JP7461664B2 - 照射線量推定装置および照射線量推定方法 - Google Patents
照射線量推定装置および照射線量推定方法 Download PDFInfo
- Publication number
- JP7461664B2 JP7461664B2 JP2022026417A JP2022026417A JP7461664B2 JP 7461664 B2 JP7461664 B2 JP 7461664B2 JP 2022026417 A JP2022026417 A JP 2022026417A JP 2022026417 A JP2022026417 A JP 2022026417A JP 7461664 B2 JP7461664 B2 JP 7461664B2
- Authority
- JP
- Japan
- Prior art keywords
- particle beam
- exposure dose
- particle
- detection sensor
- beam detection
- 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 title claims description 33
- 239000002245 particle Substances 0.000 claims description 363
- 238000001514 detection method Methods 0.000 claims description 117
- 238000009826 distribution Methods 0.000 claims description 81
- 238000004364 calculation method Methods 0.000 claims description 75
- 239000003550 marker Substances 0.000 claims description 34
- 238000006243 chemical reaction Methods 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 230000003287 optical effect Effects 0.000 claims description 16
- 230000001678 irradiating effect Effects 0.000 claims description 7
- 238000009434 installation Methods 0.000 claims description 5
- 238000011282 treatment Methods 0.000 description 22
- 238000010801 machine learning Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 9
- 238000013500 data storage Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000002560 therapeutic procedure Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 229920003023 plastic Polymers 0.000 description 4
- 239000004033 plastic Substances 0.000 description 4
- 238000001727 in vivo Methods 0.000 description 3
- 238000002600 positron emission tomography Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 229920003229 poly(methyl methacrylate) Polymers 0.000 description 2
- 239000004926 polymethyl methacrylate Substances 0.000 description 2
- 238000001959 radiotherapy Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000004347 surface barrier Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 239000002246 antineoplastic agent Substances 0.000 description 1
- 229940041181 antineoplastic drug Drugs 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000004071 biological effect Effects 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000002512 chemotherapy Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000005281 excited state Effects 0.000 description 1
- 239000006260 foam Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005283 ground state Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Landscapes
- Radiation-Therapy Devices (AREA)
- Measurement Of Radiation (AREA)
Description
本発明は、照射線量推定装置および照射線量推定方法に関し、特に、被験者に照射された粒子線を検出する照射線量推定装置および照射線量推定方法に関する。
がんの治療は、大きく分けて「外科的手術」、「抗がん剤による化学療法」および「放射線治療」の３つに分けられる。放射線治療は、ＱＯＬ（Quality of Life）が高い治療法として近年ますます注目を集めている。なかでも、陽子線や重粒子線等の粒子線を患部に照射する粒子線治療は先進医療の代表であり、年間８０００件もの治療が実施されている。一方で、粒子線は正確に照射しないと正常組織にまで予期せぬダメージを与える可能性があり、高精度な照射が求められる。そこで、治療前の計画段階において、ＣＴやＭＲＩから得られる生体内情報を活用したシミュレーション、さらには簡易モデルを用いた実測による線量推定技術が提案されている（たとえば特許文献１～４参照）
特許文献１に開示の技術では、被験者に見立てた液体シンチレータに粒子線を照射して、液体シンチレータの発光をカメラで計測し、ＣＴの原理によりその３次元分布を再現することで、治療計画における線量分布を可視化している。
特許文献２に開示の技術では、被験者の体内に入射前の粒子線を、多層の物質で厚みを変えて多数回測定することで、実際に被験者の体内に照射された粒子線の分布を計算している。
特許文献３に開示の技術では、特許文献２と同様に被験者の体内に入射前の粒子線を測定して、特に粒子線の深さ方向線量分布を計算している。
特許文献４に開示の技術では、治療計画の一環として粒子ビームの深度分布を測定している。上記はいずれも、治療前の計画段階で行うものであり、治療中に照射線量を実測する技術ではない。
特許文献２に開示の技術では、被験者の体内に入射前の粒子線を、多層の物質で厚みを変えて多数回測定することで、実際に被験者の体内に照射された粒子線の分布を計算している。
特許文献３に開示の技術では、特許文献２と同様に被験者の体内に入射前の粒子線を測定して、特に粒子線の深さ方向線量分布を計算している。
特許文献４に開示の技術では、治療計画の一環として粒子ビームの深度分布を測定している。上記はいずれも、治療前の計画段階で行うものであり、治療中に照射線量を実測する技術ではない。
治療計画とあわせ、粒子線の照射後（すなわち治療後）においては、全く異なるアプローチで事後の照射線量推定が行われる。入射粒子線は体内にある酸素や炭素と反応し、多数の陽電子放出核種を生成する。これら陽電子放出核種は数十分程度の寿命を持ち、最終的に５１１ｋｅＶのガンマ線を対方向に放出するため、現行の陽電子放射断層撮影装置（以下、「ＰＥＴ装置」という）を用いて可視化することができる。一方で、生成された核種は時間経過とともに体内を移動してしまう（ウォッシュアウト効果）。推定精度の向上のため、照射中かつリアルタイムで体内から生ずる様々なガンマ線（５１１ｋｅＶに限らない即発ガンマ線）の可視化など、あらゆる技術が試みられているが、いまだ実用化には至っていない。さらに、より根本的な課題として、特に５１１ｋｅＶガンマ線の空間分布は粒子線による実際の線量分布とは大きく掛け離れていることが知られている。これは次のような理由による。すなわち、粒子線治療は粒子線が体内で起こす電離作用により高い生物学的効果をもたらすが、ガンマ線は粒子線と体内元素が偶発的に起こす核反応で生じるため、本来目的とする電離作用とは何ら関係がない。両者に物理的な因果関係が一切ないため、上述のようにガンマ線の発生分布と、粒子線がもたらす線量付与の空間分布には大きな違いが生じる。
また、ＰＥＴ装置自体が１０億円程度の高額装置であり、広く一般に普及する技術にはなっておらず新たな技術が求められていた。
また、ＰＥＴ装置自体が１０億円程度の高額装置であり、広く一般に普及する技術にはなっておらず新たな技術が求められていた。
本発明は以上のような状況に鑑みなされたものでありその目的は、照射された粒子線の線量を治療中でも精度良く検出する技術を提供することにある。また別の観点では、そのような技術をコストを抑えて実現する技術を提供することにある。
本発明によれば、
被験者に照射され内部で散乱し外部に漏出した粒子線を検出する粒子線検知センサと、
前記粒子線検知センサに検出された粒子線をもとに、前記被験者に照射された粒子線の照射線量を算出する照射線量算出部と、
を有する照射線量推定装置が提供される。
本発明によれば、
被験者の内部に粒子線を照射する照射工程と、
前記被験者の外部に漏れた出た粒子線を検知する漏洩粒子線検知工程と、
前記漏洩粒子線検知工程において検出した粒子線をもとに照射された粒子線の照射線量を算出する照射線量算出工程と、
を有する照射線量推定方法が提供される。
被験者に照射され内部で散乱し外部に漏出した粒子線を検出する粒子線検知センサと、
前記粒子線検知センサに検出された粒子線をもとに、前記被験者に照射された粒子線の照射線量を算出する照射線量算出部と、
を有する照射線量推定装置が提供される。
本発明によれば、
被験者の内部に粒子線を照射する照射工程と、
前記被験者の外部に漏れた出た粒子線を検知する漏洩粒子線検知工程と、
前記漏洩粒子線検知工程において検出した粒子線をもとに照射された粒子線の照射線量を算出する照射線量算出工程と、
を有する照射線量推定方法が提供される。
本発明によれば、照射された粒子線と同じ線種の粒子線を検出するため、照射された粒子線の線量を精度良く検出する技術を提供できる。また別の観点では、そのような技術をコストを抑えて実現する技術を提供できる。
＜概要＞
本実施形態を図面を参照して説明する。図１は本実施形態に係る粒子線照射システム１００による照射線量空間分布の算出手順を説明する図である。図２は粒子線照射システム１００の概略構成を示す機能ブロック図である。
本実施形態を図面を参照して説明する。図１は本実施形態に係る粒子線照射システム１００による照射線量空間分布の算出手順を説明する図である。図２は粒子線照射システム１００の概略構成を示す機能ブロック図である。
本実施形態の概要は次の通りである。
（１）粒子線治療中に、粒子線照射装置９０から照射された粒子線（以下、便宜的に「入射粒子線Ｘ１」という）が被験者９９の体内に入射し体内で散乱して体外に漏れた出た粒子線（以下、便宜的に「散乱粒子線Ｘ２」という）そのものを粒子線検知センサ２で検知することで、照射線量を把握する。特に、治療で用いるのと同じ線種である散乱粒子線を用いることで、上記の間接的な核反応を通じて生ずるガンマ線よりも正確な線量分布推定が可能となる。粒子の散乱断面積は、粒子のエネルギーＥに対して ∝ １／Ｅ2 で変化する。粒子線治療では、粒子の止まり際ほど線量付与が大きく、ブラッグ・ピーク（ＢＰ）とよばれる特徴的な線量分布を形成する。つまり、ＢＰ付近の低速（低エネルギー）な粒子ほど、より多くの散乱を体内で起こすことになり、散乱線の分布を抑えることで線量分布を良く反映することが期待される。
なお、実際の治療では、治療計画段階で患者９９ごとにＣＴ画像やＭＲＩ画像を取得することから、それらを生体内情報として参照し初期情報として用いてもよい。そのような処理をすることで、より正確な線量分布推定を行うことができる。
（２）粒子線検知センサ２はセンサ値（散乱粒子線Ｘ２の量）を電流値として照射線量算出部３に出力する。
（３）被験者９９は、粒子線検知センサ２を複数取り付けた胴衣８を装着する。照射線量算出部３は、粒子線検知センサ２が検出した散乱粒子線Ｘ２（より具体的には電流値）および粒子線検知センサ２の位置情報をもとに照射線量の空間分布（以下、「照射線量空間分布」ともいう）を可視化して、ほぼリアルタイムで表示する。なお、照射線量空間分布の精度向上の観点から入射粒子線Ｘ１を検出する粒子線検知センサ２Ａが設けられ、入射粒子線Ｘ１およびその位置情報が利用される。
（４）照射線量空間分布は、アルゴリズム計算またはディープラーニング等の機械学習（ＡＩ学習）により得られた学習済みモデルに対して検出した電流値および位置情報からなるデータセットを入力することで算出する。
（１）粒子線治療中に、粒子線照射装置９０から照射された粒子線（以下、便宜的に「入射粒子線Ｘ１」という）が被験者９９の体内に入射し体内で散乱して体外に漏れた出た粒子線（以下、便宜的に「散乱粒子線Ｘ２」という）そのものを粒子線検知センサ２で検知することで、照射線量を把握する。特に、治療で用いるのと同じ線種である散乱粒子線を用いることで、上記の間接的な核反応を通じて生ずるガンマ線よりも正確な線量分布推定が可能となる。粒子の散乱断面積は、粒子のエネルギーＥに対して ∝ １／Ｅ2 で変化する。粒子線治療では、粒子の止まり際ほど線量付与が大きく、ブラッグ・ピーク（ＢＰ）とよばれる特徴的な線量分布を形成する。つまり、ＢＰ付近の低速（低エネルギー）な粒子ほど、より多くの散乱を体内で起こすことになり、散乱線の分布を抑えることで線量分布を良く反映することが期待される。
なお、実際の治療では、治療計画段階で患者９９ごとにＣＴ画像やＭＲＩ画像を取得することから、それらを生体内情報として参照し初期情報として用いてもよい。そのような処理をすることで、より正確な線量分布推定を行うことができる。
（２）粒子線検知センサ２はセンサ値（散乱粒子線Ｘ２の量）を電流値として照射線量算出部３に出力する。
（３）被験者９９は、粒子線検知センサ２を複数取り付けた胴衣８を装着する。照射線量算出部３は、粒子線検知センサ２が検出した散乱粒子線Ｘ２（より具体的には電流値）および粒子線検知センサ２の位置情報をもとに照射線量の空間分布（以下、「照射線量空間分布」ともいう）を可視化して、ほぼリアルタイムで表示する。なお、照射線量空間分布の精度向上の観点から入射粒子線Ｘ１を検出する粒子線検知センサ２Ａが設けられ、入射粒子線Ｘ１およびその位置情報が利用される。
（４）照射線量空間分布は、アルゴリズム計算またはディープラーニング等の機械学習（ＡＩ学習）により得られた学習済みモデルに対して検出した電流値および位置情報からなるデータセットを入力することで算出する。
＜基本技術＞
まず、図３～５を参照して、散乱粒子線を用いた照射線量空間分布の算出の検証結果を示す。図３は、ファントムに粒子線（陽子線）を照射したときの実際の線量分布と電流測定値の例を示した図である。放射線医学総合研究所のサイクロトロン施設を用いて、１次元の装置で概念検証を行った。センサ（粒子線検知センサ２）としては薄板プラスチックシンチレータをＭＰＰＣ(Multi-pixel Photon Counter)に光学接着し、出力電流をリアルタイムで読みだした。ここでは、７０ＭｅＶ陽子線をＰＭＭＡ（Poly Methyl Methacrylate）フォームに打ち込んだ場合の散乱粒子線（散乱陽子線）による１次元電流分布および粒子線の線量分布を示している。ピーク位置（すなわちブラックピークの位置）がよく一致していることが分かる。グラフ形状は、実測値がややなまっているが、これは機械学習により補正可能であると想定し、次の図４および５に示す機械学習による補正の可能性を検証した。機械学習を用いた理由は次の通りである。すなわち、散乱粒子線の経路に沿って非常に多くの相互作用が生じ、照射線量空間分布を算出するにあたり適用すべきアルゴリズムの推定が非常に困難である。そこで、学習ベースで推定する機械学習を採用した。
まず、図３～５を参照して、散乱粒子線を用いた照射線量空間分布の算出の検証結果を示す。図３は、ファントムに粒子線（陽子線）を照射したときの実際の線量分布と電流測定値の例を示した図である。放射線医学総合研究所のサイクロトロン施設を用いて、１次元の装置で概念検証を行った。センサ（粒子線検知センサ２）としては薄板プラスチックシンチレータをＭＰＰＣ(Multi-pixel Photon Counter)に光学接着し、出力電流をリアルタイムで読みだした。ここでは、７０ＭｅＶ陽子線をＰＭＭＡ（Poly Methyl Methacrylate）フォームに打ち込んだ場合の散乱粒子線（散乱陽子線）による１次元電流分布および粒子線の線量分布を示している。ピーク位置（すなわちブラックピークの位置）がよく一致していることが分かる。グラフ形状は、実測値がややなまっているが、これは機械学習により補正可能であると想定し、次の図４および５に示す機械学習による補正の可能性を検証した。機械学習を用いた理由は次の通りである。すなわち、散乱粒子線の経路に沿って非常に多くの相互作用が生じ、照射線量空間分布を算出するにあたり適用すべきアルゴリズムの推定が非常に困難である。そこで、学習ベースで推定する機械学習を採用した。
図４はある条件下における正しい照射線量空間分布を示している。図５は、電流値と位置情報とからなるデータセットを用いて得られた機械学習モデルに、図４に対応する照射線量空間分布に対応する電流値と位置情報を入力して得られた照射線量空間分布を示している。図４および図５において、上段は２次元の照射線量空間分布、下段はこれを粒子線の進行方向に射影した１次元の照射線量分布を示している。図４および図５から分かるように、両者の照射線量空間分布は非常に類似しており、機械学習を用いることで照射線量空間分布を高い精度で推定できる。
以下、照射線量推定装置１を有する粒子線照射システム１００の具体的な構成・処理を説明する。
以下、照射線量推定装置１を有する粒子線照射システム１００の具体的な構成・処理を説明する。
＜粒子線照射システム１００の概要＞
図１や図２に示すように、粒子線照射システム１００は、粒子線照射装置９０と、照射線量推定装置１とを有する。なお、粒子線照射装置９０と照射線量推定装置１は、異なる装置として例示しているが、一つの装置として構成されてもよいし、それぞれが複数の装置として構成されてそれらがネットワークを介して接続されてもよい。
図１や図２に示すように、粒子線照射システム１００は、粒子線照射装置９０と、照射線量推定装置１とを有する。なお、粒子線照射装置９０と照射線量推定装置１は、異なる装置として例示しているが、一つの装置として構成されてもよいし、それぞれが複数の装置として構成されてそれらがネットワークを介して接続されてもよい。
被験者９９は、粒子線検知センサ２を複数取り付けたコルセット型の胴衣８を装着する。粒子線検知センサ２の位置情報は、各粒子線検知センサ２に取り付けられているマーカ４１（ＡＲマーカ）を撮影・解析することで、粒子線照射前に、予め３次元データとして把握されている。
粒子線照射装置９０から出力された入射粒子線Ｘ１は、被験者９９の体内に入射し、体内で散乱して体外に散乱粒子線Ｘ２として漏出する。粒子線検知センサ２は、散乱粒子線Ｘ２を検出し、電流値をセンサ値として照射線量算出部３に出力する。
照射線量算出部３は、電流値と位置情報のデータを、所定のアルゴリズムを用いて計算する、または機械学習モデルに入力することで、被験者９９に照射された粒子線の照射線量空間分布を算出して、リアルタイムで表示出力する。
なお、実際の治療では、治療計画段階で患者９９ごとにＣＴ画像やＭＲＩ画像を取得することから、それらを生体内情報として参照し初期情報として用いてもよい。そのような処理をすることで、より正確な治療線量分布推定を行うことができる。
以下、詳細に説明する。
なお、実際の治療では、治療計画段階で患者９９ごとにＣＴ画像やＭＲＩ画像を取得することから、それらを生体内情報として参照し初期情報として用いてもよい。そのような処理をすることで、より正確な治療線量分布推定を行うことができる。
以下、詳細に説明する。
＜粒子線照射装置９０＞
粒子線照射装置９０は、公知の技術を用いることができ、アイソセンタＰ１に対して、被験者９９の患部の位置を一致させ、粒子線を照射する。粒子線は、例えば、陽子線、中性子線、又は重粒子線である。
粒子線照射装置９０は、粒子線を生成する加速器（例えばシンクロトロンや線形加速器等）、粒子線の方向、強度、およびサイズ等を調整する粒子線ガイド、粒子線を患者の照射すべき部位に向けて出射する照射ノズル、および粒子線照射装置９０全体を制御する照射制御部を含む。
加速器で生成された粒子線は、粒子線ガイドにより照射ノズルに導かれる。照射ノズルは、粒子線治療室内に設けられ、粒子線ガイドからの粒子線は被験者９９の患部へ向けて出射される。
粒子線照射装置９０は、公知の技術を用いることができ、アイソセンタＰ１に対して、被験者９９の患部の位置を一致させ、粒子線を照射する。粒子線は、例えば、陽子線、中性子線、又は重粒子線である。
粒子線照射装置９０は、粒子線を生成する加速器（例えばシンクロトロンや線形加速器等）、粒子線の方向、強度、およびサイズ等を調整する粒子線ガイド、粒子線を患者の照射すべき部位に向けて出射する照射ノズル、および粒子線照射装置９０全体を制御する照射制御部を含む。
加速器で生成された粒子線は、粒子線ガイドにより照射ノズルに導かれる。照射ノズルは、粒子線治療室内に設けられ、粒子線ガイドからの粒子線は被験者９９の患部へ向けて出射される。
＜照射線量推定装置１＞
照射線量推定装置１は、主制御部１１と、粒子線検知センサ２と、照射線量算出部３と、位置情報取得部４と、モデル保持部５と、表示出力部６と、入射粒子取得部７と、胴衣８と、データ記憶部１２と、入出力ＩＦ１３とを有する。
主制御部１１は、照射線量推定装置１の各構成要素を統括的に制御する。
入出力ＩＦ１３は、粒子線照射装置９０や粒子線検知センサ２、２Ａ、その他の外部機器を接続する。
照射線量推定装置１は、主制御部１１と、粒子線検知センサ２と、照射線量算出部３と、位置情報取得部４と、モデル保持部５と、表示出力部６と、入射粒子取得部７と、胴衣８と、データ記憶部１２と、入出力ＩＦ１３とを有する。
主制御部１１は、照射線量推定装置１の各構成要素を統括的に制御する。
入出力ＩＦ１３は、粒子線照射装置９０や粒子線検知センサ２、２Ａ、その他の外部機器を接続する。
＜粒子線検知センサ２＞
粒子線検知センサ２は、被験者９９に照射されて内部で散乱し外部に漏出した散乱粒子線Ｘ２を検出する。粒子線検知センサ２は、被験者９９が装着する胴衣８の複数箇所に取り付けられ、取得した散乱粒子線Ｘ２を電流に変換して照射線量算出部３にリアルタイムで出力する。また、粒子線検知センサ２から出力されたデータ（電流値）は、データ記憶部１２に粒子線検知センサ２の位置情報と関連づけて記憶される。すなわち、各粒子線検知センサ２から出力された電流値と位置情報との組からなるデータセットがデータ記憶部１２に保存される。なお、粒子線検知センサ２の設置数や設置位置は、照射線量空間分布の精度、実際の処理負荷、物理的な設置スペース、患部（アイソセンタＰ１）の位置等を考慮して適宜選択される。
粒子線検知センサ２は、被験者９９に照射されて内部で散乱し外部に漏出した散乱粒子線Ｘ２を検出する。粒子線検知センサ２は、被験者９９が装着する胴衣８の複数箇所に取り付けられ、取得した散乱粒子線Ｘ２を電流に変換して照射線量算出部３にリアルタイムで出力する。また、粒子線検知センサ２から出力されたデータ（電流値）は、データ記憶部１２に粒子線検知センサ２の位置情報と関連づけて記憶される。すなわち、各粒子線検知センサ２から出力された電流値と位置情報との組からなるデータセットがデータ記憶部１２に保存される。なお、粒子線検知センサ２の設置数や設置位置は、照射線量空間分布の精度、実際の処理負荷、物理的な設置スペース、患部（アイソセンタＰ１）の位置等を考慮して適宜選択される。
図６は、マーカ４１が取り付けられている粒子線検知センサ２の概略構成を示す図である。図視のように、粒子線検知センサ２は、粒子線光変換部２１と、光センサ２２とを有し、それらは重ね合わせて光学接着により一体に設けられた構成となっている。
粒子線光変換部２１は、例えば、プラスチックシンチレータであって、散乱粒子線Ｘ２を取得して光に変換する。すなわち、粒子線光変換部２１は、散乱粒子線Ｘ２が入射するとそのエネルギーを吸収し内部の電子が基底状態から励起状態に移動したときに、その電子が元の安定な状態に戻る際、そのエネルギーを可視光や紫外線光として出力する。
光センサ２２は、例えば、ＭＰＰＣ（Multi-Pixel Photon Counter）であって、粒子線光変換部２１で変換された光をさらに電流に変換して、電流値を照射線量算出部３に出力する。ＭＰＰＣは、複数のガイガーモードＡＰＤ（Avalanche Photodiode）のピクセルから成り、常温で使用できる光半導体素子である。ＭＰＰＣは、低電圧動作で電磁ノイズや外部磁場の影響を受けにくい小型の光半導体素子という特徴から、胴衣８に装着されて使用される粒子線検知センサ２（より具体的には光センサ２２）に好適である。
粒子線検知センサ２は、上記の構成に限る趣旨では無く、散乱粒子線Ｘ２を直接検出して電流として出力する装置であればよい。例えば、光センサとしてＭＰＰＣの代わりに、アバランシェ・フォトダイオード（ＡＰＤ）やフォトダイオード（ＰＤ）を用いても良い。また、粒子線検知センサ２として、それ自体が粒子線に感度があり直接電流に変換して出力するフォトダイオードやＳＳＤ（表面障壁型検出器）などの粒子線電流変換型センサ（粒子線電流変換部）が胴衣８に取り付けられて使用されてもよい。
なお、粒子線検知センサ２には、粒子線検知センサ２の取り付け位置の情報（すなわち位置情報）を検知するために用いられるマーカ４１が取り付けられている。マーカ４１をセンシングして粒子線検知センサ２の位置情報を取得するための構成・処理については後述する。
＜照射線量算出部３＞
照射線量算出部３は、粒子線検知センサ２から取得した散乱粒子線Ｘ２の線量、より具体的には散乱粒子線Ｘ２のエネルギーに対応した電流値および粒子線検知センサ２の位置情報からなるデータをもとに、照射線量空間分布を算出する。ここでは、照射線量算出部３は、モデル保持部５の所定のアルゴリズムまたは学習済みモデルにデータを入力することで、照射線量空間分布を算出する。なお、照射線量空間分布を算出する際に、粒子線照射装置９０から出力された入射粒子線Ｘ１の線量と入射位置Ｐ２とのデータとが反映されてもよい。入射粒子線Ｘ１の照射量と入射位置Ｐ２は、入射位置Ｐ２の取り付けられた粒子線検知センサ２Ａおよびマーカ４１Ａにより得られる。
照射線量算出部３は、粒子線検知センサ２から取得した散乱粒子線Ｘ２の線量、より具体的には散乱粒子線Ｘ２のエネルギーに対応した電流値および粒子線検知センサ２の位置情報からなるデータをもとに、照射線量空間分布を算出する。ここでは、照射線量算出部３は、モデル保持部５の所定のアルゴリズムまたは学習済みモデルにデータを入力することで、照射線量空間分布を算出する。なお、照射線量空間分布を算出する際に、粒子線照射装置９０から出力された入射粒子線Ｘ１の線量と入射位置Ｐ２とのデータとが反映されてもよい。入射粒子線Ｘ１の照射量と入射位置Ｐ２は、入射位置Ｐ２の取り付けられた粒子線検知センサ２Ａおよびマーカ４１Ａにより得られる。
＜モデル保持部５（アルゴリズム計算、機械学習モデル）＞
モデル保持部５は、アルゴリズムや電流値と照射線量の空間分布とを関連付けたデータを用いて機械学習（ＡＩ学習）された学習済みモデルを保持する。アルゴリズム計算では、データにある単純な相関や経験則から、おおまかな照射線量分布を計算することができる。より高度な線量推定には、機械学習を用いることが望ましい。学習済みモデルの作成方法は、公知の機械学習の技術を用いることができ、教師あり学習、自己教師あり学習、教師無し学習などいずれの手法を用いてもよい。モデル保持部５自体が機械学習の機能を有して学習済みモデルを生成もよいし、他の装置で機械学習されて生成されてモデル保持部５に保存されてもよい。粒子線照射装置９０から出力された入射粒子線Ｘ１と入射位置Ｐ２とのデータを用いる場合には、そのようなデータを用いて機械学習された学習済みモデルが用いられる。
モデル保持部５は、アルゴリズムや電流値と照射線量の空間分布とを関連付けたデータを用いて機械学習（ＡＩ学習）された学習済みモデルを保持する。アルゴリズム計算では、データにある単純な相関や経験則から、おおまかな照射線量分布を計算することができる。より高度な線量推定には、機械学習を用いることが望ましい。学習済みモデルの作成方法は、公知の機械学習の技術を用いることができ、教師あり学習、自己教師あり学習、教師無し学習などいずれの手法を用いてもよい。モデル保持部５自体が機械学習の機能を有して学習済みモデルを生成もよいし、他の装置で機械学習されて生成されてモデル保持部５に保存されてもよい。粒子線照射装置９０から出力された入射粒子線Ｘ１と入射位置Ｐ２とのデータを用いる場合には、そのようなデータを用いて機械学習された学習済みモデルが用いられる。
＜位置情報取得部４＞
位置情報取得部４は、胴衣８に取り付けられた粒子線検知センサ２の位置情報を取得する。具体的には、位置情報取得部４は、マーカ４１と、マーカセンシング部４２とを有し、マーカ測位技術により粒子線検知センサ２の位置情報取得する。マーカ測位技術により位置情報取得処理は、公知の技術を用いることができる。
位置情報取得部４は、胴衣８に取り付けられた粒子線検知センサ２の位置情報を取得する。具体的には、位置情報取得部４は、マーカ４１と、マーカセンシング部４２とを有し、マーカ測位技術により粒子線検知センサ２の位置情報取得する。マーカ測位技術により位置情報取得処理は、公知の技術を用いることができる。
マーカ４１は、バーコードや２次元コードの様なパターン画像からなるＡＲ（Augmented Reality）マーカである。図７にマーカ４１の例を示す。
マーカセンシング部４２は、カメラおよび画像処理装置を有し、胴衣８に取り付けられているマーカ４１の画像を複数方向から撮影し、各マーカ４１の３次元空間上の配置（すなわち位置情報）を取得する。これによって、それぞれのマーカ４１が取り付けられている粒子線検知センサ２の３次元空間上の配置を把握できる。算出された各粒子線検知センサ２の位置情報および入射位置Ｐ２は、データ記憶部１２に記録される。
なお、粒子線検知センサ２の位置情報の検出手法は、上記のマーカ測位技術に限らず、高速点滅パターンを計測する可視光測位技術や、無線を用いた測位技術を用いることができる。また、入射位置Ｐ２の算出は、位置情報取得部４のマーカセンシング部４２がマーカ４１を検出して求める方法に限らず、粒子線照射装置９０が粒子線を照射する際に、粒子線照射装置９０に備わるアイソセンタＰ１を合わせるための装置が用いられてもよい。
＜表示出力部６＞
表示出力部６は、照射線量算出部３による照射線量の算出結果をリアルタイムで出力する。算出結果の出力態様は、例えば照射線量空間分布を３次元や２次元のカラー画像として表示してもよいし、単に数値データとして表示してもよい。
表示出力部６は、照射線量算出部３による照射線量の算出結果をリアルタイムで出力する。算出結果の出力態様は、例えば照射線量空間分布を３次元や２次元のカラー画像として表示してもよいし、単に数値データとして表示してもよい。
＜入射粒子取得部７＞
入射粒子取得部７は、被験者９９に入射する入射粒子線Ｘ１の照射量および入射位置Ｐ２を取得する。入射粒子線Ｘ１の照射量としては、胴衣８の治療計画で想定されている入射位置Ｐ２に粒子線検知センサ２Ａを取り付けて取得してもよいし、粒子線照射装置９０から入射粒子線Ｘ１として設定された照射量を取得してもよい。粒子線検知センサ２Ａを用いる場合、マーカセンシング部４２がそのマーカ４１Ａの位置情報、すなわち照射位置を算出し、データ記憶部１２に記録される。
入射粒子取得部７は、被験者９９に入射する入射粒子線Ｘ１の照射量および入射位置Ｐ２を取得する。入射粒子線Ｘ１の照射量としては、胴衣８の治療計画で想定されている入射位置Ｐ２に粒子線検知センサ２Ａを取り付けて取得してもよいし、粒子線照射装置９０から入射粒子線Ｘ１として設定された照射量を取得してもよい。粒子線検知センサ２Ａを用いる場合、マーカセンシング部４２がそのマーカ４１Ａの位置情報、すなわち照射位置を算出し、データ記憶部１２に記録される。
＜照射線量推定方法＞
図８のフローチャートを参照して、粒子線照射システム１００による照射線量推定方法について説明する。
図８のフローチャートを参照して、粒子線照射システム１００による照射線量推定方法について説明する。
＜位置情報取得工程（Ｓ１０）＞
粒子線照射装置９０から入射粒子線Ｘ１を照射する前段階として、被験者９９に胴衣８を装着させ、胴衣８に取り付けられている粒子線検知センサ２の位置情報を取得する。具体的には、胴衣８を装着している被験者９９をマーカセンシング部４２のカメラで複数方向から撮影し、取得した画像を解析して、全ての粒子線検知センサ２の位置情報を特定し、データ記憶部１２に記憶する。なお、被験者９９に入射する入射粒子線Ｘ１の照射量と入射位置Ｐ２の位置情報を利用する場合は、粒子線検知センサ２Ａに取り付けられているマーカ４１Ａの位置情報も同様にして取得される。
粒子線照射装置９０から入射粒子線Ｘ１を照射する前段階として、被験者９９に胴衣８を装着させ、胴衣８に取り付けられている粒子線検知センサ２の位置情報を取得する。具体的には、胴衣８を装着している被験者９９をマーカセンシング部４２のカメラで複数方向から撮影し、取得した画像を解析して、全ての粒子線検知センサ２の位置情報を特定し、データ記憶部１２に記憶する。なお、被験者９９に入射する入射粒子線Ｘ１の照射量と入射位置Ｐ２の位置情報を利用する場合は、粒子線検知センサ２Ａに取り付けられているマーカ４１Ａの位置情報も同様にして取得される。
＜照射工程（Ｓ１１）＞
位置情報取得工程（Ｓ１０）により粒子線検知センサ２、２Ａの位置情報が確定し、被験者９９を入射粒子線Ｘ１を照射するための所定位置に配置すると、粒子線照射装置９０から被験者９９のアイソセンタＰ１に向けて入射粒子線Ｘ１が照射される。
位置情報取得工程（Ｓ１０）により粒子線検知センサ２、２Ａの位置情報が確定し、被験者９９を入射粒子線Ｘ１を照射するための所定位置に配置すると、粒子線照射装置９０から被験者９９のアイソセンタＰ１に向けて入射粒子線Ｘ１が照射される。
＜入射粒子取得工程（Ｓ１２）＞
入射粒子取得部７は、入射位置Ｐ２の粒子線検知センサ２Ａから入射粒子線Ｘ１の照射量、すなわちエネルギーを電流値として取得して、入射位置Ｐ２の位置情報と関連づけてデータ記憶部１２に記憶する。
＜漏洩粒子線検知工程Ｓ１３＞
胴衣８に取り付けられている粒子線検知センサ２は、被験者９９の体内で散乱して体外に漏れ出た散乱粒子線Ｘ２を検知し線量、より具体的には散乱粒子線Ｘ２のエネルギーに対応した電流値を照射線量算出部３に出力する。照射線量算出部３は、各粒子線検知センサ２の電流値とそれら粒子線検知センサ２に対応した位置情報とを関連づけて、モデル保持部５に投入するデータセットを準備する。
入射粒子取得部７は、入射位置Ｐ２の粒子線検知センサ２Ａから入射粒子線Ｘ１の照射量、すなわちエネルギーを電流値として取得して、入射位置Ｐ２の位置情報と関連づけてデータ記憶部１２に記憶する。
＜漏洩粒子線検知工程Ｓ１３＞
胴衣８に取り付けられている粒子線検知センサ２は、被験者９９の体内で散乱して体外に漏れ出た散乱粒子線Ｘ２を検知し線量、より具体的には散乱粒子線Ｘ２のエネルギーに対応した電流値を照射線量算出部３に出力する。照射線量算出部３は、各粒子線検知センサ２の電流値とそれら粒子線検知センサ２に対応した位置情報とを関連づけて、モデル保持部５に投入するデータセットを準備する。
＜照射線量算出工程Ｓ１４＞
照射線量算出部３は、モデル保持部５に記憶されている所定のアルゴリズムまたは学習済みモデルに電流値と位置情報とからなるデータセットを入力することで照射線量空間分布を算出する。
照射線量算出部３は、モデル保持部５に記憶されている所定のアルゴリズムまたは学習済みモデルに電流値と位置情報とからなるデータセットを入力することで照射線量空間分布を算出する。
＜表示出力工程Ｓ１５＞
照射線量算出部３によって照射線量空間分布が算出されると、表示出力部６は、照射線量空間分布を例えば３次元でリアルタイムで表示する。また、算出された照射線量空間分布は、データ記憶部１２に記憶され、必要に応じて呼び出されて表示される。
照射線量算出部３によって照射線量空間分布が算出されると、表示出力部６は、照射線量空間分布を例えば３次元でリアルタイムで表示する。また、算出された照射線量空間分布は、データ記憶部１２に記憶され、必要に応じて呼び出されて表示される。
＜特徴・効果のまとめ＞
以上、本実施形態の特徴・効果を簡単にまとめると次の通りである。
（１）本実施形態の照射線量推定装置１０は、
被験者に照射され内部で散乱して外部に漏出した粒子線を検出する粒子線検知センサ２と、
粒子線検知センサ２により検出された粒子線をもとに、被験者９９に照射された粒子線の照射線量を算出する照射線量算出部３と、
を有する。
従来であれば、照射線量の算出は、ＰＥＴ装置等のように実際に照射した粒子線とは異なるガンマ線を用いたオフライン処理が必要であり、実際の照射線量分布と類似性が低くなるという課題があった。しかし、本実施形態では、ガンマ線ではなく、照射した粒子線が被験者９９の体内で散乱して体外に漏れた粒子線（散乱粒子線Ｘ２）をセンシングする。すなわち、治療の線種と同じ粒子をほぼリアルタイムで計測するため、迅速かつ正確に測定できる。
（２）粒子線検知センサ２は、粒子線（散乱粒子線Ｘ２）を取得して取得した粒子線の線量、より具体的にはエネルギーを電流に変換して照射線量算出部３に出力する。
すなわち、粒子線検知センサ２は、センシング結果を取り扱いが容易な電流値として照射線量算出部３に対して常時出力できる。その結果、照射線量算出部３は、照射線量の算出処理が容易であり、算出結果の出力まで短時間で、より具体的にはリアルタイムで行うことができる。
（３）粒子線検知センサ２は、粒子線を取得して光に変換する粒子線光変換部２１と、粒子線光変換部２１で変換された光を電流に変換して出力する光センサ２２と、を有する。
粒子線光変換部２１として例えばプラスチックシンチレータ、光センサ２２としてＭＰＰＣを用いることができ、高精度で小型なセンサを安価に実現することができる。
（４）粒子線光変換部２１と光センサ２２とは一体に設けられている。
薄型のプラスチックシンチレータとＭＰＰＣとを重ね合わせて一体とし、電流読み出しを採用することで、粒子線検知センサ２を非常に小型にすることができ、胴衣８への取り付けが容易であり、また交換自体、取り付け位置の調整も容易である。
（５）粒子線検知センサ２は、粒子線を取得して直接電流に変換して出力する粒子線電流変換部を有する。すなわち、シンチレータ等の粒子線光変換部２１とＭＰＰＣ等の光センサ２２とからなる構成の代わりに、粒子線に反応して直接電流を出力するフォトダイオードやＳＳＤ（表面障壁型検出器）などの粒子線電流変換型センサ（粒子線電流変換部）が胴衣８に取り付けられて使用されてもよい。
（６）粒子線検知センサ２の位置情報を取得する位置情報取得部４を有し、
照射線量算出部３は、照射線量を算出する際に、位置情報を反映させる。
（７）粒子線検知センサ２は複数設けられており、
照射線量算出部３は、複数の粒子線検知センサ２それぞれの検出結果と位置情報とをもとに、照射線量空間分布を算出する。
複数の粒子線検知センサ２の出力（すなわち電流値）とそれらの位置情報をもとにして照射線量空間分布を算出するため、照射線量空間分布の精度を高めることができる。
（８）位置情報取得部４は、
粒子線検知センサ２の設置位置に関連づけられたマーカ４１と、
マーカ４１をセンシングして粒子線検知センサ２の位置情報を特定するマーカセンシング部４２と、
を有する。
ＡＲマーカを撮影し位置情報を解析する技術が市場に導入されており、そのような技術を用いることで、リアルタイムで照射線量空間分布を表示する粒子線照射システム１００を低コストで実現できる。
（９）所定のアルゴリズムまたは電流値と照射線量の空間分布とを関連付けたデータを用いて機械学習された学習済みモデルを保持するモデル保持部５を有し、
照射線量算出部３は、粒子線を検出した位置と、検出した粒子線量とからなるデータセットを、所定のアルゴリズムまたは学習済みモデルに入力して照射線量の空間分布を算出する。
機械学習を用いて照射線量空間分布を算出するため、最適なモデル化が容易である。また、多様な粒子線検知センサ２の配置に対応したモデル化が可能である。散乱粒子線Ｘ２は、粒子線検知センサ２までの経路上で非常に多くの相互作用が生じ、照射線量空間分布を得るための単純なアルゴリズムの構築が難しいが、その場合でも機械学習による学習済みモデルを用いることで、そのような懸念を排除し、精度の高い照射線量空間分布の算出が可能となる。また、データの蓄積とともに学習済みモデルを更新でき、常に最適な学習済みモデルを利用することができる。
（１０）被験者９９に粒子線を照射したときの粒子線の入射位置Ｐ２および照射量を取得する入射粒子取得部７を有し、
照射線量算出部３は、入射粒子取得部７が取得した入射位置および照射量を反映させて、照射線量空間分布を算出する。
被験者９９の体内に照射された粒子線の照射量と入射位置とが反映させるため、照射線量算出部３が算出する照射線量空間分布の精度を向上させることができる。
（１１）照射線量算出部３による照射線量の算出結果をリアルタイムで表示出力する表示出力部６を有する。リアルタイムで照射線量の算出結果、特に照射線量空間分布を表示できるため、粒子線治療の最適化が可能である。すなわち、従来であれば、粒子線を照射後にオフラインで照射線量空間分布を推定する必要があった。しかし、ほぼリアルタイムで照射線量空間分布を把握できるため、粒子線の照射を無駄なく最適な位置に照射できる。
（１２）被験者９９が装着する胴衣８を更に有し、
粒子線検知センサ２が胴衣８に取り付けられる。
粒子線検知センサ２を取り付けた胴衣８を装着すればよく、ガントリー型装置のように大がかりになることもなく、粒子線照射システム１００の導入が容易である。また、粒子線検知センサ２が被験者９９の身体に非常に近い場所に取り付けられるため、粒子線検知センサ２が検出する粒子線量が高精度となる。また、粒子線検知センサ２や胴衣８は安価に入手できるため、被験者９９に専用に用意されても大きな経済的負担になることもなく、被験者９９に最適化された粒子線検知センサ２を有する胴衣８とすることができる。その結果、粒子線治療の準備が容易となり、被験者９９だけでなく医療従事者の負担低減を実現できる。
（１３）本実施形態の照射線量推定方法は、
被験者９９の内部に粒子線を照射する照射工程（Ｓ１１）と、
被験者９９の外部に漏れた出た粒子線（散乱粒子線Ｘ２）を検知する漏洩粒子線検知工程（Ｓ１３）と、
漏洩粒子線検知工程（Ｓ１３）において検出した粒子線（散乱粒子線Ｘ２）をもとに照射された粒子線の照射線量を算出する照射線量算出工程（Ｓ１４）と、
を有する。
治療の線種と同じ粒子線をリアルタイムで計測するため、迅速かつ正確に測定できる。
（１４）漏洩粒子線検知工程（Ｓ１３）は、検知した粒子線の量、より具体的にはエネルギーを電流値に変換して出力する。
取り扱いが容易な電流値が粒子線検知センサ２から出力されるため、照射線量の算出処理が容易であり、算出結果の出力まで短時間にすることができる。
（１５）漏洩粒子線検知工程（Ｓ１３）は、複数の位置で外部に漏れた粒子線を検出し、
照射線量算出工程（Ｓ１４）は、粒子線を検出した位置の位置情報と、検出した粒子線量とからなるデータセットをもとに、照射線量空間分布を算出する。
治療に用いた粒子線そのものを検出し、また検出した位置情報をもとに照射線量空間分布を算出するため、得られた照射線量空間分布の精度を高くすることができる。
（１６）照射線量算出工程（Ｓ１４）は、粒子線を検出した位置の位置情報と、検出した電流値とからなるデータセットを、所定のアルゴリズムまたは学習済みモデルに入力することにより照射線量空間分布を算出し、
学習済みモデルは、電流値と位置情報とを関連付けたデータを用いて機械学習されている。
機械学習を用いて照射線量空間分布を算出するためのモデルを作ることから、最適なモデル化が容易である。また、多様な粒子線検知センサ２の配置に対応したモデル化が可能である。
（１７）照射線量算出工程（Ｓ１４）により算出した照射線量をリアルタイムで表示出力する表示出力工程（Ｓ１５）を有する。
（１８）被験者９９に粒子線を照射したときの粒子線の入射位置Ｐ２および照射量を取得する入射粒子取得工程（Ｓ１２）を有し、
照射線量算出工程（Ｓ１４）は、入射粒子取得工程（Ｓ１２）が取得した入射位置Ｐ２および照射量を反映させて、照射線量空間分布を算出する。
以上、本実施形態の特徴・効果を簡単にまとめると次の通りである。
（１）本実施形態の照射線量推定装置１０は、
被験者に照射され内部で散乱して外部に漏出した粒子線を検出する粒子線検知センサ２と、
粒子線検知センサ２により検出された粒子線をもとに、被験者９９に照射された粒子線の照射線量を算出する照射線量算出部３と、
を有する。
従来であれば、照射線量の算出は、ＰＥＴ装置等のように実際に照射した粒子線とは異なるガンマ線を用いたオフライン処理が必要であり、実際の照射線量分布と類似性が低くなるという課題があった。しかし、本実施形態では、ガンマ線ではなく、照射した粒子線が被験者９９の体内で散乱して体外に漏れた粒子線（散乱粒子線Ｘ２）をセンシングする。すなわち、治療の線種と同じ粒子をほぼリアルタイムで計測するため、迅速かつ正確に測定できる。
（２）粒子線検知センサ２は、粒子線（散乱粒子線Ｘ２）を取得して取得した粒子線の線量、より具体的にはエネルギーを電流に変換して照射線量算出部３に出力する。
すなわち、粒子線検知センサ２は、センシング結果を取り扱いが容易な電流値として照射線量算出部３に対して常時出力できる。その結果、照射線量算出部３は、照射線量の算出処理が容易であり、算出結果の出力まで短時間で、より具体的にはリアルタイムで行うことができる。
（３）粒子線検知センサ２は、粒子線を取得して光に変換する粒子線光変換部２１と、粒子線光変換部２１で変換された光を電流に変換して出力する光センサ２２と、を有する。
粒子線光変換部２１として例えばプラスチックシンチレータ、光センサ２２としてＭＰＰＣを用いることができ、高精度で小型なセンサを安価に実現することができる。
（４）粒子線光変換部２１と光センサ２２とは一体に設けられている。
薄型のプラスチックシンチレータとＭＰＰＣとを重ね合わせて一体とし、電流読み出しを採用することで、粒子線検知センサ２を非常に小型にすることができ、胴衣８への取り付けが容易であり、また交換自体、取り付け位置の調整も容易である。
（５）粒子線検知センサ２は、粒子線を取得して直接電流に変換して出力する粒子線電流変換部を有する。すなわち、シンチレータ等の粒子線光変換部２１とＭＰＰＣ等の光センサ２２とからなる構成の代わりに、粒子線に反応して直接電流を出力するフォトダイオードやＳＳＤ（表面障壁型検出器）などの粒子線電流変換型センサ（粒子線電流変換部）が胴衣８に取り付けられて使用されてもよい。
（６）粒子線検知センサ２の位置情報を取得する位置情報取得部４を有し、
照射線量算出部３は、照射線量を算出する際に、位置情報を反映させる。
（７）粒子線検知センサ２は複数設けられており、
照射線量算出部３は、複数の粒子線検知センサ２それぞれの検出結果と位置情報とをもとに、照射線量空間分布を算出する。
複数の粒子線検知センサ２の出力（すなわち電流値）とそれらの位置情報をもとにして照射線量空間分布を算出するため、照射線量空間分布の精度を高めることができる。
（８）位置情報取得部４は、
粒子線検知センサ２の設置位置に関連づけられたマーカ４１と、
マーカ４１をセンシングして粒子線検知センサ２の位置情報を特定するマーカセンシング部４２と、
を有する。
ＡＲマーカを撮影し位置情報を解析する技術が市場に導入されており、そのような技術を用いることで、リアルタイムで照射線量空間分布を表示する粒子線照射システム１００を低コストで実現できる。
（９）所定のアルゴリズムまたは電流値と照射線量の空間分布とを関連付けたデータを用いて機械学習された学習済みモデルを保持するモデル保持部５を有し、
照射線量算出部３は、粒子線を検出した位置と、検出した粒子線量とからなるデータセットを、所定のアルゴリズムまたは学習済みモデルに入力して照射線量の空間分布を算出する。
機械学習を用いて照射線量空間分布を算出するため、最適なモデル化が容易である。また、多様な粒子線検知センサ２の配置に対応したモデル化が可能である。散乱粒子線Ｘ２は、粒子線検知センサ２までの経路上で非常に多くの相互作用が生じ、照射線量空間分布を得るための単純なアルゴリズムの構築が難しいが、その場合でも機械学習による学習済みモデルを用いることで、そのような懸念を排除し、精度の高い照射線量空間分布の算出が可能となる。また、データの蓄積とともに学習済みモデルを更新でき、常に最適な学習済みモデルを利用することができる。
（１０）被験者９９に粒子線を照射したときの粒子線の入射位置Ｐ２および照射量を取得する入射粒子取得部７を有し、
照射線量算出部３は、入射粒子取得部７が取得した入射位置および照射量を反映させて、照射線量空間分布を算出する。
被験者９９の体内に照射された粒子線の照射量と入射位置とが反映させるため、照射線量算出部３が算出する照射線量空間分布の精度を向上させることができる。
（１１）照射線量算出部３による照射線量の算出結果をリアルタイムで表示出力する表示出力部６を有する。リアルタイムで照射線量の算出結果、特に照射線量空間分布を表示できるため、粒子線治療の最適化が可能である。すなわち、従来であれば、粒子線を照射後にオフラインで照射線量空間分布を推定する必要があった。しかし、ほぼリアルタイムで照射線量空間分布を把握できるため、粒子線の照射を無駄なく最適な位置に照射できる。
（１２）被験者９９が装着する胴衣８を更に有し、
粒子線検知センサ２が胴衣８に取り付けられる。
粒子線検知センサ２を取り付けた胴衣８を装着すればよく、ガントリー型装置のように大がかりになることもなく、粒子線照射システム１００の導入が容易である。また、粒子線検知センサ２が被験者９９の身体に非常に近い場所に取り付けられるため、粒子線検知センサ２が検出する粒子線量が高精度となる。また、粒子線検知センサ２や胴衣８は安価に入手できるため、被験者９９に専用に用意されても大きな経済的負担になることもなく、被験者９９に最適化された粒子線検知センサ２を有する胴衣８とすることができる。その結果、粒子線治療の準備が容易となり、被験者９９だけでなく医療従事者の負担低減を実現できる。
（１３）本実施形態の照射線量推定方法は、
被験者９９の内部に粒子線を照射する照射工程（Ｓ１１）と、
被験者９９の外部に漏れた出た粒子線（散乱粒子線Ｘ２）を検知する漏洩粒子線検知工程（Ｓ１３）と、
漏洩粒子線検知工程（Ｓ１３）において検出した粒子線（散乱粒子線Ｘ２）をもとに照射された粒子線の照射線量を算出する照射線量算出工程（Ｓ１４）と、
を有する。
治療の線種と同じ粒子線をリアルタイムで計測するため、迅速かつ正確に測定できる。
（１４）漏洩粒子線検知工程（Ｓ１３）は、検知した粒子線の量、より具体的にはエネルギーを電流値に変換して出力する。
取り扱いが容易な電流値が粒子線検知センサ２から出力されるため、照射線量の算出処理が容易であり、算出結果の出力まで短時間にすることができる。
（１５）漏洩粒子線検知工程（Ｓ１３）は、複数の位置で外部に漏れた粒子線を検出し、
照射線量算出工程（Ｓ１４）は、粒子線を検出した位置の位置情報と、検出した粒子線量とからなるデータセットをもとに、照射線量空間分布を算出する。
治療に用いた粒子線そのものを検出し、また検出した位置情報をもとに照射線量空間分布を算出するため、得られた照射線量空間分布の精度を高くすることができる。
（１６）照射線量算出工程（Ｓ１４）は、粒子線を検出した位置の位置情報と、検出した電流値とからなるデータセットを、所定のアルゴリズムまたは学習済みモデルに入力することにより照射線量空間分布を算出し、
学習済みモデルは、電流値と位置情報とを関連付けたデータを用いて機械学習されている。
機械学習を用いて照射線量空間分布を算出するためのモデルを作ることから、最適なモデル化が容易である。また、多様な粒子線検知センサ２の配置に対応したモデル化が可能である。
（１７）照射線量算出工程（Ｓ１４）により算出した照射線量をリアルタイムで表示出力する表示出力工程（Ｓ１５）を有する。
（１８）被験者９９に粒子線を照射したときの粒子線の入射位置Ｐ２および照射量を取得する入射粒子取得工程（Ｓ１２）を有し、
照射線量算出工程（Ｓ１４）は、入射粒子取得工程（Ｓ１２）が取得した入射位置Ｐ２および照射量を反映させて、照射線量空間分布を算出する。
以上、本発明の実施形態について述べたが、これらは本発明の例示であり、上記以外の様々な構成を採用することもできる。
１ 照射線量推定装置
２、２Ａ 粒子線検知センサ
３ 照射線量算出部
４ 位置情報取得部
５ モデル保持部
６ 表示出力部
７ 入射粒子取得部
８ 胴衣
１２ データ記憶部
１３ 入出力ＩＦ
２１ 粒子線光変換部
２２ 光センサ
４１、４１Ａ マーカ
４２ マーカセンシング部
９０ 粒子線照射装置
９９ 被験者
１００ 粒子線照射システム
Ｘ１ 入射粒子線
Ｘ２ 散乱粒子線
２、２Ａ 粒子線検知センサ
３ 照射線量算出部
４ 位置情報取得部
５ モデル保持部
６ 表示出力部
７ 入射粒子取得部
８ 胴衣
１２ データ記憶部
１３ 入出力ＩＦ
２１ 粒子線光変換部
２２ 光センサ
４１、４１Ａ マーカ
４２ マーカセンシング部
９０ 粒子線照射装置
９９ 被験者
１００ 粒子線照射システム
Ｘ１ 入射粒子線
Ｘ２ 散乱粒子線
Claims (32)
- 被験者に照射され内部で散乱し外部に漏出した粒子線を検出する粒子線検知センサと、
前記粒子線検知センサに検出された粒子線をもとに、前記被験者に照射された粒子線の照射線量を算出する照射線量算出部と、
前記粒子線検知センサの位置情報を取得する位置情報取得部とを有し、
前記照射線量算出部は、前記照射線量を算出する際に、前記位置情報を反映させ、
前記位置情報取得部は、
前記粒子線検知センサの設置位置に関連づけられたマーカと、
前記マーカをセンシングして前記粒子線検知センサの前記位置情報を特定するマーカセンシング部と、を有する照射線量推定装置。 - 前記粒子線検知センサは、取得した粒子線の量を電流に変換して前記照射線量算出部に出力する、請求項１に記載の照射線量推定装置。
- 前記粒子線検知センサは、粒子線を取得して光に変換する粒子線光変換部と、前記粒子線光変換部で変換された光を電流に変換して出力する光センサと、を有する請求項２に記載の照射線量推定装置。
- 前記粒子線光変換部と前記光センサとは一体に設けられている、請求項３に記載の照射線量推定装置。
- 前記粒子線検知センサは、粒子線を取得して直接電流に変換して出力する粒子線電流変換部を有する請求項２に記載の照射線量推定装置。
- 前記粒子線検知センサは複数設けられており、
前記照射線量算出部は、複数の前記粒子線検知センサそれぞれの検出結果と、前記位置情報とをもとに、前記照射線量の空間分布を算出する、請求項１から５までのいずれか１項に記載の照射線量推定装置。 - 所定のアルゴリズムまたは電流値と照射線量の空間分布とを関連付けたデータを用いて機械学習された学習済みモデルを保持するモデル保持部を有し、
前記照射線量算出部は、前記粒子線を検出した位置と、検出した粒子線の量とからなるデータセットを、前記アルゴリズムまたは前記学習済みモデルに入力して前記照射線量の前記空間分布を算出する、請求項１から６までのいずれか１項に記載の照射線量推定装置。 - 前記被験者に前記粒子線を照射したときの前記粒子線の入射位置および照射量を取得する入射粒子取得部を有し、
前記照射線量算出部は、前記入射粒子取得部が取得した前記入射位置および前記照射量を反映させて、前記照射線量を算出する、請求項１から７までのいずれか１項に記載の照射線量推定装置。 - 前記照射線量算出部による前記照射線量の算出結果をリアルタイムで表示出力する表示出力部を有する、請求項１から８までのいずれか１項に記載の照射線量推定装置。
- 被験者が装着する胴衣を更に有し、
前記粒子線検知センサが前記胴衣に取り付けられる、請求項１から９までのいずれか１項に記載の照射線量推定装置。 - 被験者に照射され内部で散乱し外部に漏出した粒子線を検出する粒子線検知センサと、
前記粒子線検知センサに検出された粒子線をもとに、前記被験者に照射された粒子線の照射線量を算出する照射線量算出部と、
被験者が装着する胴衣と、
を有し、
前記粒子線検知センサが前記胴衣に取り付けられる、照射線量推定装置。 - 前記粒子線検知センサは、取得した粒子線の量を電流に変換して前記照射線量算出部に出力する、請求項１１に記載の照射線量推定装置。
- 前記粒子線検知センサは、粒子線を取得して光に変換する粒子線光変換部と、前記粒子線光変換部で変換された光を電流に変換して出力する光センサと、を有する請求項１２に記載の照射線量推定装置。
- 前記粒子線光変換部と前記光センサとは一体に設けられている、請求項１３に記載の照射線量推定装置。
- 前記粒子線検知センサは、粒子線を取得して直接電流に変換して出力する粒子線電流変換部を有する請求項１２に記載の照射線量推定装置。
- 前記粒子線検知センサの位置情報を取得する位置情報取得部を有し、
前記照射線量算出部は、前記照射線量を算出する際に、前記位置情報を反映させる、請求項１１から１５までのいずれか１項に記載の照射線量推定装置。 - 前記粒子線検知センサは複数設けられており、
前記照射線量算出部は、複数の前記粒子線検知センサそれぞれの検出結果と、前記位置情報とをもとに、前記照射線量の空間分布を算出する、請求項１６に記載の照射線量推定装置。 - 所定のアルゴリズムまたは電流値と照射線量の空間分布とを関連付けたデータを用いて機械学習された学習済みモデルを保持するモデル保持部を有し、
前記照射線量算出部は、前記粒子線を検出した位置と、検出した粒子線の量とからなるデータセットを、前記アルゴリズムまたは前記学習済みモデルに入力して前記照射線量の前記空間分布を算出する、請求項１１から１７までのいずれか１項に記載の照射線量推定装置。 - 前記被験者に前記粒子線を照射したときの前記粒子線の入射位置および照射量を取得する入射粒子取得部を有し、
前記照射線量算出部は、前記入射粒子取得部が取得した前記入射位置および前記照射量を反映させて、前記照射線量を算出する、請求項１１から１８までのいずれか１項に記載の照射線量推定装置。 - 前記照射線量算出部による前記照射線量の算出結果をリアルタイムで表示出力する表示出力部を有する、請求項１１から１９までのいずれか１項に記載の照射線量推定装置。
- 被験者の内部に粒子線を照射する照射工程と、
前記被験者の外部に漏れた粒子線を検知する漏洩粒子線検知工程と、
前記漏洩粒子線検知工程において検出した粒子線をもとに照射された粒子線の照射線量を算出する照射線量算出工程と、
を有し、
前記漏洩粒子線検知工程は、
前記粒子線を検出する粒子線検知センサの位置情報を取得する位置情報取得工程を有し、
前記照射線量算出工程は、前記照射線量を算出する際に、前記位置情報を反映させ、
前記位置情報取得工程は、
前記粒子線検知センサの設置位置に関連づけられたマーカをセンシングして前記粒子線検知センサの前記位置情報を特定するマーカセンシング工程を有する、照射線量推定方法。 - 前記漏洩粒子線検知工程は、検知した粒子線の量を電流値に変換して出力する、請求項２１に記載の照射線量推定方法。
- 前記漏洩粒子線検知工程は、複数の位置で前記外部に漏れた粒子線を検出し、
前記照射線量算出工程は、前記粒子線を検出した位置の位置情報と、検出した粒子線量とからなるデータセットをもとに、前記照射線量の空間分布を算出する、請求項２１または２２に記載の照射線量推定方法。 - 前記照射線量算出工程は、前記粒子線を検出した前記位置の位置情報と、検出した電流値とからなるデータセットをアルゴリズム計算、もしくは前記電流値と前記位置情報とを関連付けたデータを用いて機械学習された学習済みモデルに入力することにより前記照射線量の前記空間分布を算出する、請求項２３に記載の照射線量推定方法。
- 前記被験者に前記粒子線を照射したとの前記粒子線の入射位置および照射量を取得する入射粒子取得工程を有し、
前記照射線量算出工程は、前記入射粒子取得工程が取得した前記入射位置および前記照射量を反映させて、前記照射線量を算出する、請求項２１から２４までのいずれか１項に記載の照射線量推定方法。 - 前記照射線量算出工程により算出した前記照射線量をリアルタイムで表示出力する表示出力工程を有する、請求項２１から２５までのいずれか１項に記載の照射線量推定方法。
- 被験者の内部に粒子線を照射する照射工程と、
前記被験者の外部に漏れた出た粒子線を検知する漏洩粒子線検知工程と、
前記漏洩粒子線検知工程において検出した粒子線をもとに照射された粒子線の照射線量を算出する照射線量算出工程と、
を有し、
前記漏洩粒子線検知工程は、被験者が装着する胴衣に取り付けられた粒子線検知センサが前記粒子線を検知する照射線量推定方法。 - 前記漏洩粒子線検知工程は、検知した粒子線の量を電流値に変換して出力する、請求項２７に記載の照射線量推定方法。
- 前記漏洩粒子線検知工程は、複数の位置で前記外部に漏れた粒子線を検出し、
前記照射線量算出工程は、前記粒子線を検出した位置の位置情報と、検出した粒子線量とからなるデータセットをもとに、前記照射線量の空間分布を算出する、請求項２７または２８に記載の照射線量推定方法。 - 前記照射線量算出工程は、前記粒子線を検出した前記位置の位置情報と、検出した電流値とからなるデータセットをアルゴリズム計算、もしくは前記電流値と前記位置情報とを関連付けたデータを用いて機械学習された学習済みモデルに入力することにより前記照射線量の前記空間分布を算出する、請求項２９に記載の照射線量推定方法。
- 前記被験者に前記粒子線を照射したとの前記粒子線の入射位置および照射量を取得する入射粒子取得工程を有し、
前記照射線量算出工程は、前記入射粒子取得工程が取得した前記入射位置および前記照射量を反映させて、前記照射線量を算出する、請求項２７から３０までのいずれか１項に記載の照射線量推定方法。 - 前記照射線量算出工程により算出した前記照射線量をリアルタイムで表示出力する表示出力工程を有する、請求項２７から３１までのいずれか１項に記載の照射線量推定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2022026417A JP7461664B2 (ja) | 2022-02-24 | 2022-02-24 | 照射線量推定装置および照射線量推定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2022026417A JP7461664B2 (ja) | 2022-02-24 | 2022-02-24 | 照射線量推定装置および照射線量推定方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2023122738A JP2023122738A (ja) | 2023-09-05 |
| JP7461664B2 true JP7461664B2 (ja) | 2024-04-04 |
Family
ID=87885841
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2022026417A Active JP7461664B2 (ja) | 2022-02-24 | 2022-02-24 | 照射線量推定装置および照射線量推定方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7461664B2 (ja) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009526213A (ja) | 2006-02-09 | 2009-07-16 | フリードリヒ−アレクサンダー−ウニベルジテート・エアランゲン−ニュルンベルク | 放射線の１つ以上の特性を決定する方法および装置 |
| JP2010032419A (ja) | 2008-07-30 | 2010-02-12 | Natl Inst Of Radiological Sciences | 照射線量確認システム及び照射線量確認方法 |
| JP2016176948A (ja) | 2016-04-08 | 2016-10-06 | 三菱電機株式会社 | 線量分布測定装置 |
| JP2021043081A (ja) | 2019-09-11 | 2021-03-18 | 株式会社日立製作所 | ガンマ線測定器、粒子線照射システム、及び測定方法 |
-
2022
- 2022-02-24 JP JP2022026417A patent/JP7461664B2/ja active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009526213A (ja) | 2006-02-09 | 2009-07-16 | フリードリヒ−アレクサンダー−ウニベルジテート・エアランゲン−ニュルンベルク | 放射線の１つ以上の特性を決定する方法および装置 |
| JP2010032419A (ja) | 2008-07-30 | 2010-02-12 | Natl Inst Of Radiological Sciences | 照射線量確認システム及び照射線量確認方法 |
| JP2016176948A (ja) | 2016-04-08 | 2016-10-06 | 三菱電機株式会社 | 線量分布測定装置 |
| JP2021043081A (ja) | 2019-09-11 | 2021-03-18 | 株式会社日立製作所 | ガンマ線測定器、粒子線照射システム、及び測定方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2023122738A (ja) | 2023-09-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8568285B2 (en) | Apparatus and method for external beam radiation distribution mapping | |
| US10555709B2 (en) | Charged particle tomography scanner for real-time volumetric radiation dose monitoring and control | |
| EP2140913A1 (en) | Device and method for particle therapy verification | |
| JP5339562B2 (ja) | 核医学イメージング装置の画像化方法、システム、核医学イメージグシステム及び放射線治療制御システム | |
| JP5933155B2 (ja) | 対外照射放射線分布マッピングの装置および方法 | |
| KR101206005B1 (ko) | 감마선 검출 장치 및 이를 이용한 감마선 검출 방법 | |
| Watanabe et al. | Automated source tracking with a pinhole imaging system during high-dose-rate brachytherapy treatment | |
| Guiral et al. | Design and testing of a phantom and instrumented gynecological applicator based on GaN dosimeter for use in high dose rate brachytherapy quality assurance | |
| NL2007151C2 (en) | A gamma source tracking system. | |
| CN109876308B (zh) | 用于测量辐射输出率和监测射束能量的设备和方法 | |
| Weersink et al. | Integration of optical imaging with a small animal irradiator | |
| CN112473024A (zh) | 一种对bnct过程中的三维硼剂量或硼浓度进行实时监测的方法 | |
| Anvari et al. | Online dose delivery verification in small animal image‐guided radiotherapy | |
| US20160114189A1 (en) | System and method for dose verification and gamma ray imaging in ion beam therapy | |
| JP7461664B2 (ja) | 照射線量推定装置および照射線量推定方法 | |
| Han et al. | Proton radiography and fluoroscopy of lung tumors: a Monte Carlo study using patient‐specific 4DCT phantoms | |
| KR101749324B1 (ko) | 3차원 산란 방사선 영상장치 및 이를 갖는 방사선 의료장비 | |
| KR20160008820A (ko) | 보정 계수 연산 장치 및 방법 | |
| Bélanger-Champagne et al. | Delivery of proton FLASH at the TRIUMF Proton Therapy Research Centre | |
| Blyth et al. | A pilot study of the use of in vivo diode dosimetry for quality assurance in radiotherapy | |
| Son et al. | Development of beam monitoring system for proton pencil beam scanning using fiber-optic radiation sensor | |
| JP7485587B2 (ja) | 粒子線監視システム、粒子線監視方法および粒子線治療システム | |
| US11726217B2 (en) | Systems and methods for measuring and tracking energy emitted by a radiation source | |
| EP4186562B1 (en) | System and method for brachytherapy procedure planning and verification | |
| Cantù | A system for verifying the repeatability of dose delivery based on simultaneous acceleration of Helium and Carbon ions |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230309 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231215 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231226 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240208 |
|
| 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: 20240220 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240315 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7461664 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |