JP6938647B2 - 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 - Google Patents
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 Download PDFInfo
- Publication number
- JP6938647B2 JP6938647B2 JP2019537260A JP2019537260A JP6938647B2 JP 6938647 B2 JP6938647 B2 JP 6938647B2 JP 2019537260 A JP2019537260 A JP 2019537260A JP 2019537260 A JP2019537260 A JP 2019537260A JP 6938647 B2 JP6938647 B2 JP 6938647B2
- Authority
- JP
- Japan
- Prior art keywords
- medical image
- tissue
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 claims description 39
- ZOXJGFHDIHLPTG-UHFFFAOYSA-N Boron Chemical compound [B] ZOXJGFHDIHLPTG-UHFFFAOYSA-N 0.000 claims description 31
- 229910052796 boron Inorganic materials 0.000 claims description 29
- 238000002560 therapeutic procedure Methods 0.000 claims description 23
- 238000006243 chemical reaction Methods 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 16
- 238000009499 grossing Methods 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 4
- 238000002059 diagnostic imaging Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 210000001519 tissue Anatomy 0.000 description 55
- 238000002591 computed tomography Methods 0.000 description 29
- 238000004364 calculation method Methods 0.000 description 18
- 238000013334 tissue model Methods 0.000 description 18
- 230000005855 radiation Effects 0.000 description 15
- 210000004027 cell Anatomy 0.000 description 13
- 206010028980 Neoplasm Diseases 0.000 description 11
- 239000002245 particle Substances 0.000 description 11
- 239000003814 drug Substances 0.000 description 10
- 229940079593 drug Drugs 0.000 description 10
- 201000011510 cancer Diseases 0.000 description 9
- 239000000203 mixture Substances 0.000 description 8
- 210000000056 organ Anatomy 0.000 description 8
- 230000008520 organization Effects 0.000 description 8
- 239000008280 blood Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 239000000463 material Substances 0.000 description 6
- 210000004881 tumor cell Anatomy 0.000 description 6
- 238000000342 Monte Carlo simulation Methods 0.000 description 4
- 238000001959 radiotherapy Methods 0.000 description 4
- 238000002595 magnetic resonance imaging Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000004992 fission Effects 0.000 description 2
- 229910052744 lithium Inorganic materials 0.000 description 2
- 210000004072 lung Anatomy 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 238000013421 nuclear magnetic resonance imaging Methods 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 230000002105 relative biological effectiveness Effects 0.000 description 2
- 210000004872 soft tissue Anatomy 0.000 description 2
- 230000001225 therapeutic effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- GUTLYIVDDKVIGB-OUBTZVSYSA-N Cobalt-60 Chemical compound [60Co] GUTLYIVDDKVIGB-OUBTZVSYSA-N 0.000 description 1
- YZCKVEUIGOORGS-OUBTZVSYSA-N Deuterium Chemical compound [2H] YZCKVEUIGOORGS-OUBTZVSYSA-N 0.000 description 1
- 201000010915 Glioblastoma multiforme Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052790 beryllium Inorganic materials 0.000 description 1
- ATBAMAFKBVZNFJ-UHFFFAOYSA-N beryllium atom Chemical compound [Be] ATBAMAFKBVZNFJ-UHFFFAOYSA-N 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 210000005013 brain tissue Anatomy 0.000 description 1
- 238000002512 chemotherapy Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 229910052805 deuterium Inorganic materials 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010894 electron beam technology Methods 0.000 description 1
- 238000009201 electron therapy Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 208000005017 glioblastoma Diseases 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 238000004215 lattice model Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 201000001441 melanoma Diseases 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000002727 particle therapy Methods 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 206010039073 rheumatoid arthritis Diseases 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 210000003625 skull Anatomy 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000002626 targeted therapy Methods 0.000 description 1
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
- A61N5/1031—Treatment planning systems using a specific method of dose optimization
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/08—Volume rendering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- 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
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
-
- 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
- G06T2210/41—Medical
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
- G06T2219/20—Indexing scheme for editing of 3D models
- G06T2219/2021—Shape modification
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Biomedical Technology (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Veterinary Medicine (AREA)
- Radiology & Medical Imaging (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Architecture (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Radiation-Therapy Devices (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Description
本発明は、幾何的モデルの構築方法に関し、特に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に関する。
原子科学の発展に従って、例えばコバルト60、線形加速器、電子ビーム等の放射線療法は、すでにがん治療の主な手段の一つとなった。しかし、従来の光子又は電子療法は、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、中性子捕捉療法等）。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。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。
三次元モデルは、科学実験の分析、科学実験のシミュレーションの分野に、幅広く応用されている。例えば放射と防護の分野では、人体が一定の照射条件下で吸収する線量をシミュレーションするために、一般的には、コンピュータ技術を利用して医用画像データに対し、様々な処理を行うことでＭＣＮＰに必要とされる正確な格子モデルを構築し、かつＭＣＮＰ（モンテカルロプログラム）と組み合わせて、近似計算を行う。
モンテカルロ法は、照射目標内部の三次元空間における、核粒子の衝突軌跡およびエネルギー分布を正確にシミュレーションすることができるツールであり、モンテカルロ法と複雑な三次元人体解剖モデルとを組み合わせることは、コンピュータ技術におけるシミュレーションの躍進を表す。放射線による診断において、人体器官の線量を正確に評定することは、放射線治療に対して非常に有益である。現在、国際的には、多種類の人体モデルが構築されており、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て、人体が放射線の環境下で吸収する線量を、正確に計算と評定する。人体三次元解剖モデルを、モンテカルロプログラムに必要な幾何的描画に変換することは、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、また国際的モンテカルロシミュレーション研究におけるホットな問題点および難点でもある。
核磁気共鳴画像（Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ Ｉｍａｇｉｎｇ、ＭＲＩ）また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、人体の体内特徴に対して、詳しい幾何的構造情報を提供することができ、人体内部構造の実体モデル構築のためにデータ基礎を提供する。中性子捕捉療法の分野では、医用画像データに基づいて、如何にしてＭＣＮＰに必要な幾何的モデルを構築するか、即ちＭＣＮＰソフトウェアの入力ファイルに必要とされる格子モデル、またはボクセルプロテーゼ組織モデルを、如何にして構築するかは、極めて重要な課題であり、現在、一般的なＭＣＮＰ幾何的モデルは、いずれも一つの小立方体（ボクセル、ｖｏｘｅｌ）を基本要素とし、医用画像に含まれる情報に対応して構成され、したがって、ボクセルモデルの輪郭は階段状を呈し、図４に示すとおり、人体器官、組織の曲面輪郭とは一定程度の誤差が存在し、それにより線量計算結果の信頼性に影響を与える。
三次元モデルは、科学実験の分析、科学実験のシミュレーションの分野に、幅広く応用されている。例えば放射と防護の分野では、人体が一定の照射条件下で吸収する線量をシミュレーションするために、一般的には、コンピュータ技術を利用して医用画像データに対し、様々な処理を行うことでＭＣＮＰに必要とされる正確な格子モデルを構築し、かつＭＣＮＰ（モンテカルロプログラム）と組み合わせて、近似計算を行う。
モンテカルロ法は、照射目標内部の三次元空間における、核粒子の衝突軌跡およびエネルギー分布を正確にシミュレーションすることができるツールであり、モンテカルロ法と複雑な三次元人体解剖モデルとを組み合わせることは、コンピュータ技術におけるシミュレーションの躍進を表す。放射線による診断において、人体器官の線量を正確に評定することは、放射線治療に対して非常に有益である。現在、国際的には、多種類の人体モデルが構築されており、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て、人体が放射線の環境下で吸収する線量を、正確に計算と評定する。人体三次元解剖モデルを、モンテカルロプログラムに必要な幾何的描画に変換することは、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、また国際的モンテカルロシミュレーション研究におけるホットな問題点および難点でもある。
核磁気共鳴画像（Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ Ｉｍａｇｉｎｇ、ＭＲＩ）また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、人体の体内特徴に対して、詳しい幾何的構造情報を提供することができ、人体内部構造の実体モデル構築のためにデータ基礎を提供する。中性子捕捉療法の分野では、医用画像データに基づいて、如何にしてＭＣＮＰに必要な幾何的モデルを構築するか、即ちＭＣＮＰソフトウェアの入力ファイルに必要とされる格子モデル、またはボクセルプロテーゼ組織モデルを、如何にして構築するかは、極めて重要な課題であり、現在、一般的なＭＣＮＰ幾何的モデルは、いずれも一つの小立方体（ボクセル、ｖｏｘｅｌ）を基本要素とし、医用画像に含まれる情報に対応して構成され、したがって、ボクセルモデルの輪郭は階段状を呈し、図４に示すとおり、人体器官、組織の曲面輪郭とは一定程度の誤差が存在し、それにより線量計算結果の信頼性に影響を与える。
したがって、線量計算の信頼性を高めることで、治療の品質を向上可能な、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を、提供する必要がある。
本発明の一態様では、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を提供し、
医用画像データを入力し、または読み取るステップ、
前記医用画像データに基づいて三次元医用画像ボクセルモデルを構築するステップ、
前記三次元医用画像ボクセルモデルを平滑化するステップ、
三次元ボクセルプロテーゼ組織モデルを構築するステップ、を含む。
本発明の別の態様では、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を提供し、
医用画像データを入力し、または読み取るステップ、
前記医用画像データに基づいて三次元ボクセルプロテーゼ組織モデルを構築するステップ、
前記三次元ボクセルプロテーゼ組織モデルを平滑化するステップ、を含む。
該平滑化幾何的モデルの構築方法は、三次元医用画像ボクセルモデルまたは三次元ボクセルプロテーゼ組織モデルを平滑化することで、人体器官の実際の状況にさらに近づけ、それにより線量計算の信頼性を向上させる。
好ましくは、三次元医用画像ボクセルモデルまたは三次元ボクセルプロテーゼ組織モデルを平滑化する前記ステップは、さらに、
ＲＯＩ境界を定義し、または読み取るステップ、
前記ＲＯＩ境界を平滑化するステップ、を含む。
ＲＯＩ（Ｒｅｇｉｏｎ Ｏｆ Ｉｎｔｅｒｅｓｔ）は関心領域（以下にＲＯＩと総称する）のことを指す。本発明に提示されるＲＯＩ境界は主要器官の外部輪郭に限らず、さらに密度が明らかに変化した組織境界、照射部位の外部輪郭またはがん細胞の外部輪郭などを含む。
好ましくは、ＲＯＩ境界を平滑化する前記ステップは、さらに、
前記ＲＯＩ境界を偏微分方程式で表すステップ、
前記偏微分方程式の解を求め、かつ解求めの結果に基づいて前記ＲＯＩ境界を修正するステップ、を含む。
さらに好ましくは、ＲＯＩ境界を平滑化する前記ステップは、有限要素解析ソフトウェアによって処理する。
好ましくは、前記ＲＯＩ境界は、医用画像データに既に定義されたものおよび／または新規追加されるものであり、前記新規追加されるＲＯＩ境界は、自動的判定しおよび／または手動で選択することによって取得される。
好ましくは、ボクセルプロテーゼ組織モデルは、組織の種類、組織の密度情報を有する。ボクセルプロテーゼ組織モデルは、医用画像データと組織種類、密度との間の変換関係に基づいて構築され、実際の必要に応じて組織グループ化数を決定することができ、それにより組織種類、元素構成および密度をさらに正確に提供し、構築される幾何的モデルを、医用画像データによって反映された実際の状況によくマッチングさせる。
好ましくは、該平滑化幾何的モデルの構築方法は、中性子捕捉療法に応用され、前記ボクセルプロテーゼ組織モデルは、さらに、組織のホウ素濃度情報を有する。ホウ素濃度情報がマークされた幾何的モデルによって、各組織内のホウ素含有薬物の濃度をよく把握することができ、それで中性子捕捉療法の照射シミュレーションを行う時に、実際の状況をより正確に反映することができる。
平滑化幾何的モデルは、ＭＣＮＰソフトウェアの入力ファイルに必要とされる格子カード、セルカード、サーフェイスカードおよびマテリアルカードを含む。最終的に、医用画像データによってＭＣＮＰソフトウェアの入力ファイルに必要とされる格子カード、セルカード、サーフェイスカードおよびマテリアルカードを取得し、それにより近似計算のために理論的拠り所を提供し、かつ正確な近似計算結果を取得する。
医用画像データは核磁気共鳴画像（Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ Ｉｍａｇｉｎｇ、ＭＲＩ）、コンピュータ断層撮影（Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ、ＣＴ）、陽電子放出断層撮影（Ｐｏｓｉｔｒｏｎ Ｅｍｉｓｓｉｏｎ Ｔｏｍｏｇｒａｐｈｙ、ＰＥＴ）、ＰＥＴ‐ＣＴまたはＸ線撮影（Ｘ‐Ｒａｙ ｉｍａｇｉｎｇ）であってもよいが、以下の実施例ではコンピュータ断層撮影（ＣＴ）のデータに基づいて説明を行い、ＣＴファイルのフォーマットが、一般的にはＤＩＣＯＭである。但し当業者が熟知するように、他の医用画像データを使用してもよく、該医用画像データは三次元ＭＣＮＰプロテーゼ組織モデルへの変換さえできれば、本発明が開示する、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に応用することができる。
本発明の実施例における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、ボクセルプロテーゼの階段状輪郭を大幅に改善し、線量計算の信頼性および治療の品質を向上させることができる。
医用画像データを入力し、または読み取るステップ、
前記医用画像データに基づいて三次元医用画像ボクセルモデルを構築するステップ、
前記三次元医用画像ボクセルモデルを平滑化するステップ、
三次元ボクセルプロテーゼ組織モデルを構築するステップ、を含む。
本発明の別の態様では、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を提供し、
医用画像データを入力し、または読み取るステップ、
前記医用画像データに基づいて三次元ボクセルプロテーゼ組織モデルを構築するステップ、
前記三次元ボクセルプロテーゼ組織モデルを平滑化するステップ、を含む。
該平滑化幾何的モデルの構築方法は、三次元医用画像ボクセルモデルまたは三次元ボクセルプロテーゼ組織モデルを平滑化することで、人体器官の実際の状況にさらに近づけ、それにより線量計算の信頼性を向上させる。
好ましくは、三次元医用画像ボクセルモデルまたは三次元ボクセルプロテーゼ組織モデルを平滑化する前記ステップは、さらに、
ＲＯＩ境界を定義し、または読み取るステップ、
前記ＲＯＩ境界を平滑化するステップ、を含む。
ＲＯＩ（Ｒｅｇｉｏｎ Ｏｆ Ｉｎｔｅｒｅｓｔ）は関心領域（以下にＲＯＩと総称する）のことを指す。本発明に提示されるＲＯＩ境界は主要器官の外部輪郭に限らず、さらに密度が明らかに変化した組織境界、照射部位の外部輪郭またはがん細胞の外部輪郭などを含む。
好ましくは、ＲＯＩ境界を平滑化する前記ステップは、さらに、
前記ＲＯＩ境界を偏微分方程式で表すステップ、
前記偏微分方程式の解を求め、かつ解求めの結果に基づいて前記ＲＯＩ境界を修正するステップ、を含む。
さらに好ましくは、ＲＯＩ境界を平滑化する前記ステップは、有限要素解析ソフトウェアによって処理する。
好ましくは、前記ＲＯＩ境界は、医用画像データに既に定義されたものおよび／または新規追加されるものであり、前記新規追加されるＲＯＩ境界は、自動的判定しおよび／または手動で選択することによって取得される。
好ましくは、ボクセルプロテーゼ組織モデルは、組織の種類、組織の密度情報を有する。ボクセルプロテーゼ組織モデルは、医用画像データと組織種類、密度との間の変換関係に基づいて構築され、実際の必要に応じて組織グループ化数を決定することができ、それにより組織種類、元素構成および密度をさらに正確に提供し、構築される幾何的モデルを、医用画像データによって反映された実際の状況によくマッチングさせる。
好ましくは、該平滑化幾何的モデルの構築方法は、中性子捕捉療法に応用され、前記ボクセルプロテーゼ組織モデルは、さらに、組織のホウ素濃度情報を有する。ホウ素濃度情報がマークされた幾何的モデルによって、各組織内のホウ素含有薬物の濃度をよく把握することができ、それで中性子捕捉療法の照射シミュレーションを行う時に、実際の状況をより正確に反映することができる。
平滑化幾何的モデルは、ＭＣＮＰソフトウェアの入力ファイルに必要とされる格子カード、セルカード、サーフェイスカードおよびマテリアルカードを含む。最終的に、医用画像データによってＭＣＮＰソフトウェアの入力ファイルに必要とされる格子カード、セルカード、サーフェイスカードおよびマテリアルカードを取得し、それにより近似計算のために理論的拠り所を提供し、かつ正確な近似計算結果を取得する。
医用画像データは核磁気共鳴画像（Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ Ｉｍａｇｉｎｇ、ＭＲＩ）、コンピュータ断層撮影（Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ、ＣＴ）、陽電子放出断層撮影（Ｐｏｓｉｔｒｏｎ Ｅｍｉｓｓｉｏｎ Ｔｏｍｏｇｒａｐｈｙ、ＰＥＴ）、ＰＥＴ‐ＣＴまたはＸ線撮影（Ｘ‐Ｒａｙ ｉｍａｇｉｎｇ）であってもよいが、以下の実施例ではコンピュータ断層撮影（ＣＴ）のデータに基づいて説明を行い、ＣＴファイルのフォーマットが、一般的にはＤＩＣＯＭである。但し当業者が熟知するように、他の医用画像データを使用してもよく、該医用画像データは三次元ＭＣＮＰプロテーゼ組織モデルへの変換さえできれば、本発明が開示する、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に応用することができる。
本発明の実施例における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、ボクセルプロテーゼの階段状輪郭を大幅に改善し、線量計算の信頼性および治療の品質を向上させることができる。
以下は、当業者は明細書を参照しながら実施可能できるように、図面と関連付けて本発明の実施例をさらに詳しく説明する。
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平滑化幾何的モデルの構築方法を、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について、簡単に紹介する。
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又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等）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る。適切な原子核反応は、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・化学的特性等により選定される。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ある。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することなく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。
ホウ素中性子捕捉治療（Ｂｏｒｏｎ Ｎｅｕｔｒｏｎ Ｃａｐｔｕｒｅ Ｔｈｅｒａｐｙ、ＢＮＣＴ）は、ホウ素（１０Ｂ）含有薬物が熱中性子に対する大きい捕捉断面積を有する、という特性を利用し、１０Ｂ（ｎ，α）７Ｌｉ中性子捕捉および核分裂反応によって、４Ｈｅと７Ｌｉの二つの重荷電粒子を生成する。図１および図２に示すとおり、それはホウ素中性子捕捉反応の模式図および１０Ｂ（ｎ，α）７Ｌｉ中性子捕捉の核反応方程式をそれぞれ示し、二つの荷電粒子の平均エネルギーは約２．３３ＭｅＶであり、線エネルギー付与（Ｌｉｎｅａｒ Ｅｎｅｒｇｙ Ｔｒａｎｓｆｅｒ、ＬＥＴ）が高く、飛程が短いという特徴を有し、α粒子の線エネルギー付与および飛程はそれぞれ１５０ｋｅＶ／μｍと、８μｍで、７Ｌｉ重荷電粒子は１７５ｋｅＶ／μｍと、５μｍであり、二つの粒子の全飛程が一つの細胞の大きさに相当し、したがって、生体に与える放射線損傷は細胞レベルに限定され、ホウ素含有薬物をがん細胞に選択的に集積させ、さらに適切な中性子源を組み合わせることで、正常な組織に大きな損傷を与えることなく、局所的にがん細胞を殺す、という目的を達成する。
本発明の実施例の目的は、医用画像データを生体、特に人体の器官、組織の曲面輪郭に近い三次元ＭＣＮＰボクセルプロテーゼ組織モデルに変換することで、ホウ素中性子捕捉療法の線量の近似計算を行うことである。医用画像データは核磁気共鳴画像（Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ Ｉｍａｇｉｎｇ、ＭＲＩ）、コンピュータ断層撮影（Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ、ＣＴ）、陽電子放出断層撮影（Ｐｏｓｉｔｒｏｎ Ｅｍｉｓｓｉｏｎ Ｔｏｍｏｇｒａｐｈｙ、ＰＥＴ）、ＰＥＴ‐ＣＴまたはＸ線撮影（Ｘ‐Ｒａｙ ｉｍａｇｉｎｇ）であってもよいが、本実施例ではコンピュータ断層撮影（ＣＴ）のデータに基づいて説明を行い、ＣＴファイルのフォーマットが、一般的にはＤＩＣＯＭである。但し当業者が熟知するように、他の医用画像データを使用してもよく、該医用画像データは三次元ＭＣＮＰボクセルプロテーゼ組織モデルへの変換さえできれば、本発明が開示する、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に応用することができる。
図３に示すとおり、本発明の実施例が開示する、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は、主に、
１、コンピュータ断層撮影データ（ＤＩＣＯＭフォーマット）を入力し、または読み取り、ＣＴ画像データが対応するインタフェースに表示されるフロー、
２、医用画像データに基づいて三次元医用画像ボクセルモデルを構築するフロー、
３、ＤＩＣＯＭファイルに定義されたＲＯＩ境界を自動的に読み取り、またはＲＯＩ境界を新規追加するフロー、
４、境界を平滑化するフロー、
５、ＣＴ画像データと組織種類（元素構成）、密度との間の変換関係に基づき、各ボクセルユニットの組織種類（元素構成）、組織密度を定義し、三次元ＭＣＮＰボクセルプロテーゼ組織モデルを構築するフロー、を含む。
そのうち、ＲＯＩ境界は、目や肝臓などのような主要器官の外部輪郭、骨と軟部組織の境界のような異なるタイプ（密度が明らかに変化する）の組織、頭部の外部輪郭のような照射部位、およびがん細胞の外部輪郭であってもよい。
上記ステップ５は、ステップ１以降のいずれの位置にあってもよく、ステップ１と３の間に位置する場合、ステップ２を省略してもよく、即ちまずＣＴ画像データに基づいて、直接的に三次元ＭＣＮＰボクセルプロテーゼ組織モデルを構築し、次に境界の選択および処理を行い、この時、平滑化処理の対象は三次元ＭＣＮＰボクセルプロテーゼ組織モデルにおけるＲＯＩ境界である。ＣＴ画像データによって取得された三次元医用画像ボクセルモデル、またはそれによって構築された三次元ＭＣＮＰボクセルプロテーゼ組織モデルは、いずれも一つの小立方体を基本要素とし、したがって、モデルの輪郭は階段状を呈し、図４に示すとおり、生体器官、組織の曲面輪郭とは一定程度の誤差が存在し、それにより線量計算結果の信頼性を影響する。ステップ２に新規追加するＲＯＩ境界は、自動的判定しおよび／または手動で選択することによって取得される。ＲＯＩ境界を自動的判定によって取得する方式は複数あり、例えば各ボクセルユニットの位置を判断し、該ボクセルユニットと隣接する全てのボクセルユニットとのボクセル値の差または差の比を算出し、そのうち一つの隣接するボクセルユニットとの差または差の比が一定範囲を超えれば、該ボクセルユニットは境界に位置すると判定し、境界に位置する全てのボクセルユニットを選び出す。当然、異なるタイプの組織はそのボクセル値の範囲が異なっており、したがって、異なる境界のその比較値の範囲も異なり、違う比較値の範囲によって境界に位置するボクセルユニットを区別し、得られた結果に基づいて、必要なＲＯＩ境界を再度手動で選択することができ、このような選択は自動的計算に基づいた結果であるため、より知能的でかつ正確である；また結果に基づいて自動的に算出し、ＲＯＩ境界を取得することもできる。さらに、医者または操作者はＣＴ画像の画面、データおよび三次元医用画像ボクセルモデル、三次元ＭＣＮＰボクセルプロテーゼ組織モデルに基づいて、個人の経験と合わせて、直接的にモデルにおいて平滑化する必要のあるＲＯＩ境界を選択し、または自動的に取得された上記ＲＯＩ境界を修正することができる。
ステップ３において境界を平滑化処理し、具体的には、偏微分方程式によってステップ２で取得されたＲＯＩ境界、即ち階段状の外部輪郭を描画し、理解すべきは、その境界に対する表示が偏微分方程式とは限らず、該境界を描写可能な数学方法であればよい。そのＲＯＩ境界は、複数の閉鎖または開放する構成部分を含むことができ、各構成部分は、偏微分方程式で描写可能なサブ幾何的ドメインに分ける必要がある可能性もあり、その後に各偏微分方程式の解を求め、例えば有限要素法（ｆｉｎｉｔｅ ｅｌｅｍｅｎｔ ｍｅｔｈｏｄ）を利用して、その偏微分方程式の近似解を見つけ出し、かつ解求めの結果に基づいて、各サブ幾何的ドメインを平滑な境界構成部分に修正し、さらに全体の平滑なＲＯＩ境界を整合し、それで階段状の外部輪郭が平滑な曲面の外部輪郭に修正される。当然、市販のソフトウェア、例えば有限要素解析ソフトウェアＡｂａｑｕｓ＼ＣＡＥを用いて上記処理を行うこともできる。
図５に示すとおり、ステップ５における、三次元ＭＣＮＰボクセルプロテーゼ組織モデルの構築方法は、具体的には、主に二つの実施例を含む。
第一の実施例では幾何的モデル（三次元ＭＣＮＰボクセルプロテーゼ組織モデル）の構築方法を提供し、それは、医用画像データと組織種類との間の変換関係に基づいて組織種類を定義するステップ、組織グループ化数を決定するステップ、医用画像データと密度との間の変換関係に基づいて組織密度を定義するステップ、組織と密度情報とを備える３Ｄコードマトリックスを構築するステップ、および幾何的モデルを生成するステップ、を含む。
医用画像データと組織種類との間の変換関係に基づいて、実際の必要に応じて組織グループ化数を決定することができ、それにより組織種類、元素構成および密度をより正確に提供し、構築される幾何的モデルを医学映像データによって反映された実際の状況によくマッチングさせる。
幾何的モデルの構築方法は、さらに、Ｂ‐１０濃度を予め設定するステップ、およびＢ‐１０濃度情報を備える３Ｄコードマトリックスを構築するステップ、を含み、Ｂ‐１０濃度情報は正常な血液のホウ素含有薬物の濃度、腫瘍‐血液ホウ素濃度比、組織‐血液ホウ素濃度比など、を含む。Ｂ‐１０濃度情報がマークされた幾何的モデルによって、各ボクセルポイント内のホウ素含有薬物の濃度をよく把握することができ、それで中性子捕捉療法の照射シミュレーションを行う時に、実際の状況をより正確に反映することができる。
組織グループ化数は、ユーザが手動で定義する組織グループ化数に、データベースに既存の４種の組織グループ化数、または１４種の組織グループ化数を加えるものである。既存のデータベースに対応する組織グループ化数が確立されていなければ、実際の状況に応じて一つの新しい組織グループ化数を決定することができる。このように、既存のデータベースでは対応する組織グループ化数と完全にマッチングすることができないため、近似して選択せざるを得ないということを回避し、モデル構築の正確性を効果的に向上させる。
幾何的モデルの構築方法は、さらに、３Ｄ組織コードマトリックスを構築するステップ、および３Ｄ密度コートマトリックスを構築するステップ、を含む。医用画像データスライスに基づいて、対応する変換関係により、各スライスに対応する組織コードおよ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および３Ｄ密度コードマトリックスを構築する。
幾何的モデルは、ＭＣＮＰソフトウェアの入力ファイルに必要とされる格子カード（ｌａｔｔｉｃｅ ｃａｒｄ）、セルカード（ｃｅｌｌ ｃａｒｄ）、サーフェイスカード（ｓｕｒｆａｃｅ ｃａｒｄ）およびマテリアルカード（ｍａｔｅｒｉａｌ ｃａｒｄ）を含む。最終的に、医用画像データによってＭＣＮＰソフトウェアの入力ファイルに必要とされる格子カード、セルカード、サーフェイスカードおよびマテリアルカードを取得し、それにより近似計算のために理論的拠り所を提供し、かつ正確な近似計算結果を取得する。
第二の実施例が提供する幾何的モデルの構築方法は、ＲＯＩ境界を定義し、または読み取るステップ；医用画像ボクセルがＲＯＩ境界内にあるか否かを判定するステップ；肯定の場合、各ＲＯＩ境界内のボクセルのために、一つの特定組織および密度を予め設定する方式によって、ユーザの手動による組織種類および密度の定義を行うステップ、または医用画像データと組織種類／密度との間の変換関係に基づいてＲＯＩ組織種類および密度を自動的に定義するステップに入り、否定の場合、医用画像データと組織種類との間の変換関係に基づいて組織種類を自動的に定義するステップに入り、かつ医用画像データと密度との間の変換関係に基づいて組織密度を定義するステップ；組織および密度情報を備える３Ｄコードマトリックスを構築するステップ；幾何的モデルを生成するステップ；を含む。
ユーザはＲＯＩの組織種類、元素構成および密度を手動で定義することができる。ＲＯＩ境界内に位置しなければ、医用画像データと組織種類／密度との間の変換関係に基づいて組織種類の定義を行い、かつ実際の必要に応じて組織グループ化数を決定し、それにより組織種類、元素構成および密度をより正確に提供し、構築される幾何的モデルを医用画像データによって反映された実際の状況によくマッチングさせる。
幾何的モデルの構築方法は、Ｂ‐１０濃度を予め設定するステップ、およびＢ‐１０濃度情報を備える３Ｄコードマトリックスを構築するステップ、を含み、Ｂ‐１０濃度情報は正常な血液のホウ素含有薬物の濃度、腫瘍‐血液ホウ素濃度比、組織‐血液ホウ素濃度比など、を含む。Ｂ‐１０濃度情報がマークされた幾何的モデルによって、各ボクセルポイント内のホウ素含有薬物の濃度をよく把握することができ、それで中性子捕捉療法の照射シミュレーションを行う時に、実際の状況をより正確に反映することができる。
組織グループ化数は、ユーザが手動で定義する組織グループ化数に、データベースに既存の４種の組織グループ化数、または１４種の組織グループ化数を加えるものである。単一のＲＯＩ境界内にカバーされるＣＴ値の範囲がより大きければ（例えば粘膜腔室である）、ＣＴ値と組織種類、密度とのマッチングを自動的に行うことができ、それによって、唯一の組織種類（元素構成）および密度を予め設定したため、線量計算の誤差を引き起こすことを回避する。既存のデータベースに対応する組織グループ化数が確立されていなければ、実際の状況に応じて一つの新しい組織グループ化数を決定することができる。このように、もし既存のデータベースでは対応する組織グループ化数と完全にマッチングすることができなければ、近似して選択せざるを得ないということを回避し、モデル構築の正確性を効果的に向上させる。
幾何的モデルの構築方法は、さらに、３Ｄ組織コードマトリックスを構築するステップ、および３Ｄ密度コートマトリックスを構築するステップ、を含む。医用画像データスライスに基づいて、対応する変換関係により、各スライスに対応する組織コードおよ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および３Ｄ密度コードマトリックスを構築する。
幾何的モデルは、ＭＣＮＰソフトウェアの入力ファイルに必要とされる格子カード、セルカード、サーフェイスカードおよびマテリアルカードを含む。最終的に、医用画像データによってＭＣＮＰソフトウェアの入力ファイルに必要とされる格子カード、セルカード、サーフェイスカードおよびマテリアルカードを取得し、それにより近似計算のために理論的拠り所を提供し、かつ正確な近似計算結果を取得する。
図６に示すとおり、以下は、本発明が開示する幾何的モデルの構築方法における、既存データベース内のＣＴ値‐組織種類、およびＣＴ値‐組織密度の変換関係グラフについて説明する。
ＣＴ値は、またＨｏｕｎｓｆｉｅｌｄ Ｕｎｉｔ （ＨＵ）と呼ばれ、光減衰係数を反映する単位であり、その定義は、公式１、
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平滑化幾何的モデルの構築方法を、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について、簡単に紹介する。
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又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等）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る。適切な原子核反応は、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・化学的特性等により選定される。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ある。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することなく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。
ホウ素中性子捕捉治療（Ｂｏｒｏｎ Ｎｅｕｔｒｏｎ Ｃａｐｔｕｒｅ Ｔｈｅｒａｐｙ、ＢＮＣＴ）は、ホウ素（１０Ｂ）含有薬物が熱中性子に対する大きい捕捉断面積を有する、という特性を利用し、１０Ｂ（ｎ，α）７Ｌｉ中性子捕捉および核分裂反応によって、４Ｈｅと７Ｌｉの二つの重荷電粒子を生成する。図１および図２に示すとおり、それはホウ素中性子捕捉反応の模式図および１０Ｂ（ｎ，α）７Ｌｉ中性子捕捉の核反応方程式をそれぞれ示し、二つの荷電粒子の平均エネルギーは約２．３３ＭｅＶであり、線エネルギー付与（Ｌｉｎｅａｒ Ｅｎｅｒｇｙ Ｔｒａｎｓｆｅｒ、ＬＥＴ）が高く、飛程が短いという特徴を有し、α粒子の線エネルギー付与および飛程はそれぞれ１５０ｋｅＶ／μｍと、８μｍで、７Ｌｉ重荷電粒子は１７５ｋｅＶ／μｍと、５μｍであり、二つの粒子の全飛程が一つの細胞の大きさに相当し、したがって、生体に与える放射線損傷は細胞レベルに限定され、ホウ素含有薬物をがん細胞に選択的に集積させ、さらに適切な中性子源を組み合わせることで、正常な組織に大きな損傷を与えることなく、局所的にがん細胞を殺す、という目的を達成する。
本発明の実施例の目的は、医用画像データを生体、特に人体の器官、組織の曲面輪郭に近い三次元ＭＣＮＰボクセルプロテーゼ組織モデルに変換することで、ホウ素中性子捕捉療法の線量の近似計算を行うことである。医用画像データは核磁気共鳴画像（Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ Ｉｍａｇｉｎｇ、ＭＲＩ）、コンピュータ断層撮影（Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ、ＣＴ）、陽電子放出断層撮影（Ｐｏｓｉｔｒｏｎ Ｅｍｉｓｓｉｏｎ Ｔｏｍｏｇｒａｐｈｙ、ＰＥＴ）、ＰＥＴ‐ＣＴまたはＸ線撮影（Ｘ‐Ｒａｙ ｉｍａｇｉｎｇ）であってもよいが、本実施例ではコンピュータ断層撮影（ＣＴ）のデータに基づいて説明を行い、ＣＴファイルのフォーマットが、一般的にはＤＩＣＯＭである。但し当業者が熟知するように、他の医用画像データを使用してもよく、該医用画像データは三次元ＭＣＮＰボクセルプロテーゼ組織モデルへの変換さえできれば、本発明が開示する、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に応用することができる。
図３に示すとおり、本発明の実施例が開示する、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は、主に、
１、コンピュータ断層撮影データ（ＤＩＣＯＭフォーマット）を入力し、または読み取り、ＣＴ画像データが対応するインタフェースに表示されるフロー、
２、医用画像データに基づいて三次元医用画像ボクセルモデルを構築するフロー、
３、ＤＩＣＯＭファイルに定義されたＲＯＩ境界を自動的に読み取り、またはＲＯＩ境界を新規追加するフロー、
４、境界を平滑化するフロー、
５、ＣＴ画像データと組織種類（元素構成）、密度との間の変換関係に基づき、各ボクセルユニットの組織種類（元素構成）、組織密度を定義し、三次元ＭＣＮＰボクセルプロテーゼ組織モデルを構築するフロー、を含む。
そのうち、ＲＯＩ境界は、目や肝臓などのような主要器官の外部輪郭、骨と軟部組織の境界のような異なるタイプ（密度が明らかに変化する）の組織、頭部の外部輪郭のような照射部位、およびがん細胞の外部輪郭であってもよい。
上記ステップ５は、ステップ１以降のいずれの位置にあってもよく、ステップ１と３の間に位置する場合、ステップ２を省略してもよく、即ちまずＣＴ画像データに基づいて、直接的に三次元ＭＣＮＰボクセルプロテーゼ組織モデルを構築し、次に境界の選択および処理を行い、この時、平滑化処理の対象は三次元ＭＣＮＰボクセルプロテーゼ組織モデルにおけるＲＯＩ境界である。ＣＴ画像データによって取得された三次元医用画像ボクセルモデル、またはそれによって構築された三次元ＭＣＮＰボクセルプロテーゼ組織モデルは、いずれも一つの小立方体を基本要素とし、したがって、モデルの輪郭は階段状を呈し、図４に示すとおり、生体器官、組織の曲面輪郭とは一定程度の誤差が存在し、それにより線量計算結果の信頼性を影響する。ステップ２に新規追加するＲＯＩ境界は、自動的判定しおよび／または手動で選択することによって取得される。ＲＯＩ境界を自動的判定によって取得する方式は複数あり、例えば各ボクセルユニットの位置を判断し、該ボクセルユニットと隣接する全てのボクセルユニットとのボクセル値の差または差の比を算出し、そのうち一つの隣接するボクセルユニットとの差または差の比が一定範囲を超えれば、該ボクセルユニットは境界に位置すると判定し、境界に位置する全てのボクセルユニットを選び出す。当然、異なるタイプの組織はそのボクセル値の範囲が異なっており、したがって、異なる境界のその比較値の範囲も異なり、違う比較値の範囲によって境界に位置するボクセルユニットを区別し、得られた結果に基づいて、必要なＲＯＩ境界を再度手動で選択することができ、このような選択は自動的計算に基づいた結果であるため、より知能的でかつ正確である；また結果に基づいて自動的に算出し、ＲＯＩ境界を取得することもできる。さらに、医者または操作者はＣＴ画像の画面、データおよび三次元医用画像ボクセルモデル、三次元ＭＣＮＰボクセルプロテーゼ組織モデルに基づいて、個人の経験と合わせて、直接的にモデルにおいて平滑化する必要のあるＲＯＩ境界を選択し、または自動的に取得された上記ＲＯＩ境界を修正することができる。
ステップ３において境界を平滑化処理し、具体的には、偏微分方程式によってステップ２で取得されたＲＯＩ境界、即ち階段状の外部輪郭を描画し、理解すべきは、その境界に対する表示が偏微分方程式とは限らず、該境界を描写可能な数学方法であればよい。そのＲＯＩ境界は、複数の閉鎖または開放する構成部分を含むことができ、各構成部分は、偏微分方程式で描写可能なサブ幾何的ドメインに分ける必要がある可能性もあり、その後に各偏微分方程式の解を求め、例えば有限要素法（ｆｉｎｉｔｅ ｅｌｅｍｅｎｔ ｍｅｔｈｏｄ）を利用して、その偏微分方程式の近似解を見つけ出し、かつ解求めの結果に基づいて、各サブ幾何的ドメインを平滑な境界構成部分に修正し、さらに全体の平滑なＲＯＩ境界を整合し、それで階段状の外部輪郭が平滑な曲面の外部輪郭に修正される。当然、市販のソフトウェア、例えば有限要素解析ソフトウェアＡｂａｑｕｓ＼ＣＡＥを用いて上記処理を行うこともできる。
図５に示すとおり、ステップ５における、三次元ＭＣＮＰボクセルプロテーゼ組織モデルの構築方法は、具体的には、主に二つの実施例を含む。
第一の実施例では幾何的モデル（三次元ＭＣＮＰボクセルプロテーゼ組織モデル）の構築方法を提供し、それは、医用画像データと組織種類との間の変換関係に基づいて組織種類を定義するステップ、組織グループ化数を決定するステップ、医用画像データと密度との間の変換関係に基づいて組織密度を定義するステップ、組織と密度情報とを備える３Ｄコードマトリックスを構築するステップ、および幾何的モデルを生成するステップ、を含む。
医用画像データと組織種類との間の変換関係に基づいて、実際の必要に応じて組織グループ化数を決定することができ、それにより組織種類、元素構成および密度をより正確に提供し、構築される幾何的モデルを医学映像データによって反映された実際の状況によくマッチングさせる。
幾何的モデルの構築方法は、さらに、Ｂ‐１０濃度を予め設定するステップ、およびＢ‐１０濃度情報を備える３Ｄコードマトリックスを構築するステップ、を含み、Ｂ‐１０濃度情報は正常な血液のホウ素含有薬物の濃度、腫瘍‐血液ホウ素濃度比、組織‐血液ホウ素濃度比など、を含む。Ｂ‐１０濃度情報がマークされた幾何的モデルによって、各ボクセルポイント内のホウ素含有薬物の濃度をよく把握することができ、それで中性子捕捉療法の照射シミュレーションを行う時に、実際の状況をより正確に反映することができる。
組織グループ化数は、ユーザが手動で定義する組織グループ化数に、データベースに既存の４種の組織グループ化数、または１４種の組織グループ化数を加えるものである。既存のデータベースに対応する組織グループ化数が確立されていなければ、実際の状況に応じて一つの新しい組織グループ化数を決定することができる。このように、既存のデータベースでは対応する組織グループ化数と完全にマッチングすることができないため、近似して選択せざるを得ないということを回避し、モデル構築の正確性を効果的に向上させる。
幾何的モデルの構築方法は、さらに、３Ｄ組織コードマトリックスを構築するステップ、および３Ｄ密度コートマトリックスを構築するステップ、を含む。医用画像データスライスに基づいて、対応する変換関係により、各スライスに対応する組織コードおよ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および３Ｄ密度コードマトリックスを構築する。
幾何的モデルは、ＭＣＮＰソフトウェアの入力ファイルに必要とされる格子カード（ｌａｔｔｉｃｅ ｃａｒｄ）、セルカード（ｃｅｌｌ ｃａｒｄ）、サーフェイスカード（ｓｕｒｆａｃｅ ｃａｒｄ）およびマテリアルカード（ｍａｔｅｒｉａｌ ｃａｒｄ）を含む。最終的に、医用画像データによってＭＣＮＰソフトウェアの入力ファイルに必要とされる格子カード、セルカード、サーフェイスカードおよびマテリアルカードを取得し、それにより近似計算のために理論的拠り所を提供し、かつ正確な近似計算結果を取得する。
第二の実施例が提供する幾何的モデルの構築方法は、ＲＯＩ境界を定義し、または読み取るステップ；医用画像ボクセルがＲＯＩ境界内にあるか否かを判定するステップ；肯定の場合、各ＲＯＩ境界内のボクセルのために、一つの特定組織および密度を予め設定する方式によって、ユーザの手動による組織種類および密度の定義を行うステップ、または医用画像データと組織種類／密度との間の変換関係に基づいてＲＯＩ組織種類および密度を自動的に定義するステップに入り、否定の場合、医用画像データと組織種類との間の変換関係に基づいて組織種類を自動的に定義するステップに入り、かつ医用画像データと密度との間の変換関係に基づいて組織密度を定義するステップ；組織および密度情報を備える３Ｄコードマトリックスを構築するステップ；幾何的モデルを生成するステップ；を含む。
ユーザはＲＯＩの組織種類、元素構成および密度を手動で定義することができる。ＲＯＩ境界内に位置しなければ、医用画像データと組織種類／密度との間の変換関係に基づいて組織種類の定義を行い、かつ実際の必要に応じて組織グループ化数を決定し、それにより組織種類、元素構成および密度をより正確に提供し、構築される幾何的モデルを医用画像データによって反映された実際の状況によくマッチングさせる。
幾何的モデルの構築方法は、Ｂ‐１０濃度を予め設定するステップ、およびＢ‐１０濃度情報を備える３Ｄコードマトリックスを構築するステップ、を含み、Ｂ‐１０濃度情報は正常な血液のホウ素含有薬物の濃度、腫瘍‐血液ホウ素濃度比、組織‐血液ホウ素濃度比など、を含む。Ｂ‐１０濃度情報がマークされた幾何的モデルによって、各ボクセルポイント内のホウ素含有薬物の濃度をよく把握することができ、それで中性子捕捉療法の照射シミュレーションを行う時に、実際の状況をより正確に反映することができる。
組織グループ化数は、ユーザが手動で定義する組織グループ化数に、データベースに既存の４種の組織グループ化数、または１４種の組織グループ化数を加えるものである。単一のＲＯＩ境界内にカバーされるＣＴ値の範囲がより大きければ（例えば粘膜腔室である）、ＣＴ値と組織種類、密度とのマッチングを自動的に行うことができ、それによって、唯一の組織種類（元素構成）および密度を予め設定したため、線量計算の誤差を引き起こすことを回避する。既存のデータベースに対応する組織グループ化数が確立されていなければ、実際の状況に応じて一つの新しい組織グループ化数を決定することができる。このように、もし既存のデータベースでは対応する組織グループ化数と完全にマッチングすることができなければ、近似して選択せざるを得ないということを回避し、モデル構築の正確性を効果的に向上させる。
幾何的モデルの構築方法は、さらに、３Ｄ組織コードマトリックスを構築するステップ、および３Ｄ密度コートマトリックスを構築するステップ、を含む。医用画像データスライスに基づいて、対応する変換関係により、各スライスに対応する組織コードおよ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および３Ｄ密度コードマトリックスを構築する。
幾何的モデルは、ＭＣＮＰソフトウェアの入力ファイルに必要とされる格子カード、セルカード、サーフェイスカードおよびマテリアルカードを含む。最終的に、医用画像データによってＭＣＮＰソフトウェアの入力ファイルに必要とされる格子カード、セルカード、サーフェイスカードおよびマテリアルカードを取得し、それにより近似計算のために理論的拠り所を提供し、かつ正確な近似計算結果を取得する。
図６に示すとおり、以下は、本発明が開示する幾何的モデルの構築方法における、既存データベース内のＣＴ値‐組織種類、およびＣＴ値‐組織密度の変換関係グラフについて説明する。
ＣＴ値は、またＨｏｕｎｓｆｉｅｌｄ Ｕｎｉｔ （ＨＵ）と呼ばれ、光減衰係数を反映する単位であり、その定義は、公式１、
のとおりである。
Vanderstraetenらが２００７年に発表した文献（Barbara Vanderstraeten et al, “Convension of CT numbers into tissue parametersfor Monte Carlo dose calculations: a multi-centre study”, Phys. Med. Biol. 52 (2007) 539-562.）を引用し、ＣＴ値の大きさの違いによって、１種の空気(air)、１種の肺組織(lung)、２種の軟部組織（脂肪(adipose)および筋組織(muscle))、１０種の骨組織(bone)に変換することができ、言い換えれば、異なるＣＴ値は異なる元素で構成される計１４種の組織に対応し、下表１に示すとおりである。
Vanderstraetenらが２００７年に発表した文献（Barbara Vanderstraeten et al, “Convension of CT numbers into tissue parametersfor Monte Carlo dose calculations: a multi-centre study”, Phys. Med. Biol. 52 (2007) 539-562.）を引用し、ＣＴ値の大きさの違いによって、１種の空気(air)、１種の肺組織(lung)、２種の軟部組織（脂肪(adipose)および筋組織(muscle))、１０種の骨組織(bone)に変換することができ、言い換えれば、異なるＣＴ値は異なる元素で構成される計１４種の組織に対応し、下表１に示すとおりである。
理解すべきは、本発明をさらに、プロトン、重イオン、Ｘ線またはガンマ線などのような、当業者が熟知するＭＣＮＰでシミュレーション可能な他の放射線による治療分野に応用することができ、また、アルツハイマー病や関節リウマチのような、放射線で治療可能な他の病気に応用してもよく、その場合のがん細胞が他の病変組織になる、ことである。
以上では、当業者に本発明をよく理解させるために、本発明の説明的な具体的実体形態を記載したが、理解すべきは、本発明が具体的な実施形態の範囲に限定されるものではなく、当業者にとって、各種の変更が添付の特許請求によって規定された本発明の思想および範囲内にあれば、これらの変更がいずれも本発明の特許請求に範囲に属する、ことである。
Claims (5)
- 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であって、
コンピュータが医用画像データを読み取るステップ、
前記コンピュータが前記医用画像データに基づいて三次元医用画像ボクセルモデルを構築するステップ、
前記コンピュータが前記三次元医用画像ボクセルモデルを平滑化するステップ、
前記コンピュータが幾何的モデルを構築するステップ、を含み、
前記幾何的モデルは、組織の種類、組織の密度情報を有し、
前記コンピュータが前記三次元医用画像ボクセルモデルを平滑化する前記ステップは、さらに、
前記コンピュータがＲＯＩ境界を定義し、または読み取るステップ、
前記コンピュータが前記ＲＯＩ境界を偏微分方程式で表すステップ、
前記コンピュータが前記偏微分方程式の解を求め、かつ解求めの結果に基づいて前記ＲＯＩ境界を修正して修正されたＲＯＩ境界を得るステップ、を含み、
前記幾何的モデルは、前記コンピュータが以下の処理を実行することによって、すなわち、
前記医療画像データの複数の医用画像ボクセルの各々が前記修正されたＲＯＩ境界内にあるかを判定し、
前記複数の医用画像ボクセルの一の医用画像ボクセルが前記修正されたＲＯＩ境界内にあると判定された場合に、前記修正されたＲＯＩ境界内の前記複数の医用画像ボクセルの前記一の医用画像ボクセルのために、一つの特定組織および密度を予め設定する方式によって、ユーザ入力に基づいて組織の種類および密度の定義を行い、または、前記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ＲＯＩの組織の種類を自動的に定義し、組織の組織グループ化数を決定し、前記医学画像データと密度との間の変換関係に基づいて前記ＲＯＩの組織の密度を自動的に定義し、
前記複数の医用画像ボクセルの一の医用画像ボクセルが前記修正されたＲＯＩ境界内にないと判定された場合に、
前記医用画像データと前記組織の種類との間の前記変換関係に基づいて前記組織の種類を自動的に定義し、
前記組織グループ化数を決定し、
前記医学画像データと前記密度との間の前記変換関係に基づいて前記組織の密度を自動的に定義し、
前記組織の情報および前記密度の情報を備える３Ｄコードマトリックスを構築し、
Ｂ‐１０濃度を予め設定して、前記Ｂ‐１０濃度の情報を備える３Ｄコードマトリックスを構築する、
ことによって、構築される、
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。 - 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であって、
コンピュータが医用画像データを読み取るステップ、
前記コンピュータが前記医用画像データに基づいて幾何的モデルを構築するステップであって、前記幾何的モデルが組織の種類、組織の密度情報を有し、
前記幾何的モデルは、前記コンピュータが以下の処理を実行することによって、すなわち、
前記コンピュータがＲＯＩ境界を定義し、または読み取り、
前記医療画像データの複数の医用画像ボクセルの各々が前記ＲＯＩ境界内にあるかを判定し、
前記複数の医用画像ボクセルの一の医用画像ボクセルが前記ＲＯＩ境界内にあると判定された場合に、前記ＲＯＩ境界内の前記複数の医用画像ボクセルの前記一の医用画像ボクセルのために、一つの特定組織および密度を予め設定する方式によって、ユーザ入力に基づいて組織の種類および密度の定義を行い、または、前記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ＲＯＩの組織の種類を自動的に定義し、組織の組織グループ化数を決定し、前記医学画像データと密度との間の変換関係に基づいて前記ＲＯＩの組織の密度を自動的に定義し、
前記複数の医用画像ボクセルの一の医用画像ボクセルが前記ＲＯＩ境界内にないと判定された場合に、
前記医用画像データと組織の種類との間の前記変換関係に基づい前記組織の種類を自動的に定義し、
前記組織グループ化数を決定し、
前記医学画像データと前記密度との間の前記変換関係に基づいて前記組織の密度を自動的に定義し、
前記組織の情報および前記密度の情報を備える３Ｄコードマトリックスを構築し、
Ｂ‐１０濃度を予め設定して、前記Ｂ‐１０濃度の情報を備える３Ｄコードマトリックスを構築する、
ことによって構築される、ステップ、
前記コンピュータが前記幾何的モデルを平滑化するステップ、を含み、
前記コンピュータが前記幾何的モデルを平滑化する前記ステップは、さらに、
前記コンピュータがＲＯＩ境界を定義し、または読み取るステップ、
前記コンピュータが前記ＲＯＩ境界を偏微分方程式で表すステップ、
前記コンピュータが前記偏微分方程式の解を求め、かつ解求めの結果に基づいて前記ＲＯＩ境界を修正するステップ、を含む、
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。 - 前記コンピュータが前記ＲＯＩ境界を平滑化する前記ステップは、有限要素解析ソフトウェアによって処理される、ことを特徴とする
請求項１または２に記載の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。 - 前記ＲＯＩ境界は、医用画像データに既に定義されたものおよび／または新規追加されるものであり、前記新規追加されるＲＯＩ境界は、自動的判定によって取得される、ことを特徴とする
請求項１または２に記載の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。 - 前記平滑化幾何的モデルの構築方法は、中性子捕捉療法の照射シミュレーションに用いられ、前記幾何的モデルは、さらに、組織のホウ素濃度情報を有する、ことを特徴とする
請求項１または２に記載の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。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710017475.5 | 2017-01-11 | ||
| CN201710017475.5A CN108310677B (zh) | 2017-01-11 | 2017-01-11 | 基于医学影像数据的平滑几何模型建立方法 |
| PCT/CN2017/092746 WO2018129890A1 (zh) | 2017-01-11 | 2017-07-13 | 基于医学影像数据的平滑几何模型建立方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2020503961A JP2020503961A (ja) | 2020-02-06 |
| JP6938647B2 true JP6938647B2 (ja) | 2021-09-22 |
Family
ID=62839197
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019537260A Active JP6938647B2 (ja) | 2017-01-11 | 2017-07-13 | 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 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US11087524B2 (ja) |
| EP (1) | EP3566747A4 (ja) |
| JP (1) | JP6938647B2 (ja) |
| CN (1) | CN108310677B (ja) |
| TW (1) | TWI647657B (ja) |
| WO (1) | WO2018129890A1 (ja) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3666336B1 (en) * | 2017-08-24 | 2021-06-16 | Neuboron Medtech Ltd. | Neutron capture therapy system |
| CN113877073B (zh) * | 2020-07-03 | 2023-09-12 | 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 |
| WO2022198554A1 (zh) * | 2021-03-25 | 2022-09-29 | 中国科学院近代物理研究所 | 三维图像引导运动器官定位方法、系统及存储介质 |
| CN113341083A (zh) * | 2021-04-27 | 2021-09-03 | 清华大学 | 基于动物呼吸道体外仿生的给药剂量评价方法及装置 |
| CN116152124B (zh) * | 2023-04-23 | 2023-09-15 | 广东欧谱曼迪科技有限公司 | 一种脉管模型的平滑方法、装置、电子设备及存储介质 |
Family Cites Families (24)
| 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 |
| TWI268148B (en) * | 2004-11-25 | 2006-12-11 | Univ Chung Yuan Christian | Image analysis method for vertebral disease which comprises 3D reconstruction method and characteristic identification method of unaligned transversal slices |
| US8125813B2 (en) * | 2005-06-16 | 2012-02-28 | Best Medical International, Inc. | Variance reduction simulation system, program product, and related methods |
| US8073658B2 (en) * | 2006-06-05 | 2011-12-06 | Cambridge Research & Instrumentation, Inc. | Monte Carlo simulation using GPU units on personal computers |
| CN100561518C (zh) * | 2007-06-22 | 2009-11-18 | 崔志明 | 基于感兴趣区域的自适应医学序列图像插值方法 |
| US8111256B2 (en) * | 2008-03-11 | 2012-02-07 | Ford Motor Company | Method of altering a mesh model using model independent dirichlet parametrization |
| CN100589775C (zh) * | 2008-03-11 | 2010-02-17 | 微创医疗器械(上海)有限公司 | 一种重建人体器官三维表面的方法及系统 |
| JP5241357B2 (ja) | 2008-07-11 | 2013-07-17 | 三菱プレシジョン株式会社 | 生体データモデル作成方法及びその装置 |
| US8139709B2 (en) * | 2008-09-15 | 2012-03-20 | University Of Utah Research Foundation | Staggered circular scans for CT imaging |
| US9205279B2 (en) * | 2009-07-17 | 2015-12-08 | Cyberheart, Inc. | Heart tissue surface contour-based radiosurgical treatment planning |
| CN101751697B (zh) * | 2010-01-21 | 2011-09-14 | 西北工业大学 | 一种基于统计模型的三维场景重建方法 |
| WO2012017375A2 (en) * | 2010-08-05 | 2012-02-09 | Koninklijke Philips Electronics N.V. | In-plane and interactive surface mesh adaptation |
| JP5641503B2 (ja) * | 2010-10-15 | 2014-12-17 | 国立大学法人 筑波大学 | マルチステップ・ラティス・ボクセル法 |
| CN102580230B (zh) * | 2012-01-10 | 2014-03-12 | 合肥工业大学 | 基于体元活度的精确模拟核医学非均匀剂量分布方法 |
| CN103065358B (zh) * | 2013-01-14 | 2015-03-18 | 中国科学院合肥物质科学研究院 | 一种基于影像体元运算的器官几何重建方法 |
| US10292670B2 (en) * | 2013-12-04 | 2019-05-21 | Elekta Ltd. | Method and system for dose calculation based on continuous material indexing |
| GB2521409A (en) | 2013-12-18 | 2015-06-24 | Elekta Ab | Target-specific dose & scatter estimation in CT images |
| US9524582B2 (en) * | 2014-01-28 | 2016-12-20 | Siemens Healthcare Gmbh | Method and system for constructing personalized avatars using a parameterized deformable mesh |
| CN106133790B (zh) * | 2014-03-28 | 2020-09-29 | 皇家飞利浦有限公司 | 用于在组织种类分离的帮助下基于磁共振图像生成一幅或多幅计算机断层摄影图像的方法和设备 |
| US10147185B2 (en) * | 2014-09-11 | 2018-12-04 | B.G. Negev Technologies And Applications Ltd., At Ben-Gurion University | Interactive segmentation |
| 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 |
| US11547868B2 (en) * | 2014-10-17 | 2023-01-10 | Koninklijke Philips N.V. | System for real-time organ segmentation and tool navigation during tool insertion in interventional therapy and method of operation thereof |
| JP6467654B2 (ja) * | 2014-11-19 | 2019-02-13 | 東芝エネルギーシステムズ株式会社 | 医用画像処理装置、方法、プログラム及び放射線治療装置 |
| EP3287914A1 (de) * | 2016-08-23 | 2018-02-28 | Siemens Healthcare GmbH | Ermittlung von ergebnisdaten auf basis von medizinischen messdaten aus verschiedenen messungen |
-
2017
- 2017-01-11 CN CN201710017475.5A patent/CN108310677B/zh active Active
- 2017-07-13 EP EP17891766.2A patent/EP3566747A4/en active Pending
- 2017-07-13 WO PCT/CN2017/092746 patent/WO2018129890A1/zh unknown
- 2017-07-13 JP JP2019537260A patent/JP6938647B2/ja active Active
- 2017-08-24 TW TW106128758A patent/TWI647657B/zh active
-
2019
- 2019-07-02 US US16/459,952 patent/US11087524B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN108310677B (zh) | 2020-02-28 |
| WO2018129890A1 (zh) | 2018-07-19 |
| EP3566747A4 (en) | 2020-02-19 |
| TW201826224A (zh) | 2018-07-16 |
| CN108310677A (zh) | 2018-07-24 |
| JP2020503961A (ja) | 2020-02-06 |
| US11087524B2 (en) | 2021-08-10 |
| TWI647657B (zh) | 2019-01-11 |
| EP3566747A1 (en) | 2019-11-13 |
| US20190325637A1 (en) | 2019-10-24 |
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 | |
| 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 | |
| Papagiannis et al. | Current state of the art brachytherapy treatment planning dosimetry algorithms | |
| CN104548372B (zh) | 放射治疗的剂量确定装置 | |
| JP6938646B2 (ja) | 医用画像に基づく組織元素質量比率の脱構築方法及び幾何的モデルの構築方法 | |
| 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 | |
| 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 | |
| Borbinha | Organ Dose Estimates in Thorax CT: Voxel Phantom Organ Matching With Individual Patient Anatomy | |
| Verhaegen | Treatment planning for small animals | |
| Shirazi et al. | Creating a Novel Method for Precise Dosimetry of Liver Tissue in Radiotherapy | |
| Zakariaee Kouchaksaraee | Localized bladder dose accumulation in multi-fraction cervical cancer brachytherapy | |
| Wang | Development of an adjoint Monte Carlo method for clinical prostate radiation treatment | |
| Rodriguez et al. | PRIMO: Eine graphische Benutzeroberfläche für Monte-Carlo-Simulationen von Varian-und Elekta-Linearbeschleunigern | |
| Del Moral et al. | Physics and Technology | |
| Pyakuryal | A study of the radiobiological modeling of the conformal radiation therapy in cancer treatment |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190726 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200623 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200624 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200914 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20210302 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210618 |
|
| C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20210618 |
|
| A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20210628 |
|
| C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20210629 |
|
| 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: 20210824 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210901 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6938647 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |