CN116236696A - 使用具有用可变形模板优化过的电极位置的TTField治疗患者 - Google Patents

使用具有用可变形模板优化过的电极位置的TTField治疗患者 Download PDF

Info

Publication number
CN116236696A
CN116236696A CN202310453377.1A CN202310453377A CN116236696A CN 116236696 A CN116236696 A CN 116236696A CN 202310453377 A CN202310453377 A CN 202310453377A CN 116236696 A CN116236696 A CN 116236696A
Authority
CN
China
Prior art keywords
model
tissue
image
treatment apparatus
body region
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
Application number
CN202310453377.1A
Other languages
English (en)
Inventor
兹夫·波姆森
诺亚·乌尔曼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Novokule Co ltd
Original Assignee
Novokule Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Novokule Co ltd filed Critical Novokule Co ltd
Publication of CN116236696A publication Critical patent/CN116236696A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
    • A61B5/0042—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part for the brain
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/053—Measuring electrical impedance or conductance of a portion of the body
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00—Electrotherapy; Circuits therefor
    • A61N1/02—Details
    • A61N1/04—Electrodes
    • A61N1/0404—Electrodes for external use
    • A61N1/0408—Use-related aspects
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00—Electrotherapy; Circuits therefor
    • A61N1/02—Details
    • A61N1/04—Electrodes
    • A61N1/0404—Electrodes for external use
    • A61N1/0408—Use-related aspects
    • A61N1/0456—Specially adapted for transcutaneous electrical nerve stimulation [TENS]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00—Electrotherapy; Circuits therefor
    • A61N1/02—Details
    • A61N1/04—Electrodes
    • A61N1/0404—Electrodes for external use
    • A61N1/0472—Structure-related aspects
    • A61N1/0476—Array electrodes (including any electrode arrangement with more than one electrode for at least one of the polarities)
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00—Electrotherapy; Circuits therefor
    • A61N1/02—Details
    • A61N1/04—Electrodes
    • A61N1/0404—Electrodes for external use
    • A61N1/0472—Structure-related aspects
    • A61N1/0492—Patch electrodes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00—Electrotherapy; Circuits therefor
    • A61N1/18—Applying electric currents by contact electrodes
    • A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00—Electrotherapy; Circuits therefor
    • A61N1/18—Applying electric currents by contact electrodes
    • A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
    • A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
    • A61N1/36002—Cancer treatment, e.g. tumour
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00—Electrotherapy; Circuits therefor
    • A61N1/18—Applying electric currents by contact electrodes
    • A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
    • A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
    • A61N1/36014—External stimulators, e.g. with patch electrodes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00—Electrotherapy; Circuits therefor
    • A61N1/18—Applying electric currents by contact electrodes
    • A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
    • A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
    • A61N1/36014—External stimulators, e.g. with patch electrodes
    • A61N1/36025—External stimulators, e.g. with patch electrodes for treating a mental or cerebral condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00—Electrotherapy; Circuits therefor
    • A61N1/40—Applying electric fields by inductive or capacitive coupling ; Applying radio-frequency signals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • 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
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • 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
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
    • A61B2576/026—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part for the brain
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00—Electrotherapy; Circuits therefor
    • A61N1/02—Details
    • A61N1/04—Electrodes
    • A61N1/05—Electrodes for implantation or insertion into the body, e.g. heart electrode
    • A61N1/0526—Head electrodes
    • A61N1/0529—Electrodes for brain stimulation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00—Electrotherapy; Circuits therefor
    • A61N1/02—Details
    • A61N1/08—Arrangements or circuits for monitoring, protecting, controlling or indicating
    • 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
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • 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
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Medical Informatics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Molecular Biology (AREA)
  • Neurology (AREA)
  • Hospice & Palliative Care (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Psychiatry (AREA)
  • Oncology (AREA)
  • Child & Adolescent Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Psychology (AREA)
  • Social Psychology (AREA)
  • Urology & Nephrology (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physical Education & Sports Medicine (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Physiology (AREA)

Abstract

实施例接收患者身体区域的图像；识别图像中的异常组织；生成掩蔽了异常组织的数据集；在空间中变形模型模板，以便变形模型模板中的特征与数据集中的对应特征对齐；将表示异常组织的数据放回变形模型模板中；基于变形和修改的模型模板生成身体区域中的组织的电性质模型；以及通过使用电性质模型来确定最大化异常组织中的场强度的电极放置布局，以模拟由相应于身体区域放置在多个不同候选位置组处的模拟电极所引起的身体区域中的电磁场分布。然后，该布局可以用作将电极相应于患者身体区域放置的引导，以将TTField应用于身体区域。

Description

使用具有用可变形模板优化过的电极位置的TTField治疗 患者
相关申请的交叉参考
本申请要求美国临时申请62/433,501(于2016年12月13日提交)的权益，其全部内容以引用方式并入本文。
背景技术
使用电场和电流来治疗神经障碍和脑部疾病正在变得普遍。此类治疗的示例包括但不限于：经颅直流电刺激(TDCS)、经颅磁刺激(TMS)和肿瘤治疗场(TTField)。这些治疗依赖于将低频电磁场传递到大脑内的目标区域。参见例如，Woods等人，《临床神经生理学》，1271031-1048(2016年)，其回顾了TDCS的技术方面；以及Thielscher等人，《会议论文集》，电气和电子工程师协会(IEEE)，医学和生物学学会工程，222-225(2015年)，其教导了用于模拟TMS的方法。又例如，Miranda等人，《(医学和生物学中的物理学》，594137-4147(2014年)，教导了使用磁共振成像(MRI)数据集模拟TTField的传递的健康个体的计算头部模型的创建，其中以半自动方式执行模型创建。此外，Wenger等人，《医学和生物学中的物理学》，607339-7357(2015年)，教导了用于创建健康个体的计算头部模型以模拟TTField的传递的方法，其中该模型是从健康个体的MRI数据集创建的。
在TDCS和TMS的情况下，治疗需要将电磁场传递到大脑中的目标区域，在这些区域中它们刺激特定的神经元。在TTField的情况下，换能器阵列在患者头部上的位置被优化以向肿瘤区域提供最大场强。参见例如，Wenger等人，《国际放射肿瘤学·生物学·物理学杂志》，941137-43(2016年)，它教导如何将扩散张量成像(DTI)数据并入到用于模拟TTField到头部的传递的模型中。DTI数据用于导出头部模型中每个体素的各向异性电导率张量。
TTField是在中频范围(100kHz至300kHz)内的低强度(例如，1V/cm至3V/cm)交变电场，其可用于例如治疗肿瘤，如美国专利7,565,205中所描述的，其全文以引用方式并入本文。TTField疗法是经批准的复发性胶质母细胞瘤(GBM)的单一治疗，以及具有针对新诊断患者的化学疗法的批准联合疗法。这些交变电场由直接放置在患者头皮上(例如，使用Novocure OptuneTM系统)的换能器阵列(即，电容耦合电极阵列)非侵入地诱导。TTField似乎也有益于治疗身体其他部位的肿瘤。
体内和体外研究表明，TTField疗法的疗效随着目标区域电场强度的增加而增加，目标区域的强度取决于换能器阵列在患者头皮上的放置。
优化换能器阵列放置的一个方式是使用计算机模拟。由于如本文所述，处理的大量成像数据和模拟/优化过程是计算密集且复杂的，使用计算机是必要的。通常，当执行模拟时，构建解剖学上精确的计算模型，并且将电性质分配给各种组织类型。一旦建立了模型，就将模拟模型电极定位在头部模型上，并施加适当的边界条件，诸如电极上的电压。然后计算头部内的电场。使用各种计算机实现的和计算密集的优化方案，然后可以找到电极布局和在头部(并且具体地，目标区域)内产生最佳电磁场分布的边界条件。然而，个体患者的解剖结构细节不同，并且这些变化会影响个体头部的场分布。因此，为了使用模拟来优化涉及将电磁场传递到目标区域的处理，直到此时必须为每个个体构建个性化计算模型。
用于形成头部模型的常规方法如下。首先，采集一组医学图像。通常，图像包括MRI和/或计算机断层扫描(CT)图像。接下来，对图像进行分割以确定图像的哪些部分对应于不同的可能组织类型(例如，白质、灰质、脑脊髓液(CSF)、颅骨等)中的每个。接下来，针对分割图像中的每种组织类型构建一系列网格并将其并入到模型中，并且将代表性的电导率值分配给每种组织类型。最后，将电极定位在模型上，并使用适当的数值技术(诸如有限元法或有限差分法)(基于各种组织类型的3D空间中的位置和分配给那些组织类型中的每个的电导率)来求解场分布。
尽管上述过程中的许多步骤是由计算机实现的，但是该过程仍然需要大量的人为干预，因为用于分割头部的医学图像，尤其是存在肿瘤的图像的自动算法不是稳健的，并且经常需要用户干预以获得可靠的结果。参见，例如，Menze等人，《IEEE医学影像汇刊》，341993-2024(2014年)，其研究了用于肿瘤自动分割的多种算法的性能。另外，网格正则化是耗时的过程，需要用户监督，例如，如Miranda等人在《医学与生物学中的物理学》，594137-4147(2014年)，Wenger等人在《医学与生物学中的物理学》，607339-7357(2015年)，和Wenger等人在《国际放射肿瘤学·生物学·物理学杂志》，941137-43(2016年)中描述的。具体而言，在创建体积的有限元模型时，将体积网格化为体积元素。为了确保数值解的转换，期望所有元素的质量都高(质量的定义根据所创建的网格的类型而变化)。此外，重要的是验证元素不相交，并且通常网格的质量是足够的。正则化是处理网格以改善其元素的调节及其整体质量的过程。有关基本讨论，参见S.Makarow等人，“使用Matlab的电气和生物系统的低频电磁建模(Low Frequency Electromagnetic Modelling For Electrical andBiological systems Using Matlab)”，约翰·威利父子出版社，2010年，第36页至81页。
在分割和网格正则化之间，创建单个模型所需的工时可以从几小时到几天不等，这取决于图像的质量和所创建的模型的复杂性。
发明内容
本发明的一个方面涉及使用肿瘤治疗场(TTField)改善肿瘤治疗的第一方法。第一方法包括由计算机系统的处理器接收患者身体区域的三维图像；识别对应于异常组织的图像部分；以及生成对应于图像的数据集，其中异常组织被掩蔽。第一方法还包括从计算机系统的存储器设备检索模型模板，该模型模板包括组织概率图，该组织概率图指定患者的身体区域的健康版本中的多个组织类型的位置；以及在空间中变形模型模板，以便变形模型模板中的特征与数据集中的对应特征对齐。第一方法还包括修改变形模型模板的对应于数据集的掩蔽部分的部分，使得修改部分表示异常组织；以及基于(a)变形和修改的模型模板中的多个组织类型的位置和(b)变形和修改的模型模板中的异常组织的位置，生成身体区域中组织的电性质模型。第一方法还包括通过使用电性质模型来确定最大化异常组织的至少一部分中的场强度的电极放置布局，以模拟由相应于身体区域放置在多个不同候选位置组处的模拟电极所引起的身体区域中的电磁场分布，并选择组中的一个。第一方法还包括基于确定的电极放置布局将电极相应于患者的身体区域放置；以及使用放置的电极将TTField应用于身体区域。
本发明的另一方面涉及用于改善电疗治疗的第二方法。第二方法包括由计算机系统的处理器接收患者身体区域的三维图像；识别对应于异常组织的图像部分；以及生成对应于图像的数据集，其中异常组织被掩蔽。第二方法还包括从计算机系统的存储器设备检索模型模板，该模型模板包括组织概率图，该组织概率图指定患者的身体区域的健康版本中的多个组织类型的位置；以及在空间中变形模型模板，以便变形模型模板中的特征与数据集中的对应特征对齐。第二方法还包括修改变形模型模板的对应于数据集的掩蔽部分的部分，使得修改部分表示异常组织；以及基于(a)变形和修改的模型模板中的多个组织类型的位置和(b)变形和修改的模型模板中的异常组织的位置，生成身体区域中组织的电性质模型。第二方法还包括通过使用电性质模型来确定最大化异常组织的至少一部分中的场强度的电极放置布局，以模拟由相应于身体区域放置在多个不同候选位置组处的模拟电极所引起的身体区域中的电磁场分布，并选择组中的一个。第二方法还包括输出确定的电极放置布局以供随后用作在使用电极进行电疗治疗之前将电极相应于患者的身体区域放置的指导。
在第二方法的一些实施例中，模型模板的变形包括确定将数据集映射到模型模板的坐标空间的映射；以及将映射的逆转应用于模型模板。任选地，在这些实施例中，针对数据集中的落在掩蔽部分之外的点确定映射。任选地，在这些实施例中，模型模板包括组织概率图，其中映射将数据集映射到组织概率图。
任选地，在这些实施例中，组织概率图是从已经从其导出模型模板的健康个体的图像导出的。任选地，在这些实施例中，通过使用现有组织概率图同时配准和分割健康个体的图像来导出组织概率图，并且其中现有组织概率图是从多个个体的图像导出的。
任选地，在这些实施例中，组织概率图是从多个个体的图像导出的现有组织概率图。
任选地，在这些实施例中，将映射的逆转应用于组织概率图中的每一个，其中将逆映射组织概率图组合成包括变形模型模板的分割图像。任选地，在这些实施例中，组合逆映射组织概率图包括向每个体素分配在逆映射组织概率图上占据该体素的概率最高的组织类型。任选地，在这些实施例中，组合逆映射组织概率图包括使用查找表将组织类型分配给在逆映射组织概率图上分配了多于一种组织类型的每个体素。
在第二方法的一些实施例中，对应于异常组织的图像部分的识别包括执行图像的分割。在第二方法的一些实施例中，组织的电性质模型包括电导率或电阻率的模型。在第二方法的一些实施例中，图像包括MRI图像、CT图像或MRI和CT图像的组合。在第二方法的一些实施例中，身体区域包括患者的头部。在第二方法的一些实施例中，对应于异常组织的图像部分对应于肿瘤。在第二方法的一些实施例中，电疗治疗包括TTField。
在第二方法的一些实施例中，确定电极放置布局包括将边界条件应用于至少两个电极放置布局中的每一个中的模拟电极，为至少两个电极放置布局中的每一个解决体区域中的场分布。两个电极放置布局，并选择产生异常区域内最强场的电极放置布局。任选地，在这些实施例中，边界条件对应于施加到模拟电极的电压或电流。
在第二方法的一些实施例中，基于图像与模型模板中的每个之间的相似性从多个模型模板中选择模型模板。
第二方法的一些实施例还包括基于确定的电极放置布局将电极相应于患者的身体区域放置，以及使用电极将TTField施加到身体区域。
本发明的另一方面涉及一种电疗治疗设备，其包括处理器，该处理器被配置成执行存储在一个或多个存储器设备中的指令以执行电疗治疗。在这些实施例中，治疗包括由处理器接收患者身体区域的三维图像；识别对应于异常组织的图像的部分；以及生成对应于图像的数据集，其中异常组织被掩蔽。治疗还包括从一个或多个存储器设备检索模型模板，其中模型模板指定患者的身体区域的健康版本中的多个组织类型的位置；在空间中变形模型模板，以便变形模型模板中的特征与数据集中的对应特征对齐；以及修改变形模型模板的对应于数据集的掩蔽部分的部分，使得修改部分表示异常组织。治疗还包括基于(a)变形和修改的模型模板中的多个组织类型的位置和(b)变形和修改的模型模板中的异常组织的位置，生成身体区域中组织的电性质模型。治疗还包括通过使用电性质模型来确定最大化异常组织的至少一部分中的场强度的电极放置布局，以模拟由相应于身体区域放置在多个不同候选位置组处的模拟电极所引起的身体区域中的电磁场分布，并选择组中的一个。该治疗还包括输出确定的电极放置布局以供随后用作在使用电极进行电疗治疗之前将电极相应于患者的身体区域放置的指导。
附图说明
图1是通过使用可变形模板创建患者的真实头部模型来执行电疗治疗的实施例的流程图。
图2描绘了从具有异常(例如，肿瘤)的患者获得的原始MRI图像。
图3描绘了图2的MRI图像，其中异常被掩蔽。
图4描绘了生成图3与健康个体的模型可变形模板之间的映射和逆映射的标准化/配准过程。
图5描绘了图4的可变形模板如何变形以匹配患者的MRI图像的形状。
图6描绘了将异常植回变形模型中。
图7描绘了根据一个实施例的用于电疗治疗的系统。
图8是通过使用可变形模板创建患者的真实头部模型来执行电疗治疗的实施例的另一流程图。
具体实施方式
本文描述的实施例通过将非刚性变形应用于预先存在的真实头部模型模板来为每个个体患者生成定制的真实头部模型，从而减少创建头部模型所需的时间和人力。在为每个患者生成定制的头部模型之后，使用常规的模拟方法来确定换能器在患者身体上的最佳位置。任选地，健康患者的预先存在的真实头部模型模板可包括组织概率图(TPM)。TPM提供了一种模型，其中每个点由属于各种组织类型，诸如白质、灰质、CSF等的点的相应概率表示。
任选地，患者图像可补充有其他MRI数据，诸如扩散张量成像(DTI)数据或水含量电阻抗断层摄影(Wept)数据，以获得患者头部中电导率的更准确表示，例如，正如E.Michel、D.Hernandez和S.Y.Lee在“基于T1加权采集从水含量导出的脑组织的电导率和介电常数图(Electrical conductivity and permittivity maps of brain tissuesderived from water content based on T 1-weighted acquisition)”，《医学中的磁共振》，2016年中所公开的。已知MRI成像技术诸如DTI或Wept提供有关组织电导率的信息，例如在美国申请No.15/336,660中公开的，该申请的全部内容以引用方式并入本文。
图1和图8的实施例描述了用于为每个患者创建个性化的真实头部模型的工作流程，其具有减少的用户干预，并且使用这些头部模型来最优化患者的肿瘤治疗场(TTField)阵列布局。一旦为任何给定患者构建了真实模型，就可以使用本文中还描述的一系列算法以全自动或半自动方式执行最优化。虽然这些工作流程在TTField的情景中描述，但它们也可用于替代情景中。
图1和图8的实施例以可变形模板开始，该可变形模板是健康个体的真实头部模型(与实际患者的真实头部模型相反)。可使用任何常规方法获得该头部模型。例如，可在诸如蒙特利尔神经学研究所(MNI)或Talairach空间的标准坐标系中创建真实头部模型。例如，Holmes等人，《计算机辅助断层摄影杂志)》，22324-333(1998年)，其以引用方式并入本文，教导了MNI的标准空间中的MRI图像的映射和平均。如果模型不存在于期望的标准坐标空间中，则从标准坐标空间到头部模型的变换优选地是已知的并且可以用于将模型映射到标准坐标空间。建立在标准坐标空间中的真实头部模型的一个示例是基于由Miranda等人创建的COLIN27数据集(如Holmes等人，《计算机辅助断层摄影杂志》，22324-333(1998年)中所述)的模型(如Miranda等人，《医学与生物学中的物理学》，594137-4147(2014年)中所述，其以引用方式并入本文)。但是，可使用针对健康个体的各种另选真实头部模型来代替Miranda模型。期望从中创建模型的MRI也可用于下文将描述的目的。
在一些实施例中，健康个体的真实头部模型模板提供组织类型的TPM。也就是说，模型中的每个点由属于各种组织类型，诸如白质、灰质、CSF等的点的相应概率表示。在一些实施例中，健康个体的真实头部模型模板为每种组织类型提供一个TPM(例如，白质、灰质、颅骨、头皮、CSF和空气这6种组织类型的6种TPM)。
图1描述了通过使用现有头部模型作为可变形模板，使用健康个体的真实头部模型来为任何给定患者创建逼真头部模型的过程100。
过程100开始于步骤S1，其为采集适当的一组MRI图像。在步骤S1中，使用任何常规方法采集个体患者的MRI数据集。该数据集优选地包括携带结构数据(诸如从T1或T2 MRI序列获得的结构数据)的MRI。任选地，还可采集额外的序列，诸如DTI或灌注成像，其可携带可以用于模型创建的附加信息，如下文将描述的。在一些情况下，MRI序列的参数被优化以增加特定组织类型之间的对比度。增强对比度对于在下面描述的步骤中遵循的图像分割是有用的，例如，如在Windhoff等人的《人类大脑映射》，34923-935(2013年)中所述的序列，其以引用方式并入本文。
优选地，MRI是以实际可能的最高分辨率采集的。通常，期望分辨率优于1mm×1mm×1mm。但是，也可以使用分辨率较低的图像。
任选地，也采集DTI或扩散加权磁共振成像(DWI)数据。该数据可以用于在每个体素内映射电导率(或电导率张量)，如在Wenger等人的《国际放射肿瘤学杂志·生物学·物理学》，941137-43(2016年)，以及Basser等人的《生物物理杂志》，66259-267(1994年)中所述，它们以引用方式并入本文。在另选实施例中，可使用不同的成像模态来代替MRI图像，诸如CT图像、MRI和CT图像的组合等。
过程100在步骤S2中继续，该步骤为图像预处理。但是，在某些情况下，不需要预处理，并且可跳过步骤S2。在步骤S2中，对在步骤S1中获得的数据执行图像预处理以获得更清洁的图像。图2示出了在步骤S2中执行图像预处理之后得到的MRI图像200的示例。可使用任何常规方法来实现预处理。在一些实施例中，图像预处理步骤包括图像对准和失真校正。例如，可实现图像对准以使用任何常规方法去除由于来自图像的运动而引起的伪像。可使用任何合适的常规方法，诸如在SPM 8.0工具箱中实现的统计参数映射(SPM)，使用仿射配准来执行重新对准，该工具箱被开发用于构建和评估用于测试关于功能成像数据的假设的空间扩展统计过程。另外，在该阶段可校正图像的失真(例如，由感应的涡电流引起)。当使用超过一个数据集来创建模型时，需要重新对准图像，在这种情况下，需要对准这些多个数据集。例如，当轴向和冠状图像集用于超分辨率时，它们需要对准。作为另一示例，当除了T1数据之外还使用DTI数据时，可需要对准DTI数据和T1数据。
在一些实施例中，执行操纵MRI图像的头部的附加预处理步骤(例如，以神经成像信息技术倡议(NifTI)格式)，使得文件的原点与模板TPM的原点匹配。文件的原点是指文件中轴的原点。该步骤有助于将MRI图像配准到可变形空间中，如下面的步骤S4中所述。在一些实施例中，患者MRI图像中和与可变形模板相关联的文件中的轴的原点位于相似的体素处，以帮助促进步骤S4的执行。
任选地，可使用将单个患者的若干MRI数据集组合成单个图像的超分辨率算法。这些算法可用于当所有其他数据集在不同点截断头部时，创建显示患者完整头部的数据集，或当原始数据的分辨率较低时，创建具有高分辨率(或切片间距)的图像。高分辨率数据集和显示完整3D头部的数据集对于创建精确的头部模型非常有用。Woo等人描述了超分辨率算法的一个示例。“通过MRI重建高分辨率舌头体积(Reconstruction of high-resolutiontongue volumes from MRI.)”，《IEEE医学影像汇刊》，第59卷第12期(2012年)。该算法采用了许多预处理步骤，包括运动校正和强度标准化，然后是基于区域的最大后验(MAP)马尔可夫随机场(MRF)方法，将MRI数据集的三个正交图像体积组合成舌头的单个超级分辨率各向同性体积重建。在信噪比(SNR)和分辨率方面，输出超分辨率图像优于输入图像。
在许多情况下，可存在背景噪声和混叠，并且可恶化使用可变形模板创建的头部模型的质量。特别地，当存在背景噪声时，在模型创建期间获得的颅骨轮廓通常是不准确的并且包括背景的一部分。因此，一些实施例可实现相关领域的技术人员已知的各种阈值方案，以除去背景噪声和混叠。本文提到的混叠涉及MRI图像中的伪像，其导致被成像的对象的弱“阴影”出现在背景中(即，阴影是由混叠引起的)。该阴影通常是倒置的，并直接附接到主图像。在这种情况下，可使用阈值方案来除去背景中的弱阴影。可用于增强图像质量的阈值方案的一个示例是半自动方法，其中用户选择表示背景噪声的单个值，并且软件将该值应用为阈值以自动检测头皮的轮廓且逐个切片地将背景噪声强度归零。如相关领域的技术人员将理解的，还可以用各种各样的替代方法。
另选地或另外地，可应用特定于扫描仪的预处理。例如，图像可从医学数字成像和通信(DICOM)格式转换为NifTI。
过程100在步骤S3中继续，该步骤为掩蔽头部中的异常区域。仅当患者MRI图像中存在肿瘤或其他异常(例如，颅骨缺损/颅骨瓣)时才实施步骤S3。在步骤S3中，如图3中的图像300所示，这些异常区域被掩蔽。任选地，如果需要，被掩蔽的区域可延伸超出肿瘤/异常，以便包括大脑的正常结构由于存在肿瘤或其他缺陷而受到严重干扰的所有区域。
实现该掩蔽步骤的一种方式是使用监督分割来正确地标记异常头部区域。在监督分割的该步骤期间，标注多种类型的异常以便达到最终模型的期望细节水平，如下文将描述的。可使用例如诸如ITK-SNAP的工具以半自动方式执行监督分割(参见例如Yushkevich等人，《神经影像学》，311116-1128(2006年)，其以引用方式并入本文)。
另选地，可以使用自动分割算法来执行掩蔽。例如，Porz等人，“多模态胶质母细胞瘤分割：人与机器(Multi-modal glioblastoma segmentation：man versus machine.)”公共科学图书馆(PLOS)综合期刊，9.5(2014年)，教导了一种自动分割术前MRI图像的方法。在某些情况下，可能需要对自动分割过程的结果进行手动校正，以确保准确掩蔽肿瘤。
在一些实施例中，手动确定被掩蔽的区域。实现此目的的一种方式是将MRI数据呈现给用户，并要求用户在数据上描绘肿瘤的轮廓。呈现给用户的数据可包括结构MRI数据(例如，T1、T2数据)。可将不同的MRI模态彼此配准，并且可向用户呈现查看数据集中的任一个并描述肿瘤的选项。可要求用户在MRI数据的3D体积表示上描述肿瘤的轮廓，或可给用户查看数据的各个2D切片并在每个切片上标记肿瘤边界的选项。一旦在每个切片上标记了边界，就可以找到解剖体积内的肿瘤。在这种情况下，用户标记的体积对应于肿瘤。在一些情况下，将预定义宽度(例如，20mm)的边缘添加到肿瘤，并且将所得到的体积用作待掩蔽的区域。
注意，当患者的MRI图像中没有肿瘤或其他异常存在时(例如，当患者健康时)，省略步骤S3。
对于某些患者，分割的结果将揭示肿瘤是不均匀的，在这种情况下，肿瘤也可被分割成几个子区域，以便这种分割信息可以用于在变形步骤之后更精确地将肿瘤植回真实头部模型，如将在本文中进一步详细描述的。此类子区域的示例是活跃/增强肿瘤、坏死区域、切除腔等。常规的自动分割算法可用于详细的GBM分割。公开可用的算法的一个示例是最近的脑肿瘤图像分析(BraTumlA)软件，其区分坏死核心、水肿、非增强肿瘤和增强肿瘤，同时需要四种不同的成像模态(T1、T1对比、T2对比，和FLAIR)。还存在仅需要T1作为输入的技术。但无论肿瘤内的任何变化如何，肿瘤的所有区域都被原始患者图像之外掩蔽。如果图像中存在颅骨缺陷，则这些区域也被分段并被遮蔽。
注意，虽然上面描述了用于识别图像中的异常区域的各种方法，但是对于相关领域的技术人员来说，各种各样的替代方法将是显而易见的。
过程100在步骤S4中继续，该步骤为空间标准化/配准。在步骤S4中，识别将给定患者的当前MRI图像组翘曲到模板模型的标准空间中的映射。图4描绘了标准化/配准过程400，其生成患者MRI图像402(具有掩蔽的异常)和健康个体的可变形模型模板404之间的映射和逆映射。还识别该映射的逆转(在下面的步骤S5中用于从标准空间映射到患者MRI组的空间)。
例如，用于生成该映射的一种方法是将患者MRI图像配准到标准坐标空间，诸如MNI空间或Talairach空间。图像配准是指图像的空间变换，以便图像的某些特征与另一图像/空间中的对应特征对准。这可以通过对相关领域的技术人员显而易见的任何已知方法来完成，例如，通过使用容易获得的软件包，包括但不限于FSL FLIRT和SPM。
值得注意的是，在配准过程中省略了在步骤S3中掩蔽的异常区域。在配准期间忽略被掩蔽的区域确保仅使用头部的健康区域来执行配准，这可以有效地映射到描述标准空间中的特定体素属于特定组织类型的概率的模型TPM。有利地，省略异常区域改善配准过程的稳健性。在一些实施例中，TPM在模型模板空间中构建。
另选地，非刚性配准算法(例如，在Zhuang等人，《IEEE医学影像汇刊》，300278-0062(2011年)中描述，其以引用方式并入本文并且教导了用于使用互信息进行图像配准的算法)可以用于将患者MRI图像配准到标准坐标空间(例如，健康个体的真实模型模板)或对应的分割模型模板的体素化版本。注意，用于将患者MRI图像映射到标准空间的各种算法对于相关领域的技术人员而言是公知的。在相反方向上移动(即，从标准空间到患者MRI图像，如下所述)将使用那些相同映射的逆转。
对于患者头部中落在掩蔽区域之外的点，发现上述映射。例如，可以通过将在头部的其余部分中找到的变形图插入到这些区域中，或使用对于相关领域的技术人员来说是显而易见的各种替代另选法中的任一种来估计在配准之前被遮蔽的(一个或多个)区域中的变换。在一些实施例中，可能没有必要找到在配准之前被掩蔽的(一个或多个)区域的变换。这是由于可变形模型模板的对应于掩蔽区域(region)的区域(area)包含与某些“自然”结构(例如，健康组织)相关的信息。因此，在将上述映射应用于落在掩蔽区域之外的点的可变形模型模板之后，变形模型模板已经在这些区域中包括一些模型数据，因为在这些区域中保持“自然”结构。例如，如果在患者图像中从左半球掩蔽了球体，并且映射仅应用于落在球体外部的点的可变形模型模板，则变形模型模板左半球的球体内容将类似于某些自然结构。
在一些实施例中，模型TPM用于找到从标准空间到患者空间的映射。在一些实施例中，模型TPM可从MRI数据集(可从其获得可变形模板)导出。与使用其他TPM相比，使用从该MRI数据集导出的TPM可在最终模型中更精确地表示患者。其原因如下。TPM描述了属于每种组织类型的标准空间中体素的概率。通常，TPM源自不同受试者的多个MRI。因此，TPM表示在整个个体群体中属于每种组织类型的体素的概率。这意味着当使用从多个个体导出的TPM执行配准时，输出映射表示到一些代表性空间的映射，其按照定义平滑了从其导出TPM的个体之间的解剖学变化。然而，当通过使健康个体的头部模型变形来创建患者模型时，可能希望在将患者MRI配准到TPM上时计算的映射尽可能精确地捕获健康头部模型的解剖学特征。该准确性确保当可变形模板稍后在下面的步骤S5中变形到患者空间中时，所得到的模型尽可能精确地类似于患者。因此，期望在其上执行步骤S4中的配准的TPM表示从其导出健康头部模型的个体，而不是通常从其导出TPM的个体群体。
创建表示从其导出可变形模型模板的健康个体的TPM的一种方法是使用现有的一组通用TPM(例如，使用多个个体的数据在标准空间构建的TPM)同时配准和分割健康个体的MRI图像。实现此目的的算法的示例是Ashburner和Friston的统一分割算法(“统一分割(Unified segmentation.)”，《神经影像学》，26.3，2005年)，其在上述SPM 8.0工具箱中实现。来自该过程的输出包括概率图，该概率图描述(配准到标准空间的MRI图像的)体素属于特定组织类型的概率。在该过程中生成的概率图的数量等于模型中的组织类型的数量(通常为6)，并且图中的每个体素被分配从0到1的值，其指示体素属于特定的组织类型的概率。按照定义，这些概率图是TPM，其表示从其导出健康头部模型(可变形模板)的健康个体。
在一些情况下，对TPM进行手动校正以获得可变形模板的更好表示。例如，可以修改颅骨和头皮的概率图以增强颅骨或头皮的边界。例如，这可通过手动地将概率值分配给特定体素来完成，使得该体素属于一种组织类型的概率接近1，并且其属于其他组织类型的概率接近0。从这些概率图创建TPM的最后一步是将平滑滤波器应用于单个图。平滑对于允许调整任何个体的MRI是重要的。平滑可以比如使用具有4mm×4mm×4mm FWHM(全宽半最大值)的平滑核的高斯滤波器来执行。
过程100在步骤S5中继续，其是将模板变形/翘曲到期望的空间。在步骤S5中，将步骤S4中找到的逆映射应用于可变形模型模板，以将可变形模型模板映射到患者MRI图像的坐标系中。图5描绘了变形/翘曲过程500，其将逆映射应用于可变形模型模板502以获得变形模型504。在一些实施例中，逆映射将三维变换应用于可变形模型模板502，从而使可变形模型模板502翘曲以符合患者特定的解剖学属性。
应当注意，在翘曲之前，模型模板502是健康参考个体的大脑的模型；在翘曲之后，翘曲模型504将表示患者大脑在健康状态下的样子的近似值。换句话说，该步骤导致健康个体的模型已被翘曲以适合患者MRI图像中所示的头部，但没有肿瘤。值得注意的是，尽管这种翘曲的模型来自模型模板(而不是来自每个个体患者的头部)，但它仍然可用于分析可以在每个个体患者头部内诱发的电场。
步骤S5中的变形可以应用于模型的体素化版本或模型的网格版本。在体素化版本中，每个体素指示该体素的坐标位置处的组织类型(或组织类型概率)。在网格版本中，每个网格限定不同组织类型之间的边界，并且变形应用于可变形模型模板中的这些网格。在一些实施例中，创建每种组织类型的二进制图像，并且每个得到的二进制图像分别变形。
任选地，可将组织类型的变形图像中出现的任何孔分配给出现在该图像中的组织类型之一。设计用于将组织类型分配给出现在二元掩模之间的孔的规程的示例可以在Timmons等人的“胶质母细胞瘤肿瘤治疗领域有限元分析的端到端工作流程(End-to-endworkflow for finite element analysis of tumor treating fields inglioblastomas)”，《医学与生物学中的物理学》，62.21(2017年)，其中使用软件ScanIP，高斯滤波器功能平滑了掩模之间的边界，以避免收敛问题。填充掩模中的腔，并且移除高于阈值(其可随组织类型变化)的岛。复制当前掩模然后扩张(通过一到三个体素，这取决于组织掩模)并且将其布尔添加到所有切片上的下一个掩模。也可使用用于填充出现在变形图像中的孔的各种另选方法中的任一种。
在形成每个个体组织类型的图像之后，将所有二进制图像组合成表示变形头部模型的分割图像的单个图像。
在组合模型中的体素被分配给多于一种组织类型的情况下，可使用启发式逻辑来确定最终图像中的组织类型。比如，逻辑可规定在组合模型中灰质和白质重叠的所有体素仅被分配给白质，反之亦然。
在模型模板包括TPM的实施例中(即，模型模板中的每个组织由描述每个体素属于特定组织类型的概率的3D矩阵表示)，TPM变形，并且变形的TPM组合成最终模型，使得组合模型中的每个体素基于一些启发式逻辑被分配组织类型。比如，每个体素被分配给占据该体素的概率最高的组织类型。
在一些实施例中，由不同TPM分配给每个体素的概率用于确定所创建的体素化模型中的导电性质的组合。换句话说，假设体素不一定包含某种组织类型，并且最终电导率被分配给体素作为所有组织类型的电导率的加权和，其中权重来自分配给该体素中的每种组织类型的概率值。
在一些实施例中，通过另外并入从诸如DTI或Wept的MRI成像技术获得的信息，将电导率值分配给组织图，已知这些MRI成像技术提供关于组织电导率的信息，例如，如美国申请No.15/336,660(公布为US2017/0120041)中所公开的，其全部内容以引用方式并入本文。该信息可以并入到模型中，比如，通过基于模型导出的电导率和Wept/DTI导出的电导率的加权平均值为每个体素分配电导率。
过程100在步骤S6中继续，该步骤将异常植回到变形模板中。在步骤S6中，编辑变形模板，使得对应于在步骤S3中找到的掩蔽区域的模板的每个体素被分配给异常组织类型(例如，肿瘤或周围区域)。图6描绘了该过程600，其中在患者图像602中识别的异常被植入变形的模型模板604中。在一些实施例中，通过根据在步骤S3中执行的分割在每个异常区域中分配组织类型来执行植入。更具体地，分配给变形后的异常区域中的每个点的组织类型基于在变形之前的步骤S3中的分割中针对对应点识别的组织类型。因此，如果步骤S3中的分割识别异常区域中的多于一种组织类型，则在变形之后可能存在分配给异常区域的多于一种组织类型。在另选实施例中，可通过在变形之后将默认异常组织类型分配给异常区域来执行植入。在其他另选实施例中，可通过让用户手动将组织类型分配给异常区域中的点来执行植入。
过程100在步骤S7中继续，该步骤为模型创建。在建模步骤(S7)中，将诸如电导率和介电常数的电性质分配给各种组织类型。注意，组织类型通常从变形模板获得。然而，对应于肿瘤组织的组织类型将被分配给对应于植入异常的每个体素。将电极(或换能器阵列)的模型放置在模型皮肤上，并应用合适的边界条件。在一些实施例中，建模步骤S7假设每种组织类型是均匀的，因此将电性质的单个值分配给每种组织类型(例如，如Miranda等人在《医学与生物学中的物理学》，594137-4147(2014年)，Wenger等人在《医学与生物学中的物理学》，607339-7357(2015年)，和Wenger等人在《国际放射肿瘤学·生物学·物理学杂志》，941137-43(2016年)中描述的。在其他模型中，每个体素中的电导率由在图像采集步骤期间采集的DTI或DWI图像指定。DTI为每个体素分配各向异性电性质(3×3张量)，而DWI为每个体素分配各向同性电导率(标量)。最后，模型被分成体积元素，例如，通过体素化或另选地通过体积网格化。
过程100在步骤S8中继续。在创建头部模型并且已将模型电极添加到头部模型之后，在步骤S8中运行模拟。该模拟通过使用适当的数值技术(包括但不限于有限元法或有限差分法)求解对应的感应电场来找到最佳电极阵列布局。
电极阵列布局的最优化意味着找到优化患者大脑的患病区域(肿瘤)内的电场的阵列布局。通过以下步骤可以在真实头部模型内的作为治疗目标的体积(目标体积)上实现该最优化：在现实头部模型上自动放置换能器阵列并设置边界条件；一旦已经将阵列放置在真实的头部模型上并应用边界条件，就计算在真实头部模型内产生的电场；已经运行最优化算法以找到在目标体积内产生最佳电场分布的布局。尽管可使用各种另选方法，但是下面提供了用于实现这四个步骤的一个示例。
可针对给定的迭代自动计算阵列在真实头部模型上的位置和取向。用于在OptuneTM设备中传递TTField的每个换能器阵列包括一组陶瓷盘电极，其通过一层医用凝胶耦接到患者的头部。当将阵列放置在真实患者身上时，该盘自然地平行于皮肤对准，并且阵列和皮肤之间发生良好的电接触，因为医用凝胶变形以匹配身体的轮廓。但是，虚拟模型由严格限定的几何体组成。因此，将阵列放置在模型上需要一种用于找到阵列待放置位置处模型表面的取向和轮廓，以及找到确保模型阵列与现实患者模型的良好接触所需的凝胶厚度/几何形状的准确的方法。为了实现场分布的全自动优化，必须自动执行这些计算。
可使用各种算法来执行该任务。为此目的设计的一种此算法的步骤如下所述。
a.定义换能器阵列中心点将放置在模型头部上的位置。该位置可以由用户定义或作为场最优化算法中的步骤之一。
b.使用来自步骤(a)的输入以及关于磁盘几何形状和磁盘如何在阵列中排列的知识，计算模型内换能器阵列中所有磁盘中心的大致位置。
c.在待放置磁盘的位置处计算真实模型表面的取向。通过在计算模体皮肤上找到距离盘的指定中心一个盘半径的距离内的所有点来执行计算。这些点的坐标被排列成矩阵的列，并且对矩阵执行奇异值分解。然后，模型皮肤的法线是对应于找到的最小特征值的特征向量。
d.对于换能器阵列中的每个盘：计算确保盘与患者身体之间良好接触所需的医用凝胶厚度。这是通过找到高度平行于皮肤表面法线取向的圆柱体的参数来完成的。圆柱体被限定为半径等于盘的半径，其高度设定为超出用于找到法线的皮肤上的点的预定量(这是预定的常数)。这导致圆柱体从模体表面延伸至少预定量。
e.在模型上，创建(d)中描述的圆柱体。
f.通过二元逻辑运算(例如，从圆柱体中减去头部)来从模型中移除突出到患者的真实模型中的圆柱体区域。得到的“截短圆柱体”表示与换能器阵列相关的医用凝胶。
g.在“截头圆柱体”的外侧放置表示换能器阵列的陶瓷盘的盘。
然后，针对给定迭代在头部模型内计算电场分布。一旦构建了头部模型并且将用于施加场的换能器阵列(即，电极阵列)放置在真实头部模型上，则可以创建适合于有限元法分析的体积网格。接下来，可以将边界条件应用于模型。可以使用的边界条件的示例包括换能器阵列上的狄利克雷边界(恒定电压)条件、换能器阵列上的诺依曼边界条件(恒定电流)，或设置该边界处的电势的浮动势边界条件，使得电流密度的正常分量的积分等于指定的幅度。然后可以用合适的有限元求解器(例如，低频准静态电磁求解器)或另选地用有限差分算法求解该模型。可以使用现有的软件包(诸如Sim4Life、Comsol Multiphysics、Ansys或Matlab)来执行网格划分、边界条件的实行以及模型的求解。另选地，可以编写实现有限元(或有限差分)算法的定制计算机代码。此代码可以利用现有的软件资源，诸如C-Gal(用于创建网格)，或FREEFEM++(用C++编写的软件，用于快速测试和有限元模拟)。模型的最终解决方案将是描述电场分布或相关量的数据集，诸如给定迭代的计算模体内的电势。在一些实施例中，该模型是基于体素的(即，它包括盒形体积元素)。在这些实施例中，有限差分时域(FDTD)算法可用于求解模型，例如，使用与来自ZMT Zurich MedTech AG的“Sim4Life”软件包相关联的准静电求解器。
然后，使用最优化算法来找到阵列布局，该阵列布局针对两个应用方向(LR和AP)最优化向患者大脑(肿瘤)的患病区域的电场传递。最优化算法将利用用于自动阵列放置的方法和用于以明确定义的顺序求解头部模型内的电场的方法，以便找到最佳阵列布局。考虑到施加电场的两个方向，最佳布局将是最大化或最小化大脑的患病区域中的电场的一些目标函数的布局。该目标函数可为例如患病区域内的最大强度或患病区域内的平均强度。也可以定义其他目标函数。
存在许多方法可用于为患者找到最佳阵列布局，其中三种如下所述。一种最优化方法是穷举搜索。在该方法中，优化器将包括具有应当进行测试的有限数量的阵列布局的库。优化器对库中的所有阵列布局执行模拟，并选择在肿瘤中产生最佳场强的阵列布局(最佳布局是库的布局，其产生最优化目标函数的最高(或最低)值，例如，传递给肿瘤的电场强度)。
另一种优化方法是迭代搜索。该方法涵盖了诸如最小下降最优化方法和单纯形搜索最优化的算法的使用。使用该方法，该算法迭代地测试头部上的不同阵列布局，并针对每个布局计算肿瘤中的电场的目标函数。在每次迭代时，算法会基于前一次迭代的结果自动选择要测试的配置。该算法被设计为收敛，以使其最大化(或最小化)肿瘤中的场的定义的目标函数。
又一种优化方法基于将偶极子放置于模型中的肿瘤中心处。这种方法与其他两种方法不同，因为它不依赖于求解不同阵列布局的场强。相反，阵列的最佳位置是通过将偶极子与模型中肿瘤中心处的预期场方向对准并求解电磁势来找到的。头皮上电势(或可能是电场)最大的区域将是放置阵列的位置。该方法的逻辑是偶极子将产生在肿瘤中心处最大的电场。通过互易性，如果我们能够在头皮上生成计算产生的场/电压，那么我们将期望获得在肿瘤中心(放置偶极子的位置)处最大的场分布。我们目前的系统实际上可以达到的最接近的程度是将阵列放置在头皮上的偶极子引起的电势最大的区域。
注意，可以使用另选的最优化方案来找到最优化大脑患病区域内的电场的阵列布局。例如，组合上述各种方法的算法。作为这些方法如何组合的示例，考虑将上述第三种方法(即，将偶极子定位在模型中的肿瘤中心处)与第二种方法(即，迭代搜索)组合的算法。通过这种组合，首先使用位于肿瘤中心处的偶极子找到阵列布局。此阵列布局用作查找最佳布局的迭代搜索的输入。
一旦已经确定了最优化患者大脑的患病区域内的电场的布局(例如，使用本文所述的任何方法，或适当的另选方法)，电极就被定位在确定的位置中。然后将AC电压施加到电极(例如，如美国专利7,565,205中所述，其以引用方式并入本文)以治疗疾病。
图7描绘了用于电疗治疗的示例系统700，其可在已经如本文所述最优化电极的位置之后使用。系统700包括控制器702，其通过将电压施加到在确定的位置处贴附到患者头皮40的电容耦接的换能器阵列42、44来将TTField施加到患者。注意，头皮40的前视图在图7中示出，并且在图中仅四个电极片中的三个可见，且没有表示出眼睛和耳朵。
任选地，系统可以被设计为与多个模型模板一起工作。在这种情况下，在步骤S3之后且在步骤S4之前实施附加步骤S3.5。在步骤S3.5中，首先测量患者MRI图像与多个模板中的每个的相似性(使用例如相关性或互信息的度量)。选择最类似于患者MRI图像的可变形模板并在所有后续步骤中使用。另选地，在一些实施例中，可以在步骤S4将患者图像配准到标准空间之后并且在步骤S5之前执行最接近类似于患者MRI图像的可变形模板的选择。在这些实施例中，在S4之后的所有步骤中使用最接近类似于患者MRI图像的可变形模板。
任选地，系统可被配置为学习系统，其中使用上述过程创建的每个真实头部模型用作未来模型的可变形模板。在步骤S5中创建的变形健康模型和包括缺陷的结果模型(在步骤S6中创建)二者均可以添加到数据库中。如果原始图像堆栈中的患者的MRI图像类似于具有肿瘤的大脑的存储模板到足够接近的程度，则可以通过测量先前存储的模板上的变形来创建表示患者MRI图像的模型。
最后，虽然在患者头部的MRI图像的情景中讨论了本文阐述的概念，但是相同的原理可以应用于患者身体的其他部分和/或除MRI之外的成像模态。
图8是用于通过使用可变形模板创建患者的真实头部模型来最优化随后将用于执行电疗治疗的电极位置的方法的流程图800。电疗治疗可为TDCS、TMS或TTField。
在S10，接收患者身体区域的一个或多个3D图像。3D图像可为MRI图像、CT图像或本领域已知的任何其他模态的图像。身体区域可为患者的头部或任何其他身体区域。任选地，可以使用本文描述的方法中的任一个对图像进行预处理(例如，如本文中参考图1的步骤S2所述)。
在S20，识别对应于异常组织的图像部分。例如，当身体区域是患者的头部时，此类部分可对应于肿瘤或颅骨异常。可根据本文描述的方法中的任一个或根据相关领域的技术人员显而易见的任何其他适当的方法手动、自动或半自动地识别异常。在一些实施例中，通过图像的分割来识别图像中对应于异常组织的部分。
在S30，生成数据集以对应于掩蔽了异常组织的图像。这可例如通过掩蔽异常组织来实现，包括在下面的S50中描述的配准过程中忽略异常区域。在一些实施例中，通过标记该区域中的数据点并在下面的S50中描述的配准过程期间排除所有标记的数据点来实现掩蔽异常区域。
在S40，检索指定患者身体区域的健康版本中的多个组织类型的位置的模型模板。例如，当身体区域是患者的头部，并且异常组织对应于患者头部的肿瘤时，模型模板对应于健康个体的头部并且没有任何肿瘤。在一些实施例中，可基于图像与多个模型模板中的每个之间的相似性从多个现有模型模板中选择模型模板。例如，可在患者数据集(通过掩蔽患者图像中的异常而导出的)和若干模型模板中的每一个之间确定诸如互信息或距离的相似性度量，并且可相应地选择与患者数据集最相似的模型模板(例如，具有最小距离或最多互信息)。在一些实施例中，模型模板可包括TPM，并且TPM可对应于已经从其导出模型模板(并且从健康个体的图像导出)的相同健康个体或多个个体。
在S50，模型模板在空间中变形，使得变形模型模板中的特征与数据集中的对应特征对齐。在一些实施例中，通过确定将数据集映射到模型模板的坐标空间的映射来使模型模板变形；并将映射的逆转应用于模型模板。在一些实施例中，可通过将数据集配准到模型模板的坐标空间来确定映射。也就是说，映射将数据集翘曲到模型模板。因此，映射的逆转将模型模板翘曲到数据集，从而如果患者没有异常则为患者提供真实的模型。在一些实施例中，针对数据集中的落在掩蔽部分之外的点确定从数据集到模型模板的映射。在模型模板包括TPMS的实施例中，映射将数据集映射到TPM，并且映射的逆转应用于TPM中的每一个，并且逆映射的TPM被组合成包括变形模型模板的分割图像。
在S60，对应于数据集的掩蔽部分的变形模型模板的部分被修改，使得修改的部分表示异常组织。可根据在S20中识别异常部分期间获得的信息来执行修改。例如，可将在S20中识别的一个或多个异常组织类型分配给变形模型模板中的对应部分。另选地，可将预定的通用组织类型分配给掩蔽部分。
在S70，基于(a)变形和修改的模型模板中的多个组织类型的位置和(b)变形和修改的模型模板中的异常组织的位置，生成身体区域中组织的电性质模型。电性质可为电导率、电阻率，或与身体区域的电疗治疗相关的任何其他电性质。在一些实施例中，例如，可根据先前填充的查找表将不同的电性质值分配给每个组织类型。
在S80，通过使用电性质模型来确定最大化异常组织的至少一部分中的场强度的电极放置布局，以模拟由相应于身体区域放置在多个不同候选位置组处的模拟电极所引起的身体区域中的电磁场分布，并选择组中的一个。在一些实施例中，通过在至少两个电极放置布局中的每一个中将边界条件应用于模拟电极来确定电极放置布局；求解该至少两个电极放置布局中的每一个在身体区域中的场分布；以及选择在异常区域内产生最强场的电极放置布局。边界条件可对应于例如施加到模拟电极的电压。在一些实施例中，使用诸如有限元法或有限差分法的数值技术来求解场分布。
在S90，输出确定的电极放置布局以供随后用作在使用电极进行电疗治疗(例如TTField)之前将电极相应于患者的身体区域放置的指导。
以这种方式构建的模型也可以用于其中计算头部内的电场和/或电流分布可能有用的其他应用。这些应用包括但不限于：直流和交流电经颅刺激；模拟植入的刺激电极场图；计划植入刺激电极的位置；以及脑电图(EEG)中的源定位。
最后，尽管本申请描述了用于最优化头部上的阵列布局的方法，但是可使用相同的步骤来最优化其他身体区域(包括但不限于胸部或腹部)的阵列布局。
虽然已经参考某些实施例公开了本发明，但是在不脱离所附权利要求限定的本发明的范围和精神的情况下，可以对所描述的实施例进行多种修改、变更和变化。因此，本发明不限于所描述的实施例，而是具有由所附权利要求的语言及其等同物限定的全部范围。

Claims (20)

1.一种电疗治疗设备，包括处理器，所述处理器被配置成执行存储在一个或多个存储器设备中的指令以执行电疗治疗，所述电疗治疗包括：
由所述处理器接收患者的身体区域的三维图像；
识别对应于异常组织的图像的部分；
生成对应于所述图像的数据集，其中所述异常组织被掩蔽；
从计算机系统的存储器设备检索模型模板，所述模型模板包括组织概率图，所述组织概率图指定所述患者的所述身体区域的健康版本中的多个组织类型的位置；
在空间中变形所述模型模板，以便变形模型模板中的特征与所述数据集中的对应特征对齐；
修改所述变形模型模板的对应于所述数据集的掩蔽部分的部分，使得修改部分表示所述异常组织；
基于(a)所述变形和修改的模型模板中的所述多个组织类型的位置和(b)所述变形和修改的模型模板中的所述异常组织的位置，生成所述身体区域中组织的电性质模型；
通过使用所述电性质模型来确定最大化所述异常组织的至少一部分中的场强度的电极放置布局，以模拟由相应于所述身体区域放置在多个不同候选位置组处的模拟电极所引起的所述身体区域中的电磁场分布，并选择所述组中的一个。
2.根据权利要求1所述的电疗治疗设备，其中所述模型模板的所述变形包括：
确定将所述数据集映射到所述模型模板的坐标空间的映射；以及
将所述映射的逆转应用于所述模型模板。
3.根据权利要求2所述的电疗治疗设备，其中针对所述数据集中的落在所述掩蔽部分之外的点确定所述映射。
4.根据权利要求2所述的电疗治疗设备，其中所述模型模板包括组织概率图，其中所述映射将所述数据集映射到所述组织概率图。
5.根据权利要求4所述的电疗治疗设备，其中所述组织概率图是从已经从其导出所述模型模板的健康个体的图像导出的。
6.根据权利要求5所述的电疗治疗设备，其中通过使用现有组织概率图同时配准和分割所述健康个体的所述图像来导出所述组织概率图，并且其中所述现有组织概率图是从多个个体的图像导出的。
7.根据权利要求4所述的电疗治疗设备，其中所述组织概率图是从多个个体的图像导出的现有组织概率图。
8.根据权利要求4所述的电疗治疗设备，其中将所述映射的所述逆转应用于所述组织概率图中的每一个，其中将逆映射组织概率图组合成包括所述变形模型模板的分割图像。
9.根据权利要求8所述的电疗治疗设备，其中组合所述逆映射组织概率图包括向每个体素分配在所述逆映射组织概率图上占据该体素的概率最高的组织类型。
10.根据权利要求8所述的电疗治疗设备，其中组合所述逆映射组织概率图包括使用查找表将组织类型分配给在所述逆映射组织概率图上分配了多于一种组织类型的每个体素。
11.根据权利要求1所述的电疗治疗设备，其中对应于所述异常组织的所述图像的所述部分的所述识别包括执行所述图像的分割。
12.根据权利要求1所述的电疗治疗设备，其中所述组织的电性质模型包括电导率或电阻率的模型。
13.根据权利要求1所述的电疗治疗设备，其中所述图像包括MRI图像或CT图像。
14.根据权利要求1所述的电疗治疗设备，其中所述身体区域包括所述患者的头部。
15.根据权利要求1所述的电疗治疗设备，其中对应于所述异常组织的所述图像的所述部分对应于肿瘤。
16.根据权利要求1所述的电疗治疗设备，其中所述电疗治疗包括肿瘤治疗场(TTField)。
17.根据权利要求1所述的电疗治疗设备，其中所述电极放置布局的所述确定包括：
将边界条件应用于至少两个电极放置布局中的每一个中的所述模拟电极；
求解所述至少两个电极放置布局中的每一个的所述身体区域中的场分布；以及
选择在所述异常区域内产生最强的场的所述电极放置布局。
18.根据权利要求17所述的电疗治疗设备，其中所述边界条件对应于施加到所述模拟电极的电压或电流。
19.根据权利要求1所述的电疗治疗设备，其中基于所述图像与所述模型模板中的每个之间的相似性，从多个模型模板中选择所述模型模板。
20.根据权利要求1所述的电疗治疗设备，还包括：
基于所述确定的电极放置布局将所述电极相应于所述患者的所述身体区域放置；以及
使用所述电极将TTField应用于所述身体区域。
CN202310453377.1A 2016-12-13 2017-12-13 使用具有用可变形模板优化过的电极位置的TTField治疗患者 Pending CN116236696A (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201662433501P 2016-12-13 2016-12-13
US62/433501 2016-12-13
PCT/IB2017/057901 WO2018109691A2 (en) 2016-12-13 2017-12-13 Treating patients with ttfields with the electrode positions optimized using deformable templates
CN201780081996.5A CN110234394B (zh) 2016-12-13 2017-12-13 使用具有用可变形模板优化过的电极位置的TTField治疗患者

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201780081996.5A Division CN110234394B (zh) 2016-12-13 2017-12-13 使用具有用可变形模板优化过的电极位置的TTField治疗患者

Publications (1)

Publication Number Publication Date
CN116236696A true CN116236696A (zh) 2023-06-09

Family

ID=61007723

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202310453377.1A Pending CN116236696A (zh) 2016-12-13 2017-12-13 使用具有用可变形模板优化过的电极位置的TTField治疗患者
CN201780081996.5A Active CN110234394B (zh) 2016-12-13 2017-12-13 使用具有用可变形模板优化过的电极位置的TTField治疗患者

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201780081996.5A Active CN110234394B (zh) 2016-12-13 2017-12-13 使用具有用可变形模板优化过的电极位置的TTField治疗患者

Country Status (13)

Country Link
US (1) US11109773B2 (zh)
EP (2) EP3554631B1 (zh)
JP (2) JP7184774B2 (zh)
KR (1) KR102548188B1 (zh)
CN (2) CN116236696A (zh)
AU (1) AU2017377003B2 (zh)
BR (1) BR112019012033A2 (zh)
CA (1) CA3047067C (zh)
DK (1) DK3554631T3 (zh)
ES (1) ES2916252T3 (zh)
NZ (1) NZ754871A (zh)
PL (1) PL3554631T3 (zh)
WO (1) WO2018109691A2 (zh)

Families Citing this family (68)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10779875B2 (en) 2013-05-06 2020-09-22 Novocure Gmbh Optimizing treatment using TTfields by changing the frequency during the course of long term tumor treatment
US10188851B2 (en) 2015-10-28 2019-01-29 Novocure Limited TTField treatment with optimization of electrode positions on the head based on MRI-based conductivity measurements
US10821283B2 (en) 2016-04-04 2020-11-03 Novocure Gmbh Reducing motility of cancer cells using tumor treating fields (TTFields)
US10441776B2 (en) 2016-06-30 2019-10-15 Novocure Gmbh Arrays for longitudinal delivery of TTFields to a body
US11573221B2 (en) 2017-01-19 2023-02-07 Novocure Gmbh System for viewing cell cultures under a microscope whilst applying TTFields
US10902621B2 (en) * 2018-03-25 2021-01-26 Varian Medical Systems International Ag Deformable image registration based on masked computed tomography (CT) image
US10953209B2 (en) 2018-03-28 2021-03-23 Board Of Regents Of The University Of Texas System Treating tumors using TTFields combined with a PARP inhibitor
EP3773726B1 (en) 2018-04-09 2024-06-05 Novocure GmbH Treating tumors with ttfields and an aurora kinase inhibitor
CA3096429C (en) 2018-04-10 2023-10-17 Zeev Bomzon Low frequency (<1 mhz) ac conductivity estimates derived from two mri images having different repetition times
AU2019299533B2 (en) 2018-07-03 2023-03-09 Novocure Gmbh Using alternating electric fields to increase cell membrane permeability
KR102104961B1 (ko) * 2018-07-03 2020-04-27 고려대학교산학협력단 최적화 알고리즘을 이용한 전기장 암치료장치
US11179322B2 (en) 2018-07-10 2021-11-23 Novocure Gmbh Methods and compositions for treating tumors with TTFields and sorafenib
AU2019301956B2 (en) 2018-07-10 2023-04-13 Novocure Gmbh Inhibiting viral infection using alternating electric fields
WO2020016840A1 (en) 2018-07-18 2020-01-23 Novocure Gmbh Using power loss density and related measures to quantify the dose of tumor treating fields (ttfields)
WO2020039390A1 (en) 2018-08-23 2020-02-27 Carsten Hagemann Using alternating electric fields to increase permeability of the blood brain barrier
US11160977B2 (en) 2018-09-04 2021-11-02 Novocure Gmbh Delivering tumor treating fields (TTFields) to the infratentorial brain
CN112770806A (zh) 2018-09-07 2021-05-07 诺沃库勒有限责任公司 使用交变电场治疗自身免疫性疾病以减少t细胞的增殖
US11986647B2 (en) 2018-09-07 2024-05-21 Novocure Gmbh Treating autoinflammatory and mitochondrial diseases using an alternating electric field
JP7284886B2 (ja) * 2018-10-15 2023-06-01 ノボキュア ゲーエムベーハー 脳全体にわたる高均一性での腫瘍治療電場（ｔｔ電場）の発生
CN109102894B (zh) * 2018-10-18 2021-09-07 中国医学科学院生物医学工程研究所 结合皮层兴奋性的各向异性电导率头模型建模方法及装置
JP7148722B2 (ja) * 2018-10-25 2022-10-05 ゼーヴ・ボンゾン 被験者の脊椎構造体に対する交番電界（例えばＴＴＦｉｅｌｄ）の送達
CA3110448C (en) 2018-11-19 2023-12-19 Novocure Gmbh Arrays for delivering tumor treating fields (ttfields) with selectively addressable sub-elements
WO2020110050A1 (en) 2018-11-29 2020-06-04 Novocure Gmbh Enhanced-flexibility transducer arrays for delivering ttfields (tumor treating fields)
JP7246486B2 (ja) 2019-01-08 2023-03-27 ノボキュア ゲーエムベーハー 腫瘍治療電場（ｔｔｆｉｅｌｄｓ）を使用した治療を計画するための異なるタイプの組織への画像のセグメンテーションの品質評価
US11554262B2 (en) 2019-02-26 2023-01-17 Novocure Gmbh Determining a frequency for TTFields treatment based on an electrical characteristic of targeted cancer cells
US11471676B2 (en) 2019-02-27 2022-10-18 Novocure Gmbh Delivering tumor treating fields (TTFields) using implantable transducer arrays
EP3946322B1 (en) 2019-03-29 2023-09-20 Novocure GmbH Methods for restoring sensitivity to ttfields in ttfields-resistant cancer cells with ptger3 inhibitors
EP3924039B1 (en) 2019-04-17 2023-11-22 Novocure GmbH Uploading data from an isolated system without compromising isolation
WO2020236956A1 (en) * 2019-05-20 2020-11-26 Neuroelectrics Corporation Systems and methods for treating tumors using targeted neurostimulation
WO2021019403A1 (en) 2019-07-31 2021-02-04 Yoram Wasserman Applying tumor treating fields (ttfields) via electrodes embedded into skull implants
JP2022545794A (ja) 2019-08-30 2022-10-31 ノボキュア ゲーエムベーハー 頸部への腫瘍治療電界（ＴＴＦｉｅｌｄｓ）の印加
US11534601B2 (en) 2019-11-08 2022-12-27 Novocure Gmbh Perforated hydrogel configurations and methods of production and use thereof
EP3828818A1 (en) * 2019-11-29 2021-06-02 Siemens Healthcare GmbH Method and system for identifying pathological changes in follow-up medical images
WO2021111186A1 (en) * 2019-12-02 2021-06-10 Novocure Gmbh Methods and apparatuses for optimizing transducer array placement
JP2023508584A (ja) 2019-12-31 2023-03-02 ノボキュア ゲーエムベーハー 画像セグメンテーションのための方法、システム、および装置
CN114830248A (zh) * 2019-12-31 2022-07-29 诺沃库勒有限责任公司 用于电场分布的快速近似的方法、系统和装置
EP4074368A1 (en) 2019-12-31 2022-10-19 Novocure GmbH High voltage, high efficiency sine wave generator that prevents spikes during amplitude adjustments and switching of channels
DK4074367T3 (da) 2019-12-31 2023-05-22 Novocure Gmbh Arrays til levering af tumorbehandlingsfelter (tt-felter) med individuelt tilgængelige elektrodeelementer og temperatursensorer
WO2021150877A1 (en) 2020-01-22 2021-07-29 Novocure Gmbh Assemblies containing two conductive gel compositions and methods of production and use thereof
US20210299439A1 (en) * 2020-03-31 2021-09-30 Novocure Gmb Methods, systems, and apparatuses for guiding transducer placements for tumor treating fields
CN111420271A (zh) * 2020-04-02 2020-07-17 河北普尼医疗科技有限公司 一种基于头部肿瘤治疗的电极贴片定位方法
TW202200232A (zh) 2020-05-06 2022-01-01 瑞士商諾沃庫勒有限責任公司 用於產生腫瘤治療電場之導電襯墊以及生產和使用其之方法
KR102403686B1 (ko) * 2020-05-15 2022-05-31 뉴로핏 주식회사 뇌자극 위치 제공장치 및 방법
KR102464313B1 (ko) 2020-05-18 2022-11-08 주식회사 필드큐어 전기장 암 치료 시스템을 위한 품질 보증 장치 및 방법
EP4168108A1 (en) 2020-06-19 2023-04-26 The Methodist Hospital dba Houston Methodist Hospital Method and apparatus for oncomagnetic treatment
US11818943B2 (en) 2020-06-25 2023-11-14 Novocure Gmbh Fabricating organic light emitting diodes (OLEDs) using tubulin
US20220095997A1 (en) * 2020-09-25 2022-03-31 Novocure Gmbh Varying the Metallization Area on Individual Electrode Elements in a Tumor Treating Fields (TTFields) System to Maximize Current without Overheating
US20220096853A1 (en) * 2020-09-30 2022-03-31 Novocure Gmbh Methods and systems for transducer array placement and skin surface condition avoidance
TWI805954B (zh) * 2020-10-16 2023-06-21 瑞士商諾沃庫勒有限責任公司 經由嵌入顱骨植入物中之電極來應用腫瘤治療電場（TTFields）
US20220148171A1 (en) * 2020-11-06 2022-05-12 Novocure Gmbh Methods and apparatuses for determining transducer locations to generate tumor treating fields
US20220203110A1 (en) * 2020-12-30 2022-06-30 Novocure Gmbh Method and apparatus for determining transducer locations to generate tumor treating fields
KR102321009B1 (ko) 2021-07-06 2021-11-03 뉴로핏 주식회사 경두개 직류 자극술을 위한 맞춤형 헤드기어 설계방법, 서버 및 컴퓨터프로그램
US20230095647A1 (en) * 2021-09-30 2023-03-30 Zebra Technologies Corporation Systems and Methods for Precise Anomaly Localization Within Content Captured by a Machine Vision Camera
CN113827866B (zh) * 2021-11-25 2022-02-18 北京航空航天大学杭州创新研究院 一种基于交流电场的非侵入式肿瘤治疗装置
WO2023095111A1 (en) 2021-11-29 2023-06-01 Novocure Gmbh Methods of reducing ciliogenesis with alternating electric fields
CN114404039B (zh) * 2021-12-30 2023-05-05 华科精准（北京）医疗科技有限公司 三维模型的组织漂移校正方法、装置、电子设备及存储介质
CN114949591A (zh) * 2022-06-03 2022-08-30 江苏百宁盈创医疗科技有限公司 一种可区域调节TTField疗法装置及其使用方法
WO2023242741A1 (en) 2022-06-13 2023-12-21 Novocure Gmbh Systems and methods for increasing intestinal absorption of therapeutic agents
WO2023248139A1 (en) 2022-06-20 2023-12-28 Novocure Gmbh Compositions, systems, and methods for treating cancer using tumor treating fields and vegf inhibitors
US20230407282A1 (en) 2022-06-21 2023-12-21 Novocure Gmbh Systems and methods for treating conditions and diseases using alternating electric fields and crispr-cas system
WO2024053847A1 (ko) * 2022-09-07 2024-03-14 삼성전자 주식회사 생체 신호 감지 장치, 생체 신호 감지 장치의 동작 방법 및 이를 포함하는 사용자 단말
WO2024069498A1 (en) * 2022-09-29 2024-04-04 Novocure Gmbh Three-dimensional model generation for tumor treating fields transducer layout
US20240110174A1 (en) 2022-09-30 2024-04-04 Novocure Gmbh Compositions, systems, and methods for treating cancer using alternating electric fields and dendritic cells
US20240108699A1 (en) 2022-09-30 2024-04-04 Novocure Gmbh Compositions, systems, and methods for reducing electrosensation and/or skin irritation
WO2024069531A1 (en) 2022-09-30 2024-04-04 Novocure Gmbh Compositions, systems, and methods for treating cancer using alternating electric fields and apoptotic cancer cell vaccination
CN115619808B (zh) * 2022-10-31 2023-12-01 南京航空航天大学 一种电极片贴附方法与系统
CN116258024B (zh) * 2023-05-16 2023-08-29 赛福凯尔(绍兴)医疗科技有限公司 目标区域的电场可视化方法、装置和计算机设备
CN117679635B (zh) * 2024-02-04 2024-05-17 湖南安泰康成生物科技有限公司 电极片运行控制方法、肿瘤电场治疗仪及存储介质

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050202384A1 (en) * 2001-04-20 2005-09-15 Medtronic, Inc. Interactive computer model of the heart
JP4750784B2 (ja) 2004-04-23 2011-08-17 ノヴォキュアー・リミテッド 異なる周波数の電界による腫瘍等の治療
US7346382B2 (en) * 2004-07-07 2008-03-18 The Cleveland Clinic Foundation Brain stimulation models, systems, devices, and methods
US9307925B2 (en) * 2005-06-16 2016-04-12 Aaken Laboratories Methods and systems for generating electrical property maps of biological structures
US20160055304A1 (en) 2005-06-16 2016-02-25 Aaken Laboratories Targeted electrical stimulation
US8019414B2 (en) * 2006-04-05 2011-09-13 Novocure Ltd. Treating cancer using electromagnetic fields in combination with other treatment regimens
US7962195B2 (en) * 2006-06-01 2011-06-14 Biosense Webster, Inc. Model-based correction of position measurements
CA2654759A1 (en) * 2006-06-13 2007-12-21 Rhythmia Medical, Inc. Non-contact cardiac mapping, including moving catheter and multi-beat integration
WO2009089341A1 (en) * 2008-01-09 2009-07-16 Washington University In St. Louis Method for quantitatively mapping myocardial contractile function with magnetic resonance based multiparametric strain analysis
US10117707B2 (en) * 2008-04-29 2018-11-06 Virginia Tech Intellectual Properties, Inc. System and method for estimating tissue heating of a target ablation zone for electrical-energy based therapies
ES2741828T3 (es) * 2008-12-04 2020-02-12 Cleveland Clinic Found Sistema y procedimiento para definir el volumen objetivo para estimulación en el cerebro
EP2419171B1 (en) * 2009-04-13 2017-11-01 Research Foundation Of The City University Of New York Neurocranial electrostimulation models
US9414881B2 (en) * 2012-02-08 2016-08-16 Angiodynamics, Inc. System and method for increasing a target zone for electrical ablation
US10296809B2 (en) * 2012-02-28 2019-05-21 Siemens Healthcare Gmbh Method and system for fast patient-specific cardiac electrophysiology simulations for therapy planning and guidance
EP2863986A4 (en) 2012-06-22 2016-01-20 Thync Inc DEVICE AND METHODS FOR NON-EFFRACTIVE NEUROMODULATION USING TARGETED SKIN ELECTRICAL STIMULATION
GB201307590D0 (en) * 2013-04-26 2013-06-12 St Georges Hosp Medical School Processing imaging data to obtain tissue type information
US9649046B2 (en) * 2014-08-12 2017-05-16 Biosense Webster (Israel) Ltd Line of block detection
US10188851B2 (en) 2015-10-28 2019-01-29 Novocure Limited TTField treatment with optimization of electrode positions on the head based on MRI-based conductivity measurements

Also Published As

Publication number Publication date
CN110234394B (zh) 2023-05-16
NZ754871A (en) 2023-03-31
WO2018109691A2 (en) 2018-06-21
EP3554631B1 (en) 2022-03-23
CA3047067A1 (en) 2018-06-21
KR20190104036A (ko) 2019-09-05
JP7405818B2 (ja) 2023-12-26
JP2022031908A (ja) 2022-02-22
JP2020501689A (ja) 2020-01-23
EP3554631A2 (en) 2019-10-23
AU2017377003B2 (en) 2022-05-19
US11109773B2 (en) 2021-09-07
BR112019012033A2 (pt) 2020-03-03
US20180160933A1 (en) 2018-06-14
EP3974024A1 (en) 2022-03-30
CA3047067C (en) 2023-12-12
KR102548188B1 (ko) 2023-06-27
ES2916252T3 (es) 2022-06-29
AU2017377003A1 (en) 2019-07-18
CN110234394A (zh) 2019-09-13
JP7184774B2 (ja) 2022-12-06
DK3554631T3 (da) 2022-05-30
PL3554631T3 (pl) 2022-09-12
WO2018109691A3 (en) 2018-10-25

Similar Documents

Publication Publication Date Title
CN110234394B (zh) 使用具有用可变形模板优化过的电极位置的TTField治疗患者
JP7383679B2 (ja) Ｍｒｉによる導電率測定値に基づいて頭部上の電極位置を最適化したｔｔｆｉｅｌｄ治療
US20200146586A1 (en) Creating Accurate Computational Head Models of Patients Using Datasets Combining MRI and CT Images

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