JP6095112B2 - 放射線治療システム - Google Patents

Description

本発明は、Ｘ線や陽子線をはじめとする粒子線等の各種放射線を患部に照射して治療する放射線治療において、画像内に描出された対象を位置合せする位置合せシステムを備えた放射線治療システムに関する。

腫瘍細胞を各種放射線を照射することで壊死させる放射線治療は、近年広く行われつつある。用いられる放射線としては、最も広く利用されているＸ線だけでなく、陽子線を始めとする粒子線を使った治療も行われている。

放射線治療は、主に診断、治療計画、治療、経過観察の４つのステップで実施される。この各ステップにおいて画像もしくは画像処理技術を用い、より高精度な治療を目指して画像誘導放射線治療（Ｉｍａｇｅ Ｇｕｉｄｅｄ Ｒａｄｉａｔｉｏｎ Ｔｈｅｒａｐｙ：ＩＧＲＴ）が実施されるようになっている。例えば、診断のステップでは、診断装置の種類の増加、高性能化に伴い、従来治療計画に用いられていたＸ線ＣＴ（Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ）画像に加え、ＭＲ（Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ）画像の形態画像や、ＰＥＴ（Ｐｏｓｉｔｒｏｎ Ｅｍｉｓｓｉｏｎ Ｔｏｍｏｇｒａｐｈｙ）画像といった機能画像が、治療計画における治療領域決定に利用されるようになっている。

また、治療の重要なプロセスの一つにベッド位置決めがある。これは治療直前の患者セットアップにおいて、現在のベッド位置を治療計画位置に一致させることである。一般的に放射線治療は、放射線を複数回（治療部位によるが数十回）に分けて放射線を患部に照射するため、ベッド位置決めは、その照射毎に毎回実施される。具体的には、治療計画装置から出力されたＤＲＲ（Ｄｉｇｉｔａｌ Ｒｅｃｏｎｓｔｒｕｃｔｅｄ Ｒａｄｉｏｇｒａｐｈ）画像と、放射線照射前にＸ線撮像装置を用いて治療用ベッド（以下、ベッドと省略する）の上に患者を寝かせた状態で撮影するＸ線画像（ＤＲ画像、Ｄｉｇｉｔａｌ Ｒａｄｉｏｇｒａｐｈ画像）とを技師または医師が比較することにより、治療計画で決定した照射標的の位置と現在のベッド上の照射標的の位置とのズレを演算し、二種類の画像が一致するようにベッドの移動量を求め、ベッドを移動させるプロセスである。

このベッドの位置合せの手法の一つとして、非特許文献１には、関心領域に重み付けした評価関数を用いた標的や危険臓器を基準とした自動の画像位置合せ方法が提案されている。

Jinkoo Samuel B. P. et al.、"Spatially weighted mutual information image registration for image guided radiation therapy"、Medical Physics、 vol.37、 No.9、 September 2010.

上述のように、放射線治療におけるベッド位置決め方法は広く普及している。このうち、ＤＲ画像とＤＲＲ画像を用いたベッド位置決め（以下ＤＲ−ＤＲＲベッド位置決め）では、平行移動３自由度および撮影方向を軸とする回転（平面内回転）２自由度とを精度良く検出可能である。しかし、Ｘ線の撮影方向に直行する軸周りの回転（平面外回転）を自動で検出することは困難であることが知られており、この手法によるより高精度なベッド位置合せの実現は難しい。

従来のＤＲ−ＤＲＲベッド位置決めと同一の機器で、自動で６自由度を検出可能な位置決め方法として、ベッド位置決めシステムにてＣＴ画像とＤＲ画像を用いる方法（以下、ＣＴ−ＤＲベッド位置決め）が知られている。ＤＲ−ＤＲＲベッド位置決めでは、治療計画位置でのみ生成したＤＲＲ画像とＤＲ画像とを画素値を比較し移動量を演算するのに対し、ＣＴ−ＤＲベッド位置決めでは治療計画ＣＴ画像から様々な角度でＤＲＲ画像を作成し、ＤＲ画像と画素値を比較することで移動量を演算する。治療計画ＣＴ画像から全方位のＤＲＲ画像を作成可能なため、６自由度を検出可能である。

ここで、Ｘ線画像（ＤＲ画像）やＤＲＲ画像は、いわゆる投影画像であり、主にＸ線吸収率の高い骨等の構造物が映るため、臓器等の軟組織に腫瘍領域が存在する場合に、直接腫瘍位置を画像から観察するのが困難な場合があり、臓器自身の輪郭や領域も不鮮明になる。この理由として、Ｘ線画像が人体の３次元構造を２次元面に投影したデータであること、また骨と比較して軟組織のＸ線吸収係数が低く、また臓器毎の係数値の差が小さいために投影方向に関して複数の軟組織が重なっているとその境界判別が難しくなること、等が挙げられる。
このため、Ｘ線画像を用いるベッド位置決めでは、腫瘍領域（軟組織）と骨との位置関係が大きく変化しないと想定し位置決めを実施していた。しかし、実際には体内の臓器の位置はわずかながら毎日変化する。したがって、必ずしも治療計画時のＣＴ画像における臓器位置と治療時のベッド上での臓器位置は一致していない場合もある。

治療計画ＣＴ画像は元々３次元画像であることから、近年では、放射線治療システムのガントリに付属したＸ線管とフラットパネル検出器を用い、患者の周囲を回転して撮像するコーンビームＣＴ装置により、治療直前の患者３次元画像を取得し、これらを用いたベッド位置決め（以下、ＣＴ−ＣＴベッド位置決め）が行われ始めている。
コーンビームＣＴ画像は、治療計画ＣＴ画像と比較し画質は劣るものの、３次元断層像が撮像可能である。これにより、前述したＤＲ−ＤＲＲベッド位置決めの課題であった自由度の精度不足や、ＣＴ−ＤＲベッド位置決めの投影画像による課題を解決可能である。さらに放射線治療システムに付属のコーンビームＣＴ装置に代わり、治療室内にＣＴ装置を設置し、共通の寝台で患者を撮像するインルームＣＴ撮像も行われるようになっており、治療計画ＣＴ画像と同等の画質でベッド位置決めが行われている。

このようにベッド位置決めは、従来の２次元投影画像を用いたＤＲ−ＤＲＲベッド位置決め、ＣＴ−ＤＲＲベッド位置決めから、３次元画像を用いたＣＴ−ＣＴベッド位置決めが主流になりつつある。これは２次元投影画像同士の位置合せから、３次元断層画像同士の位置合せになったことにより、画像に含まれる情報量が増えるためであり、従来認識が困難であった標的や危険臓器といった軟組織も認識可能となったからである。
しかし一方で、画像に含まれる情報量が増えることにより、位置合せ可能な部位が増え、どの部位をどの程度位置合せする必要があるかといった基準や、その方法は従来と比較して複雑になっている。また、前述した通り、標的や臓器といった軟組織の位置はわずかながら毎日変化するため、３次元画像同士の位置合せをより複雑にしている。

実際の治療において、３次元画像同士の位置合せは、画像位置合せ機能を搭載したシステムによる自動位置合せと、操作者が画像を見ながら手動で位置合せを行う手動位置合せがある。
一般的には、まず自動位置合せを実行したのち、それらの結果を手動位置合せで補正する、という手順で行われている。
自動位置合せは、システムに実装された評価関数により、ベッド位置合せの６自由度を決定するものである。しかし、従来利用されている評価関数では、位置合せの判断基準が一定で有るものの、画像全体の位置を合せるものであり、標的や危険臓器といった操作者の関心領域を基準とした位置合せは困難である。
一方、手動位置合せでは、操作者の関心領域を基準とした位置合せが可能で有る。しかし、その基準は操作者に依存するため、位置合せ結果にはばらつきが生じてしまい、高精度なベッド位置決めが困難である。

さらに最近では、腫瘍領域の近傍にある周辺臓器への線量付与をなるべく避け、腫瘍領域（患部）へ放射線を集中させる３次元放射線治療が盛んになっている。例えば、ＩＭＲＴ（Ｉｎｔｅｎｓｉｔｙ Ｍｏｄｕｌａｔｅｄ Ｒａｄｉａｔｉｏｎ Ｔｈｅｒａｐｙ）や粒子線を用いる放射線治療などである。このような標的に線量を集中して照射するためにも、より高精度なベッド位置決めおよび画像位置合せが求められている。

このような３次元断層撮像装置を備えた放射線治療システムにおいて、治療計画ＣＴ画像と患者の３次元画像を用いたベッド位置決めでは、従来の投影画像を用いた位置決めでは困難であった、標的や危険臓器といった放射線治療における関心領域が描出されるため、それらを基準に位置合せが可能となるという利点がある。

しかし３次元画像を用いる場合、標的や危険臓器といった関心領域が描出されるという利点は有るものの、基準となり得る領域が複数描出されるため、どの領域をどの程度位置を合せるかは不明瞭なままである。

これら画像の自動位置合せ法として、上述の非特許文献１に記載の位置決め方法は関心領域に重みをつけした評価関数を用いているが、重み付けすべき領域は操作者が決定しており、また最適な重みを決定する方法に関しての記載はない。
また、操作者が手動位置合せをする場合においても、治療毎に行われる位置決めにおいては、異なる操作者によって判断される場合もあり、またどの領域をどの程度位置を合せるかは操作者の経験に依存するため、その結果にはばらつきが生じる可能性がある。

本発明は、放射線治療で用いられる画像位置合せの際に、画像内に描出されている位置決めの基準となる部位もしくは領域と、治療対象部位もしくは領域との位置合せに要する時間を短縮することができる位置決めシステムを備えた放射線治療システムを提供することを目的とする。

上記課題を解決するために、例えば特許請求の範囲に記載の構成を採用する。
本発明は、上記課題を解決する手段を複数含んでいるが、その一例を挙げるならば、放射線治療の治療計画を作成するとともに、治療計画画像に関心領域を設定する治療計画装置と、前記治療計画画像を保存するとともに、前記治療計画装置において設定された前記関心領域を保存する画像サーバと、放射線を照射する対象の位置決め用の断層画像を撮像する断層撮像装置と、患者をのせるベッドと、放射線治療にあたって前記ベッドの位置決めを行う位置決めシステムであって、前記画像サーバに保存された前記治療計画画像と前記断層撮像装置によって撮像された前記断層画像との位置合せを行い、この位置合せの結果から第１ベッド位置決めパラメータを演算する第１画像位置合せ部、前記断層撮像装置で撮像された前記断層画像に対して前記治療計画装置において設定された関心領域を設定する領域設定部、この領域設定部で設定された前記関心領域の位置に関する特徴量を演算する特徴量演算部、この特徴量演算部で演算された前記特徴量を学習する特徴量学習部、前記特徴量学習部で学習した前記特徴量を利用して前記画像サーバに保存された前記治療計画画像と前記断層撮像装置によって撮像された前記断層画像との位置合せを行い、この位置合せの結果から第２ベッド位置決めパラメータを演算する第２画像位置合せ部、を有する位置決めシステムと、前記第１ベッド位置決めパラメータと前記第２ベッド位置決めパラメータとの入力を受けた上で、前記ベッドを移動させて位置決め制御するベッド位置制御装置と、を備えたことを特徴とする。

本発明によれば、放射線治療におけるベッド位置決め、特に３次元画像を用いた位置決めの際に、高精度なベッド位置決めが可能となる。これにより、画像内に描出されている位置決めの基準となる部位もしくは領域と、治療対象部位もしくは領域との位置合せにおける操作者による修正およびその修正に要する時間を少なくすることができるようになり、位置決め時間を短縮でき、治療のスループットを向上することが可能となる。

本発明の放射線治療システムの実施形態の構成の一例を示す概要図である。 本発明の放射線治療システムの実施形態における位置合せシステムと関連する構成のシステム構成の一例を示す図である。 本発明の放射線治療システムの実施形態におけるベッド位置決めにおける学習の流れの一例を示す図である。 本発明の放射線治療システムの実施形態における関心領域の特徴量の概要の一例を示す図である。 本発明の放射線治療システムの実施形態における特徴量を反映した弱識別器から強識別器を作成する機械学習の概念を示す図である。 本発明の放射線治療システムの実施形態におけるベッド位置決めにおける学習結果利用の流れの一例を示す図である。

本発明の放射線治療システムの実施形態を、図１乃至図６を用いて説明する。
図１は本発明の放射線治療システムの実施形態の構成の一例を示す概要図、図２は本発明の放射線治療システムの実施形態における位置合せシステムと関連する構成のシステム構成の一例を示す図、図３は本発明の放射線治療システムの実施形態におけるベッド位置決めにおける学習の流れの一例を示す図、図４は本発明の放射線治療システムの実施形態における関心領域の特徴量の概要の一例を示す図、図５は本発明の放射線治療システムの実施形態における特徴量を反映した弱識別器から強識別器を作成する機械学習の概念を示す図、図６は本発明の放射線治療システムの実施形態におけるベッド位置決めにおける学習結果利用の流れの一例を示す図である。

図１において、放射線治療システム１は、放射線照射システム１０、治療計画装置１０１、画像サーバ１０２、３次元断層撮像装置１０３、ベッド位置決めシステム１０４等を概略備えている。

放射線照射システム１０は、放射線を発生させるための放射線発生装置１２、放射線発生装置１２で発生させた放射線を照射装置１４に輸送するための輸送系１３、放射線を出射する照射ヘッド（照射ノズル）やガントリ等を備える照射装置１４、これら放射線発生装置１２，輸送系１３，照射装置１４等を制御するための制御部１１、患者をのせるベッド１５，ベッド駆動装置１０５等を概略備える。
照射装置１４におけるガントリは、一般に回転機構を備え、この回転ガントリを回転駆動することによって治療用の放射線の照射方向を任意に変更することができる。

（位置決めの基準となる部位や領域とその重みを学習する構成および流れ）
本発明において位置決め基準となる部位とその重みを学習する基本構成を図２を参照して以下説明する。

治療計画装置１０１は、放射線治療の治療計画を作成するための装置を内部に備えている。また、治療計画ＣＴ画像（治療計画画像）に対して治療標的領域や危険臓器といった放射線治療において重要な領域（関心領域）を設定する。治療計画装置１０１は、ネットワークを介して画像サーバ１０２と接続されている。
画像サーバ１０２は、治療計画装置１０１にて治療計画の立案に用いた治療計画ＣＴ画像や、治療計画時に設定した標的や危険臓器といった関心領域に関する情報を保存する。これら画像および情報のネットワークを介した通信や保存は、医療分野にて一般的に使用されているＤＩＣＯＭ（Ｄｉｇｉｔａｌ Ｉｍａｇｅ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｏｆ Ｍｅｄｉｃｉｎｅ）フォーマットを用いることにより、容易に実現可能である。

３次元断層撮像装置１０３は、ベッド１５上の患者の３次元断層画像（ＣＴ、位置決め画像）を取得する。この３次元断層撮像装置１０３は、具体的には、放射線照射システム１０内のガントリに搭載されたコーンビームＣＴ装置や、照射装置１４と同室に設置されたＣＴ装置である。３次元断層撮像装置１０３で得られる３次元断層画像は、上述のＤＩＣＯＭフォーマットを用いることにより、ネットワークを介して通信することが可能である。

位置決めシステム１０４は、画像サーバ１０２から治療計画装置１０１にて治療計画に用いた治療計画ＣＴ画像および関心領域を、また３次元断層撮像装置１０３から３次元断層画像を、それぞれネットワークを介して取得可能である。

また位置決めシステム１０４は、放射線照射システム１０内のベッド駆動装置１０５（ベッド位置制御装置）と接続され、位置決めシステム１０４にて演算された位置決めパラメータをベッド駆動装置１０５に対して送信することで、ベッド１５を所定の位置に移動させ、治療を実施する準備を行う。

この位置決めシステム１０４は、第１画像処理部１０８、学習部１１３、入力部１０６、モニタ１０７（表示部）、学習した位置決めに用いる部位もしくは領域とその重みを用いて位置決めするための第２画像処理部１１６を備えている。

第１画像処理部１０８は、第１画像位置合せ部１０９、領域設定部１１１および領域特徴量演算部１１２とから概略構成される。

第１画像処理部１０８の第１画像位置合せ部１０９は、画像サーバ１０２に保存された治療計画ＣＴ画像と、３次元断層撮像装置１０３によって撮像された位置決め用の３次元断層画像との画像位置合せを行う。そして、この位置合わせ結果からベッド位置決めパラメータを演算して、ベッド駆動装置１０５に演算したベッド位置決めパラメータを出力する。この第１画像位置合せ部１０９は、評価式に基づき位置合せの評価を行う第１位置合せ評価部１１０を備える。

第１画像処理部１０８の領域設定部１１１は、治療計画装置１０１にて設定された関心領域を、３次元断層撮像装置１０３で撮像された３次元断層画像に対して設定する。

第１画像処理部１０８の領域特徴量演算部１１２は、領域設定部１１１において設定した関心領域に関する特徴量を、治療計画ＣＴ画像および３次元断層画像に対して演算する。
領域特徴量演算部１１２で演算する特徴量や、この特徴量の演算処理の詳細に関しては後述する。

学習部１１３は、第１画像処理部１０８における画像処理から得られる特徴量を学習するための部分であり、領域特徴量演算部１１２で演算された特徴量およびこの特徴量の信頼度を学習する特徴量学習部１１４と、この特徴量学習部１１４での学習結果を保存する学習データベース１１５とから概略構成される。特徴量の学習の詳細に関しては後述する。

入力部１０６は、治療計画装置１０１に対しモニタ１０７上に表示されたユーザーインターフェースを通して指示を与えるための手段であり、一般的にはキーボードやマウス等である。また、ユーザーインターフェースとしてはグラフィカルユーザーインタフェース（ＧＵＩ）が良く用いられる。
表示部１０７は、画像サーバ１０２に保存された治療計画ＣＴ画像と３次元断層撮像装置１０３によって撮像された３次元断層画像との位置合せ結果を表示して正しく位置決めできているか否かの判断材料を医療従事者に提供し、位置合せ結果の正否判断を容易にする。
これら入力部１０６および表示部１０７とにより、操作者からの指示の入力、入力情報や計算結果の画像などの情報を表示することが可能となっている。

ベッド駆動装置１０５は、放射線を照射する照射標的を載せるベッド１５を制御するための制御装置である。ベッド駆動装置１０５は、ベッド位置決めシステム１０４が演算により演算したベッド１５の移動量（ベッド位置決めパラメータ）を受信し、ベッド１５が備える駆動機構に対し移動指令を送出する機能を持つ。ベッド１５およびベッド駆動装置１０５は、放射線照射システム１０の一部を構成する。

図２に示すような放射線治療システムの位置合せシステムとそれに関連するシステムによる位置決め処理の流れについて、図３乃至図５を用いて説明する。
なお、治療計画ＣＴ画像および標的や危険臓器といった関心領域は治療計画装置１０１で生成され、画像サーバ１０２に蓄積される。また、３次元断層画像は、３次元断層撮像装置１０３にて生成される。これらの画像データおよび関心領域データは、ネットワークを介して位置決めシステム１０４にて使用される。

図３において、まず治療計画装置１０１では、治療計画立案のための治療計画ＣＴ画像を画像サーバ１０２からネットワークを介して読み込む。
なお、治療計画ＣＴ画像は、あらかじめ３次元断層撮像装置１０３や他の撮像装置によって撮像しておき、画像サーバ１０２に保存しておく。
その後、治療計画装置１０１は、照射標的に対してどの領域を照射するのかを設定する機能により照射領域を設定する。また、設定された照射領域に対してどの方向からどのように放射線を照射するかを、操作者の指示に基づき計算機能により演算し、治療計画を作成する。この際、照射領域と同時に危険臓器といった放射線治療において関心の高い領域（関心領域）も設定する（ステップＳ２０１）。
この設定した照射領域や危険臓器領域のデータを、ネットワークを介して画像サーバ１０２に出力し、治療計画ＣＴ画像とともに画像サーバ１０２において保存する（ステップＳ２０２）。
ここまでは一般的な治療計画の手順と略同じである。

放射線治療では、治療開始前に、照射標的への放射線照射前に患者内の腫瘍に設定された照射標的と照射中心点とを一致させる必要があり、ベッド位置決めが実施される。以下ベッド位置決めについて説明する。

まず、３次元断層撮像装置１０３は、患者をベッド１５上に安定させた状態で３次元断層画像を撮像する（ステップＳ２０３）。このとき、患者内の標的が照射中心点近くになるようにレーザーマーカ等の光学的装置と、予め患者上に貼られたまたは描かれたシールや十字線等のマーカを目印に目測でベッドを移動して、３次元断層画像を撮像することもある。

次いで、治療計画装置１０１で立案された治療計画ＣＴ画像や標的，危険臓器といった関心領域に関する情報、３次元断層撮像装置１０３にて撮像された位置決め用の３次元断層画像を、ネットワークを介して位置決めシステム１０４に送信する（ステップＳ２０４）。

次いで、位置決めシステム１０４では、送信された治療計画ＣＴ画像と３次元断層画像とを第１画像処理部１０８へ送り、第１画像位置合せ部１０９において第１位置合せ評価部１１０に実装された評価式を用いて位置合せを行う（ステップＳ２０５）。
この評価式は、例えば、画像位置合せの分野で広く知られている相互情報量最大化法を使用する。相互情報量最大化法は、二つの画像を移動、回転の６自由度を変化させながら情報量を計算、その値が最大となる位置を探索し、その場合が最も位置が合っていると判断する手法である。

次いで、第１位置合せ評価部１１０で判断された位置合せ結果をモニタ１０７で表示し（ステップＳ２０６）、操作者がその結果の正否を判断して、入力部１０６を介して成否を位置決めシステム１０４に入力する。位置合せが正しい場合には、治療計画ＣＴ画像と３次元断層画像との位置関係、つまり移動，回転の６自由度を求めることができるため、この６自由度を求め、標的（照射領域）を放射線照射システムの照射中心へ移動させるためのベッド移動量を求めるためにステップＳ２０８に処理を移行する。一方、位置が間違っている場合には、操作者が治療計画ＣＴ画像と３次元断層画像を見ながら正しい位置を入力部１０６を用いて入力して修正する。第１位置合せ評価部１１０は、修正を認識したら（ステップＳ２０７）、修正した位置から治療計画ＣＴ画像と３次元断層画像との位置関係である６自由度を求めることができるため、位置決めが正しい場合と同様に、ベッド移動量を求めるためにステップＳ２０８に処理を移行する。
ここまでは一般的なベッド位置決めの手順である。本発明では、この治療計画ＣＴ画像と３次元断層画像との位置合せ結果に関して機械学習する処理が加わる。以下にその処理を説明する。

次いで、正しく位置決めされた結果、つまり最終的な位置決め結果である治療計画ＣＴ画像と３次元断層画像に対し、治療計画装置１０１で設定した標的および危険臓器といった関心領域のデータを、領域設定部１１１にてそれぞれ適用する（ステップＳ２０８）。領域設定部１１１では、関心領域を設定するのみでなく、必要に応じて、例えばその輪郭情報を使って、その内部もしくは内外に位置する領域の抽出を行っても良い。

次に、領域特徴量演算部１１２において、治療計画ＣＴ画像と３次元断層画像とに適用した関心領域に関して、その領域の位置に関する特徴量を演算する（ステップＳ２０９）。具体的な特徴量に関して、図４を用いて説明する。
図４は、それぞれの関心領域の重心間の距離の例を示している。
まず、重心は領域内に含まれる画素値の重心を用いて求める。また、領域設定部１１１で領域の抽出を行っていれば、その抽出領域の重心を用いても良い。このように治療計画ＣＴ画像および３次元断層画像においてそれぞれ対応する領域の重心の距離を特徴量にする。
なお、ここでは重心を例に説明したが、重心以外にも、対応する領域の輪郭線間の距離なども特徴量として定義することが可能である。
求めた重心の距離からなる特徴量のデータは、機械学習における教師データのうち正解データとなる。

一方、ステップＳ２０６において間違っていた場合は、第１位置合せ評価部１１０が示した位置決め結果、つまり操作者が修正する前の結果に関して、ステップＳ２０９，Ｓ２１０に示した方法と同様の方法によって、治療計画ＣＴ画像と３次元断層画像に対して領域設定部１１１にて関心領域を設定する（ステップＳ２１０）。そして、領域特徴量演算部１１１２にて、位置に関する特徴量を演算する（ステップＳ２１１）。これらのデータは、機械学習における教師データのうち不正解データとなる。

ステップＳ２０９やステップＳ２１１において領域特徴量演算部１１２にて演算された特徴量を、学習部１１３の特徴量学習部１１４に送る。
その後、特徴量学習部１１４は、この学習結果が保存された学習データを学習データベース１１５から取得し（ステップＳ２１２）、正解データ，不正解データを基にして、送られた特徴量に関する機械学習をする（ステップＳ２１３）。

このステップＳ２１３における機械学習法は、いくつか提案されているが、ここでは機械学習の一手法であるＡｄａｂｏｏｓｔアルゴリズムを用いて説明する。
一般に、Ａｄａｂｏｏｓｔによる学習では、逐次的に学習サンプルの重みを変化させ、弱識別器と呼ばれる異なる識別器を作り、それらを組合せた強識別器を得る。単純で弱い識別器を逐次的に学習する、つまり重みを更新することにより精度を向上させる手法である。

入力パターンｘに対し、Ｔ個の弱識別器ｈｔ（ｘ）から学習することにより求まる強識別器Ｈｔ（ｘ）は、次式（１）で表わされる。

但し、αｔは信頼度で、Ｔは識別器の数である。
このようにＴ個の弱識別器ｈｔ（ｘ）を信頼度αｔで重み付けて結合することにより強識別器が構成される。

また弱識別器ｈｔ（ｘ）は、次式（２）で設計することが一般的である。

但し、ｚ（ｘ）はある特徴量の参照値、ｐは符号の向きを表すパリティ、θは閾値を表す。

弱識別器ｈｔ（ｘ）は、ある特徴量が設定した閾値より大きい場合、つまり識別ができている場合には１を、閾値より小さい場合、つまり識別できない場合にはー１を返す関数である。もちろんパリティにより符号の向きを変更し、その逆（閾値よりも小さい）が成り立つような特徴量でも同様である。

本発明で用いる特徴量および弱識別器から強識別器の詳細を、図４および図５を用いて説明する。ここでは、図３に示した位置決め処理がＮ回実施された、つまり学習サンプルがＮ個集まった状況を考える。
前述した通り、図４では特徴量として関心領域の重心間距離の例を示した。そのうちの一つの重心間距離をｚとする。
図５において、ステップＳ２０９やステップＳ２１１で求めた値はＮ個存在するため、そこから閾値θが求まる。このθを満たす率が高い場合には信頼度αｔが高くなり、その特徴量が表す弱識別器の信頼度αｔは高くなる。これらを弱識別器Ｔ個繰り返して行うことにより、各弱識別器の信頼度αｔが更新される。
このようにして求めた弱識別器を図５に示すように信頼度αｔで重み付けて多数決をとることによって強識別器Ｈｔ（ｘ）を求める。

次に、この信頼度αｔの求め方について説明する。
Ｍ個の学習サンプル（特徴量）が与えられた場合の学習手順を以下に示す。
まず、各サンプルの重みＤｔ（ｔ＝１、…、Ｔ（Ｔは弱識別器の数））は、すべてのサンプルに均等として、Ｄｔ＝１／Ｍで初期化する。
サンプルは、「正」もしくは「誤り」のどちらかの情報を保持している（正解データあるいは不正解データ）ため、次にサンプルに基づき、そのうちの誤りサンプルの重みの和がサンプルに対する誤り率εｔを次式（３）により演算する。

但し、ｉはサンプル番号、Ｄｔはサンプルの重みである。
この誤り率εｔは、例えば２つのクラスの識別を行う場合、適当に割り振っても誤り率は０．５である。この誤り率を用いて、信頼度αｔを次式（４）により求める。

すなわち、誤り率が大きいほど信頼度αｔの値は小さくなり、逆に誤り率が小さいほど信頼度αｔの値は高くなる。
これらを弱識別器の数Ｔ個に関して繰り返すことにより学習サンプルに対する信頼度αｔを求める。

以上のように機械学習で求めた、弱識別器、つまり弱識別器を構成する特徴量とその信頼度を学習データベース１１５に保存する（ステップＳ２１４）。

以上の流れにより、放射線治療における操作者の関心が高い領域、すなわちどの領域を用いて位置合せすべきかの基準となる領域として、機械学習の結果である、最も信頼度の高い弱識別器を構成する特徴量を求めた領域を用いる。
また、その位置合せ度合いを、信頼度の値を用いることにより求めることが可能となる。

（学習した位置決めに用いる部位もしくは領域とその重みを用いて位置決めする構成および流れ）
本発明により、学習によって求まる結果を新たな位置決めに利用する基本構成を図２を参照して以下説明する。なお、位置決めの基準となる部位や領域とその重みを学習する構成と異なる構成について説明し、重複する構成の説明は省略する。

位置決めシステム１０４は、第２画像処理部１１６、学習部１１３、入力部１０６、モニタ１０７（表示部）、位置決めの基準となる部位や領域とその重みを学習するための第１画像処理部１０８を備えている。

第２画像処理部１１６は、学習データベース１１５に保存された学習結果から、画像位置合せに必要な領域および特徴量を演算する領域抽出部１１７と、それらを用いた画像位置合せを行う第２画像位置合せ部１１８とで概略構成される。

第２画像位置合せ部１１８は、特徴量学習部１１４で学習し、学習データベース１１５に保存された特徴量と、その特徴量に対する信頼度を反映した評価式を用いて位置合せを行い、この位置合せの結果からベッド位置決めパラメータを演算する。そして、放射線照射システム１０内にあるベッド駆動装置１０５に演算したベッド位置決めパラメータを出力する。ベッド駆動装置１０５は、入力したパラメータにしたがってベッド１５を移動させ、治療準備を実施する。この第２画像位置合せ部１１８は、評価式に基づき位置合せ結果を評価する第２位置合せ評価部１１９を備える。

ベッド駆動装置１０５は、第１画像処理部１０８と第２画像処理部１１６との両方から位置決めパラメータを入力されたときは、第２画像処理部１１６から入力された位置決めパラメータを優先して用いる。
なお、第１画像処理部１０８と第２画像処理部１１６からのパラメータを重み付けした上で用いてもよいし、第１画像処理部１０８を優先してもよい。

次に、図２に示すような放射線治療システムの位置合せシステムと関連するシステムによる位置決め処理の流れについて、図６を用いて説明する。

図６において、まず治療計画装置１０１では、照射領域を設定する。また、設定された照射領域に対してどの方向からどのように放射線を照射するかを計算して治療計画を立案する。この際、照射領域と同時に危険臓器といった放射線治療において関心の高い領域（関心領域）も設定する（ステップＳ５０１）。
また設定した照射領域や危険臓器領域のデータを、ネットワークを介して画像サーバ１０２に出力し、治療計画ＣＴ画像とともに画像サーバ１０２において保存する（ステップＳ５０２）。

次に、３次元断層撮像装置１０３では、患者をベッド上に置いた状態で３次元断層画像である３次元断層画像を撮像する（ステップＳ５０３）。

次いで、治療計画装置１０１で立案された治療計画ＣＴ画像、標的や危険臓器といった関心領域に関する情報、３次元断層撮像装置１０３にて撮像された３次元断層画像を、位置決めシステム１０４にネットワークを介して送信する（ステップＳ５０４）。

次いで、学習データベース１１５から位置決めに用いる領域を取得する（ステップＳ５０５）。

次いで、位置決めシステム１０４において、領域抽出部１１７は、画像サーバ１０２から関心領域および学習データベース１１５から学習結果の関心領域を取得する。そして、領域抽出部１１７では、先のステップＳ５０５において取得した画像サーバ１０２から送られた関心領域および学習データベース１１５から学習結果の関心領域との整合をとり、関心領域を治療計画ＣＴ画像および３次元断層画像から抽出する（ステップＳ５０６）。
更に、領域抽出部１１７は、学習データベース１１５から位置決めに用いる領域の重みのデータを取得する（ステップＳ５０７）。

次いで、ステップＳ５０６において抽出した関心領域のデータとステップＳ５０７において取得した重みのデータとを位置決め評価式に設定する（ステップＳ５０８）。

次いで、第２画像位置合せ部１１８に実装された第２位置合せ評価部１１９は、領域抽出部１１７で抽出された領域について、学習した結果である弱識別器を構成する特徴量を用いて位置合せを行い、その特徴量によって求まる６自由度を演算する。
その際、学習に用いた弱識別器がＴ個ある場合には、各弱識別器に関して、位置合せの６自由度を演算することが可能である。また各弱識別器に関して求まる各６自由度に関して、学習結果として保存されている弱識別器の信頼度を重みとして、最終的な位置決めの６自由度を決定する（ステップＳ５０９）。

より具体的には、位置決めパラメータは、各弱識別器に関して求まった６自由度に対して重みで規格化した次式で求めることが可能である。

但し、ｘ，ｙ，ｚは直行座標系の平行移動パラメータ、またθｘ，θｙ，θｚは各軸の回転パラメータ、αｔは信頼度、Ｔは識別器の数である。
これにより、学習結果に基づく領域に関して、位置決め度合いの重みを考慮した位置決めが可能となる。

次いで、演算した位置決めパラメータを放射線照射システム１０内にあるベッド駆動装置１０５に送信し（ステップＳ５１０）、終了する。

放射線治療で行われる画像位置合せ、特に患者の３次元断層画像と治療計画ＣＴ画像とを用いるベッド位置決めにおいて、位置決めの基準となる部位もしくは領域と、その部位もしくは領域の位置合せ度合いが不明瞭な要因の一つは、位置決めに用いる画像が従来の２次元投影画像から３次元断層画像になったことにより、情報量が増加、つまり位置決めの基準となる部位や領域が増えたために位置決めが複雑になり、その基準が不明瞭になる点にある。

位置決めシステムによる評価関数を用いた自動位置決めにおいては、特定の部位や領域を基準に位置合せするものも提案されているが、その基準はトライアンドエラーで操作者が得た経験に基づいて設定するに留まっている。また操作者が画像を確認しながら行う手動位置合せにおいても、位置合せ基準は操作者の経験に依存する部分が多く、操作者により異なっている場合がある。

また、従来は、ベッド位置決めが、放射線治療期間のうち、放射線を分割して照射する毎に行われているが、３次元断層画像は、その都度撮像した３次元断層画像と治療計画ＣＴ画像が用いられるのみであり、過去に行われた３次元断層画像やその結果は利用されていない。

これに対して、上述した本発明の放射線治療システムの実施形態では、ベッド位置決め用に撮像された３次元断層画像に対して、治療計画装置１０１にて設定された標的，危険臓器といった関心領域の位置に関する特徴量を演算し、また治療計画ＣＴ画像から抽出可能な領域の位置に関する特徴量を演算する。その上で、この演算した特徴量を弱識別器とする機械学習を実施する。放射線治療の実施、つまりベッド１５の位置決め毎に位置決め結果が取得されるため、これらの位置決め結果を基にした機械学習を繰り返して、放射線治療における関心領域もしくは画像上の特徴領域のうち、位置合せすべき部位や領域と、その位置合せ度合い（重み）を求める。更に、求めた部位や領域および重みを用いた位置決め用の評価式を作成し、この評価式を用いてベッド１５の位置決めパラメータを演算する。
これにより、操作者の意図する部位で位置決めされた過去の位置決め結果を基にして放射線治療の標的や危険臓器といった領域や操作者の意図する部位を学習し、この学習結果を基準としてベッドの位置決めを行うため、位置決めシステムの学習用サンプル数が増えるごとに、より操作者の意図する位置合せに近い自動の位置合せが可能となる。従って、どの領域をどの程度位置を合せるかが、治療が行われるごとに明瞭になるとともに、操作者の経験に依存することなく、位置合せ結果にばらつきが生じにくくなり、操作者による位置の修正が少なくなって、画像内に描出されている位置決めの基準となる部位もしくは領域と、治療対象部位もしくは領域との位置合せに要する時間を短縮することができる。よって、放射線治療における位置決め時間を短縮、治療時間の短縮を図ることが可能となる。

また、機械学習により求めた操作者の関心が高い領域と、位置合せ度合いとして信頼度αｔの値を重みとして用いることで、より高精度な位置決めが可能となる。

なお、本発明は上記の実施形態に限られず、種々の変形、応用が可能なものである。

例えば、一つの特徴量を弱識別器として説明したが、複数の特徴量を用いて弱識別器とすることができる。
例えば、図４に示した領域１および領域２に関する重心距離の和を特徴量として、前述したＮ個のサンプルを用いて学習することにより、領域１と領域２の位置を合せることの信頼度を求めることが可能である。また、領域１、領域２、領域３に関する重心距離の和を用いることも可能である。

また、距離に関する特徴量以外にも、前述した相互情報量の値を特徴量とすることも可能である。すなわち、距離の値を相互情報量の値に置き換えるだけで、同様に学習することが可能である。

更に、学習結果の信頼度を重みとした加算平均位置を、学習結果に基づく６自由度パラメータとして求めたが、この重みの利用は、式（３）に限ったものではない。例えば非特許文献１で行われている、相互情報量計算における重みとして利用し、位置決めの６自由度を計算することができる。

また、信頼度αｔを利用せずに、特徴量学習部１１４で学習した特徴量のみを利用して画像サーバ１０２に保存された治療計画ＣＴ画像と３次元断層撮像装置１０３によって撮像された３次元断層画像との位置合せを行うことも可能である。

上述の実施形態では、機械学習法としてＡｄａｂｏｏｓｔ法を用いた手法を述べたが、Ａｄａｂｏｏｓｔ以外の手法でも、学習することができる。
例えばＳｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ（ＳＶＮ）では、識別関数として次式（６）により強識別器を求める。

但し、αｉは信頼度、Ｋはカーネル関数、ｂは定数である。
カーネル関数Ｋ（ｘ、ｘｉ）がサポートベクターｘｉと入力ｘとの類似度を意味し、Ａｄａｂｏｏｓｔの弱識別器に対応する。
したがって、ＳＶＮを用いた場合にも学習結果として得られる信頼度αｔを求め、利用することが可能である。

更に、本発明はその機能を損なうことなく上述の実施形態に述べた構成以外にも適用が可能である。
例えば、実施形態では、治療計画装置１０１と位置決めシステム１０４を独立した装置として記述したが、これらは全てがひとつの装置であっても構わない。

また、上述の実施形態では、図２に示すように位置決めシステム１０４において学習時に用いる第１画像処理部１０８と、学習結果を利用するときに用いる第２画像処理部１１６を別々に記載しているが、これらの処理部は一つでも構わない。

また、上述の実施形態では、治療計画ＣＴ画像や、３次元断層画像のフォーマット（データ形式）にＤＩＣＯＭフォーマットを使用しているが、もちろん他のフォーマット、例えばＪＰＥＧ画像やビットマップ画像等のフォーマットを用いることができる。
更に、画像サーバ１０２にデータファイルを保存するような構成を取っているが、治療計画装置１０１と位置決めシステム１０４とが直接通信し、データファイルを交換しても良い。
また、ネットワークによるデータファイル等の通信を用いる形態を説明したが、データファイルの交換手段として他の記憶媒体、例えばフレキシブルディスクやＣＤ−Ｒ等の大容量記憶媒体を用いても良い。

更に、照射対象が、放射線治療システム１のベッド１５に置かれた場合について述べたが、放射線治療システムと同様のベッドと３次元を持つ部屋でベッド位置決めが行われた場合にも、本発明は適用することができる。

また、本発明が適用可能な放射線治療は、Ｘ線治療装置はもちろん、Ｘ線以外の粒子線を用いる粒子線治療装置にも本発明は適用可能である。

１…放射線治療システム、
１０…放射線照射システム、
１１…制御部、
１２…放射線発生装置、
１３…輸送系、
１４…照射装置、
１５…ベッド、
１０１…治療計画装置、
１０２…画像サーバ、
１０３…３次元断層像撮像装置、
１０４…位置決めシステム、
１０５…ベッド駆動装置、
１０６…入力部、
１０７…表示部、
１０８…第１画像処理部、
１０９…第１画像位置合せ部、
１１０…第１位置合せ評価部、
１１１…領域設定部、
１１２…領域特徴量演算部、
１１３…学習部、
１１４…特徴量学習部、
１１５…学習データベース、
１１６…第２画像処理部、
１１７…領域抽出部、
１１８…第２画像位置合せ部、
１１９…第２位置合せ評価部。

Claims (3)

1. 放射線治療の治療計画を作成するとともに、治療計画画像に関心領域を設定する治療計画装置と、
   前記治療計画画像を保存するとともに、前記治療計画装置において設定された前記関心領域を保存する画像サーバと、
   放射線を照射する対象の位置決め用の断層画像を撮像する断層撮像装置と、
   患者をのせるベッドと、
   放射線治療にあたって前記ベッドの位置決めを行う位置決めシステムであって、
   前記画像サーバに保存された前記治療計画画像と前記断層撮像装置によって撮像された前記断層画像との位置合せを行い、この位置合せの結果から第１ベッド位置決めパラメータを演算する第１画像位置合せ部、
   前記断層撮像装置で撮像された前記断層画像に対して前記治療計画装置において設定された関心領域を設定する領域設定部、
   この領域設定部で設定された前記関心領域の位置に関する特徴量を演算する特徴量演算部、
   この特徴量演算部で演算された前記特徴量を学習する特徴量学習部、
   前記特徴量学習部で学習した前記特徴量を利用して前記画像サーバに保存された前記治療計画画像と前記断層撮像装置によって撮像された前記断層画像との位置合せを行い、この位置合せの結果から第２ベッド位置決めパラメータを演算する第２画像位置合せ部、
   を有する位置決めシステムと、
   前記第１ベッド位置決めパラメータと前記第２ベッド位置決めパラメータとの入力を受けた上で、前記ベッドを移動させて位置決め制御するベッド位置制御装置と、を備えた
   ことを特徴とする放射線治療システム。
2. 請求項１に記載の放射線治療システムにおいて、
   前記特徴量演算部で演算された前記特徴量から特徴量の信頼度を演算して学習する前記特徴量学習部、この特徴量学習部で学習した前記特徴量および前記信頼度を利用して前記画像サーバに保存された前記治療計画画像と前記断層撮像装置によって撮像された前記断層画像との位置合せを行う画像位置合せ部を有する前記位置決めシステムを更に備えた
   ことを特徴とする放射線治療システム。
3. 請求項１または２に記載の放射線治療システムにおいて、
   前記画像サーバに保存された前記治療計画画像と前記断層撮像装置によって撮像された前記断層画像との位置合せ結果を表示する表示部を更に備えた
   ことを特徴とする放射線治療システム。

Images