CN118160043A - 用于射频消融治疗区域靶向和引导的方法和装置 - Google Patents
用于射频消融治疗区域靶向和引导的方法和装置 Download PDFInfo
- Publication number
- CN118160043A CN118160043A CN202280066195.2A CN202280066195A CN118160043A CN 118160043 A CN118160043 A CN 118160043A CN 202280066195 A CN202280066195 A CN 202280066195A CN 118160043 A CN118160043 A CN 118160043A
- Authority
- CN
- China
- Prior art keywords
- computing device
- targeting
- image data
- organ
- 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
- 230000008685 targeting Effects 0.000 title claims abstract description 327
- 238000000034 method Methods 0.000 title claims abstract description 158
- 238000011297 radiofrequency ablation treatment Methods 0.000 title description 2
- 238000011282 treatment Methods 0.000 claims abstract description 100
- 210000000056 organ Anatomy 0.000 claims description 134
- 230000008859 change Effects 0.000 claims description 75
- 230000003993 interaction Effects 0.000 claims description 31
- 238000002591 computed tomography Methods 0.000 claims description 17
- 238000002560 therapeutic procedure Methods 0.000 claims description 8
- 238000005481 NMR spectroscopy Methods 0.000 claims description 2
- 230000005855 radiation Effects 0.000 abstract description 27
- 238000011298 ablation treatment Methods 0.000 abstract description 13
- 231100000241 scar Toxicity 0.000 description 71
- 238000004891 communication Methods 0.000 description 25
- 230000015654 memory Effects 0.000 description 18
- 230000008569 process Effects 0.000 description 18
- 238000010801 machine learning Methods 0.000 description 17
- 238000003384 imaging method Methods 0.000 description 16
- 238000002600 positron emission tomography Methods 0.000 description 14
- 230000000747 cardiac effect Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000004044 response Effects 0.000 description 10
- 238000002679 ablation Methods 0.000 description 8
- 230000001225 therapeutic effect Effects 0.000 description 8
- 230000002861 ventricular Effects 0.000 description 7
- 230000003936 working memory Effects 0.000 description 6
- 238000000605 extraction Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- 210000004072 lung Anatomy 0.000 description 4
- 206010003119 arrhythmia Diseases 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 210000001308 heart ventricle Anatomy 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000009877 rendering Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 210000003238 esophagus Anatomy 0.000 description 2
- 230000002503 metabolic effect Effects 0.000 description 2
- 238000001959 radiotherapy Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000012879 PET imaging Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006793 arrhythmia Effects 0.000 description 1
- 238000003339 best practice Methods 0.000 description 1
- 210000005242 cardiac chamber Anatomy 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000002001 electrophysiology Methods 0.000 description 1
- 230000007831 electrophysiology Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000012447 hatching Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000004091 panning Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000037390 scarring Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
公开了用于在放射消融治疗计划期间进行靶向区域推荐和引导的系统和方法。在一些示例中,计算设备从针对患者的一个或多个模式接收(702)图像数据。计算设备基于图像数据,确定(708)针对治疗推荐的靶向区域,并且基于推荐的靶向区域,确定节段模型的一个或多个对应节段。此外,计算设备显示标识所确定的一个或多个节段的节段模型,并接收(710)修改所确定的一个或多个节段的输入数据。基于输入数据,计算设备更新(716)一个或多个节段,并生成表征所更新的一个或多个节段的靶向限定数据。计算设备传输用于治疗患者的靶向限定数据。
Description
相关申请的交叉引用
本申请要求于2021年9月30日提交的题为“METHODS ANDAPPARATUS FORRADIOABLATION TREATARGETING AND GUIDANCE”的美国临时申请序列号No.63/250,501以及于2021年9月30日提交的题为“METHODS ANDAPPARATUS FOR RADIOABLATIONTREATATARGETING AND GUIDANCE”的美国临时申请序列号No.63/250,521的优先权,其中每一者的全部内容通过引用并入本文。
技术领域
本公开的各方面整体涉及医学诊断和治疗系统,并且更具体地涉及提供用于诸如心律失常的状况治疗的放射消融(radioablation)诊断、治疗计划和传递系统。
背景技术
各种技术可以被采用来捕获患者的代谢、电和解剖信息或者对其进行成像。例如,正电子发射断层扫描(PET)是产生表示正电子发射同位素在体内的分布的断层扫描图像的代谢成像技术。计算机断层扫描(CT)和核磁共振成像(MRI)是分别使用X射线和磁场来创建图像的解剖成像技术。来自这些示例性技术的图像可以被彼此组合来生成复合解剖和功能图像。例如,软件系统,诸如来自瓦里安医疗系统(Varian Medical Systems)公司的VelocityTM软件,使用用于对图像进行变形和/或配准的图像融合过程来组合不同类型的图像,从而产生组合图像。医学专家,诸如电生理学家和放射肿瘤学家,依靠这些图像来标识用于治疗的靶向区域。
例如,在心脏放射消融中,医学专家一起工作来诊断心律失常,标识用于消融的区域,规定放射治疗以及创建放射消融治疗计划。电生理学家可以基于患者的解剖结构和电生理学来标识患者心脏的一个或多个区域或靶标,从而治疗心律失常。电生理学家可以例如依靠经组合的PET和心脏CT图像来限定用于消融的靶向区域。一旦靶向区域由电生理学家限定,放射肿瘤学家就可以规定放射治疗,包括例如,待被传递的放射的若干部分、待被传递到靶向区域的放射剂量以及到处于危险的相邻器官的最大剂量。此外,放射剂量测试员可以基于所规定的放射治疗来创建放射消融治疗计划。放射肿瘤学家也可以审查和批准治疗计划。附加地,电生理学家可能想要理解所限定的靶向区域的位置、尺寸和形状,以确认由放射消融治疗计划所限定的靶标位置是正确的。
正确地标识和限定用于治疗的患者器官的靶向区域对于开发和优化治疗计划是必要的。例如,过度包容的靶向区域可能导致所限定的靶标体积中包括不需要治疗的区域,而包容不足的靶向区域可以导致所限定的靶标体积无法包括应当被治疗的区域。因此,有机会改进由医学专家使用的放射消融治疗计划系统,诸如用于心脏放射消融治疗计划的心脏放射消融治疗系统。
发明内容
根据本发明的第一方面,提供了根据权利要求1所述的系统。
根据本发明的第二方面,提供了根据权利要求18所述的计算机实现的方法。
根据本发明的第三方面,提供了根据权利要求26所述的非暂时性计算机可读介质。
公开了用于心脏放射消融治疗和计划的系统和方法。在一些示例中,计算设备接收针对患者的图像数据。例如,计算设备可以从图像扫描系统接收核磁共振(MR)图像数据、计算机断层扫描(CT)图像数据或正电子发射断层扫描(PET)图像数据。基于所接收的图像数据,计算设备确定针对治疗推荐的靶向区域。在一些示例中,计算设备还可以接收针对患者的报告数据。报告数据可以表征患者的医疗结果,诸如患者的诊断。计算设备可以基于图像数据和报告数据,确定针对治疗推荐的靶向区域。
此外,计算设备接收输入,输入标识针对治疗推荐的靶向区域的改变。计算设备还基于针对治疗推荐的靶向区域的改变来确定一个或多个规则中的任一者是否被违反。计算设备还基于确定一个或多个规则中的任一者是否被违反来提供改变是否被接受的指示,以用于显示。例如,如果没有规则被违反,则计算设备可以基于改变来更新针对治疗推荐的靶向区域并提供经更新的推荐的靶向区域来显示。然而,如果一个或多个规则被违反,则计算设备可以提供错误消息来显示。
在一些示例中,系统包括数据库以及与数据库通信地耦合的计算设备。计算设备被配置为接收针对患者器官的图像数据。计算设备还被配置为基于图像数据,确定针对治疗器官的推荐的靶向区域。此外,计算设备被配置为生成推荐的靶向数据,推荐的靶向数据表征器官的推荐的靶向区域。计算设备还被配置为将推荐的靶向数据存储在数据库中。
在一些示例中,计算设备被配置为接收第一输入,第一输入标识针对治疗推荐的靶向区域的改变。计算设备还被配置为基于针对治疗推荐的靶向区域的改变来确定第一规则是否被违反。此外,计算设备被配置为基于确定一个或多个规则中的任一者是否被违反来提供改变是否被接受的指示,以用于显示。
在一些示例中,计算设备被配置为接收针对患者的图像数据。计算设备还被配置为基于图像数据,确定器官的瘢痕位置。此外,计算设备还被配置为基于瘢痕位置,确定器官模型的多个节段中的节段。计算设备还被配置为显示具有所确定的节段的标识的模型。例如,计算设备可以以一种颜色来显示所确定的节段,并且以另一种颜色来显示多个节段中的剩余节段。在一些示例中,计算设备被配置为显示具有图像数据覆盖的模型。在一些示例中,计算设备被配置为显示具有模型覆盖的图像数据。
在一些示例中,计算设备被配置为接收针对患者的图像数据。计算设备还被配置为基于图像数据,确定器官的瘢痕位置。此外,计算设备被配置为基于瘢痕位置,确定器官的健康部分。计算设备还被配置为显示具有瘢痕位置和健康部分的标识的器官模型。例如,计算设备可以以一种颜色来显示器官的瘢痕位置,并且以另一种颜色来显示器官的健康部分。
在一些示例中,计算机实现的方法包括接收针对患者的图像数据。方法还包括基于所接收的图像数据,确定针对治疗推荐的靶向区域。在一些示例中,方法还包括接收针对患者的报告数据。方法然后包括基于图像数据和报告数据,确定针对治疗推荐的靶向区域。
此外,方法包括接收输入,输入标识针对治疗推荐的靶向区域的改变。方法还包括基于针对治疗推荐的靶向区域的改变来确定一个或多个规则中的任一者是否被违反。方法还包括基于确定一个或多个规则中的任一者是否被违反来提供改变是否被接受的显示,以用于指示。
在一些示例中,方法包括接收针对患者器官的图像数据。方法还包括基于图像数据,确定针对治疗器官的推荐的靶向区域。此外,方法包括生成推荐的靶向数据,推荐的靶向数据表征器官的推荐的靶向区域。方法还包括将推荐的靶向数据存储在数据库中。
在一些示例中,方法包括接收第一输入,第一输入标识针对治疗推荐的靶向区域的改变。方法还包括基于针对治疗推荐的靶向区域的改变来确定第一规则是否被违反。此外,方法包括基于确定一个或多个规则中的任一者是否被违反来提供改变是否被接受的指示,以用于显示。
在一些示例中,计算机实现的方法包括接收针对患者的图像数据。方法还包括基于图像数据,确定器官的瘢痕位置。此外,方法包括基于瘢痕位置,确定器官模型的多个节段中的节段。方法还包括显示具有所确定的节段的标识的模型。在一些示例中,方法包括显示具有图像数据覆盖的模型。在一些示例中,方法包括显示具有模型覆盖的图像数据。
在一些示例中,计算机实现的方法包括接收针对患者的图像数据。方法包括基于图像数据,确定器官的瘢痕位置。此外,方法包括基于瘢痕位置,确定器官的健康部分。方法还包括显示具有瘢痕位置和健康部分的标识的器官模型。
在一些示例中,存储指令的非暂时性计算机可读介质,指令在由至少一个处理器执行时使得至少一个处理器执行包括接收针对患者的图像数据的操作。操作还包括基于所接收的图像数据,确定针对治疗推荐的靶向区域。在一些示例中,操作还包括接收针对患者的报告数据。操作然后包括基于图像数据和报告数据,确定针对治疗推荐的靶向区域。
此外,操作包括接收输入,输入标识针对治疗推荐的靶向区域的改变。操作还包括基于针对治疗推荐的靶向区域的改变来确定一个或多个规则中的任一者是否被违反。操作还包括基于确定一个或多个规则中的任一者是否被违反来提供改变是否被接受的指示,以用于显示。
在一些示例中,存储指令的非暂时性计算机可读介质,指令在由至少一个处理器执行时使得至少一个处理器执行包括接收针对患者器官的图像数据的操作。操作还包括基于图像数据,确定针对治疗器官的推荐的靶向区域。此外,操作包括生成推荐的靶向数据,推荐的靶向数据表征器官的推荐的靶向区域。操作还包括将推荐的靶向数据存储在数据库中。
在一些示例中,存储指令的非暂时性计算机可读介质,指令在由至少一个处理器执行时使得至少一个处理器执行操作,操作包括接收第一输入,第一输入标识针对治疗推荐的靶向区域的改变。操作还包括基于针对治疗推荐的靶向区域的改变来确定第一规则是否被违反。此外,操作包括基于确定一个或多个规则中的任一者是否被违反来提供改变是否被接受的指示,以用于显示。
在一些示例中,存储指令的非暂时性计算机可读介质,指令在由至少一个处理器执行时使得至少一个处理器执行包括接收针对患者的图像数据的操作。操作还包括基于图像数据,确定器官的瘢痕位置。此外,操作包括基于瘢痕位置,确定器官模型的多个节段中的节段。操作还包括显示具有所确定的节段的标识的模型。在一些示例中,操作包括显示具有图像数据覆盖的模型。在一些示例中,操作包括显示具有模型覆盖的图像数据。
在一些示例中,存储指令的非暂时性计算机可读介质,指令在由至少一个处理器执行时使得至少一个处理器执行包括接收针对患者的图像数据的操作。操作包括基于图像数据,确定器官的瘢痕位置。此外,操作包括基于瘢痕位置,确定器官的健康部分。操作还包括显示具有瘢痕位置和健康部分的标识的器官模型。
在一些示例中,计算机实现的方法包括用于接收针对患者的图像数据的装置。方法还包括用于基于所接收的图像数据,确定针对治疗推荐的靶向区域的装置。在一些示例中,方法还包括用于接收针对患者的报告数据的装置。方法然后包括用于基于图像数据和报告数据来确定针对治疗推荐的靶向区域的装置。
此外,方法包括用于接收输入的装置,输入标识针对治疗推荐的靶向区域的改变。方法还包括用于基于针对治疗推荐的靶向区域的改变来确定一个或多个规则中的任一者是否被违反的装置。方法还包括用于基于确定一个或多个规则中的任一者是否被违反来提供改变是否被接受的指示,以用于显示的装置。
在一些示例中,计算机实现的方法包括用于接收针对患者器官的图像数据的装置。方法还包括用于基于图像数据,确定针对治疗器官的推荐的靶向区域的装置。此外,方法包括用于生成推荐的靶向数据的装置,推荐的靶向数据表征器官的推荐的靶向区域。方法还包括用于将推荐的靶向数据存储在数据库中的装置。
在一些示例中,计算机实现的方法包括用于接收第一输入的装置,第一输入标识针对治疗推荐的靶向区域的改变。方法还包括用于基于针对治疗推荐的靶向区域的改变来确定第一规则是否被违反的装置。此外,方法包括用于基于确定一个或多个规则中的任一者是否被违反来提供改变是否被接受的指示,以用于显示的装置。
在一些示例中,计算机实现的方法包括用于接收针对患者的图像数据的装置。方法还包括用于基于图像数据,确定器官的瘢痕位置的装置。此外,方法包括用于基于瘢痕位置,确定器官模型的多个节段中的节段的装置。方法还包括用于显示具有所确定的节段的标识的模型的装置。在一些示例中,方法包括用于显示具有图像数据覆盖的模型的装置。在一些示例中,方法包括用于显示具有模型覆盖的图像数据的装置。
在一些示例中,计算机实现的方法包括用于接收针对患者的图像数据的装置。方法包括用于基于图像数据,确定器官的瘢痕位置的装置。此外,方法包括用于基于瘢痕位置,确定器官的健康部分的装置。方法还包括用于显示具有瘢痕位置和健康部分的标识的器官模型的装置。
附图说明
通过以下对示例实施例的详细描述,本公开的特征和优点将被更充分地公开或变得显而易见。示例实施例的详细描述将与附图一起考虑,其中相同的附图标记指代相同的部分,并且进一步地,其中:
图1图示了根据一些实施例的心脏放射消融靶向系统;
图2图示了根据一些实施例的靶向推荐计算设备的框图;
图3图示了根据一些实施例的图1的心脏放射消融治疗系统的示例性部分;
图4图示了根据一些实施例的心脏的二维17节段模型;
图5A、图5B和图5C图示了根据一些实施例的用于推荐和选择模型内的靶向区域的图形用户界面的部分;
图6A、图6B、图6C、图6D和图6E图示了根据一些实施例的用于推荐和选择三维图像内的靶向区域的图形用户界面的部分;
图7是根据一些实施例的推荐和调整用于治疗的靶向区域的示例方法的流程图;
图8是根据一些实施例的生成和显示器官的瘢痕位置的数字模型的示例方法的流程图;以及
图9是根据一些实施例的生成和显示标识器官的瘢痕位置和健康位置的数字模型的示例方法的流程图。
具体实施方式
优选实施例的描述旨在结合附图来阅读,附图应被视为这些公开内容的整个书面描述的一部分。尽管本公开容许各种修改和备选形式,但特定实施例通过附图中的示例被示出且将在本文中详细描述。通过以下结合附图对这些示例性实施例的详细描述,所要求保护的主题的目的和优点将变得更加明显。
然而,应当理解,本公开不旨在限于所公开的特定形式。相反,本公开覆盖了落入这些示例性实施例的精神和范围内的所有修改、等同物和备选。术语“耦合”、“被耦合”、“可操作地耦合”、“可操作地连接”等应被广义地理解为指代机械地、电地、有线地、无线地或以其他方式将设备或组件连接在一起,使得连接允许相关设备或组件根据该关系的意图彼此操作(例如,通信)。
转向附图,图1图示了心脏放射消融靶向系统100的框图,心脏放射消融靶向系统100包括通过通信网络118通信地耦合的成像设备102、治疗计划计算设备106、一个或多个靶向推荐计算设备104以及数据库116。成像设备102可以是例如CT扫描仪、MR扫描仪、PET扫描仪、电生理成像设备、ECG或ECG成像器。在一些示例中,成像设备102可以是PET/CT扫描仪或PET/MR扫描仪。在一些示例中,成像设备102和治疗计划计算设备106可以是允许对患者进行放射消融治疗的放射消融治疗系统126的一部分。例如,放射消融治疗系统126可以允许向患者的一个或多个治疗区域传递所限定的剂量。
每个靶向推荐计算设备104和治疗计划计算设备106可以是包括用于处理数据的任何合适的硬件或硬件和软件组合的任何合适的计算设备。例如,各自可以包括一个或多个处理器、一个或多个现场可编程门阵列(FPGA)、一个或多个专用集成电路(ASIC)、一个或多个状态机、数字电路装置或任何其它合适的电路装置。附加地,各自可以向通信网络118发射数据和从通信网络118接收数据。例如,靶向推荐计算设备104和治疗计划计算设备106中的每一者可以是服务器,诸如基于云的服务器、计算机、膝上型计算机、移动设备、工作站或任何其他合适的计算设备。
例如,图2图示了计算设备200,计算设备200可以是靶向推荐计算设备104和治疗计划计算设备106中的每一者的示例。计算设备200包括一个或多个处理器201、工作存储器202、一个或多个输入输出(I/O)设备203、指令存储器207、收发器204、一个或多个通信端口207以及显示器206,它们都可操作地耦合到一个或多个数据总线208。数据总线208允许各种设备之间进行通信。数据总线208可以包括有线或者无线通信信道。
处理器201可以包括一个或多个不同的处理器,每个处理器具有一个或多个核。不同处理器中的每一者可以具有相同或不同的结构。处理器201可以包括一个或多个中央处理单元(CPU)、一个或多个图形处理单元(GPU)、专用集成电路(ASIC)、数字信号处理器(DSP)等。
指令存储器207可以存储可以由处理器201访问(例如,读取)和执行的指令。例如,指令存储器207可以是非暂时性计算机可读存储介质,诸如只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、闪存、可移动盘、CD-ROM、任何非易失性存储器或任何其它合适的存储器。处理器201可以被配置为通过执行指令存储器207上存储的体现功能或操作的代码来执行特定功能或操作。例如,处理器201可以被配置为执行指令存储器207中存储的代码,以执行本文所公开的任何功能、方法或操作中的一个或多个。
附加地,处理器201可以将数据存储到工作存储器202并从工作存储器202读取数据。例如,处理器201可以将工作指令集(诸如从指令存储器207加载的指令)存储到工作存储器202。处理器201还可以使用工作存储器202来存储在计算设备200的操作期间创建的动态数据。工作存储器202可以是随机存取存储器(RAM),诸如静态随机存取存储器(SRAM)或动态随机存取存储器(DRAM),或任何其它合适的存储器。
输入输出设备203可以包括允许数据输入或输出的任何合适的设备。例如,输入输出设备203可以包括键盘、触摸板、鼠标、触控笔、触摸屏、物理按钮、扬声器、麦克风或任何其他合适的输入或输出设备中的一个或多个。
(多个)通信端口209可以包括例如串行端口,诸如通用异步接收器/发射器(UART)连接、通用串行总线(USB)连接或任何其他合适的通信端口或连接。在一些示例中,(多个)通信端口209允许对指令存储器207中的可执行指令进行编程。在一些示例中,(多个)通信端口209允许传送(例如,上传或下载)诸如图像数据的数据。
显示器206可以是任何合适的显示器,诸如3D观看器或监视器。显示器206可以显示用户界面205。用户界面205可以使得用户能够与计算设备200交互。例如,用户界面205可以是允许用户(例如,医学专家)查看或操纵模型来限定如本文所述的针对患者的治疗靶向区域的应用程序的用户界面。在一些示例中,用户可以通过接合输入输出设备203来与用户界面205交互。在一些示例中,显示器206可以是触摸屏,其中用户界面205被显示在触摸屏上。在一些示例中,显示器206显示所扫描的图像数据的图像(例如,图像切片)。
收发器204允许与诸如图1的通信网络118的网络通信。例如,如果图1的通信网络118是蜂窝网络,则收发器204被配置为允许与蜂窝网络通信。在某些示例中,收发器204基于通信网络118的类型来选择将操作的放射消融靶向计算设备200。(多个)处理器201可操作来经由收发器204从网络(诸如图1的通信网络118)接收数据或向网络发送数据。
返回参考图1,数据库116可以是远程存储设备(例如,包括非易失性存储器),诸如基于云的服务器、磁盘(例如,硬盘)、另一应用服务器上的存储器设备、联网计算机或任何其他合适的远程存储装置。在一些示例中,数据库116可以是到靶向推荐计算设备104和治疗计划计算设备106中的一个或多个的本地存储设备,诸如硬盘驱动装置、非易失性存储器或USB棒。
通信网络118可以是网络、诸如/>网络的蜂窝网络、/>网络、卫星网络、无线局域网(LAN)、利用放射(RF)通信协议的网络、近场通信(NFC)网络、连接多个无线LAN的无线城域网(MAN)、广域网(WAN)或任何其他合适的网络。通信网络118可以提供对例如因特网的访问。
成像设备102可操作来扫描图像,诸如患者器官的图像,并且将标识并表征所扫描的图像的图像数据103(例如,测量数据)提供到通信网络118。备选地,成像设备102可操作来采集电成像,诸如心脏ECG图像。例如,成像设备102可以扫描患者的结构(例如,器官),并且可以通过通信网络118将标识所扫描的结构的3D体积的一个或多个切片的图像数据103传输到靶向推荐计算设备104和治疗计划计算设备106中的一个或多个。在一些示例中,成像设备102将图像数据103存储在数据库116中并且靶向推荐计算设备104和治疗计划计算设备106中的一个或多个可以从数据库116中取回图像数据103。
在一些示例中,靶向推荐计算设备104可操作为通过通信网络118与治疗计划计算设备106通信。在一些示例中,靶向推荐计算设备104和治疗计划计算设备106经由数据库116彼此通信(例如,通过存储和取回来自数据库116的数据)。在一些示例中,一个或多个靶向推荐计算设备104和一个或多个治疗计划计算设备106是基于云的网络的一部分,基于云的网络允许与每个设备共享资源和通信。
在一些示例中,一个或多个靶向推荐计算设备104位于医疗设施120的第一区域122中,而一个或多个靶向推荐计算设备104位于医疗设施120的第二区域124中。这样,心脏放射消融靶向系统100允许多个电生理学家(EP)协作来最终确定靶向区域。例如,一个EP可以操作第一医疗设施122中的第一靶向推荐计算设备104,而第二EP可以操作第二医疗设施124中的第二靶向推荐计算设备104。诸如通过发射和接收与靶向区域(例如,所建议的靶向区域)有关(例如,限定)的数据,第一靶向推荐计算设备104和第二靶向推荐计算设备104可以通过通信网络118进行通信。每个EP可以操作对应的靶向推荐计算设备104来调整靶向区域,并且一旦两个EP在靶向区域方面认定一致,就可以最终确定靶向区域。
靶向区域推荐
如本文所描述的,靶向推荐计算设备104可以执行引起用户界面(例如,用户界面205)的生成的应用,用户界面可以被显示给医学专家,诸如EP。所执行的应用程序可以帮助医学专家限定患者用于治疗的靶向区域。例如,电生理学家(EP)可以操作靶向推荐计算设备104来为患者限定治疗的靶向区域。靶向推荐计算设备104可以基于患者数据(诸如由图像扫描设备102针对患者捕获的图像数据103)来推荐用于治疗的靶向区域(例如,初始靶向区域)。
为了确定初始靶向区域,靶向推荐计算设备104可以执行分析图像数据并标识初始靶向区域的一个或多个过程。初始靶向区域可以包括例如瘢痕位置。例如,靶向推荐计算设备104可以将一个或多个机器学习过程(例如,模型、算法)应用于限定初始靶向区域的图像数据。机器学习过程可以使用有监督或无监督学习并基于从历史图像扫描生成的特征来训练。例如,第一机器学习过程可以在表征先前CT扫描的CT数据所生成的特征上训练,第二机器学习过程可以在表征先前MR扫描的MR数据所生成的特征上训练,并且第三机器学习过程可以在从表征先前PET扫描的PET数据所生成的特征上训练。
此外,并且基于瘢痕位置,靶向推荐计算设备104可以标识器官的健康部分。在一些示例中,靶向推荐计算设备104基于将一个或多个规则应用于器官内瘢痕位置的确定位置(例如,三维位置)来确定健康部分。例如,靶向推荐计算设备104可以将器官中离瘢痕位置至少最小距离的区域标识为器官的健康部分。
在一些示例中,靶向推荐计算设备104获得针对患者的心电图(EKG)数据,并基于EKG数据来确定初始靶向区域。例如,靶向推荐计算设备104可以将经训练的机器学习过程应用于EKG数据来确定如本文所述的初始靶向区域。在一些示例中,经训练的机器学习过程被应用于MR图像数据、CT图像数据、PET图像数据和EKG图像数据中的一个或多个,以确定初始靶向区域。
在一些示例中,靶向推荐计算设备104基于表征患者的医疗专业结果和/或诊断的报告数据来确定初始靶向区域。例如,数据库116可以存储表征医疗报告的报告数据。医学报告可以包括状况的表征、关注区域、位置信息(例如,用于瘢痕形成的器官区域的位置)、健康信息、医学专业结果、患者的诊断或任何其他医学信息。靶向推荐计算设备104可以从数据库116获得针对患者的报告数据并且将文本提取过程应用于报告数据来标识文本。此外,靶向推荐计算设备104可以将经训练的机器学习过程应用于文本数据,以及在一些示例中应用于图像数据,从而确定初始靶向区域。
在一些示例中,报告数据表征音频,诸如一个或多个医学专家的语音。靶向推荐计算设备104可以将一个或多个语音-文本模型应用于报告数据来提取文本数据。例如,靶向推荐计算设备104可以将语音识别器算法应用于报告数据来提取文本。
在一些示例中,靶向推荐计算设备104将一个或多个规则应用于文本数据和/或图像数据来确定可以包括瘢痕位置的初始靶向区域。例如,数据库116可以存储表征一个或多个规则的规则数据,一个或多个规则可以由一个或多个医学专家来配置。规则可以将例如文本的一个或多个词与第一靶向区域相关联并且将一个或多个不同的词与第二靶向区域相关联。靶向推荐计算设备104例如可以确定从报告数据中提取的文本是否包括与第一靶向区域相关联的一个或多个词或者与第二靶向区域相关联的一个或多个不同词中的任一者。基于任何对应的词,靶向推荐计算设备104可以将初始靶向区域确定为第一靶向区域或第二靶向区域。在某些示例中,靶向推荐计算设备104将初始靶向区域确定为具有最对应词的区域。在一些示例中,靶向推荐计算设备104将一个或多个规则应用于从报告数据中提取的文本来确定健康部分。
此外,在一些示例中,靶向推荐计算设备104可以将初始靶向区域与器官模型的一部分相关联,诸如与器官的节段模型的特定节段相关联。例如,图4图示了例如可以通过GUI400显示的心脏心室的17节段模型402。17个节段中的每一者对应于如由模型关键字404所标识的心室的一部分。例如,节段一对应于心室的基底前段,而节段17对应于心室的心尖部分。靶向推荐计算设备104可以确定17节段模型402中与初始靶向区域相对应的节段。在一些示例中,靶向推荐计算设备104基于初始靶向区域与心脏的一部分(诸如心尖)的相对位置来确定节段。例如,靶向推荐计算设备104可以确定从心脏的心尖到心脏的初始靶向区域的距离和方向,并基于距离和方向,确定对应的节段。在某些示例中,靶向推荐计算设备104基于一个或多个规则来确定对应的节段。规则可以标识例如文本的一个或多个词(例如,从报告数据中提取)与特定节段的相关性。
在一些示例中,靶向推荐计算设备104基于针对多种成像技术中的每一者所接收的图像数据来确定模型的节段。例如,靶向推荐计算设备104可以从数据库116获得针对患者的CT图像数据、MR图像数据和PET图像数据。靶向推荐计算设备104可以基于针对患者的CT图像数据、MR图像数据和PET图像数据中的每一者来确定节段模型的节段。此外,靶向推荐计算设备104可以确定所确定的节段是否相同(例如,匹配)。如果它们相同,则靶向推荐计算设备104可以生成表征所确定的节段的节段数据,并且可以将节段数据存储在数据库116中。如果所确定的节段不相同,则靶向推荐计算设备104可以将一个或多个附加规则应用于所确定的节段来生成节段数据。例如,靶向推荐计算设备104可以确定特定节段被确定的次数,并生成标识被确定最多次数的节段的节段数据。
在某些情况下,靶向推荐计算设备104可以对所确定的节段中的每一者应用权重,并且基于经加权的节段来生成靶向数据。例如,靶向推荐计算设备104可以将40%的权重应用于PET图像数据,并且将30%的权重应用于基于MR图像数据和CT图像数据所确定的节段中的每一者。如果三个确定的权重不同,则靶向推荐计算设备104可以选择基于PET图像数据所确定的节段。如果基于MR图像数据和CT图像数据所确定的节段相同,则靶向推荐计算设备104可以在基于PET图像数据所确定的节段之上选择该确定的节段(例如,因为60%大于40%)。
靶向推荐计算设备104可以提供用于显示的模型的初始靶向区域和/或所确定的节段。例如,靶向推荐计算设备104可以基于所接收的图像数据来重建图像,其中经重建的图像标识初始靶向区域。经重建的图像可以是例如二维或三维图像。例如,初始靶向区域可以是与器官的其他部分不同的颜色。在其他示例中,靶向推荐计算设备104可以在经重建的图像内描绘、突出显示或切分(hash)初始靶向区域,或者可以在经重建的图像内以任何其他合适的方式标识初始靶向区域。此外,靶向推荐计算设备104可以提供经重建的图像来显示。这样,诸如EP的医学专家可以容易地标识初始靶向区域。
在一些示例中,靶向推荐计算设备104附加地或备选地显示本文中描述的节段模型。在一些示例中,靶向推荐计算设备104可以描绘、突出显示或切分所确定的节段,或者可以以任何其他合适的方式标识所确定的节段。在某些情况下,靶向推荐计算设备104提供在节段模型之上覆盖的经重建的图像来显示。例如,EP可以查看在17节段心室模型之上的经重建的图像中标识的瘢痕区域。在其它情况下,靶向推荐计算设备104提供在经重建的图像之上覆盖的节段模型来显示。
此外,在一些示例中,靶向推荐计算设备104显示具有瘢痕位置和器官的健康部分的标识的节段模型。例如,靶向推荐计算设备104可以显示具有与瘢痕位置相对应的节段的节段模型,与瘢痕位置相对应的节段与器官的健康部分所对应的节段不同地显示。例如,与瘢痕位置相对应的节段可以以与器官的健康部分所对应的节段不同的颜色显示,或以不同方式突出显示或切分。
靶向区域调整指导
靶向推荐计算设备104还可以允许医学专家(诸如EP)修改、改变或更新靶向区域,诸如本文所述的推荐的靶向区域。一旦最终确定,靶向推荐计算设备104可以生成标识针对患者最终确定的靶向区域的靶向限定数据,并且可以将靶向限定数据传输到治疗计划计算设备106。诸如放射肿瘤学家的医学专家可以操作治疗计划计算设备106,以经由成像设备102向患者传递治疗,将治疗传递到由靶向限定数据所限定的患者区域。在一些示例中,靶向限定区域被集成到用于治疗患者的放射消融治疗计划中。
由靶向推荐计算设备104执行的应用程序可以促进对推荐的靶向区域(例如,初始靶向区域)进行修改、改变或更新。例如,图5A图示了包括交互模型522的显示界面500的图形用户界面(GUI)520。在该示例中,交互模型522是表示心脏心室的节段的17节段模型。医学专家可以选择或取消选择交互模型522中可以与用于治疗的区域相对应的一个或多个节段。当首先被显示给医学专家时,交互模型522可以标识与针对治疗推荐的区域(即,推荐的靶向区域)相对应的推荐的节段。然而,在一些示例中,交互模型522不标识任何推荐的节段。在该示例中,推荐的节段包括第一节段523A(例如,节段11)。然而,假设医学专家希望标记用于治疗的附加节段。医学专家可以使用光标589(例如,使用I/O设备203)来简单地选择交互模型522内的那些附加节段。
例如并且如图5B所示,医学专家可以选择第二节段523B(例如,节段16)和第三节段523C(例如,节段15)。同样,医学专家可以取消选择任何选定的节段。在一些示例中,当光标589被放置在节段(例如,节段4)之上时,GUI 520显示节段的名称(例如,经由弹出窗口)。在该示例中,光标589出现在交互模型522的节段4之上,并且作为响应,GUI 520显示将节段4标识为心室的“基底后段”部分的名称框525。
为了向推荐的靶向区域添加节段,医学专家可以点击添加图标590。作为响应,靶向推荐计算设备104生成标识和表征所更新的靶向区域的数据并将所生成的数据存储在数据储存库中,诸如存储在数据库116内。如果医学专家希望重新开始并且不保存节段选择和取消选择,则医学专家可以点击取消图标592,这导致从上次点击添加图标590起,清除任何选择或取消选择的节段。在一些示例中,GUI 520包括复位图标593,如果复位图标593被选择,则清除由医学专家做出的任何修改,并产生初始推荐的节段(例如,如最初推荐的节段)。
一旦医学专家完成了对推荐的节段的任何改变(例如,假设甚至进行了任何改变),医学专家可以选择完整图标594。基于选择完整图标594,所执行的应用程序可以显示如图5C中所图示的GUI 550。GUI 550包括标识所选择的节段562(例如,如在GUI 520中选择)的交互模型560。所选择的节段562可以根据任何适当的方法来标识,并且在该示例中如关键字561所指示地来标识。例如,所选择的节段可以以与未选择的节段以不同的颜色出现。在一些示例中,所选择的节段可以被突出显示或切分(例如,与未选择的节段不同),和/或通过节段号来标识。附加地,例如如关于交互模型522所描述的,医学专家可以通过选择和/或取消选择交互模型560内的节段来调整所选择的节段。
此外,GUI 550可以包括表征对应患者的先前研究和治疗的一个或多个研究类别图(例如,“热图”)。例如,GUI 550包括电气图574、结构图578和组合图570。电气图574可以表征先前的电研究和治疗,诸如基于EKG结果的电研究和治疗。与电气图574相对应的关键字576提供每个节段先前已被选择用于针对患者的电研究和/或治疗的相对次数的指示。例如,关键字576可以指示最多选择的(多个)节段和最少选择的(多个)节段。在一些示例中,由关键字576指示的每个类别可以对应于每个节段被选择的次数的范围(例如,第一类别0次,第二类别1次,第三类别2-4次,第四类别5-7次,以及第五类别8次及以上的次数)。关键字576可以使用任何合适的方法来提供指示,诸如使用切分方法或改变节段的显示颜色。在该示例中,例如,节段3先前比节段4和6更频繁地被选择。类似地,结构图578可以表征先前的成像研究和治疗,诸如基于CT、MR或PET成像的研究和治疗。与结构图578相对应的关键字580提供每个节段先前被选择用于对患者进行成像研究和/或治疗的相对次数的指示。在该示例中,节段5先前比任何其它节段更频繁地被选择。
组合图570基于先前在由电气图574和结构图578表征的电和结构研究中选择节段的相对次数。例如,靶向推荐计算设备104可以确定每个节段在电与结构研究之间被选择的总次数,并确定每个节段相对于其它节段被选择的频率。与组合图570相对应的关键字572提供每个节段先前被选择用于患者的任何研究和/或治疗的相对次数的指示。例如,关键字572可以指示最多选择的(多个)节段和最少选择的(多个)节段。在一些示例中,由关键字572指示的每个类别可以对应于每个节段被选择的次数的范围。关键字572可以使用任何合适的方法来提供指示,诸如使用切分方法或改变节段的显示颜色。
在一些示例中,靶向推荐计算设备104可以将权重应用于为先前类型的研究选择每个节段的次数。例如,靶向推荐计算设备104可以为结构研究赋予比电研究更大地权重,反之亦然。基于应用权重,靶向推荐计算设备104确定每个节段相对于其它节段被选择的频率。在该示例中,第一权重575被应用于电研究,而第二权重579被应用于结构研究。尽管在图5C中第一权重575和第二权重579相同(例如5),但是它们可以不同。实际上,在一些示例中,GUI 550允许医学专家编辑第一权重575和第二权重579中的每一者。
通过提供研究类别图(例如,电气图574、结构图578和组合图570),GUI 550向医学专家提供附加信息来确保选择最适合的节段进行治疗。
附加地,GUI 550可以包括样本图像563部分,样本图像563部分可以显示患者的图像扫描和/或具有类似状况和/或治疗的其他患者的图像扫描。例如,靶向推荐计算设备104可以确定具有类似状况和/或治疗的一个或多个先前患者,并且从数据库116获得针对患者和一个或多个先前患者的图像数据103。此外,靶向推荐计算设备104可基于所获得的图像数据来重建图像,并且在GUI 550的样本图像563部分内显示图像。
GUI 550还可以显示基于节段的注释564,注释564可以包括先前针对每个选定节段所确定和提供的文本。例如,因为在交互模型560中,节段11、15和16被选择,所以这些节段的任何注释可以出现在GUI 550的基于节段的注释564部分中。注释可以包括例如由一个或多个医学专家预先批准的文本。在一些示例中,基于节段的注释564允许医学专家输入附加信息(例如,经由I/O设备203)。
GUI 550还包括警报565部分,警报565部分可以基于所选择的节段来提供警报(例如,警告、推荐的检查、建议等)。例如,如本文所描述的,靶向推荐计算设备104可以基于一个或多个规则的应用,或者在一些示例中,基于对针对患者的图像数据和/或报告数据应用一个或多个机器学习过程来生成警报。例如,如果基于患者的先前研究,靶向推荐计算设备104确定瘢痕位置已位于特定节段中超过阈值量或阈值百分比的次数(例如,75%),但是该节段当前未被选择(例如,在交互模型560内),则靶向推荐计算设备104可以引起警报的显示。作为另一示例,如果靶向推荐计算设备104确定多于阈值量的节段(例如,3个)被选择,则靶向推荐计算设备104可以引起警报的显示。作为又一示例,如果靶向推荐计算设备104确定节段的特定组合被选择或未被选择(例如,当节段3和7被选择时;当节段15被选择但节段10未被选择时等),靶向推荐计算设备104可以引起警报的显示。诸如这些的规则可以是用户定义的规则,并且可以基于一个或多个医学专家之间的协议(例如,同意最佳实践的医学专家联盟)。
其他示例性规则可以包括确定在心室(VT)出口部位(EXIT SITE)处或附近选择瘢痕节段(SCAR SEGMENT),目的是避开健康组织。另一规则可以包括基于所感应的VT的数量来限制靶向(TARGET)节段的数量。例如,规则可以允许针对1个感应的VT具有1-2个TARGET节段,针对2个感应的VT具有1-4个TARGET节段,以及针对3个或更多个感应的VT具有1-6个TARGET节段。在一些示例中,规则可以指定所选择的TARGET节段的最大数量,诸如六个。
附加地,GUI 550包括反馈请求566部分,反馈请求566部分允许医学专家寻求其他医学专家的输入(例如,意见)。例如,医学专家可以向GUI 550的反馈请求566部分提供输入,并且靶向推荐计算设备104可以将请求传输到一个或多个其他计算设备,诸如另一靶向推荐计算设备104。在一些示例中,请求被传输到一个或多个预定计算设备。在一些示例中,反馈请求部分包括菜单(例如,下拉菜单),菜单允许选择将请求传输到一个或多个医学专家。接收计算设备可以显示请求,允许医学专家提供响应,并且还可以将响应传输回到发送请求的靶向推荐计算设备104。在接收响应时,靶向推荐计算设备104可以在反馈请求部分566内显示响应。
图6A图示了可以由例如靶向推荐计算设备104生成的显示界面500的对准GUI601。显示界面500包括3D结构图像602,3D结构图像602包括叠加在扫描图像604上的3D节段模型606。靶向推荐计算设备104可以基于针对患者的图像数据(例如,图像数据103)和诸如交互模型522或交互模型560的交互模型来生成3D结构图像602。
例如,3D节段模型606可以是心脏心室的3D节段模型。扫描图像604可以是由图像扫描设备102扫描的图像,诸如患者的扫描结构的3D体积。3D结构图像602还包括靶向区域图648,靶向区域图648限定了用于患者进行治疗的靶向区域。至少在开始时(例如,在EP调整之前),靶向区域图648可以对应于交互模型的一个或多个选定靶向区域,诸如交互模型522的第一、第二和第三节段523A、523B、523C,或者交互模型560的选定节段562。在一些示例中,靶向区域图648以不同的颜色显示。在一些示例中,不同的阴影线被用来显示靶向区域图648,或者允许EP容易地确定靶向区域图648的轮廓的任何其他合适的机制。此外,如所显示的,纵轴650前进通过3D结构图像602的顶点608。
在一些示例中,GUI 601可以显示参考字符680。根据3D结构图像602的取向,参考字符680从视图中显示。例如,如果3D结构图像602的取向使得在对应的器官位于患者内时其从俯视图显示,则参考字符680从俯视图显示。这允许诸如EP的医学专家容易地确定3D结构图像602当前从什么视图和/或取向来显示。
在一些示例中,GUI 601包括允许调整3D结构图像602的一个或多个调整图标655。例如,调整图标655可以允许放大、缩小、平移和旋转功能。
参考图6B,GUI 601可以显示允许EP对3D结构图像602进行调整的一个或多个拖动点,诸如拖动点670A、670B。例如,EP可以通过将拖动点670A拖动到新位置来调整纵轴650。作为响应,GUI 400调整扫描图像604相对于3D节段模型606的取向。类似地,EP可以通过将拖动点670B拖动到新位置来调整靶向区域图648。在一些示例中,GUI 601允许创建或移除拖动点。例如,EP可以右击拖动点,诸如拖动点670B,并且选择“移除”选项来移除拖动点。同样,EP可以右击3D节段模型606的一部分并选择“添加”选项来添加拖动点。
图6C图示了在EP提供用于围绕纵轴650顺时针旋转3D结构图像602(例如,使用I/O设备203来选择一个或多个调整图标655)的输入之后的3D结构图像602。在该示例中,拖动点670C可以允许EP调整3D结构图像602的前室间沟686。
调整图标655还可以允许EP显示附加器官的图像,诸如与扫描图像604所标识的器官相邻的器官。例如,并且参考图6D,EP可以选择调整图标655来显示器官选择框675,器官选择框675允许EP从一个或多个器官中选择来显示。
例如,并且假设EP选择“肺”(例如,“lung_r_p”用于右肺,或“lung_l_p”用于左肺)和“食道”,如图6E所示,GUI 601可以显示第一器官685(例如,肺)和第二器官687(例如,食道)的渲染(例如,3D渲染)。例如,渲染可以是在数据库116中预先存储的3D模型。在其他示例中,渲染是患者的对应结构的扫描图像。
此外,在一些示例中,GUI 601还可以显示从正被治疗的器官(例如,心室)到其他器官中的每个器官的距离677。在一些示例中,靶向推荐计算设备104基于例如针对患者的图像数据(例如,图像数据103)来确定从正被治疗的器官的瘢痕位置的中心到其他器官中的每个器官的距离。在某些示例中,如本文所述,靶向推荐计算设备104基于从报告数据中提取的文本来确定距离。例如,靶向推荐计算设备104可以标识描述瘢痕位置的文本以及描述另一器官的位置的文本,并且可以基于位置,确定瘢痕位置与另一器官之间的距离。
图3图示了靶向推荐计算设备104的示例性部分。在该示例中,靶向推荐计算设备104包括图像重建引擎302、靶向推荐引擎304、用户靶向选择指导引擎306和对准确定引擎308。在一些示例中,图像重建引擎302、靶向推荐引擎304、用户靶向选择指导引擎306和对准确定引擎308中的一个或多个可以使用硬件来实现。在一些示例中,图像重建引擎302、靶向推荐引擎304、用户靶向选择指导引擎306和对准确定引擎308中的一个或多个可以被实现为可以由一个或多个处理器(诸如图2的处理器201)执行、维护在诸如图2的指令存储器207的有形非暂时性存储器中的可执行程序。
在该示例中,靶向推荐引擎304、用户靶向选择指导引擎306和对准确定引擎308中的一个或多个可以接收一个或多个用户输入301。例如,医学专家可以经由输入/输出设备203或经由显示器206的触摸屏来提供(多个)用户输入301。(多个)用户输入301可以在由所执行的应用程序提供的图形用户界面(GUI)内接收。靶向推荐引擎304、用户靶向选择指导引擎306和对准确定引擎308中的每一者可以从GUI接收数据(例如,(多个)用户输入301)并且可以向GUI提供数据,诸如用于显示的数据。
图像重建引擎302可以从数据库116获得针对患者的图像数据103。例如,图像数据103可以是使用图像扫描设备102针对患者捕获的图像数据,诸如CT图像数据或MR图像数据。图像重建引擎302可以基于所获得的图像数据103来重建图像。在一些示例中,经重建的图像可以是患者的一个或多个器官的三维图像。图像重建引擎302生成表征经重建的图像的图像重建数据303并将图像重建数据303提供给靶向推荐引擎304。
靶向推荐引擎304可以执行用于基于图像重建数据303来标识用于治疗的初始靶向区域的操作。例如,靶向推荐引擎304可以对图像重建数据303应用一个或多个经训练的机器学习过程来限定初始靶向区域。如本文所述,机器学习过程可以基于从历史图像扫描生成的特征,使用有监督或无监督学习来训练。
在一些示例中,靶向推荐引擎304基于从数据库116针对患者获得的患者数据310来确定初始靶向区域。患者数据310可以表征关于患者的医疗信息,诸如医疗报告、先前程序、当前和先前状况、诊断、当前和先前治疗以及任何其他医疗信息。例如,患者数据310可以包括表征患者的医疗专业结果和/或诊断的报告数据。靶向推荐引擎304可以从数据库116获得针对患者的患者数据310并对患者数据310应用文本提取过程来标识文本。此外,靶向推荐引擎304可以将经训练的机器学习过程应用于文本数据,以及在一些示例中应用于图像重建数据303,从而确定初始靶向区域。
在一些示例中,靶向推荐引擎304将一个或多个规则应用于文本数据和/或图像重建数据303来确定初始靶向区域。规则可以将例如文本数据的一个或多个词与第一靶向区域相关联并且将文本数据的一个或多个不同词与第二靶向区域相关联。靶向推荐引擎304可以确定例如所提取的文本是否包括与第一靶向区域相关联的一个或多个词或者与第二靶向区域相关联的一个或多个不同词中的任一者。基于任何对应的词,靶向推荐引擎304可以将初始靶向区域确定为第一靶向区域或第二靶向区域。在一些示例中,靶向推荐引擎304将初始靶向区域确定为具有最对应词的区域。
靶向推荐引擎304生成推荐的靶向数据305,推荐的靶向数据305表征所确定的初始靶向区域。推荐的靶向数据305可以标识经重建的图像内的初始靶向区域,并且附加地或备选地,可以如本文所述标识节段模型的对应节段。靶向推荐引擎304向用户靶向选择指导引擎306提供推荐的靶向数据305。
用户靶向选择指导引擎306可以允许医学专家更新初始靶向区域。例如,用户靶向选择指导引擎306可以生成一个或多个GUI,诸如GUI 520、550,一个或多个GUI允许医学专家改变、更新或修改与治疗区域相对应的模型节段。在一些实例中,用户靶向选择指导引擎306可以显示交互模型,诸如交互模型522或交互模型560并且可以接收用于选择或取消选择交互模型的节段的输入(例如,输入301)。用户靶向选择指导引擎306基于输入来相应地更新交互模型。此外,一个或多个GUI还可以诸如在GUI 550的样本图像563部分内显示如本文所述的样本图像。附加地,一个或多个GUI可以诸如在GUI 550的基于节段的注释564部分内显示基于节段的注释,并且如本文所述可以诸如在GUI 550的警报565部分内进一步提供警报。当医学专家选择和/或取消选择交互模型的节段时,用户靶向选择指导引擎306可以更新所显示的基于节段的注释和/或警报。此外,用户靶向选择指导引擎306可以生成表征所选择的节段的用户选定靶向数据307,并且可以将用户选定靶向数据307提供给对准确定引擎308。
对准确定引擎308可以执行用于生成并提供与所选择的靶向数据307相对应的器官或其部分的3D模型,以用于显示的操作。此外,对准确定引擎308可以从图像重建引擎302接收表征经重建的图像的图像重建数据303,在一些示例中,图像重建数据303可以是患者心室的3D图像。对准确定引擎308可以确定经重建的图像与3D模型的对准,并且可以根据所确定的对准,将3D模型叠加到经重建的图像上,以生成3D结构图像。对准确定引擎308然后可以提供3D结构图像用于显示,诸如用于在显示器206上显示。
此外,对准确定引擎308可以接收标识和表征对3D结构图像的调整的(多个)用户输入301。响应于(多个)用户输入301,对准确定引擎308可以相应地调整3D结构图像。例如,对准确定引擎308可以细化3D模型与经重建的图像的对准。
在某些示例中,对准确定引擎308确定每个医学专家调整是否违反一个或多个预定规则(例如,来自数据库116中的用户选择规则数据312)。如果调整违反规则,则对准确定引擎308可以使得显示具有警告的弹出消息。
在一些示例中,对准确定引擎308接收一个或多个用户输入301,该一个或多个用户输入301标识对可以结合3D结构图像显示的一个或多个其他器官的选择。作为响应,对准确定引擎308提供这样的器官的3D模型来进行显示。在一些示例中,对准确定引擎308提供患者的对应器官的图像数据103来显示。在一些示例中,对准确定引擎308确定被治疗的器官与一个或多个其他选定器官中的每一者之间的距离并提供所确定的距离用于显示。
在一些示例中,对准确定引擎308接收标识平移或变焦动作的一个或多个用户输入301。作为响应,对准确定引擎308可以跨3D结构图像平移或变焦。在一些示例中,对准确定引擎308接收标识对3D结构图像的特定视图的预先配置选择进行选择的一个或多个用户输入301。对准确定引擎308可以根据所选择的特定视图来调整3D结构图像,并且可以提供经调整的3D结构图像来用于显示。
对准确定引擎308可以生成靶向限定数据309并且可以将靶向限定数据309存储在数据库116中,靶向限定数据309标识和表征经细化的3D结构图像和任何其他选定器官和所确定的距离中的一个或多个。在一些示例中,对准确定引擎308使得靶向推荐计算设备104将靶向限定数据309传输到用于治疗患者的另一计算设备,诸如治疗计划计算设备106。
图7图示了可以由例如靶向推荐计算设备104执行的示例方法700的流程图。从步骤702开始,靶向推荐计算设备104接收针对患者的图像数据。例如,靶向推荐计算设备104可以从数据库116获得图像数据103或者可以从图像扫描设备102接收图像数据103。在步骤704处,靶向推荐计算设备104接收针对患者的报告数据。例如,靶向推荐计算设备104可以从数据库116获得针对患者的患者数据310。此外,并且在步骤706处,靶向推荐计算设备104将文本提取过程应用于报告数据来标识文本数据。例如,靶向推荐计算设备104可以应用适于从报告中提取文本的任何已知的文本提取过程。
在步骤708处,靶向推荐计算设备104基于图像数据和文本数据来确定针对治疗推荐的靶向区域。例如并且如本文所述,靶向推荐计算设备104可以对图像数据和文本数据应用一个或多个经训练的机器学习过程,或者可以应用一个或多个规则来确定推荐的靶向区域。此外,并且在步骤710处,靶向推荐计算设备104接收标识对推荐的靶向区域的改变的第一输入。例如,医学专家可以选择或取消选择对应交互模型(例如,交互模型522或交互模型560)的节段。
在步骤712处,靶向推荐计算设备104将一个或多个规则应用于对推荐的靶向区域的改变,并在步骤714处确定一个或多个规则中的任一者是否被违反。如果没有违反被规则,则方法前进到步骤716,在步骤716处,靶向推荐计算设备104将改变应用于推荐的靶向区域(例如,对应模型与所选择或取消选择的节段一起保存在数据库116内)。方法然后前进到步骤724,在步骤724处,推荐的靶向区域被显示为已更新。例如,推荐的靶向区域可以在GUI内显示。
然而,如果在步骤714处,靶向推荐计算设备104确定至少一个规则被违反,则方法前进到步骤718,在步骤718处,靶向推荐计算设备104显示请求接受改变的错误消息。例如,靶向推荐计算设备104可以显示警告消息,要求医学专家验证改变,并且还可以例如在GUI的警报部分内显示一个或多个警报,和/或在GUI的基于节段的注释部分内显示一个或多个基于节段的注释。
方法从步骤718前进到步骤720,在步骤720处,靶向推荐计算设备104接收第二输入,其中第二输入标识对改变的接受或拒绝。例如,在步骤718处显示的错误可以包括接受(ACCEPT)图标和拒绝(REJECT)图标。医学专家可以选择接受图标来接受改变,或者可以选择拒绝图标来拒绝改变。
在步骤722处,靶向推荐计算设备104基于第二输入,确定改变是否被接受。如果改变被接受,则方法进行到步骤716,在步骤716处,改变被应用。否则,如果改变不被接受,则方法前进到步骤724,在步骤724处,在没有改变的情况下显示推荐的靶向区域。方法然后结束。
图8是可以由例如靶向推荐计算设备104执行的示例方法800的流程图。从步骤802开始,针对患者的图像数据被接收。例如,靶向推荐计算设备104可以从数据库116获得图像数据103,或者可以从图像扫描设备102接收图像数据103。在步骤804处,靶向推荐计算设备104基于图像数据来确定瘢痕位置。例如,并且如本文所述,靶向推荐计算设备104可以基于对图像数据应用一个或多个经训练的机器学习过程和/或应用一个或多个规则来确定瘢痕位置。
此外,并且在步骤806处,靶向推荐计算设备104基于瘢痕位置来确定模型的节段。例如,靶向推荐计算设备104可以确定节段模型(例如,心脏心室的17节段模型)中与瘢痕位置相对应的节段。在步骤808处,靶向推荐计算设备104显示具有所确定的节段的标识的节段模型。例如并且如本文所描述的,靶向推荐计算设备104可以以不同的颜色显示所确定的节段或者可以突出显示或切分所确定的节段,或者可以以任何其他合适的方式标识所确定的节段。方法然后结束。
图9是可以由例如靶向推荐计算设备104执行的示例方法900的流程图。从步骤902开始,针对患者的图像数据被接收。例如,靶向推荐计算设备104可以从数据库116获得图像数据103,或者可以从图像扫描设备102接收图像数据103。在步骤904处,靶向推荐计算设备104基于图像数据来确定器官的瘢痕位置。例如并且如本文所述,靶向推荐计算设备104可以基于对图像数据应用一个或多个经训练的机器学习过程和/或应用一个或多个规则来确定器官的瘢痕位置。
此外,并且在步骤906处,靶向推荐计算设备104基于瘢痕位置来确定器官的健康部分。例如,并且如本文所述,靶向推荐计算设备104可以将距离瘢痕位置至少最小距离的器官部分标识为器官的健康部分。在一些示例中,靶向推荐计算设备104对从报告数据中提取的文本应用一个或多个规则来确定健康部分。
在步骤908处,靶向推荐计算设备104显示具有瘢痕位置和器官的健康部分的标识的节段模型。例如并且如本文所描述的,靶向推荐计算设备104可以显示具有与瘢痕位置相对应的节段的节段模型,与瘢痕位置相对应的节段与器官的健康部分所对应的节段被不同地显示。例如,与瘢痕位置相对应的节段可以以与器官的健康部分所对应的节段不同的颜色显示,或以不同方式突出显示或切分。方法然后结束。
在一些示例中,计算设备从针对患者的一个或多个模式接收图像数据。计算设备基于图像数据,确定针对治疗推荐的靶向区域,并基于推荐的靶向区域,确定节段模型的一个或多个对应节段。此外,计算设备显示标识所确定的一个或多个节段的节段模型,并接收修改所确定的一个或多个节段的输入数据。基于输入数据,计算设备更新一个或多个节段,并且生成表示经更新的一个或多个节段的靶向限定数据。计算设备传输用于治疗患者的靶向限定数据。
在一些示例中,系统包括数据库以及与数据库通信地耦合的计算设备。计算设备被配置为接收针对患者的器官的图像数据。计算设备还被配置为基于图像数据,确定针对治疗器官的推荐的靶向区域。此外,计算设备被配置为生成推荐的靶向数据,推荐的靶向数据表征器官的推荐的靶向区域。计算设备还被配置为将推荐的靶向数据存储在数据库中。
在一些示例中,计算设备被配置为接收表征患者的医疗结果的报告数据,并基于报告数据来确定推荐的靶向区域。在一些示例中,计算设备被配置为通过将文本提取过程应用于报告数据以标识报告数据内的文本来确定推荐的靶向区域。在一些示例中,计算设备被配置为基于对文本应用规则来确定推荐的靶向区域。
在一些示例中,计算设备被配置为基于将一个或多个机器学习模型应用于图像数据来确定推荐的靶向区域。在一些示例中,计算设备被配置为基于历史图像扫描来生成特征,并且基于所生成的特征来训练一个或多个机器学习模型。
在一些示例中,计算设备被配置为将推荐的靶向数据传输到第二计算设备以治疗患者。
在一些示例中,计算设备被配置为接收第一输入,该第一输入标识针对治疗推荐的靶向区域的改变。计算设备还被配置为基于针对治疗推荐的靶向区域的改变来确定第一规则是否被违反。此外,计算设备被配置为基于确定一个或多个规则中的任一者是否被违反来提供改变是否被接受的指示,以用于显示。
在某些示例中,计算设备被配置为确定第一规则未被违反,并且基于改变来更新推荐的靶向区域。
在一些示例中,计算设备被配置为确定第一规则被违反,并基于违反来提供错误消息,以用于显示。
在一些示例中,计算设备被配置为接收第二输入,生成表征推荐的靶向区域的靶向数据并将靶向数据传输到第二计算设备以治疗患者。
在一些示例中,计算设备被配置为在图形用户界面上显示交互模型,其中交互模型包括多个节段,并且其中第一输入标识对多个节段中的至少一个节段的选择。在一些示例中,计算设备被配置为显示与多个节段中的至少一个节段相关联的注释。在一些示例中,第一规则基于多个节段的特定组合。在一些示例中,第一规则基于多个节段的最大数量的选择。
在一些示例中,计算设备被配置为获得针对患者的器官的图像数据,其中针对治疗推荐的靶向区域在器官内。计算设备还被配置为基于器官,生成节段模型,并显示具有图像数据覆盖的节段模型。
在一些示例中,计算设备被配置为获得针对患者的器官的图像数据,其中针对治疗推荐的靶向区域在器官内。计算设备还被配置为基于器官,生成节段模型,并显示具有节段模型覆盖的图像数据。
在一些示例中,计算设备被配置为生成该器官类型的第一数字模型,并且确定图像数据与该第一数字模型的对准。计算设备还被配置为生成第二数字模型,第二数字模型包括第一数字模型和扫描图像的至少一部分。计算设备还被配置为将第二数字模型存储在数据储存库中。在某些示例中,计算设备还被配置为提供第二数字模型来显示。在一些示例中,计算设备还被配置为接收第二输入,第二输入标识对图像数据与第一数字模型的对准的调整。计算设备还被配置为基于第二输入来调整第二数字模型。计算设备进一步被配置为将经调整的第二数字模型存储在数据储存库中。
在一些示例中,计算设备被配置为接收标识器官的治疗靶向区域的第二输入并且基于器官的治疗靶向区域,确定第二数字模型的对应部分。计算设备还被配置为重新生成第二数字模型,以标识第二数字模型的对应部分。
在一些示例中,计算设备被配置为接收针对患者的图像数据。计算设备还被配置为基于图像数据,确定器官的瘢痕位置。此外,计算设备还被配置为基于瘢痕位置,确定器官模型的多个节段中的节段。计算设备还被配置为显示具有所确定的节段的标识的模型。例如,计算设备可以以一种颜色显示所确定的节段,而以另一种颜色显示多个节段中的剩余节段。在一些示例中,计算设备被配置为显示具有图像数据覆盖的模型。在一些示例中,计算设备被配置为显示具有模型覆盖的图像数据。
在一些示例中,计算设备被配置为接收针对患者的图像数据。计算设备还被配置为基于图像数据,确定器官的瘢痕位置。此外,计算设备被配置为基于瘢痕位置,确定器官的健康部分。计算设备还被配置为显示具有瘢痕位置和健康部分的标识的器官模型。例如,计算设备可以以一种颜色显示器官的瘢痕位置,并且以另一种颜色显示器官的健康部分。
在一些示例中,计算机实现的方法包括接收针对患者的图像数据。方法还包括基于所接收的图像数据,确定针对治疗推荐的靶向区域。在一些示例中,方法还包括接收针对患者的报告数据。方法然后包括基于图像数据和报告数据,确定针对治疗推荐的靶向区域。
此外,方法包括接收标识针对治疗推荐的靶向区域的改变的输入。方法还包括基于针对治疗推荐的靶向区域的改变来确定一个或多个规则中的任一者是否被违反。方法还包括基于确定一个或多个规则中的任一者被违反来提供改变是否被接受的指示,以用于显示。
在一些示例中,方法包括接收针对患者的器官的图像数据。方法还包括基于图像数据,确定针对治疗器官的推荐的靶向区域。此外,方法包括生成推荐的靶向数据,推荐的靶向数据表征器官的推荐的靶向区域。方法还包括将推荐的靶向数据存储在数据库中。
在一些示例中,计算机实现的方法包括接收标识针对治疗推荐的靶向区域的改变的第一输入。方法还包括基于针对治疗推荐的靶向区域的改变来确定第一规则是否被违反。此外,方法包括基于确定一个或多个规则中的任一者是否被违反来提供改变是否被接受的指示,以用于显示。
在一些示例中,计算机实现的方法包括接收针对患者的图像数据。方法还包括基于图像数据,确定器官的瘢痕位置。此外,方法包括基于瘢痕位置,确定器官模型的多个节段中的节段。方法还包括显示具有所确定的节段的标识的模型。在一些示例中,方法包括显示具有图像数据覆盖的模型。在一些示例中,方法包括显示具有模型覆盖的图像数据。
在一些示例中,计算机实现的方法包括接收针对患者的图像数据。方法包括基于图像数据,确定器官的瘢痕位置。此外,方法包括基于瘢痕位置,确定器官的健康部分。方法还包括显示具有瘢痕位置和健康部分的标识的器官模型。
在一些示例中,存储指令的非暂时性计算机可读介质,指令在由至少一个处理器执行时,使得至少一个处理器执行包括接收针对患者的图像数据的操作。操作还包括基于所接收的图像数据,确定针对治疗推荐的靶向区域。在一些示例中,操作还包括接收针对患者的报告数据。操作然后包括基于图像数据和报告数据,确定针对治疗推荐的靶向区域。
此外,操作包括接收标识针对治疗推荐的靶向区域的改变的输入。操作还包括基于针对治疗推荐的靶向区域的改变来确定一个或多个规则中的任一者是否被违反。操作还包括基于确定一个或多个规则中的任一者是否被违反来提供改变是否被接受的指示,以用于显示。
在一些示例中,存储指令的非暂时性计算机可读介质,指令在由至少一个处理器执行时使得至少一个处理器执行包括接收针对患者器官的图像数据的操作。操作还包括基于图像数据,确定针对治疗器官的推荐的靶向区域。此外,操作包括生成推荐的靶向数据,推荐的靶向数据表征器官的推荐的靶向区域。操作还包括将推荐的靶向数据存储在数据库中。
在一些示例中,存储指令的非暂时性计算机可读介质,指令在由至少一个处理器执行时使得至少一个处理器执行包括接收第一输入的操作,第一输入标识针对治疗推荐的靶向区域的改变。操作还包括基于针对治疗推荐的靶向区域的改变来确定第一规则是否被违反。此外,操作包括基于确定一个或多个规则中的任一者是否被违反来提供改变是否被接受的指示,以用于显示。
在一些示例中,存储指令的非暂时性计算机可读介质,指令在由至少一个处理器执行时使得至少一个处理器执行包括接收针对患者的图像数据的操作。操作还包括基于图像数据,确定器官的瘢痕位置。此外,操作包括基于瘢痕位置,确定器官模型的多个节段中的节段。操作还包括显示具有所确定的节段的标识的模型。在一些示例中,操作包括显示具有图像数据覆盖的模型。在一些示例中,操作包括显示具有模型覆盖的图像数据。
在一些示例中,存储指令的非暂时性计算机可读介质,指令在由至少一个处理器执行时使得至少一个处理器执行包括接收针对患者的图像数据的操作。操作包括基于图像数据,确定器官的瘢痕位置。此外,操作包括基于瘢痕位置,确定器官的健康部分。操作还包括显示具有瘢痕位置和健康部分的标识的器官模型。
在一些示例中,计算机实现的方法包括用于接收针对患者的图像数据的装置。方法还包括用于基于所接收的图像数据,确定针对治疗推荐的靶向区域的装置。在一些示例中,方法还包括用于接收针对患者的报告数据的装置。方法然后包括用于基于图像数据和报告数据,确定针对治疗推荐的靶向区域的装置。
此外,方法包括用于接收输入的装置,输入标识针对治疗推荐的靶向区域的改变。方法还包括用于基于针对治疗推荐的靶向区域的改变来确定一个或多个规则中的任一者是否被违反的装置。方法还包括用于基于确定一个或多个规则中的任一者是否被违反来提供改变是否被接受的指示,以用于显示的装置。
在一些示例中,计算机实现的方法包括用于接收针对患者器官的图像数据的装置。方法还包括用于基于图像数据,确定针对治疗器官的推荐的靶向区域的装置。此外,方法包括用于生成推荐的靶向数据的装置,推荐的靶向数据表征器官的推荐的靶向区域。方法还包括用于将推荐的靶向数据存储在数据库中的装置。
在一些示例中,计算机实现的方法包括用于接收第一输入的装置,第一输入标识针对治疗推荐的靶向区域的改变。方法还包括用于基于针对治疗推荐的靶向区域的改变来确定第一规则是否被违反的装置。此外,方法包括用于基于确定一个或多个规则中的任一者是否被违反来提供改变是否被接受的指示,以用于显示的装置。
在一些示例中,计算机实现的方法包括用于接收针对患者的图像数据的装置。方法还包括用于基于图像数据,确定器官的瘢痕位置的装置。此外,方法包括用于基于瘢痕位置,确定器官模型的多个节段中的节段的装置。方法还包括用于显示具有所确定的节段的标识的模型的装置。在一些示例中,方法包括用于显示具有图像数据覆盖的模型的装置。在一些示例中,方法包括用于显示具有模型覆盖的图像数据的装置。
在一些示例中,计算机实现的方法包括用于接收针对患者的图像数据的装置。方法包括用于基于图像数据,确定器官的瘢痕位置的装置。此外,方法包括用于基于瘢痕位置,确定器官的健康部分的装置。方法还包括用于显示具有瘢痕位置和健康部分的标识的器官模型的装置。
虽然以上描述的方法参考所图示的流程图,但是将理解,可以使用执行与方法相关联的动作的许多其它方式。例如,一些操作的顺序可以被改变,并且所描述的一些操作可以是可选的。
附加地,本文描述的方法和系统可以至少部分地以计算机实现的过程和用于实践这些过程的装置的形式来体现。所公开的方法还可以至少部分地以使用计算机程序代码编码的有形非暂时性机器可读存储介质的形式来体现。例如,方法的步骤可以以硬件、由处理器执行的可执行指令(例如,软件)或两者的组合来实现。介质可以包括例如RAM、ROM、CD-ROM、DVD-ROM、BD-ROM、硬盘驱动装置、闪存或任何其它非暂时性机器可读存储介质。当计算机程序代码被加载到计算机中并由计算机执行时,计算机变为用于实践方法的装置。方法还可以至少部分地以计算机的形式来体现,计算机程序代码被加载或执行到所述计算机中,使得计算机成为用于实践方法的专用计算机。当在通用处理器上实现时,计算机程序代码段将处理器配置为创建特定逻辑电路。方法可以备选地至少部分地在用于执行方法的专用集成电路中体现。
提供前述内容是为了图示、解释和描述这些公开的实施例。这些实施例的修改和适配对于本领域技术人员是显而易见的并且可以在不脱离这些公开内容的范围或精神的情况下进行。
Claims (20)
1.一种系统,包括:
计算设备,被配置为:
接收第一输入,所述第一输入标识用于治疗的靶向区域的改变;
基于用于治疗的所述靶向区域的所述改变,确定第一规则是否被违反;以及
基于确定所述一个或多个规则中的任一者是否被违反,提供所述改变是否被接受的指示,以用于显示。
2.根据权利要求1所述的系统,其中所述计算设备被配置为:
确定所述第一规则未被违反;以及
基于所述改变,更新所述靶向区域。
3.根据权利要求1或权利要求2所述的系统,其中所述计算设备被配置为:
确定所述第一规则被违反;以及
基于所述违反,提供错误消息,以用于显示。
4.根据前述权利要求中任一项所述的系统,其中所述图像数据是核磁共振图像数据和计算机断层扫描图像数据中的至少一者。
5.根据前述权利要求中任一项所述的系统,其中所述计算设备被配置为:
接收第二输入;
生成表征所述靶向区域的靶向数据;以及
将所述靶向数据传输到用于治疗患者的第二计算设备。
6.根据前述权利要求中任一项所述的系统,其中所述计算设备被配置为在图形用户界面上显示交互模型,其中所述交互模型包括多个节段,并且其中所述第一输入标识对所述多个节段中的至少一个节段的选择。
7.根据权利要求6所述的系统,其中所述计算设备被配置为显示与所述多个节段中的所述至少一个节段相关联的注释。
8.根据权利要求6或7所述的系统,其中所述第一规则基于所述多个节段的特定组合。
9.根据权利要求6或7所述的系统,其中所述第一规则基于所述多个节段的最大数量的选择。
10.根据前述权利要求中任一项所述的系统,其中所述计算设备被配置为:
获得针对患者的器官的图像数据,其中用于治疗的靶向区域在所述器官内;
基于所述器官,生成节段模型;以及
显示具有所述图像数据的覆盖的所述节段模型。
11.根据权利要求1至权利要求9中任一项所述的系统,其中所述计算设备被配置为:
获得针对患者的器官的图像数据,其中用于治疗的所述靶向区域在所述器官内;
基于所述器官,生成节段模型;以及
显示具有所述节段模型的覆盖的所述图像数据。
12.根据前述权利要求中任一项所述的系统,其中所述计算设备被配置为:
生成所述器官的类型的第一数字模型;
确定所述图像数据与所述第一数字模型的对准;
生成第二数字模型,所述第二数字模型包括所述第一数字模型和所述扫描图像的至少一部分;以及
将所述第二数字模型存储在数据储存库中。
13.根据权利要求12所述的系统,其中所述计算设备还被配置为提供所述第二数字模型以用于显示。
14.根据权利要求12或权利要求13所述的系统,其中所述计算设备进一步被配置为:
接收第二输入,所述第二输入标识所述图像数据与所述第一数字模型的对准的调整;
基于所述第二输入,调整所述第二数字模型;以及
将经调整的第二数字模型存储在所述数据储存库中。
15.根据权利要求1所述的系统,其中所述计算设备进一步被配置为:
接收第二输入,所述第二输入标识所述器官的治疗靶向区域;
基于所述器官的所述治疗靶向区域,确定所述第二数字模型的对应部分;以及
重新生成所述第二数字模型来标识所述对应部分。
16.一种计算机实现的方法,包括:
接收第一输入,所述第一输入标识用于治疗的靶向区域的改变;
基于用于治疗的所述靶向区域的所述改变,确定第一规则是否被违反;以及
基于确定所述一个或多个规则中的任一者是否被违反来提供所述改变是否被接受的指示,以用于显示。
17.根据权利要求16所述的计算机实现的方法,包括:
确定所述第一规则未被违反;以及
基于所述改变,更新所述靶向区域。
18.根据权利要求16或权利要求17所述的计算机实现的方法,包括:
确定所述第一规则被违反;以及
基于所述违反,提供错误消息,以用于显示。
19.一种存储指令的非暂时性计算机可读介质,所述指令在由至少一个处理器执行时使得所述至少一个处理器执行操作,所述操作包括:
接收第一输入,所述第一输入标识用于治疗的靶向区域的改变;
基于用于治疗的所述靶向区域的所述改变,确定第一规则是否被违反;以及
基于确定所述一个或多个规则中的任一者是否被违反,提供所述改变是否被接受的指示,以用于显示。
20.根据权利要求19所述的非暂时性计算机可读介质,其中所述操作进一步包括以下各项中的至少一项:
确定所述第一规则未被违反;以及
基于所述改变,更新所述靶向区域;或者
确定所述第一规则被违反;以及
基于所述违反,提供错误消息,以用于显示。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202163250521P | 2021-09-30 | 2021-09-30 | |
US63/250,501 | 2021-09-30 | ||
US63/250,521 | 2021-09-30 | ||
PCT/US2022/076835 WO2023056205A1 (en) | 2021-09-30 | 2022-09-22 | Methods and apparatus for radioablation treatment area targeting and guidance |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118160043A true CN118160043A (zh) | 2024-06-07 |
Family
ID=90999295
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280066196.7A Pending CN118043901A (zh) | 2021-09-30 | 2022-09-22 | 用于放射消融治疗区域靶向和引导的方法和装置 |
CN202280066195.2A Pending CN118160043A (zh) | 2021-09-30 | 2022-09-22 | 用于射频消融治疗区域靶向和引导的方法和装置 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280066196.7A Pending CN118043901A (zh) | 2021-09-30 | 2022-09-22 | 用于放射消融治疗区域靶向和引导的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN118043901A (zh) |
-
2022
- 2022-09-22 CN CN202280066196.7A patent/CN118043901A/zh active Pending
- 2022-09-22 CN CN202280066195.2A patent/CN118160043A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
CN118043901A (zh) | 2024-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2585419C2 (ru) | Система и способ автоматической генерации исходных планов лучевой терапии | |
CN114007538B (zh) | 基于深度学习的规划组织消融的方法 | |
US20210059758A1 (en) | System and Method for Identification, Labeling, and Tracking of a Medical Instrument | |
Bai et al. | A proof-of-concept study of artificial intelligence–assisted contour editing | |
US9401051B2 (en) | Mechanism for dynamically propagating real-time alterations of medical images | |
CN118160043A (zh) | 用于射频消融治疗区域靶向和引导的方法和装置 | |
CN114022471B (zh) | 确定穿刺点的方法及装置,电子设备及存储介质 | |
EP4295778A1 (en) | Medical image processing device, medical image processing method, and program | |
EP3457942B1 (en) | Verifying a position of an interventional device | |
US20220414402A1 (en) | Automatic localized evaluation of contours with visual feedback | |
CA3231254A1 (en) | Methods and apparatus for radioablation treatment area targeting and guidance | |
KR20240090288A (ko) | 방사선 절제 치료 영역 타게팅 및 안내를 위한 방법들 및 장치들 | |
KR20240090287A (ko) | 방사선 절제 치료 영역 타게팅 및 안내를 위한 방법들 및 장치들 | |
US20220351836A1 (en) | Methods and apparatus for determining radioablation treatment | |
US20240038362A1 (en) | Methods and apparatus for radioablation treatment | |
JP6920477B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
EP4083914A1 (en) | Image processing device and method | |
US20220328167A1 (en) | Radioablation treatment systems and methods | |
JP2021033826A (ja) | 医用画像処理装置、医用画像処理方法および医用画像処理プログラム | |
GB2611602A (en) | A System and Method for quality assurance of medical image segmentation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |