CN116262041A - 被辐射剂量管理装置、被辐射剂量管理方法及存储介质 - Google Patents
被辐射剂量管理装置、被辐射剂量管理方法及存储介质 Download PDFInfo
- Publication number
- CN116262041A CN116262041A CN202111521289.8A CN202111521289A CN116262041A CN 116262041 A CN116262041 A CN 116262041A CN 202111521289 A CN202111521289 A CN 202111521289A CN 116262041 A CN116262041 A CN 116262041A
- Authority
- CN
- China
- Prior art keywords
- dose
- voxel
- organ
- radiation
- image data
- 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
- 230000005855 radiation Effects 0.000 title claims abstract description 182
- 238000007726 management method Methods 0.000 title description 27
- 210000000056 organ Anatomy 0.000 claims abstract description 156
- 238000012937 correction Methods 0.000 claims abstract description 27
- 238000004364 calculation method Methods 0.000 claims abstract description 22
- 238000000034 method Methods 0.000 claims description 38
- 230000001186 cumulative effect Effects 0.000 claims description 9
- 230000008439 repair process Effects 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000013135 deep learning Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 8
- 230000005865 ionizing radiation Effects 0.000 description 7
- 210000001519 tissue Anatomy 0.000 description 7
- 238000012549 training Methods 0.000 description 7
- 238000013527 convolutional neural network Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 206010028980 Neoplasm Diseases 0.000 description 4
- 201000011510 cancer Diseases 0.000 description 4
- 238000002591 computed tomography Methods 0.000 description 4
- 238000004980 dosimetry Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 208000032839 leukemia Diseases 0.000 description 2
- 210000004072 lung Anatomy 0.000 description 2
- 210000001672 ovary Anatomy 0.000 description 2
- 210000003625 skull Anatomy 0.000 description 2
- 210000001685 thyroid gland Anatomy 0.000 description 2
- 238000011269 treatment regimen Methods 0.000 description 2
- 210000004291 uterus Anatomy 0.000 description 2
- 201000004384 Alopecia Diseases 0.000 description 1
- 208000002177 Cataract Diseases 0.000 description 1
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 208000032170 Congenital Abnormalities Diseases 0.000 description 1
- 241000611421 Elia Species 0.000 description 1
- 206010015150 Erythema Diseases 0.000 description 1
- 206010060919 Foetal malformation Diseases 0.000 description 1
- 206010027476 Metastases Diseases 0.000 description 1
- 208000028990 Skin injury Diseases 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 231100000360 alopecia Toxicity 0.000 description 1
- 210000000481 breast Anatomy 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000030833 cell death Effects 0.000 description 1
- 210000001638 cerebellum Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 210000001072 colon Anatomy 0.000 description 1
- 210000000695 crystalline len Anatomy 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000007614 genetic variation Effects 0.000 description 1
- 210000004392 genitalia Anatomy 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 208000003906 hydrocephalus Diseases 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000036512 infertility Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000013152 interventional procedure Methods 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 230000009401 metastasis Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 210000002307 prostate Anatomy 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000002603 single-photon emission computed tomography Methods 0.000 description 1
- 210000002784 stomach Anatomy 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/54—Control of apparatus or devices for radiation diagnosis
- A61B6/542—Control of apparatus or devices for radiation diagnosis involving control of exposure
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/037—Emission tomography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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]
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Heart & Thoracic Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Physiology (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Nuclear Medicine (AREA)
Abstract
一种被辐射剂量管理装置,对被检体所受到的辐射剂量进行管理,具备:取得部,取得被检体的图像数据;器官分割部,针对所取得的图像数据,按照被检体的器官,对图像数据进行分割;体素剂量分布图生成部,基于特定的被辐射剂量模型和所取得的被检体的图像数据,生成表示每个体素的被辐射剂量的体素剂量分布图;以及器官剂量计算部,基于分割后的器官的图像数据和所生成的体素剂量分布图中的每个体素的被辐射剂量,计算各器官的被辐射剂量。此外,该被辐射剂量管理装置还具备体素剂量修正部,所述体素剂量修正部基于特定的修正因子,对所述体素剂量分布图中的每个体素的被辐射剂量进行修正。
Description
技术领域
本发明的实施方式涉及被辐射剂量管理装置、被辐射剂量管理方法及存储介质。
背景技术
为了掌握患者(有时也被称为被检体)的疾病,基于X射线的检查变得较为普及。一方面,基于X射线的检查能够帮助了解疾病的情况,另一方面,基于X射线的检查会给患者带来X射线辐射这样的损害。因此,从尽可能减少患者的被辐射剂量的观点出发,管理患者的被辐射剂量变得重要。
CT扫描时,扫描控制台根据所选的程序协议提供CTDIvol(CT Dose Indexvolume,容积CT剂量指数)或DLP(dose-length product,剂量长度乘积)值。如果剂量值超过阈值,则不允许再次扫描。放射科医生将对扫描方案进行重新审查,在判断为可以扫描时输入继续扫描的原因。
如图10所示,现有技术中采用的是计算圆柱形采集区内所受到的辐射剂量的方法。该方法不是针对某一特定器官的被辐射剂量的方法,另外当扫描范围发生重叠时,会将重叠扫描范围内的平均的被辐射剂量值相加来计算累积剂量,因此,这种方法并不能够准确地获知对辐射敏感的器官所受到的辐射剂量。
此外,现有技术中,在计算经过了多次扫描后的累积剂量时,没有考虑器官对于辐射损伤的自我修复能力,因此最后获得的累积剂量是没有加以修正的累积剂量,并不是准确的累积剂量。
发明内容
本发明是鉴于上述情况而做出的,其目的是提供一种能够准确地获得器官的被辐射剂量的被辐射剂量管理装置、被辐射剂量管理方法及存储介质。
技术方案1涉及一种被辐射剂量管理装置,对被检体所受到的辐射剂量进行管理,具备:取得部,取得被检体的图像数据;器官分割部,针对所取得的图像数据,按照被检体的器官,对图像数据进行分割;体素剂量分布图生成部,基于特定的被辐射剂量模型和所取得的被检体的图像数据,生成表示每个体素的被辐射剂量的体素剂量分布图;以及器官剂量计算部,基于分割后的器官的图像数据和所生成的体素剂量分布图中的每个体素的被辐射剂量,计算各器官的被辐射剂量。
根据上述构成,能够以器官为单位而获得被辐射剂量,从而能够更加准确地且有针对性地对器官特别是对辐射敏感的器官进行被辐射剂量的管理。
上述被辐射剂量管理装置也可以是,还具备体素剂量修正部,上述体素剂量修正部,基于特定的修正因子,对上述体素剂量分布图中的每个体素的被辐射剂量进行修正,上述特定的修正因子是辐射后所经过的时间和各器官所固有的修复常数,上述器官剂量计算部基于分割后的器官的图像数据和修正后的上述每个体素的被辐射剂量,计算修正后的各器官的被辐射剂量。
根据上述构成,能够按照被辐射后所经过的时间和各器官所固有的修复常数对各器官所受到的辐射剂量进行修正,从而能够以器官为单位,在考虑了辐射后所经过的时间和各器官所固有的修复常数的基础上,得到各器官当前时刻的残留的被辐射剂量。
上述被辐射剂量管理装置也可以是,还具备体素剂量累积部,在关于上述被检体存在多个图像数据时,上述体素剂量累积部将所取得的各个图像数据中的对应的体素的修正后的体素剂量相加,从而计算出每个体素的修正后的体素剂量累积值,上述器官剂量计算部基于分割后的器官的图像数据和计算出的上述每个体素的修正后的体素剂量累积值,计算修正后的各器官的被辐射剂量。
根据上述构成,能够对经过了多次扫描后得到的图像数据中的体素的被辐射剂量进行修正,并得到各器官当前时刻的残留的累积被辐射剂量。
上述被辐射剂量管理装置也可以是,还具备被辐射剂量风险提示部,基于修正后的各器官的被辐射剂量,提示出各器官的确定性风险和随机风险。
根据上述构成,能够给医生提供丰富的参考信息,并对风险进行预警。
技术方案2涉及一种被辐射剂量管理方法,对被检体所受到的辐射剂量进行管理,包括如下步骤:取得步骤,取得被检体的图像数据;器官分割步骤,针对所取得的图像数据,按照被检体的器官,对图像数据进行分割;体素剂量分布图生成步骤,基于特定的被辐射剂量模型和所取得的被检体的图像数据,生成表示每个体素的被辐射剂量的体素剂量分布图;以及器官剂量计算步骤,基于分割后的器官的图像数据和所生成的体素剂量分布图中的每个体素的被辐射剂量,计算各器官的被辐射剂量。
技术方案3涉及一种存储介质,存储有使计算机执行技术方案2的被辐射剂量管理方法的程序。
发明效果
根据上述技术方案,本发明能够获得各器官尤其是对辐射敏感的器官的被辐射剂量,能够考虑各器官随时间经过的自我修复能力而进行剂量修正,从而准确地获得器官的残留的被辐射剂量。
此外,本发明还能够根据所获得的器官的被辐射剂量,对确定性风险和随机风险进行提示。
附图说明
图1是表示第一实施方式的被辐射剂量管理装置的示意图。
图2A是表示第一实施方式的器官分割部的分割处理的示意图,图2B是表示体素剂量分布图生成部所生成的体素剂量分布图的示意图,图2C是表示按照器官来管理各体素所受到的辐射剂量的示意图。
图3是表示第一实施方式的被辐射剂量管理装置的管理方法的流程图。
图4是表示第一实施方式的被辐射剂量管理装置的变形例的管理方法的流程图。
图5表示第二实施方式的被辐射剂量管理装置的示意图。
图6是表示残留的被辐射剂量随时间变化的曲线图。
图7是表示第二实施方式的被辐射剂量管理装置的管理方法的流程图。
图8是用于说明确定性风险的示意图。
图9A是表示被辐射剂量模型的训练过程的示意图,图9B是表示训练好的被辐射剂量模型的应用的示意图。
图10表示现有技术中所采用的被辐射剂量的累积方式。
具体实施方式
以下,参照附图对实施方式进行说明。以下的实施方式中,将标注有相同的参照附图标记的部分作为进行相同的动作的部分,适当地省略重复的说明。
已知由于电离辐射的潜在危险性,剂量评估是CT研究的重要课题。作为被检体剂量的估算方法,蒙特卡罗估算法(MC)是用于患者特定剂量估算的常用算法,但由于它的应用速度太慢,所以不能被常规使用。作为速度更快的替代方案,有将患者特定的转换因子应用于CTDIvol、并利用预先取得的模体数据(phantom data)、利用分析近似(analyticalapproximations)法来取代蒙特卡罗估算法(MC)来进行计算的方法,但代价是降低了精确度。
为了同时实现高精度和高性能,本实施方式中采用了一种优选的估算法。其通过深度学习方法,使用深卷积神经网络(DCNN),来生成蒙特卡罗(MC)被辐射剂量模型。其基本原理是,将由CT图像和一阶剂量估算构成的双通道的数据作为三维U网络的输入,训练U网络以再现相应的蒙特卡罗(MC)剂量估算。具体的实现方法可以参见“基于深度卷积神经网络的CT剂量实时估计”(“Real-Time Patient-Specific CT Dose Estimation using aDeep Convolutional Neural Network”)Joscha Maier,Elias Eulig,Sabrina Dorn,Stefan Sawall,and Marc Kachelrieβ,Senior Member,IEEE。
通过利用该训练好的被辐射剂量模型,能够实时地计算输入到该被辐射剂量模型中的CT图像的体素剂量分布图。
图9A和图9B分别示出了被辐射剂量模型的训练过程和该被辐射剂量模型的应用过程。如图9A所示,在被辐射剂量模型的训练过程中,利用深度学习的方法,使用CT图像和一阶剂量估算结果来训练被辐射剂量模型,在完成训练后,如图9B所示,将作为分析对象的CT图像输入到训练好的被辐射剂量模型中,得到该CT图像的各体素的被辐射剂量的分布图(也称为体素剂量分布图)。体素剂量分布图表示CT图像中的各个体素所受到的辐射剂量的估算值,通过颜色分布或灰度分布表示所受到的辐射剂量的大小。
另外也可以在体素的被辐射剂量模型的训练过程中,利用深度学习的方法,使用CT图像数据和PET图像数据来训练体素的被辐射剂量模型,在完成训练后,将作为分析对象的CT图像数据和PET图像数据输入到训练好的被辐射剂量模型中,得到体素剂量分布图。基于PET-CT图像生成体素剂量分布图的方法具体可参见“深剂量:一种用于个人的内部被辐射剂量测定的基于深度卷积神经网络的体素剂量估算方法”(“Deep-dose:a voxel doseestimation method using deep convolutional neural network for personalizedinternal dosimetry”,Min sun Lee1,Donghwi Hwang1,2,Joong Hyun Kim3&Jae sungLee,参见www.nature.com/scientificreports。
另外,“深剂量:一种用于个人的内部被辐射剂量测定的基于深度卷积神经网络的体素剂量估算方法”同样适用于SPECT-CT图像。在完成被辐射剂量模型的训练后,将作为分析对象的CT图像数据和SPECT图像数据输入到训练好的被辐射剂量模型中,同样可以得到体素剂量分布图。
上述介绍的被辐射剂量模型的生成方法是本发明所采用的优选的方法,当然也可以采用其他的被辐射剂量模型生成方法。
上述被辐射剂量模型被用于各实施方式的被辐射剂量管理装置,被辐射剂量管理装置可以是X射线CT装置、PET-CT装置、SPECT-CT装置中的任一种。下面分别介绍各实施方式。另外,这里只例示了三种模态下的被辐射剂量模型,但不限于此。
(第一实施方式)
图1是表示第一实施方式的被辐射剂量管理装置的示意图。
本实施方式的被辐射剂量管理装置可以利用通过检索而取得的某次扫描中的扫描结果来计算该次扫描给器官带来的辐射剂量。此处及前后文所指的扫描均指会产生电离辐射的扫描摄影,例如CT扫描等。
不同器官对于辐射的敏感程度不同,对辐射敏感的器官例如可以列举出晶状体、甲状腺、生殖器官(例如子宫、卵巢)等,在接收到相同的辐射剂量时,对辐射敏感的器官所受到的损伤更大,因此希望可以对器官加以区分地准确掌握每个器官所受到的辐射剂量。
被辐射剂量管理装置10具备取得部11、器官分割部12、体素剂量分布图生成部13、器官剂量计算部14。
取得部11基于来自扫描控制台的输入而取得感兴趣的图像数据,上述图像数据是被检体接受了会造成电离辐射的扫描例如CT扫描等后生成的图像数据。医生在将被检体的用户信息输入到扫描控制台后,可以利用被检体的用户信息,对感兴趣的某次扫描进行检索而取得该次扫描的图像数据。作为一例,可以举出医生希望获知患者上一次扫描中受到的辐射剂量的情况,此时,取得部11取得上一次扫描中的图像数据。
器官分割部12针对所取得的图像数据,按照被检体的器官,对图像数据进行分割。如图2A所示,图中示出了利用现有技术中的器官分割法进行分割后的示意图。图中的检查部位为颅骨区域,图中的栅格线部分表示分割后的小脑,横条纹部分表示分割后的颅骨,纵条纹部分表示耳部结构。关于器官的分割方法和被分割的检查部位,本实施方式中不作限定,可以使用任意的方法、针对任意的检查部位进行分割。另外,本实施方式关注的是,器官的被辐射剂量、特别是对辐射敏感的器官的被辐射剂量。因此也可以考虑将对辐射敏感的分割后的器官强调显示。
体素剂量分布图生成部13利用在上面说明过的训练好的被辐射剂量模型和所取得的被检体的图像数据,生成表示每个体素的被辐射剂量的体素剂量分布图。如之前说明过的那样,体素剂量分布图生成部13在将所取得的被检体的图像数据输入到训练好的被辐射剂量模型后,作为输出而将表示图像数据中各体素的分布的体素剂量分布图输出。该体素剂量分布图中,按照各个体素所受到的辐射剂量的估算值的大小,通过颜色或灰度的深浅来进行表示。
作为一例,图2B中示出了使用与图2A所使用的图像数据相同的图像数据来生成体素剂量分布图的情况。图2B中利用灰度的从深到浅来表示所受到的辐射剂量的从大到小。图中的各个像素点的灰度值表示各个体素所受到的辐射剂量的大小。另外为了方便观察,优选的是将图2B中的灰度用颜色来表示,利用不同的颜色来表示所受到的辐射剂量的大小。另外,图2B中为了方便图示而示意地示出了各部分的辐射剂量的变化,可能有与实际不一致的情况。
器官剂量计算部14基于分割后的器官的图像数据和所生成的体素剂量分布图中的每个体素所受到的辐射剂量,计算各器官所受到的辐射剂量。图2C是表示器官中的各体素所受到的辐射剂量的一例。为了方便观察,可以将各器官的边界突出地显示。另外,还可以将对辐射敏感的器官的边界突出地显示。
器官剂量计算部14被输入由体素剂量分布图生成部13生成的体素剂量分布图和由器官分割部12进行分割后的分割结果,在利用下述的式(1)计算后,可以按照器官而得到各个器官的被辐射剂量值。
其中,DT是器官所受到的辐射剂量。V是器官区域的体积。D(X,Y,Z)是每个体素(X,Y,Z)所受到的辐射剂量。ρ(X,Y,Z)是每个体素的质量密度。
通过基于上述式(1)的计算,每个器官区域所受到的辐射剂量被估算为该器官区域内的平均剂量。
由于电离辐射的危险性,为了确保接受辐射的患者的健康和安全,有时医生希望在开始扫描之前掌握患者之前所受到的辐射剂量。作为一例,例如可以举出在开始当前扫描之前,检索并取得患者的历史扫描中的图像数据的情况。通过掌握之前的被辐射剂量,可以调整扫描方案或对某些对辐射敏感的器官加以特殊的保护等。
图3的步骤100(S100)~步骤500(S500)示出了本实施方式的被辐射剂量管理装置的管理方法的流程图。
步骤100中,由医生将患者信息即被检体信息向扫描控制台输入。
步骤200中,取得部基于所输入的被检体信息在数据库中检索并取得感兴趣的图像数据。在步骤200中,医生可以获得该被检体是否是初次进行扫描、之前是何时被进行了扫描等的信息、以及经过扫描后得到的扫描图像。关于感兴趣的图像数据,作为一例,例如为了掌握之前的受辐射情况,通过取得部取得与被检体信息建立了关联的历史扫描中的图像数据。
步骤300中,体素剂量分布图生成部基于所取得的图像数据和训练好的模型,生成表示图像数据中各体素的分布的体素剂量分布图。
步骤400中,器官分割部使用步骤200中取得的图像数据,按照器官对图像数据中的各个器官进行分割,确定出各器官的边界。
步骤500中,利用步骤300中计算出的体素剂量分布图和步骤400中分割出的各个器官,计算各器官所受到的辐射剂量。
另外,以上虽然没有明确说明,但是各步骤的结果都可以通过扫描控制台等加以显示。另外步骤300和步骤400的执行顺序不限于图3所示的顺序,也可以交换步骤300和步骤400的先后顺序,也可以同时执行步骤300和步骤400。
另外,上面列举了在步骤200中利用历史扫描中的某次的扫描结果来计算该次扫描给器官带来的辐射剂量的情况,但有时也希望知道当前扫描(当前时刻的正式扫描)给器官带来的辐射剂量,因此也可以计算当前扫描给器官带来的辐射剂量。
在此情况下,在步骤200中,在执行了会产生一定的电离辐射的CT扫描等的扫描摄影之后,由取得部取得该当前扫描的图像数据,将其作为分析对象来分析各器官所受到的辐射剂量。
根据第一实施方式的构成,能够获得各器官特别是对辐射敏感的器官所受到的辐射剂量。
(变形例)
在第一实施方式中,说明了利用历史扫描和当前扫描所取得的图像数据来计算给器官带来的辐射剂量的情况。
但是,也可以在正式扫描开始之前先执行定位扫描。定位扫描是图像检查首要的扫描程序,生成的定位图像用来确定扫描范围和扫描层面。之后,根据定位图像所确定的扫描范围和扫描层面、以及选定的扫描程序的扫描参数,可以模拟出利用扫描程序生成的图像。该定位扫描是正式扫描开始前的预扫描,与正式扫描相比,所受到的辐射剂量极小。通过执行该定位扫描,可以估算出执行正式扫描时会给被检体带来的辐射剂量。
图4示出了第一实施方式的被辐射剂量管理装置的变形例的管理方法的流程图。图4中,在步骤200’中,执行定位扫描并进行对正式扫描的模拟,接着,由取得部取得模拟出的图像数据,将其作为分析对象来计算各器官所受到的辐射剂量。
根据上述构成,也能够获得各器官特别是对辐射敏感的器官所受到的辐射剂量。并且在使用定位图像来模拟正式扫描所带来的辐射剂量时,能够几乎不造成辐射地估算正式扫描所带来的辐射剂量。
(第二实施方式)
第二实施方式与第一实施方式的区别在于,在第二实施方式的被辐射剂量管理装置10’中还具备修正部15,该修正部15基于特定的修正因子,对体素剂量分布图中的每个体素的被辐射剂量进行修正。
下面针对第一实施方式与第二实施方式的不同点进行说明,省略相同部分的说明。
本发明的研究者发现,身体的组织细胞在被暴露在放射线中时被破坏,但是随着时间的推移,细胞会自行修复,从而使得被破坏的细胞数量减少。另外,被破坏的细胞数量与被辐射剂量成正比关系,身体内残留的被辐射剂量会随着身体的自我修复而减少。
因此,若不考虑各器官的自我修复功能而仅以扫描时刻的被辐射剂量分布图来计算各器官所受到的辐射剂量,则计算出的被辐射剂量是不准确的。
基于上述认识,在第二实施方式中追加了修正部15。
该修正部15被输入来自体素剂量分布图生成部13的体素剂量分布图,并基于特定的修正因子,对上述体素剂量分布图中的每个体素的被辐射剂量进行修正,将修正后的结果向器官剂量计算部14输出。上述修正因子是辐射后所经过的时间和各器官所固有的修复常数。
各体素的修正后的被辐射剂量(也称为残留的被辐射剂量或残留剂量)可以通过如下的公式(2)来表示。
Dt=D*exp(-μt) (2)
其中,D为体素在刚刚接受辐射后的被辐射剂量。t表示辐射后所经过的时间。Dt是考虑了时间因素和各器官的修复常数后的、体素的残留剂量,残留剂量Dt随时间变化的曲线图如图6所示。随着时间的经过,被检体身体内的残留剂量会迅速减少。μ为修复常数,其与细胞的自我修复能力有关,不同细胞的自我修复能力不同,从而该修复常数因器官的不同而不同。对于不同的器官而言,残留剂量Dt随时间变化的曲线图也有所不同。
在t=0时,所取得的图像数据为当前时刻刚刚扫描得到的图像数据,该扫描的经过修正后的被辐射剂量与不修正时相同。
通过执行上述计算式,能够得到每个体素的修正后的被辐射剂量(残留剂量)。
接着将修正部15修正后的结果向器官剂量计算部14输出,由器官剂量计算部14计算器官的残留剂量。
如上所述,器官剂量计算部14基于分割后的器官的图像数据和计算出的每个体素的修正后的被辐射剂量(残留剂量),计算各器官的修正后的被辐射剂量(残留剂量)。
另外,由于针对同一被检体可能进行了多次扫描,因此需要对多次扫描的修正结果进行累积来计算修正后的各体素的累积剂量,并进一步计算出修正后的各器官的累积剂量。
为了实现上述目的,修正部15中还具备体素剂量累积部16,在取得部11取得了多次扫描中的图像数据并由体素剂量分布图生成部13按照各图像数据生成了体素剂量分布图的情况下,上述体素剂量累积部16将所取得的各个图像数据中的对应的体素的修正后的体素剂量相加,从而计算出每个体素的修正后的体素剂量累积值。
体素剂量累积值可以通过如下的公式(3)来表示。
DA=∑Di*exp(-μ*ti) (3)
其中,i为扫描次数。ti表示每次辐射后所经过的时间。例如可以设为i=0时表示当前扫描,i=1时表示上次扫描,i=2表示上上次扫描……,当i=0时,t0为0,表示当次辐射后没有经过时间,当i=1时,t1表示上次扫描后所经过的时间,当i=2时,t2表示上上次扫描后所经过的时间。Di为体素在刚刚进行了各次辐射后所受到的辐射剂量,DA为考虑了时间因素和各器官的修复常数后的、各体素的修正后的被辐射剂量(残留剂量)的累积剂量值。
通过执行上述计算式,能够得到对各次扫描中的体素进行修正并累积的累积剂量值。
接着将体素剂量累积部16的输出向器官剂量计算部14输入,由器官剂量计算部14计算器官的累积残留剂量。
根据第二实施方式的构成,能够对多次扫描得到的图像数据中的体素的被辐射剂量进行修正,并得到各器官当前时刻的累积残留剂量。
图7示出了第二实施方式的被辐射剂量管理装置的管理方法的流程图。
步骤100中,由医生将患者信息即被检体信息向扫描控制台输入。
步骤200中,取得部取得感兴趣的图像数据。如第一实施方式所述的那样,上述感兴趣的图像数据可以是历史扫描中的图像数据、经过了当前时刻的正式扫描后的图像数据、以及通过执行定位扫描而确定出扫描范围和扫描层面并根据所确定出的扫描范围和扫描层面和选定的扫描程序的扫描参数而模拟出的图像数据(即预扫描的图像数据)中的至少一个。上述感兴趣的图像数据可以是一个也可以是多个,在是多个的情况下,上述感兴趣的图像数据可以是由多个历史扫描的图像数据构成的多个图像数据,也可以是由一个以上的历史扫描的图像数据和正式扫描的图像数据构成的多个图像数据。
步骤300中,体素剂量分布图生成部基于所取得的图像数据和训练好的模型,生成表示图像数据中各体素的分布的体素剂量分布图。
步骤400中,器官分割部使用步骤200中取得的图像数据,按照器官对图像数据中的各个器官进行分割,确定出各器官的边界。
接着,与第一实施方式不同,在第二实施方式中代替步骤500而进行步骤600、700的处理。
在步骤600中,修正部在取得部取得了感兴趣的图像数据并由体素剂量分布图生成部按照所取得的感兴趣的图像数据生成了体素剂量分布图的情况下,基于特定的修正因子,对上述体素剂量分布图中的每个体素的被辐射剂量进行修正,将修正后的结果向器官剂量计算部输出。当感兴趣的图像数据存在多个的情况下,通过修正部所具备的体素剂量累积部将所取得的各个图像数据中的对应的体素的修正后的体素剂量相加,得到修正后的体素的累积被辐射剂量,并向器官剂量计算部输出。
在步骤700中,器官剂量计算部基于修正后的体素的被辐射剂量,计算器官的被辐射剂量。当感兴趣的图像数据存在多个的情况下,器官剂量计算部基于修正后的体素的累积被辐射剂量,计算器官的累积被辐射剂量。
另外,以上虽然没有明确说明,但是各步骤的结果都可以通过扫描控制台等加以显示。另外步骤300和步骤400的执行顺序不限于图7所示的顺序,也可以交换步骤300和步骤400的先后顺序,也可以同时执行步骤300和步骤400。
根据第二实施方式的构成,能够对扫描得到的图像数据中的体素的被辐射剂量进行修正,并得到各器官当前时刻的残留的被辐射剂量。并且,能够对多次扫描得到的图像数据中的体素的被辐射剂量进行修正,并得到各器官当前时刻的残留的累积被辐射剂量。
(第三实施方式)
第三实施方式涉及对于计算出的器官的被辐射剂量的应用。
在第三实施方式中,可以基于计算出的器官的被辐射剂量,来对辐射风险进行预警。
【确定性风险】
确定性风险用于描述电离辐射和某些副作用之间的因果关系。确定性风险也被称为非随机效应,以便区别于偶然性随机风险(例如诱发癌症)。
确定性风险取决于剂量、剂量率、辐照体积和辐射类型等。确定性风险存在阈值,低于阈值,风险就不会发生。该阈值可能很低,而且因人而异。然而,一旦超过阈值,风险的严重性就随着受到的辐射剂量的增加而增加。
作为确定性风险的例子,可以举出如下情况。
皮肤红斑:2-5Gy
不可逆皮肤损伤:20-40Gy
脱发:2-5Gy
不育:2-3Gy
白内障:0.5Gy
致死率(全身):3-5Gy
胎儿畸形:0.1-0.5Gy
其中,戈瑞(Gy)是辐射吸收剂量的单位,是电离辐射给予单位质量物质的能量。
下面以晶状体为例进行说明。晶状体作为敏感器官,当受到的辐射剂量超过阈值时,会迅速导致细胞死亡。
在例如头部CT、鼻窦CT、眼眶CT以及神经介入手术等中,眼睛很可能在x射线范围内。如果不适当地保护眼睛,它将有可能获得很高的辐射剂量。对于复发性和慢性疾病的患者而言,他们需要经常接受CT检查,例如,26%的脑积水患者在3年内接受的辐射剂量高于150毫西弗(msv),在儿科患者中,反复的头部CT检查会导致几年内眼睛晶状体的平均累积剂量为26mGy,并且有可能达到1.3Gy。因此有必要特别关注其所受到的辐射剂量。
在本实施方式中,可以通过被辐射剂量管理装置,按照器官而提示出当前时刻的器官的被辐射剂量、该器官的确定性风险阈值、和预警信息。
例如,在利用第一、第二实施方式的被辐射剂量管理装置来管理晶状体的被辐射剂量时,在扫描控制台上显示出“该器官受到的辐射剂量为AAA”、“该器官的确定性风险的阈值为XXX”和“若超过XXX阈值则会有非常大的风险”等提示信息。从而,医生可以基于所获得的提示信息决定后续的治疗方案。
【随机风险】
如果细胞发生突变而导致基因变异或恶性转移,则会带来随机的癌症风险或遗传风险。随机风险多为晚发性的,典型的示例是癌症。随机风险也可以被称为组织特异性风险。基于第一实施方式和第二实施方式获得的各器官的被辐射剂量或累积被辐射剂量,能够计算各器官产生组织特异性变化的概率。出现组织特异性风险的概率P可以通过如下计算式表示。
P=rT*DT*WR
其中,rT为风险系数,其与靶区和患者年龄有关,具体如下表1所示,表格中的数字表示每100msv的被辐射剂量下的、以100000人为样本量时的癌症发病人数。DT为累积器官剂量。WR是辐射的权重因子,对于X射线和γ射线而言,该值为1。
表1
组织 | 儿童 | 成人 | 所有年龄 |
胃 | 66 | 30 | 37 |
肺 | 373 | 166 | 208 |
结肠 | 203 | 96 | 118 |
肝 | 32 | 14 | 18 |
膀胱 | 153 | 75 | 91 |
子宫 | 37 | 14 | 19 |
卵巢 | 76 | 28 | 37 |
前列腺 | 67 | 34 | 41 |
乳房 | 865 | 160 | 299 |
甲状腺 | 200 | 18 | 54 |
白血病 | 133 | 68 | 82 |
在本实施方式中,通过被辐射剂量管理装置,按照器官而提示出当前时刻的器官的被辐射剂量、该器官的组织特异性风险阈值、和预警信息。例如可以在扫描控制台上实时地显示“该器官受到的辐射剂量为AAA”、“该器官的组织特异性风险阈值为XXX”和“若超过XXX阈值则会有非常大的风险”等提示信息。从而,医生可以基于所获得的提示信息决定后续的治疗方案。
关于上述确定性风险和随机风险的提示,可以如上所述通过扫描控制台上的显示来提示,但是也可以通过语音等来提示。
根据第三实施方式的构成,能够给医生提供丰富的参考信息,并对风险进行预警。
以上,虽然说明了本发明的几个实施方式,但这些实施方式是作为例子而提出的,并不意图限定发明的范围。这些实施方式能够以其他各种方式实施,在不脱离发明的主旨的范围内,能够进行各种省略、替换、变更。这些实施方式及其变形包含在发明的范围、主旨中,同样包含在权利要求书所记载的发明与其等效的范围内。
Claims (12)
1.一种被辐射剂量管理装置,对被检体所受到的辐射剂量进行管理,具备:
取得部,取得被检体的图像数据;
器官分割部,针对所取得的图像数据,按照被检体的器官,对图像数据进行分割;
体素剂量分布图生成部,基于特定的被辐射剂量模型和所取得的被检体的图像数据,生成表示每个体素的被辐射剂量的体素剂量分布图;以及
器官剂量计算部,基于分割后的器官的图像数据和所生成的体素剂量分布图中的每个体素的被辐射剂量,计算各器官的被辐射剂量。
2.如权利要求1所述的被辐射剂量管理装置,
还具备体素剂量修正部,
所述体素剂量修正部,基于特定的修正因子,对所述体素剂量分布图中的每个体素的被辐射剂量进行修正。
3.如权利要求2所述的被辐射剂量管理装置,
所述器官剂量计算部,基于分割后的器官的图像数据和修正后的所述每个体素的被辐射剂量,计算修正后的各器官的被辐射剂量。
4.如权利要求2所述的被辐射剂量管理装置,
还具备体素剂量累积部,
在关于所述被检体存在多个图像数据时,
所述体素剂量累积部,将所取得的各个图像数据中的对应的体素的修正后的体素剂量相加,从而计算出每个体素的修正后的体素剂量累积值,
所述器官剂量计算部,基于分割后的器官的图像数据和计算出的所述每个体素的修正后的体素剂量累积值,计算修正后的各器官的被辐射剂量。
5.如权利要求2~4中任一项所述的被辐射剂量管理装置,
所述特定的修正因子是辐射后所经过的时间和各器官所固有的修复常数。
6.如权利要求2所述的被辐射剂量管理装置,
所述取得部取得被检体的历史扫描的图像数据、当前扫描的图像数据、预扫描的图像数据中的至少一种,所述预扫描是所述当前扫描之前进行的定位扫描,
当所述取得部取得的被检体的图像数据为当前扫描的图像数据时,所述体素剂量修正部不对该图像数据进行修正。
7.如权利要求1所述的被辐射剂量管理装置,
所述特定的被辐射剂量模型是基于深度学习的方法而生成的。
8.如权利要求1所述的被辐射剂量管理装置,
还具备使各器官的被辐射剂量显示在显示部上的显示控制部。
9.如权利要求3或4所述的被辐射剂量管理装置,
还具备被辐射剂量风险提示部,基于修正后的各器官的被辐射剂量,提示出各器官的确定性风险和随机风险。
10.如权利要求1所述的被辐射剂量管理装置,
所述被辐射剂量管理装置是X射线CT装置、PET-CT装置或SPECT-CT装置。
11.一种被辐射剂量管理方法,对被检体所受到的辐射剂量进行管理,包括如下步骤:
取得步骤,取得被检体的图像数据;
器官分割步骤,针对所取得的图像数据,按照被检体的器官,对图像数据进行分割;
体素剂量分布图生成步骤,基于特定的被辐射剂量模型和所取得的被检体的图像数据,生成表示每个体素的被辐射剂量的体素剂量分布图;以及
器官剂量计算步骤,基于分割后的器官的图像数据和所生成的体素剂量分布图中的每个体素的被辐射剂量,计算各器官的被辐射剂量。
12.一种存储介质,存储有使计算机执行权利要求11所述的被辐射剂量管理方法的程序。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111521289.8A CN116262041A (zh) | 2021-12-13 | 2021-12-13 | 被辐射剂量管理装置、被辐射剂量管理方法及存储介质 |
JP2022198061A JP2023087677A (ja) | 2021-12-13 | 2022-12-12 | 被曝線量管理装置、被曝線量管理方法及び記憶媒体 |
US18/065,105 US20230181142A1 (en) | 2021-12-13 | 2022-12-13 | Radiation exposure dose management apparatus, radiation exposure dose management method, and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111521289.8A CN116262041A (zh) | 2021-12-13 | 2021-12-13 | 被辐射剂量管理装置、被辐射剂量管理方法及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116262041A true CN116262041A (zh) | 2023-06-16 |
Family
ID=86696250
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111521289.8A Pending CN116262041A (zh) | 2021-12-13 | 2021-12-13 | 被辐射剂量管理装置、被辐射剂量管理方法及存储介质 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230181142A1 (zh) |
JP (1) | JP2023087677A (zh) |
CN (1) | CN116262041A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117690596A (zh) * | 2024-02-04 | 2024-03-12 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 器官耐受剂量的确定装置、电子设备及存储介质 |
-
2021
- 2021-12-13 CN CN202111521289.8A patent/CN116262041A/zh active Pending
-
2022
- 2022-12-12 JP JP2022198061A patent/JP2023087677A/ja active Pending
- 2022-12-13 US US18/065,105 patent/US20230181142A1/en active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117690596A (zh) * | 2024-02-04 | 2024-03-12 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 器官耐受剂量的确定装置、电子设备及存储介质 |
CN117690596B (zh) * | 2024-02-04 | 2024-06-11 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 器官耐受剂量的确定装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US20230181142A1 (en) | 2023-06-15 |
JP2023087677A (ja) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230063828A1 (en) | Methods and systems for image acquisition, image quality evaluation, and medical image acquisition | |
CN1969757B (zh) | 用于自动确定扫描对象中区域的方法和系统 | |
US9044197B2 (en) | Method for x-ray dose tracking | |
WO2014167463A2 (en) | Image quality index and/or imaging parameter recommendation based thereon | |
Damilakis | CT dosimetry: what has been achieved and what remains to be done | |
US11779288B2 (en) | Methods, systems, and apparatus for determining radiation doses | |
KR102283934B1 (ko) | Pet 영상에 기반한 가상 ct 영상 및 감쇠보정 pet 영상 생성 방법 및 시스템 | |
CN116262041A (zh) | 被辐射剂量管理装置、被辐射剂量管理方法及存储介质 | |
US11534623B2 (en) | Determining at least one final two-dimensional image for visualizing an object of interest in a three dimensional ultrasound volume | |
KR101886235B1 (ko) | Ct 영상 기반의 신체크기 특이적 피폭선량 및 화질지수 제공 장치 및 방법 | |
US20200037893A1 (en) | Interaction monitoring of non-invasive imaging based ffr | |
US20230065196A1 (en) | Patient-specific organ dose quantification and inverse optimization for ct | |
EP3901898A1 (en) | Apparatus for determining decomposed spectral image data | |
Lee | Development of the voxel computational phantoms of pediatric patients and their application to organ dose assessment | |
US20230056685A1 (en) | Methods and apparatus for deep learning based image attenuation correction | |
Carlstein | FETAL DOSE ESTIMATION IN ABDOMINAL AND PELVIC CT EXAMINATIONS | |
KR101725443B1 (ko) | 선량 평가 방법 및 장치 | |
CN114242263A (zh) | 一种射线吸收剂量的预测方法和系统 | |
Monteiro et al. | Image segmentation and voxelization techniques for dose assessment in X-ray diagnostic procedures | |
Lamoureux | Investigation of the impact of table positioning, protocol adjustments, and internal shielding on CT image quality, organ doses, and organ dose calculations in postmortem subjects | |
Stratakis et al. | Deliverable D2. 4-Software tool on personalised dosimetry in photon-based radiation therapy imaging and deep learning-guided algorithms |
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 |