JP7389445B2 - 線量分布判定システム、深層学習装置、線量分布判定方法及びコンピュータプログラム - Google Patents
線量分布判定システム、深層学習装置、線量分布判定方法及びコンピュータプログラム Download PDFInfo
- Publication number
- JP7389445B2 JP7389445B2 JP2019084713A JP2019084713A JP7389445B2 JP 7389445 B2 JP7389445 B2 JP 7389445B2 JP 2019084713 A JP2019084713 A JP 2019084713A JP 2019084713 A JP2019084713 A JP 2019084713A JP 7389445 B2 JP7389445 B2 JP 7389445B2
- Authority
- JP
- Japan
- Prior art keywords
- dose distribution
- affected area
- distribution
- target
- information
- 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
- 238000009826 distribution Methods 0.000 title claims description 293
- 238000013135 deep learning Methods 0.000 title claims description 55
- 238000000034 method Methods 0.000 title claims description 10
- 238000004590 computer program Methods 0.000 title claims description 6
- 230000005855 radiation Effects 0.000 claims description 48
- 230000006870 function Effects 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 7
- 210000000664 rectum Anatomy 0.000 description 31
- 238000004891 communication Methods 0.000 description 28
- 238000010586 diagram Methods 0.000 description 15
- 238000002474 experimental method Methods 0.000 description 14
- 238000001959 radiotherapy Methods 0.000 description 9
- 230000015572 biosynthetic process Effects 0.000 description 6
- 238000003786 synthesis reaction Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000010365 information processing Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000002591 computed tomography Methods 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000005401 electroluminescence Methods 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000002721 intensity-modulated radiation therapy Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 210000003708 urethra Anatomy 0.000 description 1
Images
Description
図1は、実施形態の線量分布判定システム100のハードウェア構成の一例を示す図である。
線量分布判定システム100は、放射線治療において対象患部に照射される放射線の対象患部における線量分布を、対象患部情報と所定の深層学習によって予め学習された学習結果とに基づいて判定する。対象患部は、放射線治療における治療の対象となる患部であって、放射線の照射対象の患部である。すなわち、対象患部は放射線治療における標的体積である。対象患部情報は、対象患部の位置と断面の輪郭とを示す情報である。より具体的には、対象患部情報は、同一の対象患部の複数の断面の位置及び輪郭を示す情報である。同一の対象患部の複数の断面は、例えば、所定の一軸上の異なる位置における対象患部の断面であってもよい。放射線治療はどのような放射線治療であってもよく、例えば、強度変調放射線治療(intensity-modulated radiation therapy:IMRT)であってもよい。所定の深層学習は、説明患部情報を説明変数とし、目的線量分布情報を目的変数(すなわち教師データ)とする深層学習である。説明患部情報は、所定の深層学習における学習の過程で用いられる情報であって患部の位置と断面の輪郭とを示す情報である。目的線量分布情報は、所定の深層学習における学習の過程で用いられる情報であり、予め説明患部情報に対応付けられた情報であり、対応先の説明患部情報が示す断面における線量分布を示す情報である。所定の深層学習におけるアルゴリズムは、患部の位置と断面の輪郭と、線量分布との関係を学習可能なアルゴリズムであればどのような深層学習のアルゴリズムであってもよい。所定の深層学習におけるアルゴリズムは、例えば、オートエンコーダのアルゴリズムであってもよい。所定の深層学習におけるアルゴリズムは、例えば、リカレントニューラルネットワークのアルゴリズムであってもよい。所定の深層学習におけるアルゴリズムは、例えば、畳み込みニューラルネットワークのアルゴリズムであってもよい。所定の深層学習におけるアルゴリズムは、例えば、U-Netであってもよい。以下、患部の位置と断面の輪郭と、線量分布と、の関係を学習する深層学習を線量分布学習という。以下、患部の位置と断面の輪郭と、線量分布との関係を示す情報であって線量分布学習による学習結果を示す情報を関係情報という。
図5及び図6を用いて、線量分布判定装置2が判定した線量分布と治療者が判定した線量分布との違いが小さいことを示す。
図5は、図2に示す対象患部901、902、903及び904に照射する放射線の線量分布を線量分布判定装置2が判定した結果の一例を示す図である。すなわち、図5は、線量分布判定装置2が判定した線量分布候補情報の実験結果の一例である。より具体的には、図5は合成結果情報の一例である。図5は、図2に示す対象患部901、902、903及び904に照射される放射線の線量分布を示す。
深層学習装置1に入力される目的線量分布情報が示す線量分布は、対象患部における線量の平均値によって正規化された線量分布であってもよい。図7~図13を用いて、目的線量分布情報が示す線量分布が平均値正規化線量分布である場合に制御部21が判定する線量分布の実験(以下「変形例の実験」という。)の実験結果を説明する。より具体的には、目的線量分布情報が示す線量分布が最大値正規化線量分布である場合と比較して、説明する。平均値正規化線量分布は、対象患部における線量の平均値によって正規化された線量分布である。最大値正規化線量分布は、対象患部における線量の最大値によって正規化された線量分布である。
図8が示す線量分布は、図7に示す患部901a、902a、903a及び904aに照射する放射線の線量分布である。図8は、患部に照射される放射線の線量がPTVと直腸の重複領域に照射される線量よりも多い線量であることを示す。図8は、患部に照射される放射線の線量が直腸に照射される線量よりも多い線量分布であることを示す。なお、図8における複数の治療者によって決定された結果とは、変形例の実験において、放射線の線量分布が患者にとって望ましいか否かを複数の治療者が検討して決定した結果という意味である。図6における複数の治療者によって決定された結果と同様に、このような複数の治療者が検討して決定する場合、治療者1人当たりが決定に要する時間は3時間や4時間等の数時間である。以下、変形例の実験において複数の治療者によって決定された線量分布を第1分布という。
Claims (6)
- 放射線の照射対象の患部である対象患部の位置と断面の輪郭とを示す情報である対象患部情報を取得する取得部と、
患部の位置と断面の輪郭とを示す情報を説明変数とし前記患部に照射する放射線の線量分布を示す情報を目的変数とする深層学習の学習結果と、前記対象患部情報とに基づいて、前記対象患部に照射する放射線の線量分布を決定する制御部と、
を備え、
前記深層学習における目的変数の線量分布は、前記対象患部における線量の平均値又は最大値によって正規化された線量分布であり、前記平均値又は最大値は前記正規化の対象である前記線量分布の正規化前の線量分布の平均値又は最大値である、
線量分布判定システム。 - 前記深層学習を実行する深層学習部、
をさらに備える請求項1に記載の線量分布判定システム。 - 患部の位置と断面の輪郭とを示す情報を説明変数とし前記患部に照射する放射線の線量分布を示す情報を目的変数とする深層学習を実行する深層学習部、
を備え、
前記深層学習における目的変数の線量分布は、前記対象患部における線量の平均値又は最大値によって正規化された線量分布であり、前記平均値又は最大値は前記正規化の対象である前記線量分布の正規化前の線量分布の平均値又は最大値である、
深層学習装置。 - 放射線の照射対象の患部である対象患部の位置と断面の輪郭とを示す情報である対象患部情報を取得する取得ステップと、
患部の位置と断面の輪郭とを示す情報を説明変数とし前記患部に照射する放射線の線量分布を示す情報を目的変数とする深層学習の学習結果と、前記対象患部情報とに基づいて、前記対象患部に照射する放射線の線量分布を決定する制御ステップと、
を有し、
前記深層学習における目的変数の線量分布は、前記対象患部における線量の平均値又は最大値によって正規化された線量分布であり、前記平均値又は最大値は前記正規化の対象である前記線量分布の正規化前の線量分布の平均値又は最大値である、
線量分布判定方法。 - 請求項1又は2のいずれか一項に記載の線量分布判定システムとしてコンピュータを機能させるためのコンピュータプログラム。
- 請求項3に記載の深層学習装置としてコンピュータを機能させるためのコンピュータプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019084713A JP7389445B2 (ja) | 2019-04-25 | 2019-04-25 | 線量分布判定システム、深層学習装置、線量分布判定方法及びコンピュータプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019084713A JP7389445B2 (ja) | 2019-04-25 | 2019-04-25 | 線量分布判定システム、深層学習装置、線量分布判定方法及びコンピュータプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020178935A JP2020178935A (ja) | 2020-11-05 |
JP7389445B2 true JP7389445B2 (ja) | 2023-11-30 |
Family
ID=73022850
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019084713A Active JP7389445B2 (ja) | 2019-04-25 | 2019-04-25 | 線量分布判定システム、深層学習装置、線量分布判定方法及びコンピュータプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7389445B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022074801A (ja) * | 2020-11-05 | 2022-05-18 | 国立大学法人東北大学 | 磁場影響を考慮した線量分布作成プログラム、磁場影響を考慮した線量分布作成方法、および線量分布作成装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016523146A (ja) | 2013-06-21 | 2016-08-08 | シリス メディカル インコーポレイテッドSiris Medical,Inc. | 多目的放射線療法選択システムおよび方法 |
JP2017522097A (ja) | 2014-06-18 | 2017-08-10 | エレクタ アクチボラゲット(パブル) | 自動治療計画のためのシステム及び方法 |
WO2018048575A1 (en) | 2016-09-07 | 2018-03-15 | Elekta, Inc. | System and method for learning models of radiotherapy treatment plans to predict radiotherapy dose distributions |
JP2019030648A (ja) | 2017-08-09 | 2019-02-28 | 学校法人東京女子医科大学 | 線量分布予測システム、線量分布予測方法及び線量分布予測プログラム |
-
2019
- 2019-04-25 JP JP2019084713A patent/JP7389445B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016523146A (ja) | 2013-06-21 | 2016-08-08 | シリス メディカル インコーポレイテッドSiris Medical,Inc. | 多目的放射線療法選択システムおよび方法 |
JP2017522097A (ja) | 2014-06-18 | 2017-08-10 | エレクタ アクチボラゲット(パブル) | 自動治療計画のためのシステム及び方法 |
WO2018048575A1 (en) | 2016-09-07 | 2018-03-15 | Elekta, Inc. | System and method for learning models of radiotherapy treatment plans to predict radiotherapy dose distributions |
JP2019030648A (ja) | 2017-08-09 | 2019-02-28 | 学校法人東京女子医科大学 | 線量分布予測システム、線量分布予測方法及び線量分布予測プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2020178935A (ja) | 2020-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11103727B2 (en) | Model based PBS optimization for flash therapy treatment planning and oncology information system | |
RU2684173C2 (ru) | Система и способ для автоматического планирования лечения | |
RU2696428C2 (ru) | Система и способ отслеживания целевого объекта с использованием показателя качества во время лучевой терапии | |
JP2021519120A (ja) | Ct/linacコンソールにおける適応放射線療法のための決定支援ツール | |
US11684800B2 (en) | Apparatus to facilitate the administration of a knowledge-based radiation treatment plan | |
Mayo et al. | Incorporating big data into treatment plan evaluation: Development of statistical DVH metrics and visualization dashboards | |
Persoon et al. | Time-resolved versus integrated transit planar dosimetry for volumetric modulated arc therapy: patient-specific dose differences during treatment, a proof of principle | |
Bolch et al. | Dosimetric models of the eye and lens of the eye and their use in assessing dose coefficients for ocular exposures | |
Guthier et al. | A fast multitarget inverse treatment planning strategy optimizing dosimetric measures for high‐dose‐rate (HDR) brachytherapy | |
JP7389445B2 (ja) | 線量分布判定システム、深層学習装置、線量分布判定方法及びコンピュータプログラム | |
Rechner et al. | Biological optimization for mediastinal lymphoma radiotherapy–a preliminary study | |
WO2019068377A2 (en) | OPTIMIZATION OF A TREATMENT PLAN BASED ON A SCORE FUNCTION DEPENDING ON A QUALITY FUNCTION | |
CN115605262A (zh) | 在放射治疗计划优化中使用强化学习来定位剂量-体积目标 | |
US10143858B2 (en) | Normal tissue sparing in radiation therapy treatment planning using prioritization for optimizing tissue indices | |
Farhood et al. | Dose calculation accuracy of radiotherapy treatment planning systems in out-of-field regions | |
CN103959345B (zh) | 使用颜色的剂量分布显示方法 | |
Lee et al. | Biological planning for high-dose-rate brachytherapy: Application to cervical cancer treatment | |
US20220296925A1 (en) | Method and system for robust radiotherapy treatment planning for biological uncertainties | |
Gh et al. | Developing a mobile phone application for common radiotherapy calculations | |
US20240001139A1 (en) | Machine learning prediction of dose volume histogram shapes | |
US20240001138A1 (en) | Detecting anomalous dose volume histogram information | |
US20230095485A1 (en) | Machine Learning-Based Generation of 3D Dose Distributions for Volumes Not Included in a Training Corpus | |
CN116669815A (zh) | 使用多目标优化向患者递送治疗性能量的方法和装置 | |
Halvorsen | Acknowledge uncertainties | |
Alexandrian | Advancements in Radiotherapy Plan Evaluation Using Quantitative Scoring Methodology |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20190527 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220302 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230210 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230214 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20230403 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230529 |
|
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: 20230912 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20231012 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231110 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7389445 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |