CN117323581A - 表面引导的监测中确定感兴趣区的方法、系统和可读介质 - Google Patents
表面引导的监测中确定感兴趣区的方法、系统和可读介质 Download PDFInfo
- Publication number
- CN117323581A CN117323581A CN202310784430.6A CN202310784430A CN117323581A CN 117323581 A CN117323581 A CN 117323581A CN 202310784430 A CN202310784430 A CN 202310784430A CN 117323581 A CN117323581 A CN 117323581A
- Authority
- CN
- China
- Prior art keywords
- patient
- treatment
- model
- region
- interest
- 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
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000012544 monitoring process Methods 0.000 title claims abstract description 31
- 238000011282 treatment Methods 0.000 claims abstract description 213
- 238000012545 processing Methods 0.000 claims description 74
- 230000033001 locomotion Effects 0.000 claims description 45
- 210000003484 anatomy Anatomy 0.000 claims description 25
- 238000003384 imaging method Methods 0.000 claims description 18
- 238000004088 simulation Methods 0.000 claims description 14
- 230000000644 propagated effect Effects 0.000 claims description 4
- 230000005855 radiation Effects 0.000 description 42
- 230000003287 optical effect Effects 0.000 description 27
- 230000015654 memory Effects 0.000 description 23
- 230000008569 process Effects 0.000 description 19
- 238000004891 communication Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 14
- 206010028980 Neoplasm Diseases 0.000 description 10
- 230000008901 benefit Effects 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 8
- 230000000241 respiratory effect Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 238000001959 radiotherapy Methods 0.000 description 7
- 238000010801 machine learning Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000006073 displacement reaction Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 238000013439 planning Methods 0.000 description 5
- 230000003068 static effect Effects 0.000 description 5
- 238000013507 mapping Methods 0.000 description 4
- 210000000056 organ Anatomy 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000002719 stereotactic radiosurgery Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000012384 transportation and delivery Methods 0.000 description 3
- 210000001015 abdomen Anatomy 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 238000002721 intensity-modulated radiation therapy Methods 0.000 description 2
- 210000004072 lung Anatomy 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000003362 replicative effect Effects 0.000 description 2
- 230000029058 respiratory gaseous exchange Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 210000000481 breast Anatomy 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 210000000748 cardiovascular system Anatomy 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 238000004138 cluster model Methods 0.000 description 1
- 238000007408 cone-beam computed tomography Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000003434 inspiratory effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000000069 prophylactic effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 230000006335 response to radiation Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000004441 surface measurement Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 238000002366 time-of-flight method Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
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
- A61N5/1048—Monitoring, verifying, controlling systems and methods
- A61N5/1064—Monitoring, verifying, controlling systems and methods for adjusting radiation treatment in response to monitoring
-
- 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
- A61N5/103—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
- A61N5/1037—Treatment planning systems taking into account the movement of the target, e.g. 4D-image based planning
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/1048—Monitoring, verifying, controlling systems and methods
- A61N5/1064—Monitoring, verifying, controlling systems and methods for adjusting radiation treatment in response to monitoring
- A61N5/1069—Target adjustment, e.g. moving the patient support
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/1048—Monitoring, verifying, controlling systems and methods
- A61N5/1064—Monitoring, verifying, controlling systems and methods for adjusting radiation treatment in response to monitoring
- A61N5/1069—Target adjustment, e.g. moving the patient support
- A61N5/107—Target adjustment, e.g. moving the patient support in real time, i.e. during treatment
-
- 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
-
- 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
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
- G06T7/251—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- 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
- A61N2005/1056—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam by projecting a visible image of the treatment field
-
- 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
- A61N2005/1059—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam using cameras imaging the patient
-
- 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
- A61N2005/1074—Details of the control system, e.g. user interfaces
-
- 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
-
- 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
- G06T2207/30—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)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Radiation-Therapy Devices (AREA)
Abstract
本公开涉及表面引导的监测中确定感兴趣区的方法、系统和可读介质。至少一个示例实施例提供了一种方法,该方法包括:获得患者的表面;获得针对患者的第一处置信息,第一处置信息与针对患者的处置相关联,第一处置信息对应于针对患者的处置意图、针对患者的处置计划或患者的结构中的至少一者;基于针对患者的第一处置信息来获得至少一个模型;以及基于患者的表面和至少一个模型来确定患者的感兴趣区。
Description
技术领域
一个或多个示例实施例涉及用于在用于辐射治疗的表面引导的监测中确定感兴趣区(ROI)的方法、系统和计算机可读介质。
背景技术
辐射治疗涉及选择性地将人体的某些区域(诸如癌性肿瘤)暴露于辐射剂量的医学进程。辐射治疗辐照靶标生物组织,使得破坏不期望的组织。辐射也已经用于获得组织的图像以用于诊断或处置目的。
正常的生理移动表示常规放射治疗和适形治疗的临床计划和递送中的限制。正常的生理移动(诸如呼吸或心脏移动)可以引起经历辐照的肿瘤或组织区的位置移动。如果辐射射束已经被成形为使处置体积符合肿瘤的精确尺寸,那么在处置期间该肿瘤的移动可能导致辐射射束的尺寸或形状不足以完全覆盖靶标肿瘤组织。
缓解患者运动的问题的一种方法包括监测患者的表面,即基于表面的监测。在基于表面的监测中,
可能期望标识患者的表面的感兴趣区(ROI)。
在基于表面的监测工作流程中,用户在患者的3D表面图像上手动限定感兴趣区(ROI)。处置系统(例如,放射治疗系统)使用ROI来测量诸如呼吸运动的运动。
发明内容
针对各种示例实施例寻求的保护范围由独立权利要求陈述。在本说明书中描述的未落入独立权利要求的范围下的示例实施例和/或特征(如果有的话)将被解释为对理解各种实施例有用的示例。
本发明人已经发现,由用户执行以标识ROI的手动过程是主观的并且基于用户经验,并且最优ROI的标识影响在处置期间监测患者的性能(例如,准确性和计算速度)。示例实施例通过并入关于处置的信息来使ROI的限定自动化。在一些示例实施例中,基于处置系统(例如,包括线性加速器(LINAC)的处置系统)的几何数据和移动数据来确定ROI。
根据至少一个示例实施例,一种方法包括:获得患者的表面;获得针对患者的第一处置信息,第一处置信息与针对患者的处置相关联,第一处置信息对应于针对患者的处置意图、针对患者的处置计划或患者的结构中的至少一者;基于针对患者的第一处置信息来获得至少一个模型;以及基于患者的表面和至少一个模型来确定患者的感兴趣区。
根据至少一个示例实施例,确定感兴趣区包括:将患者的表面配准到至少一个模型;以及基于配准来获得向量场,应用感兴趣区是基于向量场。
根据至少一个示例实施例,该方法还包括使用向量场将至少一个模型的轮廓点传播到患者的表面上,轮廓点对应于至少一个模型中的感兴趣区。
根据至少一个示例实施例,至少一个模型是模板,并且获得至少一个模型包括从多个模板中选择模板,多个模板中的每个模板与不同的第二处置信息相关联,其中选择基于针对患者的第一处置信息与不同的第二处置信息之间的相似性来选择模板。
根据至少一个示例实施例,模板和与针对患者的第一处置信息具有最高相似性的第二处置信息相关联。
根据至少一个示例实施例,每个第二处置信息与解剖区和监测任务相关联。
根据至少一个示例实施例,该方法还包括:基于患者的表面和针对患者的第一处置信息来模拟针对患者的处置;以及基于模拟来确定患者的感兴趣区。
根据至少一个示例实施例,至少一个模型是被配置为执行处置的处置系统的,并且该模拟对用于执行处置的处置系统的至少一个移动进行模拟。
根据至少一个示例实施例,至少一个移动包括以下中的至少一者:机架旋转,或床榻移动。
根据至少一个示例实施例,至少一个模型包括:第一模型,其被配置为对处置系统的成像系统进行建模;以及第二模型,其被配置为对处置系统的能量发射系统进行建模。
根据至少一个示例实施例,确定患者的感兴趣区包括:标识在整个模拟期间可由成像系统查看的区域;以及将感兴趣区确定为该区域。
根据至少一个示例实施例,患者的表面是四维(4D)点云,并且该方法还包括:基于4D点云来确定平均三维(3D)表面,该模拟是基于平均3D表面;以及基于4D点云来确定运动图,确定患者的感兴趣区基于运动图来确定患者的感兴趣区。
根据至少一个示例实施例,一种系统包括处理电路,该处理电路被配置为使该系统:获得患者的表面;获得针对患者的第一处置信息,第一处置信息与针对患者的处置相关联,第一处置信息对应于针对患者的处置意图、针对患者的处置计划或患者的结构中的至少一者;基于针对患者的第一处置信息来确定模型;基于患者的表面和模型来确定患者的感兴趣区;以及提供针对患者的表面的感兴趣区。
根据至少一个示例实施例,处理电路被配置为使该系统显示患者的表面上的感兴趣区。
根据至少一个示例实施例,至少一个模型是模板,并且处理电路被配置为使该系统:从多个模板中选择模板,多个模板中的每个模板与不同的第二处置信息相关联;并且基于针对患者的第一处置信息与不同的第二处置信息之间的相似性来选择模板。
根据至少一个示例实施例,模板和与针对患者的第一处置信息具有最高相似性的第二处置信息相关联。
根据至少一个示例实施例,每个第二处置信息与解剖区和监测任务相关联。
根据至少一个示例实施例,处理电路被配置为使该系统:基于患者的表面和针对患者的第一处置信息来模拟针对患者的处置;以及基于该模拟来确定患者的感兴趣区。
根据至少一个示例实施例,至少一个模型是被配置为执行处置的处置系统的,并且该模拟对用于执行处置的处置系统的至少一个移动进行模拟,该至少一个移动包括以下中的至少一者:机架旋转,或床榻移动。
根据至少一个示例实施例,至少一个模型包括:第一模型,其被配置为对处置系统的成像系统进行建模;以及第二模型,其被配置为对处置系统的能量发射系统进行建模。
附图说明
从下文给出的详细描述和附图将更完全地理解示例实施例,其中相同的元件由相同的附图标记表示,详细描述和附图仅通过说明的方式给出并且因此不是对本公开的限制。
图1A至图1B图示了根据至少一个示例实施例的系统;
图2A图示了患者的3D表面图像上的感兴趣区;
图2B图示了包括两个立体相机的医学系统的示例实施例;
图3图示了根据至少一个示例实施例的确定感兴趣区的方法;
图4图示了根据至少一个示例实施例的图3中示出的选择模板的流程图;
图5图示了图3中示出的复制感兴趣区的至少一个示例实施例;
图6图示了确定感兴趣区的方法的另一示例实施例;
图7图示了图6中示出的模拟处置的至少一个示例实施例;
图8图示了从图7的组合得到的示例显示;以及
图9图示了可以利用其来实现实施例的控制系统的图。
应当指出,这些图旨在图示在某些示例实施例中利用的方法、结构和/或材料的一般特性,并补充以下提供的书面描述。然而,这些附图不是按比例的,并且可以不精确地反映任何给定实施例的精确结构或性能特性,并且不应被解释为限定或限制由示例性实施例所包含的值或性质的范围。在各个附图中对相似或相同的附图标记的使用旨在指示相似或相同的元件或特征的存在。
具体实施方式
现在将参考其中示出了一些示例实施例的附图更完全地描述各种示例实施例。
本文公开了详细的说明性实施例。然而,本文公开的具体结构和功能细节仅仅出于描述示例实施例的目的而是代表性的。然而,示例性实施例可以以许多替代形式来体现,并且不应被解释为限于仅本文阐述的实施例。
应当理解,不旨在将示例实施例限于所公开的特定形式。相反,示例实施例应涵盖落入本公开的范围内的所有修改、等同和替代。在附图的整个描述中,类似的附图标记指代类似的元件。
虽然可以从特定设备的角度来描述一个或多个示例实施例,但是应当理解,本文讨论的一个或多个示例实施例可以由在可应用设备处的一个或多个处理器(或处理电路)执行。例如,根据一个或多个示例实施例,至少一个存储器可以包括或存储计算机程序代码,并且该至少一个存储器和该计算机程序代码可以被配置为利用至少一个处理器使设备或系统执行本文讨论的操作。
如本文所讨论的,术语“一个或多个”和“至少一个”可以可互换地使用。
将认识到,可以组合使用多个示例实施例。
图1A至图1B图示了根据至少一个示例实施例的系统。
图1A图示了医学系统10。在图示的实施例中,医学系统10是辐射处置系统,并且其包括医学设备11和用于支撑患者20的患者支撑件14。医学设备11包括臂机架12和用于控制机架12的操作和辐射的递送的控制系统18。医学设备11还包括辐射源22(例如,线性加速器(LINAC))和准直器24,辐射源22在患者20被支撑在支撑件14上时朝向患者20投射辐射的射束26,准直器24用于改变射束26的横截面形状。在不同的实施例中,辐射源22可以被配置为生成锥形射束、扇形射束或其他类型的辐射射束。而且,在其他实施例中,源22可以被配置为生成作为用于处置目的的辐射的形式的质子射束。而且,在其他实施例中,系统10可以具有其他形式和/或配置。例如,在其他实施例中,代替臂机架12,医学设备11可以具有环形机架或机器人臂。
在图示的实施例中,辐射源22是用于提供处置能量的处置辐射源。在其他实施例中,除了作为处置辐射源之外,辐射源22还可以是用于提供诊断能量的诊断辐射源以用于成像目的。在这样的情况下,系统10将包括成像器80,诸如位于相对于源22的操作位置处(例如,在支撑件14下方)的成像器80。在另外的实施例中,辐射源22可以是用于提供处置能量的处置辐射源,其中处置能量还可以用于获得图像。在这样的情况下,为了使用处置能量获得成像,成像器80被配置为响应于具有处置能量的辐射而生成图像。在一些实施例中,处置能量通常是160千电子伏特(keV)或更大并且更典型地1兆电子伏特(MeV)或更大的那些能量,并且诊断能量通常是低于高能量范围并且更典型地低于160keV的那些能量。在其他实施例中,处置能量和诊断能量可以具有其他能级,并且分别是指用于处置目的和诊断目的的能量。在一些实施例中,辐射源22能够以在大约10keV和大约20MeV之间的任何范围内的多个光子能级提供X射线辐射。在另外的实施例中,辐射源22可以是诊断辐射源。在这样的情况下,系统10可以是具有一个或多个移动部分的诊断系统。在图示的实施例中,辐射源22由臂机架12承载。备选地,辐射源22可以位于孔内(例如,耦合到环形机架)。
在图示的实施例中,控制系统18包括耦合到输入/输出设备40的处理电路54,诸如处理器。控制系统18还可以包括用于显示数据的监视器56和用于输入数据的输入设备58,诸如键盘或鼠标。辐射源22和机架12的操作由处理电路54控制,处理电路54向辐射源22提供功率和定时信号,并且基于从处理电路54接收到的信号来控制机架12的旋转速度和位置。在一些情况下,处理电路54还可以控制患者支撑件14的位置和辐射源22。此外,在一些情况下,处理电路54可以被配置为控制射束26(例如,用于选通的射束保持)。另外,处理电路54可以被配置为控制成像过程(例如,成像的触发)。尽管输入/输出设备40被示出为与机架12和处理电路54分离的部件,但是在备选实施例中,输入/输出设备40可以是处理电路54的一部分。
在一些实施例中,医学系统10可以是被配置为以不同的机架角度朝向患者20递送处置辐射射束的处置系统。在处置进程期间,源22围绕患者20旋转并且从不同的机架角度朝向患者20递送处置辐射射束。当源22处于不同的机架角度时,操作准直器24以改变射束的形状以与靶标组织结构的形状相对应。例如,可以操作准直器24,使得射束的形状类似于靶标组织结构的横截面形状。在另一示例中,可以操作准直器24,使得靶标组织结构的不同部分接收不同辐射量(如在调强辐射治疗(IMRT)进程中)。
在其他实施例中,医学系统10可以是被配置为朝向患者20递送成像辐射射束以对患者20成像的成像系统。
如图1B所示,系统10还包括光学系统150。光学系统150可以包括光源152、多个相机154(例如,立体相机)和与相机154通信的处理单元156。在图示的示例中,光源152被配置为提供结构光和/或非结构光。而且,如图所示,光学系统150具有三个相机154。在其他实施例中,光学系统150可以具有少于三个相机154(例如,一个相机154或两个相机),或多于三个相机154。而且,在其他实施例中,光学系统150可以包括多个光源152。
而且,在一些实施例中,由光源152提供的结构光和/或非结构光可以在红外范围内(例如,具有红外波长)。这种技术避免需要使用非常强的光源,非常强的光源可能使患者“失明”,特别是在头部、颈部和乳房处置期间,其中光被指向患者的上部。在其他实施例中,光源152可以被配置为提供具有其他波长的不可见光(例如,紫外光)。而且,使用不可见光不会表现出可能使患者困惑的频闪效应,并且不会触发运动厚度的症状。
光学系统150还可以可选地包括框架160,相机154和光源152可以安装到该框架160。框架160可以安装到医学系统10所在的房间的天花板和/或墙壁。备选地,框架160可以安装到医学系统10。具有框架160的相机154可以在工厂处预先组装,这允许在医学设施处容易的安装。相机154可以可移动地安装到框架160。在一个实现方式中,相机154中的每个相机可以可旋转地安装到框架160(例如,经由球形接头),使得相机154可相对于框架160绕一个或多个轴旋转。类似地,光源152可以可移动地安装到框架160。例如,光源152可以可旋转地安装到框架160(例如,经由球形接头),使得光源152可相对于框架160绕一个或多个轴旋转。在其他实施例中,代替球形接头,相机154和光源152可使用其他连接器(诸如臂)可移动地安装到框架160,使得相机154和光源152可相对于框架160移动。在其他实施例中,相机154和/或光源152中的一者或多者可以直接安装到医学系统10或房间。
另外,在其他实施例中,代替仅具有一个光源152,光学系统150可以包括多个光源152。在一些实施例中,光源152中的每个光源可以被配置为提供结构光和非结构光。在其他实施例中,光源152中的一个或多个光源可以被配置为提供结构光,而光源152中的另外的一个或多个光源可以被配置为提供非结构光。
而且,在一些实施例中,光源152可以与一个或多个相机154集成。例如,在一个实现方式中,光学系统150可以包括多个小群聚(pod),其中每个小群聚可以具有一个或多个光源152和一个或多个相机154(例如,两个相机154)。
如图1B所示,光学系统150还可以包括多个飞行时间(TOF)相机158。每个TOF相机158被配置为提供深度图像。深度图像具有表示参考点和检测到的表面点之间的距离的像素值。在一些实施例中,每个TOF相机158可以是红外相机。在使用期间,来自相机154和TOF相机158的图像由处理单元156处理,以在处置之前和处置期间获得和监测患者的表面轮廓,用于以下目的:患者设置(绝对定位和/或相对定位)、在处置期间的患者监测(例如,监测绝对位置和/或相对位置)、工具监控、防止患者-机器碰撞、或前述的组合。患者监测可以包括:(1)确保患者不离开其设置位置,和/或(2)记录由于呼吸引起的周期性患者运动,并且相应地控制机器(例如,射束保持、多叶准直器跟踪、患者支撑件的跟踪等)。
在一些情况下,TOF相机158可以帮助增大视场,并且可以观察未被相机154捕获的盲点。
在其他实施例中,光学系统150可以不包括任何TOF相机158。
在一些实施例中,光学系统150可以包括多个小群聚,其中每个小群聚可以具有一个或多个光源152、一个或多个相机154(例如,两个相机154)以及一个或多个TOF相机158。例如,可以存在具有一个或多个光源152和两个相机154的第一小群聚以及具有一个或多个光源152和两个相机154的第二小群聚。此外,在一些实施例中,小群聚可以包括另一类型的或辅助的相机或深度测量设备。例如,除了TOF相机之外,小群聚可以包括超声距离传感器、光敏防护装置或激光扫描器。在一些实施例中,小群聚还可以包括一个或多个常规视频相机。在这样的情况下,处理器可以从常规视频相机获得信息,并将该信息与3D图像合并。视频相机可以用于检测具有已知几何性质的标志,以获得附加的几何3D信息。在另外的实施例中,光学系统150可以在每个小群聚中包括web相机。在一些情况下,来自web相机或常规视频相机的图像可以叠加在检测到的表面或距离图上。这可以帮助限定感兴趣区。例如,如果用户没有看到用户接口屏幕的表面表示,但是可以看到场景的真实照片,则用户仍然可以使用用户接口来限定感兴趣区。
在一些实施例中,小群聚可以安装到光学系统150的框架。在其他实施例中,小群聚可以安装到与光学系统150的框架不同的框架。而且,在另外的实施例中,小群聚可以被配置为安装到医学系统10,例如安装到机架、安装到患者支撑件。在一些情况下,小群聚可以安装到耦合到医学系统10的可展开臂。在其他实施例中,小群聚可以安装到房间(例如,安装到墙壁、天花板、地板等)。
光学系统150可以被配置为提供患者设置、患者监测、设备监测、呼吸运动控制、患者-机器碰撞防止或前述的任何组合。因此,在一些情况下,相同的光学系统150可以提供多种用途。在一些实施例中,可以同时执行上面提到的不同的临床使用情况。在一个实现方式中,来自相机154和来自TOF相机158的实时输入图像序列可以由处理单元156处理以进行患者监测和/或设备监测。而且,在一些实施例中,通过将患者的外部表面信息(由光学系统150提供)与内部解剖结构的X射线成像进行组合,可以实现高度集成的且自动化的处置工作流程。
在一种使用方法中,光学系统150的光源152可以用于提供结构光。结构光可以被投射到诸如患者的对象上,用于患者设置。如在本说明书中所使用的,当光被描述为被投射到患者上时,其旨在涵盖其中光被直接投射到患者上(即,被直接投射到患者的皮肤上)的情景,以及其中光被投射到穿戴或耦合到患者的对象上(例如,投射到由患者穿戴的衣服上、盖着患者的毯子上、患者上的贴纸上等)的情景。相机154感测如投射在患者上的结构光,并生成投射的结构光的图像。处理单元156被配置为处理来自相机154的图像,并基于所处理的图像来确定患者的位置(例如,定位和/或定向)。一旦确定了患者的位置,处理单元156就可以基于要实现的患者的期望位置来确定移动患者的方向以及移动患者的程度。
在一些情况下,可以由处理单元156获得参考图像。在处置计划会话期间,或在处置会话之前的处置日,可以使用光源152和相机154生成参考图像。参考图像包括如投射到患者上的结构光的图像,其指示要实现的患者相对于某个坐标的期望位置。在患者设置期间,光源152和相机154用于生成输入图像。处理单元156将输入图像与参考图像进行比较以确定它们是否匹配。如果不匹配,则患者被重新定位,直到输入图像和参考图像匹配为止。
在一些实施例中,如果光学系统150包括一个或多个TOF相机(例如,TOF相机158),则TOF相机可以生成一个或多个深度图像。在这样的情况下,处理单元156可以使用深度图像来执行患者设置。处理单元156可以仅使用深度图像而不使用来自相机154的光学图像。备选地,处理单元156可以使用深度图像和来自相机154的图像两者来执行患者设置。在一个实现方式中,可以由处理单元156获得参考深度图像。参考深度图像包含关于患者的表面相对于在患者周围的一个或多个对象(例如,医学系统10的部件、患者支撑件14、房间的墙壁等)的期望位置的信息。参考深度图像可以在处置计划会话期间或在处置会话开始之前的处置日由TOF相机生成。在患者设置进程期间,TOF相机提供深度图像,该深度图像指示患者的表面相对于在患者周围的一个或多个对象的位置。处理单元156将深度图像与参考深度图像进行比较以看看它们是否匹配。如果不匹配,则重新定位患者,直到深度图像匹配参考深度图像为止。
在美国申请号15/728,475中描述了由医学系统10执行的附加功能,其全部内容通过引用并入。
在其他实施例中,光源152提供结构光并将其指引到对象上,并且来自对象的反射光(例如,IR光)由相机154(例如,立体相机)的两个透镜的图像传感器测量,该图像传感器偏离光源152。光源152和两个透镜的几何结构是已知的。因此,处理单元156可以使用三角测量以通过在来自图像传感器的图像中找到相同的结构图案来计算表面的距离。结果是类似于TOF技术的深度图(或距离图)。
在一些情况下,光源152和两个相机154可以被实现为一个小群聚,并且可以存在附加小群聚,其中每个小群聚具有光源和两个偏离相机。处理单元156可以被配置为将来自一个小群聚的深度图添加到从其他位置处的其他小群聚确定的其他深度图,以便绘制出对象的表面,从而形成更大的深度图。在一些情况下,该深度图可以由限定的坐标系中的点云来表示。处理单元156还可以计算参考表面到测量表面的距离以检测可能的偏离。
在一些实施例中,可以使用随时间变化的灰度级来实现结构图案。在这样的情况下,通过光源将随时间变化的灰度级投射在要测量的表面上。然后,处理单元156利用算法来找到两个相机图像中的对应像素。已知针对该表面点的相机像素和相机配置(例如,小群聚中的每个相机的位置和/或定向),可以由处理单元156针对每个相机确定朝向该物点的射线的角度。由于小群聚中的两个相机之间的距离是已知的,因此处理单元156然后可以使用三角测量技术来计算到该表面点的距离(也称为“表面的距离”)。在一些实施例中,可以从相机小群聚测量到表面点的这样的距离。可以针对所有物点重复上述过程,从而创建深度/距离图,该深度/距离图表示已知坐标系中的感兴趣表面。
在一个实现方式中,给定小群聚中的相机中的每个相机(或单个相机中的图像传感器)记录具有投射到患者/感兴趣对象上的不同条纹图案的一系列图像。根据那些图像,然后由处理单元156创建视差图。视差图测量如由两个相机看到的两个对应点的距离。然后由处理单元156使用这些视差图来创建3D有序点云,即由两个相机看到的对象的表面信息(在给定坐标系中)。利用多个小群聚,这样的3D有序点云可以由处理单元156合并到更大的共同表面。更大的共同表面是有利的,因为它填充了一个或若干小群聚看不到的区域的间隙,并且它可以增大总体视场。
在另一个实现方式中,在处置会话之前,可以生成投射到患者上的结构光的图像,并将该图像记录为4D患者表面。
光学系统150可以被配置为提供患者设置、患者监测、设备监测、呼吸运动控制、患者-机器碰撞防止或前述的任何组合。而且,在一些实施例中,通过将患者的外部表面信息(由光学系统150提供)与内部解剖结构的X射线成像进行组合,可以实现高度集成的且自动化的处置工作流程。
在基于表面的监测工作流程中,用户手动限定患者的3D表面图像上的感兴趣区(ROI)。由处置系统(例如,放射治疗系统)使用ROI来测量诸如呼吸运动的运动。
图2A图示了患者的3D表面图像上的ROI。在图2A中示出的示例中,ROI 205由诸如医学系统10的医学系统的用户(例如,治疗师)设置。更具体地,图2A图示了患者的3D表面图像210。3D表面图像210由处理单元156生成并且可以经由监视器56显示给用户。
更具体地,可以使用一个或多个相机154来生成3D表面图像210。例如,图2B图示了包括两个立体相机的医学系统的示例实施例。在相机是立体相机并且立体相机154的数目为两个的示例中,可以通过组合来自不同相机154的点云来形成患者的表面模型。两个立体相机154可以被定位成查看患者20的相反侧。特别地,存在被定位成从患者20的右侧查看他/她的第一立体相机154和被定位成从患者20的左侧查看他/她的第二立体相机154。在另一示例中,可以存在被定位成从患者20的头部上方朝向脚部的方向查看他/她的第一相机154,和被定位成从患者20的脚部下方朝向头部的方向查看他/她的第二相机154。在一些实施例中,处理单元156可以被配置为从第一立体相机154接收第一图像(例如,具有第一深度信息),并从第二立体相机154接收第二图像(例如,具有第二深度信息)。因为两个立体相机154之间的相对位置是已知的,所以处理单元156可以使用该位置信息来执行坐标变换,使得来自两个图像的患者20的表面可以被组合以形成患者的3D表面图像。
类似地,处理单元156和/或控制系统18可以确定立体相机的参考框架与辐射源(例如,LINAC)的参考框架之间的变换。
在一些实施例中,处理单元156可以被配置为基于预期的和/或检测到的受保护表面位置和尺寸从立体相机154的整个视场的点云或合并的多相机视图确定表面。
返回参考图2A,用户然后在3D表面图像210上手动设置ROI 205。然而,由用户执行的手动过程是主观的并且基于用户经验,这影响在处置期间对患者进行监测的性能(例如,准确性和计算速度)。此外,手动方法不是系统性的。例如,用户使用他或她的时间,以使用手动绘图工具基于用户的知识和经验来手动设置ROI 205。
如果ROI被定位在整个处置中云点不可见的表面区域上,则系统不能针对整个处置时间而监测患者的位置。此外,如果ROI被定位在整个处置中云点不可见的表面区域上,则ROI跟踪算法更难以跟踪ROI位置,这可能引发一些位移或旋转值。然后这被用户感知为好像患者已经移动。在更严重的情况下,如果ROI被定位在整个处置中云点不可见的表面区域上,则ROI跟踪算法可能由于不良ROI质量而无法检测到患者的移位。另外,次优ROI选择可以降低整个运动管理系统的有效性,从而导致不太准确地施加的辐射。
示例实施例通过将关于处置的信息并入到确定中来改进确定ROI的准确性和计算速度。在一些示例实施例中,基于处置系统(例如,包括线性加速器(LINAC)的处置系统)的几何数据和移动数据来确定ROI,以避免处置系统的部分(例如,LINAC)遮挡患者的视图。根据示例实施例的ROI限定过程改进了表面跟踪的技术性能,并且还使得能够定制ROI限定以对应于临床任务和解剖部位。临床任务的示例包括监测身体的部分以确保不存在移动或存在有限的移动(例如,大脑中的处置),和监测患者的呼吸以便仅在预限定呼吸位置期间递送辐射。
图3图示了根据至少一个示例实施例的确定患者的感兴趣区的方法。图3的方法可以由诸如医学系统10的医学系统执行。参考图3描述的计算和算法可以由诸如控制系统18的控制系统或诸如处理单元156的处理单元执行。更具体地,控制系统内的处理电路被配置为使医学系统执行本文描述的功能。如果处理电路是处理器,则处理器被配置为通过执行存储在存储器(例如,存储神经网络或其他基于机器学习的结构)中的指令来使医学系统执行本文描述的功能。
在S305处,医学系统获得患者的3D表面。3D患者表面可以是点云。可以如上所述生成3D患者表面。
在S310处,医学系统获得针对患者的处置信息(第一处置信息)。针对患者的处置信息可以与针对患者的处置相关联,并且对应于针对患者的处置意图、针对患者的处置计划或患者的结构中的至少一者。
处置意图可以包括关于患者的诊断、患者的处置部位、患者的肿瘤分期和患者的处置方法(治愈性与缓解性、预防性)的分类器和信息。
针对患者的处置计划可以包括分类器和信息,诸如患者的姓名、患者的标识、性别、出生日期、用于处置的患者的位置(例如,头或脚朝前、俯卧或仰卧或卧位)、处置机器名称、机架角度、机架旋转方向、控制点序列、附件和/或射束限制设备类型。
针对患者的处置计划允许医学系统限定在处置递送期间的线性加速器的位置和运动路径(例如,角度和旋转)。
例如,在医学放射治疗中的数字成像和通信(DICOM-RT)中,LINAC的运动路径被限定为控制点序列。在每个控制点中限定可移动轴的实际位置。
患者的结构是来自结构集ROI序列(其还包含所有轮廓化结构名称,例如身体、心脏、肺、床榻表面等)的结构集对象,并且使用ROI轮廓序列(包含实际轮廓点)。ROI轮廓序列可以是指DICOM中的数据表示。例如,结构集ROI序列[0]可以包括身体外形结构的元数据,而几何信息可以在ROI轮廓序列[0]中被限定为闭合平面点。
在S315处,医学系统可以基于针对患者的处置信息来获得至少一个模型。更具体地,医学系统可以从模板库中选择模板,其中所选择的模板可以是对应于针对患者的至少一项处置信息的模型。
例如,医学系统可以从模板库中获得包括与针对患者的处置信息(例如,设置、要处置的解剖区域)相同的信息的模板。在一个示例中,针对患者的处置信息包括描述患者如何被定位在台上的设置信息,例如HFS(=头朝前仰卧)、HFP(头朝前俯卧)。医学系统获得具有与针对患者的处置信息中的患者设置信息匹配的患者设置信息的模板。
模板库可以由控制系统存储,或者存储在医学系统外部,诸如存储在云计算系统中。
模板库存储用于处置的多个模板。每个模板包括用于处置的参考信息(第二信息)。例如,每个模板可以与要处置的解剖区(例如,心脏、身体、肺、大脑)和监测任务(例如,深吸气屏气(DIBH),立体定向放射外科(SRS))相关联。对于要处置的解剖区,模板包括解剖区的参考表面和针对解剖区的参考ROI。
每个模板可以基于对底层数据的审查、对数据中的一些数据进行分类并标记数据中的一些数据来创建。
模板创建的一部分是底层数据的分类和标记。例如,要被包括在模板中的结构数据(例如,计划信息、结构集等),可以审查和验证该结构数据以改进要被包括在模板中的结构数据的内容的准确性。对于参考表面的分类,模板可以包括基于身体外形和表面的热核签名计算的度量,诸如身体(或身体的区)的曲率或体积。
每个模板还可以包括默认ROI半径和要在ROI内的最小数目的可见表面点。
监测任务的其他示例包括两个任务的组合(一个ROI用于限制于无移动,并且第二ROI用于监测患者的呼吸)。通常,监测任务将测量的表面偏差与公差阈值进行比较。对于SRS,该公差阈值非常小(例如<1mm),而对于DIBH,公差阈值较大(例如5mm)。
医学系统基于针对患者的处置信息与每个模板中的参考信息之间的相似性来从多个模板中选择模板。医学系统选择与针对患者的处置信息具有最高相似性的模板。
图4图示了根据至少一个示例实施例的图3中示出的选择模板的流程图。图4仅表示如何可以选择最佳匹配模板的一种方法。
在S405处,控制系统标识针对患者的处置信息中的n个患者分类器中的每个患者分类器。例如,针对患者的处置信息可以包括针对要处置的解剖区、在处置期间的患者定向、身体外形结构、处置技术、射束布置和辐照靶标位置(例如,肿瘤或节点区的位置)的分类器和信息。
在S410处,控制系统将索引值初始化为零,并且在S415处,将针对患者的处置信息中的第一分类器与模板库中的每个模板进行比较。在一个示例中,每个模板可以具有与处置信息的分类器的类型匹配的分类器的类型。例如,如果解剖区是第一分类器,则医学系统将要处置的患者的解剖区与每个模板的参考解剖区进行比较。
在S420处,控制系统选择模板候选。在一个示例中,控制系统选择具有与患者的解剖区匹配的参考解剖区的模板候选。例如,如果要处置的患者的解剖区是腹部,则控制系统选择参考解剖区是腹部的模板。
在S425处,控制系统确定是否所有患者分类器已经被审查并与来自模板库的模板进行比较。如果控制系统确定还没有审查所有患者分类器,则控制系统在S427处将索引值增加一,并在S415处将下一患者分类器与模板库中的模板进行比较。对于下一分类器(例如,第二分类器),系统可以针对所有模板或针对先前分类器选择的模板来比较该分类器。
取决于分类器,如果针对后续分类器的参考信息与针对患者的信息不匹配,则模板候选可以被移除作为模板候选。在一个示例中,一些分类器必须具有模板候选和处置信息中的匹配信息(例如,解剖区、患者定向、处置技术),并且其他分类器可以具有模板候选和处置信息之间的相似信息。
控制系统确定所有患者分类器已经被审查并与来自模板库的模板进行比较,控制系统基于与针对患者的处置信息的相似性来从候选模板中选择模板。更具体地,控制系统选择与针对患者的处置信息和患者的姿势(例如,患者的表面或身体外形结构)具有最高相似性的模板候选。
在S435处,用户审查并批准所选择的模板。
自动选择优于手动选择,因为系统能够将当前患者的意图、计划和结构集信息与大量模板情况进行比较,以便找到最佳匹配。它还可以以更系统性的方式进行,并且移除了操作者间的变化性。
在S317处,控制系统基于3D患者表面和所选择的模板来确定患者的ROI。更具体地,在一个示例中,S317包括两个步骤S320和S325,其将在下面描述。
在S320处,控制系统将3D患者表面与所选择的模板的3D参考表面配准。控制系统使用刚性或可变形配准将3D参考表面配准到3D患者表面。配准得到向量场(即,变换)以将3D参考表面中的ROI轮廓点传播到3D患者表面上。3D患者表面可以是3D点云。3D参考表面中的ROI轮廓点对应于3D参考表面中的参考ROI。
在S325处,控制系统通过使用向量场将3D参考表面中的ROI轮廓点传播到3D患者表面上,将来自3D参考表面的参考ROI复制到3D患者表面。传播可以如美国专利号10,275,895中所描述的执行,该专利的全部内容通过引入并入本文。
图5图示了图3中示出的复制感兴趣区的至少一个示例实施例。
图5是数据集中的相关图像之间的示例性传播的图示。根据一些实施例,第一图像501(例如,3D参考表面)和相关联的第二图像517(3D患者表面)可以表示从医学成像系统生成的受试者解剖结构的一部分的图像,例如,诸如CT图像或CBCT图像。这些图像可以包括诸如器官或血管或其他解剖单元的结构。在一些实施例中,这些结构可以手动地(例如,通过用户接口)或自动地(例如,通过软件进程)勾画和标识。
在典型的诊断和处置过程期间,可以通过手动或自动轮廓化来增强由医学成像设备生成的图像数据。轮廓化可以例如用于勾画、强调或瞄准图像的具体部分。如图5中所呈现的,通过执行美国专利号10,275,895中描述的方法,第一或“源”图像501中的手动或自动轮廓化效果可以被自动传播到第二相关联的“靶标”图像517。
在某些条件下,第一和第二图像(分别是图像501和图像517)之间的关联可以在诸如图像操纵和/或图像显示应用的应用内预先限定。根据其他配置,可以通过接收到的手动输入(例如,通过屏幕上的用户接口而来自用户)来确定地且明确地建立关联。在另外的配置中,一旦满足某些前提条件(例如,相同的标识的受试者、相同的标识的存储位置等),就可以自动建立关联。
如图5中所描绘的,数据集内的图像还可以包括一个或多个层。例如,第一图像501被呈现有多个层(例如,层503、505)。根据一些实施例,所标识的特征可以在一个或多个层当中被分组和/或布置。例如,对于其中图像表示受试者的解剖结构的实施例,器官可以被呈现在一个层上,心血管系统可以被呈现在第二层上,并且骨骼系统可以被呈现在第三层上,等等。在又一些另外的实施例中,轮廓化效果可以与其他特征分离并布置在专用层内。
包括第一图像501的层可以对应于第二图像517的层。因此,例如,第二图像517的轮廓层519对应于第一图像501的轮廓层503,并且第二图像517的特征层521对应于第一图像501的特征层505。根据这些实施例,相关联的图像当中的类似标识的层可以在应用或平台内自动相关联。备选地,也可以创建用户限定的关联。
如图5中所呈现的,图像501包括包含特征(例如,特征509)的特征层505。特征可以例如表示靶标解剖结构中的解剖器官或其他区。同样,相同的解剖器官或区也可以在第二图像5的特征层521中表示为特征525。如图5所示,特征525看起来比特征509小。根据一些实施例,一对(或更多)图像内的两个特征或单元之间的具体像素差异可以通过变形机制(例如,变形图511)来映射。如图5中所呈现的,可以通过确定包括一个或多个特征(例如,特征509和特征525)的像素中的对应关系来执行映射。
如图5中所描绘的,可以通过针对每个图像生成像素图来映射对应关系。每个像素图(例如,变形图)可以具体地针对每个图像被生成,并且在变形图中绘制包括图像的特征(经由像素)之间的空间相对性。第一图像501的变形图与第二图像517的变形图之间的对应关系可以例如通过以下方式来映射:确定包括每个图像上的特征的像素的相对像素强度、基于像素强度来确定第一图像501中的像素与第二图像517中的像素之间的对应关系(例如,等效性)以及确定图像的相应变形图中的相关像素之间的相对位移。
因此,例如,可以确定特征509中的任何像素相对于相邻像素的像素强度,并将其与特征525中具有相同或基本上等效的相对像素强度的像素相关联。可以针对包括图像501、517的结构的每个像素生成一对一映射。一旦包括每个特征的像素与相关图像中的等效像素相关联,就可以确定并映射源图像501的每个像素与靶标图像517中的其等效像素之间的相对位移。
该相对位移可以被实现为映射表示每个相应图像(301、317)的多个变形图之间的相对性的配准图(例如,511)(并且在S317处由控制系统生成)。因此,例如,变形图513(对应于图像501)和变形图515(对应于图像517)中的每个像素之间的具体变形可以被确定为向量,其中聚合的相对性包括向量场。因此,图像501内的其他数据点(例如,像素)可以通过应用等效或基本上等效向量来针对图像517类似地修改。在替代实施例中,代替生成向量场,表示包括向量场的向量的底层代数方程可以用于确定变形(位移)。
一旦已经生成了变形机制511,就可以将一个图像中的轮廓化效果传播到另一个相关联的图像。如所描绘的,轮廓层503中的轮廓化结构507可以在图像517的轮廓层519中传播。然而,与仅能够明确复制的传统方法不同,可以根据变形机制511修改复制效果以更准确地反映受试者解剖结构。因此,例如,如果特征509与特征525之间的相对性包括改变(例如,尺寸、形状、轴、定向等的改变),则一旦传播,轮廓化效果就可以经历等效的改变。如图5中所描绘的,示例性特征525包括比特征509小的总面积。同样,轮廓化结构507一旦通过变形机制511调整,就也可以在第二图像中被反映为更小的总面积,作为轮廓化效果523,从而提供自动传播,该自动传播响应于任何随时间的改变而提供自适应输出。
在S327处,控制系统使监视器向用户显示3D表面患者上的复制的ROI,例如,如图8所示(这将在下面进一步描述)。
图6图示了确定感兴趣区的方法的另一示例实施例。如将描述的,医学系统使用被配置为对患者执行处置的医学系统的至少一个模型。图6的方法可以由诸如医学系统10的医学系统执行。参考图6描述的计算和算法可以由诸如控制系统18的控制系统或诸如处理单元156的处理单元执行。更具体地,控制系统内的处理电路被配置为使医学系统执行本文描述的功能。如果处理电路是处理器,则处理器被配置为通过执行存储在存储器(例如,存储神经网络或其他基于机器学习的结构)中的指令来使医学系统执行本文描述的功能。
在S603处,医学系统获得患者的4D表面,该4D表面可以是点云。患者的4D表面可以是在使用立体相机来测量患者的表面的时间段内的一系列3D患者表面。
根据患者的4D表面,控制系统在S504处计算3D运动图并且在S605处计算平均3D患者表面。可以使用已知技术来计算3D运动图,诸如计算在一时间段内获得的3D表面之间的差异。
控制系统通过在该时间段期间测量表面(例如,在3D表面上的限定的感兴趣区内)的幅度改变(或幅度)来确定3D患者表面。控制系统确定平均改变或平均幅度。平均改变或平均幅度是平均3D患者表面。3D患者表面可以是点云。
在另一实施例中,可以在特定呼吸位置(例如,仅呼气或吸气位置)处取得患者的表面测量结果。控制系统可以将3D患者表面确定为在特定呼吸位置处的平均测量结果。
更具体地,在S606处,医学系统的控制系统获得第一模型,并且在S608处,医学系统的控制系统获得第二模型。
第一模型被配置为对诸如立体相机154的医学系统的成像系统进行建模。第一模型可以是CAD文件。第一模型是成像系统的静态硬件表示(例如,相对于医学系统的其他部件的定位和立体相机的视线)。
第二模型被配置为对医学系统的能量源(例如,辐射源)进行建模。第二模型可以是CAD文件。第二模型是诸如机器人臂、能量源的机架和处置台的静态和可移动部件的静态硬件表示(例如,相对于医学系统的其他部件的定位)。
在一些实施例中,医学系统部件的模型可以是基于这些部件的已知形状的库。在其他实施例中,可以基于从制造商或从存储关于部件的尺寸信息和移动信息的服务器获得的信息(例如,规格、CAD图等),来确定医学系统部件的模型。
在S610处,医学系统获得针对患者的处置信息(第一处置信息)。针对患者的处置信息可以与针对患者的处置相关联,并且对应于针对患者的处置意图、针对患者的处置计划或患者的结构中的至少一者。
使用针对患者的处置信息、第一模型、第二模型和平均3D患者表面,控制系统在S615处模拟针对系统的处置。
图7图示了模拟处置的至少一个示例实施例。在模拟期间,控制系统虚拟地执行针对系统的处置。控制系统可以虚拟地执行医学系统的所有运动(例如,机架旋转、床榻移动、在处置之前和处置期间的成像系统臂展开以验证和确认患者位置)。
通过基于处置计划虚拟地移动一个或多个模型以模拟由模型表示的对象的移动,控制系统可以虚拟地执行处置计划。例如,处置计划可以指定支撑患者的患者支撑件沿着患者支撑件的纵轴从5cm的z位置平移到6.6cm的z位置,然后机架从机架角度45°旋转到机架角度49°。基于该信息,控制系统然后可以“虚拟地”(即,在数学上)将表示患者支撑件的表面的模型从z=5cm移动到z=6.6cm,并且还虚拟地(或在数学上)将表示机架的表面的模型从45°旋转到49°。当控制系统虚拟地移动模型中的一个或多个模型时,控制系统确定立体相机是否不能查看患者。
在一些实施例中,控制系统或另一处理单元可以被配置为基于盲点来提供关于如何修改处置计划的一个或多个推荐。例如,控制系统或外部控制系统可以被配置为确定在满足剂量要求的同时解决潜在致盲问题的一个或多个备选处置计划。在这样的情况下,用户可以选择推荐之一(例如,建议的备选处置计划之一)以用于处置患者。在其他实施例中,控制系统或外部控制系统可以被配置为自动修改处置计划以便完成处置。
在一些实施例中,控制系统可以被配置为电子地接收处置计划,并且处理在处置计划中指定的轨迹,使得来自处置计划的信息可以被提取以供控制系统使用,以在数学上模拟在处置进程中涉及的对象的移动。例如,控制系统可以将由处置计划指定的处置部件(例如,机架、患者支撑件、成像器、kV成像器、准直器等)的轨迹转换成可以由控制系统用于模拟在处置进程中涉及的对象(例如,医学系统的部件和患者)的移动的格式或位置参数集。
在S710处,控制系统生成空CAD模型。在S715、S720、S725处,控制系统分别将第一模型、第二模型和患者添加到CAD模型。例如,在S725处添加3D患者表面(来自所有3D相机的组合表面或针对3D相机中的每个3D相机的个体表面(例如,以确定相机中的哪一个相机在特定位置处是盲的))。
在S730处,控制系统获得针对患者的处置信息中的处置计划的第一控制点。在S735处,根据控制点来更新第二模型(例如,辐射源的模型)。众所周知,控制点将系统的运动分解成单个步骤。
例如,如果两个控制点之间的机架角度正在改变+1度,则CAD模型中的LINAC机架顺时针旋转+1度。控制系统基于控制点对其他可移动部件应用类似的改变。DICOM-RT计划可以包括控制点的控制点序列。辐射源的运动路径可以是限定的控制点序列,并且辐射源的实际位置是辐射源的限定的控制点序列内的控制点。
在S740处,控制系统标出3D患者表面上的盲点。例如,对于每个控制点,控制系统执行平均3D患者的所有表面点到安装在天花板上的每个立体相机的射线投掷。如果特定表面点在没有障碍物的情况下未追踪到每个立体相机,则由控制系统将该特定表面点确定为盲点。
在S745处,控制系统确定是否已经审查了所有控制点。如果控制系统确定还没有审查所有控制点,则在S750处,控制系统根据下一控制点来模拟处置。在S745处,控制系统标记不在至少一个相机的视线中的那些患者表面云点。
如果控制系统确定已经审查了所有控制点,则控制系统在S750处结束模拟。
在完成在所有控制点之上的迭代之后,完成对盲点的评估,从而意味着只有未标记的患者表面云点将贯穿整个处置始终可见。
返回参考图6,在S625处,控制系统从针对患者的处置信息中提取几何结构(例如,不同对象如何在空间上彼此对准(例如,射束相对于靶标结构的入射角度)),诸如用于处置的射束几何结构和靶标结构(例如,肿瘤体积)。靶标结构是要处置的患者的解剖区的参考结构。
在S627处,控制系统确定在处置期间对立体相机始终可见的3D患者表面的部分。更具体地,控制系统确定始终可见的部分是省略了在S740处确定的盲点的3D患者表面。
在S630处,控制系统组合提取的几何结构和始终可见的部分。在S640处,控制系统可以使监视器显示3D患者表面上的ROI。
图8图示了从图7的组合得到的示例显示。图8图示了3D患者表面302的显示。3D患者表面302包括(如上所述确定的)始终可见的3D患者表面305和(如上所述确定的)盲点315。图8中示出的盲点315可以是在控制点之上确定的盲点的累积。
控制系统将始终可见的3D患者表面305与肿瘤310的几何信息进行组合。控制系统基于始终可见的患者表面305和到肿瘤310的接近度以及处置射束来确定ROI 320。为了生成ROI 320,靶标外形被投影到3D患者表面上。从靶标区内的靶标区中心开始,控制系统绘制给定半径(可以是硬编码值或来自所选择的模板)的圆。然后控制系统确定是否存在表面云的足够的可见点。如果不存在,则控制系统增大半径,直到靶标区包括足够数目的可见点。
在一些示例实施例中,ROI中的可见点的数目可以是固定值。
在一些示例实施例中,可以在所选择的模板中标识可见点的数目。
控制系统被配置为使显示系统以与ROI 320外部的区域不同的颜色深浅来显示ROI 320。
当由控制系统使用ROI来监测患者的呼吸(例如,DIBH处置)时,控制系统可以进一步基于3D运动图来确定ROI。
在一些示例实施例中,可以使用机器学习来执行至少一些功能。例如,S315和S317(包括图4的方法)、S604、S605、S615(包括图7的方法)、S627、S625、S630和S635可以由处理电路使用机器学习技术来实现。机器学习可以由处理电路来实现,并且可以是卷积神经网络、具有长短期记忆的递归神经网络、生成性对抗网络、Siamese网络或强化学习。可以使用标记的医学图像来训练机器/深度学习网络。
ROI取决于患者特定分类器,诸如靶标尺寸、身体尺寸、处置技术、设置技术(例如,DIBH处置)和盲点。该系统可以通过基于那些分类器(基于知识的A1、聚类模型、寻找相似性)和相关盲点分析患者组的聚类来从先前处置的患者中学习。
图9是图示可以用于实现本文描述的各种实施例的专门控制系统1600的一个实施例的框图。例如,根据一些实施例,控制系统1600可以被配置为处理来自相机154的图像。
而且,在一些实施例中,控制系统1600可以用于实现处理电路54和/或处理单元156。控制系统1600也可以是本文描述的任何控制系统的一个示例。
控制系统1600包括总线1602或用于传达信息的其他通信机构,以及与总线1602耦合以用于处理信息的处理电路1604(例如,至少一个处理器和/或ASIC)。在处理电路1604是被配置为执行所存储的指令的硬件(例如,处理器)的示例中,控制系统1600还包括主存储器1606,诸如随机存取存储器(RAM)或其他动态存储设备,主存储器1606耦合到总线1602以用于存储信息和要由处理电路1604执行的指令。主存储器1606还可以用于在执行要由处理电路1604执行的指令期间存储临时变量或其他中间信息。控制系统1600还包括耦合到总线1602以用于存储静态信息和用于处理电路1604的指令的只读存储器(ROM)1608或其他静态存储设备。诸如磁盘或光盘的数据存储设备1610可以被提供并耦合到总线1602以用于存储信息和指令。
控制系统1600可以经由总线1602耦合到诸如平坦面板的显示器1612以用于向用户显示信息。诸如触摸屏的输入/输出设备1614耦合到总线1602以用于向处理电路1604传达信息和命令选择。另一类型的用户输入设备是光标控件1616,诸如鼠标、跟踪球或光标方向键,以用于将方向信息和命令选择传达给处理电路1604并用于控制显示器167上的光标移动。该输入设备通常具有在两个轴(第一轴(例如,x)和第二轴(例如,y))上的两个自由度,这允许设备指定平面中的位置。
虽然显示器1612和I/O设备1614被示出为在控制系统1600的外部,但是应当理解,显示器1612和I/O设备1614是诸如图9中示出的控制系统1600的一部分。
在一些实施例中,控制系统1600可以用于执行本文描述的各种功能。根据一些实施例,这样的使用由控制系统1600响应于处理电路1604执行包含在主存储器1606中的一个或多个指令的一个或多个序列而提供。本领域技术人员将知道如何基于本文描述的功能、算法和方法来准备这样的指令。这样的指令可以从另一处理器可读介质(诸如存储设备1610)读取到主存储器1606中。主存储器1606中包含的指令序列的执行使处理电路1604执行本文描述的过程步骤。多处理装置中的一个或多个处理器也可以用于执行主存储器1606中包含的指令序列。在备选实施例中,硬接线电路可以代替软件指令或与软件指令组合使用以实现本文描述的各种实施例。因此,实施例不限于硬件电路和软件的任何具体组合。
传输介质包括同轴线缆、铜接线和光纤,包括包含总线1602的接线。传输介质还可以采用声波或光波的形式,诸如在无线电波和红外数据通信期间生成的那些声波或光波。
在将一个或多个指令的一个或多个序列运载到处理电路1604以供执行中,可以涉及各种形式的处理器可读介质。例如,指令最初可以被承载在远程计算机的磁盘上。远程计算机可以将指令加载到其动态存储器中,并通过诸如因特网或本地网络的网络发送指令。控制系统1600本地的接收单元可以从网络接收数据并在总线1602上提供数据。总线1602将数据运载到主存储器1606,处理电路1604从主存储器1606检索并执行指令。由主存储器1606接收的指令可以可选地在由处理电路1604执行之前或之后存储在存储设备1610上。
控制系统1600还包括耦合到总线1602的通信接口1618。通信接口1618提供耦合到网络链路1620的双向数据通信,网络链路1620连接到本地网络1622。例如,通信接口1618可以是综合业务数字网(ISDN)卡或调制解调器,以提供到对应类型的电话线的数据通信连接。作为另一示例,通信接口1618可以是局域网(LAN)卡,以提供到兼容LAN的数据通信连接。还可以实现无线链路。在任何这样的实现方式中,通信接口1618发送和接收承载表示各种类型的信息的数据流的电、电磁或光信号。
网络链路1620通常通过一个或多个网络向其他设备提供数据通信。例如,网络链路1620可以提供通过本地网络1622到主机计算机1624或到装备1626的连接,装备1626诸如为辐射射束源或可操作地耦合到辐射射束源的开关。通过网络链路1620输送的数据流可以包括电、电磁或光信号。通过各种网络的信号和在网络链路1620上且通过通信接口1618的信号(其承载去往和来自控制系统1600的数据)是输送信息的载波的示例性形式。控制系统1600可以通过网络、网络链路1620和通信接口1618发送消息和接收数据,包括程序代码。
尽管本文可以使用术语第一、第二等来描述各种元件,但是这些元件不应受到这些术语的限制。这些术语仅用于将一个元件与另一个元件区分开。例如,第一元件可以被称为第二元件,并且类似地,第二元件可以被称为第一元件,而不脱离本公开的范围。如本文所使用的,术语“和/或”包括相关联的列出项中的一个或多个列出项的任何和所有组合。
当元件被称为“连接”或“耦合”到另一元件时,它可以直接连接或耦合到该另一元件或者可以存在中间元件。相比之下,当元件被称为“直接连接”或“直接耦合”到另一元件时,不存在中间元件。用于描述元件之间的关系的其他词语应当以类似的方式来解释(例如,“在……之间”对“直接在……之间”、“相邻”对“直接相邻”等)。
本文使用的术语仅用于描述特定实施例的目的,并且不旨在是限制性的。如本文所使用的,单数形式“一”,“一个”和“该”也旨在包括复数形式,除非上下文另外清楚地指示。还将理解,术语“包括(comprise)”、“包括(comprising)”、“包含(includes)”和/或“包含(including)”在本文中使用时指定所陈述的特征、整数、步骤、操作、元件和/或部件的存在,但不排除一个或多个其他特征、整数、步骤、操作、元件、部件和/或它们的组的存在或添加。
还应当注意,在一些备选实现方式中,所指出的功能/动作可以不按照图中指出的顺序发生。例如,取决于所涉及的功能/动作,连续示出的两个图实际上可以基本上并发地执行,或者有时可以以相反的顺序执行。
在以下描述中提供具体细节以提供对示例实施例的透彻理解。然而,本领域普通技术人员将理解,可以在没有这些具体细节的情况下实践示例实施例。例如,可以在框图中示出系统,以便不以不必要的细节模糊示例实施例。在其他实例中,可以在没有不必要的细节的情况下示出公知的过程、结构和技术,以便避免模糊示例实施例。
如本文所讨论的,将参考可以被实现为程序模块或功能过程的动作和操作的符号表示(例如,以流程图、流图、数据流图、结构图、框图等的形式)来描述说明性实施例,程序模块或功能过程包括例程、程序、对象、部件、数据结构等,其执行特定任务或实现特定抽象数据类型,并且可以使用现有硬件来实现,现有硬件为例如处理或控制电路,诸如但不限于一个或多个处理器、一个或多个中央处理单元(CPU)、一个或多个控制器、一个或多个算术逻辑单元(ALU)、一个或多个数字信号处理器(DSP)、一个或多个微型计算机、一个或多个现场可编程门阵列(FPGA)、一个或多个片上系统(SoC)、一个或多个可编程逻辑单元(PLU)、一个或多个微处理器、一个或多个专用集成电路(ASIC)或能够以限定方式响应并执行指令的一个或多个任何其他设备。
尽管流程图可以将操作描述为顺序过程,但操作中的许多操作可以并行、并发或同时执行。此外,可以重新布置操作的顺序。过程可以在其操作完成时终止,但是也可以具有图中未包括的附加步骤。过程可以对应于方法、函数、进程、子例程、子程序等。当过程对应于函数时,其终止可以对应于函数到调用函数或主函数的返回。
如本文所公开的,术语“存储器”、“存储介质”、“处理器可读介质”、“计算机可读存储介质”或“非暂态计算机可读存储介质”可以表示用于存储数据的一个或多个设备,包括只读存储器(ROM)、随机存取存储器(RAM)、磁性RAM、核存储器、磁盘存储介质、光学存储介质、快闪存储器设备和/或用于存储信息的其他有形机器可读介质。术语“计算机可读介质”可以包括但不限于便携式或固定存储设备、光学存储设备以及能够存储、含有或承载指令和/或数据的各种其他介质。
另外,示例实施例可以由硬件、软件、固件、中间件、微代码、硬件描述语言或它们的任何组合来实现。当以软件、固件、中间件或微代码实现时,用于执行必要任务的程序代码或代码段可以被存储在诸如计算机可读存储介质的机器或计算机可读介质中。当以软件实现时,一个或多个处理器将执行必要的任务。例如,如上所述,根据一个或多个示例实施例,至少一个存储器可以包括或存储计算机程序代码,并且至少一个存储器和计算机程序代码可以被配置为利用至少一个处理器使网络元件或网络设备执行必要的任务。另外,处理器、存储器和被编码为计算机程序代码的示例算法用作用于提供或引起本文讨论的操作的执行的手段。
如本文所使用的术语“包括”和/或“具有”被限定为包括性的(即开放式语言)。如本文所使用的术语“耦合”被限定为连接,但不一定是直接连接,并且不一定是机械连接。从词语“指示(indicating)”(例如,“指示(indicates)”和“指示(indicate)”)导出的术语旨在包含可用于传达或引用所指示的对象/信息的所有各种技术。可用于传达或引用所指示的对象/信息的技术的一些示例但不是所有示例包括:所指示的对象/信息的传送、所指示的对象/信息的标识符的传送、用于生成所指示的对象/信息的信息的传送、所指示的对象/信息的某个部分或份的传送、所指示的对象/信息的某个导出物的传送以及表示所指示的对象/信息的某个符号的传送。
根据示例实施例,医学系统可以是(或包括)硬件、固件、执行软件的硬件或它们的任何组合。这样的硬件可以包括处理或控制电路,诸如但不限于一个或多个处理器、一个或多个CPU、一个或多个控制器、一个或多个ALU、一个或多个DSP、一个或多个微型计算机、一个或多个FPGA、一个或多个SoC、一个或多个PLU、一个或多个微处理器、一个或多个ASIC或能够以限定的方式响应和执行指令的一个或多个任何其他设备。
上面已经关于具体实施例描述了益处、其他优点和问题的解决方案。然而,益处、优点、问题的解决方案以及可以引起或导致这样的益处、优点或解决方案或者使这样的益处、优点或解决方案变得更加显著的任何元件不应被解释为任何或所有权利要求的关键、必需或基本特征或元件。
Claims (20)
1.一种方法,包括:
获得患者的表面;
获得针对所述患者的第一处置信息,所述第一处置信息与针对所述患者的处置相关联,所述第一处置信息对应于针对所述患者的处置意图、针对所述患者的处置计划或所述患者的结构中的至少一者;
基于针对所述患者的所述第一处置信息来获得至少一个模型;以及
基于所述患者的所述表面和所述至少一个模型来确定所述患者的感兴趣区。
2.根据权利要求1所述的方法,其中确定所述感兴趣区包括:
将所述患者的所述表面配准到所述至少一个模型;以及
基于所述配准来获得向量场,确定所述感兴趣区是基于所述向量场。
3.根据权利要求2所述的方法,还包括:
使用所述向量场将所述至少一个模型的轮廓点传播到所述患者的所述表面上,所述轮廓点对应于所述至少一个模型中的感兴趣区。
4.根据权利要求1所述的方法,其中所述至少一个模型是模板,并且获得所述至少一个模型包括:
从多个模板中选择所述模板,所述多个模板中的每个模板与不同的第二处置信息相关联,其中所述选择基于针对所述患者的所述第一处置信息与所述不同的第二处置信息之间的相似性来选择所述模板。
5.根据权利要求4所述的方法,其中所述模板和与针对所述患者的所述第一处置信息具有最高相似性的所述第二处置信息相关联。
6.根据权利要求4所述的方法,其中每个第二处置信息与解剖区和监测任务相关联。
7.根据权利要求1所述的方法,还包括:
基于所述患者的所述表面和针对所述患者的所述第一处置信息来模拟针对所述患者的所述处置;以及
基于所述模拟来确定所述患者的所述感兴趣区。
8.根据权利要求7所述的方法,其中
所述至少一个模型是被配置为执行所述处置的处置系统的,并且
所述模拟对用于执行所述处置的所述处置系统的至少一个移动进行模拟。
9.根据权利要求8所述的方法,其中所述至少一个移动包括以下中的至少一者:
机架旋转,或
床榻移动。
10.根据权利要求8所述的方法,其中所述至少一个模型包括:
第一模型,所述第一模型被配置为对所述处置系统的成像系统进行建模,以及
第二模型,所述第二模型被配置为对所述处置系统的能量发射系统进行建模。
11.根据权利要求10所述的方法,其中确定所述患者的所述感兴趣区包括:
标识在整个所述模拟期间能够由所述成像系统查看的区域;以及
将所述感兴趣区确定为所述区域。
12.根据权利要求7所述的方法,其中所述患者的所述表面是四维4D点云,并且所述方法还包括:
基于所述4D点云来确定平均三维3D表面,所述模拟是基于所述平均3D表面;以及
基于所述4D点云来确定运动图,确定所述患者的所述感兴趣区基于所述运动图来确定所述患者的所述感兴趣区。
13.一种系统,包括:
处理电路,所述处理电路被配置为使所述系统:
获得患者的表面,
获得针对所述患者的第一处置信息,所述第一处置信息与针对所述患者的处置相关联,所述第一处置信息对应于针对所述患者的处置意图、针对所述患者的处置计划或所述患者的结构中的至少一者,
基于针对所述患者的所述第一处置信息来确定模型,
基于所述患者的所述表面和所述模型来确定所述患者的所述表面的感兴趣区,以及
提供所述感兴趣区。
14.根据权利要求13所述的系统,其中所述处理电路被配置为使所述系统显示所述患者的所述表面上的所述感兴趣区。
15.根据权利要求13所述的系统,其中所述至少一个模型是模板,并且所述处理电路被配置为使所述系统:
从多个模板中选择所述模板,所述多个模板中的每个模板与不同的第二处置信息相关联,并且基于针对所述患者的所述第一处置信息与所述不同的第二处置信息之间的相似性来选择所述模板。
16.根据权利要求15所述的系统,其中所述模板和与针对所述患者的所述第一处置信息具有最高相似性的所述第二处置信息相关联。
17.根据权利要求15所述的系统,其中每个第二处置信息与解剖区和监测任务相关联。
18.根据权利要求13所述的系统,其中所述处理电路被配置为使所述系统:
基于所述患者的所述表面和针对所述患者的所述第一处置信息来模拟针对所述患者的所述处置,以及
基于所述模拟来确定所述患者的所述表面的所述感兴趣区。
19.根据权利要求18所述的系统,其中
所述至少一个模型是被配置为执行所述处置的处置系统的,并且
所述模拟对用于执行所述处置的所述处置系统的至少一个移动进行模拟,所述至少一个移动包括以下中的至少一者:
机架旋转,或
床榻移动。
20.根据权利要求19所述的系统,其中所述至少一个模型包括:
第一模型,所述第一模型被配置为对所述处置系统的成像系统进行建模,以及
第二模型,所述第二模型被配置为对所述处置系统的能量发射系统进行建模。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/854,581 US20240001151A1 (en) | 2022-06-30 | 2022-06-30 | Methods, systems and computer readable mediums for determining a region-of-interest in surface-guided monitoring |
US17/854,581 | 2022-06-30 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117323581A true CN117323581A (zh) | 2024-01-02 |
Family
ID=87002972
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310784430.6A Pending CN117323581A (zh) | 2022-06-30 | 2023-06-29 | 表面引导的监测中确定感兴趣区的方法、系统和可读介质 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20240001151A1 (zh) |
EP (1) | EP4299114A1 (zh) |
CN (1) | CN117323581A (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10311585B2 (en) | 2010-06-23 | 2019-06-04 | Varian Medical Systems International Ag | Mechanism for advanced structure generation and editing |
US20190105514A1 (en) | 2017-10-09 | 2019-04-11 | Varian Medical Systems, Inc. | Optical system for radiation treatment |
EP3669942B1 (en) * | 2018-12-17 | 2022-01-05 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for determining a region of interest of a subject |
EP3756728A1 (en) * | 2019-06-24 | 2020-12-30 | Vision RT Limited | Patient motion tracking system configured for automatic roi generation |
-
2022
- 2022-06-30 US US17/854,581 patent/US20240001151A1/en active Pending
-
2023
- 2023-06-27 EP EP23181893.1A patent/EP4299114A1/en active Pending
- 2023-06-29 CN CN202310784430.6A patent/CN117323581A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
US20240001151A1 (en) | 2024-01-04 |
EP4299114A1 (en) | 2024-01-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11547874B2 (en) | Machine learning approach to real-time patient motion monitoring | |
US11491348B2 (en) | Real-time patient motion monitoring using a magnetic resonance linear accelerator (MRLINAC) | |
CN108882899B (zh) | 调整与模型图像相关联参数来操纵呼吸模型的方法和系统 | |
EP2978496B1 (en) | Method for improved surface tracking-based motion management and dynamic planning in adaptive external beam radiation therapy | |
JP2021003564A (ja) | 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 | |
JP6886565B2 (ja) | 表面の動きを追跡する方法及び装置 | |
CN110381840A (zh) | 使用旋转2Dx射线成像器作为成像装置以在放射处置递送期间进行靶跟踪 | |
EP2018627B1 (en) | Deformable registration of images for image guided radiation therapy | |
CN108883294A (zh) | 用于在整个放射治疗中监视结构运动的系统和方法 | |
JP2018504969A (ja) | 適応型放射線療法に対する3次元位置特定及び追跡 | |
CN105228527B (zh) | 使用从规划ct和轮廓生成的模板的用于igrt的肿瘤可见性的前瞻性评价 | |
JP2018506349A (ja) | 適応型放射線療法に対する移動する標的の3次元位置特定 | |
JP2017537703A (ja) | 熱画像からの呼吸信号の決定 | |
CN113041516B (zh) | 三维图像引导摆位的方法、系统、处理设备及存储介质 | |
EP3285639B1 (en) | Monitoring a patient's position using a planning image and subsequent thermal imaging | |
EP3720554B1 (en) | Patient positioning using a skeleton model | |
US11748927B2 (en) | Method and system for synthesizing real-time image by using optical surface motion signals | |
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 | |
CN115666717A (zh) | 用于导出和利用虚拟体积结构来预测在实施治疗的放射时的潜在碰撞的方法和装置 | |
WO2022198553A1 (zh) | 三维图像引导摆位的方法、系统及存储介质 | |
US20190231430A1 (en) | Feedback system and method for treatment planning | |
EP4299114A1 (en) | Methods, systems and computer readable mediums for determining a region-of-interest in surface-guided monitoring | |
CN113041515A (zh) | 三维图像引导运动器官定位方法、系统及存储介质 | |
TWI708214B (zh) | 醫用畫像處理裝置、醫用畫像處理方法及程式 | |
WO2022198554A1 (zh) | 三维图像引导运动器官定位方法、系统及存储介质 |
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 |