JP6417000B2 - 医療用撮像スキャンに起因する患者の放射線量を予測するための適切なモデルの作成 - Google Patents

医療用撮像スキャンに起因する患者の放射線量を予測するための適切なモデルの作成 Download PDF

Info

Publication number
JP6417000B2
JP6417000B2 JP2017148949A JP2017148949A JP6417000B2 JP 6417000 B2 JP6417000 B2 JP 6417000B2 JP 2017148949 A JP2017148949 A JP 2017148949A JP 2017148949 A JP2017148949 A JP 2017148949A JP 6417000 B2 JP6417000 B2 JP 6417000B2
Authority
JP
Japan
Prior art keywords
individual
scan
phantom
imaging
images
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.)
Active
Application number
JP2017148949A
Other languages
English (en)
Other versions
JP2017192808A (ja
Inventor
カウチ、グレゴリー
カウチ、ジェームス
Original Assignee
べイヤー ヘルスケア、エルエルシー
べイヤー ヘルスケア、エルエルシー
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 べイヤー ヘルスケア、エルエルシー, べイヤー ヘルスケア、エルエルシー filed Critical べイヤー ヘルスケア、エルエルシー
Publication of JP2017192808A publication Critical patent/JP2017192808A/ja
Application granted granted Critical
Publication of JP6417000B2 publication Critical patent/JP6417000B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/10—Safety means specially adapted therefor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/48—Diagnostic techniques
    • A61B6/488—Diagnostic techniques involving pre-scan acquisition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/54—Control of apparatus or devices for radiation diagnosis
    • A61B6/542—Control of apparatus or devices for radiation diagnosis involving control of exposure
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/56—Details of data transmission or power supply, e.g. use of slip rings
    • A61B6/563—Details of data transmission or power supply, e.g. use of slip rings involving image data transmission via a network
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/58—Testing, adjusting or calibrating thereof
    • A61B6/582—Calibration
    • A61B6/583—Calibration using calibration phantoms
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01T—MEASUREMENT OF NUCLEAR OR X-RADIATION
    • G01T1/00—Measuring X-radiation, gamma radiation, corpuscular radiation, or cosmic radiation
    • G01T1/02—Dosimeters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • 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
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—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
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • 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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • 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
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Surgery (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Molecular Biology (AREA)
  • Optics & Photonics (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Pulmonology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Urology & Nephrology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Geometry (AREA)
  • Multimedia (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Instructional Devices (AREA)
  • Image Generation (AREA)
  • Image Analysis (AREA)

Description

本発明の実施形態は、一般的に、コンピューター断層撮影（ＣＴ）スキャンの間の患者の放射線暴露を予測するためのアプローチを対象とする。
周知のとおり、ＣＴスキャンシステムは、電離放射線（Ｘ線）を使用して、組織、臓器および体内の他の構造の画像を生成する。ＣＴスキャンから生じるＸ線データは、コンピュータ表示スクリーン上の画像に変換されうる。例えば、ＣＴスキャンは、患者の体のスキャン部分に対応する三次元（３Ｄ）ボリュームを作成するために使用されるデータの集積物を提供する。３Ｄボリュームは次に、体組織の画像を作成するために、患者の体の軸に沿って小さい間隔でスライスされる。このようなスライスは、撮像される組織または構造に応じて、側面および横断スライスの両方（ならびに他のスライス）を含みうる。
医療用撮像のためのＣＴスキャンおよび電離放射線の使用は、過去１０年間に飛躍的に増加した。また、ＣＴスキャンなどの近代技術は、従来的Ｘ線撮像よりもはるかに詳細で貴重な診断情報を提供する。ところが同時に、患者はかなり大量の放射線に暴露される。例えば、典型的な胸部ＣＴは、ＣＴスキャンシステムの電圧および電流、手順を実施するために従うプロトコール、およびスキャンされる患者のサイズと形状によっては、従来的胸部Ｘ線の１００〜２５０倍の線量に患者を暴露させる。
ＣＴスキャンの使用（および結果生じる放射線への暴露）の増加にもかかわらず、手順の間に患者が暴露される放射線量、また重要な事には、数多くの手順にわたっての累積線量は、一人の患者に対して定期的に追跡されるパラメーターではなく、またこれらのパラメーターは患者の医療記録の容易にアクセスできる部分でもない。これは一部分において、体内の臓器および組織によって吸収される放射線量は、ＣＴ検査の一部として生きている患者で直接は測定することができず、死体から得られる結果はより正確ではあるが、生体組織の線量吸収にあまりよくは対応しないためである。
同様に、現在使用される線量予測のためのアプローチも、不正確な結果を提供する。例えば、一つのアプローチは、所定の患者を表すために、限定された数の身体撮像用ファントムに頼ることである。ところが、利用可能な撮像用ファントムは、ＣＴスキャンを受ける個人集団における人々のサイズおよび体重の幅広いばらつきを適切に表わさない。結果として、線量が少しでも予測される例の大部分で現在行なわれているのは、シングルポイント表面測定である。ところが、シングルポイント線量がどこで測定されるかによっては、これは質が低くばらつきの大きな結果をもたらす。より一般的には、放射線暴露の表面測定は、体内の組織、臓器および構造に対する実際の吸収の正確な測定を提供しない。
実施形態は、コンピュータ断層撮影（ＣＴ）スキャン中の患者の放射線暴露を予測するための技術を提供する。一つの実施形態は、個人に対応する撮像モデルの作成のためのコンピュータ実施方法を含む。この方法は、一般的に、画像スキャンを受ける個人のために初期撮像用ファントムを選択すること（撮像用ファントムは一つ以上の関連ローカライザー画像を持つ）および個人の一つ以上のスカウト画像を受信することを含みうる。この方法は、撮像用ファントムに関連する一つ以上のローカライザー画像の間の変換を決定すること、および変換に基づいて初期撮像用ファントムを変形させることをさらに含みうる。
特定の実施形態では、撮像スキャンは、コンピュータ断層撮影（ＣＴ）スキャンであり、その他の場合では、撮像スキャンはＸ線透視スキャン、ＰＥＴスキャン、血管造影スキャンなどである。この方法は、撮像スキャンおよびＣＴスキャンを実施するために使用されているＣＴスキャン装置を説明する一式のパラメーターを受信すること、変形された撮像用ファントムおよび受信した一式のパラメーターを使用して撮像スキャンをシミュレーションすること、およびシミュレーションに基づいて、撮像スキャンの実施の結果として個人によって吸収される放射線量を予測することをさらに含みうる。特定の実施形態では、シミュレーションはモンテカルロ・シミュレーションである。
別の実施形態は、個人に対応する撮像モデルの作成のための方法を含む。この方法は、コンピュータ断層撮影を受けている個人に対して初期撮像用ファントムを選択すること、およびその個人に関連する参照ＣＴスキャンを分割して、参照ＣＴスキャンに存在するその個人の複数の解剖学的ランドマークの三次元（３Ｄ）ボリュームを特定することを、一般的に含みうる。この方法は、分割された参照ＣＴスキャンの特定された一つ以上の解剖学的ランドマークを、初期撮像用ファントムの対応する解剖学的ランドマークに一致させること、および一致させた解剖学的ランドマークに基づいて初期撮像用ファントムを変形させることも含みうる。
追加的実施形態は、プロセッサ上で実行された時に上述の方法を実施するアプリケーションを保存しているコンピュータ可読記憶媒体、ならびにプロセッサを持つシステムおよび、プロセッサ上で実行された時に上述の方法を実施する企業情報資産管理アプリケーションプログラムを保存しているメモリを含む。
上述の態様が達成される方法は、詳細に理解することができ、上記に簡単に要約した本発明の実施形態のより具体的な説明は、添付図面を参照することによって行なわれうる。ところが、添付図面は典型的な実施形態発明のみを例示し、したがって、本発明は他の同様に効果的な実施形態を認めうることから、その範囲を制限しないことに注意すべきである。
図１は、本発明の一つの実施形態による、ＣＴスキャンシステムおよび、患者放射線量の予測を提供するように構成された関連コンピューティングシステムの例を図解する。 図２は、一つの実施形態による、ＣＴスキャンデータを取得するために使用される撮像システムの例を図解する。 図３は、一つの実施形態による、累積患者放射線量の予測および追跡に使用される線量予測システムの例を図解する。 図４は、一つの実施形態による、ＣＴスキャンから生じる患者の放射線量を予測するのに適切なモデルを作成するための方法を図解する。 図５Ａは、一つの実施形態による、変形可能ファントムを表す例示画像を図解する。 図５Ｂは、一つの実施形態による、図５Ａで示されたファントムに対応する人体の一部の二次元（２Ｄ）参照画像の例を図解する。 図６は、一つの実施形態による、ＣＴスキャンから生じる患者の放射線量を予測するのに適切なモデルを作成するための別の方法を図解する。 図７は、一つの実施形態による、患者の対応するＣＴスライスに重ね合わせたファントムのスライスの例を図解する。 図８は、一つの実施形態による、患者の対応する横断ＣＴスライスに重ね合わせた撮像用ファントムの横断スライスの例を図解する。 図９は、一つの実施形態による、ＣＴ画像分割および撮像用ファントムの臓器ボリュームの変位の例を図解する。 図１０は、一つの実施形態による、複数ＣＴスキャン提供者に対して患者線量予測を提供するための線量予測サービスの方法を図解する。 図１１は、一つの実施形態による、複数のＣＴスキャン提供者をサポートするように構成された患者線量予測サービスシステムのコンピューティングインフラの例を図解する。
本発明の実施形態は、一般的に、コンピューター断層撮影（ＣＴ）スキャン中の患者の放射線暴露を予測するためのアプローチを対象とする。さらに具体的には、本発明の実施形態は、このような予測をするために使用する適切な患者モデルを作成するための効率的なアプローチ、複数シミュレーションの結果を補間することによって患者線量を予測するためのアプローチ、および複数のＣＴスキャン提供者が利用可能な線量予測サービスをホストするサービス提供者のためのアプローチを提供する。下記に詳述されるように、線量管理システムは、モダリティにまたがる放射線量を追跡し、意味があり簡単に理解できるフォーマットで医師に情報を提示するための単一システムを提供する。診断的撮像試験を指示する際の累積線量の日常的考慮は、より情報に基づいた決定プロセスにつながり、究極的には患者の安全とケアに利益をもたらす。
一つの実施形態では、ＣＴスキャンを受けている所定の患者のモデル化をするために仮想撮像用ファントムが作成される。仮想撮像用ファントムは、ＣＴスキャンの放射線にさらされている患者のサイズ、形状、および／または臓器の位置をより良く一致させるように既存の数学ファントムを変形させることによって作成される。初めに、例えば、患者の年齢および性別に基づいて数学ファントムを選択しうる。その患者のスカウト画像ローカライザーを分析することで得られる変換を使用して選択された数学ファントムを変形させることにより、患者個別の幾何学的形状を達成しうる。この文脈では、当業者であれば理解できるように、「ローカライザー」とは患者の２Ｄ画像投射（典型的には前面／後面Ｘ線画像および／または側部Ｘ線画像）を一般的にさす。このようなアプローチでは、選択された数学ファントムは、それ自体のローカライザー画像一組を持ちうる。所定の仮想ファントムに対する参照画像は、そのファントムの幾何学的形状、サイズおよび位置（例えば、腕を上げているか体側につけているか）に一致するように選択され、複数の個人から得られた画像から選択されうる。
次に画像登録技術を使用して、患者のローカライザー画像の点を、仮想ファントムに関連する参照画像の点にマップする。こうすることで、その患者の幾何学的形状によりうまく一致するように仮想ファントムを変形させるために使用できる一連の変換がもたらされる。類似のアプローチは、ファントムに対して３Ｄデータ（選択されたＣＴスキャン）の参照セットを使用すること、および３Ｄ画像登録技術を使用して所定の患者のＣＴスキャンの点を、所定のファントムに関連する参照ＣＴスキャンの点にマップすることを伴う。
同様に、患者のＣＴスキャンの関心臓器、組織、または構造に対応するＣＴスキャン中の３Ｄボリュームを特定するために、画像分割を使用しうる。３Ｄボリュームは境界ボックス、または臓器などを表すと考えられるさらに正確な３Ｄボリュームでありうる。一旦特定されると、ファントム中の臓器の位置と患者のＣＴスキャンの対応位置との間で、変位が決定される。（２Ｄ／３Ｄ画像登録技術でのように）個別の画像点を対象とする代わりに、画像分割アプローチは、仮想ファントムおよび所定の患者からの変換を決定するために、データ点としてＣＴ画像からのより大きな３Ｄボリュームを使用することにより機能する。
これらのそれぞれの例では、結果得られるハイブリッドファントムは、無修正ファントムだけよりも、線量シミュレーションに使用するための特定の患者についてはるかに正確な数学的表現を提供する。一旦、変換が決定されたら、ハイブリッド仮想ファントムを使用して、患者に対する所定のＣＴ手順をシミュレートしうる。例えば、仮想ファントムの臓器吸収線量を予測するために、良く知られたモンテカルロ・シミュレーション技術が開発されている。このようなシミュレーション技術は、臓器吸収線量の正確な予測値を計算するために、（所定の患者に対する変換後として）仮想ファントムに加えて、ＣＴスキャナーモデルおよび実行される手順に関連する多くの設定を使用する。例えば、ＣＴスキャナーは、ｋＶｐ（すなわちピーク管電圧）、Ｘ線発生装置ターゲット角、ファン角度、コリメーション、スライスの厚さ、焦点から軸までの距離、平坦フィルター（材料および厚さ）、およびビーム成形フィルター（材料および幾何学的形状）を使用してモデル化できる。もちろん、これら（および他のパラメーター）は、特定の例のニーズに合わせるために、利用可能である場合または必要に応じて選択されうる。
ところが、モンテカルロ・シミュレーションを使用した臓器吸収臓器線量の予測は、実際のＣＴスキャンを実施するのに必要な時間よりはるかに長い、かなりの量の計算時間を必要とすることがある。多くの撮像施設でのＣＴスキャンの高い利用度を考えると、合計累積線量の予測が所定の最大値を超えない場合は、この遅れは扱いやすいものではない。所定の手順を実行する前に予測が使用されない場合であっても、患者線量の予測が、手順を行なうのに必要な時間と比較的同じ時間で決定できない限り、シミュレーションが実施されている現在のスキャンからますます遅れるので、所定のスキャンシステムに対する線量予測の記録を維持することは厄介となる。この問題は、複数の撮像施設に対してクラウドで線量予測サービスを主催しているＳａａＳ提供者にとっては飛躍的に大きくなる。
従って、一つの実施形態では、所定の手順に対して決定される患者線量の予測は、２つ（またはそれ以上の）過去に完了されたシミュレーションの間で補間することによって生成されうる。「近い」シミュレーションが利用できない場合は、次にハイブリッド仮想ファントム、ＣＴスキャナーおよび手順データを、実施する完全モンテカルロ・シミュレーションの待ち行列に加えうる。時間と共に、シミュレーションの大きなライブラリにより、手順がスケジュールされ実施される時にリアルタイムで線量予測を提供することが可能となる。こうすることにより、所定の患者の累積線量を捕獲すること、および累積線量限度を観察することができる。
さらに、一つの実施形態では、線量予測を実施し、計算されたシミュレーションのライブラリを維持し、モンテカルロ・シミュレーションを実行するために、サービスとしてのソフトウェア（ＳａａＳ）またはクラウド提供者モデルを使用しうる。このような場合、ＣＴスキャン提供者は、ＳａａＳ提供者に所定のＣＴ手順のパラメーターを提供しうる。例えば、選択された仮想ファントム、ならびに特定の個人およびＣＴ手順の実施に使用される機器およびプロトコールに合わせたハイブリッドファントムを作成するために使用する変換を、ＳａａＳ提供者に提供するために、撮像センターのクライアントソフトウェア（または安全なウェブベースのポータルでも）を使用しうる。一旦受け取られると、サービス提供者は、ライブラリから適切なシミュレーションを選択して補間し、患者臓器吸収線量の予測を撮像センターに返送できる。
重要な点は、ＳａａＳ提供者は、ＣＴスキャンを受ける所定の個人または患者についての実際の識別情報を受信する必要がないということである。代わりに、ＳａａＳ提供者は、仮想ファントムおよびＣＴシステム／手順に関連する情報のみを受信する。結果として、サービス提供者の業務は、個人健康情報のプライバシーに関連するさまざまな法律および／または規則の順守を必要としない可能性がある。さらに、複数の撮像センターに対して線量予測を提供することにより、結果得られるシミュレーションライブラリは、単一撮像センターで実施されたスキャン手順のみから作成されたシミュレーションライブラリよりも、より多様化し、補間のための候補を見つけられる可能性がはるかに高くなる。またさらに、シミュレーションライブラリおよびモンテカルロ・シミュレーションの中央化により、クラウドベースのサービスを使用してすべての撮像センターで共有されるファントム、モンテカルロ・シミュレーション・エンジン、および補間技術の改善が可能となる。最後に、このアプローチでは、累積線量を特定の患者に結びつける情報の維持を撮像センターに任せる。そのため実際の患者データが、それぞれの個別提供者にとどまることが可能となる。同時に、もちろんＳａａＳ提供者は、例えば、ｄｉｇｉｔａｌ Ｉｍａｇｉｎｇ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ｉｎ Ｍｅｄｉｃｉｎｅ（ＤＩＣＯＭ）、Ｐｉｃｔｕｒｅ Ａｒｃｈｉｖｉｎｇ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｓｙｓｔｅｍｓ（ＰＡＣＳ）、Ｈｅａｌｔｈ Ｌｅｖｅｌ Ｓｅｖｅｎ Ｉｎｔｅｒｎａｔｉｏｎａｌ（ＨＬ７）基準、ＩＣＤ−９、ＩＣＤ−１０診断および手順コードなどを含む、画像・データ交換のためのさまざまな標準プロトコールを使用して、撮像センターと通信しうる。
さらに、以下の記述は本発明の実施形態を参照する。ところが、本発明は特定の記述実施形態によって制限されないことが理解されるべきである。その代わり、異なる実施形態に関連しているかどうかに関わらず、以下の機能および要素の任意の組み合わせが、本発明の実施および実践のために企図される。さらに、本発明の実施形態は、他の可能な解決策および／または従来技術を超える利点を達成しうるが、特定の利点が所定の実施形態によって達成されるかどうかは、本発明を制限しない。従って、以下の態様、機能、実施形態および利点は例示のみであり、請求項で明示的に記述されている場合を除いて、添付請求項の要素または制限とは見なされない。同様に、「本発明」への言及は、本明細書に開示された任意の発明主題の一般化として解釈されないものとし、請求項で明示的に記述されている場合を除いて、添付請求項の要素または制限とは見なされないものとする。
当業者であれば理解できるように、本発明の態様は、システム、方法またはコンピュータプログラム製品として具現化されうる。従って、本発明の態様は、完全なハードウェア実施形態、完全なソフトウェア実施形態（ファームウェア、レジデントソフトウェア、マイクロコードなどを含む）またはソフトウェアとハードウェア態様を組み合わせた実施形態の形態を取ることがあり、これらはすべて一般的に本明細書では「回路」、「モジュール」または「システム」として言及されうる。さらに、本発明の態様は、その上にコンピュータ可読プログラムコードを持つ一つ以上のコンピュータ可読媒体に具現化されているコンピュータプログラム製品の形態を取りうる。
一つ以上のコンピュータ可読媒体の任意の組み合わせを利用しうる。コンピュータ可読媒体は、コンピュータ可読信号媒体またはコンピュータ可読記憶媒体でありうる。コンピュータ可読記憶媒体は、例えば、電子的、磁気的、光学的、電磁気的、赤外、または半導体システム、機器または装置、または前述の任意の適切な組み合わせでありうるが、これに限定されない。コンピュータ可読記憶媒体のさらに具体的な例は、一つ以上のワイヤーを持つ電気的接続、ポータブルコンピュータディスケット、ハードディスク、ランダムアクセスメモリ（ＲＡＭ）、読み出し専用メモリ（ＲＯＭ）、消去可能ＰＲＯＭ（ＥＰＲＯＭまたはフラッシュメモリ）、光ファイバー、ポータブルコンパクトディスク読み出し専用メモリ（ＣＤ−ＲＯＭ）、光記憶装置、磁気記憶装置、または前述の任意の適切な組み合わせを含みうる。本文書の文脈では、コンピュータ可読記憶媒体は、命令実行システム、機器または装置によって、またはこれと関連して使用するためのプログラムを含むまたは保管できる任意の有形媒体でありうる。
図のフローチャートおよびブロック図は、本発明のさまざまな実施形態による、システム、方法およびコンピュータプログラム製品の可能な実施のアーキテクチャ、機能性および動作を図解する。この点で、フローチャートまたはブロック図の各ブロックは、モジュール、コードのセグメントまたは部分を表す場合があり、これは指定された論理機能を実施するための一つ以上の実行可能命令を含む。一部の代替的実施では、ブロックに記述された機能は、図に記述の順序とは異なる順序で起こりうる。例えば、連続して示される２つのブロックは、関与する機能性に応じて、実際は実質的に同時に実行されたり、またはブロックは時には逆の順序で実行されうる。ブロック図および／またはフローチャート図解の各ブロック、およびブロック図および／またはフローチャート図解のブロックの組み合わせは、指定された機能または動作を実施する特殊目的のハードウェアベースのシステム、または特殊目的のハードウェアとコンピュータ命令の組み合わせによって実行できる。
本発明の実施形態は、クラウドコンピューティングインフラを通してエンドユーザーに提供されうる。クラウドコンピューティングとは、一般的に、ネットワーク上のサービスとしての拡張可能なコンピューティング資源の提供をさす。さらに正式には、クラウドコンピューティングは、コンピューティング資源とその基本的技術アーキテクチャ（例えば、サーバ、ストレージ、ネットワーク）の間の抽象化を提供するコンピューティング能力として定義することができ、最小の管理努力またはサービス提供者の相互作用で迅速に提供およびリリースできる設定可能なコンピューティング資源の共用プールへの、便利でオンデマンドのネットワークアクセスを可能にする。従って、クラウドコンピューティングは、コンピューティング資源を提供するために使用される基本的物理的システム（またはこれらのシステムの所在地）を考慮せずに、ユーザーが、「クラウド」中の仮想コンピューティング資源（例えば、ストレージ、データ、アプリケーションおよび完全な仮想化コンピューティングシステムでも）にアクセスすることを可能にする。
典型的には、クラウドコンピューティング資源は利用回数制料金でユーザーに提供され、ユーザーは実際に使用したコンピューティング資源（例えば、ユーザーによって消費されたストレージスペースの量またはユーザーによって作成された仮想化システムの数）に対してのみ請求される。ユーザーは、クラウドにある任意の資源にいつでも、インターネット上のどこからでもアクセスできる。本発明の文脈では、サービス提供者は、予測および報告の両方の視点における患者の予測を撮像センターに提供しうる。例えば、仮想ファントムおよびＣＴデータをクラウドベースの提供者に提出するために、線量予測インターフェースを使用しうる。
図のフローチャートおよびブロック図は、本発明のさまざまな実施形態による、システム、方法およびコンピュータプログラム製品の可能な実施の構造、機能性および動作を図解する。この点で、フローチャートまたはブロック図の各ブロックは、モジュール、コードのセグメントまたは部分を表す場合があり、これは指定された論理機能を実施するための一つ以上の実行可能命令を含む。一部の代替的実施では、ブロックに記述された機能は、図に記述の順序とは異なる順序で起こりうることにも注意すべきである。例えば、連続して示される２つのブロックは、関与する機能性に応じて、実際は実質的に同時に実行されたり、またはブロックは時には逆の順序で実行されうる。ブロック図および／またはフローチャート図解の各ブロック、およびブロック図および／またはフローチャート図解のブロックの組み合わせは、指定された機能または動作を実施する特殊目的のハードウェアベースのシステム、または特殊目的のハードウェアとコンピュータ命令の組み合わせによって実行できることにも注意する。
さらに、下記の本発明の特定の実施形態は、一式の撮像の線量予測を提供するためにクライアントサーバ・アーキテクチャを使用するコンピュータ断層撮影ＣＴスキャンの特定の例に依存する。ところが、当然ながら、本明細書に記述された技術は、画像検査法（例えば、ＰＥＴスキャン、従来的Ｘ線撮像、および蛍光透視法および血管造影法など）の一部として限定された放射線に個人を暴露することに頼るその他の医療撮像技術との使用のために適合されうる。
図１は、本発明の一つの実施形態による、ＣＴスキャン環境１００および、患者放射線量の予測を提供するように構成された関連コンピューティングシステムの例を図解する。図示のとおり、ＣＴスキャン環境１００は、ＣＴスキャンシステム１０５、撮像システム１２５、および線量予測システム１３０を含む。さらに、線量予測システム１３０は、撮像用ファントム１３２およびシミュレーションライブラリ１３４のデータベースを含む。
周知のように、ＣＴスキャナー１０５は、被験者１２０にＸ線源１１０からのＸ線を照射するために使用される装置を提供する。Ｘ線源１１０から放射されるＸ線は、Ｘ線が通過する物質の密度およびタイプに応じて、被験者１２０の組織、臓器および構造を異なる割合で通過する（この一部はこのような組織、臓器および構造によって吸収される）。リング１１５と共に配置されるセンサーが、被験者１２０を通過する放射線量を検出する。結果得られるセンサー情報は、撮像システム１２５に渡される。撮像システム１２５は、ＣＴスキャナーから取得されたセンサーデータから画像を受信、保管、作成するように構成されたコンピューティング装置を提供する。
撮像システム１２５は、オペレーターが所定のＣＴ手順を行うことに加えて、ＣＴスキャンの実行から得られたデータを受信することを可能にする。例えば、撮像システム１２５は、線源１１０から放射されたＸ線をブロックする能力に基づいて、さまざまな体の構造に「窓」を設けるように構成されうる。ＣＴスキャン画像（しばしば「スライス」と呼ばれる）は、典型的には軸または横断面に対して、体の長軸に垂直になされる。ところが、ＣＴスキャナー１０５は、撮像データをさまざまな平面に、または構造のボリューム（３Ｄ）表現として再フォーマットすることを可能にしうる。ＣＴスキャンが一旦実施されたら、ＣＴスキャナー１０５によって作成された撮像データは保存することができ、結果得られるスキャン画像を再検討または他の方法で評価することが可能となる。一つの実施形態では、撮像データは、良く知られているＤＩＣＯＭ基準を使用してフォーマットされ、ＰＡＣＳリポジトリに保存される。
一つの実施形態では、線量予測システム１３０は、コンピューティングシステムおよび、所定のＣＴスキャンを受けている所定の患者に対する患者吸収線量を予測するように構成されたソフトウェアアプリケーションを提供する。このような予測は、予測的意味（すなわち、スキャンを実施する前）で行なわれるが、事後にも行なわれうる。
予測例では、線量予測システム１３０は、ＣＴスキャンを行なう前に患者線量の予測を提供しうる。さらに一つの実施形態では、線量予測システム１３０は、設定可能閾値に基づいて、自動的にアラートを生成するように構成されうる。アラートの生成に対する基準は、所定の患者または手順についての年齢、性別、ＩＣＤ９／ＩＣＤ１０コード化、および他の情報（例えば、指定された累積線量限度）を考慮できる規則エンジンを使用しうる。より一般的には、線量閾値は、線量モニタリングに対する任意の法的、制度的、または治療要件を反映するために十分なほど柔軟でありうる。一つの実施形態では、結果得られる線量予測は、撮像センター、病院、または他の提供者によって維持される患者の医療記録／履歴の一部として保存されうる。
さらに、線量閾値は、適切な医師に送られるインシデント・レポートを作成するために随意に使用されうる。インシデント・レポートは、手順の説明および規則または閾値を超える線量予測に加えて、医師の介入または決断に対する背景を提供するために必要な補足情報を含みうる。一つの実施形態では、このようなレポートは、カスタマイズ可能なＸＭＬテンプレートを使用して印刷／電子メール送信されうる。
撮像用ファントム１３２は、ヒト組織、臓器、構造などの部分の一般に認められた数学的モデルを提供しうる。例えば、撮像用ファントム１３２は、人体（またはその一部）の三次元（３Ｄ）モデルを作成するために使用される一式の不均一有理スプライン（ＮＵＲＢＳ）を提供しうる。または、撮像用ファントムは、空間領域構成法（ＣＳＧ）または他の数学的表現を使用して表現されうる。連例および性別に基づいて個人に一般的に合わせるために、異なる撮像用ファントム１３２を提供しうる。ところが、上述のように、年齢および／または性別のみに基づいて選択された撮像用ファントムの仮想幾何学的形状および体形は、ＣＴ手順を受ける実際の人のサイズ、形状および臓器位置に対応しうる（または対応しないことがある）。従って、一つの実施形態では、線量予測システム１３０は、特定の患者によりよく合わせるために仮想ファントムを変形させるように構成されうる。仮想撮像用ファントム１２２を変形させるための実施形態例が、より詳細に以下に記述されている。
特定の個人に合わせるように撮像用ファントムが一旦変形されると、線量予測システム１３０は、所定のＣＴスキャン手順から生じる第一の過去の線量付与量を予測するためにシミュレーションを実施しうる。例えば、一つの実施形態では、線量予測に達するために、ＣＴスキャンパラメーター、ＣＴ手順パラメーター、および変形ファントムを使用して、ＣＴモンテカルロ・シミュレーションを実施しうる。ところが、他のシミュレーションも使用しうる。所定の線量予測シミュレーションの結果は、シミュレーションライブラリ１３４に保存されうる。
例えば、ＣＴスキャナーは、Ｘ線管電流および電圧、ＣＴスキャナーモード、ｋＶｐ、Ｘ線発生装置ターゲット角、ファン角度、コリメーション、スライスの厚さ、焦点から軸までの距離、平坦フィルター（材料および厚さ）、およびビーム成形フィルター（材料および幾何学的形状）に基づいて、シミュレーションのためにパラメーター化されうる。シミュレーションプロセスにはさまざまなアプローチが使用されうるが、一つの実施形態では、「Ｃｏｍｐｕｔａｔｉｏｎ ｏｆ ｂｒｅｍｓｓｔｒａｈｌｕｎｇ Ｘ−ｒａｙ ｓｐｅｃｔｒａ ｏｖｅｒ ａｎ ｅｎｅｒｇｙ ｒａｎｇｅ １５ ＫｅＶ ｔｏ ３００ ＫｅＶ（エネルギー範囲１５ ＫｅＶ〜３００ ＫｅＶでの制動放射Ｘ線スペクトルの計算）」 Ｗ． Ｊ． Ｉｌｅｓ， Ｒｅｇｎｅ Ｕｎｉｔ． ＮａｔｉｏｎａｌＲａｄｉｏｌｏｇｉｃａｌ Ｐｒｏｔｅｃｔｉｏｎ Ｂｏａｒｄ， ＮＲＰＢ， １９８７に記述されているように、Ｘ線スペクトルをモデル化するために、ｋＶｐ、ターゲット角およびフィルター化が使用される。
さらに、焦点から軸までの距離は、Ｘ線源から回転軸までの距離を決定し、ファン角度はビームがスライス平面上にどのくらい広がるかを決定する。もちろん、これら（および他のパラメーター）は、特定の例のニーズに合わせるために、利用可能である場合または必要に応じて選択されうる。しかし典型的には、ファントムで定義された各解剖学的領域に対して、エネルギー付与はスライスごとに保存される。ＣＴＤＩｖｏｌファントムの正規化シミュレーションを各ＣＴモデルに対して実施しうる。各解剖学的領域の塊と組み合わされたこのスライスごとのエネルギー付与情報は、所定のスキャン領域の各領域への吸収線量を計算するために十分なものである。
ところが、典型的には、モンテカルロ・シミュレーションは、完了するために、ＣＴスキャンの実施そのものよりもはるかに長い処理時間を必要とする。従って、一つの実施形態では、線量予測システム１３０は、シミュレーションライブラリ１３４の２つ（またはそれ以上）のシミュレーションの間を補間することによって線量を予測する。例えば、既存の多変量散乱補間を使用して、シミュレーションデータの第一パスの患者線量を計算しうる。患者線量情報は、より適切なシミュレーションが追加されるにつれて改良される。同様に、これらのスキャナーの較正測定値および仕様が取得された際は、して新しいスキャナーモデルをシミュレーションライブラリ１３４に追加しうる。
シミュレーションライブラリ１３４は、モンテカルロ・シミュレーション結果のデータベースを提供する。一つの実施形態では、シミュレーションライブラリ１３４は、サポートされている医療撮像スキャナー（例えば、ＣＴ、ＲＦ、ＸＡ撮像モダリティーなど）の一群に対して、一式のファントムへの線量／エネルギー付与に関する情報を、個別の患者に対して供給時および変形済みの両方として保存する。一つの実施形態では、シミュレーションライブラリ１３４は、所定の取得パラメーター、患者の記述、およびスキャン領域を前提として、線量分布のリアルタイム検索および／または計算を提供するために使用される。
述べたとおり、シミュレーションライブラリ１３４は、追加的モンテカルロ・シミュレーションが完了されるにつれて、経時的に自動拡張されうる。例えば、ＣＴスキャン検査を行なうにつれて、実施のためのシミュレーションを待ち行列に追加しうる。データ点がまばらに存在する領域のシミュレーションに優先度が与えられうる。こうすることにより、補間するためのシミュレーションを特定する確率が改善される、すなわち、シミュレーションライブラリ１３４によって網羅されるシミュレーション「空間」が改善される。同様に、より多くのシミュレーションがシミュレーションライブラリ１３４で利用可能になるほど、所定の例で補間すべきシミュレーションを選択するための閾値がより厳格になり、線量予測の正確さの向上につながる。
ＣＴスキャン環境１００の一部として図１には示されているが、線量予測システム１３０（およびファントム１３２とライブラリ１３４）は、ＣＴスキャン環境１００によって、あるいはそこからアクセスされるホストサービスとして提供されうることに注意すべきである。例えば、撮像センターは、ホスト線量予測提供者とやり取りを行なうために、撮像システム１２５上のクライアントインターフェース（例えば、安全なウェブポータルまたは専用クライアントアプリケーション）を使用しうる。このような実施形態の例を、図１１および１２に関して以下にさらに詳細に記述する。
図２は、一つの実施形態による、ＣＴスキャンデータを取得し、患者線量の予測を管理するために使用される撮像システム１２５の例を図解する。図示のとおり、撮像システム１２５は、中央処理ユニット（ＣＰＵ）２０５、ＣＴシステムインターフェース２１４、ネットワークインターフェース２１５、インターコネクト２１７、メモリ２２５およびストレージ２３０を含むがこれに限定されない。撮像システム１２５は、入出力装置２１２（例えば、キーボード、ディスプレーおよびマウス装置）を撮像システム１２５に接続する入出力装置インターフェース２１０も含みうる。
ＣＰＵ２０５は、メモリ２２５に保存されたプログラム命令を読み出して実行する。同様に、ＣＰＵ２０５は、メモリ２２５にあるアプリケーションデータを保存して読み出す。インターコネクト２１７は、ＣＰＵ２０５、入出力装置インターフェース２１０、ストレージ２３０、ネットワークインターフェース２１５およびメモリ２２５間のプログラム命令およびアプリケーションの伝送を促進する。ＣＰＵ２０５は、単一ＣＰＵ、複数ＣＰＵ、複数の処理コアを持つ単一ＣＰＵなどを代表するように含まれる。またメモリ２２５は、一般的に、ランダムアクセスメモリを代表するように含まれる。ストレージ２３０は、ディスク記憶装置でありうる。単一ユニットとして示されているが、ストレージ２３０は、ディスクドライブ、固体記憶装置（ＳＳＤ）、ネットワーク接続ストレージ（ＮＡＳ）、またはストレージエリアネットワーク（ＳＡＮ）などの、固定および／または着脱可能な記憶装置の組み合わせでありうる。さらに、ストレージ２３０（またはストレージリポジトリへの接続）は、ヘルスケア環境（例えばＰＡＣＳレポジトリ）に関連するデータストレージのためのさまざまな基準に適合しうる。
図示のとおり、メモリ２２０は、撮像制御コンポーネント２２２、画像記憶コンポーネント２２４、および線量予測インターフェース２２６を含む。さらに、ストレージ２３５、撮像プロトコール２３２およびアラーム閾値２３４を含む。撮像制御コンポーネント２２２は、撮像プロトコール２３２によって指定されるように所定のＣＴスキャン手順を実施するために使用されるソフトウェアアプリケーションに対応する。撮像プロトコール２３２は、一般的に、特定のスキャンモダリティーを使用して特定のＣＴ手順を実施するための位置、時間、および持続時間を指定する。画像記憶コンポーネント２２４は、所定のＣＴ手順を実施する間に派生する画像およびＣＴデータを保存するように構成されているか、またはこのような画像およびデータを保存するために適切なストレージリポジトリと相互作用するソフトウェアを提供する。例えば、ＣＴスキャンデータは、ＴＣＰ／ＩＰ接続で（ネットワークインターフェースを介して）ＰＡＣＳリポジトリへ／から送信されうる。
線量予測インターフェース２２６は、特定のＣＴ手順からもたらされうる患者線量の予測を得るために、線量予測システム１３０と相互作用するように構成されたソフトウェアコンポーネントを提供する。記述されているように、一つの実施形態では、線量予測インターフェース２２６は、ＣＴ撮像環境の現地のシステムと相互作用しうる。ところが、代替的実施形態では、線量予測インターフェース２２６は、ホストサービス提供者と相互作用しうる。このような場合、インターフェース２２６は、患者線量の予測の請求をホストサービス提供者に送信しうる。さらに、このような請求は、撮像用ファントム、そのファントムに対する変換、およびＣＴスキャン機器と所定の撮像スキャンに対して従うプロトコールを示しうる。いずれの場合も、予測的意味で使用される時（すなわち、手順を実施する前）、患者線量の予測は、所定の手順が実施される前にアラームが発せられるべきかどうかを決定するためのアラーム閾値および規則と比較されうる（例えば、所定の患者、臓器または体の部分に対して、所定の手順が累積線量限度を超える（または超える可能性が高い）ことを示すアラーム）。
図３は、一つの実施形態による、累積患者放射線量の予測および追跡に使用される線量予測システム１３０の例を図解する。図示のとおり、線量予測システム１３０は、中央処理ユニット（ＣＰＵ）３０５、ネットワークインターフェース３１５、インターコネクト３２０、メモリ３２５およびストレージ３３０を含むがこれに限定されない。線量予測システム１３０は、入出力装置３１２（例えば、キーボード、ディスプレーおよびマウス装置）を線量予測システム１３０に接続する入出力装置インターフェース３１０も含みうる。
ＣＰＵ ２０５と同様、ＣＰＵ３０５は、単一ＣＰＵ、複数ＣＰＵ、複数処理コアを持つ単一ＣＰＵなどを代表するように含まれ、メモリ３２５は、一般的にランダムアクセスメモリを代表するように含まれる。インターコネクト３１７は、ＣＰＵ３０５、入出力装置インターフェース３１０、ストレージ３３０、ネットワークインターフェース３１５およびメモリ３２５間でプログラム命令およびアプリケーションを伝送するために使用される。ネットワークインターフェース３１５は、例えば、線量予測に対する撮像システムからの請求を受信するために、通信ネットワークを介してデータを伝送するように構成される。ハードディスクドライブまたは固体（ＳＳＤ）記憶ドライブなどのストレージ３３０は、非揮発性データを保存しうる。
図示のとおり、メモリ３２０は、線量予測ツール３２１を含み、これは一式のソフトウェアコンポーネントを提供する。例示的に、線量予測ツール３２１は、モンテカルロ・シミュレーション・コンポーネント３２２、シミュレーション選択コンポーネント３２４、画像登録／分割コンポーネント３２６、および線量補間コンポーネント３２８を含む。およびストレージ３３０は、撮像用ファントムデータ３３２、ＣＴ撮像プロトコール３３４およびシミュレーションライブラリ３３６を含む。
モンテカルロ・シミュレーション・コンポーネント３２２は、撮像用ファントムデータ３２２および特定のＣＴ撮像機器一式および指定された撮像プロトコール３３４を使用したシミュレーションに基づいて、患者放射線量を予測するように構成される。述べたとおり、一つの実施形態では、撮像用ファントムデータ３３２は、所定の患者の身体的特徴によりよく合うように変形またはその他の方法で変換されうる。
画像登録／分割コンポーネント３２６は、そのファントムを使用してモンテカルロ・シミュレーションを実施する前に、撮像用ファントムデータ３３２を変形させるための変換一式を決定するように構成されうる。例えば、画像登録／分割コンポーネント３２６は、画像登録技術を使用して、ファントムに関連する参照またはローカライザー画像と共に、患者のスカウトローカライザー画像を評価しうる。画像登録は、２つの画像を共通座標系に整列させるプロセスである。画像登録アルゴリズムは、２つの画像の間の対応を設定するための変換一式を決定する。一旦、患者のスカウト画像とファントムの参照画像との間の変換が決定されると、ファントムを変形させるために同じ変換を使用しうる。このような変形は、患者に対応させるために、仮想ファントムの幾何学的形状を縮小拡大、平行移動および回転しうる。
別の実施形態では、患者の臓器、組織および解剖学的構造のサイズおよび相対的位置を特定するために、画像分割が使用される。このような場合、臓器（または他の関心構造）に対応すると考えられる幾何学的形状堆積を特定するために、患者の利用可能なＣＴスキャンデータを分割しうる。例えば、一つの実施形態では、特定の臓器または構造を含むと考えられる境界ボックスを特定するために、画像分割を使用しうる。臓器または構造に対応するより確定的な３Ｄボリューム領域を提供するために、他の分割アプローチを使用しうる。一旦特定されたら、仮想ファントムの対応臓器（または関心構造）の幾何学的形状を変位させるためにこの情報を使用する。
線量予測サーバ１３０の一部として示されているが、一つの実施形態では、画像登録／分割コンポーネント３２６は撮像システム１２５の一部であるか、またはそうでなければ、撮像施設のコンピューティングインフラの一部であることに注意すべきである。そうすることで、線量予測サービスを主催している提供者が、撮像施設でＣＴスキャンを受けている患者を特定するために使用されうる情報を受信することなく、所定の仮想ファントムを変形させるための変換を受信することが可能となる。このアプローチは、保護された健康情報または医療記録を処理する事業体に関連する特定の法的または規制要件を単純化（または除外）しうる。
モンテカルロ・シミュレーションの完了後、結果得られる患者線量の予測、ならびにシミュレーションコンポーネント３２２に提供されるパラメーターは、シミュレーションライブラリ３３５に保存される。そして、線量補間コンポーネント３２８は、完全なモンテカルロ・シミュレーションを実施することなく、シミュレーションライブラリ３３５のシミュレーションから患者線量の予測を決定するために使用される。こうすることで、シミュレーション選択コンポーネント３２４は、ＣＴスキャンのパラメーター、ＣＴスキャンを実施するために使用される機器、および特定の個人を表現するように変形された撮像用ファントムを比較しうる。この情報は、補間する２つ（またはそれ以上）のシミュレーションのセットを特定するために使用される。さまざまなアプローチを使用しうるが、一つの実施形態では、選択コンポーネント３２４は、変形されたファントム、ＣＴ手順、およびＣＴ機器を、シミュレーションライブラリ３３５にあるものと比較するために、距離測定値を使用しうる。一つの実施形態では、上位２つ（またはＮ個）の選択肢が、補間のために選択される。または、指定された閾値内の全体的に類似した測定値を持つシミュレーションが、補間のために選択される。このような場合、閾値を上下に調整することによって、シミュレーションが補間のために使用される。
検査のためのスキャナーおよび患者を記述するパラメーター一式（ｋＶｐ、ターゲット角、ガントリー傾斜、身長、体重など）を前提として、システムは各変数に対してカスタマイズ可能な許容範囲を設定することができる（例えば、実際のｋＶｐはシミュレーションの１０ｋＶ以内である）。シミュレーションを検索する時、すべての所定のパラメーターに対して許容範囲内のシミュレーションのみが、計算に組み入れられる。一つの実施形態では、シミュレーション結果は、既知のシェパード法を使用して補間されうる。シミュレーション結果セットに渡る標準偏差は、不確実性の尺度として使用される（例えば、使用された５つのシミュレーションセットについては、胸への吸収線量のＳＤは０．２ ｍＳｖであり、肝臓への吸収線量のＳＤは０．１５ ｍＳｖである）。
図４は、一つの実施形態による、ＣＴスキャンから生じる患者の放射線量を予測するのに適切なモデルを作成するための方法４００を図解する。さらに具体的には、方法４００は、画像登録技術が仮想ファントムを変形させるために使用される実施形態の例を示す。図示のとおり、方法４００はステップ４０５で始まり、ここでは線量予測ツールが事前マップされたローカライザー画像を持つ仮想ファントムを選択する。述べたとおり、仮想ファントムは、問題のＣＴスキャン手順を受けている個人の年齢および性別に基づいて選択されうる。ステップ４１０では、線量予測ツールが、線量測定を実施している個人のスカウト画像を受信する。スカウト画像は、完全ＣＴ手順を実施する前にＣＴスキャンシステムによって取得される前面／後面および／または側方スカウト画像など、個人の２Ｄ画像投影を提供する。または、スカウト画像は、ＣＴスキャンの前手順の一部として取得される個人の３Ｄボリュームでありうる。ステップ４１５で、選択された仮想ファントムを変形させるための使用に対応する、事前マップされたローカイザー画像が取得される。事前マップされた画像は、スキャンされる患者の関連領域に基づいて選択されうる。例えば、胸部ＣＴスキャンを受ける（または受けた）患者では、選択された参照画像は、仮想ファントムにうまく一致する体の幾何学的形状を持つ個人のこの領域を描写しうる。
図５Ａは、一つの実施形態による、変形可能ファントムを表す例示画像を図解する。図示のとおり、画像５００は、仮想画像ファントムの前面／後面表示５０１および側面表示５０２を提供する。表示５０１および５０２に図示のとおり、このファントムの幾何学的形状は、肋骨５０５、脊椎５１５および脚５２２を表す骨構造を含む。さらに、表示５０１および５０２は、胃５１０および腎臓５１５を含む臓器を表す幾何学的形状を含む。（表示５０１および５０２に図示のとおり）仮想ファントムは、ヒトの臓器、組織および構造のサイズ、形状および位置のおおまかな近似値を提供する。
明らかに実際の人体構造のおおまかな近似値であるが、仮想ファントムは、線量吸収のかなり正確な予測を提供するものとして一般的に認められている。図５Ｂは、一つの実施形態による、図５Ａで示されたファントムに対応する人体の一部の２Ｄ参照画像の例を図解する。図示のとおり、参照画像の骨、組織、臓器の相対的位置、サイズ、形状は、仮想ファントムの対応位置とうまく一致する。
方法４００を再び参照すると、ステップ４２０で、線量予測ツールは、患者のスカウト画像と仮想ファントムを表すために使用された参照画像との間の変換を決定するために、画像登録プロセスを実施する。画像登録の結果が、２Ｄスカウトローカライザーの点から参照画像の点へ（またはその逆）のマッピングとなる。同様に、患者の３Ｄスカウト画像（すなわち、現在または以前のＣＴスキャン）の例では、３Ｄ画像登録技術は、患者の３Ｄスカウト画像の点と３Ｄ座標空間のファントムに対応する参照画像の点との間でマップしうる。
ステップ４２５で、この同じ変換は、仮想ファントムを表す幾何学的形状を変形させるために使用される。画像登録プロセスから得られる変換を使用して仮想ファントムを変形させることによって、仮想ファントムの幾何学的形状によって表されるサイズ、形状および臓器の位置は、より正確に実際の患者の幾何学的形状に一致する。例えば、図５Ｂに示される参照画像および患者のスカウトローカライザーを使用した画像登録プロセスの実施は、図５Ａに示される仮想ファントムを変形させるために使用できる変換を提供する。変形された仮想ファントムは、所定のＣＴ手順から生じる臓器吸収線量を予測するために使用されうる。つまり、モンテカルロ・シミュレーションから得られる線量予測は、患者に合わせてあり、複数スキャンにわたって患者線量を予測するために使用された時は、より正確であり、より一貫性がある。
図６は、一つの実施形態による、ＣＴスキャンから生じる患者の放射線量を予測するのに適切なモデルを作成するための別の方法を図解する。さらに具体的には、方法６００は、画像分割技術が仮想ファントムを変形させるために使用される実施形態の例を示す。方法４００と同様、方法６００は、例えば、患者の年齢および性別に基づいて、線量予測ツールが変形させる撮像用ファントムを選択することから始まる（ステップ６０５）。ところが、患者の２Ｄ画像ローカライザーを読み出す代わりに、線量予測ツールは、患者のある部分の３Ｄスキャンボリューム（例えば、以前の胸部および腹部ＣＴからのＣＴスキャン）を受信する（ステップ６１０）。一旦、取得されると、画像ボリュームの組織、臓器、構造または他のランドマークを特定するために画像分割が使用される（ステップ６１５）。さまざまな利用可能な分割アプローチが使用できるが、一つの実施形態では、画像分割は、それぞれの特定された臓器または構造を取り囲む最小境界ボックスを提供する。
ステップ６２０で、線量予測ツールは、ＣＴスキャン分割で特定された臓器および他の解剖学的ランドマーク（例えば、骨の位置）を、仮想ファントムの対応ランドマークと一致させる。例えば、図７は、一つの実施形態による、仮想ファントムの対応するＣＴスライスに重ね合わせたＣＴスキャンの例示スライスを図解する。この例では、仮想ファントムスライス７００は、ファントムによって囲まれたボリュームを表す線７０２に加えて、心臓７０１、肺７０３、脊椎７０４、および上腕骨７０５を含む。ところが、仮想ファントムの心臓および肺臓器の場所および位置は、ＣＴに示されるこれらの臓器の位置にうまく対応しない。例えば、（７０６の）肺の空間領域は、ファントムの肺７０２臓器のサイズまたは位置と一致しない。同様に、ファントムの境界線７０２は、患者にうまく対応しない。従って、線量を予測するためにこのファントムを使用すると、ファントムはこの患者の大量の脂肪組織を説明しないので、実際に起こるであろうものよりもはるかに大きな線量吸収が得られる。
その一方で、ファントムの他のランドマークは患者とよく整列する。例えば、脊椎および腕は、ファントム（脊椎７０４、上腕骨７０５）とＣＴの両方でほぼ配列されている。従って、ステップ６２５で、線量予測システムは、一致した解剖学的または構造的ランドマークに基づいて、３Ｄ変位マップを決定する。
例えば、図７で、ファントムスライス７００は、未修正または未変形ファントムを示し、ファントムスライス７１０は、図６の方法を使用して変位した後（または図４の方法による画像登録技術を使用して変形された後）の同じファントムスライスを示す。
ファントムスライス７１０に図示のとおり、特定された臓器ボリュームおよび特定の患者の変位を使用して変形された後、境界線７０２'は患者ＣＴスキャンの輪郭により近くなり、ファントムの肺７０３'および心臓７０１'は、スキャンでのこれらの臓器の位置をより良く反映するように変位される。それに加えて、脊椎および上腕骨などの他の解剖学的ランドマークは、同じ一般位置にとどまる。スライス７００に示される撮像用ファントムは、スライス７２０の患者の対応ＣＴスキャンスライスに重ね合わせて示されている。同様に、スライス７１０に示される変形されたファントムは、スライス７３０の患者の対応ＣＴスキャンスライスに重ね合わせて示されている。
図６を再び参照すると、ステップ６３０で、線量予測ツールは、仮想ファントムの変位された臓器、組織および構造のラスタライズされた３Ｄ表現を作成する。上述のように、仮想ファントムは、一連の不均一有理スプライン（ＮＵＲＢＳ）として説明される一方、ＣＴデータは典型的には、「ボクセル」（「体積要素」の略称）と呼ばれる一連の３Ｄ座標シングルポイント値として表され、ボクセルはピクセルのコンセプトを三次元に拡張し、一群のＮＵＲＢまたはＣＳＧデータを「ボクセル化する」ために既知のさまざまなアプローチが利用できる。これにより、ＮＵＲＢまたはＣＳＧデータの幾何学的または数学的表現が、ボクセル値の３Ｄ配列に変換される。一つの実施形態では、ステップ６３０（ボクセル化ステップ）は、（ＮＵＲＢまたはＣＳＧベースの）数学的ファントムでのモンテカルロ・シミュレーションでしばしば問題となる不連続性を避けるために実施される。さらに、速度の改善を達成するために、ボクセルベースモデルは、ＧＰＵベースの計算方法によく適している。
ラスタライズされたファントムが一旦作成されると、所定のＣＴ手順から生じる臓器吸収線量を（このような手順を実施する前または後のいずれかで）予測するためにそれを使用しうる。画像分割アプローチと同様、分割アプローチを使用して変形されたファントムを使用して実施される線量予測は、患者に合わせられており、個別および複数スキャンの両方に対して、より正確でより一貫性のある用量測定をもたらす。
図８は、一つの実施形態による、患者の対応する横断ＣＴスライスに重ね合わせた撮像用ファントムの横断スライスの例を図解する。この例では、横断表示８００は、図７の表示７１０に対応し、横断表示８５０は図７の表示７３０に対応する。横断表示は、縦軸画像を作成するために個別スライスの直線部分を複合することによって作成される。図示のとおり、横断表示８００および８０５は、患者の重ね合わせＣＴ画像にない構成要素（例えば、脳８０１および腎臓８０２）を含む、長さ全体の図を提供する。表示８００に図示のとおり、仮想ファントムの境界８１０は、患者の輪郭（すなわち、患者の皮膚で囲まれた体のサイズ）にうまく対応しない。ところが、表示８５０では、ファントムの境界８１５は、この患者の参照ＣＴスキャンデータとよりうまく一致するように変位されている。同様に、内部臓器、構造および他の組織も変位されうる。
重要なことには、この例は、患者のＣＴスキャンデータの一部ではない仮想ファントムの要素に対して変位が起こりうることを示している。例えば、表示８５０の腎臓８０２'の変位位置によって図示のとおり、腎臓８０２は、ＣＴスキャンデータが利用可能な他の臓器の動きによって変位されうる。さらに、この例は、ＣＴスキャンデータが利用可能な場合であっても、患者線量を予測するためには仮想ファントムが必要であることを示す。これは、この例のＣＴスキャンは胸部および腹部に限定されていたが、Ｘ線散乱は、この患者の脳、腎臓および他の臓器および組織による一部の吸収をもたらすために起こる。言い換えると、仮想ファントムは、所定のＣＴスキャンまたは手順の一部として撮像されない臓器に対する臓器線量吸収を予測するために必要である。
図９は、一つの実施形態による、ＣＴ画像分割および撮像用ファントムの臓器ボリューム置換の別の例を図解する。この例では、推測に対応するＣＴボリューム９００は、さまざまな臓器（例えば、肝臓９０５、胆嚢９１０、および右副腎９１５）の分割画像位置を表す境界ボックス一式を含む。さらに、ボリューム９００は、ＣＴスキャンデータの画像分割に基づいた、これらの臓器の変位を表す矢印を示す。この特定の例では、肝臓９０５は右下方に変位されている一方、胆嚢９１０は、上方かつ肝臓９０５の正面に変位されており、右副腎９１５は左上の、前は肝臓９０５によって占められていた空間に移動されている。さらに、この例では、臓器は境界ボックスによって表され、幾何学的重心に基づいて変位される。ところが、代替的実施形態では、（ファントムまたは患者のＣＴ画像データのいずれかに対する）画像分割は、臓器、組織または体の構造の要素を表すより正確な幾何学的ボリュームを提供する。このような場合、変位は、臓器の質量重心に基づく（例えば、肝臓の重心は、質量に基づいて片側に局在する）か、または所定の臓器ボリュームのトポロジーを主要因とする他のアプローチに基づきうる。
この例で説明されるように、ファントムの一つの臓器（例えば、肝臓９０５）を、ＣＴ参照スキャンのその対応位置に基づいて変位させると、結果として他の臓器（例えば、胆嚢９１０および右腎臓９１５）の変位を必要としうる。これは、線量予測分析を実施するためにファントムが使用される時、二つの臓器は明らかに同じ物理的ボリュームを占有しないために起こる。従って、一つの実施形態では、線量予測ツールは、「定常状態」に達するまで、臓器、組織または構造を変位させうる。
図４および６に示された実施形態の例は、仮想ファントムを変形させるために、別々に、または互いに併用して使用しうることに注意すべきである。特定のアプローチまたは選択されたアプローチの組み合わせは、利用可能な撮像用ファントム、マップされた２Ｄおよび／または３Ｄ画像に基づいて、また所定の患者のローカライザースカウト画像および／または以前のＣＴスキャンデータの可用性およびタイプに基づいて、特定の例のニーズに合うように適合されうる。
一つの実施例では、クラウド提供者は、線量予測を実施するために使用されるホストシステムを作り、計算されたシミュレーションのライブラリを維持する事に加えて、その上新しい例でシミュレーションライブラリを増大させるために、モンテカルロ・シミュレーションを実行する。例えば、図１０は、複数ＣＴスキャン提供者に対して患者線量予測を提供するための線量予測サービスの方法１０００を図解する。
図示のとおり、方法１０００は、線量予測サービスが、画像ファントム（または画像ファントムに対する参照）に加えて、２Ｄまたは３Ｄ画像登録変換または３Ｄボリューム変位場およびファントムボクセル化を受信する、ステップ１００５で始まる。代替的実施形態では、線量予測サービスは、２Ｄまたは３Ｄ画像登録プロセスまたは上述のＣＴ場変位技術から生じる変換されたＮＵＲＢＳなど、変形されたファントムを記述するデータを受信しうる。
ステップ１０１０では、線量予測サービスは、ＣＴスキャンシステムのパラメーターおよび患者に対して実施された（または実施される予定の）ＣＴスキャンの撮像計画を受信する。患者、スキャン機器およびＣＴスキャン提供者のパラメーターが一旦受信されたら、線量予測サービスは、変換されたファントム、ＣＴスキャンシステムパラメーターおよび撮像計画が一致する二つ（またはそれ以上）のシミュレーションを特定しうる（ステップ１０１５）。提供者は、各変数に対してカスタム化可能な設定許容範囲を設定できる（例えば、実際のｋＶｐはシミュレーションの１０ｋＶ以内）。さらに、シミュレーションを評価して、所定のパラメーターのすべて（または特定のセット）に対して許容範囲内のシミュレーションのみが計算に取り込まれる。一つの実施形態では、シミュレーション結果は、既知のシェパード法を使用して補間されうる。シミュレーション結果セットに渡る標準偏差は、不確実性の尺度として使用される（例えば、使用された５つのシミュレーションセットについては、胸への吸収線量のＳＤは０．２ ｍＳｖであり、肝臓への吸収線量のＳＤは０．１５ ｍＳｖである）。
ステップ１０２０で、線量予測サービスは、ステップ１０１５で特定された一致するシミュレーションがパラメーターの許容範囲内であるか（または他の閾値または基準を満たすか）どうかを決定する。範囲内でない場合は、画像ファントム（および変形／変換）および受信されたパラメーターが、シミュレートする患者／スキャナー／画像計画シナリオの待ち行列に加えられる（ステップ１０２５）。述べたとおり、シミュレーションは、変形されたファントムに基づいて個別の患者、およびＣＴスキャナーおよび較正／設定データに基づいて特定の撮像施設の両方に対して適合された臓器吸収線量の予測を決定するために、モンテカルロ・シミュレーションを使用しうる。
ところが、ＳａａＳ提供者のシミュレーションライブラリが大きくなるにつれ、ほとんどの請求は補間するシミュレーションのセットを特定できるはずである。ステップ１０３０で、線量予測サービスは、特定の患者および関連するＣＴスキャン手順に対する臓器吸収線量を予測するために、ステップ１０１５で特定された一致シミュレーションを使用して、多変数散乱補間を実施する。このような分析は、完全なモンテカルロ・シミュレーションよりもはるかに迅速に実施することができ、線量予測が、所定の撮像施設で実施される一連の手順に遅れを取らず、さらに（例えば累積線量限度を超えないことを確実にするために）所定の手順と同時に提供されることが可能になることに注意すべきである。一つの実施形態では、現在使用されている多変数散乱補間法は、「シェパード法」と呼ばれる。この方法の例は、Ｓｈｅｐａｒｄ， Ｄｏｎａｌｄ （１９６８）．「Ａ ｔｗｏ−ｄｉｍｅｎｓｉｏｎａｌ ｉｎｔｅｒｐｏｌａｔｉｏｎ ｆｕｎｃｔｉｏｎ ｆｏｒ ｉｒｒｅｇｕｌａｒｌｙ−ｓｐａｃｅｄ ｄａｔａ．」Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ １９６８ ＡＣＭ Ｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ． ｐｐ． ５１７-５２４に記述されている。
ステップ１０３５で、補間プロセスが一旦完了すると、線量予測は請求システム（例えば、撮像施設でコンピューティングシステム上で実行されている線量予測クライアントプログラム）に戻される。クライアントで、線量管理システムは検査レベルまで患者臓器相当線量、有効線量、ＣＴＤＩ、ＤＬＰ、ＤＡＰを追跡する。この情報はまた、所定の患者の履歴に対して、臓器相当線量、有効線量、ＣＴＤＩ、ＤＬＰ、ＤＡＰの累積的追跡を提供するために、要約される。さらに、この情報の集約は、一人当たりの臓器相当線量、患者有効線量、ＣＴＤＩ、ＤＬＰ、ＤＡＰの機関全体の提示を提供するために使用される。従って、線量予測サービスは、撮像施設に幅広い［ｉｎｃｏｍｐｌｅｔｅ ｓｅｎｔｅｎｃｅ］を提供しうる。この同じ情報は、線量予測システムの地域事例を実行する撮像施設も利用できる。
図１１は、一つの実施形態による、複数のＣＴスキャン提供者をサポートするように構成された患者線量予測サービスシステムの例示コンピューティングインフラ１１００を図解する。図示のとおり、線量予測サービス１１３０を主催しているクラウドベースの提供者１１２５は、線量予測の請求をネットーワーク１１２０上で撮像施設１１０５１−２から受信する。各撮像施設１１０５で、患者に対する撮像サービスを提供するためにＣＴシステム１１１０が使用される。撮像／線量クライアント１１１５は、患者線量の予測を請求・受信するために、線量予測サービス１１３０と通信し、ここで線量予測は手順および患者に基づいて適合される。述べたとおり、請求は、ＣＴ手順、スキャン機器およびモダリティに対するパラメーター、および特定の患者の体形態に基づいて変形されたファントム（またはファントムを変形させるために使用された変換）を含みうる。
線量予測サービス１１３０で、シミュレーションライブラリ１１３５は、請求中のデータおよびＣＴスキャナーおよび手順のモジュール（図１１に示されるファントム／ＣＴシステムデータ１１４０）を使用して患者線量を補間するためのシミュレーションを選択するために使用される。補間のために良いシミュレーション候補が利用可能でない場合は、サービス１１３０は、実行するシミュレーションの待ち行列に請求を加えうる。次に、請求に応じてモンテカルロ・シミュレーションが実施され、所定の患者に対する患者線量の予測と撮像手順の両方に加えて、ライブラリ１１２５に追加する新しいシミュレーションデータ点を提供する。
有利なことに、本発明の実施形態は、ＣＴ（および他の）Ｘ線技術から生じる放射線量を予測するためのさまざまな技術を提供する。記述されているように、画像登録技術および／または画像分割技術は、個人の体のサイズと形状により正確に一致するハイブリッド撮像用ファントムを作成するために使用されうる。そうすることで、シミュレーションから決定される線量予測の正確性が改善される。つまり、結果得られるハイブリッドファントムは、無修正ファントムだけよりも、線量シミュレーションに使用するための特定の患者のはるかに正確な数学的表現を提供する。
一旦、変換が決定されたら、ハイブリッド仮想ファントムを使用して、患者に対する所定のＣＴ手順をシミュレートしうる。例えば、仮想ファントムの臓器吸収線量を予測するために、モンテカルロ・シミュレーション技術を使用しうる。このようなシミュレーション技術は、臓器吸収線量の正確な予測値を計算するために、（所定の患者に対する変換後として）仮想ファントムに加えて、ＣＴスキャナーモデルおよび実行される手順に関連する多くのパラメーターを使用する。ところが、モンテカルロ・シミュレーションを使用した臓器吸収臓器線量の予測は、実際のＣＴスキャンを実施するのに必要な時間よりはるかに長い、かなりの量の計算時間を必要とすることがある。従って、一つの実施形態では、所定の手順に対して決定される患者線量の予測は、２つ（またはそれ以上の）過去に完了されたシミュレーションの間で補間することによって生成されうる。「近い」シミュレーションが利用できない場合は、次にハイブリッド仮想ファントム、ＣＴスキャナーおよび手順データを、実施する完全モンテカルロ・シミュレーションの待ち行列に加えうる。時間と共に、シミュレーションの大きなライブラリにより、手順がスケジュールされ実施される時にリアルタイムで線量予測を提供することが可能となる。こうすることにより、所定の患者の累積線量を捕獲すること、および累積線量限度を観察することができる。さらに、一つの実施形態では、ＳａａＳ提供者は、複数の撮像施設に提供される線量予測サービスを主催する。このような場合、サービス提供者は、撮像提供者のために線量予測を補間するのに使用するためのシミュレーションの堅固なライブラリを持ちうる。
前述は本発明の実施形態を対象としているが、本発明のその他およびさらなる実施形態は、その基本的範囲から逸脱することなく考案でき、その範囲は、以下の請求項によって決定される。

Claims (12)

  1. 第1の個人に対応する撮像モデルを作成するためのコンピュータ実施方法であって、
    撮像スキャンを受ける前記第1の個人に関する初期数学ファントムを選択するステップであって、前記選択するステップは、前記第1の個人の年齢および性別に基づく、ステップと、
    前記第1の個人の1つまたは複数のスカウト画像を受信するステップと、
    前記初期数学ファントムにうまく一致する、体の幾何学的形状、サイズ、および位置を有するローカライザー画像の参照セットを複数の個人から得られた画像から選択するステップと、
    前記ローカライザー画像のうちの少なくとも1つと前記第1の個人の前記スカウト画像のうちの少なくとも1つとの間の変換を決定するステップと、
    前記変換に基づいて前記初期数学ファントムを変形させるステップであって、前記変換によりもたらされる変形された数学ファントムは、前記第1の個人のサイズ、形状、および臓器の位置によりよく一致する、ステップとを含む、コンピュータ実施方法。
  2. 前記ローカライザー画像のうちの少なくとも1つと前記第1の個人の前記スカウト画像のうちの少なくとも1つとの間の変換を決定するステップは、前記ローカライザー画像のうちの1つにある点のセットを個人の前記スカウト画像のうちの1つにある対応する点のセットにマップする画像登録処理を実行するステップを含む、請求項1に記載のコンピュータ実施方法。
  3. 前記撮像スキャンは、CTスキャン装置によって実行されるコンピュータ断層撮影(CT)スキャンである、請求項1に記載のコンピュータ実施方法。
  4. 前記撮像スキャンおよび前記第1の個人の前記CTスキャンを実行するために使用される前記CTスキャン装置を表すパラメーターのセットを受信するステップと、
    1人または複数の第2の個人に対応する放射線量吸収を予測するために事前に完了した複数のシミュレーションを含むシミュレーションライブラリにアクセスするステップと、
    前記1人または複数の第2の個人に対応する前記放射線量吸収を予測するために事前に完了した複数のシミュレーションを評価するステップと、
    前記受信したパラメーターのセットに指定された許容範囲尺度内で一致するパラメーターのセットおよび前記変形された数学ファントムを有する、前記シミュレーションライブラリ内の前記事前に完了した複数のシミュレーションのうちの1つについての、前記評価に基づいた、リアルタイム検索を提供するステップと、
    前記シミュレーションライブラリ内で検索された前記事前に完了した複数のシミュレーションのうちの1つに関連付けられた放射線量吸収の前記予測を前記第1の個人によって吸収される放射線量の前記予測として決定するステップとをさらに含む、請求項3に記載のコンピュータ実施方法。
  5. 前記第1の個人によって吸収される放射線量の前記予測は、前記第1の個人の1つまたは複数の臓器に関する臓器吸収線量の予測を提供する、請求項4に記載のコンピュータ実施方法。
  6. 前記シミュレーションライブラリに前記パラメーターのセットおよび前記第1の個人によって吸収される放射線量の前記予測を記憶するステップをさらに含む、請求項4に記載のコンピュータ実施方法。
  7. 前記第1の個人の1つまたは複数のスカウト画像を受信するステップは、
    前記CTスキャン装置を使用して、前記CTスキャンを実行することに先立って、前記第1の個人の二次元(2D)投影を捕獲するステップを含む、請求項3に記載のコンピュータ実施方法。
  8. 前記初期数学ファントムは、不均一有理スプライン(NURBs)のセットを含む、請求項1に記載のコンピュータ実施方法。
  9. 前記ローカライザー画像のうちの少なくとも1つを、前記第1の個人が受けた前記撮像スキャンに示されている領域中の前記初期数学ファントムと前記ローカライザー画像との決定された類似性に基づいて、選択するステップであって、前記変換は、前記選択されたローカライザー画像と前記第1の個人の前記スカウト画像のうちの少なくとも1つとの間で決定される、ステップをさらに含む、請求項1に記載のコンピュータ実施方法。
  10. 前記撮像スキャンおよび前記第1の個人の前記CTスキャンを実行するために使用される前記CTスキャン装置を表すパラメーターのセットを受信するステップと、
    1人または複数の第2の個人に対応する放射線量吸収を予測するために事前に完了した複数のシミュレーションを含むシミュレーションライブラリにアクセスするステップと、
    前記1人または複数の第2の個人に対応する前記放射線量吸収を予測するために事前に完了した複数のシミュレーションを評価するステップと、
    指定された許容範囲尺度内で前記受信したパラメーターのセットおよび前記変形された数学ファントムに前記事前に完了した複数のシミュレーションの2つ以上が一致していると、前記評価に基づいて、決定した場合には、前記撮像スキャンを受けている前記第1の個人によって吸収される放射線量の前記予測を決定するために、前記2つ以上のシミュレーションの放射線量の前記予測を補間するステップと
    指定された許容範囲尺度内で前記受信したパラメーターのセットおよび前記変形された数学ファントムに一致する少なくとも2つのシミュレーションを前記複数のシミュレーションが含んでいないと、前記評価に基づいて、決定した場合には、
    前記変形された数学ファントムおよび前記受信したパラメーターのセットを使用して前記撮像スキャンのシミュレーションを実施するステップと、
    前記撮像スキャンの実施の結果として前記個人によって吸収される放射線の量を、前記シミュレーションに基づいて、予測するステップと、
    前記実施されたシミュレーションを前記シミュレーションライブラリに追加するステップと
    をさらに含む、請求項3に記載のコンピュータ実施方法。
  11. プロセッサと、
    第1の個人に対応する撮像モデルを作成するための演算を実行するように構成されるアプリケーションプログラムを記憶するメモリとを備え、前記演算は、
    撮像スキャンを受ける前記第1の個人に関する初期数学ファントムを選択するステップであって、前記選択するステップは、前記第1の個人の年齢および性別に基づく、ステップと、
    前記第1の個人の1つまたは複数のスカウト画像を受信するステップと、
    前記初期数学ファントムにうまく一致する、体の幾何学的形状、サイズ、および位置を有するローカライザー画像の参照セットを複数の個人から得られた画像から選択するステップと、
    前記ローカライザー画像のうちの少なくとも1つと前記第1の個人の前記スカウト画像のうちの少なくとも1つとの間の変換を決定するステップと、
    前記変換に基づいて前記初期数学ファントムを変形させるステップであって、前記変換によりもたらされる変形された数学ファントムは、前記第1の個人のサイズ、形状、および臓器の位置によりよく一致する、ステップと
    を含む、システム。
  12. プロセッサによって実行されると第1の個人に対応する撮像モデルを作成するための演算を実行する、1つまたは複数のアプリケーションプログラムを記憶する非一時的コンピュータ可読記憶媒体であって、前記演算は、
    撮像スキャンを受ける前記第1の個人に関する初期数学ファントムを選択するステップであって、前記選択するステップは、前記第1の個人の年齢および性別に基づく、ステップと、
    前記第1の個人の1つまたは複数のスカウト画像を受信するステップと、
    前記初期数学ファントムにうまく一致する、体の幾何学的形状、サイズ、および位置を有するローカライザー画像の参照セットを複数の個人から得られた画像から選択するステップと、
    前記ローカライザー画像のうちの少なくとも1つと前記第1の個人の前記スカウト画像のうちの少なくとも1つとの間の変換を決定するステップと、
    前記変換に基づいて前記初期数学ファントムを変形させるステップであって、前記変換によりもたらされる変形された数学ファントムは、前記第1の個人のサイズ、形状、および臓器の位置によりよく一致する、ステップとを含む、非一時的コンピュータ可読記憶媒体。
JP2017148949A 2010-12-08 2017-08-01 医療用撮像スキャンに起因する患者の放射線量を予測するための適切なモデルの作成 Active JP6417000B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US42083410P 2010-12-08 2010-12-08
US61/420,834 2010-12-08

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
JP2016076411A Division JP6189468B2 (ja) 2010-12-08 2016-04-06 医療用撮像スキャンに起因する患者の放射線量を予測するための適切なモデルの作成

Publications (2)

Publication Number Publication Date
JP2017192808A JP2017192808A (ja) 2017-10-26
JP6417000B2 true JP6417000B2 (ja) 2018-10-31

Family

ID=46199440

Family Applications (4)

Application Number Title Priority Date Filing Date
JP2013542320A Active JP5917552B2 (ja) 2010-12-08 2011-12-08 医療用撮像スキャンによって患者が受ける放射線量に関する予測の作成
JP2016076411A Active JP6189468B2 (ja) 2010-12-08 2016-04-06 医療用撮像スキャンに起因する患者の放射線量を予測するための適切なモデルの作成
JP2017148950A Active JP6395911B2 (ja) 2010-12-08 2017-08-01 医療用撮像スキャンに起因する患者の放射線量を予測するための適切なモデルの作成
JP2017148949A Active JP6417000B2 (ja) 2010-12-08 2017-08-01 医療用撮像スキャンに起因する患者の放射線量を予測するための適切なモデルの作成

Family Applications Before (3)

Application Number Title Priority Date Filing Date
JP2013542320A Active JP5917552B2 (ja) 2010-12-08 2011-12-08 医療用撮像スキャンによって患者が受ける放射線量に関する予測の作成
JP2016076411A Active JP6189468B2 (ja) 2010-12-08 2016-04-06 医療用撮像スキャンに起因する患者の放射線量を予測するための適切なモデルの作成
JP2017148950A Active JP6395911B2 (ja) 2010-12-08 2017-08-01 医療用撮像スキャンに起因する患者の放射線量を予測するための適切なモデルの作成

Country Status (16)

Country Link
US (8) US8958617B2 (ja)
EP (4) EP2648621B1 (ja)
JP (4) JP5917552B2 (ja)
KR (4) KR101994055B1 (ja)
CN (3) CN103442644B (ja)
AU (4) AU2011340078B2 (ja)
BR (2) BR112013013804A2 (ja)
CA (3) CA3033428C (ja)
DK (4) DK3524159T3 (ja)
ES (4) ES2692793T3 (ja)
HK (1) HK1242946A1 (ja)
MX (4) MX368991B (ja)
NZ (1) NZ611554A (ja)
RU (2) RU2592247C2 (ja)
WO (1) WO2012075577A1 (ja)
ZA (4) ZA201303796B (ja)

Families Citing this family (77)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2479717B (en) * 2010-04-13 2015-03-11 Mirada Medical Method for estimating radiation exposure of a patient and radiation exposure monitoring system therefor
KR101994055B1 (ko) * 2010-12-08 2019-09-27 바이엘 헬스케어 엘엘씨 의료 영상 스캔으로부터의 환자 방사선량 추정치 생성을 위한 컴퓨터 구현 방법 및 시스템
US10758315B2 (en) * 2012-06-21 2020-09-01 Globus Medical Inc. Method and system for improving 2D-3D registration convergence
DE102012218529B3 (de) * 2012-10-11 2014-02-13 Siemens Aktiengesellschaft Darstellung von Dosiswerten zur Planung einer Bestrahlung
US9097642B2 (en) 2012-10-11 2015-08-04 General Electric Company X-ray dose estimation technique
CN104812309B (zh) * 2012-11-15 2018-09-18 东芝医疗系统株式会社 被辐射剂量管理系统
US9044197B2 (en) 2012-11-21 2015-06-02 Carestream Health, Inc. Method for x-ray dose tracking
CN103829966B (zh) * 2012-11-27 2018-12-07 Ge医疗系统环球技术有限公司 用于自动确定侦测图像中的定位线的方法和系统
CN105027163B (zh) 2013-03-06 2018-09-07 皇家飞利浦有限公司 扫描区域确定装置
WO2014165611A1 (en) * 2013-04-02 2014-10-09 The Regents Of The University Of California Thermoplastic 3-d phantom
EP2938261B1 (en) 2013-04-24 2016-06-08 Koninklijke Philips N.V. X-ray dose distribution calculation for a computed tomography examination
EP3048976B1 (en) 2013-09-27 2019-08-14 Koninklijke Philips N.V. Image data z-axis coverage extension for tissue dose estimation
EP3055853A4 (en) * 2013-10-07 2017-08-30 Mentice Inc. Medical procedure simulation-based radiation estimation and protection
WO2015087185A1 (en) 2013-12-11 2015-06-18 Koninklijke Philips N.V. Three dimensional (3d) pre-scan based volumetric image data processing
US10363011B2 (en) * 2014-03-05 2019-07-30 Siemens Healthcare Gmbh Automatic dose control for imaging medical devices
CN105078494B (zh) * 2014-04-30 2019-03-05 苏州瑞派宁科技有限公司 待成像对象模子的制作方法和个体化的成像方法
JP6211469B2 (ja) * 2014-06-16 2017-10-11 住友重機械工業株式会社 放射線治療シミュレーション装置
US9480448B2 (en) 2014-07-23 2016-11-01 General Electric Company System and method for use in mapping a radiation dose applied in an angiography imaging procedure of a patient
USD771089S1 (en) 2014-07-23 2016-11-08 General Electric Company Display screen or portion thereof with graphical user interface for a radiation dose mapping system
EP2982415A1 (en) 2014-08-04 2016-02-10 Université de Strasbourg Method for estimating the spatial distribution of the hazardousness of radiation doses
US9649079B1 (en) * 2014-10-09 2017-05-16 General Electric Company System and method to illustrate a radiation dose applied to different anatomical stages of an exposed subject
KR101725443B1 (ko) * 2015-01-09 2017-04-11 연세대학교 원주산학협력단 선량 평가 방법 및 장치
JP2018511791A (ja) 2015-02-27 2018-04-26 バイエル・ヘルスケア・エルエルシーＢａｙｅｒ ＨｅａｌｔｈＣａｒｅ ＬＬＣ マルチイメージングモダリティ用定量的ファントム
US20180188193A1 (en) * 2015-07-06 2018-07-05 Shimadzu Corporation X-ray imaging apparatus
US9799135B2 (en) * 2015-09-01 2017-10-24 Siemens Healthcare Gmbh Semantic cinematic volume rendering
US10350434B2 (en) * 2015-12-11 2019-07-16 Siemens Healthcare Gmbh Patient-specific radiation dose assessment in medical therapy
EP3389494A1 (en) 2015-12-17 2018-10-24 Koninklijke Philips N.V. Method for estimating the radiation dose received by an organ during a computed tomography scan
WO2017213150A1 (ja) * 2016-06-06 2017-12-14 東芝メディカルシステムズ株式会社 Ｘ線ｃｔ装置
CN107510466B (zh) * 2016-06-15 2022-04-12 中慧医学成像有限公司 一种三维成像方法和系统
KR101894178B1 (ko) * 2016-11-29 2018-08-31 주식회사 메디코어스 팬빔형 이중에너지 x선 흡수법 구현을 위한 캘리브레이션 방법
US10482339B2 (en) 2016-12-09 2019-11-19 United States Of America As Represented By The Secretary Of The Air Force Quantifying computer vision algorithm performance in the presence of system uncertainty
EP3354199B1 (en) 2017-01-31 2020-08-26 Université de Strasbourg Method for determining a configuration setting of a source of ionizing radiation
AU2018225165B2 (en) * 2017-02-24 2023-07-06 Bayer Healthcare Llc Systems and methods for generating simulated computed tomography (CT) images
EP3619686B1 (en) * 2017-05-01 2022-07-06 Koninklijke Philips N.V. Generation of accurate hybrid datasets for quantitative molecular imaging
CN107330186B (zh) * 2017-06-30 2020-06-16 哈尔滨工程大学 一种3dsMax核设施模型辐射场剂量分布仿真方法
US10702219B2 (en) * 2017-09-15 2020-07-07 General Electric Company Methods, systems, and apparatus for determining radiation doses
GB2567636B (en) * 2017-10-17 2021-11-10 Perspectum Diagnostics Ltd Method and apparatus for imaging an organ
US10426424B2 (en) 2017-11-21 2019-10-01 General Electric Company System and method for generating and performing imaging protocol simulations
EP3503112B1 (en) * 2017-12-21 2023-06-07 Siemens Healthcare GmbH Method and system for validating parameters in a medical study
CN108281191B (zh) * 2017-12-29 2022-10-21 深圳大学 一种能谱计算机断层扫描剂量的蒙特卡罗模拟方法及系统
CN108335599B (zh) * 2018-01-19 2020-02-04 聊城市人民医院 基于三维建模图像技术的手术模型训练方法
US10297708B1 (en) 2018-01-25 2019-05-21 The United States Of America, As Represented By The Secretary Of The Air Force Surface passivation for PhotoDetector applications
US11141079B2 (en) 2018-01-29 2021-10-12 General Electric Company Systems and methods for profile-based scanning
JP2021513054A (ja) * 2018-02-02 2021-05-20 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 画像位置合わせ及び回帰解析を用いたシリアルポジトロンエミッショントモグラフィ（ｐｅｔ）検査における標準取り込み値（ｓｕｖ）のスケーリング差の補正
US11051782B1 (en) * 2018-02-23 2021-07-06 Robert Edwin Douglas Image quality by incorporating data unit assurance markers
HUE061223T2 (hu) 2018-04-10 2023-05-28 Bayer Healthcare Llc Rugalmas dózisbecslés felhasználó által meghatározott volumennel
US20190320934A1 (en) * 2018-04-18 2019-10-24 Siemens Healthcare Gmbh Medical image acquisition with sequence prediction using deep learning
US10668304B2 (en) * 2018-04-30 2020-06-02 Elekta, Inc. Phantom for adaptive radiotherapy
US10859508B2 (en) 2018-05-29 2020-12-08 Board Of Regents, The University Of Texas System Devices and methods for evaluation of deformable image registration (DIR) systems
EP3582227A1 (de) * 2018-06-15 2019-12-18 Siemens Healthcare GmbH Verfahren zum betrieb einer medizinischen bildaufnahmeeinrichtung, bildaufnahmeeinrichtung, computerprogramm und elektronisch lesbarer datenträger
US10888296B2 (en) * 2018-06-29 2021-01-12 Shanghai United Imaging Healthcare Co., Ltd. Methods and systems for modulating radiation dose
CN109378048B (zh) * 2018-12-06 2022-09-23 孟令红 放射剂量分析系统
KR20200075623A (ko) * 2018-12-18 2020-06-26 (주)제노레이 2차원 의료 영상 및 3차원 의료 영상의 정합을 이용한 치과 치료 계획 장치 및 방법
DE102019202287A1 (de) 2019-02-20 2020-08-20 Siemens Healthcare Gmbh Verfahren zum Überprüfen einer Kenngröße eines Anwendungsablaufs einer medizinischen Bildgebungsanwendung basierend auf Röntgenstrahlung
EP3939003B1 (en) 2019-03-12 2024-04-03 Bayer HealthCare, LLC Systems and methods for assessing a likelihood of cteph and identifying characteristics indicative thereof
EP3750481A1 (en) * 2019-06-13 2020-12-16 RaySearch Laboratories AB System and method for providing an extended image of a patient
EP3751524A1 (en) 2019-06-13 2020-12-16 RaySearch Laboratories AB Method, computer program product and computer system for providing an approximate image
CN114002244A (zh) * 2019-08-12 2022-02-01 山东第一医科大学附属肿瘤医院(山东省肿瘤防治研究院、山东省肿瘤医院) 一种评价影像组学纹理特征稳定性的运动模块
CN113329688B (zh) 2019-09-18 2023-11-28 拜耳公司 用于确定组织体素的特征的方法、系统和计算机可读介质
ES2955349T3 (es) 2019-09-18 2023-11-30 Bayer Ag Predicción de imágenes MRI mediante un modelo de predicción entrenado por aprendizaje supervisado
US11244446B2 (en) * 2019-10-25 2022-02-08 Shanghai United Imaging Intelligence Co., Ltd. Systems and methods for imaging
DE102019217421A1 (de) * 2019-11-12 2021-05-12 Siemens Healthcare Gmbh Verfahren zur automatischen Regelung von Strahlendosen medizinischer Röntgengeräte
KR102403386B1 (ko) * 2019-12-23 2022-06-02 연세대학교 산학협력단 휴대용 방사선 모니터링 시스템 및 이를 이용한 방사선 모니터링 방법
EP3858241B1 (en) * 2020-01-30 2024-03-20 Siemens Healthineers AG Computer-implemented method for determining at least one main acquisition parameter and method for acquiring a main x-ray image
JP7496592B2 (ja) * 2020-03-18 2024-06-07 学校法人帝京大学 放射線量可視化装置
FR3110708B1 (fr) * 2020-05-21 2022-04-22 Fibermetrix Procede de traitement des donnees relatives a un examen radiologique d’un patient
WO2022021026A1 (en) * 2020-07-27 2022-02-03 Shanghai United Imaging Healthcare Co., Ltd. Imaging systems and methods
US20240066322A1 (en) * 2020-11-06 2024-02-29 University Of Washington Devices, systems, and methods for personalized dosimetry
WO2022244054A1 (ja) 2021-05-17 2022-11-24 株式会社日立ハイテク 高電圧絶縁構造体、荷電粒子銃および荷電粒子ビーム装置
RU208239U1 (ru) * 2021-05-31 2021-12-09 Государственное бюджетное учреждение здравоохранения города Москвы "Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы" (ГБУЗ "НПКЦ ДиТ ДЗМ") Устройство фантома для настройки протоколов магнитно-резонансной томографии предстательной железы у пациентов с металлоконструкциями тазобедренного сустава
KR102692580B1 (ko) * 2021-11-17 2024-08-06 한국생명공학연구원 비인간 영장류에 대한 양전자 방출 단층촬영을 위한 최적의 방사능량 결정 방법
US20230165557A1 (en) * 2021-11-29 2023-06-01 GE Precision Healthcare LLC System and method for autonomous identification of heterogeneous phantom regions
CN115019589B (zh) * 2022-07-19 2023-11-28 天津医科大学 基于光学的智能ct教学模拟系统
WO2024054586A1 (en) 2022-09-08 2024-03-14 Bayer Healthcare Llc Systems and methods for generating protocols embodying contrast and radiation dose management techniques
US20240252135A1 (en) * 2023-01-27 2024-08-01 GE Precision Healthcare LLC Method and system for selection of reference scout images for x-ray source current modulation
KR20240123586A (ko) * 2023-02-07 2024-08-14 서울대학교산학협력단 몬테카를로 알고리즘을 처리하는 gpu 기반의 방사선 수송 연산장치 및 방법
CN117218082B (zh) * 2023-09-14 2024-04-30 南京诺源医疗器械有限公司 一种基于辐射量探测的医学荧光影像质控方法及系统

Family Cites Families (75)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4870666A (en) * 1986-08-07 1989-09-26 General Electric Company Computer tomographic phantom
US4782502A (en) * 1986-10-01 1988-11-01 Schulz Eloy E Flexible calibration phantom for computer tomography system
US4873707A (en) * 1987-09-11 1989-10-10 Brigham & Women's Hospital X-ray tomography phantoms, method and system
SU1823194A1 (ru) * 1989-08-09 1996-05-27 Научно-исследовательский институт интроскопии Томского политехнического института им.С.М.Кирова Способ определения дозного распределения в объекте
US5544238A (en) * 1989-11-24 1996-08-06 Thomas Jefferson University Method of and apparatus for standardizing and monitoring beam quality in mammography
US5236363A (en) * 1991-08-09 1993-08-17 General Electric Company Phantom for simulating an x-ray exam patient
US5341292A (en) * 1992-06-04 1994-08-23 New England Medical Center Hospitals, Inc. Monte Carlo based treatment planning for neutron capture therapy
JP3408848B2 (ja) * 1993-11-02 2003-05-19 株式会社日立メディコ 散乱ｘ線補正法及びｘ線ｃｔ装置並びに多チャンネルｘ線検出器
US5769779A (en) * 1995-04-27 1998-06-23 Radiology Support Devices, Inc. Method and apparatus for accurate radiation dosage control in breast cancer treatment
US5870697A (en) * 1996-03-05 1999-02-09 The Regents Of The University Of California Calculation of radiation therapy dose using all particle Monte Carlo transport
US5844241A (en) * 1996-07-19 1998-12-01 City Of Hope System and method for determining internal radioactivity and absorbed dose estimates
US6029079A (en) * 1997-05-22 2000-02-22 Regents Of The University Of California Evaluated teletherapy source library
US6246784B1 (en) 1997-08-19 2001-06-12 The United States Of America As Represented By The Department Of Health And Human Services Method for segmenting medical images and detecting surface anomalies in anatomical structures
US6636622B2 (en) * 1997-10-15 2003-10-21 Wisconsin Alumni Research Foundation Method and apparatus for calibration of radiation therapy equipment and verification of radiation treatment
CA2333583C (en) * 1997-11-24 2005-11-08 Everette C. Burdette Real time brachytherapy spatial registration and visualization system
US6487435B2 (en) 1998-04-10 2002-11-26 Wisconsin Alumni Research Foundation Magnetic resonance angiography using undersampled 3D projection imaging
US6148272A (en) * 1998-11-12 2000-11-14 The Regents Of The University Of California System and method for radiation dose calculation within sub-volumes of a monte carlo based particle transport grid
RU2171652C2 (ru) * 1999-01-05 2001-08-10 Научно-исследовательский институт неврологии Российской Академии медицинских наук Способ проведения модельных компьютерно-томографических направленных стереотаксических операций и фантомное устройство для его осуществления
DE10047720A1 (de) 2000-09-27 2002-04-11 Philips Corp Intellectual Pty Vorrichtung und Verfahren zur Erzeugung eines Röntgen-Computertomogramms mit einer Streustrahlungskorrektur
JP4532005B2 (ja) * 2001-03-09 2010-08-25 株式会社日立メディコ Ｘ線ｃｔ装置及びその画像表示方法
US20030048937A1 (en) * 2001-04-11 2003-03-13 University Of Utah Method of processing visual imagery from a medical imaging device
US6771374B1 (en) * 2002-01-16 2004-08-03 Advanced Micro Devices, Inc. Scatterometry based measurements of a rotating substrate
US7117026B2 (en) * 2002-06-12 2006-10-03 Koninklijke Philips Electronics N.V. Physiological model based non-rigid image registration
JP4309103B2 (ja) * 2002-08-09 2009-08-05 東芝医用システムエンジニアリング株式会社 放射線量推定装置および放射線診断装置
US6909771B2 (en) * 2002-11-22 2005-06-21 Board Of Regents, The University Of Texas System Three component x-ray bone densitometry
WO2004073655A2 (en) * 2003-02-19 2004-09-02 New England Medical Center Hospitals, Inc. Radiation phantom
CA2540602A1 (en) * 2003-10-07 2005-04-21 Nomos Corporation Planning system, method and apparatus for conformal radiation therapy
JP4429694B2 (ja) * 2003-11-13 2010-03-10 株式会社日立メディコ Ｘ線ｃｔ装置
RU36956U1 (ru) * 2003-12-25 2004-04-10 Закрытое акционерное общество "АМИКО" Устройство для определения эффективной дозы облучения пациента при рентгенодиагностическом исследовании
US7421647B2 (en) 2004-07-09 2008-09-02 Bruce Reiner Gesture-based reporting method and system
US7082183B2 (en) * 2004-07-21 2006-07-25 General Electric Company Computed tomography dose indexing phantom selection for dose reporting
WO2006044720A2 (en) * 2004-10-15 2006-04-27 The Board Of Trustees Of The Leland Stanford Junior University Selective fold removal in medical images
WO2006116700A2 (en) 2005-04-28 2006-11-02 Bruce Reiner Method and apparatus for automated quality assurance in medical imaging
US8077936B2 (en) * 2005-06-02 2011-12-13 Accuray Incorporated Treatment planning software and corresponding user interface
WO2006138513A1 (en) * 2005-06-16 2006-12-28 Nomos Corporation Variance reduction simulation system, program product, and related methods
US7607079B2 (en) 2005-07-08 2009-10-20 Bruce Reiner Multi-input reporting and editing tool
JP2009506800A (ja) * 2005-07-22 2009-02-19 トモセラピー・インコーポレーテッド 線量デリバリを予測する方法およびシステム
EP1913421B1 (en) * 2005-08-04 2013-01-30 Koninklijke Philips Electronics N.V. Motion compensation in functional imaging
US20080214933A1 (en) * 2005-08-25 2008-09-04 Koninklijke Philips Electronics, N.V. Image-Based Planning Methods and Apparatus for Targeted Therapy
JP2007054372A (ja) 2005-08-25 2007-03-08 Ge Medical Systems Global Technology Co Llc Ｘ線ｃｔ装置
WO2007027610A2 (en) 2005-08-30 2007-03-08 Bruce Reiner Multi-functional navigational device and method
JP2007098028A (ja) * 2005-10-07 2007-04-19 Konica Minolta Medical & Graphic Inc モデリング装置、モデリング方法、領域抽出装置、およびプログラム
US8117549B2 (en) 2005-10-26 2012-02-14 Bruce Reiner System and method for capturing user actions within electronic workflow templates
WO2007062178A2 (en) 2005-11-21 2007-05-31 The Regents Of The University Of California Method for computing patient radiation dose in computed tomoraphy
US7402819B2 (en) * 2005-12-01 2008-07-22 Accuray Incorporated Respiration phantom for quality assurance
US7532942B2 (en) 2006-01-30 2009-05-12 Bruce Reiner Method and apparatus for generating a technologist quality assurance scorecard
FR2897255B1 (fr) * 2006-02-10 2008-03-14 Commissariat Energie Atomique Procede d'estimation du rayonnement diffuse en tomographie par rayons x
US7593549B2 (en) 2006-04-27 2009-09-22 Bruce Reiner Apparatus and method for utilizing biometrics in medical applications
SE530825C2 (sv) * 2006-05-04 2008-09-23 Scanditronix Wellhoefer Ab Metod och anordning för bestämning av en korrektionsfaktor för en strålningsdosimeter genom integrering av bidrag från förberäknade fluensspektra
US7849115B2 (en) 2006-06-05 2010-12-07 Bruce Reiner Method and apparatus for adapting computer-based systems to end-user profiles
CN101523437B (zh) 2006-10-03 2012-12-19 皇家飞利浦电子股份有限公司 基于模型的冠状动脉中心线定位系统和方法
US8538776B2 (en) 2006-10-25 2013-09-17 Bruce Reiner Method and apparatus of providing a radiation scorecard
WO2008063494A2 (en) * 2006-11-16 2008-05-29 Vanderbilt University Apparatus and methods of compensating for organ deformation, registration of internal structures to images, and applications of same
US20080175460A1 (en) 2006-12-19 2008-07-24 Bruce Reiner Pacs portal with automated data mining and software selection
WO2008094511A2 (en) 2007-01-29 2008-08-07 Bruce Reiner Quality assurance scorecard for diagnostic medical agent administration
US7667191B2 (en) 2007-05-29 2010-02-23 Mcgill University Deformable phantom apparatus
US8655677B2 (en) 2007-06-12 2014-02-18 Bruce Reiner Productivity workflow index
US8705819B2 (en) * 2007-06-21 2014-04-22 Koninklijke Philips N.V. Adjusting acquisition protocols for dynamic medical imaging using dynamic models
JP5065822B2 (ja) * 2007-09-14 2012-11-07 株式会社東芝 Ｘ線ｃｔ装置、撮影計画支援装置および撮影計画支援プログラム
US7792249B2 (en) * 2007-12-23 2010-09-07 Oraya Therapeutics, Inc. Methods and devices for detecting, controlling, and predicting radiation delivery
WO2009117419A2 (en) * 2008-03-17 2009-09-24 Worcester Polytechnic Institute Virtual interactive system for ultrasound training
US8333508B2 (en) 2008-05-06 2012-12-18 Bruce Reiner Multi-functional medical imaging quality assurance sensor
US7894571B2 (en) * 2008-05-08 2011-02-22 Stanford University System and method for using prospective evaluation of displacement and velocity of a respiratory trace in a five dimensional parameter space to reduce artifacts and dosage in four dimensional computed tomography
JP4792076B2 (ja) * 2008-11-10 2011-10-12 東芝医用システムエンジニアリング株式会社 放射線量推定装置
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
US20100145720A1 (en) 2008-12-05 2010-06-10 Bruce Reiner Method of extracting real-time structured data and performing data analysis and decision support in medical reporting
US8121252B2 (en) * 2009-03-11 2012-02-21 Varian Medical Systems, Inc. Use of planning atlas in radiation therapy
US8856188B2 (en) 2009-03-13 2014-10-07 Bruce Reiner Electronic linkage of associated data within the electronic medical record
US8039790B2 (en) 2009-05-14 2011-10-18 University Health Network Phantoms and methods for verification in radiotherapy systems
JP5484788B2 (ja) 2009-05-25 2014-05-07 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー Ｘ線ｃｔ装置
WO2011137374A1 (en) 2010-04-30 2011-11-03 Cornell University System and method for radiation dose reporting
US10058302B2 (en) * 2010-07-21 2018-08-28 The Regents Of The University Of California Method to reduce radiation dose in multidetector CT while maintaining image quality
JP5027909B2 (ja) * 2010-08-04 2012-09-19 株式会社日立メディコ Ｘ線ｃｔ装置
US8503613B2 (en) * 2010-11-24 2013-08-06 General Electric Company Dose level indication
KR101994055B1 (ko) * 2010-12-08 2019-09-27 바이엘 헬스케어 엘엘씨 의료 영상 스캔으로부터의 환자 방사선량 추정치 생성을 위한 컴퓨터 구현 방법 및 시스템

Also Published As

Publication number Publication date
US20170228860A1 (en) 2017-08-10
CA3033428C (en) 2022-03-22
BR112013013804A2 (pt) 2016-09-13
JP2013544605A (ja) 2013-12-19
KR101889642B1 (ko) 2018-08-17
RU2725751C9 (ru) 2020-12-21
CN113856066A (zh) 2021-12-31
ZA201606246B (en) 2021-07-28
MX2013006336A (es) 2013-09-26
AU2017251773A1 (en) 2017-11-16
KR20190075169A (ko) 2019-06-28
AU2017251775A1 (en) 2017-11-16
EP3150126B1 (en) 2018-07-25
US10546376B2 (en) 2020-01-28
EP3524159B1 (en) 2021-01-20
US8958617B2 (en) 2015-02-17
ZA201303796B (en) 2015-06-24
MX347370B (es) 2017-04-25
KR20170004029A (ko) 2017-01-10
EP2648621A4 (en) 2016-12-28
BR122017007260A2 (ja) 2012-06-14
EP2648621B1 (en) 2018-07-04
JP2016129716A (ja) 2016-07-21
RU2016124149A3 (ja) 2019-12-12
US20150170363A1 (en) 2015-06-18
KR102124956B1 (ko) 2020-06-19
JP2017192808A (ja) 2017-10-26
AU2017251775B2 (en) 2019-08-29
BR122017007260A8 (pt) 2017-12-05
CN103442644A (zh) 2013-12-11
RU2016124149A (ru) 2018-12-03
RU2013127784A (ru) 2015-01-20
CA2819331A1 (en) 2012-06-14
ZA201409203B (en) 2017-09-27
US10546375B2 (en) 2020-01-28
CA2819331C (en) 2021-01-12
CA2993848C (en) 2020-09-22
KR101994055B1 (ko) 2019-09-27
AU2017251773B2 (en) 2019-08-08
DK3150126T3 (en) 2018-11-19
CN103442644B (zh) 2017-05-24
HK1242946A1 (zh) 2018-07-06
MX2019012639A (es) 2019-12-11
US20120148131A1 (en) 2012-06-14
EP3150126A1 (en) 2017-04-05
US20170243350A1 (en) 2017-08-24
KR20180037288A (ko) 2018-04-11
EP3281586A2 (en) 2018-02-14
WO2012075577A1 (en) 2012-06-14
KR20130130772A (ko) 2013-12-02
MX368991B (es) 2019-10-24
DK3281586T3 (da) 2019-06-24
US20120150505A1 (en) 2012-06-14
US20120148132A1 (en) 2012-06-14
ES2733922T3 (es) 2019-12-03
ES2689751T3 (es) 2018-11-15
US20150139519A1 (en) 2015-05-21
EP3524159A1 (en) 2019-08-14
EP3281586B1 (en) 2019-04-10
JP6189468B2 (ja) 2017-08-30
DK3524159T3 (da) 2021-04-06
US8953861B2 (en) 2015-02-10
US9547893B2 (en) 2017-01-17
EP2648621A1 (en) 2013-10-16
US20170123074A1 (en) 2017-05-04
AU2016203814A1 (en) 2016-06-30
CA2993848A1 (en) 2012-06-14
US10438348B2 (en) 2019-10-08
US9792680B2 (en) 2017-10-17
CN107095689A (zh) 2017-08-29
JP6395911B2 (ja) 2018-09-26
AU2011340078B2 (en) 2016-06-30
AU2016203814B2 (en) 2017-11-23
AU2011340078A1 (en) 2013-06-27
CN107095689B (zh) 2022-02-25
KR101845576B1 (ko) 2018-04-04
RU2592247C2 (ru) 2016-07-20
DK2648621T3 (en) 2018-10-22
RU2725751C2 (ru) 2020-07-03
US9805464B2 (en) 2017-10-31
ES2692793T3 (es) 2018-12-05
NZ611554A (en) 2014-12-24
JP5917552B2 (ja) 2016-05-18
EP3281586A3 (en) 2018-05-16
JP2017192809A (ja) 2017-10-26
ZA201706370B (en) 2020-01-29
CN113856066B (zh) 2024-03-19
CA3033428A1 (en) 2012-06-14
ES2864040T3 (es) 2021-10-13

Similar Documents

Publication Publication Date Title
JP6417000B2 (ja) 医療用撮像スキャンに起因する患者の放射線量を予測するための適切なモデルの作成

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20170803

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20180326

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20180402

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: 20180910

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20181004

R150 Certificate of patent or registration of utility model

Ref document number: 6417000

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

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250