JP2018522651A - 放射線治療中に品質指標を使用して標的を追跡するためのシステム及び方法 - Google Patents
放射線治療中に品質指標を使用して標的を追跡するためのシステム及び方法 Download PDFInfo
- Publication number
- JP2018522651A JP2018522651A JP2017568429A JP2017568429A JP2018522651A JP 2018522651 A JP2018522651 A JP 2018522651A JP 2017568429 A JP2017568429 A JP 2017568429A JP 2017568429 A JP2017568429 A JP 2017568429A JP 2018522651 A JP2018522651 A JP 2018522651A
- Authority
- JP
- Japan
- Prior art keywords
- location
- quality
- target
- images
- classifier
- 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.)
- Granted
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/1077—Beam delivery systems
- A61N5/1084—Beam delivery systems for delivering multiple intersecting beams at the same time, e.g. gamma knives
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
-
- 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
- A61N2005/1061—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam using an x-ray imaging system having a separate imaging source
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Urology & Nephrology (AREA)
- Surgery (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Radiation-Therapy Devices (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
Description
[0001]
本出願は、2015年6月30日に出願された米国仮特許出願第62/186,743号の優先権の利益を主張し、その全内容は参照により本明細書に組み込まれる。
[0002]
本開示は、一般に、放射線治療又は放射線療法に関する。より詳しくは、本開示は、放射線治療中に標的臓器の追跡を決定するためのシステム及び方法に関する。
放射線療法は、哺乳動物(例えば、ヒト及び動物)の組織における癌及び他の病気を治療するために使用される。そのような放射線治療技術のひとつはガンマナイフ(Gamma Knife)であり、それによって患者は、標的(例えば、腫瘍)に対し高強度かつ高精度に収束する多数の低強度ガンマ線により照射される。別の実施形態では、腫瘍が高エネルギー粒子(例えば、電子、プロトン、光子、イオンなど)によって照射される線形加速器を使用する放射線療法が提供される。腫瘍が所定の放射線を確実に受けるように、放射線ビームの配置及び線量を正確に制御しなければならず、そして、ビームの配置は、しばしばリスク臓器(OARs)と呼ばれる周囲の健康な組織への損傷を最小限に抑えるものでなければならない。さらに別の実施形態では、高い線量を身体の特定の領域に内部的に導くことを可能にする近接照射療法による放射線療法を提供することができる。
外照射療法(external radiation therapy)を使用する場合、放射線ビームは、例えば、マルチリーフコリメータ(multi-leaf collimator)を使用することによって、腫瘍の形状に合うように成形することができる(例えば、マルチリーフコリメータは、カスタマイズされた放射ビーム形状を生成するために互いに独立して動くことができる複数のタングステンリーフを含む)。放射線は、医師の処方箋と同様に、医師が腫瘍及び周囲の器官に対して所定量の放射線を注文するため「処方された」と呼ばれる。
伝統的に、各患者について、臨床及び線量測定の目的及び制約(例えば、腫瘍及び重大な器官への放射線の最大線量、最小線量及び平均線量)に基づく最適化技術を用いて、放射線療法治療計画(「治療計画」)を作成することができる。治療計画の手順は、標的領域(例えば、腫瘍)を同定し、腫瘍の近くの重要な器官を同定するために、患者の三次元画像を使用することを含むことができる。各構造(例えば、標的、腫瘍、OARなど)は、ボクセルとして知られる有限数の体積立方体に離散化することができる。治療計画の作成は、臨床的に受け入れられる治療計画を作成するために、個々の重要性(例えば、重み付け)を考慮して、プランナが様々な治療目的又は制約(例えば、線量量ヒストグラム(DVH)目標)に従うことを試みる、時間のかかるプロセスである。リスク臓器(OAR)の数が増加する(例えば、頭頸部治療の場合には13又はそれ以上に増加する)につれてプロセスが複雑となるため、このタスクは、様々なリスク臓器(OAR)により複雑になる、時間のかかる試行錯誤のプロセスになる可能性があります。腫瘍から離れたリスク臓器(OAR)は放射線から容易に逃れることができるが、標的腫瘍に近い又は重なりあっているリスク臓器(OAR)は放射線から逃れることが困難である。
コンピュータ断層撮影法(CT)画像は、伝統的に、放射線治療の治療計画のための画像データの主要なソースとして役立つ。CT画像は患者の幾何形状の正確な再現を提供し、CT値は放射線量計算のための電子密度(例えば、ハウンスフィールド単位:Hounsfield unit)に直接変換することができる。しかし、CTを使用すると、患者は追加の放射線量にさらされる。CT画像に加えて、磁気共鳴映像法(MRI)走査は、CT画像と比較して、その優れた軟組織コントラストにより放射線療法で使用することができる。MRIは電離放射線を含まず、組織代謝及び機能性などのヒトの身体機能情報を捕捉するために使用することができる。
コンピュータ断層撮影法(CT)、超音波法、蛍光透視法、及び磁気共鳴映像法(MRI)などの画像システムを使用して、標的の位置を決定し、標的(例えば、器官、腫瘍など)を追跡することができる。MRIは、CTで使用されるような電離放射線を用いることなく、優れた軟組織コントラストを提供するので、利用することができる。イメージングシステムと一体化された放射線治療システムの例は、標的(例えば、腫瘍)の3次元(3D)画像を使用することができるMRI−Linac(磁気共鳴映像装置−線型加速装置)を含むことができる。MRI−LinacのMRI装置は、患者の組織内の水素核の部分マップに対応する複数の画像を提供することができる。患者画像は、1次元(ID)の線、2次元(2D)の面、又は3次元(3D)の体積で取得することができる。器官や腫瘍は患者の体内を移動するので、標的の迅速かつ正確な3次元(3D)の位置特定が重要である。例えば、標的器官又は腫瘍は、様々なタイプの運動(例えば、呼吸、心臓、蠕動、他のタイプの患者の動き)のために動きうる。
治療成果は多くの要因に依存する。これらの要因には、正確な標的輪郭線、正確な線量の計算及び送達、正確な放射線ビーム照準、及び、動く腫瘍の正確な位置特定を含む正確な患者の位置決めが含まれる。典型的には、放射線療法治療のための患者設定及び照射(intrafraction)モニタリングの両方が、骨格ランドマーク、基準マーカー、又は軟部組織を使用する画像位置特定を用いる。
異なる時間に撮影された患者の解剖学的画像を解析して、その間における解剖学的構造の動きを決定することができる。これは、同じモダリティ(撮画手段)の画像間で、又は異なるモダリティ(撮画手段)の画像間で行うことができる。患者の位置を監視する人間のオペレータには、不注意の問題があり、実時間での正確性を提供することができない。したがって、画像分析法を適用して解剖学的位置を特定し、治療(例えば、リニアックゲーテイング(linac gating)、マルチリーフコリメータムーブメント(MLC movement)による治療)をリアルタイムで調整することは有用である。しかし、ほとんどの位置特定アルゴリズム(localization algorithm)は、位置特定の結果が標的の動きを決定するのに適切であるかどうかの情報を提供しない。したがって、画像中の標的の位置の品質を迅速かつ効率的かつ自動的にリアルタイムで判定することができる方法及びシステムが必要であり、それは治療の決定が信頼できるかどうか(適合しているかどうか)についての情報を提供する。
ひとつの態様では、本開示は、患者への放射線療法の治療中に撮像装置によって取得された複数の画像から、標的の位置特定の品質を決定するための分類器をトレーニングする方法に関する。この方法は、放射線療法治療セッションで取得された画像を表す複数の画像内の標的の位置を示す位置特定結果を決定するステップを含むことができる。この方法は、また各位置特定結果の品質指標を決定するステップを含むことができる。この方法は、更に各位置特定結果からひとつ又はそれ以上の特徴を抽出するステップを含むことができる。さらに、この方法は、前記位置特定結果とひとつ又はそれ以上の抽出された特徴とを用いて分類器をトレーニングするステップを含むことができる。
別の態様では、本開示は、患者への放射線療法の治療中に撮像装置によって取得された複数の画像から、標的の位置特定の品質を決定する方法に関する。この方法は、前記患者への放射線療法の治療中に取得された複数の画像内の標的の位置を示す位置特定結果を決定するステップを含むことができる。この方法は、また、分類器を使用して前記標的の前記位置を追跡するための前記位置特定結果の位置特定品質を決定するステップを含むことができる。この方法は、更に、前記位置特定品質の表示をユーザに提供する、又は、前記位置特定品質に基づく治療関連行為を行うステップを含むことができる。
更なる態様では、本開示は、患者への放射線療法の治療中に撮像装置によって取得された複数の画像から、標的の位置特定の品質を決定するための分類器をトレーニングするシステムに関する。このシステムは、コンピュータ実行可能命令を記憶するメモリを含むことができる。このシステムは、また、前記メモリに通信可能に結合されたプロセッサを含むことができる。前記コンピュータ実行可能命令は、前記プロセッサにより実行されると、様々な動作を前記プロセッサに実行させることができる。この動作は、放射線療法治療セッションで取得された画像を表す複数の画像内の標的の位置を示す位置特定結果を決定するステップを含むことができる。この動作は、また、各位置特定結果の品質指標を決定するステップを含むことができる。この動作は、更に、各位置特定結果からひとつ又はそれ以上の特徴を抽出するステップを含むことができる。更に、この動作は、前記位置特定結果とひとつ又はそれ以上の抽出された特徴とを用いて分類器をトレーニングするステップを含むことができる。
別の態様では、本開示は、患者への放射線療法の治療中に撮像装置によって取得された複数の画像から、標的の位置特定の品質を決定するシステムに関する。このシステムは、コンピュータ実行可能命令を記憶するメモリを含むことができる。このシステムは、また、前記メモリに通信可能に結合されたプロセッサを含むことができる。前記コンピュータ実行可能命令は、前記プロセッサにより実行されると、様々な動作を前記プロセッサに実行させることができる。この動作は、前記患者への放射線療法の治療中に取得された複数の画像内の標的の位置を示す位置特定結果を決定するステップを含むことができる。この動作は、また、分類器を使用して前記標的の前記位置を追跡するための前記位置特定結果の位置特定品質を決定するステップを含むことができる。この動作は、更に、前記位置特定品質の表示をユーザに提供する、又は、前記位置特定品質に基づく治療関連行為を行うステップを含むことができる。
更なる態様では、本開示は、装置の少なくともひとつのプロセッサにより実行され、患者への放射線療法の治療中に撮像装置によって取得された複数の画像から、標的の位置特定の品質を決定するための分類器をトレーニングする方法を前記装置に実行させる命令セットを記憶する非一時的コンピュータ読取可能記憶媒体に関する。この方法は、放射線療法治療セッションで取得された画像を表す複数の画像内の標的の位置を示す位置特定結果を決定するステップを含むことができる。この方法は、また、各位置特定結果の品質指標を決定するステップを含むことができる。この方法は、更に、各位置特定結果からひとつ又はそれ以上の特徴を抽出するステップを含むことができる。この方法は、前記位置特定結果とひとつ又はそれ以上の抽出された特徴とを用いて分類器をトレーニングするステップを含むことができる。
更なる態様では、装置の少なくともひとつのプロセッサにより実行され、患者への放射線療法の治療中に撮像装置によって取得された複数の画像から、標的の位置特定の品質を決定するための分類器をトレーニングする方法を前記装置に実行させる命令セットを記憶する非一時的コンピュータ読取可能記憶媒体に関する。この方法は、前記患者への放射線療法の治療中に取得された複数の画像内の標的の位置を示す位置特定結果を決定するステップを含むことができる。この方法は、また、分類器を使用して前記標的の前記位置を追跡するための前記位置特定結果の位置特定品質を決定するステップを含むことができる。この方法は、更に、前記位置特定品質の表示をユーザに提供する、又は、前記位置特定品質に基づく治療関連行為を行うステップを含むことができる。
本開示の更なる目的及び利点は、以下の詳細な説明に一部が記載され、かつ、一部は説明から明らかであり、又は本開示の実施によって学ぶことができる。本開示の目的及び利点は、添付の特許請求の範囲に特に指摘された要素及び組合せによって実現され、達成される。
前述の一般的な説明及び以下の詳細な説明は、例示的かつ説明的なものに過ぎず、特許請求の範囲に記載の発明を限定するものではないことを理解されたい。
必ずしも一定の縮尺で描かれていない図面では、同様の参照番号は異なる図で類似の構成要素を示すことがある。文字接尾辞又は異なる文字接尾辞を有する同様の数字は、類似の構成要素の異なる例を表すことができる。図面は、限定ではなく例として、一般に、様々な実施形態を説明し、説明及び請求項とともに、開示された実施形態を説明する役割を果たす。適切な場合、同じ参照番号は、図面全体にわたって同じ又は同様の部分を指すために使用される。そのような実施形態は実証的であり、本発明の装置、システム、又は方法の網羅的又は排他的な実施形態であることを意図するものではない。
図1は、線量分布を治療目的として使用して、放射線治療計画を生成する、又は、既存の放射線療法治療計画を更新する、ための例示的な放射線治療システム100を示している。放射線療法システム100は、インターネット132に接続されたネットワーク130に接続された放射線治療装置110を含むことができる。ネットワーク130は、放射線治療装置110を、データベース140、患者データベース142、腫瘍情報システム(OIS)150(例えば、これは患者情報を提供する)、治療計画システム(TPS)160(例えば、これは放射線治療装置110によって使用される放射線治療計画を生成する)、画像取得装置170、表示装置180、及び/又はユーザインターフェース190に接続することができる。
放射線治療装置110は、プロセッサ回路112と、メモリ装置116と、通信インターフェース114とを含むことができる。メモリ装置116は、オペレーティングシステム118と、治療計画120と、プロセッサ回路112によって実行される任意の他のコンピュータ実行可能命令とを格納することができる。
プロセッサ回路112は、メモリ装置116に通信可能に結合され、プロセッサ回路112は、メモリ装置116に記憶されたコンピュータ実行可能命令を実行するように構成されている。例えば、プロセッサ回路112は、局所化モジュール123と、品質モジュール124と、特徴抽出モジュール127と、分類モジュール126とを使用する機能を実装して、治療計画120を実行することができる。いくつかの実施形態では、任意選択の監視された機械学習モジュール125がメモリ116に格納されていて、臨機応変に(on the fly)で訓練操作を実行して、例えば診療所の分類器(classifier)を再学習することができる。図1では、教師付き機械学習モジュール125は、それが任意の構成要素であることを示すために点線で示されている。さらに、プロセッサ回路112は、画像取得装置170から複数の画像122を取得し、メモリ装置116に画像122を格納する。さらに、プロセッサ回路112は、治療計画120(例えば、Elektaによって製造されたMonacoRソフトウェア)を実行してもよい。
プロセッサ回路112は、マイクロプロセッサ、中央処理装置(CPU)、グラフィックス処理装置(GPU)、加速処理装置(APU)等のひとつ又は複数の汎用処理装置を含む処理装置である。より詳しくは、プロセッサ回路112は、CISC(Complex Instruction Set Computer)マイクロプロセッサ、RISC(Reduced Instruction Set Computing)マイクロプロセッサ、VLIW(Very Long Instruction Word)マイクロプロセッサ、他の命令セットを実装するプロセッサ、又は命令セットの命令セットの組み合わせを実装するプロセッサでもよい。また、プロセッサ回路112は、特定用途向け集積回路(ASIC:Application Specific Integrated Circuit)、フィールドプログラマブルゲートアレイ(FPGA:Field Programmable Gate Array)、デジタル信号プロセッサ(DSP:Digital Signal Processor)、システムオンチップ(SoC:System on Chip)等のひとつ又はそれ以上の専用処理装置でもよい。当業者に理解されるように、いくつかの実施形態では、プロセッサ回路112は、汎用プロセッサではなく、専用プロセッサであってもよい。また、プロセッサ回路112は、Intel(登録商標)社によって製造されたPentium(登録商標)、Core(登録商標)、Xeon(登録商標)、又はItanium(登録商標)ファミリのマイクロプロセッサや、AMD(登録商標)社によって製造されたTurion(登録商標)、Athlon(登録商標)、Sempron(登録商標)、Opteron(登録商標)、FX(登録商標)、Phenom(登録商標)ファミリのマイクロプロセッサ、サンマイクロシステム社により製造された様々なプロセッサのいずれかのようなひとつ又はそれ以上の処理装置を含んでもよい。また、プロセッサ回路112は、Nvidia(登録商標)社により製造されたGeForce(登録商標)、Quadro(登録商標)、Tesla(登録商標)ファミリや、Intel(登録商標)社によって製造されたGMA、Iris(登録商標)ファミリ、AMD(登録商標)社によって製造されたRadeon(登録商標)ファミリからのGPUのような画像処理ユニットを含んでもよい。また、プロセッサ回路112は、AMD(登録商標)社によって製造されたDesktop A−4(6、8)シリーズや、Intel(登録商標)社によって製造されたXeon Phi(登録商標)ファミリのような加速処理ユニットを含んでもよい。開示された実施形態は、いかなるタイプのプロセッサやプロセッサ回路に限定されず、それらは、大量のイメージングデータを識別、分析、維持、生成及び/又は提供するコンピュータ要求を満たし、標的を位置特定して追跡するために画像データを操作する、又は開示された実施形態に一致する他のタイプのデータを操作するように構成されている。さらに、「プロセッサ」又は「プロセッサ回路」という用語は、ひとつ以上のプロセッサ、例えば、マルチコア設計のプロセッサ、又は、それぞれがマルチコア設計を有する複数のプロセッサを含んでもよい。プロセッサ回路112は、メモリ116に格納された一連のコンピュータプログラム命令を実行して、以下より詳細に説明する様々な動作、処理、方法を実行することができる。
メモリ装置116は、画像取得デバイス170から受信した画像データ122(例えば、3次元(3D)MRI、4次元(4D)MRI、2次元(2D)スライスなど)や、放射線治療デバイス110が使用して開示された実施形態と一致する動作を実行することができる任意のフォーマットの他のタイプのデータ/情報を格納することができる。メモリ装置116は、読み出し専用メモリ(ROM)、フラッシュメモリ、シンクロナスDRAM(SDRAM)又はラムバスDRAMなどのランダムアクセスメモリ(RAM)、スタティックメモリ(例えば、フラッシュメモリ、スタティックランダムアクセスメモリ)などを含むことができ、それらにコンピュータ上で実行可能な命令が任意のフォーマットで記憶される。コンピュータプログラム命令は、プロセッサ回路112によってアクセスされ、ROM又は他の適切なメモリ位置から読み出され、プロセッサ回路112による実行のためにRAMにロードされる。例えば、メモリ116はひとつ又はそれ以上のソフトウェアアプリケーションを格納することができる。メモリ116に格納されたソフトウェアアプリケーションは、例えば、共通コンピュータシステム及びソフトウェア制御デバイスのためのオペレーティングシステム118を含むことができる。さらに、メモリ116は、プロセッサ回路112によって実行されるソフトウェアアプリケーション全体又はソフトウェアアプリケーションの一部のみを格納することができる。例えば、記憶装置116は、治療計画システム160によって生成されたひとつ又はそれ以上の放射線療法治療計画120を記憶することができる。さらに、メモリ装置116は、複数のソフトウェアモジュールを格納することができる。例えば、ソフトウェアモジュールは、位置特定モジュール123、品質モジュール124、特徴抽出モジュール127、オプションの監視対象機械学習モジュール125、及び分類モジュール126であり得る。複数のソフトウェアモジュールは、放射線療法治療計画を生成するために、又は既存の放射線療法治療計画を更新するために、治療計画120と共に治療計画システム(TPS)160によって使用されることができる。
いくつかの実施形態では、メモリ装置116は機械可読記憶媒体を含むことができる。ひとつの実施形態では、機械可読記憶媒体は単一の媒体であってもよいが、「機械可読記憶媒体」という用語は、コンピュータ実行可能命令又はデータのひとつ又はそれ以上のセットを格納する、単一の媒体又は複数の媒体(例えば、集中型又は分散型のデータベース、及び/又は関連するキャッシュ及びサーバ)を含むと解釈するべきである。また「機械可読記憶媒体」という用語は、機械による実行のための命令のセットを記憶又は符号化することができ、かつ、本開示のひとつ又はそれ以上の方法論を機械に実行させる、いかなる媒体を含むと解釈するべきである。したがって、「機械可読記憶媒体」という用語は、固体メモリ、光学媒体及び磁気媒体を含むと解釈されるが、これには限定されない。
一実施形態では、メモリ装置116は、少なくとも次のタイプのデータ、すなわち、DICOMデータ、投与年齢データ、最適化パラメータ、顎位置データ、ビームレットデータ、セグメントデータ、セグメント形状、ボクセル線量分布データ、線量データ、線量−体積ヒストグラム(DVH)データ、画像データ、を記憶するように構成することができる。
放射線治療装置110は、プロセッサ回路112及びメモリ116に通信可能に結合された通信インターフェース114を介してネットワーク130と通信することができる。放射線治療装置110は、放射線源(例えば、ガンマ線を提供する装置など)を含むことができる。通信インターフェース114は、例えば、ネットワークアダプタ、ケーブルコネクタ、シリアルコネクタ、USBコネクタ、パラレルコネクタ、高速データ伝送アダプタ(例えば、ファイバ、USB3.0、サンダーボルト(Thunderbolt)など)、無線ネットワークアダプタ(例えば、WiFiアダプタなど)、電気通信(telecommunication)アダプタ(例えば、3G、4G/LTEなど)などを含むことができる。通信インターフェース114は、放射線治療装置110がネットワーク130を介して、遠隔に配置された構成要素などの他の機械及び装置と通信することを可能とする、ひとつ又はそれ以上のデジタル及び/又はアナログ通信装置を含むことができる。
ネットワーク130は、ローカルエリアネットワーク(LAN)、無線ネットワーク、クラウドコンピューティング環境(例えば、SaaS(サース、Software as a Service)、PaaS(パース、Platform as a Service)、IaaS(イアース、Infrastructure as a Service)など)、クライアント−サーバ、ワイドエリアネットワーク(WAN)などを含むことができる。したがって、ネットワーク130は、放射線治療装置110と、治療計画システム160、腫瘍情報システム150、及び画像取得装置170などのいくつかの様々な他のシステム及び装置との間のデータ伝送を可能にすることができる。さらに、治療計画システム160、腫瘍情報システム(OIS)150、及び画像取得装置170によって生成されたデータは、メモリ116、データベース140、又は病院データベース142に格納されることができる。データは、プロセッサ回路112によってアクセスされるために、ネットワーク130及び/又は通信インターフェース114を介して送信/受信されることができる。
さらに、ネットワーク130は、インターネット132に接続されて、遠隔に存在してインターネットに接続されているサーバ又はクライアントと通信することができる。本明細書で説明するように、ネットワーク130は、他のシステムS1(134)、システムS2(136)、システムS3(138)を含むことができる。システムS1、システムS2、及び/又はシステムS3は、システム100と同一であってもよいし、異なるシステムであってもよい。いくつかの実施形態では、ネットワーク130に接続されたひとつ又はそれ以上のシステムは、画像収集、線量最適化を共同で実行し、線量分布を決定し、仮想ソファシフトを実行し、ウォームスタート最適化を実行し、標的位置を実行し、標的追跡及び患者に放射線療法を提供する他の態様を実施する。
加えて、放射線治療システム100は、遠隔に格納されたひとつ又はそれ以上のプログラムを実行するために、データベース140又は病院データベース142と通信することができる。ひとつの例として、データベース140、病院データベース142、又はその両方は、Oracle(登録商標)データベース、Sybase(登録商標)データベースなどを含むことができ、Hadoopシーケンスファイル、HBase、Cassandraなどの非リレーショナルデータベースを含むことができる。そのような遠隔プログラムには、例えば、腫瘍情報システム(OIS)ソフトウェア又は治療計画ソフトウェアを含むことができる。例えば、腫瘍情報システム(OIS)ソフトウェアは、病院データベース142、データベース140、又は腫瘍情報システム(OIS)150を含むことができる。治療計画ソフトウェアは、例えば、データベース140、病院データベース142、治療計画システム160又は腫瘍情報システム(OIS)150に格納されてもよい。したがって、例えば、放射線治療装置110は、病院データベース142と通信して、腫瘍情報システム150の機能を実装することができる。
いくつかの実施形態では、データベース140及び/又は病院データベース142は、放射線療法装置110から遠隔に位置することができる。データベース140及び病院データベース142は、データベース140又は病院データベース142のメモリデバイスに格納されたデータの要求を受信及び処理して、データベース140又は病院データベース142からデータを提供するように構成されたコンピューティングコンポーネント(例えば、データベース管理システム、データベースサーバなど)を含むことができる。当業者であれば、データベース140、142は、中央又は分散のいずれかの複数のデバイスを含み得ることを理解するであろう。
さらに、放射線治療装置110は、ネットワーク140を介してデータベース140と通信し、データベース140に記憶された複数の様々なタイプのデータを送受信することができる。例えば、いくつかの実施形態では、データベース140は、画像取得装置170から複数の画像(例えば、3次元(3D)MRI、4次元(4D)MRI、2次元(2D)MRIスライス画像、CT画像、超音波画像、2次元(2D)蛍光透視画像、X線画像、MRスキャン又はCTスキャンからの生データ、DICOM(Digital Imaging and Communications in Medicine)データなど)を受信することができる。データベース140は、標的位置特定モジュール123、トレーニングモジュール124、及び治療計画120によって使用されるデータを格納することができる。放射線治療装置110は、データベース140から画像データ(例えば、3次元(3D)MRI画像、4次元(4D)MRI画像、超音波画像など)を受信することができる。
画像取得装置170は、患者の医用画像(例えば、磁気共鳴撮像(MRI)画像、3次元(3D)MRI、2次元(2D)ストリーミングMRI、4次元(4D)ボリュームMRI、CT(Computed Tomography)画像、コーンビームCT、陽電子放出断層撮影(PET)画像、機能的MRI画像(例えば、fJV1RI、DCE−MRI、拡散MRI)、X線画像、透視画像、超音波画像、放射線療法ポータル画像、単一光子放出コンピュータ断層撮影(SPECT)画像など)を取得することができる。画像取得装置170は、例えば、MRI撮像装置、CT撮像装置、PET撮像装置、超音波装置、画像透視装置、SPECT撮像装置、又は患者のひとつ又はそれ以上の医用画像を取得する装置であってもよい。画像取得装置170によって取得された画像は、画像データ及び/又は試験データのいずれかとしてデータベース140内に格納することができる。一例として、画像取得装置170によって取得された画像は、放射線治療装置110によってメモリ116に記憶されることができる。
ひとつの実施形態では、例えば、画像取得装置170は、ひとつの装置として放射線治療装置110と一体化することができる。例えば、「MRI−Linac」と呼ばれる線形加速器と組み合わされたMRI装置、ガンマナイフと組み合わされた一体型MRI装置、線形加速器と一体化された三次元イメージャ、線形加速器と組み合わされたコーンビームCT、線形加速器と一体化されたCT−オン−レール(CT-on-rails)、線形加速器と一体化されたMR−オン−レール(MR-on-rails))である。このようなMRI−Linacは、例えば、患者における標的器官又は標的腫瘍の位置を決定するために使用されることができ、放射線療法治療計画に従って放射線療法を所定の標的に向けることができる。
画像取得装置170は、関心領域(例えば、標的臓器、標的腫瘍又はその両方)の患者の解剖学的構造のひとつ又はそれ以上の画像を取得するように構成することができる。ひとつ又はそれ以上の画像は、複数の2次元(2D)スライスを含むことができる。各2次元(2D)スライスは、ひとつ又はそれ以上のパラメータ(例えば、2次元(2D)スライスの厚さ、方向、及び位置など)を含むことができる。そのひとつ又はそれ以上のパラメータは、プロセッサ回路112を使用して、標的を含むように調整することができる。例えば、磁場勾配又は無線周波数(F)波形特性を調整することによって、2次元(2D)スライスの選択された特徴を操作することができる。例えば、スライスの位置は、RFパルスの変調周波数を変更し、同じ勾配強度を維持することによって変化させることができる。さらに、スライスの向きは、例えば、物理的に異なる勾配軸(例えば、選択されたスライスは、適用される勾配に対して直交することができる)を使用することによって変更することができる。ひとつの例では、画像取得装置170(例えば、MRI又はMRI−Linac)は、任意の向きの2次元(2D)スライスを取得することができる。例えば、2次元(2D)スライスの向きは、サジタル方向、コロナル方向、アキシャル方向、又は斜め方向を含むことができる。さらに、これらの方向は、例えば、MRI又はMRI−Linacに関連する磁場勾配(例えば、それぞれGx、Gy又はGz)に対応することができる。ひとつの例では、2次元(2D)スライスは、3次元(3D)MRIボリュームなどの情報から決定することができる。そのような2次元(2D)スライスは、患者が放射線療法治療を受けている間、例えば、放射線療法装置110を使用しているときに、「リアルタイム」で画像取得装置170によって取得することができる。ひとつの実施形態では、2次元(2D)画像スライスは、画像取得装置170としての超音波装置によって提供することができる。
治療計画システム160(例えば、Elekta社製のMONACOR(登録商標)、Elekta社製のXiOR(登録商標))は、治療されるべき特定の患者に対する放射線治療計画と、他の患者のための放射線治療計画とを、他の放射線治療情報(例えば、ビーム角度、用量ヒストグラムボリューム情報、治療中に使用される放射線ビームの数、ビーム角度、ビーム当たりの線量など)を生成し、保存する。例えば、治療計画システム160は、患者に適用される特定の放射線量に関する情報、及び他の放射線療法関連情報(例えば、画像誘導放射線療法(IGRT)、強度変調放射線療法(IMRT)、定位放射線治療のような治療のタイプ)についての情報を提供することができる。
放射線療法治療のひとつのタイプは、強度変調放射線療法(IMRT:Intensity Modulated Radiation Therapy)である。IMRTは、放射線の均一な放射場を送出する等角放射線療法とは異なる。IMRTは、各ビームによって送達される線量分布の調節を可能にする。IMRTにおいて、放射線の各ビームは、それを通して放射が小矩形領域に送達される開口を分割することにより離散化することができる。したがって、各ビームは複数の「ビームレット」に分割される。IMRTを使用して、各ビームレットのための放射強度(例えば、フルエンス)は、独立して調節することができる。所与のビームセットに対して、ビームレットフルエンスは、リスクのある臓器に同時に少量の線量を送達しながら放射線療法治療が癌の標的に所定量の線量を沈着させる能力によって決定される、治療計画の品質に影響を及ぼす可能性がある。
患者内の放射ビームの予測不可能な性質のために、ボクセルに受ける線量は、例えば、モンテカルロシミュレーションを介して決定されることができる。IMRT治療計画の主な目的は、ビームにおけるすべてのセグメント/開口/制御点のMLCのリーフ位置及び強度を含む、すべてのセグメント及び/又は開口及び/又は制御点及び/又はビームレットに対する放射線強度を決定することである。IMRTについて上述したが、開示された方法、プロセス、システムは、IMRTに限定されない。例えば、それらは、体積変調アーク療法(VMAT:Volumetric Modulated Arc Therapy)、強度変調アーク療法(IMAT:Intensity Modulated Arc Therapy)、ダイナミックMLC、ヘリカルトモセラピー、走査ビーム治療、などに適用することができる。
例えば、VMATは、放射線治療装置(図3参照)のガントリを回転させることによって、連続的な放射線ビームを有するひとつ又はそれ以上のアークを通って放射線を送達する。VMAT治療中、マルチリーフコリメータ(MLC)形状、フルエンス出力レート(例えば、線量率)、ガントリ回転速度、MLC及びIMRTの方向(例えば、ステップ・アンド・シュート(step-and-shoot)又はスライドウィンドウ(sliding window))のような、パラメータの数を変化させることができる、典型的には、各アークは、各制御点がひとつのビームを含む均一又は不均一な分散制御点に分けることができる。各ビームは、マトリックス状のビーム(例えば、MLCのサイズに応じて、3×10mm2又は3x5mm2)に分解することができ、放射線療法治療計画は、照射領域の離散を多数のキューブ(例えば、ボクセル)に線量分布を考慮することにより評価することができる。このように、ひとつの実施形態では、プロセッサ回路は、処理目的として線量分布を用いて既存の放射線療法治療計画を更新するための処理を行う。既存の放射線療法治療計画は、既知の線量分布を含む。加えて、既存の放射線療法治療計画は制御ポイントの初期セットを含み、ここでは制御ポイントの初期セットは既知の線量分布に対応しない。プロセッサは、制御点を最適化して、既知の線量分布を近似することができる。
治療計画を生成することは、患者の画像にアクセスし、腫瘍などの標的を輪郭描写するために、画像取得装置170(例えば、CT装置、MRI装置、PET装置、X線装置、超音波装置、等)と通信することを含むことができる。いくつかの実施形態では、腫瘍を取り囲む又は腫瘍のすぐ近くに存在する健康な組織のような、リスク臓器(OAR)の描写が必要な場合がある。したがって、OARが標的腫瘍に近い場合、OARのセグメンテーションが行われる。また、もし標的腫瘍がOARに近ければ(例えば、膀胱や直腸に近い近接した前立腺)、治療計画システム160は、標的だけではなくOARにも線量分布の研究を可能にすることができる。
OARから標的臓器又は標的腫瘍の輪郭を描くために、MRI画像、CT画像、PET画像、fMRI画像、X線画像、超音波画像、SPECT画像、3D医用画像のセットなどのような、放射線療法を受ける患者の医学的画像を、画像取得装置170によって取得して、身体部分の内部構造を明らかにすることができる。医用画像からの情報に基づいて、3次元構造を得ることができる。さらに、治療計画プロセス中に、標的腫瘍の効率的な治療(例えば、標的腫瘍が効果的な治療のために十分な放射線量を受けるように)と、OARの低照射(例えば、OARは可能な限り低い放射線量を受ける)との間のバランスを達成するために、標的臓器及び標的腫瘍の位置、OARの位置、及びOARに関連する標的の動きを含む、多くのパラメータを考慮に入れることができる。例えば、三次元(3D)構造は、標的の輪郭を形成するか、又は、MRI又はCT画像の各2次元(2D)レイヤ又はスライス内で輪郭を形成して各2次元(2D)レイヤ又はスライスの輪郭を組み合わせることで、得ることができる。輪郭は、手動で(例えば、医師、線量測定、又は医療従事者により)生成する、又は自動で(例えば、スウェーデン、ストックホルムのエレクタ社製のABAS(Atlas-based Auto-Segmentation software)(登録商標)により)生成することができる。特定の実施形態において、標的腫瘍又はOARの3次元(3D)構造は、治療計画システム16によって自動的に生成することができる。
標的腫瘍とOARが位置づけられ描写された後、線量測定士、医師又は医療従事者は、標的腫瘍及び腫瘍に近接する任意のOAR(例えば、左右の耳下腺、視神経、眼、水晶体、内耳、脊髄、脳幹など)に適用される放射線量を決定することができる。放射線量が、各解剖学的構造(例えば、標的腫瘍、OAR)に対して決定された後、逆プラニングとして知られるプロセスが実行され、ひとつ又はそれ以上の治療計画パラメータを決定することができる。逆プラニングの結果は、治療計画システム160又はデータベース140に格納することができる放射線療法治療計画を構成することができる。このとき、治療中のこれらの解剖学的構造の予想される動きの程度は、計画プロセスに組み込むことができる。これらの治療パラメータのいつかは、相関していてもよい。例えば、治療計画を変更しようとする際にひとつのパラメータを調整すること(例えば、標的腫瘍への用量を増加させるような、異なる目的に対する重みつけ)は、少なくともひとつの他のパラメータに影響を及ぼす可能性があり、その結果、異なる治療計画が開発される可能性がある。したがって、治療計画システム160は、放射線治療装置110が患者に放射線治療を提供するために、これらのパラメータを有する調整された放射線治療計画を生成することができる。
放射線治療計画は、解剖学的構造から予想される動きの程度に依存することがある。それらの構造が、治療中に著しく移動することが予想される場合には、治療計画の品質が低下するかもしれない。また、それらの構造が、計画が作成された時に期待されていたものよりも治療中により移動した場合には、これは治療の効果が減少するかもしれない。したがって、治療送達中の解剖学的構造のひとつ又はそれ以上のものの位置を制限することは、患者にとって有益であり得る。
また、放射線治療システム100は、表示装置180とユーザインターフェース190を含む。表示装置180は、医用画像、インターフェース情報、治療計画パラメータ(例えば、輪郭、線量分布、ビーム角度、制御点のセットなど)、治療計画、標的、標的の局在化及び/又は標的の追跡、又は、ユーザに関連する任意の情報を表示する、ひとつ又はそれ以上の表示画面を含む。ユーザインターフェース190は、ユーザが放射線治療システム100に情報を入力することができる、キーボード、キーパッド、タッチスクリーン又は任意のタイプを含む。
さらに、放射線治療システム100の任意の及び全ての構成要素は、ひとつ実施形態では、仮想マシン(例えば、VMWare、Hyper−V、など)として実装されてもよい。例えば、仮想マシンは、ハードウェアとして機能するソフトウェアであり得る。したがって、仮想マシンは、少なくともひとつ又はそれ以上の仮想プロセッサと、ひとつ又はそれ以上の仮想メモリと、ハードウェアとして機能するひとつ又はそれ以上の仮想通信インターフェースとを含むことができる。例えば、OIS150と、TPS160と、画像取得装置170は、仮想マシンとして実現することができる。処理能力とメモリと利用可能な計算能力が与えられれば、全体の放射線治療システムは、仮想マシンとして実現することができる。
図2は、放射線療法治療装置200のひとつのタイプの例、例えば、スウェーデン、ストックホルムのElekta、ABによって製造されたレクセルガンマナイフ(Leksell Gamma Knife)を示す。ガンマナイフは、(例えば、画像取得装置170からの)MRI画像に遠隔からアクセスして、脳内の標的腫瘍を位置特定することができる(図1に示す)プロセッサ装置112を利用するように構成することができる。ひとつの実施形態では、画像取得装置170としてのMRI装置は、ガンマナイフと統合することができる。図2に示すように、放射線治療セッション中、患者210は、手術又は放射線療法を受けている患者の身体部分(例えば、頭部)を安定に保つために座標フレーム220を着用してもよい。座標フレーム220及び患者位置決めシステム230は、患者を撮像している間、又は放射線施術している間に使用することができる空間座標系を確立することができる。放射線治療装置200は、複数の放射線源250を包囲する保護ハウジング240を含むことができる。放射源250は、ビームチャネル260を介して複数の放射ビーム(例えば、ビームレット)を生成することができる。複数の放射ビームは、異なる方向からアイソセンタ270に集束するように構成することができる。個々の放射ビームは比較的低い強度を有することができるが、アイソセンタ270は、異なる放射ビームからの複数の線量がアイソセンタ270に蓄積するとき、比較的高いレベルの放射を受け取ることができる。特定の実施形態では、アイソセンタ270は、腫瘍のような外科手術又は治療下の標的に対応することができる。
図3は、放射線治療装置300のタイプの別の例(例えば、スウェーデン、ストックホルムのElekta、ABによって製造されたLINACと呼ばれる線形加速器)を示す。線形加速器300を使用する場合、患者302を患者テーブル304上に配置して、治療計画システム160(図1に示す)によって生成された放射線療法治療計画によって決定された放射線量を受け取ることができる。画像データ122及び位置特定モジュール123は、患者302の解剖学的構造内に配置された標的器官又は標的腫瘍などのボリューム内の3D標的を定位及び追跡するために使用することができる。
線形加速器300は、患者302の周りを回転するガントリ308に接続された放射ヘッド306を含んでもよい。放射線ヘッド306は、標的器官又は標的腫瘍に向けられた放射ビーム310を生成する。ガントリ308が回転すると、放射線ヘッド306は患者302の周りを回転することができる。回転している間、放射線ヘッド306は、治療計画システム160(図1に示す)によって生成された治療計画に従って、腫瘍の角度及び形状及びサイズに応じて、放射線の複数の変化する投与量を患者302に提供することができる。器官や腫瘍は患者の体内を移動するため、標的の迅速かつ正確な3次元(3D)の位置特定が重要である。例えば、標的器官又は腫瘍は、様々なタイプの運動(例えば、呼吸、心臓、蠕動又は他のタイプの患者運動)により動き得る。したがって、線形加速器300は、標的位置特定モジュール123を使用することによって、放射線療法治療中に標的(例えば、器官又は腫瘍)を位置決めし、標的を追跡するように構成することができる。
さらに、患者テーブル304の下には、標的器官又は患者32の体の標的腫瘍上に位置するアイソセンタ314の周りで放射線ヘッド306と同期して回転するフラットパネルシンチレータ検出器312が設けられてもよい。フラットパネルシンチレータは、信号対ノイズ比が達成可能な最も高い画像を取得することができ、任意の特定の放射線療法治療セッションの間に患者302によって受信される放射線量の検証に使用することができる(例えば、放射線療法治療は、複数のセッションの放射線療法を必要とすることがあり、各セッションは、通常「分画」と呼ばれる)。さらに、そのような画像は、放射線ヘッド306に対する患者位置決めの幾何学的精度を決定するために使用される。
放射ヘッド306によって生成された軸310とビーム310の中心との交差点は、通常「アイソセンタ」と呼ばれる。患者テーブル304は電動化されて、患者302がアイソセンタ314に又はその近くに腫瘍部位とともに配置されるようにすることができる。例えば、患者テーブル304は、放射ヘッド306内に位置する治療用放射線源に対して、患者302を上昇させ、患者302の縦方向位置又は緯度方向などの位置を変更するように、線形加速器300のひとつ又はそれ以上の他の構成要素に対する位置を変更することができる。
上述したように、患者の位置の変化と放射線治療中の標的運動に関する情報を提供することができる、画像内の標的の位置の質をリアルタイムで迅速かつ効率的かつ自動的に決定することができる方法及びシステムが必要とされている。この方法及びシステムは、検出された変化が確実に知られていることを継続的に検証することができる。図4は、ひとつの実施形態として教師付き機械学習を使用して分類器を生成し訓練することを示すブロック図を示す。複数の医用画像122(例えば、CT、MRI、超音波など)がメモリ116に記憶される。画像122は、例えば、前立腺の時系列の観察結果を表す3次元ボリュームであり得る。別の実施形態では、画像122は2次元画像であってもよい。画像122は、放射線療法治療の前及び/又は放射線療法治療中に撮影された画像を含むことができる。訓練データは、実際の治療を伴わないが、それを代表する条件の下で得ることができる。標的が移動するにつれて、追加画像122が撮影され、メモリ116に格納される。
画像122が取り込まれて記憶された後、画像122はプロセッサ112によってメモリ116から取り出され、プロセッサは画像登録が行われる位置特定モジュール123を取り出すことができる。ひとつの実施形態では、解剖学的構造の位置特定は、例えば、厳格な6個のパラメータ変換(例えば、3個の回転及び3個の変換)を使用する位置特定モジュール123によって実行され得る。位置特定モジュール123は、例えば、現在の容積測定データセットを、取得された第1の容積測定データセットに登録することができる。別の実施形態では、位置特定モジュールは、各画像の標的を識別するためにセグメンテーションを使用することができる。別の実施形態では、位置特定モジュールは、空間ハッシング技術を使用して、標的の外観からの位置を識別することができる。位置特定プロセスは、少なくとも2つの画像間のマッピングを提供して、標的が移動したかどうかの表示を提供する。
位置特定プロセス自体は、品質の基準を規定するものではない。特定のアプリケーションで品質が何を意味するのかを定義する必要がある。例えば、「良好な品質」とは約0.5mmの精度より良いものと定義され、「不良な品質」とは約0.5mmと約2mmとの間の精度として定義され、局所化の失敗とは約2mmより大きい精度として定義されてもよい。初期トレーニングのために提供された画像セットは、「良好な品質」の結果を提供するように選択することができる。
異なる種類の品質の複数の定位結果を収集するために、定位処理の精度を変更することができる。したがって、品質モジュール124は、フィードバックループ119を介して定位モジュール123に接続される。例えば、一実施形態では、位置特定プロセスは、登録アルゴリズムを使用することができる。登録アルゴリズムは、アルゴリズムを開始するための「正しい」位置特定結果が何であるかの最初の推測を使用することができる。「最初の推測」の値は変更することができる。例えば、「最初の推測」は、理想値から連続的に調整することができる。位置特定プロセスの最初の開始点を変更することによって、複数の位置特定結果を取得してメモリ116に格納することができる。このようにして、最初の推測を理想値からさらに遠ざけることによって、位置特定アルゴリズムのための異常条件を作成することができる。初期の推測の調整は、品質の低下又は故障の結果が生じるまで継続することができる。位置特定アルゴリズムを失敗させるような異常状態を生成することにより、複数の不良品質及び失敗のケースを生成して、機械学習モジュール125を訓練することができる。位置特定モジュール123の結果は、品質モジュール124と特徴抽出モジュール127の両方に入力される。
特徴抽出モジュール127は、位置特定画像から複数の特徴を抽出する。一実施形態では、特徴には、相関スコア、ヒストグラム間のKullback Leiber距離、八分円(オクタント)に分割された追跡対象オブジェクトの最小相関スコア及び最大相関スコア、見つかった位置から1mm離れた相関スコア、逆算ヘッセ行列(Hessian)要素、及びそれらの組み合わせが含まれる。
位置特定された画像のそれぞれに対して品質モジュール124によって品質の測定値が決定され、特徴抽出モジュール127によって特徴が抽出されると、教師付き機械学習モジュール125を使用して分類器を訓練することができる。フィッシャー(Fisher)判別分析、カーネル(Kernel)密度推定、ランダムフォレスト、サポートベクトルマシンなどのような、様々なタイプの機械学習を教師付き機械学習モジュール125によって実施することができる。教師付き機械学習モジュール125は、機械学習を使用して複数の特徴のサブセットを作成し、特徴のサブセットのうちのどれが特徴の最良のサブセット(主要特徴)であるかを決定し、この最良のサブセットの特徴を使用して分類器を訓練する。例えば、使用される特徴には、相関スコア、発見された位置特定から所定の距離だけ離れて計算された類似性尺度(例えば、相関スコア)、位置特定された標的のサブセット上の類似性スコア、逆組成ヘッセ行列(Hessian)スケール係数、ヒストグラム間のカルバック・ライブラー(Kullback-Leibler)距離、類似性測定の内部小計又は他のサブコンピューティション(subcomputation)が含まれる。一実施形態では、一次特徴のリストを使用して、分類器を訓練することができる。一実施形態では、一次特徴のリストは、分類器を訓練するために使用することができる少なくとも4つの特徴(例えば、相関スコア、1mmウィンドウアウェイ( 1mm window away)、最小及び最大オルタントスコア(minimum and maximum orthant score)を含むことができる。
教師付き機械学習モジュール125の出力は、メモリ116に記憶された分類モジュール126(例えば、訓練された分類器)である。分類モジュール126は、将来の画像定位のための画像定位の質を予測するために使用することができる。画像の位置特定品質を予測することによって、分類モジュール126は、標的の追跡の品質の推定値を提供することができる。例えば、追跡が特定の精度内にあるかどうか、又は追跡が失われているかどうかを推定することができる。
図5は、標的追跡のため図4の分類器を使用することを示すブロック図を示す。一実施形態では、(例えば、図1に示された)画像取得装置170を使用して、複数の画像122を取得することができる。例えば、画像取得装置170は、超音波装置とすることができる。画像取得装置170は、移動する標的をリアルタイムで追跡する際に画像122を取得するので、各追跡ステップ(例えば、約0.5mm)で、標的ボリュームの画像スライスが画像取得装置170によって取得される。4次元(4D)モニタリングアルゴリズム(図示せず)が画像スライスを取得し、データを累積し、画像122が位置特定されるまでリアルタイムで繰り返す。一実施形態では、画像122は単一画像であってもよい。別の実施形態では、画像122は複数の画像であってもよい。プロセッサ112は、メモリ116から位置特定モジュール123を検索し、位置特定モジュール123に画像122を適用する。位置特定モジュール123は、各画像122についての位置特定結果を決定する。画像122が位置特定された後、プロセッサ112は、特徴抽出モジュール127及び分類モジュール126をメモリ116から検索する。特徴抽出モジュール127は、画像及び位置特定結果から必要な特徴を抽出し、分類モジュール126は、以前に学習された分類器を使用して、ユーザに目標追跡品質の指標を提供する。例えば、分類モジュール126は、位置特定結果が通常の信頼性、低い信頼性を有するか、又は追跡が失われたかを示す。分類モジュール126の出力は、放射ビームをオンのままにして、放射療法を継続するか、又は標的追跡が失われたので放射ビームをオフにするかの指示をユーザに提供する(510)。別の実施形態では、分類モジュール126が、標的への追跡を失ったことを示すとき、放射ビームを自動的にオフにすることができる。
分類器を使用する利点は、一実施形態では、分類器が臨床環境で使用されるときに更新又は再トレーニングが可能であることである。例えば、追加のデータが臨床環境から取得されると、分類器は追加のデータに基づいて急いで(on the fly)再訓練することができる。更新された又は再訓練された分類器は、予測結果を改善することができる。
図6は、訓練された分類器を用いて放射線治療中に分類器を訓練し、移動する標的を追跡する例示的な方法のフローチャートを示す。図6に示すフローチャートは2つの部分を含む。第1の部分は、製品開発段階又は前処理構成又は校正中に行うことができる分類器を訓練するための部分である。上述のように、分類器は、臨床環境で使用されるとき、追加のデータに基づいて再訓練されることができる。第2の部分は、分類器を使用して、位置特定の質を評価するためのものであり、これは治療中に行うことができる。位置特定の品質に基づいて、ユーザに位置特定品質を通知する指示を与えることができる。代替的に又は追加的に、放射ビームは、位置特定品質に基づいて自動的にゲート制御され得る。
図6に示すように、第1の部分610は、分類器をトレーニングするためのステップを含む。分類器をトレーニングすることは、分類器を使用する前の任意の段階で実行することができ、トレーニングプロセスは必ずしも放射線療法装置110のプロセッサ112によって実行されるわけではない。いくつかの実施形態では、分類器は、更新された画像データに基づいて診療環境で再訓練されてもよく、再学習プロセスは、プロセッサ112によって実行されてもよい。以下の説明では、一例として、トレーニングプロセスにおけるステップを記述するときに、プロセッサ112を参照する。しかしながら、訓練プロセスは他のプロセッサによって実行されてもよいことを理解されたい。
ステップ612において、プロセッサ装置112は、患者の臨床的表現(例えば、超音波画像、MR画像など)を表す一組の格納画像122を取り出すことができる。ステップ614において、プロセッサ112は、格納された画像のそれぞれについて画像登録を実行するために、位置特定モジュール123によって提供される機能を実行することができる。ステップ616において、プロセッサ112は、品質モジュール124によって提供される画像登録結果及び品質指標に基づいて品質指標を決定することができる。ステップ618において、プロセッサ112は、特徴抽出モジュール127によって提供される機能を実行して、品質指標が決定される画像から特徴を抽出することができる。ステップ620において、プロセッサ112は、監視された機械学習モジュール125によって提供される監視された機械学習技術を使用して、複数の関連する特徴を識別することができる。ステップ622において、プロセッサ112は、分類モジュール126を使用して分類器を生成することができる。
第2の部分650は、位置特定の品質を決定するために治療中に分類器を使用するためのステップを含む。ステップ652において、画像取得装置170によって複数の画像を取得することができる。ステップ654において、プロセッサ112は、各画像内の標的(例えば、腫瘍、器官、OARなど)の位置を決定するために、位置特定モジュール123を使用することができる。ステップ656において、プロセッサ112は、放射線療法処理の間に標的のリアルタイム移動を追跡することができるステップ658において、プロセッサ112は、第1の部分(610)でトレーニングされた分類器を使用して、各追跡ステップにおける位置特定品質を決定することができる。ステップ660において、プロセッサ112は、標的追跡の品質を示す放射線治療装置110のユーザに指示を提供することができる。品質には、正常、低信頼、損失追跡などの品質尺度が含まれ得る。ステップ662において、プロセッサ112は、追跡品質が正常でない場合に放射線ビームをゲート制御し、標的追跡が失われた場合に放射線療法治療ビームをオフにするなど、品質に基づいて放射線量アプリケーションを制御することができる。
本明細書で言及される全ての刊行物、特許及び特許文書は、参照により個々に組み込まれているかのように、その全体が参照により本明細書に組み込まれる。この文書と参考文献に組み込まれているそれらの文書との間に一貫性のない用法があった場合、組み込まれた参考文献の使用はこの文書の補足として考慮されるべきである。互換性のない矛盾については、この文書の用法が支配する。
例示的に開示された実施形態は、放射線療法の間に品質インジケータを使用する目標追跡のためのシステム及び方法を説明する。前述の説明は、説明のために提示されたものである。それは、網羅的ではなく、開示された厳密な形態又は実施形態に限定されない。実施形態の変更及び適応は、明細書の考察及び開示された実施形態の実施から明らかになるであろう。
本明細書においては、「少なくとも1つ」又は「ひとつ又はそれ以上」の他の例又は用途とは無関係に、ひとつ又は複数のものを含むように、特許文書において一般的であるように、用語「a」又は「an」が使用される。本明細書において、「又は」という用語は、特に明記しない限り、「A又はB」には「AはBを含まない」、「BはAを含まない」、及び「A及びB」を含む非排他的なものとして使用される。本明細書では、用語「含む(including)」及び「その中にある(in which)」は、それぞれの用語「含む(comprising)」及び「その(wherein)」の平易な英語の等価物として使用される。また、以下の特許請求の範囲において、「含む(including)」及び「含む(comprising)」という用語は、オープンエンド(open-ended)であり、すなわち、そのような後に列挙された要素に加えて他の要素を含む装置、システム、クレームは、依然としてそのクレームの範囲内にあるとみなされる。さらに、以下の特許請求の範囲において、「第1」、「第2」及び「第3」などの用語は単にラベルとして使用され、それらのオブジェクトに数値的な要件を課すことを意図しない。
本明細書に記載の方法の例は、少なくとも部分的に機械的に又はコンピュータで実施することができる。いくつかの実施例は、上記の実施例で説明した方法を実行するように電子デバイスを構成するように動作可能な命令でコード化されたコンピュータ可読媒体又は機械可読媒体を含むことができる。このような方法の実装には、マイクロコード、アセンブリ言語コード、高水準言語コードなどのソフトウェアコードを含めることができる。様々なプログラム又はプログラムモジュールは、様々なソフトウェアプログラミング技術を使用して作成することができる。例えば、プログラムセクション又はプログラムモジュールは、Java(登録商標)、Python、C、C++、アセンブリ言語、又は既知のプログラミング言語で設計することができる。そのようなソフトウェアセクション又はモジュールのひとつ又はそれ以上は、コンピュータシステム及び/又はコンピュータ可読媒体に統合することができる。そのようなソフトウェアコードは、様々な方法を実行するためのコンピュータ可読命令を含むことができる。ソフトウェアコードは、コンピュータプログラム製品又はコンピュータプログラムモジュールの一部を形成することができる。さらに、一実施例では、ソフトウェアコードは、実行中又は他の間に、ひとつ又はそれ以上の揮発性、非一時的、又は不揮発性の有形のコンピュータ可読媒体に有形に格納することができる。これらの具体的なコンピュータ可読媒体の例には、ハードディスク、リムーバブル磁気ディスク、取り外し可能な光ディスク(例えば、コンパクトディスク及びデジタルビデオディスク)、磁気カセット、メモリカード又はスティック、ランダムアクセスメモリ(RAM)、読み出し専用メモリ(ROM)などが含まれる。
さらに、例示的な実施形態を本明細書で説明したが、本開示に基づく等価な要素、修正、省略、組み合わせ(例えば、様々な実施形態にわたる態様の組合せ)、適合又は変更を有する任意の及びすべての実施形態を含む。特許請求の範囲内の要素は、特許請求の範囲で使用されている言語に基づいて広く解釈されるべきであり、本明細書に記載された実施例、又は、特許出願の手続中に限定されるものではない。さらに、開示された方法のステップは、ステップの並べ替え、ステップの挿入又は削除を含む、任意の方法で変更することができる。したがって、明細書及び実施例は、単なる例示としてみなされ、真の範囲及び精神は、添付の特許請求の範囲及びそれらの等価物の全範囲によって示すことが意図されている。
上記の説明は例示的なものであり、限定的なものではない。例えば、上記の例(又はその1つ又は複数の態様)は、互いに組み合わせて使用されてもよい。上記の説明を検討することにより、当業者によって、他の実施形態を使用することができる。また、上記の詳細な説明では、開示を合理化するために様々な特徴をグループ化することができる。これは、クレームされていない開示された特徴がクレームに不可欠であることを意図していると解釈されるべきではない。むしろ、本発明の主題は、開示された特定の実施形態のすべての特徴よりも少なくてもよい。したがって、添付の特許請求の範囲は、実施形態又は実施形態としての詳細な説明に組み込まれ、各請求項は、別個の実施形態として独立して立証され、そのような実施形態は、様々な組合せ又は順列で互いに組み合わせることができる。本発明の範囲は、添付の特許請求の範囲を参照して、そのような特許請求の範囲が権利を与えられている等価物の全範囲と共に決定されるべきである。
Claims (36)
- 患者への放射線療法の治療中に撮像装置によって取得された複数の画像から、標的の位置特定の品質を決定するための分類器をトレーニングする方法であって、
放射線療法治療セッションで取得された画像を表す複数の画像内の標的の位置を示す位置特定結果を決定するステップと、
各位置特定結果の品質指標を決定するステップと、
各位置特定結果からひとつ又はそれ以上の特徴を抽出するステップと、
前記位置特定結果とひとつ又はそれ以上の抽出された特徴とを用いて分類器をトレーニングするステップと
を有することを特徴とする方法。 - 請求項1記載の方法において、
前記複数の画像から画像のサブセットを選択して、品質尺度を提供するステップと、
前記位置特定結果を調整することにより、複数タイプの品質を有するサンプルを提供するステップと
を更に有することを特徴とする方法。 - 請求項1記載の方法において、
前記分類器をトレーニングするステップは、
教師付き機械学習技術を使用して分類器をトレーニングするステップと、
複数の特徴のサブセットを生成するステップと、
前記複数の特徴のサブセットに基づいて主要な特徴を決定するステップと、
前記主要な特徴を用いて前記分類器をトレーニングするステップとを含む
ことを特徴とする方法。 - 請求項3記載の方法において、
前記主要な特徴は、
相関スコア、
前記標的の前記位置から所定の距離だけ離れて計算された類似性尺度、
最小のオルタントスコア、又は、
最大のオルタントスコア
の少なくともひとつを含む
ことを特徴とする方法。 - 請求項1記載の方法において、
前記撮像装置は超音波プローブを含み、
前記複数の画像は超音波画像を含む
ことを特徴とする方法。 - 請求項1記載の方法において、
前記撮像装置はMRI装置を含み、
前記複数の画像はMRI画像を含む
ことを特徴とする方法。 - 患者への放射線療法の治療中に撮像装置によって取得された複数の画像から、標的の位置特定の品質を決定する方法であって、
前記患者への放射線療法の治療中に取得された複数の画像内の標的の位置を示す位置特定結果を決定するステップと、
分類器を使用して前記標的の前記位置を追跡するための前記位置特定結果の位置特定品質を決定するステップと、
前記位置特定品質の表示をユーザに提供する、又は、前記位置特定品質に基づく治療関連行為を行うステップと
を有することを特徴とする方法。 - 請求項7記載の方法において、
前記位置特定品質の前記表示は、少なくとも通常の追跡、低い信頼度の追跡、及び追跡失敗の決定を反映する
ことを特徴とする方法。 - 請求項7記載の方法において、
前記複数の画像及び前記位置結果からひとつ又はそれ以上の特徴を抽出するステップと、
前記抽出されたひとつ又はそれ以上の特徴に基づいて、前記分類器を使用して前記位置特定の品質を決定するステップと
を更に有することを特徴とする方法。 - 請求項7記載の方法において、
前記位置特定結果及び前記位置特定品質に基づいて、前記放射線療法の治療中の前記標的のリアルタイム移動を追跡するステップ
を更に有することを特徴とする方法。 - 請求項7記載の方法において、
前記位置特定の品質が前記標的の追跡失敗を示す場合、前記治療関連行為は放射線ビームをオフにすることを含む
ことを特徴とする方法。 - 請求項7記載の方法において、
新しいデータに基づいて臨床環境において前記分類器を更新する、又は再度トレーニングするステップ
を更に有することを特徴とする方法。 - 患者への放射線療法の治療中に撮像装置によって取得された複数の画像から、標的の位置特定の品質を決定するための分類器をトレーニングするシステムであって、
前記システムは、コンピュータ実行可能命令を記憶するメモリと、前記メモリに通信可能に結合されたプロセッサとを有し、
前記コンピュータ実行可能命令は、前記プロセッサにより実行されると、
放射線療法治療セッションで取得された画像を表す複数の画像内の標的の位置を示す位置特定結果を決定するステップと、
各位置特定結果の品質指標を決定するステップと、
各位置特定結果からひとつ又はそれ以上の特徴を抽出するステップと、
前記位置特定結果とひとつ又はそれ以上の抽出された特徴とを用いて分類器をトレーニングするステップと
を含む動作を前記プロセッサに実行させる
ことを特徴とするシステム。 - 請求項13記載のシステムにおいて、
前記動作は、
前記複数の画像から画像のサブセットを選択し、品質尺度を提供するステップと、
前記位置特定結果を調整することにより複数種類の品質を有するサンプルを提供するステップと
を更に有することを特徴とするシステム。 - 請求項13記載のシステムにおいて、
前記分類器をトレーニングする動作は、
教師付き機械学習技術を使用して分類器をトレーニングするステップと、
複数の特徴のサブセットを生成するステップと、
前記複数の特徴のサブセットに基づいて主要な特徴を決定するステップと、
前記主要な特徴を用いて前記分類器をトレーニングするステップとを含む
ことを特徴とするシステム。 - 請求項15載のシステムにおいて、
前記主要な特徴は、
相関スコア、
前記標的の前記位置から所定の距離だけ離れて計算された類似性尺度、
最小のオルタントスコア、又は、
最大のオルタントスコア
の少なくともひとつを含む
ことを特徴とするシステム。 - 請求項13記載のシステムにおいて、
前記撮像装置は超音波プローブを含み、
前記複数の画像は超音波画像を含む
ことを特徴とするシステム。 - 請求項13記載のシステムにおいて、
前記撮像装置はMRI装置を含み、
前記複数の画像はMRI画像を含む
ことを特徴とするシステム。 - 患者への放射線療法の治療中に撮像装置によって取得された複数の画像から、標的の位置特定の品質を決定するシステムであって、
前記システムは、コンピュータ実行可能命令を記憶するメモリと、前記メモリに通信可能に結合されたプロセッサとを有し、
前記コンピュータ実行可能命令は、前記プロセッサにより実行されると、
前記患者への放射線療法の治療中に取得された複数の画像内の標的の位置を示す位置特定結果を決定するステップと、
分類器を使用して前記標的の前記位置を追跡するための前記位置特定結果の位置特定品質を決定するステップと、
前記位置特定品質の表示をユーザに提供する、又は、前記位置特定品質に基づく治療関連行為を行うステップと
を含む動作を前記プロセッサに実行させる
ことを特徴とするシステム。 - 請求項19記載のシステムにおいて、
前記位置特定品質の前記表示は、少なくとも通常の追跡、低い信頼度の追跡、及び追跡失敗の決定を反映する
ことを特徴とするシステム。 - 請求項19記載のシステムにおいて、
前記動作は、
前記複数の画像及び前記位置結果からひとつ又はそれ以上の特徴を抽出するステップと、
前記抽出されたひとつ又はそれ以上の特徴に基づいて、前記分類器を使用して前記位置特定の品質を決定するステップと
を更に有することを特徴とするシステム。 - 請求項19記載のシステムにおいて、
前記動作は、
前記位置特定結果及び前記位置特定品質に基づいて、前記放射線療法の治療中の前記標的のリアルタイム移動を追跡するステップ
を更に有することを特徴とするシステム。 - 請求項19記載のシステムにおいて、
前記位置特定の品質が前記標的の追跡失敗を示す場合、前記治療関連行為は放射線ビームをオフにすることを含む
ことを特徴とするシステム。 - 請求項19記載のシステムにおいて、
前記動作は、
新しいデータに基づいて臨床環境において前記分類器を更新する、又は再度トレーニングするステップ
を更に有することを特徴とするシステム。 - 装置の少なくともひとつのプロセッサにより実行され、患者への放射線療法の治療中に撮像装置によって取得された複数の画像から、標的の位置特定の品質を決定するための分類器をトレーニングする方法を前記装置に実行させる命令セットを記憶する非一時的コンピュータ読取可能記憶媒体であって、
前記方法は、
放射線療法治療セッションで取得された画像を表す複数の画像内の標的の位置を示す位置特定結果を決定するステップと、
各位置特定結果の品質指標を決定するステップと、
各位置特定結果からひとつ又はそれ以上の特徴を抽出するステップと、
前記位置特定結果とひとつ又はそれ以上の抽出された特徴とを用いて分類器をトレーニングするステップと
を有することを特徴とする非一時的コンピュータ読取可能記憶媒体。 - 請求項25記載の非一時的コンピュータ読取可能記憶媒体において、
前記方法は、
前記複数の画像から画像のサブセットを選択して、品質尺度を提供するステップと、
前記位置特定結果を調整することにより、複数タイプの品質を有するサンプルを提供するステップと
を更に有することを特徴とする非一時的コンピュータ読取可能記憶媒体。 - 請求項25記載の非一時的コンピュータ読取可能記憶媒体において、
前記分類器をトレーニングするステップは、
教師付き機械学習技術を使用して分類器をトレーニングするステップと、
複数の特徴のサブセットを生成するステップと、
前記複数の特徴のサブセットに基づいて主要な特徴を決定するステップと、
前記主要な特徴を用いて前記分類器をトレーニングするステップとを含む
ことを特徴とする非一時的コンピュータ読取可能記憶媒体。 - 請求項27記載の非一時的コンピュータ読取可能記憶媒体において、
前記主要な特徴は、
相関スコア、
前記標的の前記位置から所定の距離だけ離れて計算された類似性尺度、
最小のオルタントスコア、又は、
最大のオルタントスコア
の少なくともひとつを含む
ことを特徴とする非一時的コンピュータ読取可能記憶媒体。 - 請求項25記載の非一時的コンピュータ読取可能記憶媒体において、
前記撮像装置は超音波プローブを含み、
前記複数の画像は超音波画像を含む
ことを特徴とする非一時的コンピュータ読取可能記憶媒体。 - 請求項25記載の非一時的コンピュータ読取可能記憶媒体において、
前記撮像装置はMRI装置を含み、
前記複数の画像はMRI画像を含む
ことを特徴とする非一時的コンピュータ読取可能記憶媒体。 - 装置の少なくともひとつのプロセッサにより実行され、患者への放射線療法の治療中に撮像装置によって取得された複数の画像から、標的の位置特定の品質を決定するための分類器をトレーニングする方法を前記装置に実行させる命令セットを記憶する非一時的コンピュータ読取可能記憶媒体であって、
前記方法は、
前記患者への放射線療法の治療中に取得された複数の画像内の標的の位置を示す位置特定結果を決定するステップと、
分類器を使用して前記標的の前記位置を追跡するための前記位置特定結果の位置特定品質を決定するステップと、
前記位置特定品質の表示をユーザに提供する、又は、前記位置特定品質に基づく治療関連行為を行うステップと
を有することを特徴とする非一時的コンピュータ読取可能記憶媒体。 - 請求項31記載の非一時的コンピュータ読取可能記憶媒体において、
前記位置特定品質の前記表示は、少なくとも通常の追跡、低い信頼度の追跡、及び追跡失敗の決定を反映する
ことを特徴とする非一時的コンピュータ読取可能記憶媒体。 - 請求項31記載の非一時的コンピュータ読取可能記憶媒体において、
前記方法は、
前記複数の画像及び前記位置結果からひとつ又はそれ以上の特徴を抽出するステップと、
前記抽出されたひとつ又はそれ以上の特徴に基づいて、前記分類器を使用して前記位置特定の品質を決定するステップと
を更に有することを特徴とする非一時的コンピュータ読取可能記憶媒体。 - 請求項31記載の非一時的コンピュータ読取可能記憶媒体において、
前記方法は、
前記位置特定結果及び前記位置特定品質に基づいて、前記放射線療法の治療中の前記標的のリアルタイム移動を追跡するステップ
を更に有することを特徴とする非一時的コンピュータ読取可能記憶媒体。 - 請求項31記載の非一時的コンピュータ読取可能記憶媒体において、
前記位置特定の品質が前記標的の追跡失敗を示す場合、前記治療関連行為は放射線ビームをオフにすることを含む
ことを特徴とする非一時的コンピュータ読取可能記憶媒体。 - 請求項31記載の非一時的コンピュータ読取可能記憶媒体において、
前記方法は、
新しいデータに基づいて臨床環境において前記分類器を更新する、又は再度トレーニングするステップ
を更に有することを特徴とする非一時的コンピュータ読取可能記憶媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201562186743P | 2015-06-30 | 2015-06-30 | |
US62/186,743 | 2015-06-30 | ||
PCT/IB2016/001029 WO2017001920A1 (en) | 2015-06-30 | 2016-06-29 | System and method for target tracking using a quality indicator during radiation therapy |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018522651A true JP2018522651A (ja) | 2018-08-16 |
JP6537644B2 JP6537644B2 (ja) | 2019-07-03 |
Family
ID=57609342
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017568429A Active JP6537644B2 (ja) | 2015-06-30 | 2016-06-29 | 放射線治療中に品質指標を使用して標的を追跡するためのシステム及び方法 |
Country Status (7)
Country | Link |
---|---|
US (1) | US10350438B2 (ja) |
EP (1) | EP3316965B1 (ja) |
JP (1) | JP6537644B2 (ja) |
CN (1) | CN107708808B (ja) |
AU (1) | AU2016286520B2 (ja) |
RU (1) | RU2696428C2 (ja) |
WO (1) | WO2017001920A1 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020062281A (ja) * | 2018-10-18 | 2020-04-23 | 富士フイルム医療ソリューションズ株式会社 | 情報処理システム及び情報処理方法 |
JP2021534884A (ja) * | 2018-08-24 | 2021-12-16 | 西安大医集団股▲ふん▼有限公司 | ソースキャリア、放射線治療装置およびその制御・駆動方法 |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3316965B1 (en) | 2015-06-30 | 2020-05-13 | Elekta Ltd. | System and method for target tracking using a quality indicator during radiation therapy |
US10342996B2 (en) * | 2016-08-29 | 2019-07-09 | Accuray Incorporated | Online angle selection in rotational imaging and tracking systems |
US10846614B2 (en) * | 2017-03-16 | 2020-11-24 | Facebook, Inc. | Embeddings for feed and pages |
US10507337B2 (en) * | 2017-09-13 | 2019-12-17 | Elekta, Inc. | Radiotherapy treatment plan optimization workflow |
TW201923776A (zh) * | 2017-10-27 | 2019-06-16 | 美商蝴蝶網路公司 | 超音波影像上的自動化測量及用於自動化測量的收集的品質指示器 |
EP3546024B1 (en) * | 2018-03-30 | 2020-10-21 | Varian Medical Systems Inc | Apparatus for using a multi-layer multi-leaf collimator as a virtual flattening filter |
EP3550327A1 (en) * | 2018-04-05 | 2019-10-09 | Koninklijke Philips N.V. | Motion tracking in magnetic resonance imaging using radar and a motion detection system |
US10803987B2 (en) * | 2018-11-16 | 2020-10-13 | Elekta, Inc. | Real-time motion monitoring using deep neural network |
EP3673955A1 (en) * | 2018-12-24 | 2020-07-01 | Koninklijke Philips N.V. | Automated detection of lung conditions for monitoring thoracic patients undergoing external beam radiation therapy |
WO2021108373A1 (en) * | 2019-11-26 | 2021-06-03 | Liminal Sciences, Inc. | Device and methods for treating neurological disorders and brain conditions |
WO2021121622A1 (en) * | 2019-12-20 | 2021-06-24 | Elekta Ab (Publ) | Adaptive dose accumulation algorithm |
US20210268313A1 (en) * | 2020-02-27 | 2021-09-02 | Elekta ltd | Image Registration in Treatment Planning |
GB2600919A (en) * | 2020-11-04 | 2022-05-18 | Tesla Dynamic Coils BV | MRI systems and receive coil arrangements |
CN112581475B (zh) * | 2021-02-25 | 2021-05-25 | 四川大学华西医院 | 一种预测放疗计划的伽马通过率的方法 |
CN113823382A (zh) * | 2021-10-28 | 2021-12-21 | 广州医科大学附属肿瘤医院 | 一种肿瘤放疗的造血功能副反应分析方法及装置 |
GB2622814A (en) * | 2022-09-28 | 2024-04-03 | Elekta Inc | Quality of images for radiotherapy |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008520318A (ja) * | 2004-11-19 | 2008-06-19 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | サポートベクタマシン(svm)を用いるコンピュータ支援検出(cad)における誤検出低減のためのシステム及び方法 |
JP2008528102A (ja) * | 2005-01-20 | 2008-07-31 | ケアストリーム ヘルス インク | 標的検出を伴う放射線治療法 |
JP2012187139A (ja) * | 2011-03-08 | 2012-10-04 | Toshiba Corp | 画像処理装置 |
WO2014170483A1 (en) * | 2013-04-18 | 2014-10-23 | Koninklijke Philips N.V. | Radiation therapy system with real-time magnetic resonance monitoring |
JP2014212820A (ja) * | 2013-04-23 | 2014-11-17 | 株式会社日立製作所 | 放射線治療システム |
WO2014197994A1 (en) * | 2013-06-12 | 2014-12-18 | University Health Network | Method and system for automated quality assurance and automated treatment planning in radiation therapy |
US20150169836A1 (en) * | 2012-06-20 | 2015-06-18 | Koninklijke Philips N.V. | Graphical user interface for medical instruments |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1820274A (zh) * | 2003-06-27 | 2006-08-16 | 美国西门子医疗解决公司 | 使用机器学习来利用cad系统的常规使用期间所收集到的知识适配cad过程以对医学成像提供cad(计算机辅助决策 )支持 |
US7529394B2 (en) * | 2003-06-27 | 2009-05-05 | Siemens Medical Solutions Usa, Inc. | CAD (computer-aided decision) support for medical imaging using machine learning to adapt CAD process with knowledge collected during routine use of CAD system |
CN101061490A (zh) * | 2004-11-19 | 2007-10-24 | 皇家飞利浦电子股份有限公司 | 利用支持向量机(svm)在计算机辅助检测(cad)中进行假阳性降低的系统和方法 |
US7876938B2 (en) * | 2005-10-06 | 2011-01-25 | Siemens Medical Solutions Usa, Inc. | System and method for whole body landmark detection, segmentation and change quantification in digital images |
US8251908B2 (en) * | 2007-10-01 | 2012-08-28 | Insightec Ltd. | Motion compensated image-guided focused ultrasound therapy system |
US8135202B2 (en) * | 2008-06-02 | 2012-03-13 | Nec Laboratories America, Inc. | Automated method and system for nuclear analysis of biopsy images |
CN101540048B (zh) | 2009-04-21 | 2010-08-11 | 北京航空航天大学 | 一种基于支持向量机的图像质量评价方法 |
RU2427911C1 (ru) | 2010-02-05 | 2011-08-27 | Фирма "С1 Ко., Лтд." | Способ обнаружения лиц на изображении с применением каскада классификаторов |
US20140170483A1 (en) | 2011-03-16 | 2014-06-19 | The Regents Of The University Of California | Method for the preparation of graphene/silicon multilayer structured anodes for lithium ion batteries |
US9235781B2 (en) * | 2013-08-09 | 2016-01-12 | Kabushiki Kaisha Toshiba | Method of, and apparatus for, landmark location |
EP3316965B1 (en) | 2015-06-30 | 2020-05-13 | Elekta Ltd. | System and method for target tracking using a quality indicator during radiation therapy |
-
2016
- 2016-06-29 EP EP16817314.4A patent/EP3316965B1/en active Active
- 2016-06-29 JP JP2017568429A patent/JP6537644B2/ja active Active
- 2016-06-29 WO PCT/IB2016/001029 patent/WO2017001920A1/en active Application Filing
- 2016-06-29 CN CN201680038963.8A patent/CN107708808B/zh active Active
- 2016-06-29 RU RU2018103211A patent/RU2696428C2/ru active
- 2016-06-29 AU AU2016286520A patent/AU2016286520B2/en active Active
- 2016-06-29 US US15/740,945 patent/US10350438B2/en active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008520318A (ja) * | 2004-11-19 | 2008-06-19 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | サポートベクタマシン(svm)を用いるコンピュータ支援検出(cad)における誤検出低減のためのシステム及び方法 |
JP2008528102A (ja) * | 2005-01-20 | 2008-07-31 | ケアストリーム ヘルス インク | 標的検出を伴う放射線治療法 |
JP2012187139A (ja) * | 2011-03-08 | 2012-10-04 | Toshiba Corp | 画像処理装置 |
US20150169836A1 (en) * | 2012-06-20 | 2015-06-18 | Koninklijke Philips N.V. | Graphical user interface for medical instruments |
WO2014170483A1 (en) * | 2013-04-18 | 2014-10-23 | Koninklijke Philips N.V. | Radiation therapy system with real-time magnetic resonance monitoring |
JP2014212820A (ja) * | 2013-04-23 | 2014-11-17 | 株式会社日立製作所 | 放射線治療システム |
WO2014197994A1 (en) * | 2013-06-12 | 2014-12-18 | University Health Network | Method and system for automated quality assurance and automated treatment planning in radiation therapy |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021534884A (ja) * | 2018-08-24 | 2021-12-16 | 西安大医集団股▲ふん▼有限公司 | ソースキャリア、放射線治療装置およびその制御・駆動方法 |
JP7315659B2 (ja) | 2018-08-24 | 2023-07-26 | 西安大医集団股▲ふん▼有限公司 | 放射線治療装置 |
JP2020062281A (ja) * | 2018-10-18 | 2020-04-23 | 富士フイルム医療ソリューションズ株式会社 | 情報処理システム及び情報処理方法 |
JP7097794B2 (ja) | 2018-10-18 | 2022-07-08 | 富士フイルム医療ソリューションズ株式会社 | 情報処理システム及び情報処理方法 |
Also Published As
Publication number | Publication date |
---|---|
EP3316965A4 (en) | 2019-01-09 |
WO2017001920A1 (en) | 2017-01-05 |
US20180193674A1 (en) | 2018-07-12 |
US10350438B2 (en) | 2019-07-16 |
AU2016286520B2 (en) | 2018-09-27 |
CN107708808A (zh) | 2018-02-16 |
RU2018103211A (ru) | 2019-07-30 |
RU2696428C2 (ru) | 2019-08-01 |
RU2018103211A3 (ja) | 2019-07-30 |
AU2016286520A1 (en) | 2018-01-18 |
EP3316965A1 (en) | 2018-05-09 |
EP3316965B1 (en) | 2020-05-13 |
CN107708808B (zh) | 2020-10-16 |
JP6537644B2 (ja) | 2019-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6537644B2 (ja) | 放射線治療中に品質指標を使用して標的を追跡するためのシステム及び方法 | |
JP6894987B2 (ja) | 適応型放射線療法に対する3次元位置特定及び追跡 | |
JP6624695B2 (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 | |
EP3634577B1 (en) | Systems and methods of accounting for shape change during radiotherapy | |
US20210121715A1 (en) | Cardiac ablation using an mr linac |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20181218 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20181214 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190228 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190514 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190604 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6537644 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |