JP2019502505A - 医用画像データに基づく幾何学的モデルの設定方法 - Google Patents

医用画像データに基づく幾何学的モデルの設定方法 Download PDF

Info

Publication number
JP2019502505A
JP2019502505A JP2018544387A JP2018544387A JP2019502505A JP 2019502505 A JP2019502505 A JP 2019502505A JP 2018544387 A JP2018544387 A JP 2018544387A JP 2018544387 A JP2018544387 A JP 2018544387A JP 2019502505 A JP2019502505 A JP 2019502505A
Authority
JP
Japan
Prior art keywords
medical image
establishing
image data
geometric model
density
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
Application number
JP2018544387A
Other languages
English (en)
Other versions
JP6754841B2 (ja
Inventor
▲劉▼渊豪
李珮▲儀▼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Neuboron Medtech Ltd
Original Assignee
Neuboron Medtech Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Neuboron Medtech Ltd filed Critical Neuboron Medtech Ltd
Publication of JP2019502505A publication Critical patent/JP2019502505A/ja
Application granted granted Critical
Publication of JP6754841B2 publication Critical patent/JP6754841B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • A61N5/103—Treatment planning systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/30—Polynomial surface description
    • 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
    • A61N5/1031—Treatment planning systems using a specific method of dose optimization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/168—Segmentation; Edge detection involving transform domain methods
    • 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
    • A61N5/1031—Treatment planning systems using a specific method of dose optimization
    • A61N2005/1034—Monte Carlo type methods; particle tracking
    • 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
    • A61N2005/1085—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy characterised by the type of particles applied to the patient
    • A61N2005/109—Neutrons
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/32—Image data format

Abstract

本発明の１つの態様では、医用画像データに基づく幾何学的モデルの確立方法が提供され、それは、医用画像データを読み取るステップと、医用画像データと組織の種類との間の変換関係によって組織の種類を定義するステップと、組織グループ分けの数を決定するステップと、医用画像データと濃度との変換関係によって組織の密度を定義するステップと、組織及び密度に関する情報を携帯する３Ｄコードマトリックスを確立するステップと、幾何学的モデルを生成するステップと、を含む。該幾何学的モデルの確立方法は、医用画像データと組織の種類との間の変換関係によって、実際のニーズに応じて組織グループ分けの数を決定することができ、それにより組織の種類、要素の組成及び密度をより正確に提供し、確立された幾何学的モデルは、医用画像データが反映された実際の状況によりマッチングする。

Description

本発明は幾何学的モデルの設定方法に関し、さらに詳しくは、医用画像データに基づく幾何学的モデルの設定方法に関する。
原子科学の発展に従って、コバルト60、線形加速器、電子ビームなどの放射線療法は、すでにがん治療の主な手段の一つとなった。しかし、従来の光子または電子療法は、放射線そのものの物理的条件の制限で腫瘍細胞を殺すとともに、ビーム経路上の数多くの正常組織に損傷を与える。また、腫瘍細胞により放射線に対する感受性の度合いが異なっており、従来の放射線療法では、放射線耐性の高い悪性腫瘍（例、多形神経膠芽腫（glioblastoma multiforme）、黒色腫（melanoma））に対する治療効果が良くない。
腫瘍の周囲の正常組織への放射線損傷を軽減するすために、化学療法（chemotherapy）における標的療法が、放射線療法に用いられている。また、放射線耐性の高い腫瘍細胞に対し、現在では生物学的効果比（relative biological effectiveness, RBE）の高い放射線源が積極的に開発されている（例えば、陽子線治療、重粒子治療、中性子捕捉療法など）。このうち、中性子捕捉療法は、上記の2つの構想を結びつけたものである。例えば、ホウ素中性子捕捉療法では、ホウ素含有薬物が腫瘍細胞に特異的に集まり、高精度な中性子ビームの制御と合わせることで、従来の放射線と比べて、より良いがん治療オプションを提供する。
ホウ素中性子捕捉療法（Boron Neutron Capture Therapy, BNCT）はホウ素（10B）含有薬物が熱中性子に対し大きい捕獲断面積を持つ特性を利用し、10B(n,α) 7Li中性子捕捉と核分裂反応により4Heと7Liという2種の重荷電粒子を生成する。図1と図2は、それぞれホウ素中性子捕捉の反応概略図と10B(n,α) 7Li中性子捕捉の原子核反応式を示す。2種の重荷電粒子は平均エネルギーが2.33MeVであり、高い線エネルギー付与(Linear Energy Transfer, LET)及び短い射程という特徴を持つ。α粒子の線エネルギー付与と射程はそれぞれ150 keV/μm、8μmであり、7Li重荷粒子の場合、それぞれ175 keV/μm、5μmである。2種の粒子の合計射程が細胞のサイズに近いので、生体への放射線損害を細胞レベルに抑えられる。ホウ素含有薬物を選択的に腫瘍細胞に集め、適切な中性子源と合わせることで、正常組織に大きな損害を与えないで腫瘍細胞を部分的に殺せる。 ３次元モデルは、科学実験分析、科学実験シミュレーション分野で広く使用されている。例えば、核放射線及び保護の分野で、特定の放射線条件下での人体の吸収線量をシミュレートするために、常にコンピュータ技術を用いて医用画像データに対して様々な処理を行ってＭＣＮＰに必要な正確な格子モデルを確立し、かつＭＣＮＰ（モンテカルロプログラム）と組み合わせてシミュレーション計算を行う。
モンテカルロ法は、現在で放射照射内部の３次元空間核粒子の衝突軌道及びエネルギー分布を正確にシミュレートできるツールであり、モンテカルロ法と複雑な３次元人体解剖モデルとの組み合わせは、コンピュータ技術におけるシミュレーションの飛躍を表している。診断放射線検査において、正確な人体臓器線量評価は、放射線療法に非常に有益である。現在、世界中で様々な人体モデルが成功に確立され、かつモンテカルロシミュレーションプログラムと組み合わせられ、放射線環境下での人体の吸収線量を正確に計算及び評価する。３次元人体解剖モデルがモンテカルロプログラムに正常に変換することに必要な幾何学的説明は、モンテカルロシミュレーション計算を行う前提条件であり、現時点では世界中でモンテカルロシミュレーション研究のホットスポット及び難点である。
磁気共鳴イメージング（Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ Ｉｍａｇｉｎｇ、ＭＲＩ）又はコンピュータ断層撮影（Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ、ＣＴ）などの医用画像データは、人体体内の特徴に対して、より詳細な組織幾何学的構造情報を提供し、人体内部構造の物理的モデル化にデータ基礎を提供することができる。中性子捕捉療法の分野で、医用画像データに基づいてＭＣＮＰに必要な幾何学的モデルをどのように確立するかが重要な問題であり、つまり、医用画像データに基づいてＭＣＮＰソフトウェアの入力に必要な格子モデルをどのように確立するか、治療計画の精度を向上させることである。
したがって、治療計画の精度を向上させる医用画像データに基づいてＭＣＮＰに必要な幾何学的モデルを確立する方法を提供する必要がある。
本発明の１つの態様では、医用画像データに基づく幾何学的モデルの確立方法が提供され、それは、
医用画像データを読み取るステップと、
医用画像データと組織の種類との間の変換関係によって組織の種類を定義するステップと、
組織グループ分けの数を決定するステップと、
医用画像データと濃度との変換関係によって組織の密度を定義するステップと、
組織及び密度に関する情報を携帯する３Ｄコードマトリックスを確立するステップと、
幾何学的モデルを生成するステップと、を含む。
該幾何学的モデルの確立方法は、医用画像データと組織の種類との間の変換関係によって、実際のニーズに応じて組織グループ分けの数を決定することができ、それにより組織の種類、要素の組成及び密度をより正確に提供し、確立された幾何学的モデルは、医用画像データが反映された実際の状況によりマッチングする。
好ましく、該幾何学的モデルの確立方法は、中性子捕捉療法に適用され、それは、さらに、Ｂ−１０濃度を与えるステップと、Ｂ−１０濃度に関する情報を携帯する３Ｄコードマトリックスを確立するステップと、を含む。Ｂ−１０濃度に関する情報で標識された幾何学的モデルは、各組織におけるホウ素含有薬物の濃度を明らかに了解することができ、続いて中性子捕捉療法の照射シミュレーションを行う時に、実際の状況をより現実的に反映する。
組織グループ分けの数は、ユーザから手動で定義された組織グループ分けの数にデータベース内の既存の４種の組織グループ分けの数又は１４種の組織グループ分けの数を加えた数である。既存のデータベースに対応する組織グループ分けの数が確立されない場合、ユーザから１つの新しい組織グループ分けの数を定義することができる。このように、既存のデータベースに対応する組織グループ分けの数に完全にマッチングしない場合、近似選択のみが行われることを回避し、それによりモデリングの精度を効果的に向上させる。
さらに好ましく、該幾何学的モデルの確立方法は、さらに、３Ｄ組織コードマトリックスを確立するステップと、３Ｄ密度コードマトリックスを確立するステップと、を含む。医用画像データのスライスに基づいて、対応する変換関係によって、各スライスに対応する組織コード及び密度コードを確立し、それにより３Ｄ組織コードマトリックス及び３Ｄ密度コードマトリックスを確立する。
幾何学的モデルは、ＭＣＮＰソフトウェア入力ファイルに必要な格子カード、セルカード、サーフェスカード及びマテリアルカードを含む。医用画像データにより、最終的にＭＣＮＰソフトウェア入力ファイルに必要な格子カード、セルカード、サーフェスカード及びマテリアルカードを得て、それによりシミュレーション計算に理論的根拠を提供し、かつ正確なシミュレーション結果を得る。
本発明の別の態様では、医用画像データに基づく幾何学的モデルの確立方法が提供され、それは、
医用画像データを読み取るステップと、
ＲＯＩ境界を定義又は読み取るステップと、
医用画像ボクセルがＲＯＩ境界内にあるかどうかを判断するステップと、
そうであれば、各ＲＯＩ境界内のボクセルに１つの特定の組織及び密度を与えることによって、ユーザが組織の種類及び密度を手動で定義するステップに進み、又は医用画像データと組織の種類／密度との間の変換関係によってＲＯＩ組織の種類及び密度を自動的に定義するステップに進み、
そうでなければ、医用画像データと組織の種類との間の変換関係によって、組織の種類を自動的に定義するステップに進み、かつ医用画像データと組織の種類との間の変換関係によって、組織密度を定義するステップに進み、
組織及び密度に関する情報を携帯する３Ｄコードマトリックスを確立するステップと、
幾何学的モデルを生成するステップと、を含む。
いわゆるＲＯＩは、関心領域（以下、ＲＯＩと総称する）であり、ユーザはＲＯＩ組織の種類、元素組成及び密度を手動で定義することができる。医用画像ボクセルがＲＯＩ境界内にない場合、医用画像データと組織の種類との間の変換関係に基づいて組織の種類の定義を行い、かつ実際のニーズに応じて組織グループ分け数を決定し、それにより組織の種類、元素組成及び密度をより正確に提供し、確立された幾何学的モデルは、医用画像データによって反映された実際の状況とより密接にマッチングする。
好ましく、該幾何学的モデルの確立方法は、中性子捕捉療法に適用され、幾何学的モデルの確立方法は、Ｂ−１０濃度を与えるステップと、Ｂ−１０濃度に関する情報を携帯する３Ｄコードマトリックスを確立するステップと、を含む。Ｂ−１０濃度に関する情報で標識された幾何学的モデルは、各組織におけるホウ素含有薬物の濃度を明らかに了解することができ、続いて中性子捕捉療法の照射シミュレーションを行う時に、実際の状況をより現実的に反映する。
組織グループ分けの数は、ユーザから手動で定義された組織グループ分けの数にデータベース内の既存の４種の組織グループ分けの数又は１４種の組織グループ分けの数を加えた数である。既存のデータベースに対応する組織グループ分けの数が確立されない場合、ユーザから１つの新しい組織グループ分けの数を定義することができる。このように、既存のデータベースに対応する組織グループ分けの数に完全にマッチングしない場合、近似選択のみが行われることを回避し、それによりモデリングの精度を効果的に向上させる。
さらに好ましく、該幾何学的モデルの確立方法は、さらに、３Ｄ組織コードマトリックスを確立するステップと、３Ｄ密度コードマトリックスを確立するステップと、を含む。医用画像データのスライスに基づいて、対応する変換関係によって、各スライスに対応する組織コード及び密度コードを確立し、それにより３Ｄ組織コードマトリックス及び３Ｄ密度コードマトリックスを確立する。
幾何学的モデルは、ＭＣＮＰソフトウェア入力ファイルに必要な格子カード、セルカード、サーフェスカード及びマテリアルカードを含む。医用画像データにより、最終的にＭＣＮＰソフトウェア入力ファイルに必要な格子カード、セルカード、サーフェスカード及びマテリアルカードを得て、それによりシミュレーション計算に理論的根拠を提供し、かつ正確なシミュレーション結果を得る。
医用画像データは、磁気共鳴イメージング（Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ Ｉｍａｇｉｎｇ、ＭＲＩ）又はコンピュータ断層撮影（Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ、ＣＴ）であってもよく、以下の実施例において、コンピュータ断層撮影（ＣＴ）のデータに基づいて説明され、ＣＴのファイル形式は一般的にＤＩＣＯＭである。当業者には周知のように、さらに、別の医用画像データを使用することができ、該医用画像データが組織種類、密度及びＢ−１０濃度に関する情報を携帯するＭＣＮＰ格子モデルに変換できれば、本発明の開示する医用画像データに基づく幾何学的モデルの確立方法に適用することができる。
本発明の実施例における有益な効果及び／又は特徴は以下のとおりである。
１、関心領域（ＲＯＩ）の組織種類、元素組成及び密度を手動で定義する。
２、非ＲＯＩのＣＴ画像ボクセルポイントについて、組織種類マッチングを自動的に行うことができ、ＣＴ値の違いにより、既存のデータベースは４種類又は１４種類の要素からなる組織を区別することができ、また実際の実験結果により他の数の異なる元素からなる組織を決定することができる。
３、ＣＴ値被覆範囲の広いＲＯＩについて、例えば粘膜チャンバーであり、唯一の組織密度を与えることは困難であり、ユーザは本発明の実施例が開示する方法に従ってＣＴ値と組織／密度の変換を自動的に行うことができる。
４、正常血液中のホウ素含有薬物の濃度、組織／腫瘍−血液ホウ素濃度比などのパラメータを入力した後、本発明の実施例が開示する方法は、Ｂ−１０元素を全てのボクセルポイントに自動的に書き込む。
５、最後に得られた３次元ＭＣＮＰ格子モデルは、組織種類（元素組成）、密度及びＢ−１０濃度などの情報を携帯する。
図１はホウ素中性子捕捉反応の概略図である。 図２は１０Ｂ（ｎ、α）７Ｌｉ中性子捕捉核反応式である。 図３は本発明の実施例における医用画像データに基づく幾何学的モデル確立方法の論理ブロック図である。 図４はＣＴ値（ＨＵ）と組織密度回帰曲線式及び相関係数図である。
以下は、図面を参照して本発明の実施例をさらに詳細に説明し、当業者であれば、明細書の文字を参照して実施することができる。
好ましくは、中性子捕捉療法に用いられる医用画像データに基づく幾何学的モデル確立方法を本発明の実施例とする。以下は、中性子捕捉療法、特にホウ素中性子捕捉療法を簡単に説明する。
中性子捕捉療法は効果的ながん治療の手段として、近年ではその適用が増加しており、そのうち、ホウ素中性子捕捉療法が最も一般的なものとなった。ホウ素中性子捕捉療法に用いられる中性子は原子炉または加速器で供給できる。本発明の実施形態は加速器ホウ素中性子捕捉療法（Accelerated-based Boron Neutron Capture Therapy）を例とする。加速器ホウ素中性子捕捉療法の基本モジュールは、一般的に荷電粒子（陽子、デューテリウム原子核など）の加速に用いられる加速器、ターゲット、熱除去システム及びビーム整形アセンブリを含む。加速後の荷電粒子と金属ターゲットとの作用により中性子が生成され、必要な中性子収率及びエネルギー、提供可能な加速荷電粒子のエネルギー及び電流、及び、金属ターゲットの物理的・化学的特性などにより、適切な原子核反応が選定される。よく検討されている原子核反応は7Li(p,n)7Be及び9Be(p,n)9Bであり、この両方はすべて吸熱反応でエネルギー閾値がそれぞれ1.881MeVと2.055MeVである。ホウ素中性子捕捉療法の理想的中性子源はkeVエネルギーレベルの熱外中性子なので、理論的には、エネルギーが閾値よりやや高い陽子によるリチウムターゲットへの衝撃で、比較的低いエネルギーの中性子が生成され、あまり多くの減速処理を要しないで臨床適用が可能になる。しかし、リチウム（Li）及びベリリウム（Be）の2種のターゲットは、閾値エネルギーの陽子と作用する断面が大きくないので、十分な中性子束を確保するために、一般的には比較的高いエネルギーを持つ陽子で原子核反応を引き起こされる。
ホウ素中性子捕捉療法（Boron Neutron Capture Therapy, BNCT）はホウ素（10B）含有薬物が熱中性子に対し大きい捕獲断面積を持つ特性を利用し、10B(n,α) 7Li中性子捕捉と核分裂反応により4Heと7Liという2種の重荷電粒子を生成する。図1と図2は、それぞれホウ素中性子捕捉の反応概略図と10B(n,α) 7Li中性子捕捉の原子核反応式を示す。2種の重荷電粒子は平均エネルギーが2.33MeVであり、高い線エネルギー付与(Linear Energy Transfer, LET)及び短い射程という特徴を持つ。α粒子の線エネルギー付与と射程はそれぞれ150 keV/μm、8μmであり、7Li重荷粒子の場合、それぞれ175 keV/μm、5μmである。2種の粒子の合計射程が細胞のサイズに近いので、生体への放射線損害を細胞レベルに抑えられる。ホウ素含有薬物を選択的に腫瘍細胞に集め、適切な中性子源と合わせることで、正常組織に大きな損害を与えないで腫瘍細胞を部分的に殺せる。 本発明の実施例の目的は、医用画像データを組織の種類、密度及びＢ−１０濃度に関する情報を携帯するＭＣＮＰ格子モデルに変換し、ホウ素中性子捕捉療法の組織線量シミュレーション計算を行うことである。医用画像データは、磁気共鳴イメージング（Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ Ｉｍａｇｉｎｇ、ＭＲＩ）又はコンピュータ断層撮影（Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ、ＣＴ）であってもよく、以下の実施例において、コンピュータ断層撮影（ＣＴ）のデータに基づいて説明され、ＣＴのファイル形式は一般的にＤＩＣＯＭである。当業者には周知のように、さらに、別の医用画像データを使用することができ、該医用画像データが組織種類、密度及びＢ−１０濃度に関する情報を携帯するＭＣＮＰ格子モデルに変換できれば、本発明の開示する医用画像データに基づく幾何学的モデルの確立方法に適用することができる。
簡単に言えば、本発明の実施例が開示する医用画像データに基づく幾何学的モデル確立方法は、主に以下のフローを含む。
１、コンピュータ断層撮影（ＤＩＣＯＭ形式）を入力し、ＣＴ画像が対応するインタフェース上に表示される。
２、ＤＩＣＯＭファイルで定義されたＲＯＩの境界を自動的に読み取り、また別のＲＯＩを追加することができる。
３、ソフトウェアは、ＣＴ画像上の各ボクセルポイント（ｖｏｘｅｌ）の位置を決定し、すべてのボクセルポイントを「ＲＯＩ境界内にある」及び「ＲＯＩ境界外にある」と分類する。
４、ＲＯＩ境界内のボクセルポイントについて、実際のニーズに応じて、ユーザにより各ＲＯＩに相対的唯一の組織の種類及び組織密度を手動で定義し、又はＣＴ値と組織の種類、密度を自動的にマッチングさせ、所定ＣＴ値被覆範囲の大きいＲＯＩ（粘膜チャンバーなど）唯一の組織の種類（元素組成）及び密度が、線量計算の誤差をもたらすことを回避する。
５、ＲＯＩ境界外のボクセルポイントについて、組織種類の定義を自動的に行い、ＣＴ値の違いにより、４種類又は１４種類の異なる元素からなる組織を区別することができ、ユーザは実際の判断に従って、ＩＣＲＵ−４６レポートに示された４種類の組織（以下に詳述する）を選択して使用し、又はＶａｎｄｅｒｓｔｒａｅｔｅｎらによって２００７年に公表された１４種類の異なる元素からなる組織を使用することができる（以下に詳述する）。
６、手動で定義されない密度のボクセルポイントについて、ＣＴ値の違いにより、自動的に密度を与え、合計で９６個の密度グループ分けを区別することができる。
７、ユーザは、正常血中のホウ素含有薬剤の濃度、腫瘍-血液中ホウ素濃度比、組織-血液中ホウ素濃度比などのパラメータを手動で入力し、全てのボクセルポイントにＢ−１０元素濃度を書き込む。
８、ソフトウェアは、組織の種類（元素組成）、組織密度、組織Ｂ−１０濃度及び他の情報を統合し、３次元ＭＣＮＰ格子モデルを生成し、かつＭＣＮＰ入力ファイルの指定形式の格子カード（ｌａｔｔｉｃｅ ｃａｒｄ）、セルカード（ｃｅｌｌ ｃａｒｄ）、サーフェスカード（ｓｕｒｆａｃｅ ｃａｒｄ）、及びマテリアルカード（ｍａｔｅｒｉａｌ ｃａｒｄ）を書き込む。
具体的に、図３に示すとおり、本発明の開示する医用画像データに基づく幾何学的モデル確立方法は、２つの実施例を含む。
本発明の第1実施例にでは、医用画像データに基づく幾何学的モデルの確立方法が提供され、それは、
医用画像データを読み取るステップと、
医用画像データと組織の種類との間の変換関係によって組織の種類を定義するステップと、
組織グループ分けの数を決定するステップと、
医用画像データと濃度との変換関係によって組織の密度を定義するステップと、
組織及び密度に関する情報を携帯する３Ｄコードマトリックスを確立するステップと、
幾何学的モデルを生成するステップと、を含む。
該幾何学的モデルの確立方法は、医用画像データと組織の種類との間の変換関係によって、実際のニーズに応じて組織グループ分けの数を決定することができ、それにより組織の種類、要素の組成及び密度をより正確に提供し、確立された幾何学的モデルは、医用画像データが反映された実際の状況によりマッチングする。
好ましく、該幾何学的モデルの確立方法は、中性子捕捉療法に適用され、それは、さらに、Ｂ−１０濃度を与えるステップと、Ｂ−１０濃度に関する情報を携帯する３Ｄコードマトリックスを確立するステップと、を含む。Ｂ−１０濃度に関する情報で標識された幾何学的モデルは、各組織におけるホウ素含有薬物の濃度を明らかに了解することができ、続いて中性子捕捉療法の照射シミュレーションを行う時に、実際の状況をより現実的に反映する。
組織グループ分けの数は、ユーザから手動で定義された組織グループ分けの数にデータベース内の既存の４種の組織グループ分けの数又は１４種の組織グループ分けの数を加えた数である。既存のデータベースに対応する組織グループ分けの数が確立されない場合、ユーザから１つの新しい組織グループ分けの数を定義することができる。このように、既存のデータベースに対応する組織グループ分けの数に完全にマッチングしない場合、近似選択のみが行われることを回避し、それによりモデリングの精度を効果的に向上させる。
さらに好ましく、該幾何学的モデルの確立方法は、さらに、３Ｄ組織コードマトリックスを確立するステップと、３Ｄ密度コードマトリックスを確立するステップと、を含む。医用画像データのスライスに基づいて、対応する変換関係によって、各スライスに対応する組織コード及び密度コードを確立し、それにより３Ｄ組織コードマトリックス及び３Ｄ密度コードマトリックスを確立する。
幾何学的モデルは、ＭＣＮＰソフトウェア入力ファイルに必要な格子カード、セルカード、サーフェスカード及びマテリアルカードを含む。医用画像データにより、最終的にＭＣＮＰソフトウェア入力ファイルに必要な格子カード、セルカード、サーフェスカード及びマテリアルカードを得て、それによりシミュレーション計算に理論的根拠を提供し、かつ正確なシミュレーション結果を得る。
本発明の第2実施例にでは、医用画像データに基づく幾何学的モデルの確立方法が提供され、それは、
医用画像データを読み取るステップと、
ＲＯＩ境界を定義又は読み取るステップと、
医用画像ボクセルがＲＯＩ境界内にあるかどうかを判断するステップと、
そうであれば、各ＲＯＩ境界内のボクセルに１つの特定の組織及び密度を与えることによって、ユーザが組織の種類及び密度を手動で定義するステップに進み、又は医用画像データと組織の種類／密度との間の変換関係によってＲＯＩ組織の種類及び密度を自動的に定義するステップに進み、
そうでなければ、医用画像データと組織の種類との間の変換関係によって、組織の種類を自動的に定義するステップに進み、かつ医用画像データと組織の種類との間の変換関係によって、組織密度を定義するステップに進み、
組織及び密度に関する情報を携帯する３Ｄコードマトリックスを確立するステップと、
幾何学的モデルを生成するステップと、を含む。
いわゆるＲＯＩは、関心領域（以下、ＲＯＩと総称する）であり、ユーザはＲＯＩ組織の種類、元素組成及び密度を手動で定義することができる。医用画像ボクセルがＲＯＩ境界内にない場合、医用画像データと組織の種類との間の変換関係に基づいて組織の種類の定義を行い、かつ実際のニーズに応じて組織グループ分け数を決定し、それにより組織の種類、元素組成及び密度をより正確に提供し、確立された幾何学的モデルは、医用画像データによって反映された実際の状況とより密接にマッチングする。
好ましく、該幾何学的モデルの確立方法は、中性子捕捉療法に適用され、幾何学的モデルの確立方法は、Ｂ−１０濃度を与えるステップと、Ｂ−１０濃度に関する情報を携帯する３Ｄコードマトリックスを確立するステップと、を含む。Ｂ−１０濃度に関する情報で標識された幾何学的モデルは、各組織におけるホウ素含有薬物の濃度を明らかに了解することができ、続いて中性子捕捉療法の照射シミュレーションを行う時に、実際の状況をより現実的に反映する。
組織グループ分けの数は、ユーザから手動で定義された組織グループ分けの数にデータベース内の既存の４種の組織グループ分けの数又は１４種の組織グループ分けの数を加えた数である。既存のデータベースに対応する組織グループ分けの数が確立されない場合、ユーザから１つの新しい組織グループ分けの数を定義することができる。このように、既存のデータベースに対応する組織グループ分けの数に完全にマッチングしない場合、近似選択のみが行われることを回避し、それによりモデリングの精度を効果的に向上させる。
さらに好ましく、該幾何学的モデルの確立方法は、さらに、３Ｄ組織コードマトリックスを確立するステップと、３Ｄ密度コードマトリックスを確立するステップと、を含む。医用画像データのスライスに基づいて、対応する変換関係によって、各スライスに対応する組織コード及び密度コードを確立し、それにより３Ｄ組織コードマトリックス及び３Ｄ密度コードマトリックスを確立する。
幾何学的モデルは、ＭＣＮＰソフトウェア入力ファイルに必要な格子カード、セルカード、サーフェスカード及びマテリアルカードを含む。医用画像データにより、最終的にＭＣＮＰソフトウェア入力ファイルに必要な格子カード、セルカード、サーフェスカード及びマテリアルカードを得て、それによりシミュレーション計算に理論的根拠を提供し、かつ正確なシミュレーション結果を得る。
医用画像データは、磁気共鳴イメージング（Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ Ｉｍａｇｉｎｇ、ＭＲＩ）又はコンピュータ断層撮影（Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ、ＣＴ）であってもよく、以下の実施例において、コンピュータ断層撮影（ＣＴ）のデータに基づいて説明され、ＣＴのファイル形式は一般的にＤＩＣＯＭである。当業者には周知のように、さらに、別の医用画像データを使用することができ、該医用画像データが組織種類、密度及びＢ−１０濃度に関する情報を携帯するＭＣＮＰ格子モデルに変換できれば、本発明の開示する医用画像データに基づく幾何学的モデルの確立方法に適用することができる。
図４に示すとおり、以下は、本発明の開示する医用画像データに基づく幾何学的モデル確立方法における既存のデータベース中のＣＴ値−組織種類及びＣＴ値−組織密度の変換関係図を説明する。
ＣＴ値は、Ｈｏｕｎｓｆｉｅｌｄ Ｕｎｉｔ（ＨＵ）とも呼ばれ、光減衰係数を反映する単位であり、その定義は式１に示すとおり、
Figure 2019502505
Ｖａｎｄｅｒｓｔｒａｅｔｅｎらによって２００７年に公表された文献（Ｂａｒｂａｒａ Ｖａｎｄｅｒｓｔｒａｅｔｅｎら、「モンテカルロ線量計算のためのＣＴ値の組織パラメーターへのコンバージェンス：マルチセンター研究」、Ｐｈｙｓ．Ｍｅｄ．Ｂｉｏｌ．５２（２００７）５３９−５６２）を参照し、ＣＴ値の違いにより、１種類の空気（ａｉｒ）、１種類の肺組織（ｌｕｎｇ）、２種類の軟部組織（脂肪（ａｄｉｐｏｓｅ）及び筋肉軟部組織（ｍｕｓｃｌｅ））、１０種類の骨組織（ｂｏｎｅ）を変換することができ、換言すれば、異なるＣＴ値は、１４種類の異なる要素からなる組織に対応し、以下の表１に示すとおりである。
Figure 2019502505
 ＩＣＲＵ−４６号レポート（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｍｍｉｓｓｉｏｎ ｏｎ Ｒａｄｉａｔｉｏｎ Ｕｎｉｔｓ ａｎｄ Ｍｅａｓｕｒｅｍｅｎｔｓ、Ｐｈｏｔｏｎ、ｅｌｅｃｔｒｏｎ、ｐｒｏｔｏｎ ａｎｄ ｎｅｕｔｒｏｎ ｉｎｔｅｒａｃｔｉｏｎ ｄａｔａ ｆｏｒ ｂｏｄｙ ｔｉｓｓｕｅｓ、ＩＣＲＵ−４６、Ｔｅｃｈ．Ｒｅｐ．１９９２．）を参照し、４種類のヒト脳部の主要な組織を取り、空気（ａｉｒ）、脳組織（ａｄｕｌｔ ｂｒａｉｎ）、皮膚（ａｄｕｌｔ ｓｋｉｎ）、頭蓋骨（ｃｒａｎｉｕｍ）を含み、その対応する密度及び元素組成は表２に示すとおりである。
Figure 2019502505
 同様にＶａｎｄｅｒｓｔｒａｅｔｅｎらの文献を参照し、該文献は病院の実際の実験値を統合し、ＣＴ値に対応する組織密度の関係式が整理され、図４に示すとおり、本発明の開示する医用画像データに基づく幾何学的モデルの確立方法は、図４の３つの回帰式を使用し、ＣＴ値（−１０００〜２０００）を９６組の密度グループ分けに分割し、表３に示すとおりである。
Figure 2019502505
 本発明の実施例における有益な効果及び／又は特徴は以下のとおりである。
１、関心領域（ＲＯＩ）の組織種類、元素組成及び密度を手動で定義する。
２、非ＲＯＩのＣＴ画像ボクセルポイントについて、組織種類マッチングを自動的に行うことができ、ＣＴ値の違いにより、既存のデータベースは４種類又は１４種類の要素からなる組織を区別することができ、また実際の実験結果により他の数の異なる元素からなる組織を決定することができる。
３、ＣＴ値被覆範囲の広いＲＯＩについて、例えば粘膜チャンバーであり、唯一の組織密度を与えることは困難であり、ユーザは本発明の実施例が開示する方法に従ってＣＴ値と組織／密度の変換を自動的に行うことができる。
４、正常血液中のホウ素含有薬物の濃度、組織／腫瘍−血液ホウ素濃度比などのパラメータを入力した後、本発明の実施例が開示する方法は、Ｂ−１０元素を全てのボクセルポイントに自動的に書き込む。
５、最後に得られた３次元ＭＣＮＰ格子モデルは、組織種類（元素組成）、密度及びＢ−１０濃度などの情報を携帯する。
以上で本発明の説明的な具体的な実施形態を説明し、それにより当業者が本発明を理解しやすく、しかし、本発明は具体的な実施形態の範囲に限定するものではなく、当業者にとっては、様々な変化が特許請求に限定及び確定された本発明の範囲内にあれば、これらの変化が明らかであり、いずれも本発明の保護範囲内にある。

Claims (10)

  1. 医用画像データを読み取るステップと、
    前記医用画像データと組織の種類との間の変換関係によって前記組織の種類を定義するステップと、
    組織グループ分けの数を決定するステップと、
    前記医用画像データと濃度との変換関係によって前記組織の密度を定義するステップと、
    前記組織及び前記密度に関する情報を携帯する３Ｄコードマトリックスを確立するステップと、
    幾何学的モデルを生成するステップと、を含む、
    医用画像データに基づく幾何学的モデルの確立方法。
  2. 前記幾何学的モデルの確立方法は、中性子捕捉療法に適用され、前記幾何学的モデルの確立方法は、さらに、
    Ｂ−１０濃度を与えるステップと、
    Ｂ−１０濃度に関する情報を携帯する３Ｄコードマトリックスを確立するステップと、を含むことを特徴とする、
    請求項１に記載の医用画像データに基づく幾何学的モデルの確立方法。
  3. 前記組織グループ分けの数は、ユーザから手動で定義された組織グループ分けの数に、データベース内の既存の４種の組織グループ分けの数又は１４種の組織グループ分けの数を加えた数であることを特徴とする、
    請求項１に記載の医用画像データに基づく幾何学的モデルの確立方法。
  4. 前記幾何学的モデルの確立方法は、さらに、
    ３Ｄ組織コードマトリックスを確立するステップと、
    ３Ｄ密度コードマトリックスを確立するステップと、を含むことを特徴とする、
    請求項３に記載の医用画像データに基づく幾何学的モデルの確立方法。
  5. 前記幾何学的モデルは、ＭＣＮＰソフトウェア入力ファイルに必要な格子カード、セルカード、サーフェスカード及びマテリアルカードを含むことを特徴とする、
    請求項１に記載の医用画像データに基づく幾何学的モデルの確立方法。
  6. 医用画像データを読み取るステップと、
    ＲＯＩ境界を定義又は読み取るステップと、
    医用画像ボクセルが前記ＲＯＩ境界内にあるかどうかを判断するステップと、
    前記医用画像ボクセルが前記ＲＯＩ境界内にある場合、各前記ＲＯＩ境界内のボクセルに１つの特定の組織及び密度を与えることによって、ユーザが組織の種類及び密度を手動で定義するステップに進み、又は前記医用画像データと組織の種類／密度との間の変換関係によってＲＯＩ組織の種類及び密度を自動的に定義するステップに進み、
    前記医用画像ボクセルが前記ＲＯＩ境界内にない場合、前記医用画像データと組織の種類との間の変換関係によって、組織の種類を自動的に定義するステップに進み、かつ前記医用画像データと組織の種類との間の変換関係によって、組織の密度を定義するステップに進み、
    前記組織及び前記密度に関する情報を携帯する３Ｄコードマトリックスを確立するステップと、
    幾何学的モデルを生成するステップと、を含む、
    医用画像データに基づく幾何学的モデルの確立方法。
  7. 前記幾何学的モデルの確立方法は、中性子捕捉療法に適用され、前記幾何学的モデルの確立方法は、さらに、
    Ｂ−１０濃度を与えるステップと、
    Ｂ−１０濃度に関する情報を携帯する３Ｄコードマトリックスを確立するステップと、を含むことを特徴とする、
    請求項６に記載の医用画像データに基づく幾何学的モデルの確立方法。
  8. 前記組織グループ分けの数は、ユーザから手動で定義された組織グループ分けの数に、データベース内の既存の４種の組織グループ分けの数又は１４種の組織グループ分けの数を加えた数であることを特徴とする、
    請求項６に記載の医用画像データに基づく幾何学的モデルの確立方法。
  9. 前記幾何学的モデルの確立方法は、さらに、
    ３Ｄ組織コードマトリックスを確立するステップと、
    ３Ｄ密度コードマトリックスを確立するステップと、を含むことを特徴とする、
    請求項８に記載の医用画像データに基づく幾何学的モデルの確立方法。
  10. 前記幾何学的モデルは、ＭＣＮＰソフトウェア入力ファイルに必要な格子カード、セルカード、サーフェスカード及びマテリアルカードを含むことを特徴とする、
    請求項６に記載の医用画像データに基づく幾何学的モデルの確立方法。
JP2018544387A 2015-11-17 2016-10-18 医用画像データに基づく幾何学的モデルの設定方法 Active JP6754841B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201510790248.7 2015-11-17
CN201510790248.7A CN106474634A (zh) 2015-11-17 2015-11-17 基于医学影像数据的几何模型建立方法
PCT/CN2016/102335 WO2017084459A1 (zh) 2015-11-17 2016-10-18 基于医学影像数据的几何模型建立方法

Publications (2)

Publication Number Publication Date
JP2019502505A true JP2019502505A (ja) 2019-01-31
JP6754841B2 JP6754841B2 (ja) 2020-09-16

Family

ID=58238342

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018544387A Active JP6754841B2 (ja) 2015-11-17 2016-10-18 医用画像データに基づく幾何学的モデルの設定方法

Country Status (6)

Country Link
US (1) US10692283B2 (ja)
EP (1) EP3357537B1 (ja)
JP (1) JP6754841B2 (ja)
CN (4) CN106474634A (ja)
TW (1) TWI639134B (ja)
WO (1) WO2017084459A1 (ja)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016179381A1 (en) 2015-05-06 2016-11-10 Neutron Therapeuutics Inc. Neutron target for boron neutron capture therapy
CN108295384B (zh) * 2017-01-11 2020-02-28 南京中硼联康医疗科技有限公司 基于医学影像的组织元素质量比例解构方法及几何模型建立方法
US10462893B2 (en) 2017-06-05 2019-10-29 Neutron Therapeutics, Inc. Method and system for surface modification of substrate for ion beam target
CN107290774A (zh) * 2017-07-21 2017-10-24 四川瑶天纳米科技有限责任公司 中子剂量快速确定方法
CN109308733A (zh) * 2017-07-27 2019-02-05 南京中硼联康医疗科技有限公司 基于医学影像数据的几何模型建立方法及剂量计算方法
JP7175964B2 (ja) * 2017-08-24 2022-11-21 南京中硼▲聯▼康医▲療▼科技有限公司 中性子捕捉療法システム
CN110335281A (zh) * 2018-03-28 2019-10-15 北京连心医疗科技有限公司 一种肿瘤边界确定方法、设备和存储介质
CN108852511B (zh) * 2018-04-26 2019-06-07 北京罗森博特科技有限公司 骨内植入物最优位置的自动规划方法及装置
CN109344459B (zh) * 2018-09-13 2022-11-29 北京应用物理与计算数学研究所 一种蒙特卡罗程序的可视建模与转换方法及系统
CN110013613A (zh) * 2019-04-16 2019-07-16 东莞东阳光高能医疗设备有限公司 一种硼中子俘获治疗计划系统
CN111128317A (zh) * 2019-11-20 2020-05-08 中国辐射防护研究院 一种电离辐射组织等效材料配方设计方法及系统
CN113797447A (zh) 2020-06-11 2021-12-17 中硼(厦门)医疗器械有限公司 放射治疗系统及其治疗计划生成方法
CN114073827B (zh) 2020-08-15 2023-08-04 中硼(厦门)医疗器械有限公司 放射线照射系统及其控制方法
CN114367061B (zh) * 2020-10-14 2023-06-23 中硼(厦门)医疗器械有限公司 硼中子捕获治疗系统及其治疗计划生成方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1658878A1 (en) * 2004-11-17 2006-05-24 The European Community, represented by the European Commission BNCT treatment planning
JP2015002983A (ja) * 2013-06-18 2015-01-08 三星電子株式会社Ｓａｍｓｕｎｇ Ｅｌｅｃｔｒｏｎｉｃｓ Ｃｏ．，Ｌｔｄ． 超音波生成方法及びそれを記録したコンピュータ読取可能記録媒体並びに超音波照射装置

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5341292A (en) * 1992-06-04 1994-08-23 New England Medical Center Hospitals, Inc. Monte Carlo based treatment planning for neutron capture therapy
US5873830A (en) * 1997-08-22 1999-02-23 Acuson Corporation Ultrasound imaging system and method for improving resolution and operation
US6285969B1 (en) * 1998-05-22 2001-09-04 The Regents Of The University Of California Use of single scatter electron monte carlo transport for medical radiation sciences
WO2001045556A1 (en) * 1999-12-21 2001-06-28 Bechtel Bwxt Idaho, Llc Monte carlo simulation of neutron transport for use in radiotherapy
CA2491703A1 (en) * 2002-07-09 2004-01-15 Medispectra, Inc. Methods and apparatus for characterization of tissue samples
JP5171251B2 (ja) * 2004-05-04 2013-03-27 スティフテルセン ウニヴァズィテッフォースクニング ベルゲン 灌流磁気共鳴画像化装置の作動方法、灌流磁気共鳴画像化データ操作方法及びこれらの方法に用いるデータ処理装置、コンピュータソフトウェア製品
EP1846015A4 (en) * 2005-01-19 2009-08-12 Mathew Mark Zuckerman METHOD, COMPOSITIONS AND CLASSIFICATION FOR TUMOR DIAGNOSIS AND TREATMENT
US8125813B2 (en) * 2005-06-16 2012-02-28 Best Medical International, Inc. Variance reduction simulation system, program product, and related methods
CN101458826B (zh) * 2008-11-25 2012-05-30 中国科学院等离子体物理研究所 利用ct值赋予密度、组成成分的数字人体建模方法
US9700264B2 (en) * 2013-10-25 2017-07-11 The Johns Hopkins University Joint estimation of tissue types and linear attenuation coefficients for computed tomography
CN103549953B (zh) * 2013-10-25 2015-04-15 天津大学 一种基于医学核磁共振影像提取微波检测乳房模型的方法
WO2015144540A1 (en) * 2014-03-28 2015-10-01 Koninklijke Philips N.V. Method and device for generating one or more computer tomography images based on magnetic resonance images with the help of tissue class separation
CN103985122B (zh) * 2014-05-17 2016-11-02 清华大学深圳研究生院 基于心脏 ct 图像的全心脏提取方法
CN104267425B (zh) * 2014-10-16 2017-08-25 中国科学院合肥物质科学研究院 一种基于CT数据的内照射HPGe探测器探测效率确定方法
CN104899891B (zh) * 2015-06-24 2019-02-12 重庆金山科技（集团）有限公司 一种识别孕囊组织的方法、装置及宫腔吸引装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1658878A1 (en) * 2004-11-17 2006-05-24 The European Community, represented by the European Commission BNCT treatment planning
JP2015002983A (ja) * 2013-06-18 2015-01-08 三星電子株式会社Ｓａｍｓｕｎｇ Ｅｌｅｃｔｒｏｎｉｃｓ Ｃｏ．，Ｌｔｄ． 超音波生成方法及びそれを記録したコンピュータ読取可能記録媒体並びに超音波照射装置

Also Published As

Publication number Publication date
WO2017084459A1 (zh) 2017-05-26
EP3357537B1 (en) 2020-09-30
US10692283B2 (en) 2020-06-23
TW201719580A (zh) 2017-06-01
CN107427692B (zh) 2020-08-07
CN111803803B (zh) 2023-02-10
CN111803803A (zh) 2020-10-23
CN108310683A (zh) 2018-07-24
EP3357537A4 (en) 2018-10-24
EP3357537A1 (en) 2018-08-08
TWI639134B (zh) 2018-10-21
US20180247452A1 (en) 2018-08-30
CN106474634A (zh) 2017-03-08
JP6754841B2 (ja) 2020-09-16
CN107427692A (zh) 2017-12-01

Similar Documents

Publication Publication Date Title
JP6754841B2 (ja) 医用画像データに基づく幾何学的モデルの設定方法
Papagiannis et al. Current state of the art brachytherapy treatment planning dosimetry algorithms
RU2736917C1 (ru) Способ анализа элементов и отношений масс элементов ткани и способ построения геометрической модели на основе медицинского изображения
JP6938647B2 (ja) 医用画像データに基づく平滑化幾何的モデルの構築方法
TW201721184A (zh) 射束的照射角度評價方法
CN112618970B (zh) 一种用于硼中子俘获治疗生物剂量计算方法的装置及介质
CN109308733A (zh) 基于医学影像数据的几何模型建立方法及剂量计算方法
WO2022078175A1 (zh) 硼中子捕获治疗系统及其治疗计划生成方法
WO2022001594A1 (zh) 放射治疗系统及其治疗计划生成方法
Alghamdi et al. A high-resolution anthropomorphic voxel-based tomographic phantom for proton therapy of the eye
Kaschta Uncertainty-aware Multi-criteria Dose Optimization for Radiation Therapy
CN117982812A (zh) 硼中子捕获治疗系统及其治疗计划生成方法

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20181228

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20191223

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200107

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200319

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200519

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200728

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: 20200804

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20200824

R150 Certificate of patent or registration of utility model

Ref document number: 6754841

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250