了对具有有限视图数据的先前4D CT图像和4D形变图的细化。该概念关注于提高计算受呼吸或其他周期性运动影响的患者解剖结构的时间相关形变图的能力。在一个实施例中,为了简化与从一个或有限数量的2D投影视图重建3D形变图相关联的难度,本发明提供了使用先前获取到的4D CT和相应的3D形变图集合。想法是:(例如,使用外部幅度测量或直接通过将视图与数字重建放射影像(DRR)进行比较)确定与视图或视图序列匹配得最紧密的呼吸阶段;然后对与该呼吸阶段相关联的形变图进行小调整,以更好地将经形变3D图像的DRR与观察到的(一个或多于一个)2D视图相匹配。可以进一步约束对形变图的这些小调整,以有利于当前在4D CT的相邻阶段和相关联的4D形变图之间已存在的运动方向。
该方法的一个益处是使得能够从一个或少量视图估计患者形变。另一益处是该方法可以使得能够在缓慢转动的成像系统(诸如螺旋断层放疗(TomoTherapy)或锥形束CT系统等)上进行可形变运动估计。
另一可选增强包括使用用于重建受运动影响的处置剂量的局部形变图。该概念关注于使用在处置期间同时被获取到时可能可用的有限图像数据来改善受运动影响的剂量计算。一个观察结果是,在任何时间点递送的处置剂量的大部分通常局限于患者的小区域。例如,关于螺旋断层放疗,使用扇形束来递送剂量,该扇形束一次仅覆盖靶的一小部分,并且在处置递送的过程中扫过该靶。如果患者在处置期间正在移动,则所递送的剂量受到在处置束正在递送其剂量的时刻在该处置束下方发生的移动的影响最大。因此,对于处置递送内的任何时间,仅需要知晓在该时刻在处置束下方的区域中的患者移动(例如,形变图)。
设想了与处置递送同时对患者进行成像、并且同时在处置束下方在患者的部位周围仅具有有限视场的示例性实施例。可以在患者在各时间点出现时重建该患者的形变图,该形变图仅包含靶周围的区域中的形变数据(或仅包含准确数据)。为了受运动影响的剂量重建的目的,即使患者的完整形变图始终不可用,这也可能足以准确地计算剂量。
除了仅计算活动处置位置周围的有限视场的形变之外,还可能仅需要计算在与处置束正交的两个维度上的形变。在一些实施例中,由于剂量梯度在与处置束平行的方向上小,并且将对所计算出的剂量的总体准确度具有较小的影响,因此在该方向上的形变可能不太重要。有利地,计算在有限数量的维度中的形变也可以潜在地应用于其他应用(例如,运动跟踪、实时递送适应、4D图像重建等)。
另一可选增强包括将5D模型用于直接来自X射线视图的4D CT和4D形变。该概念关注于提高计算受呼吸或其他周期性运动影响的患者解剖结构的时间相关形变图的能力。
在一些实施例中,用于重建时间相关CT图像(例如,“4D CT”)的方法包括:导出单阶段3D CT再加上与取决于外部监测的呼吸幅度和呼吸率的各体素相关联的形变函数。这可以被称为SDCT,SDCT是指3个空间维度+呼吸幅度+呼吸率。该方法依赖于已具有已由快速CT扫描器重建的2D图像切片(例如,以“电影(cine)”获取模式获取切片)。
在一个实施例中,该新颖概念不依赖于重建的2D图像切片,而是直接作用于在进行重建之前由成像系统获取到的1D或2D投影视图。该概念是使用以下假设来同时进行单阶段CT图像重建并导出时间相关形变图:该形变可以被建模为各体素的幅度和速率的线性函数,以降低自由度并使问题更易处理。可以设想这被实现为迭代重建,该迭代重建被设计为每次迭代均更新单阶段CT和形变图函数这两者,直到其收敛为止。在一个实施例中,迭代更新公式可以在通过将在2D中计算出的形变反向投影在所获取的各2D视图上而计算出的形变图上使用梯度。在一个实施例中,通过忽略运动所重建的3D CT可被用作迭代优化的起点。该方法的一个益处是该方法可以作用于缓慢转动的成像系统(诸如螺旋断层放疗或锥形束CT系统等)。
图5示出不同系统600的示例,其中在不同系统600内,可以执行用于使系统进行本文论述的方法中的任一个或多于一个的指令集。在替代实现中,机器可以连接(例如,联网)至LAN、内联网、外联网和/或因特网中的其他机器。各个系统可以以客户端-服务器网络环境中的服务器或客户机的能力,作为对等(或分布式)网络环境中的对等机、或者作为云计算基础架构或环境中的服务器或客户机来进行操作。
系统是能够执行用于指定该机器所要采取的动作的(序列或以其他方式的)指令集的机器。此外,尽管示出单个机器,但术语“机器”也应被视为包括单独或联合执行一个(或多于一个)指令集以进行本文论述的方法中的任一个或多于一个的任何机器集合。
如以下所述和图5所示,系统600可以包括诊断成像系统605、处置规划系统610和处置递送系统615。诊断成像系统605可以是能够产生患者的医学诊断图像的任何系统,这些医学诊断图像可用于后续医学诊断、处置规划、处置模拟和/或处置递送。例如,诊断成像系统605可以是计算机断层扫描(CT)系统、磁共振成像(MRI)系统、正电子发射断层扫描(PET)系统、或这种系统的组合等。为了便于论述,诊断成像系统605可以在下文中不时地与x射线成像模态相关地进行论述。在其他实施例中,还可以使用诸如以上论述的成像模态等的其他成像模态。
在一个实施例中,诊断成像系统605包括用于生成成像束(例如,x射线)的成像源620、以及用于检测和接收由成像源620生成的束或由来自成像源的束(例如,在MRI或PET扫描中)模拟的二次束或发射的成像检测器630。
在一个实施例中,成像源620和成像检测器630可以耦接至数字处理系统625以控制成像操作并处理图像数据。在一个实施例中,诊断成像系统605可以从处置递送系统615和/或处置规划系统610接收成像命令。
诊断成像系统605包括用于在数字处理系统625、成像源620和成像检测器630之间传送数据和命令的总线或其他部件680。数字处理系统625可以包括一个或多于一个通用处理器(例如,微处理器)、诸如数字信号处理器(DSP)等的专用处理器、或者诸如控制器或现场可编程门阵列(FPGA)等的其他类型的处理装置。数字处理系统625还可以包括诸如存储器、存储装置和网络适配器等的其他组件(未示出)。数字处理系统625例如可被配置为生成标准格式(诸如医学数字成像和通信(DICOM)格式等)的数字诊断图像。
在其他实施例中,数字处理系统625可以生成其他标准或非标准数字图像格式。数字处理系统625可以通过数据链路683将诊断图像文件(例如,前述的DICOM格式化的文件)发送至处置递送系统615,其中数据链路683例如可以是直接链路、局域网(LAN)链路或诸如因特网等的广域网(WAN)链路。另外,可以诸如在远程诊断或处置规划配置中等跨连接系统之间的通信介质拉取或推送在系统之间所传送的信息。在远程诊断或处置规划中,用户可以利用本发明的实施例来诊断或处置患者,尽管在系统用户和患者之间存在物理分离。
在一个实施例中,处置递送系统615包括用以按照处置规划来向靶体积给予规定放射剂量的治疗和/或外科手术放射源660。处置递送系统615还可以包括用以进行计算机断层扫描(CT)(诸如锥形束CT等)的成像系统665,并且成像系统665所生成的图像可以是二维(2D)或三维(3D)的。
处置递送系统615还可以包括用以控制放射源660、接收并处理来自诊断成像系统605和/或处置规划系统610的数据、以及控制诸如处置床675等的患者支撑装置的数字处理系统670。数字处理系统670可以连接至照相机反馈系统或者是照相机反馈系统的一部分。数字处理系统670可被配置为进行本文描述的操作中的任何操作。数字处理系统670可以包括表示一个或多于一个通用处理器(例如,微处理器)、诸如数字信号处理器(DSP)等的专用处理器、或者诸如控制器或现场可编程门阵列(FPGA)等的其他类型的装置。数字处理系统670的处理装置可被配置为执行用以进行本文描述的操作的指令。
在一个实施例中,数字处理系统670包括系统存储器,该系统存储器可以包括耦接到处理装置的用于存储处理装置所要执行的信息和指令的随机存取存储器(RAM)或其他动态存储装置。系统存储器还可以用于在处理装置执行指令期间存储临时变量或其他中间信息。系统存储器还可以包括用于存储处理装置的静态信息和指令的只读存储器(ROM)和/或其他静态存储装置。
数字处理系统670还可以包括表示用于存储信息和指令的一个或多于一个存储装置(例如,磁盘驱动器或光盘驱动器)的存储装置。存储装置可以用于存储用于进行本文论述的处置递送步骤的指令。数字处理系统670可以通过总线692或其他类型的控制和通信接口而耦接到放射源660和处置床675。
在一个实施例中,处置递送系统615包括经由总线692与数字处理系统670连接的输入装置678和显示器677。显示器677可以示出用于识别靶移动速率(例如,正在处置的靶体积的移动速率)的趋势数据。显示器还可以示出患者的当前放射暴露和患者的投影放射暴露。输入装置678可以使临床医师能够在处置期间调整处置递送规划的参数。
处置规划系统610包括用以生成和修改处置规划和/或模拟规划的处理装置640。处理装置640可以表示一个或多于一个通用处理器(例如,微处理器)、诸如数字信号处理器(DSP)等的专用处理器、或者诸如控制器或现场可编程门阵列(FPGA)等的其他类型的装置。处理装置640可被配置为执行用于进行本文论述的模拟生成操作和/或处置规划操作的指令。
处置规划系统610还可以包括系统存储器635,该系统存储器635可以包括通过总线686耦接到处理装置640的用于存储处理装置640所要执行的信息和指令的随机存取存储器(RAM)或其他动态存储装置。系统存储器635还可以用于在处理装置640执行指令期间存储临时变量或其他中间信息。系统存储器635还可以包括耦接到总线686的用于存储处理装置640的静态信息和指令的只读存储器(ROM)和/或其他静态存储装置。
处置规划系统610还可以包括表示耦接到总线686的用于存储信息和指令的一个或多于一个存储装置(例如,磁盘驱动器或光盘驱动器)的存储装置645。存储装置645可以用于存储用于进行本文论述的处置规划步骤的指令。
处理装置640还可以耦接到诸如阴极射线管(CRT)或液晶显示器(LCD)等的用于向用户显示信息(例如,VOI的2D或3D表示)的显示装置650。诸如键盘等的输入装置655可以耦接到处理装置640,以将信息和/或命令选择通信至该处理装置640。还可以使用一个或多于一个其他用户输入装置(例如,鼠标、追踪球或光标方向键)来通信方向信息、选择处理装置640的命令以及控制显示器650上的光标移动。
处置规划系统610可以与诸如处置递送系统615等的处置递送系统共享其数据库(例如,存储装置645中所存储的数据),使得该数据库可能无需在处置递送之前从处置规划系统导出。处置规划系统610可以经由数据链路690链接到处置递送系统615,在一个实施例中,数据链路690可以是直接链路、LAN链路或WAN链路。
应当注意,当数据链路683、686和690被实现为LAN或WAN连接时,诊断成像系统605、处置规划系统610和处置递送系统615中的任一个可以处于分散位置,使得这些系统可以在物理上彼此远离。可替代地,诊断成像系统605、处置规划系统610和处置递送系统615中的任一个可以彼此集成在一个或多于一个系统中。
从前面的描述中明显的是,本发明的各方面可以至少部分地以软件实现。也就是说,这些技术可以响应于例如处理装置625、640或670(参见图5)执行存储器中所包含的指令的序列而在计算机系统或其他数据处理系统中执行。在各种实现中,硬件电路可以与软件指令结合使用以实现本发明。因此,这些技术不限于硬件电路和软件的任何特定组合或数据处理系统所执行的指令的任何特定源。另外,在整个说明书中,各种功能和操作可被描述为由软件代码执行或推进以简化描述。然而,本领域技术人员将认识到这种表达的含义是这些功能是由处理装置625、640或670执行代码而得到的。
可以使用机器可读介质来存储软件和数据,其中这些软件和数据在由通用或专用数据处理系统执行时使该系统进行本发明的各种方法。该可执行软件和数据可以存储在各种地方,包括例如系统存储器以及能够存储软件程序和数据至少之一的存储装置或任何其他装置。因此,机器可读介质包括以机器(例如,计算机、网络装置、个人数字助理、制造工具、具有一个或多于一个处理器的集合的任何装置等)可访问的形式提供(即,存储)信息的任何机构。例如,机器可读介质包括可记录/不可记录介质,诸如只读存储器(ROM)、随机存取存储器(RAM)、磁盘存储介质、光存储介质、闪速存储器装置等。机器可读介质可以是非暂时性计算机可读存储介质。
除非从前面的讨论中另有明显说明,否则应当理解,诸如“接收”、“定位”、“进行”、“发射”或“使得”等的术语可以是指计算机系统或类似电子计算装置的动作和处理,其中该计算机系统或类似电子计算装置操纵被表示为计算机系统的寄存器和存储器内的物理(例如,电子)量的数据,并将该数据变换为被类似地表示为计算机系统存储器或寄存器或者其他这类信息存储或显示装置内的物理量的其他数据。可以使用计算机软件来实现本文描述的方法的实现。如果用符合公认标准的编程语言编写,则可以编译被设计为实现这些方法的指令的序列,以在各种硬件平台上执行并且与各种操作系统相接合。另外,不参考任何特定编程语言来描述本发明的实现。应当理解,可以使用各种编程语言来实现本发明的实现。
应当注意,本文描述的方法和设备不局限于仅用于医学诊断成像和处置。在替代实现中,本文的方法和设备可用于医疗技术领域之外的应用,诸如工业成像和材料的无损测试等。在这样的应用中,例如,“处置”一般可以是指由处置规划系统控制的操作(诸如束(例如,放射束、声束等)的应用等)的实现,并且“靶”可以是指非解剖对象或区域。
在前面的说明书中,已经参考其具体示例性实现描述了本发明。然而,将是明显的是,可以在不脱离所附权利要求书中所阐述的本发明的更广泛的精神和范围的情况下,对其进行各种修改和改变。因此,说明书和附图应被视为说明性意义而非限制性意义。
Claims (46)
1.一种方法,包括:
识别靶对象的处置规划图像,所述处置规划图像包括与所述靶对象内的结构的布置相关联的信息;
基于所述信息来生成与所述靶对象相关联的参考数据的集合,所述参考数据表示所述靶对象的多个位置;
基于所述参考数据来生成第一靶对象特定模型;
通过处理装置,将所述第一靶对象特定模型应用于所述处置规划图像,以生成与所述多个位置中的第一位置相对应的经变换处置规划图像;
将所述经变换处置规划图像与参考图像进行比较;
基于所述比较,修改所述第一靶对象特定模型的一个或多于一个超参数,以生成与所述多个位置中的第二位置相对应的第二靶对象特定模型;以及
基于所述第二靶对象特定模型来控制放射处置递送装置以向所述靶对象递送放射处置。
2.根据权利要求1所述的方法,其中,所述处置规划图像是三维和四维解剖图像即3D和4D解剖图像中的一个,以及其中,所述经变换处置规划图像和所述参考图像是二维图像即2D图像。
3.根据权利要求1所述的方法,还包括:根据所述靶对象的3D、4D或其他派生图像来构建所述第一靶对象特定模型。
4.根据权利要求1所述的方法,还包括:根据所述靶对象和其他对象之间的至少一个可形变配准来构建所述第一靶对象特定模型。
5.根据权利要求1所述的方法,还包括:根据第一时间的所述靶对象和第二时间的所述靶对象之间的至少一个可形变配准来构建所述第一靶对象特定模型。
6.根据权利要求1所述的方法,还包括:根据所述靶对象和合成图谱对象之间的至少一个可形变配准来构建所述第一靶对象特定模型。
7.根据权利要求1所述的方法,其中,所述对象特定模型包括所述靶对象的中心图谱以及基变换的集合和外观变化,以及其中,所述方法还包括:线性地组合所述中心图谱、所述基变换的集合和所述外观变化,以生成对能够找到所述靶对象的一个或多于一个构象的估计。
8.根据权利要求1所述的方法,其中,所述对象特定模型是使用对真实数据和合成数据中的至少一个的集合的降维来开发的。
9.根据权利要求1所述的方法,其中,所述信息以及所述靶对象特定模型的一个或多于一个参数用于构建所述靶对象在参考时间的解剖结构与所述靶对象在图像获取时间的解剖结构之间的完整4D时空对应关系映射。
10.根据权利要求1所述的方法,其中,所述信息以及所述靶对象特定模型的一个或多于一个参数用于构建所述靶对象在图像获取时间的完整4D时空外观模型。
11.根据权利要求1所述的方法,还包括:与接收所述信息同时接收辅助解剖信号或伪解剖信号。
12.根据权利要求11所述的方法,其中,所述辅助解剖信号与所述第一靶对象特定模型和所述信息相关,以增加所述第二靶对象特定模型的时间分辨率。
13.根据权利要求11所述的方法,其中,所述辅助解剖信号是基于三角化发光二极管标记即三角化LED标记的集合以光学方式获得的。
14.一种放射处置递送系统,包括:
存储器,用于存储信息;以及
处理装置,其操作地耦接到所述存储器,所述处理装置用于:
识别靶对象的处置规划图像,所述处置规划图像包括与所述靶对象内的结构的布置相关联的信息;
基于所述信息来生成与所述靶对象相关联的参考数据的集合,所述参考数据表示所述靶对象的多个位置;
基于所述参考数据来生成第一靶对象特定模型;
将所述第一靶对象特定模型应用于所述处置规划图像,以生成与所述多个位置中的第一位置相对应的经变换处置规划图像;
将所述经变换处置规划图像与参考图像进行比较;
基于所述比较,修改所述第一靶对象特定模型的一个或多于一个超参数,以生成与所述多个位置中的第二位置相对应的第二靶对象特定模型;以及
基于所述第二靶对象特定模型来控制放射处置递送装置以向所述靶对象递送放射处置。
15.根据权利要求14所述的放射处置递送系统,其中,所述处置规划图像是三维和四维解剖图像即3D和4D解剖图像中的一个,以及其中,所述经变换处置规划图像和所述参考图像是二维图像即2D图像。
16.根据权利要求14所述的放射处置递送系统,所述处理装置还用于根据所述靶对象的3D、4D或其他派生图像来构建所述第一靶对象特定模型。
17.根据权利要求14所述的放射处置递送系统,所述处理装置还用于根据所述靶对象和其他对象之间的至少一个可形变配准来构建所述第一靶对象特定模型。
18.根据权利要求14所述的放射处置递送系统,所述处理装置还用于根据第一时间的所述靶对象和第二时间的所述靶对象之间的至少一个可形变配准来构建所述第一靶对象特定模型。
19.根据权利要求14所述的放射处置递送系统,所述处理装置还用于根据所述靶对象和合成图谱对象之间的至少一个可形变配准来构建所述第一靶对象特定模型。
20.根据权利要求14所述的放射处置递送系统,其中,所述对象特定模型包括所述靶对象的中心图谱以及基变换的集合和外观变化,以及其中,所述处理装置还用于线性地组合所述中心图谱、所述基变换的集合和所述外观变化,以生成对能够找到所述靶对象的一个或多于一个构象的估计。
21.根据权利要求14所述的放射处置递送系统,其中,所述对象特定模型是使用对真实数据和合成数据中的至少一个的集合的降维来开发的。
22.根据权利要求14所述的放射处置递送系统,其中,所述信息以及所述靶对象特定模型的一个或多于一个参数用于构建所述靶对象在参考时间的解剖结构与所述靶对象在图像获取时间的解剖结构之间的完整4D时空对应关系映射。
23.根据权利要求14所述的放射处置递送系统,其中,所述信息以及所述靶对象特定模型的一个或多于一个参数用于构建所述靶对象在图像获取时间的完整4D时空外观模型。
24.根据权利要求14所述的放射处置递送系统,所述处理装置还用于与接收所述信息同时接收辅助解剖信号或伪解剖信号。
25.根据权利要求24所述的放射处置递送系统,其中,所述辅助解剖信号与所述第一靶对象特定模型和所述信息相关,以增加所述第二靶对象特定模型的时间分辨率。
26.根据权利要求24所述的放射处置递送系统,其中,所述辅助解剖信号是基于三角化发光二极管标记即三角化LED标记的集合以光学方式获得的。
27.根据权利要求14所述的放射处置递送系统,还包括:
机架,其耦接到放射源,其中所述机架被配置为使所述放射源围绕所述靶对象转动。
28.根据权利要求27所述的放射处置递送系统,其中,所述机架包括C形臂机架。
29.根据权利要求27所述的放射处置递送系统,其中,所述机架包括环形机架。
30.根据权利要求14所述的放射处置递送系统,还包括:
机械臂,其耦接到放射源,其中所述机械臂被配置为将所述放射源定位在沿着圆形或椭圆形轨迹的多个位置处。
31.根据权利要求30所述的放射处置递送系统,其中,所述机械臂将所述放射源定位在所述靶对象周围的多个位置处。
32.根据权利要求14所述的放射处置递送系统,其中,放射束包括千伏级处置束即kV级处置束。
33.根据权利要求14所述的放射处置传递系统,其中,多叶准直器即MLC包括双态MLC。
34.一种非暂时性计算机可读存储介质,其包括指令,所述指令在由处理装置执行时,使所述处理装置进行以下操作:
识别靶对象的处置规划图像,所述处置规划图像包括与所述靶对象内的结构的布置相关联的信息;
基于所述信息来生成与所述靶对象相关联的参考数据的集合,所述参考数据表示所述靶对象的多个位置;
基于所述参考数据来生成第一靶对象特定模型;
通过所述处理装置,将所述第一靶对象特定模型应用于所述处置规划图像,以生成与所述多个位置中的第一位置相对应的经变换处置规划图像;
将所述经变换处置规划图像与参考图像进行比较;
基于所述比较,修改所述第一靶对象特定模型的一个或多于一个超参数,以生成与所述多个位置中的第二位置相对应的第二靶对象特定模型;以及
基于所述第二靶对象特定模型来控制放射处置递送装置以向所述靶对象递送放射处置。
35.根据权利要求34所述的非暂时性计算机可读存储介质,其中,所述处置规划图像是三维和四维解剖图像即3D和4D解剖图像中的一个,以及其中,所述经变换处置规划图像和所述参考图像是二维图像即2D图像。
36.根据权利要求34所述的非暂时性计算机可读存储介质,所述处理装置还用于根据所述靶对象的3D、4D或其他派生图像来构建所述第一靶对象特定模型。
37.根据权利要求34所述的非暂时性计算机可读存储介质,所述处理装置还用于根据所述靶对象和其他对象之间的至少一个可形变配准来构建所述第一靶对象特定模型。
38.根据权利要求34所述的非暂时性计算机可读存储介质,所述处理装置还用于根据第一时间的所述靶对象和第二时间的所述靶对象之间的至少一个可形变配准来构建所述第一靶对象特定模型。
39.根据权利要求34所述的非暂时性计算机可读存储介质,所述处理装置还用于根据所述靶对象和合成图谱对象之间的至少一个可形变配准来构建所述第一靶对象特定模型。
40.根据权利要求34所述的非暂时性计算机可读存储介质,其中,所述对象特定模型包括所述靶对象的中心图谱以及基变换的集合和外观变化,以及其中,所述处理装置还用于线性地组合所述中心图谱、所述基变换的集合和所述外观变化,以生成对能够找到所述靶对象的一个或多于一个构象的估计。
41.根据权利要求34所述的非暂时性计算机可读存储介质,其中,所述对象特定模型是使用对真实数据和合成数据中的至少一个的集合的降维来开发的。
42.根据权利要求34所述的非暂时性计算机可读存储介质,其中,所述信息以及所述靶对象特定模型的一个或多于一个参数用于构建所述靶对象在参考时间的解剖结构与所述靶对象在图像获取时间的解剖结构之间的完整4D时空对应关系映射。
43.根据权利要求34所述的非暂时性计算机可读存储介质,其中,所述信息以及所述靶对象特定模型的一个或多于一个参数用于构建所述靶对象在图像获取时间的完整4D时空外观模型。
44.根据权利要求34所述的非暂时性计算机可读存储介质,所述处理装置还用于与接收所述信息同时接收辅助解剖信号或伪解剖信号。
45.根据权利要求45所述的非暂时性计算机可读存储介质,其中,所述辅助解剖信号与所述第一靶对象特定模型和所述信息相关,以增加所述第二靶对象特定模型的时间分辨率。
46.根据权利要求45所述的非暂时性计算机可读存储介质,其中,所述辅助解剖信号是基于三角化发光二极管标记即三角化LED标记的集合以光学方式获得的。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962940037P | 2019-11-25 | 2019-11-25 | |
US62/940,037 | 2019-11-25 | ||
US17/098,149 US11596807B2 (en) | 2019-11-25 | 2020-11-13 | Partial deformation maps for reconstructing motion-affected treatment dose |
US17/098,149 | 2020-11-13 | ||
PCT/US2020/061115 WO2021108190A1 (en) | 2019-11-25 | 2020-11-18 | Partial deformation maps for reconstructing motion-affected treatment dose |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115003379A true CN115003379A (zh) | 2022-09-02 |
Family
ID=75971556
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080093419.XA Pending CN115003379A (zh) | 2019-11-25 | 2020-11-18 | 用于重建受运动影响的处置剂量的局部形变图 |
CN202080093427.4A Pending CN114945406A (zh) | 2019-11-25 | 2020-11-18 | 使用机器学习的重建受运动影响的处置剂量的局部形变图 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080093427.4A Pending CN114945406A (zh) | 2019-11-25 | 2020-11-18 | 使用机器学习的重建受运动影响的处置剂量的局部形变图 |
Country Status (5)
Country | Link |
---|---|
US (3) | US11922656B2 (zh) |
EP (2) | EP4065220A1 (zh) |
JP (2) | JP2023502532A (zh) |
CN (2) | CN115003379A (zh) |
WO (2) | WO2021108190A1 (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020150505A1 (en) * | 2019-01-16 | 2020-07-23 | Reflexion Medical, Inc. | Methods for setup corrections in radiation therapy |
TWI696190B (zh) * | 2019-03-15 | 2020-06-11 | 國立陽明大學 | 一種透過體積轉換演算法以計算最佳化機頭弧形角度的方法 |
EP3962351B1 (en) * | 2019-05-03 | 2023-07-12 | Koninklijke Philips N.V. | Co-registration of cardiac images |
US11922656B2 (en) * | 2019-11-25 | 2024-03-05 | Accuray Incorporated | Partial deformation maps for reconstructing motion-affected treatment dose using machine learning |
US11446522B2 (en) | 2020-04-24 | 2022-09-20 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for scintillation camera-based motion tracking in radiotherapy |
JP7315935B1 (ja) | 2022-02-16 | 2023-07-27 | 国立大学法人大阪大学 | 予測支援システム、予測支援方法及び予測支援プログラム |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9248312B2 (en) * | 2007-10-26 | 2016-02-02 | Accuray Incorporated | Automatic correlation modeling of an internal target |
JP6761128B2 (ja) * | 2016-09-06 | 2020-09-23 | エレクタ、インク.Elekta, Inc. | 合成医療画像を生成するためのニューラルネットワーク |
AU2017324627B2 (en) | 2016-09-07 | 2019-12-05 | Elekta, Inc. | System and method for learning models of radiotherapy treatment plans to predict radiotherapy dose distributions |
JP7140320B2 (ja) * | 2017-12-20 | 2022-09-21 | 国立研究開発法人量子科学技術研究開発機構 | 医用装置、医用装置の制御方法、およびプログラム |
JP7178009B2 (ja) * | 2017-12-20 | 2022-11-25 | 国立研究開発法人量子科学技術研究開発機構 | 医用装置、医用装置の制御方法、およびプログラム |
JP2019107393A (ja) * | 2017-12-20 | 2019-07-04 | 国立研究開発法人量子科学技術研究開発機構 | 医用装置、医用装置の制御方法、およびプログラム |
US11501438B2 (en) * | 2018-04-26 | 2022-11-15 | Elekta, Inc. | Cone-beam CT image enhancement using generative adversarial networks |
US11557390B2 (en) | 2018-04-30 | 2023-01-17 | Elekta, Inc. | Radiotherapy treatment plan modeling using generative adversarial networks |
US10810460B2 (en) * | 2018-06-13 | 2020-10-20 | Cosmo Artificial Intelligence—AI Limited | Systems and methods for training generative adversarial networks and use of trained generative adversarial networks |
KR102131742B1 (ko) | 2019-01-04 | 2020-07-08 | 사회복지법인 삼성생명공익재단 | 가상현실을 이용하여 환자의 호흡동조 방사선 치료를 최적화하는 방법 및 시스템 |
CN110415785A (zh) * | 2019-08-29 | 2019-11-05 | 北京连心医疗科技有限公司 | 人工智能引导放疗计划的方法及系统 |
US11922656B2 (en) * | 2019-11-25 | 2024-03-05 | Accuray Incorporated | Partial deformation maps for reconstructing motion-affected treatment dose using machine learning |
-
2020
- 2020-11-13 US US17/098,215 patent/US11922656B2/en active Active
- 2020-11-13 US US17/098,149 patent/US11596807B2/en active Active
- 2020-11-18 WO PCT/US2020/061115 patent/WO2021108190A1/en unknown
- 2020-11-18 WO PCT/US2020/061112 patent/WO2021108189A1/en unknown
- 2020-11-18 JP JP2022530748A patent/JP2023502532A/ja active Pending
- 2020-11-18 EP EP20829398.5A patent/EP4065220A1/en active Pending
- 2020-11-18 CN CN202080093419.XA patent/CN115003379A/zh active Pending
- 2020-11-18 CN CN202080093427.4A patent/CN114945406A/zh active Pending
- 2020-11-18 JP JP2022530749A patent/JP2023502533A/ja active Pending
- 2020-11-18 EP EP20825030.8A patent/EP4065219A1/en active Pending
-
2022
- 2022-12-07 US US18/076,890 patent/US12014519B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
US11596807B2 (en) | 2023-03-07 |
JP2023502533A (ja) | 2023-01-24 |
WO2021108189A1 (en) | 2021-06-03 |
CN114945406A (zh) | 2022-08-26 |
US20210154496A1 (en) | 2021-05-27 |
US11922656B2 (en) | 2024-03-05 |
US12014519B2 (en) | 2024-06-18 |
US20230102478A1 (en) | 2023-03-30 |
WO2021108190A1 (en) | 2021-06-03 |
EP4065220A1 (en) | 2022-10-05 |
US20210154494A1 (en) | 2021-05-27 |
EP4065219A1 (en) | 2022-10-05 |
JP2023502532A (ja) | 2023-01-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7443462B2 (ja) | 治療計画画像、断片内3d画像、及び断片内2dx線画像の画像見当合わせ | |
US11331518B2 (en) | Online angle selection in rotational imaging and tracking systems | |
US11547870B2 (en) | Radiation treatment planning using four-dimensional imaging data | |
US11491348B2 (en) | Real-time patient motion monitoring using a magnetic resonance linear accelerator (MRLINAC) | |
US11691029B2 (en) | Offline angle selection in rotational imaging and tracking systems | |
US10791958B2 (en) | Magnetic resonance projection imaging | |
US12014519B2 (en) | Partial deformation maps for reconstructing motion-affected treatment dose | |
CN110381838A (zh) | 使用体积成像的无视图的视图的分次间处置靶运动管理 | |
Wijesinghe | Intelligent image-driven motion modelling for adaptive radiotherapy |
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 |