KR20230147599A - 방사선절제 치료를 위한 방법들 및 장치 - Google Patents
방사선절제 치료를 위한 방법들 및 장치 Download PDFInfo
- Publication number
- KR20230147599A KR20230147599A KR1020237024549A KR20237024549A KR20230147599A KR 20230147599 A KR20230147599 A KR 20230147599A KR 1020237024549 A KR1020237024549 A KR 1020237024549A KR 20237024549 A KR20237024549 A KR 20237024549A KR 20230147599 A KR20230147599 A KR 20230147599A
- Authority
- KR
- South Korea
- Prior art keywords
- study
- digital model
- patient
- organ
- target
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 93
- 210000000056 organ Anatomy 0.000 claims description 114
- 238000011160 research Methods 0.000 claims description 9
- 238000013500 data storage Methods 0.000 claims description 5
- 230000001172 regenerating effect Effects 0.000 claims description 5
- 238000003384 imaging method Methods 0.000 abstract description 17
- 230000002452 interceptive effect Effects 0.000 abstract description 15
- 230000004807 localization Effects 0.000 description 25
- 238000004891 communication Methods 0.000 description 24
- 230000002861 ventricular Effects 0.000 description 20
- 230000015654 memory Effects 0.000 description 19
- 230000000747 cardiac effect Effects 0.000 description 12
- 238000002679 ablation Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- 230000004044 response Effects 0.000 description 11
- 238000002591 computed tomography Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 8
- 230000005855 radiation Effects 0.000 description 7
- 239000003086 colorant Substances 0.000 description 6
- 238000003745 diagnosis Methods 0.000 description 6
- 238000002600 positron emission tomography Methods 0.000 description 6
- 210000005241 right ventricle Anatomy 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 210000005240 left ventricle Anatomy 0.000 description 5
- 210000004072 lung Anatomy 0.000 description 5
- 230000003936 working memory Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000012447 hatching Effects 0.000 description 4
- 230000002107 myocardial effect Effects 0.000 description 4
- 238000001959 radiotherapy Methods 0.000 description 4
- 238000009877 rendering Methods 0.000 description 4
- 206010003119 arrhythmia Diseases 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 210000003238 esophagus Anatomy 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000002595 magnetic resonance imaging Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 210000003484 anatomy Anatomy 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 210000001308 heart ventricle Anatomy 0.000 description 2
- 230000002503 metabolic effect Effects 0.000 description 2
- 238000004091 panning Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000002763 arrhythmic effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000011257 definitive treatment Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000002565 electrocardiography Methods 0.000 description 1
- 238000002001 electrophysiology Methods 0.000 description 1
- 230000007831 electrophysiology Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 210000004165 myocardium Anatomy 0.000 description 1
- 210000000920 organ at risk Anatomy 0.000 description 1
- 238000002271 resection Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 231100000241 scar Toxicity 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000002603 single-photon emission computed tomography Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
-
- 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
-
- 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
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/101—Computer-aided simulation of surgical operations
- A61B2034/105—Modelling of the patient, e.g. for ligaments or bones
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/107—Visualisation of planned trajectories or target regions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/24—Indexing scheme for image data processing or generation, in general involving graphical user interfaces [GUIs]
-
- 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
- G06T2219/2004—Aligning objects, relative positioning of parts
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Biomedical Technology (AREA)
- Computer Graphics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- General Engineering & Computer Science (AREA)
- Architecture (AREA)
- Computer Hardware Design (AREA)
- Heart & Thoracic Surgery (AREA)
- General Business, Economics & Management (AREA)
- Urology & Nephrology (AREA)
- Robotics (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Business, Economics & Management (AREA)
- Veterinary Medicine (AREA)
- Geometry (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Treatments Of Macromolecular Shaped Articles (AREA)
- Radiation-Therapy Devices (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
방사선절제 치료 계획을 위한 시스템들 및 방법들이 개시된다. 일부 예들에서, 컴퓨팅 디바이스는 의료 전문가가 치료를 위한 환자의 타겟 영역을 정의하는 것을 허용하는 사용자 인터페이스를 디스플레이를 위해 제공한다. 사용자 인터페이스는 의료 전문가가 환자에 대해 생성된 대화형 타겟 맵들을 이용하여 치료 영역을 선택하는 것을 허용할 수 있다. 컴퓨팅 디바이스는 또한 환자의 스캐닝된 구조의 3D 볼륨을 식별하는 이미지 데이터와 같은, 환자에 대한 이미징 시스템으로부터의 이미지 데이터를 수신한다. 컴퓨팅 디바이스는 수신된 이미지 데이터에 기초하여 스캐닝된 구조의 3D 이미지를 디스플레이를 위해 생성할 수 있고, 의료 전문가가 환자에 대한 치료의 타겟 영역을 정의하기 위해 조작할 수 있는 타겟 영역 맵을 3D 이미지 상에 중첩시킬 수 있다. 정의되고 나면, 컴퓨팅 디바이스는 정의된 타겟 영역을 환자를 치료하기 위한 치료 시스템에 송신할 수 있다.
Description
본 개시내용의 양태들은 일반적으로 의료 진단 및 치료 시스템들에 관한 것으로서, 특히, 심장 부정맥(cardiac arrhythmias)과 같은 상태들의 진단 및 치료를 위한 방사선절제(radioablation) 진단, 치료 계획, 및 전달 시스템들을 제공하는 것에 관한 것이다.
환자의 신진대사(metabolic), 전기적(electrical) 및 해부학적(anatomical) 정보를 캡처 또는 이미징하기 위해 다양한 기술들이 이용될 수 있다. 예를 들어, 양전자 방출 단층촬영(positron emission tomography)(PET)은 신체 내의 양전자 방출 동위원소들(positron emitting isotopes)의 분포를 나타내는 단층촬영 이미지들을 생성하는 신진대사 이미징 기술이다. 컴퓨터 단층촬영(Computed Tomography)(CT) 및 자기 공명 이미징(Magnetic Resonance Imaging)(MRI)은 각각 x-선들 및 자기장들을 이용하여 이미지들을 생성하는 해부학적 이미징 기술들이다. 이러한 예시적인 기술들로부터의 이미지들은 합성 해부학적 및 기능적 이미지들을 생성하기 위해 서로 조합될 수 있다. 예를 들어, Varian Medical Systems, Inc.로부터의 VelocityTM 소프트웨어와 같은 소프트웨어 시스템들은 이미지 융합 프로세스를 이용하여 상이한 타입들의 이미지들을 조합함으로써, 이미지들을 변형 및/또는 등록하여 조합된 이미지를 생성한다.
심장 방사선절제(cardiac radioablation)에서, 의료 전문가들은 심장 부정맥을 진단하고, 절제를 위한 영역들을 식별하고, 방사선 치료를 처방하고, 방사선절제 치료 계획을 생성하기 위해 함께 작업한다. 전형적으로, 다양한 의료 전문가들 각각은 상보적인 의료 훈련을 받으며, 따라서 치료 개발의 다양한 양태들에서 전문화된다. 예를 들어, 전기생리학자(electrophysiologist)는 환자의 해부학 및 전기생리학에 기초하여 심장 부정맥의 치료를 위한 환자의 심장의 하나 이상의 영역 또는 타겟을 식별할 수 있다. 전기생리학자는, 예를 들어, 조합된 PET 및 심장 CT 이미지들을 입력들로서 이용하여, 절제를 위한 타겟 영역을 수동으로 정의할 수 있다. 타겟 영역이 전기생리학자에 의해 정의되면, 방사선 종양학자(radiation oncologist)는, 예를 들어, 전달될 방사선의 분율의 수(number of fractions of radiation to be delivered), 타겟 영역에 전달될 방사선 선량(radiation dose to be delivered to a target region) 및 위험에 처한 인접 장기들에 대한 최대 선량(maximum dose to adjacent organs at risk)을 포함하는 방사선 치료를 처방할 수 있다. 방사선 선량이 처방되면, 전형적으로 선량측정사(dosimetrist)는 처방된 방사선 요법에 기초하여 방사선절제 치료 계획을 생성할 수 있다. 이어서, 전형적으로 방사선 종양학자는 전달될 치료 계획을 검토 및 승인한다. 추가로, 그리고 방사선절제 치료 계획의 확정(finalization) 이전에, 전기생리학자는 방사선절제 치료 계획에 의해 정의된 바와 같은 환자에 대한 타겟 위치가 올바른지를 확인하기 위해, 정의된 타겟 볼륨의 선량 영역의 위치, 크기 및 형상을 이해하기를 원할 수 있다.
치료를 위한 환자 장기의 타겟 영역을 적절히 식별하고 정의하는 것은 치료 계획을 개발하고 최적화하는 데 필수적이다. 예를 들어, 과도하게 포괄적인 타겟 영역은 치료를 필요로 하지 않는 영역들을 포함하는 정의된 타겟 볼륨을 야기할 수 있는 반면, 과소하게 포괄적인 타겟 영역은 치료되어야 하는 영역들을 포함하는 데 실패한 정의된 타겟 볼륨을 야기할 수 있다. 이와 같이, 심장 방사선절제 진단 및 방사선 치료 계획을 위해 이용되는 심장 방사선절제 치료 시스템들과 같은, 의료 전문가들에 의해 이용되는 방사선절제 치료 계획 시스템들을 개선할 기회가 있다.
심장 방사선절제 진단 치료 및 계획을 위한 시스템들 및 방법들이 개시된다. 일부 예들에서, 컴퓨팅 디바이스는 의료 전문가가 치료를 위한 환자의 타겟 영역을 정의하는 것을 허용하는 사용자 인터페이스를 디스플레이를 위해 제공한다. 사용자 인터페이스는, 의료 전문가가 환자에 대해 생성된 대화형 타겟 맵들(interactive target maps)을 이용하여 치료 영역을 선택하는 것을 허용할 수 있다. 컴퓨팅 디바이스는 또한 환자의 스캐닝된 구조의 3D 볼륨을 식별하는 이미지 데이터와 같은, 환자에 대한 이미징 시스템으로부터의 이미지 데이터를 수신한다. 컴퓨팅 디바이스는 수신된 이미지 데이터에 기초하여 스캐닝된 구조의 3D 이미지를 디스플레이를 위해 생성할 수 있고, 의료 전문가가 환자에 대한 치료의 타겟 영역을 정의하기 위해 조작할 수 있는 타겟 영역 맵을 3D 이미지 상에 중첩시킬 수 있다. 일단 정의되고 나면, 컴퓨팅 디바이스는 정의된 타겟 영역을 환자를 치료하기 위한 치료 시스템에 송신할 수 있다.
일부 예들에서, 시스템은 환자의 장기의 치료 타겟 영역을 식별하는 제1 입력을 수신하고, 장기의 스캐닝된 이미지를 수신하도록 구성되는 컴퓨팅 디바이스를 포함한다. 컴퓨팅 디바이스는 또한 장기의 타입의 제1 디지털 모델을 생성하도록 구성된다. 또한, 컴퓨팅 디바이스는 제1 디지털 모델에 대한 스캐닝된 이미지의 정렬을 결정하도록 구성된다. 컴퓨팅 디바이스는 또한 제1 디지털 모델 및 스캐닝된 이미지의 적어도 일부를 포함하는 제2 디지털 모델을 생성하도록 구성된다. 컴퓨팅 디바이스는 제2 디지털 모델을 데이터 저장소(data repository)에 저장하도록 추가로 구성된다.
일부 예들에서, 컴퓨터에 의해 구현된 방법은 환자의 장기의 치료 타겟 영역을 식별하는 제1 입력을 수신하는 단계, 및 장기의 스캐닝된 이미지를 수신하는 단계를 포함한다. 방법은 또한 장기의 타입의 제1 디지털 모델을 생성하는 단계를 포함한다. 또한, 방법은 제1 디지털 모델에 대한 스캐닝된 이미지의 정렬을 결정하는 단계를 포함한다. 방법은 또한 제1 디지털 모델 및 스캐닝된 이미지의 적어도 일부를 포함하는 제2 디지털 모델을 생성하는 단계를 포함한다. 방법은 제2 디지털 모델을 데이터 저장소에 저장하는 단계를 더 포함한다.
일부 예들에서, 명령어들을 저장하는 비일시적 컴퓨터 판독가능 매체로서, 명령어들은, 적어도 하나의 프로세서에 의해 실행될 때, 적어도 하나의 프로세서로 하여금, 환자의 장기의 치료 타겟 영역을 식별하는 제1 입력을 수신하는 동작, 및 장기의 스캐닝된 이미지를 수신하는 동작을 포함하는 동작들을 수행하게 한다. 동작들은 또한 장기의 타입의 제1 디지털 모델을 생성하는 동작을 포함한다. 또한, 동작들은 제1 디지털 모델에 대한 스캐닝된 이미지의 정렬을 결정하는 동작을 포함한다. 동작들은 또한 제1 디지털 모델 및 스캐닝된 이미지의 적어도 일부를 포함하는 제2 디지털 모델을 생성하는 동작을 포함한다. 동작들은 제2 디지털 모델을 데이터 저장소에 저장하는 동작을 더 포함한다.
일부 예들에서, 방법은 환자의 장기의 치료 타겟 영역을 식별하는 제1 입력을 수신하고, 장기의 스캐닝된 이미지를 수신하기 위한 수단을 포함한다. 방법은 또한 장기의 타입의 제1 디지털 모델을 생성하기 위한 수단을 포함한다. 또한, 방법은 제1 디지털 모델에 대한 스캐닝된 이미지의 정렬을 결정하기 위한 수단을 포함한다. 방법은 또한 제1 디지털 모델 및 스캐닝된 이미지의 적어도 일부를 포함하는 제2 디지털 모델을 생성하기 위한 수단을 포함한다. 방법은 제2 디지털 모델을 데이터 저장소에 저장하기 위한 수단을 더 포함한다.
본 개시내용의 피처들 및 이점들은 예시적인 실시예들의 다음의 상세한 설명들에 의해 보다 완전히 개시되거나 명백해질 것이다. 예시적인 실시예들의 상세한 설명들은 첨부 도면들과 함께 고려되어야 하며, 첨부 도면들에서 유사한 번호들은 유사한 부분들을 지칭하고, 추가로 다음과 같다.
도 1은 일부 실시예들에 따른, 심장 방사선절제 진단 및 치료 시스템을 도시한다.
도 2는 일부 실시예들에 따른, 타겟 정의 컴퓨팅 디바이스의 블록도를 도시한다.
도 3은 일부 실시예들에 따른, 도 1의 심장 방사선절제 치료 시스템의 예시적인 부분들을 도시한다.
도 4a, 도 4b, 도 4c, 도 4d, 도 4e 및 도 4f는 일부 실시예들에 따른, 그래픽 사용자 인터페이스의 부분들을 도시한다.
도 5a 및 5b는 일부 실시예들에 따른, 그래픽 사용자 인터페이스의 부분들을 도시한다.
도 6a, 도 6b, 도 6c, 도 6d, 도 6e 및 도 6f는 일부 실시예들에 따른, 그래픽 사용자 인터페이스의 부분들을 도시한다.
도 7a는 일부 실시예들에 따른, 2차원 세그먼트 모델을 도시한다.
도 7b는 일부 실시예들에 따른, 3차원 세그먼트 모델을 도시한다.
도 7c는 일부 실시예들에 따른, 격막 경계(septum border)를 갖는 3차원 세그먼트 모델을 도시한다.
도 8은 일부 실시예들에 따른, 도 7a의 2차원 세그먼트 모델에 대한 편집 옵션들을 도시한다.
도 9는 일부 실시예들에 따른, 도 7b의 3차원 세그먼트 모델에 대한 편집 옵션들을 도시한다.
도 10a는 일부 실시예들에 따른, 세그먼트 모델 내의 세그먼트의 선택을 도시한다.
도 10b는 일부 실시예들에 따른, 선택된 세그먼트를 식별하는 3차원 세그먼트 모델을 도시한다.
도 11은 일부 실시예들에 따른, 환자에 대한 연구를 생성하는 예시적인 방법의 흐름도이다.
도 12는 일부 실시예들에 따른, 치료 타겟 영역을 식별하기 위한 대화형 맵을 생성하는 예시적인 방법의 흐름도이다.
도 13a는 일부 실시예들에 따른, 디지털 모델을 생성하는 예시적인 방법의 흐름도이다.
도 13b는 일부 실시예들에 따른, 도 13a의 디지털 모델의 배향을 조정하는 예시적인 방법의 흐름도이다.
도 1은 일부 실시예들에 따른, 심장 방사선절제 진단 및 치료 시스템을 도시한다.
도 2는 일부 실시예들에 따른, 타겟 정의 컴퓨팅 디바이스의 블록도를 도시한다.
도 3은 일부 실시예들에 따른, 도 1의 심장 방사선절제 치료 시스템의 예시적인 부분들을 도시한다.
도 4a, 도 4b, 도 4c, 도 4d, 도 4e 및 도 4f는 일부 실시예들에 따른, 그래픽 사용자 인터페이스의 부분들을 도시한다.
도 5a 및 5b는 일부 실시예들에 따른, 그래픽 사용자 인터페이스의 부분들을 도시한다.
도 6a, 도 6b, 도 6c, 도 6d, 도 6e 및 도 6f는 일부 실시예들에 따른, 그래픽 사용자 인터페이스의 부분들을 도시한다.
도 7a는 일부 실시예들에 따른, 2차원 세그먼트 모델을 도시한다.
도 7b는 일부 실시예들에 따른, 3차원 세그먼트 모델을 도시한다.
도 7c는 일부 실시예들에 따른, 격막 경계(septum border)를 갖는 3차원 세그먼트 모델을 도시한다.
도 8은 일부 실시예들에 따른, 도 7a의 2차원 세그먼트 모델에 대한 편집 옵션들을 도시한다.
도 9는 일부 실시예들에 따른, 도 7b의 3차원 세그먼트 모델에 대한 편집 옵션들을 도시한다.
도 10a는 일부 실시예들에 따른, 세그먼트 모델 내의 세그먼트의 선택을 도시한다.
도 10b는 일부 실시예들에 따른, 선택된 세그먼트를 식별하는 3차원 세그먼트 모델을 도시한다.
도 11은 일부 실시예들에 따른, 환자에 대한 연구를 생성하는 예시적인 방법의 흐름도이다.
도 12는 일부 실시예들에 따른, 치료 타겟 영역을 식별하기 위한 대화형 맵을 생성하는 예시적인 방법의 흐름도이다.
도 13a는 일부 실시예들에 따른, 디지털 모델을 생성하는 예시적인 방법의 흐름도이다.
도 13b는 일부 실시예들에 따른, 도 13a의 디지털 모델의 배향을 조정하는 예시적인 방법의 흐름도이다.
바람직한 실시예들의 설명은 첨부 도면들과 관련하여 읽도록 의도되며, 첨부 도면들은 이러한 개시내용들의 전체 기재된 설명의 일부로 간주되어야 한다. 본 개시내용은 다양한 수정들 및 대안적인 형태들이 가능하지만, 특정 실시예들이 도면들에서 예로서 도시되며, 본 명세서에서 상세히 설명될 것이다. 청구된 발명의 요지의 목적들 및 이점들은 첨부 도면들과 관련된 이러한 예시적인 실시예들의 이하의 상세한 설명으로부터 보다 명백하게 될 것이다.
그러나, 본 개시내용은 개시된 특정 형태들로 제한되도록 의도되지 않는다는 점이 이해되어야 한다. 오히려, 본 개시내용은 이러한 예시적인 실시예들의 사상 및 범위 내에 속하는 모든 수정들, 등가물들, 및 대안들을 커버한다. 용어들 "결합하다(couple)", "결합된(coupled)", "동작가능하게 결합된(operatively coupled)", "동작가능하게 접속된(operatively connected)" 등은 디바이스들 또는 컴포넌트들을 함께 기계적으로, 전기적으로, 유선으로, 무선으로, 또는 다른 방식으로 접속하는 것을 지칭하며, 따라서, 접속이 관련 디바이스들 또는 컴포넌트들이 그 관계에 의해 의도된 바와 같이 서로 동작(예를 들어, 통신)하는 것을 허용하도록 폭넓게 이해되어야 한다.
도면들을 참조하면, 도 1은 통신 네트워크(118)를 통해 통신 가능하게 결합된 이미징 디바이스(102), 치료 계획 컴퓨팅 디바이스(106), 하나 이상의 타겟 정의 컴퓨팅 디바이스(104) 및 데이터베이스(116)를 포함하는 심장 방사선절제 진단 및 치료 시스템(100)의 블록도를 도시한다. 이미징 디바이스(102)는, 예를 들어, CT 스캐너, MR 스캐너, PET 스캐너, 전기생리학적 이미징 디바이스(electrophysiologic imaging device), ECG 또는 ECG 이미저(imager)일 수 있다. 일부 예들에서, 이미징 디바이스(102)는 PET/CT 스캐너 또는 PET/MR 스캐너일 수 있다. 일부 예들에서, 이미징 디바이스(102) 및 치료 계획 컴퓨팅 디바이스(106)는 환자에 대한 방사선절제 치료를 허용하는 방사선절제 치료 시스템(126)의 일부일 수 있다. 예를 들어, 방사선절제 치료 시스템(126)은 환자의 하나 이상의 치료 영역에 대한 정의된 선량의 전달을 허용할 수 있다.
각각의 타겟 정의 컴퓨팅 디바이스(104) 및 치료 계획 컴퓨팅 디바이스(106)는 데이터를 처리하기 위한 임의의 적절한 하드웨어 또는 하드웨어 및 소프트웨어 조합을 포함하는 임의의 적절한 컴퓨팅 디바이스일 수 있다. 예를 들어, 각각은 하나 이상의 프로세서, 하나 이상의 필드 프로그래머블 게이트 어레이(FPGA), 하나 이상의 주문형 집적 회로(ASIC), 하나 이상의 상태 머신, 디지털 회로, 또는 임의의 다른 적절한 회로를 포함할 수 있다. 추가로, 각각은 데이터를 통신 네트워크(118)로 송신하고 그로부터 데이터를 수신할 수 있다. 예를 들어, 타겟 정의 컴퓨팅 디바이스(104) 및 치료 계획 컴퓨팅 디바이스(106) 각각은 클라우드 기반 서버, 컴퓨터, 랩톱, 모바일 디바이스, 워크스테이션, 또는 임의의 다른 적절한 컴퓨팅 디바이스와 같은 서버일 수 있다.
예를 들어, 도 2는 타겟 정의 컴퓨팅 디바이스(104) 및 치료 계획 컴퓨팅 디바이스(106) 각각의 예일 수 있는 컴퓨팅 디바이스(200)를 도시한다. 컴퓨팅 디바이스(200)는 하나 이상의 프로세서(201), 작업 메모리(202), 하나 이상의 입력/출력 디바이스(203), 명령어 메모리(207), 송수신기(204), 하나 이상의 통신 포트(207), 및 디스플레이(206)를 포함하고, 이들 모두는 하나 이상의 데이터 버스(208)에 동작가능하게 결합된다. 데이터 버스들(208)은 다양한 디바이스들 간의 통신을 허용한다. 데이터 버스들(208)은 유선 또는 무선 통신 채널들을 포함할 수 있다.
프로세서들(201)은 각각이 하나 이상의 코어를 갖는 하나 이상의 별개의 프로세서를 포함할 수 있다. 별개의 프로세서들 각각은 동일하거나 상이한 구조를 가질 수 있다. 프로세서들(201)은 하나 이상의 중앙 처리 유닛(CPU), 하나 이상의 그래픽 처리 유닛(GPU), 주문형 집적 회로(ASIC), 디지털 신호 프로세서(DSP) 등을 포함할 수 있다.
명령어 메모리(207)는 프로세서들(201)에 의해 액세스(예를 들어, 판독)되고 실행될 수 있는 명령어들을 저장할 수 있다. 예를 들어, 명령어 메모리(207)는 ROM(read-only memory), EEPROM(electrically erasable programmable read-only memory), 플래시 메모리, 이동식 디스크, CD-ROM, 임의의 비휘발성 메모리, 또는 임의의 다른 적절한 메모리와 같은 비일시적 컴퓨터 판독가능 저장 매체일 수 있다. 프로세서들(201)은 기능 또는 동작을 구현하는, 명령어 메모리(207) 상에 저장된 코드를 실행함으로써 특정 기능 또는 동작을 수행하도록 구성될 수 있다. 예를 들어, 프로세서들(201)은 본 명세서에 개시된 임의의 기능, 방법, 또는 동작 중 하나 이상을 수행하기 위해 명령어 메모리(207)에 저장된 코드를 실행하도록 구성될 수 있다.
또한, 프로세서들(201)은 작업 메모리(202)에 데이터를 저장하고 그로부터 데이터를 판독할 수 있다. 예를 들어, 프로세서들(201)은 명령어 메모리(207)로부터 로딩된 명령어들과 같은 명령어들의 작업 세트를 작업 메모리(202)에 저장할 수 있다. 프로세서(201)는 또한 방사선절제 진단 및 치료 계획 컴퓨팅 디바이스(200)의 동작 동안에 생성된 동적 데이터를 저장하기 위해 작업 메모리(202)를 이용할 수 있다. 작업 메모리(202)는 SRAM(static random access memory) 또는 DRAM(dynamic random access memory)과 같은 RAM(random access memory), 또는 임의의 다른 적절한 메모리일 수 있다.
입력/출력 디바이스들(203)은 데이터 입력 또는 출력을 허용하는 임의의 적절한 디바이스를 포함할 수 있다. 예를 들어, 입력/출력 디바이스들(203)은 키보드, 터치패드, 마우스, 스타일러스, 터치스크린, 물리적 버튼, 스피커, 마이크로폰, 또는 임의의 다른 적절한 입력 또는 출력 디바이스 중 하나 이상을 포함할 수 있다.
통신 포트(들)(209)는, 예를 들어, UART(universal asynchronous receiver/transmitter) 접속, USB(Universal Serial Bus) 접속, 또는 임의의 다른 적당한 통신 포트 또는 접속과 같은 직렬 포트를 포함할 수 있다. 일부 예들에서, 통신 포트(들)(209)는 명령어 메모리(207)에서의 실행가능한 명령어들의 프로그래밍을 허용한다. 일부 예들에서, 통신 포트(들)(209)는 이미지 데이터와 같은 데이터의 전송(예를 들어, 업로딩 또는 다운로딩)을 허용한다.
디스플레이(206)는 3D 뷰어 또는 모니터와 같은 임의의 적절한 디스플레이일 수 있다. 디스플레이(206)는 사용자 인터페이스(205)를 디스플레이할 수 있다. 사용자 인터페이스들(205)은 컴퓨팅 디바이스(200)와의 사용자 상호작용을 가능하게 할 수 있다. 예를 들어, 사용자 인터페이스(205)는, 사용자(예를 들어, 의료 전문가)가 본 명세서에 설명된 바와 같이 환자에 대한 치료의 타겟 영역을 정의하기 위해 모델들을 보거나 조작하는 것을 허용하는 애플리케이션을 위한 사용자 인터페이스일 수 있다. 일부 예들에서, 사용자는 입력/출력 디바이스들(203)을 관여시킴으로써 사용자 인터페이스(205)와 상호작용할 수 있다. 일부 예들에서, 디스플레이(206)는 터치스크린일 수 있고, 여기서 사용자 인터페이스(205)가 터치스크린 상에 디스플레이된다. 일부 예들에서, 디스플레이(206)는 스캐닝된 이미지 데이터의 이미지들(예를 들어, 이미지 슬라이스들)을 디스플레이한다.
송수신기(204)는 도 1의 통신 네트워크(118)와 같은 네트워크와의 통신을 허용한다. 예를 들어, 도 1의 통신 네트워크(118)가 셀룰러 네트워크인 경우, 송수신기(204)는 셀룰러 네트워크와의 통신을 허용하도록 구성된다. 일부 예들에서, 송수신기(204)는 통신 네트워크(118)의 타입에 기초하여 선택되고, 방사선절제 진단 및 치료 계획 컴퓨팅 디바이스(200)가 동작할 것이다. 프로세서(들)(201)는, 송수신기(204)를 통해, 도 1의 통신 네트워크(118)와 같은 네트워크로부터 데이터를 수신하거나 네트워크에 데이터를 전송하도록 동작할 수 있다.
도 1을 다시 참조하면, 데이터베이스(116)는 클라우드 기반 서버, 디스크(예를 들어, 하드 디스크), 다른 애플리케이션 서버 상의 메모리 디바이스, 네트워킹된 컴퓨터, 또는 임의의 다른 적절한 원격 저장소와 같은 원격 저장 디바이스(예를 들어, 비휘발성 메모리를 포함함)일 수 있다. 일부 예들에서, 데이터베이스(116)는 타겟 정의 컴퓨팅 디바이스(104) 및 치료 계획 컴퓨팅 디바이스(106) 중 하나 이상에 대한, 하드 드라이브, 비휘발성 메모리, 또는 USB 스틱과 같은, 로컬 저장 디바이스일 수 있다.
통신 네트워크(118)는 WiFi® 네트워크, 3GPP® 네트워크와 같은 셀룰러 네트워크, 블루투스® 네트워크, 위성 네트워크, 무선 근거리 네트워크(LAN), 라디오 주파수(RF) 통신 프로토콜들을 이용하는 네트워크, 근거리 통신(NFC) 네트워크, 다수의 무선 LAN을 접속하는 무선 도시 영역 네트워크(MAN), 광역 네트워크(WAN) 또는 임의의 다른 적절한 네트워크일 수 있다. 통신 네트워크(118)는, 예를 들어, 인터넷에 대한 액세스를 제공할 수 있다.
이미징 디바이스(102)는 환자의 장기들의 이미지들과 같은 이미지들을 스캐닝하고, 스캐닝된 이미지들을 식별 및 특성화하는 이미지 데이터(103)(예를 들어, 측정 데이터)를 통신 네트워크(118)에 제공하도록 동작할 수 있다. 대안적으로, 이미징 디바이스(102)는 심장 ECG 이미지들과 같은 전기적 이미징을 획득하도록 동작할 수 있다. 예를 들어, 이미징 디바이스(102)는 환자의 구조(예를 들어, 장기)을 스캐닝할 수 있고, 스캐닝된 구조의 3D 볼륨의 하나 이상의 슬라이스를 식별하는 이미지 데이터(103)를 통신 네트워크(118)를 통해 타겟 정의 컴퓨팅 디바이스(104) 및 치료 계획 컴퓨팅 디바이스(106) 중 하나 이상에 송신할 수 있다. 일부 예들에서, 이미징 디바이스(102)는 이미지 데이터(103)를 데이터베이스(116)에 저장하고, 타겟 정의 컴퓨팅 디바이스(104) 및 치료 계획 컴퓨팅 디바이스(106) 중 하나 이상은 데이터베이스(116)로부터 이미지 데이터(103)를 검색할 수 있다.
일부 예들에서, 타겟 정의 컴퓨팅 디바이스(104)는 통신 네트워크(118)를 통해 치료 계획 컴퓨팅 디바이스(106)와 통신하도록 동작할 수 있다. 일부 예들에서, 타겟 정의 컴퓨팅 디바이스(104) 및 치료 계획 컴퓨팅 디바이스(106)는 (예를 들어, 데이터베이스(116)로부터 데이터를 저장 및 검색함으로써) 데이터베이스(116)를 통해 서로 통신한다. 일부 예들에서, 하나 이상의 타겟 정의 컴퓨팅 디바이스(104) 및 하나 이상의 치료 계획 컴퓨팅 디바이스(106)는 자원들의 공유 및 각각의 디바이스와의 통신을 허용하는 클라우드 기반 네트워크의 일부이다.
일부 예들에서, 전기생리학자(EP)는 본 명세서에서 설명되는 바와 같이 환자에 대한 치료의 타겟 영역을 정의하기 위해 타겟 정의 컴퓨팅 디바이스(104)를 동작한다. 일부 예들에서, 타겟 정의 컴퓨팅 디바이스(104)는 환자에 대한 타겟 영역을 식별하는 타겟 데이터를 생성하고, 타겟 데이터를 치료 계획 컴퓨팅 디바이스(106)에 송신한다. 방사선 종양학자는 치료 계획 컴퓨팅 디바이스(106)를 동작하여 이미징 디바이스(102)를 통해 환자에게 치료를 전달할 수 있다. 일부 예들에서, 타겟 영역은 환자를 치료하기 위한 방사선절제 치료 계획에 통합된다.
일부 예들에서, 하나 이상의 타겟 정의 컴퓨팅 디바이스(104)는 의료 시설(120)의 제1 영역(122)에 위치되는 반면, 하나 이상의 타겟 정의 컴퓨팅 디바이스들(104)은 의료 시설(120)의 제2 영역(124)에 위치된다. 이와 같이, 심장 방사선절제 진단 및 치료 시스템(100)은 다수의 EP들이 타겟 영역을 확정하게 협력하도록 허용한다. 예를 들어, 하나의 EP는 제1 의료 시설(122)에서의 제1 타겟 정의 컴퓨팅 디바이스(104)를 동작할 수 있고, 제2 EP는 제2 의료 시설(124)에서의 제2 타겟 정의 컴퓨팅 디바이스(102)를 동작할 수 있다. 제1 타겟 정의 컴퓨팅 디바이스(104) 및 제2 타겟 정의 컴퓨팅 디바이스(104)는, 예컨대, 타겟 영역(예를 들어, 제안된 타겟 영역)과 관련된(예를 들어, 이를 정의하는) 데이터를 송신 및 수신함으로써, 통신 네트워크(118)를 통해 통신할 수 있다. 각각의 EP는 대응하는 타겟 정의 컴퓨팅 디바이스(104)를 동작하여 타겟 영역을 조정할 수 있고, 양쪽 EP들이 타겟 영역에 동의하면 타겟 영역을 확정할 수 있다.
연구 발생
타겟 정의 컴퓨팅 디바이스(102)는 EP와 같은 의료 전문가에게 디스플레이될 수 있는 사용자 인터페이스(예를 들어, 사용자 인터페이스(205))의 생성을 야기하는 애플리케이션을 실행할 수 있다. 실행된 애플리케이션은 의료 전문가가 치료를 위한 환자의 타겟 영역을 정의하는 것을 허용할 수 있다. 예를 들어, 사용자 인터페이스는 의료 전문가가 연구 타입(study type)(예를 들어, CT, ECG, MRI 등)을 선택하도록 허용한다. 연구 타입은 환자에 대한 이미징의 타입을 식별할 수 있다. 예를 들어, 연구 타입은 환자에 대해 캡처된 이미지의 타입을 식별할 수 있다.
(예를 들어, 드롭다운 메뉴(drop down menu)를 통한) 연구 타입의 선택에 응답하여, 실행된 애플리케이션은, 사용자 인터페이스를 통해, 선택된 연구 타입에 대한 연구 카테고리의 선택을 자동으로 제공한다. 연구 카테고리는 특정 연구 타입에 대한 피처들(또는 연구 로컬화들(study localizations))의 리스트를 식별할 수 있다. 예를 들어, 그리고 의료 전문가가 연구 타입에 대해 "ECG"를 선택한다고 가정하면, 사용자 인터페이스는 "전기적"과 같은 하나 이상의 연구 카테고리의 선택을 제공할 수 있다. 다른 예로서, "구조적"의 연구 카테고리가 "CT", "MR", "PET/SPECT" 및 "US" 연구 타입들에 대해 제공될 수 있다. 추가적인 연구 카테고리들은 "신진대사" 또는 임의의 다른 적절한 연구 카테고리를 포함할 수 있다. 일부 예들에서, (예를 들어, "ECG" 연구 타입에 대해 "전기적"과 같은) 오직 하나의 연구 카테고리가 연구 타입에 대해 이용가능할 수 있고, 따라서, 실행된 애플리케이션은 선택된 연구 타입에 대해 단독 연구 카테고리를 자동으로 선택할 수 있다.
연구 카테고리가 선택되면, 실행된 애플리케이션은, 사용자 인터페이스를 통해, 연구 로컬화의 선택을 허용할 수 있다. 연구 로컬화는, 심장의 하나 이상의 세그먼트와 같은 치료될 환자의 장기의 일반적인 타겟 영역을 식별할 수 있다. 선택을 위하여 디스플레이된 연구 로컬화들은 선택된 연구 카테고리 및/또는 연구 타입에 의존할 수 있다. 예를 들어, 그리고 "ECG"의 연구 타입 및 "전기적"의 연구 카테고리를 가정하면, 실행된 애플리케이션은, 사용자 인터페이스를 통해, 다른 것들 중에서 "VT 엑시트 사이트(exit site)", "VT 엔터 사이트(enter site)", 및 "VT 엔터 및 엑시트 사이트"를 포함하는 하나 이상의 연구 로컬화의 선택을 제공할 수 있다. 다른 예로서, 그리고 "CT"의 연구 타입 및 "구조적"의 연구 카테고리를 가정하면, 실행된 애플리케이션은, 사용자 인터페이스를 통해, "상처(Scar)"를 포함하는 하나 이상의 연구 로컬화의 선택을 제공할 수 있다.
일부 예들에서, 의료 전문가가, 연구 타입, 연구 카테고리, 및 연구 로컬화를 선택하면, 실행된 애플리케이션은, 심장의 심실(heart's ventricle)의 기저 레벨(basal level), 중간-공동 레벨(mid-cavity level), 및 심장 첨단(cardiac apex)을 나타내는 17 세그먼트 모델과 같은, 장기 또는 그 일부의 대화형 모델을 디스플레이하기 위해 제공할 수 있다. 대화형 모델은 의료 전문가가 치료될 장기의 하나 이상의 부분을 선택하는 것을 허용할 수 있다. 예를 들어, 그리고 대화형 모델이 심장의 심실의 17 세그먼트 모델이라고 가정하면, 대화형 모델은 의료 전문가가 17 세그먼트들(예를 들어, 세그먼트들 1 내지 17) 중 하나 이상을 선택하도록 허용할 수 있다. 의료 전문가는, 예를 들어, 각각의 세그먼트를 (예를 들어, 입력/출력 디바이스(203)를 이용하여) 클릭함으로써 각각의 세그먼트를 선택할 수 있다. 각각의 세그먼트가 선택될 때, 일부 예들에서, 실행된 애플리케이션은 각각의 세그먼트의 컬러를 변경하거나, 세그먼트가 선택되었다는 일부 다른 표시를 제공할 수 있다. 일부 예들에서, 각각의 선택된 세그먼트의 컬러는 선택된 연구 카테고리에 의존한다. 예를 들어, 실행된 애플리케이션은 "구조적"의 연구 카테고리에 대해 회색 선택된 세그먼트들에서 디스플레이할 수 있고, "전기적"의 연구 카테고리에 대해 주황색 선택된 세그먼트들에서 디스플레이할 수 있다.
일부 예들에서, 실행된 애플리케이션은 장기의 각각의 부분의 명칭을 디스플레이할 수 있다. 예를 들어, 실행된 애플리케이션은 의료 전문가가 커서를 세그먼트 위로 드래그함에 따라 17 세그먼트 모델의 세그먼트의 명칭을 디스플레이할 수 있다.
일부 예들에서, 사용자 인터페이스는 의료 전문가들이 데이터베이스(116)와 같은 데이터베이스에 기록을 저장하도록 허용하며, 여기서 기록은 대화형 모델의 선택된 연구 타입, 연구 카테고리, 연구 로컬화, 및 임의의 선택된 부분들(예를 들어, 세그먼트들)을 식별한다. 일부 예들에서, 실행된 애플리케이션은, 의료 전문가가 기록을 명명하고, 연구 날짜를 선택하며, 또한 기록과 연관된 노트들을 제공하는 것을 허용하고, 이들 모두는 기록의 일부로서 데이터베이스에 저장될 수 있다.
타겟 선택
실행된 애플리케이션은 또한 의료 전문가가 치료를 위한 타겟 영역을 식별하는 것을 허용할 수 있다. 예를 들어, 실행된 애플리케이션은 하나 이상의 연구 카테고리 맵을 디스플레이할 수 있고, 여기서 각각의 연구 카테고리 맵(예를 들어, "히트 맵(heat map)")은 연구 카테고리에 대응한다. 각각의 연구 카테고리 맵은 심장의 심실의 17 세그먼트 모델과 같은, 환자의 장기의 하나 이상의 부분을 식별할 수 있다. 또한, 각각의 연구 카테고리 맵은 연구 카테고리에 대응하는 환자에 대해 이전에 식별된 피처들(예를 들어, 연구 로컬화들)의 표시를 제공한다. 예를 들어, "전기적 맵"은 환자에 대해 수행된 "전기적" 타입 연구들에 대해 식별된 하나 이상의 부정맥 장기의 표시를 제공할 수 있는 반면, "구조적 맵"은 환자에 대해 수행된 "구조적" 타입 연구들에서 식별된 하나 이상의 상처 위치의 표시를 제공할 수 있다. 환자에 대한 이전의 연구들을 식별하는 데이터가, 예를 들어, 데이터베이스(116)에 저장될 수 있다. 타겟 정의 컴퓨팅 디바이스(104)는 연구 카테고리 맵들을 생성하기 위해 데이터를 획득할 수 있다.
일부 예들에서, 각각의 연구 카테고리 맵은 환자의 장기의 하나 이상의 부분 각각에 대한 대응하는 선택들의 수를 표시할 수 있다. 예를 들어, 그리고 17 세그먼트 모델을 가정하면, 실행된 애플리케이션은 세그먼트가 해당 연구 카테고리에서 임상적 관심대상으로 선택된 횟수에 기초하여 특정 컬러로 각각의 세그먼트를 디스플레이할 수 있다. 예를 들어, 그리고 "전기적 맵"의 경우, (예를 들어, 이전 연구 동안) 선택된 적이 없는 세그먼트들은 백색으로 디스플레이될 수 있고, 임계량까지(예를 들어, 한 번) 선택된 세그먼트들은 연한 주황색(light orange)으로 디스플레이될 수 있으며, 임계 횟수를 초과하여 선택된 세그먼트들은 진한 주황색(dark orange)으로 디스플레이될 수 있다.
각각의 연구 카테고리 맵은 대응하는 선택량 범위들에 기초하여 (예를 들어, 가변하는 색조들의) 다양한 컬러들로 세그먼트들을 디스플레이할 수 있다. 예를 들어, 그리고 "구조적 맵"의 경우, 선택된 적이 없는 세그먼트들은 백색으로 디스플레이될 수 있고, 임계량까지 선택된 세그먼트들은 연한 회색으로 디스플레이될 수 있으며, 임계량을 초과하여 선택된 세그먼트들은 진한 회색으로 디스플레이될 수 있다. 일부 예들에서, 실행된 애플리케이션은 또한 범위들 및 대응하는 컬러들을 표시하는 막대 그래프를 각각의 연구 카테고리 맵에 제공한다.
일부 예들에서, 실행된 애플리케이션은 세그먼트가 임상적 관심대상으로 선택된 횟수의 백분율에 기초하여 특정 컬러로 연구 카테고리 맵의 각각의 세그먼트를 디스플레이할 수 있다. 타겟 정의 컴퓨팅 디바이스(104)는 데이터베이스(116)로부터 환자에 대한 데이터를 획득할 수 있고, 각각의 연구 카테고리(예를 들어, 전기적, 구조적 등)에 대해, 전체 연구 타입들에 걸쳐 각각의 세그먼트가 선택된 횟수를 결정할 수 있다. 각각의 세그먼트에 대한 선택들의 수에 기초하여, 타겟 정의 컴퓨팅 디바이스(104)는 각각의 연구 카테고리에 대한 총 선택 수를 결정할 수 있다. 또한, 각각의 세그먼트에 대해, 타겟 정의 컴퓨팅 디바이스(104)는 해당 특정 연구 카테고리에 대한 연구들의 수 및 해당 세그먼트에 대한 총 선택 수(예를 들어, (세그먼트에 대한 선택들의 수/총 연구 수) * 100))에 기초하여 세그먼트가 연구 카테고리에 대해 선택된 횟수의 백분율을 결정할 수 있다.
예를 들어, 그리고 "전기적 맵"의 경우, 이전의 선택들이 없는 세그먼트들은 백색으로 디스플레이될 수 있고, 임계량까지의 "전기적" 연구 카테고리 선택들의 백분율을 갖는 세그먼트들은 연한 주황색으로 디스플레이될 수 있고, "전기적" 연구 카테고리 선택들의 임계량을 초과하는 선택들의 백분율을 갖는 세그먼트들은 진한 주황색으로 디스플레이될 수 있다. 유사하게, 그리고 "구조적 맵"의 경우, 이전의 선택들이 없는 세그먼트들은 백색으로 디스플레이될 수 있고, 임계량까지의 "구조적" 연구 카테고리 선택들의 백분율을 갖는 세그먼트들은 연한 회색으로 디스플레이될 수 있고, "구조적" 연구 카테고리 선택들의 임계량을 초과하는 세그먼트들은 진한 회색으로 디스플레이될 수 있다. 일부 예들에서, 실행된 애플리케이션은 또한 백분율들 및 대응하는 컬러들을 표시하는 막대 그래프를 각각의 연구 카테고리 맵에 제공한다.
본 명세서에 설명된 임계량들은 구성가능할 수 있다. 예를 들어, 의료 전문가는 실행된 애플리케이션에 의해 제공된 사용자 인터페이스를 통해 타겟 정의 컴퓨팅 디바이스(104)에 임계량들을 제공할 수 있고, 타겟 정의 컴퓨팅 디바이스(104)는 데이터베이스(116)에 임계값들을 저장할 수 있다.
일부 예들에서, 타겟 정의 컴퓨팅 디바이스(104)는, 일부 예들에서, 동일한 형태의 연구 카테고리 맵일 수 있는 확률 맵을 생성한다. 예를 들어, 연구 카테고리 맵이 17 세그먼트 모델인 경우, 확률 맵은 또한 17 세그먼트 모델일 수 있다. 확률 맵은 하나 이상의 연구 카테고리 맵에 의해 식별된 장기의 부분들에 기초하여 장기의 하나 이상의 부분에 대한 치료의 확률을 나타낼 수 있다. 일 예에서, 타겟 정의 컴퓨팅 디바이스(104)는 연구 카테고리(예를 들어, 모든 연구 카테고리들에 걸쳐 세그먼트에 제공되는 총 선택 수)에 관계없이 장기의 각각의 부분(예를 들어, 세그먼트)에 제공되는 선택들의 수를 결정한다. 예를 들어, 확률 맵은 2개 이상의 연구 카테고리 맵들을 함께 조합하고, (예를 들어, 개별 연구 카테고리 맵들에 의해 표시된 바와 같이) 장기의 하나 이상의 부분이 얼마나 많은 횟수만큼 선택되었는지의 표시를 제공할 수 있다. 각각의 부분에 대한 결정된 선택들의 수에 기초하여, 실행된 애플리케이션은 확률 맵의 대응하는 부분을 대응하는 컬러로 디스플레이하거나 또는 대응하는 해칭(hatching)과 같은 다른 적절한 표시를 이용한다.
일부 예들에서, 타겟 정의 컴퓨팅 디바이스(104)는 모든 연구 카테고리들에 걸쳐 각각의 부분이 선택된 횟수의 백분율을 결정한다. 각각의 부분에 대한 결정된 백분율들에 기초하여, 실행된 애플리케이션은 확률 맵의 대응하는 부분을 대응하는 컬러로 디스플레이하거나, 임의의 다른 적절한 표시를 이용한다.
일부 예들에서, 타겟 정의 컴퓨팅 디바이스(104)는 각각의 부분이 모든 연구 카테고리들에 걸쳐 선택된 평균량을 결정한다. 예를 들어, 타겟 정의 컴퓨팅 디바이스(104)는 그 부분이 모든 연구 카테고리들에 걸쳐 선택된 횟수를 결정하고, 연구 카테고리들의 수로 나눔으로써, 각각의 부분에 대한 평균량을 결정할 수 있다. 각각의 부분에 대한 결정된 평균들에 기초하여, 실행된 애플리케이션은 확률 맵의 대응하는 부분을 대응하는 컬러로 디스플레이하거나, 임의의 다른 적절한 표시를 이용한다.
일부 예들에서, 타겟 정의 컴퓨팅 디바이스(104)는 가중치(예를 들어, 승수(multiplier))를 각각의 연구 카테고리에 할당한다. 예를 들어, 타겟 정의 컴퓨팅 디바이스(104)는 위에서 설명된 바와 같이 확률 맵의 제1 부분에 대한 선택들의 수를 결정할 수 있고, 총 선택 수에 제1 값을 곱하여 제1 가중 값을 결정할 수 있다. 유사하게, 타겟 정의 컴퓨팅 디바이스(104)는 위에서 설명된 바와 같이 확률 맵의 제2 부분에 대한 선택들의 수를 결정할 수 있고, 총 선택 수에 제2 값을 곱하여 제2 가중 값을 결정할 수 있다. 제1 값은 제2 값보다 작거나 클 수 있다. 제1 가중 값 및 제2 가중 값에 기초하여, 타겟 정의 컴퓨팅 디바이스(104)는 확률 맵의 대응하는 부분을 대응하는 컬러로 디스플레이할 수 있거나, 임의의 다른 적절한 표시를 이용할 수 있다.
일부 예들에서, 타겟 정의 컴퓨팅 디바이스(104)는 장기의 대응하는 부분이 대응하는 연구 카테고리에서 얼마나 많은 횟수로 선택되었는지에 관계없이, 각각의 연구 카테고리 맵을 동등하게 가중할 수 있다. 예를 들어, 타겟 정의 컴퓨팅 디바이스(104)는 장기의 각각의 부분이 전술한 바와 같이 그 연구 카테고리 내에서 선택된 백분율에 따라 연구 카테고리 맵들을 디스플레이할 수 있다. 타겟 정의 컴퓨팅 디바이스(104)는 연구 카테고리들 각각에서의 해당 세그먼트에 대한 백분율들에 기초하여 각각의 부분에 대한 값을 결정할 수 있다. 각각의 부분에 대한 결정된 값들에 기초하여, 실행된 애플리케이션은 확률 맵의 대응하는 부분을 대응하는 컬러로 디스플레이하거나, 임의의 다른 적절한 표시를 이용한다. 일부 예들에서, 타겟 정의 컴퓨팅 디바이스(104)는 각각의 부분에 대한 백분율을 가중하고(예를 들어, 승수를 적용하고), 가중된 백분율들에 기초하여 값들을 결정한다. 승수들은 적어도 2개의 세그먼트들에 대해 상이할 수 있다. 일부 예들에서, 실행된 애플리케이션은 의료 전문가가 승수들을 구성하는 것을 허용한다. 타겟 정의 컴퓨팅 디바이스(104)는 승수들을 데이터베이스(116)에 저장할 수 있다.
일부 예들에서, 실행된 애플리케이션은, 의료 전문가가 치료를 위한 타겟 영역(예를 들어, 절제 영역들)을 식별하는 것을 허용하기 위해, 심장의 심실의 17 세그먼트 모델일 수 있는 타겟 정의 모델을 생성할 수 있다. 일부 예들에서, 의료 전문가는 타겟 영역을 식별하기 위해 타겟 정의 모델의 하나 이상의 부분을 선택할 수 있다. 예를 들어, 그리고 17 세그먼트 모델의 예에서, 의료 전문가는 (예를 들어, 입력/출력 디바이스(203)를 이용하여) 세그먼트를 클릭함으로써 세그먼트를 선택할 수 있다. 일부 예들에서, 실행된 애플리케이션은 선택된 세그먼트의 컬러를 변경하거나, 선택된 세그먼트를 의료 전문가에게 다른 방식으로 표시할 수 있다.
또한, 일부 예들에서, 타겟 정의 컴퓨팅 디바이스(104)는 확률 맵 및/또는 대응하는 연구 카테고리 맵들(예를 들어, 연구 카테고리 맵들을 생성하기 위해 이용되는 값들)에 기초하여 선택된 세그먼트가 "불확정적(improbable)"인지 또는 선택될 가능성이 없는지를 결정할 수 있다. 예를 들어, 타겟 정의 컴퓨팅 디바이스(104)는 선택된 부분이 불확정적인지를 결정하기 위해 하나 이상의 규칙(예를 들어, 알고리즘들)을 연구 카테고리 맵들을 생성하도록 결정된 값들에 적용할 수 있다. 규칙들을 식별하고 특성화하는 데이터는, 예를 들어, 데이터베이스(116)에 저장될 수 있다. 예로서, 하나의 규칙은 임계값 미만인 확률 맵에서의 백분율에 대응하는 선택된 부분(예를 들어, 세그먼트)이 "불확정적"임을 명시할 수 있다. 다른 예로서, 또 다른 규칙은 임계값 미만인 확률 맵에 표시된 바와 같은 선택들의 수에 대응하는 선택된 부분이 "불확정적"임을 명시할 수 있다. 규칙들은 이들 예로 제한되지 않고, 임의의 적절한 규칙이 이용될 수 있다.
일부 예들에서, 하나 이상의 훈련된 기계 학습 모델을 환자의 데이터에 적용하여, 선택된 세그먼트가 불확정적인지를 결정한다. 예를 들어, 신경망 또는 판정 트리들에 기초한 것과 같은 기계 학습 모델이 이력 환자 데이터로 훈련되어 확정적(probable) 치료 영역들을 결정할 수 있다. 훈련된 기계 학습 모델은 특정한 환자의 이력 데이터(예를 들어, 데이터베이스(116)에 저장된 치료 데이터), 및 선택된 부분을 확정적 또는 불확정적인 것으로서 분류하기 위한 환자에 대한 선택된 부분에 적용될 수 있다. 모델들은 의료 이미지들 및 전기적 진단 연구들(예를 들어, ECG, ECGI, 오래된 카테터 맵들(old catheter maps) 등)과 같은 진단 데이터의 넓은 선택에 적용될 수 있다.
"불확정적"인 것으로 결정된 임의의 선택된 세그먼트들에 대해, 실행된 애플리케이션은 선택의 불확정성을 나타내는 경고를 갖는 메시지를 (예를 들어, 팝업 창(pop-up window)을 통해) 생성한다. 의료 전문가는 경고를 고려할 수 있고, 사용자 인터페이스를 통해 입력을 제공할 때 경고를 무시할 수 있다.
타겟 정렬
타겟 정의 모델에 기초하여, 타겟 정의 컴퓨팅 디바이스(104)는 대응하는 구조(예를 들어, 장기)의 3차원(3D) 모델을 생성할 수 있다. 예를 들어, 타겟 정의 모델이 심장의 심실의 2차원(2D) 17 세그먼트 모델이라고 가정하면, 타겟 정의 컴퓨팅 디바이스(104)는 17 세그먼트 모델의 3D 표현을 생성할 수 있다. 3D 모델은 심장의 심실의 기저, 중간-공동, 정점(apical), 및 첨단(apex) 영역들을 식별할 수 있다. 예를 들어, 17 세그먼트 모델의 3D 표현은 좌심실 구조의 표면 메시(surface mesh)의 형상에 기초할 수 있다.
예를 들어, 도 7a는 우심실 모델(704)에 인접한 2D 심실 모델(702)을 포함하는 2D 심장 모델(700)을 도시한다. 도시된 바와 같이, 2D 심실 모델(702)은 17개의 세그먼트를 포함하고, 각각의 세그먼트는 대응하는 수에 의해 식별된다. 키(key)(706)는 각각의 세그먼트와 연관된 심실 부분들을 식별한다.
도 7b는 2D 심실 모델(702)의 3D 표현인 3D 심실 모델(720)을 도시한다. 3D 심실 모델(720)은 심장의 심실의 기저(724), 중간-공동(726), 정점(728), 및 첨단(730) 영역들을 식별하고, 각각의 부분은 3D 모델(720)의 장축(722)을 따른 구조를 포함한다.
도 7c는 우심실 모델(760)에 인접한 3D 심실 모델(720)을 포함하는 3D 심장 모델(750)을 도시한다. 3D 심실 모델(720)은 중간-공동 평면(754)의 최상부로부터 기저 평면(752)의 최상부까지의 기저 영역(724), 정점 평면(756)의 최상부로부터 중간-공동 평면(754)의 최상부까지의 중간-공동 영역(726), 첨단(730)의 최상부로부터 정점 평면(756)의 최상부까지의 정점 영역(728)을 포함한다. 또한, 3D 심장 모델(750)은 우심실 모델(760)과 3D 심실 모델(720) 사이의 교차점을 정의하는 격막 경계(762)를 포함한다. 격막 경계(762)를 따라, 기저 평면(752)의 최상부가 우심실(760)과 접촉하는 가장 상위의 포인트(764)가 도시되어 있다.
타겟 정의 컴퓨팅 디바이스(104)는 2D 모델(702), 3D 심실 모델(720), 및 3D 심장 모델(750) 중 하나 이상을 식별하고 특성화하는 모델 데이터를 생성하고, 데이터를 데이터베이스(116)에 저장할 수 있다.
일부 예들에서, 의료 전문가는 2D 모델(702), 3D 심실 모델(720), 및 3D 심장 모델(750) 중 어느 하나를 조정하기 위해, 예를 들어, 입력/출력 디바이스(203)를 통해 타겟 정의 컴퓨팅 디바이스(104)에 입력을 제공할 수 있다. 실행된 애플리케이션은 본 명세서에 설명된 바와 같이 입력을 수신하고, 대응하는 모델을 조정할 수 있다.
예를 들어, 도 8은 드래그 포인트들(802, 804)을 갖는 2D 심장 모델(700)을 도시한다. 의료 전문가는 드래그 포인트(802)를 조정함으로써 전방 심실간 홈(anterior interventricular groove)(803)의 위치를 조정하기 위해 타겟 정의 컴퓨팅 디바이스(104)에 입력을 제공할 수 있다. 유사하게, 의료 전문가는 드래그 포인트(804)를 조정함으로써 하부 심실간 홈(inferior interventricular groove)(805)의 위치를 조정하기 위해 타겟 정의 컴퓨팅 디바이스(104)에 입력을 제공할 수 있다. 드래그 포인트들(802, 804)은 2D 모델(702)의 외측 에지를 따라 슬라이딩하도록 구성된다.
의료 전문가는 3D 심실(720)과 같은 3D 모델에 관한 조정들을 수행할 수 있다. 예를 들어, 도 9는 조정을 허용하는 드래그 포인트들(902, 904, 906, 908, 910)을 갖는 3D 심실 모델(720)을 도시한다. 의료 전문가는 전방 심실간 홈(956)의 위치를 조정하기 위해 드래그 포인트(906)를 조정할 수 있다. 유사하게, 의료 전문가는 하부 심실간 홈(954)의 위치를 조정하기 위해 드래그 포인트(908)를 조정할 수 있다. 이러한 방식으로, 우심실(760)과 같은 심실과의 정렬이 달성될 수 있다.
의료 전문가는 또한 드래그 포인트(902)를 조정함으로써 3D 심실 모델(720)의 배향을 조정할 수 있다. 예를 들어, 의료 전문가가 드래그 포인트(902)를 우측으로 드래그하면, 3D 심실 모델(720)은 우측으로 (예를 들어, 몇 도만큼) "기울어질 것이다". 의료 전문가는 또한 장축(722)을 따라 드래그 포인트(902)를 조정함으로써 길이(980)를 조정할 수 있다. 예를 들어, 의료 전문가는 드래그 포인트(902)를 상향으로 드래그함으로써 3D 심실 모델(720)의 신장(elongation)을 야기할 수 있고, 드래그 포인트(902)를 하향으로 드래그함으로써 3D 심실 모델(720)의 단축(shortening)을 야기할 수 있다. 일부 예들에서, 길이(980)에 대한 조정은 길이들(980A, 980B, 980C)에서 동일하거나 거의 동일한 변경을 야기한다.
드래그 포인트(904)를 드래그하는 것은 기저 영역(724)이 (예를 들어, 드래그 포인트(904)를 상향으로 드래그함으로써) 신장되게 하거나, (예를 들어, 드래그 포인트(904)를 하향으로 드래그함으로써) 단축되게 할 수 있다. 예를 들어, 드래그 포인트(904)를 드래그하는 것은 길이(980A)에 대한 변경을 야기할 수 있다. 마찬가지로, 드래그 포인트(910)를 드래그하는 것은 첨단 영역(730)이 신장 또는 단축되게 하여, 길이(940)에 대한 변경을 야기할 수 있다.
도 10a 및 도 10b는 선택된 타겟 세그먼트에 기초한 절제 볼륨의 생성을 도시한다. 예를 들어, 도 10a는 타겟 정의 모델일 수 있는 2D 세그먼트 모델(1002A)을 도시한다. 도 10b는 대응하는 3D 세그먼트 모델(1002B)을 도시한다. 2D 세그먼트 모델(1002A)은 내측 표면(1010A)으로부터 측정된 특정 벽 두께(1006A)(예를 들어, 10 밀리미터)를 갖는 좌심실 챔버(1008)를 도시한다. 내측 표면은 중심 포인트(1004A)를 둘러싼다. 도 10a는 의료 전문가가 선택했을 수 있는 선택된 세그먼트(1012A)(예를 들어, 심장 심실의 17 세그먼트 모델의 세그먼트 9)를 더 도시한다.
3D 세그먼트 모델(1002B)은 내측 표면(1010B)으로부터 측정된 벽 두께(1006B)를 갖는 좌심실 챔버(1008B)를 포함한다. 내측 표면(1010B)은 측방향 라인(1004B)을 둘러싼다. 측방향 라인(1004B)은 중심 포인트(1004A)에 대응한다. 도 10b는 또한 선택된 세그먼트(1012A)에 대응하는 절제 볼륨(1012B)을 도시한다.
따라서, 의료 전문가가 세그먼트(1012A)를 선택하면, 타겟 정의 컴퓨팅 디바이스(104)는 3D 세그먼트 모델(1002B)에 대한 절제 볼륨(1012B)을 자동으로 생성할 수 있고, 3D 세그먼트 모델(1002B)을 디스플레이할 수 있다.
도 1을 다시 참조하면, 타겟 정의 컴퓨팅 디바이스(104)는 환자에 대한 이미지 데이터(103)를 획득할 수 있다. 이미지 데이터(103)는 환자의 스캐닝된 구조의 이미지를 포함한다. 예를 들어, 이미지 데이터(103)는 환자의 스캐닝된 구조의 3D 볼륨을 포함할 수 있다. 스캐닝된 구조는 3D 표현 모델에 의해 식별된 장기 또는 그 일부에 대응할 수 있다. 타겟 정의 컴퓨팅 디바이스(104)는 대응하는 구조의 3D 모델을 스캐닝된 구조의 이미지에 매핑할 수 있다. 예를 들어, 타겟 정의 컴퓨팅 디바이스(104)는 이미지의 스캐닝된 구조에 대한 3D 모델의 초기 정렬을 결정할 수 있다. 초기 정렬을 결정하기 위해, 타겟 정의 컴퓨팅 디바이스(104)는 정렬 알고리즘을 실행할 수 있다. 예를 들어, 아래에서는 다음에 기초한 좌심실 해부학을 갖는 17 세그먼트 모델의 초기 정렬를 설명한다.
먼저, 업로드된 좌심실 및 우심실을 인위적으로 확장하여 표면들의 교차점을 검출함으로써 좌심실 표면 상의 심실간 격막 윤곽(interventricular septum outline)이 식별된다. 장축은 좌심실의 기하학적 형상 및 격막 평면의 배향에 기초하여 결정된다. 기저, 중간-공동 및 정점 단면 평면들은 다음 단계들 기초하여 식별된다. 기저 평면의 최상부는 장축에 수직인 격막 윤곽의 가장 상부 포인트(most superior point)에 대응하여 위치된다. 정점 세그먼트는 장축을 따라 디폴트 두께(예를 들어, 10mm)로 심실의 극단 끝(extreme tip)에 위치된다. 정점, 중간-공동 및 기저 평면들은 장축을 따라 균일하게 분포된다. 또한, 세그먼트들은 다음 단계들에 기초하여 위치된다. 중격 세그먼트들(septal segments)의 위치는 심실간 격막 윤곽의 가장 전방 및 가장 하부 포인트에 대응하여 식별되는 전방 및 후방 심실간 홈에 의해 결정된다. 다음, 다른 기저 및 중간-공동 세그먼트들은 각각 기저 및 중간-공동 섹션들에서 심실 피 벽(ventricular fee wall) 전체에 균일하게 분포된다. 각각 90도인 4개의 세그먼트들이 정점 섹션에 분포된다. 그것들은 정점 중격 세그먼트가 기저 및 중간 하외측(inferolateral) 및 전외측(anterolateral) 세그먼트들과 중앙에 정렬되도록 위치된다.
이어서, 타겟 정의 컴퓨팅 디바이스(104)는 결정된 정렬에 따라 3D 모델을 이미지 내로 중첩시켜서 3D 구조 이미지를 생성할 수 있다. 실행된 애플리케이션은 3D 구조 이미지(즉, 3D 모델과 중첩된 스캐닝된 구조의 이미지)를 디스플레이하기 위해 제공할 수 있다
매핑되면, 실행된 애플리케이션은 의료 전문가가 본 명세서에 설명된 바와 같이 이미지에 대한 3D 모델의 정렬 및/또는 배향을 조정하는 것을 허용한다. 예를 들어, 타겟 정의 컴퓨팅 디바이스(104)는 3D 모델을 따라 장축을 결정할 수 있고, 3D 모델에 대한 치료의 타겟 영역의 경계를 더 결정할 수 있다. 실행된 애플리케이션은 3D 모델을 따른 하나 이상의 "드래그 포인트"를 포함할 수 있고, 여기서 의료 전문가는 (예를 들어, 입력/출력 디바이스(203)를 이용하여) 각각의 포인트를 새로운 위치로 드래그할 수 있고, 그에 의해 이미지에서의 구조에 대해 3D 모델의 부분들을 조정할 수 있다. 의료 전문가는 또한 장축을 새로운 위치로 드래그하여 이미지에서의 구조에 대한 3D 모델의 배향을 변경할 수 있다.
일부 예들에서, 3D 모델은, 의료 전문가가 환자에 대한 치료의 타겟 영역(예를 들어, 절제 영역들)을 정의하기 위해 조작할 수 있는 타겟 영역 맵을 포함한다. 초기에, 타겟 영역 맵은 타겟 정의 모델(예를 들어, 타겟 영역 맵)의 선택된 부분들(예를 들어, 세그먼트들)에 대응하는 3D 모델에 의해 정의되는 이미지 부분들에 대응한다. 예를 들어, 의료 전문가가 절제를 위해 17 세그먼트 모델의 세그먼트들 17 및 16을 선택했다면, 타겟 정의 컴퓨팅 디바이스(104)는 3D 모델에 의해 정의된 바와 같이 대응하는 세그먼트들을 결정한다. 일부 예들에서, 실행된 애플리케이션은 타겟 영역 맵을 별개의 컬러로 디스플레이한다. 또한, 결정된 3D 부분들 내에 속하는 이미지 내의 스캐닝된 구조의 부분들은 별개의 컬러(예를 들어, 적색)로 디스플레이될 수 있다. 의료 전문가는 타겟 영역 맵을 조정하기 위해 드래그 포인트들을 조정할 수 있다. 예를 들어, 의료 전문가는 3D 모델의 타겟 영역 맵의 윤곽을 정의하기 위해 하나 이상의 드래그 포인트를 조정할 수 있다.
일부 예들에서, 타겟 정의 컴퓨팅 디바이스(104)는 각각의 의료 전문가 조정이 하나 이상의 미리 결정된 규칙을 위반하는지를 결정한다. 조정이 규칙을 위반하면, 실행된 애플리케이션은 경고를 갖는 팝업 메시지를 디스플레이할 수 있다. 규칙은, 예를 들어, 현재의 정렬이 임계량보다 많이, 예컨대, 임계 백분율보다 많이 초기 정렬로부터 벗어났는지를 결정하는 것을 포함할 수 있다. 의료 전문가는 경고를 보고 그에 따라 행동할 수 있거나, 경고를 무시할 수 있다. 규칙들의 적용은 각각의 조정에 대한 "건전성 체크(sanity check)"로서 작용한다.
일부 예들에서, 실행된 애플리케이션은 의료 전문가가 3D 구조 이미지와 연계하여 디스플레이될 수 있는 하나 이상의 다른 장기를 선택하는 것을 허용한다. 예를 들어, 실행된 애플리케이션은 의료 전문가가 심장의 심실의 3D 구조 이미지에 인접한 식도(esophagus) 또는 폐(lung)의 디스플레이를 위해 선택하는 것을 허용할 수 있다. 다른 장기들의 디스플레이는 그러한 장기들의 3D 모델들의 디스플레이를 포함할 수 있다. 일부 예들에서, 디스플레이는 환자의 대응하는 장기들의 스캐닝된 이미지들을 포함한다. 이들 피처들은 정렬 동안 의료 전문가를 도울 수 있고, (예를 들어, 절제 영역들에 의해 식별된 바와 같은) 제안된 치료에 의해 다른 장기들이 어떻게 영향을 받을 수 있는지를 예시할 수 있다.
일부 예들에서, 실행된 애플리케이션은 3D 구조 이미지에 걸쳐 패닝(panning) 및 줌잉(zooming)을 허용한다. 일부 예들에서, 실행된 애플리케이션은 3D 구조 이미지의 특정한 뷰들에 대한 미리 구성된 선택들(예를 들어, 프리셋들)을 포함한다. 이러한 미리 구성된 선택들은 의료 전문가에 의해 구성가능할 수 있다.
의료 전문가가 정렬을 완료하고 나면, 의료 전문가는 (예를 들어, 입력/출력 디바이스(203)를 통해) 실행된 애플리케이션에 입력을 제공하여 데이터 저장소, 예컨대, 데이터베이스(116)에 3D 구조 이미지를 저장할 수 있다. 일부 예들에서, 타겟 정의 컴퓨팅 디바이스(104)는 식별된 절제 영역들에 기초하여 환자에게 치료를 제공하도록 치료 계획 컴퓨팅 디바이스(106)에 3D 구조 이미지를 송신한다.
도 3은 도 1의 심장 방사선절제 진단 및 치료 시스템의 예시적인 부분들을 도시한다. 이 예에서, 타겟 정의 컴퓨팅 디바이스(104)는 연구 정의 생성 엔진(302), 타겟 선택 엔진(304), 및 정렬 결정 엔진(306)을 포함한다. 일부 예들에서, 연구 정의 생성 엔진(302), 타겟 선택 엔진(304), 및 정렬 결정 엔진(306) 중 하나 이상은 하드웨어로 구현될 수 있다. 일부 예들에서, 연구 정의 생성 엔진(302), 타겟 선택 엔진(304), 및 정렬 결정 엔진(306) 중 하나 이상은, 도 2의 프로세서(201)와 같은 하나 이상의 프로세서에 의해 실행될 수 있는, 도 2의 명령어 메모리(207)와 같은 유형의 비일시적 메모리에 유지되는 실행가능한 프로그램로서 일 수 있다.
이 예에서, 타겟 정의 컴퓨팅 디바이스(104) 각각은 연구 정의 생성 엔진(302), 타겟 선택 엔진(304), 및 정렬 결정 엔진(306)을 포함하고, 사용자 입력(들)(301)을 수신할 수 있다. 예를 들어, 의료 전문가는 입력/출력 디바이스(203)를 통해 또는 디스플레이(206)의 터치스크린을 통해 사용자 입력(들)(301)을 제공할 수 있다. 사용자 입력(들)(301)은 실행된 애플리케이션에 의해 제공되는 그래픽 사용자 인터페이스(GUI) 내에서 수신될 수 있다. 연구 정의 생성 엔진(302), 타겟 선택 엔진(304), 및 정렬 결정 엔진(306) 각각은 GUI로부터 데이터(예를 들어, 사용자 입력(들)(301))를 수신할 수 있고, 디스플레이를 위한 데이터와 같은 데이터를 GUI에 제공할 수 있다.
연구 정의 생성 엔진(302)은 사용자 입력(들)(301)에 기초하여 연구 데이터 기록을 식별하는 연구 정의 데이터(303)를 생성할 수 있다. 연구 데이터 기록은 본 명세서에 설명된 바와 같이, 대화형 모델의 연구 타입, 연구 카테고리, 연구 로컬화, 및 임의의 선택된 부분들(예를 들어, 세그먼트들)을 식별할 수 있다. 연구 데이터 기록은 또한, 본 명세서에 설명된 바와 같이, 연구 데이터 기록의 명칭, 연구 데이터 기록의 날짜, 및 의료 전문가에 의해 제공된 임의의 노트들을 식별할 수 있다. 연구 정의 생성 엔진(302)은 타겟 선택 엔진(304)에 연구 정의 데이터(303)를 제공한다. 일부 예들에서, 연구 정의 생성 엔진(302)은 데이터베이스(116)에 연구 정의 데이터(303)를 저장한다.
타겟 선택 엔진(304)은 치료를 위한 타겟 영역을 식별하기 위한 동작들을 수행할 수 있다. 예를 들어, 타겟 선택 엔진(304)은 디스플레이를 위해 하나 이상의 연구 카테고리 맵을 생성할 수 있고, 여기서 각각의 연구 카테고리 맵(예를 들어, "히트 맵")은 연구 카테고리에 대응한다. 각각의 연구 카테고리 맵은 심장의 심실의 17 세그먼트 모델과 같은, 환자의 장기의 하나 이상의 부분을 식별할 수 있다. 또한, 타겟 선택 엔진(304)은 일부 예들에서, 연구 카테고리 맵과 동일한 형태일 수 있는 확률 맵을 디스플레이를 위해 생성할 수 있다. 확률 맵은 본 명세서에 설명된 바와 같이, 연구 카테고리 맵들에 의해 식별된 장기의 부분들에 기초하여 (예를 들어, 상이한 컬러들을 이용하여) 장기의 각 부분에 대한 치료의 확률을 표시할 수 있다. 예를 들어, 타겟 선택 엔진(304)은 대응하는 환자에 대한 데이터베이스(116)로부터 환자 데이터(310)를 획득할 수 있다. 환자 데이터(310)는 환자가 수신한 이전의 연구들뿐만 아니라 그 치료에 대응하는 임의의 연구 데이터 기록을 식별할 수 있다. 환자 데이터(310)에 기초하여, 타겟 선택 엔진(304)은 본 명세서에 설명된 바와 같이, 환자에 대한 치료가 얼마나 확정적인지를 결정할 수 있다.
타겟 선택 엔진(304)은 또한 의료 전문가가 치료를 위한 타겟 영역(예를 들어, 절제 영역들)을 식별하는 것을 허용하기 위해, 심장의 심실의 17 세그먼트 모델과 같은 타겟 정의 모델을 디스플레이를 위해 생성할 수 있다. 의료 전문가는 타겟 영역을 식별하기 위해 타겟 정의 모델의 하나 이상의 부분을 선택하는 사용자 입력(들)(301)을 제공할 수 있다. 일부 예들에서, 타겟 선택 엔진(304)은 본 명세서에 설명된 바와 같이 선택이 "확정적"인지를 결정하고, 선택이 불확정적인 것으로 결정될 때 선택에 관한 경고를 (예를 들어, 팝업 창을 통해) 디스플레이를 위해 제공한다. 타겟 선택 엔진(304)은 타겟 정의 모델의 선택된 부분들을 식별하는 선택 타겟 데이터(305)를 생성하고, 선택 타겟 데이터(305)를 정렬 결정 엔진(306)에 제공한다.
정렬 결정 엔진(306)은 타겟 정의 모델에 대응하는 장기 또는 그 일부의 3D 모델을 디스플레이를 위해 생성 및 제공하기 위한 동작들을 수행할 수 있다. 또한, 정렬 결정 엔진(306)은 환자의 심장 심실의 3D 이미지와 같은 대응하는 스캐닝된 구조를 식별하는 환자에 대한 이미지 데이터(103)를 획득할 수 있다. 정렬 결정 엔진(306)은 3D 모델에 대한 이미지의 정렬을 결정할 수 있고, 3D 구조 이미지를 생성하기 위해 결정된 정렬에 따라 3D 모델을 이미지 상에 중첩시킬 수 있다. 정렬 결정 엔진(306)은 이어서, 디스플레이(206) 상에 디스플레이하기 위한 것과 같이 디스플레이를 위한 3D 구조 이미지를 제공할 수 있다.
또한, 정렬 결정 엔진(306)은 3D 구조 이미지에 대한 조정들을 식별하고 특성화하는 사용자 입력(들)(301)을 수신할 수 있다. 사용자 입력(들)(301)에 응답하여, 정렬 결정 엔진(306)은 그에 따라 3D 구조 이미지를 조정할 수 있다. 예를 들어, 정렬 결정 엔진(306)은 이미지에 대한 3D 모델의 정렬을 정제(refine)할 수 있거나, 치료의 타겟 영역을 식별하는 타겟 영역 맵을 정의하기 위해 드래그 포인트들을 조정할 수 있다. 정렬 결정 엔진(306)은 타겟 영역 맵을 포함하는 3D 구조 이미지를 식별하고 특성화하는 타겟 정의 데이터(307)를 생성할 수 있고, 타겟 정의 데이터(307)를 데이터베이스(116)에 저장할 수 있다.
일부 예들에서, 정렬 결정 엔진(306)은 각각의 의료 전문가 조정이 하나 이상의 미리 결정된 규칙을 위반하는지를 결정한다. 조정이 규칙을 위반하면, 정렬 결정 엔진(306)은 경고를 갖는 팝업 메시지의 디스플레이를 야기할 수 있다. 일부 예들에서, 정렬 결정 엔진(306)은 3D 구조 이미지와 연계하여 디스플레이될 수 있는 하나 이상의 다른 장기의 선택을 식별하는 하나 이상의 사용자 입력(들)(301)을 수신한다. 이에 응답하여, 정렬 결정 엔진(306)은 그러한 장기들의 3D 모델들을 디스플레이를 위해 제공한다. 일부 예들에서, 정렬 결정 엔진(306)은 환자의 대응하는 장기들의 이미지 데이터(103)를 디스플레이를 위해 제공한다.
일부 예들에서, 정렬 결정 엔진(306)은 팬(pan) 또는 줌(zoom) 동작을 식별하는 하나 이상의 사용자 입력(들)(301)을 수신한다. 이에 응답하여, 정렬 결정 엔진(306)은 3D 구조 이미지를 가로질러 패닝 또는 줌잉할 수 있다. 일부 예들에서, 정렬 결정 엔진(306)은 3D 구조 이미지의 특정 뷰들에 대한 미리 구성된 선택들의 선택을 식별하는 하나 이상의 사용자 입력(들)(301)을 수신한다. 정렬 결정 엔진(306)은 선택된 특정 뷰에 따라 3D 구조 이미지를 조정할 수 있고, 조정된 3D 구조 이미지를 디스플레이를 위해 제공할 수 있다.
도 4a는 EP와 같은 의료 전문가가 치료(예를 들어, 절제)를 위한 타겟 영역을 정의하는 것을 허용하는 GUI(400)의 제1 부분(402)을 도시한다. GUI(400)는 타겟 정의 컴퓨팅 디바이스(104)에 의해 실행되는 애플리케이션에 의해 생성될 수 있고, 디스플레이(206)와 같은 디스플레이 상에서 의료 전문가에게 디스플레이될 수 있다.
GUI(400)는 연구 데이터 기록을 생성하고, 치료를 위한 타겟 영역을 식별하고, 타겟 영역을 환자의 장기의 이미지에 정렬하는 것을 포함하는 치료를 위한 타겟 영역을 정의하기 위한 다수의 단계들을 용이하게 한다. 이러한 단계들은 연구 아이콘(406), 타겟 선택 아이콘(408) 및 정렬 아이콘(410)에 의해 표현되며, 이들 각각은 타겟 정의 아이콘(404) 아래에 도시된다. 연구 아이콘(406), 타겟 선택 아이콘(408) 및 정렬 아이콘(410) 중 하나를 선택하는 것은 그 단계에 대응하는 GUI(400)의 일부를 사용자에게 제시할 수 있다.
타겟 정의를 시작하기 위해, 제1 부분(402)은, 선택된 경우, 새로운 연구 데이터 기록의 생성을 허용하는 연구 아이콘(401)을 포함한다. 페이지(402)는 또한, 선택된 경우, 대응하는 연구 데이터 기록에 기초하여 보고(report)를 생성하는 보고 아이콘(411)을 포함한다. 보고는 연구 데이터 기록, 임의의 선택된 타겟 영역들(예를 들어, 세그먼트들), (예를 들어, 이미지 스캐닝 디바이스(102)에 의해 스캐닝된) 환자의 스캐닝된 이미지, 및 환자의 장기의 이미지에 대한 선택된 타겟 영역의 정렬을 식별하고 특성화하는 데이터를 포함할 수 있다.
도 4b는 의료 전문가가 도 4a의 연구 추가 아이콘(add study icon)(401)을 선택할 때 디스플레이될 수 있는 GUI(400)의 제2 부분(420)을 도시한다. 예를 들어, 제2 부분(420)은 의료 전문가가 연구 추가 아이콘(401)을 클릭할 때 디스플레이되는 팝업 창일 수 있다. 제2 부분(420)은 연구 타입 드롭다운 메뉴(424), 연구 카테고리 드롭다운 메뉴(428), 및 연구 로컬화 드롭다운 메뉴(430)를 포함한다.
연구 타입 드롭다운 메뉴(424)는 의료 전문가가 연구 타입 기록에 대한 연구 타입을 선택하는 것을 허용한다. 예를 들어, 그리고 도 4b에 도시된 바와 같이, 연구 타입 드롭다운 메뉴(424)는 의료 전문가가, 다른 것들 중에서 CT, 카테터 매핑, ECG, ECGI, 및 MRI와 같은, 복수의 연구 타입들(예를 들어, 이미징 타입들)로부터 선택하는 것을 허용할 수 있다.
의료 전문가가 연구 타입을 선택하면, GUI(400)는 선택된 연구 타입에 기초하여 하나 이상의 연구 카테고리를 자동으로 결정한다. 각각의 연구 카테고리는 특정 연구 타입에 대한 피처들(또는 연구 로컬화들)의 리스트를 식별할 수 있다. 의료 전문가는 연구 카테고리 드롭다운 메뉴(426)를 이용해서 이용가능한 연구 카테고리들을 볼 수 있다. 예를 들어, 그리고 도 4d에 도시된 바와 같이, 의료 전문가는 연구 타입이 "ECG"일 때 "전기적"의 연구 카테고리를 선택할 수 있다.
연구 카테고리가 선택되면, GUI(400)는 선택된 연구 카테고리들 및/또는 선택된 연구 타입에 기초하여 하나 이상의 연구 로컬화를 자동으로 결정한다. 연구 로컬화는, 심장의 하나 이상의 세그먼트와 같은, 치료될 환자의 장기의 일반적인 타겟 영역을 식별할 수 있다. 예를 들어, 그리고 도 4d, 연구 로컬화 드롭다운 메뉴(430)에 도시된 바와 같이, 선택된 연구 타입이 "ECG"이고 선택된 연구 카테고리가 "전기적"일 때, 의료 전문가는 "VT 엑시트 사이트", "VT 엔터 사이트", 및 "VT 엔터 및 엑시트 사이트"의 연구 로컬화를 선택할 수 있다.
도 4b, 도 4c 및 도 4d를 다시 참조하면, 제2 부분(420)은 또한 의료 전문가가 연구 기록에 대한 명칭을 제공하도록 허용하는 연구 명칭 텍스트 박스(426), 날짜(예를 들어, 현재 날짜)의 선택을 허용하는 연구 날짜 선택 박스(432), 및 의료 전문가가 노트들(예를 들어, 치료 노트들, 리마인더들, 다른 의료 전문가들에 대한 노트들 등)을 입력하도록 허용하는 노트 텍스트 박스(434)를 포함한다.
또한, 제2 부분(420)은 이 예에서 심장의 심실의 세그먼트들을 나타내는 17 세그먼트 모델인 대화형 모델(422)을 포함한다. 의료 전문가는, 치료를 위한 영역들일 수 있는, 대화형 모델(422)의 하나 이상의 부분을 선택할 수 있다. 예를 들어, 그리고 도 4e에 도시된 바와 같이, 의료 전문가는, 제1 세그먼트(423A)(예를 들어, 세그먼트 11), 제2 세그먼트(423B)(예를 들어, 세그먼트 16), 및 제3 세그먼트(423C)(예를 들어, 세그먼트 15)를 선택할 수 있다. 또한, 일부 예들에서, 커서(489)가 세그먼트(예를 들어, 세그먼트 4) 위에 위치될 때, GUI(400)는 (예를 들어, 팝업 창을 통해) 세그먼트의 명칭을 디스플레이한다. 이 예에서, 커서(489)는 대화형 모델(422)의 세그먼트 4 위에 나타나고, 이에 응답하여 GUI(400)는 세그먼트 4를 심장의 심실의 "기저 하부" 부분으로서 식별하는 명칭 박스(425)를 디스플레이한다.
연구 데이터 기록을 생성하기 위해, 의료 전문가는 추가 아이콘(490)을 클릭할 수 있다. 그에 응답하여, 104는 GUI(400)에 제공된 정보를 식별하고 특성화하는 데이터를 생성하고, 생성된 데이터를 데이터 저장소에, 예컨대, 데이터베이스(116) 내에 저장한다. 의료 전문가가 연구 데이터 기록을 시작하고, 저장하지 않기를 원하는 경우, 의료 전문가는 취소 아이콘(492)을 클릭할 수 있는데, 이는 임의의 제공된 입력들의 소거, 및 일부 예들에서, 도 4a에 도시된 바와 같은 제1 부분(402)의 디스플레이를 초래한다.
도 4f를 참조하면, GUI(400)는 생성된 연구 데이터 기록들의 요약들을 디스플레이하는 제3 부분(478)을 포함할 수 있다. 예를 들어, GUI(400)는 의료 전문가가 도 4e의 추가 아이콘(490)을 클릭하는 것에 응답하여 부분(478)을 디스플레이할 수 있다. 일부 예들에서, GUI(400)는 의료 전문가가 도 4a의 연구 아이콘(406)을 클릭하는 것에 응답하여 부분(478)을 디스플레이한다.
제3 부분(478)은 생성된 각각의 연구 데이터 기록에 대한 연구 카테고리(480A), 연구 명칭(480B), 선택된 세그먼트들(480C), 획득 날짜(480D), 및 노트들(480E) 디스플레이 영역들을 포함한다. 연구 카테고리(480A)는 생성된 각각의 연구 데이터 기록에 대해 선택된 연구 카테고리(428)에 대응한다. 유사하게, 연구 명칭(480B), 획득 날짜(480D), 및 노트들(480E)은 각각의 연구 데이터 기록에 대한 연구 명칭(426), 연구 날짜(432), 및 노트들(434)에 대응한다.
이 예에서, 제1 연구 요약(495A) 및 제2 연구 요약(495B)을 포함하는 2개의 요약들이 도시된다. 제1 연구 요약(495A)은 선택된 세그먼트들(11, 15, 및 16)을 예시하는 대응하는 대화형 모델(491)뿐만 아니라 "구조적"의 연구 카테고리(480A)를 포함한다. 제2 연구 요약(495B)은 선택된 세그먼트들(10 및 15)을 예시하는 대응하는 대화형 모델(4912)뿐만 아니라 "전기적"의 연구 카테고리(480A)를 포함한다. 일부 예들에서, 커서(489)가 대화형 모델의 대응하는 부분 위에 위치될 때, GUI(400)는 (예를 들어, 팝업 창을 통해) 세그먼트의 명칭을 디스플레이한다. 이 예에서, 커서(489)는 대화형 모델(492)의 세그먼트 10 위에 나타나고, 이에 응답하여 GUI(400)는 세그먼트 0을 심장의 심실의 "중간 하부" 부분으로서 식별하는 명칭 박스(493)를 디스플레이한다.
도 5a는 GUI(400)의 타겟 선택 부분(501)을 도시한다. 연구 데이터 기록이 생성되면, 예를 들어, 도 4a 내지 도 4f와 관련하여 위에서 논의된 바와 같이, GUI(400)는 의료 전문가에게 타겟 선택 부분(501)을 디스플레이할 수 있다. 일부 예들에서, GUI(400)는 의료 전문가가 도 4a의 타겟 선택 아이콘(408)을 클릭하는 것에 응답하여 타겟 선택 부분(501)을 디스플레이한다.
이 예에서, 타겟 선택 부분(501)은 "전기적"의 연구 카테고리(428)에 기초하는 제1 연구 카테고리 맵(510), 및 "구조적"의 연구 카테고리(428)에 기초하는 제2 연구 카테고리 맵(520)을 디스플레이한다. 본 명세서에 설명된 바와 같이, 각각의 연구 카테고리 맵(510, 520)은 심장의 심실의 17 세그먼트 모델과 같은, 환자의 장기의 하나 이상의 부분을 식별할 수 있다. 또한, 각각의 연구 카테고리 맵(510, 520)은 대응하는 연구 카테고리에 대응하는 환자에 대해 수행된 이전 연구들의 표시를 제공한다. 또한, 각각의 연구 카테고리 맵(510, 520)은 대응하는 막대 그래프(512, 522)와 함께 각각 디스플레이된다. 각각의 막대 그래프(512, 522)는 본 명세서에 설명된 바와 같은 각각의 연구 카테고리에 대해 결정된 치료량 범위들, 및 각각의 개개의 연구 카테고리 맵(510, 520)의 세그먼트들 내에서 이용된 그들의 대응하는 해칭을 표시한다.
타겟 선택 부분(502)은 또한 연구 카테고리 맵들(510, 520)에 의해 식별된 장기의 부분들에 기초하여 환자의 장기의 하나 이상의 부분(이 예에서는, 환자의 심장)에 대한 치료의 확률을 표시하는 확률 맵(502)을 포함한다. 확률 맵(502)은 본 명세서에 설명된 바와 같은 치료 세그먼트 확률 범위들, 및 확률 맵(502)의 세그먼트들 내에서 이용된 그들의 대응하는 해칭을 표시하는 대응하는 바 그래프(506)와 함께 디스플레이된다.
또한, 타겟 선택 부분(502)은 이 예에서 심장의 심실의 17 세그먼트 모델의 형태인 타겟 정의 맵(530)을 포함한다. 타겟 정의 맵(530)은 의료 전문가가 치료를 위한 타겟 영역을 식별하는 것을 허용한다. 예를 들어, 의료 전문가는 타겟 영역(532)을 식별하기 위해 타겟 정의 맵(530)의 세그먼트를 (예를 들어, 커서(489)를 조작하기 위해 입력/출력 디바이스(203)를 이용하여) 선택할 수 있다. 이 예에서, 타겟 영역(532)은 타겟 정의 맵(530)의 세그먼트(17)를 포함한다.
도 5b는 도 5a와 유사하지만, 의료 전문가는 타겟 영역(542)을 식별하기 위해 타겟 정의 맵(530)의 세그먼트 16을 선택할 수 있다. 의료 전문가가 타겟 정의 맵(530)의 부분들을 선택함으로써 타겟 영역(532, 542)을 식별하면, 의료 전문가는 다음(next) 아이콘(545)을 클릭하는 다음 단계로 진행할 수 있다.
도 6a는 스캐닝된 이미지(604) 상에 중첩된 3D 세그먼트 모델(606)을 포함하는 3D 구조 이미지(602)를 디스플레이하는 GUI(400)의 정렬 부분(601)을 도시한다. 3D 세그먼트 모델(606)은, 예를 들어, 심장의 심실의 3D 세그먼트 모델일 수 있다. 스캐닝된 이미지(604)는 환자의 스캐닝된 구조의 3D 볼륨과 같은, 이미지 스캐닝 디바이스(102)에 의해 스캐닝된 이미지일 수 있다. 3D 구조 이미지(602)는 또한 환자에 대한 치료를 위한 타겟 영역을 정의하는 타겟 영역 맵(648)을 포함한다. 타겟 영역 맵(648)은 적어도 초기에(예를 들어, EP에 의한 조정 전에) 타겟 정의 맵(530)의 타겟 영역들(532, 542)과 같은 타겟 정의 맵의 하나 이상의 선택된 타겟 영역에 대응할 수 있다. 일부 예들에서, 타겟 영역 맵(648)은 별개의 컬러로 디스플레이된다. 일부 예들에서, 타겟 영역 맵(648), 또는 EP가 타겟 영역 맵(648)의 윤곽들을 쉽게 결정하도록 허용하는 임의의 다른 적절한 메커니즘을 디스플레이하기 위해 별개의 해칭이 이용된다. 또한, 디스플레이된 바와 같이, 종축(longitudinal axis)(650)은 3D 구조 이미지(602)의 정점(608)을 통해 진행한다.
정렬 부분(601)은, 일부 예들에서, 참조 문자(reference character)(680)를 또한 디스플레이할 수 있다. 참조 문자(680)는 3D 구조 이미지(602)의 배향에 따라 뷰로부터 디스플레이된다. 예를 들어, 3D 구조 이미지(602)의 배향이, 대응하는 장기가 환자 내에 배치될 때 그것이 오버헤드 뷰로부터 디스플레이되게 하는 경우, 참조 문자(680)가 오버헤드 뷰로부터 디스플레이된다. 이것은 EP가 어떤 뷰 및/또는 배향 3D 구조 이미지(602)가 현재 디스플레이되고 있는지를 쉽게 결정하도록 허용한다.
정렬 부분(601)은, 일부 예들에서, 값의 입력을 허용하는 텍스트 입력 박스(640)를 포함할 수 있다. 이 예에서, 입력된 값은 심근 두께(myocardial thickness)(예: 좌심실 심근 두께)이다. 심근 두께는 본 명세서에 설명된 바와 같이, 모든 식별된 타겟 세그먼트들이 투영되는 내측 심실 심근 표면(inner ventricular myocardium surface)을 재구성하는 데 이용될 수 있다. 예를 들어, 타겟 정의 컴퓨팅 디바이스(104)는 선택된 세그먼트들 및 기본 투영들에 의해 경계가 지정된 모든 영역들을 결합함으로써 최종 3D 타겟 볼륨을 생성하는 알고리즘을 실행할 수 있다. 사용자(예: EP)가 심근 두께를 편집하지 않은 경우, 10mm와 같은 디폴트 값이 이용된다. 예를 들어, 타겟 정의 컴퓨팅 디바이스(104)는 본 명세서에 설명된 바와 같이 선택된 세그먼트들에 기초하여 3D 타겟 볼륨을 생성할 수 있다. 예를 들어, 심장의 예에서, 타겟 정의 컴퓨팅 디바이스(104)는 선택된 세그먼트들(예를 들어, 심외막 벽(epicaridial wall)의 일부일 수 있음)를 취하고, 벽 두께 정의에 기초한 깊이로 좌심실의 중심을 향해 볼륨을 밀어낼 수 있다.
일부 예들에서, 정렬 부분(601)은 3D 구조 이미지(602)의 조정을 허용하는 하나 이상의 조정 아이콘(655)을 포함한다. 예를 들어, 조정 아이콘들(655)은 줌인, 줌아웃, 패닝, 및 회전 기능들을 허용할 수 있다.
도 6b를 참조하면, 정렬 부분(601)은, EP가 3D 구조 이미지(602)에 대한 조정들을 행하는 것을 허용하는, 드래그 포인트들(670A, 670B)과 같은 하나 이상의 드래그 포인트를 디스플레이할 수 있다. 예를 들어, EP는 드래그 포인트(670A)를 새로운 위치로 드래그함으로써 종축(650)을 조정할 수 있다. 이에 응답하여, GUI(400)는 3D 세그먼트 모델(606)에 대한 스캐닝된 이미지(604)의 배향을 조정한다. 유사하게, EP는 드래그 포인트(670B)를 새로운 위치로 드래그함으로써 타겟 영역 맵(648)을 조정할 수 있다.
일부 예들에서, GUI(400)는 드래그 포인트들의 생성 또는 제거를 허용한다. 예를 들어, EP는 드래그 포인트(670B)와 같은 드래그 포인트에 대해 우측 클릭하고, 드래그 포인트를 제거하는 "제거" 옵션을 선택할 수 있다. 마찬가지로, EP는 3D 세그먼트 모델(606)의 일부에 대해 오른쪽 클릭하고, 드래그 포인트를 추가하는 "ad" 옵션을 선택할 수 있다.
도 6c는 3D 구조 이미지(602)를 종축(650)을 중심으로 시계 방향으로 회전시키기 위한 EP 제공 입력 이후의 3D 구조 이미지(602)를 도시한다. 이 예에서, 드래그 포인트(670C)는 EP가 3D 구조 이미지(602)의 전방 심실간 홈(686)을 조정하는 것을 허용할 수 있다.
조정 아이콘들(655)은 또한 EP가 스캐닝된 이미지(604)에 의해 식별된 장기에 인접한 장기들과 같은 추가적인 장기들의 이미지들을 디스플레이하는 것을 허용할 수 있다. 예를 들어, 그리고 도 6d를 참조하면, EP는 장기 선택 박스(675)를 디스플레이하기 위해 조정 아이콘(655)을 선택할 수 있고, 이는 EP가 디스플레이할 하나 이상의 장기 중에서 선택하는 것을 허용한다.
예를 들어, 그리고 EP가 "폐"(예를 들어, 우측 폐에 대한 "lung_r_p" 또는 좌측 폐에 대한 "lung_l_p") 및 "식도"를 선택한다고 가정하면, GUI(400)는 도 6e에 도시된 바와 같이 제1 장기(685)(예를 들어, 폐) 및 제2 장기(687)(예를 들어, 식도)의 렌더링들(예를 들어, 3D 렌더링들)을 디스플레이할 수 있다. 렌더링들은, 예를 들어, 데이터베이스(116)에 미리 저장된 3D 모델들일 수 있다. 다른 예들에서, 렌더링들은 환자의 대응하는 구조의 스캐닝된 이미지들이다.
도 11은, 예를 들어, 타겟 정의 컴퓨팅 디바이스(104)에 의해 수행될 수 있는 예시적인 방법(1100)의 흐름도이다. 단계(1102)에서 시작하며, 제1 입력이 수신된다. 제1 입력은 선택된 연구 타입을 식별한다. 예를 들어, EP는 디스플레이(206) 상에 GUI(400)와 같은 GUI를 디스플레이하는 실행된 애플리케이션에 입력을 제공하기 위해 입력/출력 디바이스(203)를 이용할 수 있다. EP는 GUI(400)의 부분(420) 내에 디스플레이된 연구 타입(424)을 선택할 수 있다.
단계(1104)에서, 복수의 연구 카테고리들이 디스플레이를 위해 제공된다. 복수의 카테고리들은 선택된 연구 타입에 기초하여 결정된다. 예를 들어, GUI(400)는 연구 카테고리 드롭다운 메뉴(428) 내에 복수의 연구 카테고리들을 디스플레이할 수 있다. 단계(1106)으로 진행하여, 제2 입력이 수신된다. 제2 입력은 복수의 연구 카테고리들 중 선택된 연구 카테고리를 식별한다. 예를 들어, EP는 연구 카테고리 드롭다운 메뉴(428) 내에 디스플레이된 복수의 연구 카테고리들 중 하나를 선택할 수 있다.
단계(1108)에서, 복수의 연구 로컬화들이 디스플레이를 위해 제공된다. 복수의 연구 로컬화들은 선택된 연구 카테고리에 기초하여 결정된다. 예를 들어, GUI(400)는 연구 로컬화 드롭다운 메뉴(430) 내에 복수의 연구 로컬화들을 디스플레이할 수 있다. 단계(1110)에서, 제3 입력이 수신된다. 제3 입력은 복수의 연구 로컬화들 중 선택된 연구 로컬화를 식별한다. 예를 들어, EP는 연구 로컬화 드롭다운 메뉴(430) 내에 디스플레이된 복수의 연구 로컬화들 중 하나를 선택할 수 있다.
단계(1112)로 진행하여, 선택된 연구 타입, 선택된 연구 카테고리, 및 선택된 연구 로컬화가 데이터 저장소에 저장된다. 예를 들어, 104는 선택된 연구 카테고리, 및 선택된 연구 로컬화를 식별하는 연구 데이터 기록을 생성할 수 있고, 연구 데이터 기록을 데이터베이스(116)에 저장할 수 있다. 그 다음, 방법은 종료된다.
도 12는, 예를 들어, 타겟 정의 컴퓨팅 디바이스(104)에 의해 수행될 수 있는 예시적인 방법(1200)의 흐름도이다. 단계(1202)에서 시작하며, 환자에 대한 연구 데이터 기록들이 획득된다. 연구 데이터 기록들은 환자에 대해 수행된 복수의 연구들을 식별한다. 예를 들어, 타겟 정의 컴퓨팅 디바이스(104)는 환자에 대한 데이터베이스(116)로부터 연구 정의 데이터(303)를 획득할 수 있다. 단계(1204)에서, 복수의 연구들 각각에 대한 연구 카테고리가 결정된다. 예를 들어, 복수의 연구들 각각은 "전기적" 또는 "구조적"과 같은 연구 카테고리와 연관될 수 있다. 단계(1206)에서, 각각의 상이한 카테고리에 대한 다수의 연구들이 결정된다. 또한, 단계(1208)에서, 복수의 연구들 각각에 대한 치료 타겟 영역이 결정된다. 예를 들어, 복수의 연구들 각각은 치료를 위해 타겟화된 하나 이상의 세그먼트와 연관될 수 있다.
단계(1210)로 진행하여, 대응하는 연구들의 수 및 치료 타겟 영역들에 기초하여 각각의 연구 카테고리에 대해 제1 맵이 생성된다. 예를 들어, 타겟 정의 컴퓨팅 디바이스(104)는, 각각의 연구 카테고리에 대해, 환자의 장기의 복수의 세그먼트들 각각을 치료하는 대응하는 연구들의 수의 백분율을 결정할 수 있다. 제1 맵들 각각은, 예를 들면, 연구 카테고리 맵들(510, 520)일 수 있다.
단계(1212)에서, 제2 맵이 생성된다. 제2 맵은 제1 맵들 및 대응하는 치료 타겟 영역들에 기초하여 생성된다. 예를 들어, 제2 맵은 제1 맵들에서 식별된 그 부분들에 기초하여 환자의 장기의 하나 이상의 부분에 대한 연구들의 확률들을 표시할 수 있다. 제2 맵은, 예를 들면, 연구 카테고리 맵들(510, 520)에 의해 식별된 장기의 그 부분들에 기초하여 환자의 장기의 하나 이상의 부분에 대한 치료의 확률을 표시하는 확률 맵(502)일 수 있다.
단계(1214)에서, 제1 맵들 및 제2 맵이 디스플레이를 위해 제공된다. 예를 들어, 제1 맵 및 제2 맵은 GUI(400)의 타겟 선택 부분(501) 내에 디스플레이될 수 있다. 그 다음, 방법은 종료된다.
도 13a는, 예를 들어, 타겟 정의 컴퓨팅 디바이스(104)에 의해 수행될 수 있는 예시적인 방법(1300)의 흐름도이다. 단계(1302)에서, 제1 데이터가 수신된다. 제1 데이터는 환자에 대한 장기의 치료 타겟 영역을 식별한다. 예를 들어, 타겟 정의 컴퓨팅 디바이스(104)는 EP가 타겟 영역(532)을 식별하기 위해 선택한 타겟 정의 맵(530)의 세그먼트에 기초하여 치료 타겟 영역을 결정할 수 있다. 단계(1304)에서, 환자의 장기의 이미지가 획득된다. 예를 들어, 타겟 정의 컴퓨팅 디바이스(104)는 이미지 스캐닝 디바이스(102)에 의해 스캐닝된 환자의 장기의 이미지, 예컨대, 3D 볼륨의 이미지를 획득할 수 있다.
단계(1306)로 진행하여, 환자의 장기의 타입의 제1 디지털 모델이 생성된다. 예를 들어, 타겟 정의 컴퓨팅 디바이스(104)는 환자의 장기의 3D 모델, 예컨대, 3D 심실 모델(720) 또는 3D 세그먼트 모델(1002B)을 생성할 수 있다. 단계(1308)에서, 제1 디지털 모델에 대한 환자의 장기의 이미지의 정렬이 결정된다. 또한, 단계(1310)에서, 제2 디지털 모델이 생성된다. 제2 디지털 모델은 제1 디지털 모델 및 환자의 장기의 이미지의 적어도 일부를 포함한다. 예를 들어, 타겟 정의 컴퓨팅 디바이스(104)는 3D 구조 이미지(602)를 생성하기 위해 스캐닝된 이미지(604) 상에 3D 세그먼트 모델(606)을 중첩시킬 수 있다. 단계(1312)에서, 제2 디지털 모델이 디스플레이를 위해 제공된다. 예를 들어, 타겟 정의 컴퓨팅 디바이스(104)는 제2 디지털 모델을 EP에 디스플레이할 수 있다. 그 다음, 방법은 종료된다.
도 13b는, 예를 들어, 타겟 정의 컴퓨팅 디바이스(104)에 의해 수행될 수 있는 예시적인 방법(1350)의 흐름도이다. 단계(1352)에서 시작하며, 디지털 모델이 디스플레이를 위해 제공된다. 디지털 모델은 장기의 타입의 제2 디지털 모델 및 환자의 장기의 이미지의 일부를 포함한다. 예를 들어, 디지털 모델은 도 13a의 방법(1300)에 따라 생성될 수 있다. 단계(1354)에서, 입력이 수신된다. 입력은 디지털 모델에 대한 정렬 조정을 식별한다. 예를 들어, 104는 입력/출력 디바이스(203)를 이용하여 EP로부터 입력을 수신해서, 본 명세서에 설명된 바와 같이 하나 이상의 드래그 포인트(670)를 드래그함으로써 3D 구조 이미지(602)에 대한 조정을 행할 수 있다.
단계(1356)로 진행하여, 입력에 기초하여 디지털 모델에 대한 조정이 결정된다. 예를 들어, 조정은 제2 디지털 모델에 대한 환자의 장기의 이미지의 배향의 변경일 수 있다. EP는, 예를 들어, 종축(650)을 이동시키기 위해 하나 이상의 드래그 포인트(670)를 드래그함으로써 배향을 조정할 수 있다. 일부 예들에서, 조정은 디지털 모델의 타겟 영역 맵에 대한 변경일 수 있다. 예를 들어, 조정은 3D 구조 이미지(602)의 타겟 영역 맵(648)에 대한 것일 수 있다.
단계(1358)에서, 결정된 조정에 기초하여 디지털 모델이 재생성된다. 또한, 그리고 단계(1360)에서, 재생성된 디지털 모델이 디스플레이를 위해 제공된다. 일부 예들에서, 104는 환자를 치료하기 위해 재생성된 디지털 모델을 방사선절제 치료 시스템(126)에 송신한다. 그 다음, 방법은 종료된다.
일부 예들에서, 시스템은 컴퓨팅 디바이스를 포함한다. 컴퓨팅 디바이스는 환자의 장기를 식별하는 제1 입력을 수신하고, 장기의 스캐닝된 이미지를 수신하도록 구성된다. 컴퓨팅 디바이스는 또한 장기의 타입의 제1 디지털 모델을 생성하도록 구성된다. 또한, 컴퓨팅 디바이스는 제1 디지털 모델에 대한 스캐닝된 이미지의 정렬을 결정하도록 구성된다. 컴퓨팅 디바이스는 또한 제1 디지털 모델 및 스캐닝된 이미지의 적어도 일부를 포함하는 제2 디지털 모델을 생성하도록 구성된다. 컴퓨팅 디바이스는 또한 제2 디지털 모델을 데이터 저장소에 저장하도록 구성된다. 일부 예들에서, 제1 입력을 수신하는 것은 디스플레이된 타겟 정의 맵의 일부의 선택에 응답한 것이다. 일부 예들에서, 장기는 심장이다. 일부 예들에서, 컴퓨팅 디바이스는 제2 디지털 모델을 디스플레이를 위해 제공하도록 구성된다.
일부 예들에서, 컴퓨팅 디바이스는 제1 디지털 모델에 대한 스캐닝된 이미지의 정렬에 대한 조정을 식별하는 제2 입력을 수신하도록 구성된다. 컴퓨팅 디바이스는 또한 제2 입력에 기초하여 제2 디지털 모델을 조정하도록 구성된다. 컴퓨팅 디바이스는 또한 조정된 제2 디지털 모델을 데이터 저장소에 저장하도록 구성된다.
일부 예들에서, 컴퓨팅 디바이스는 장기의 치료 타겟 영역을 식별하는 제2 입력을 수신하도록 구성된다. 컴퓨팅 디바이스는 또한 장기의 치료 타겟 영역에 기초하여 제2 디지털 모델의 대응하는 부분을 결정하도록 구성된다. 또한, 컴퓨팅 디바이스는 대응하는 부분을 식별하기 위해 제2 디지털 모델을 재생성하도록 구성된다. 일부 예들에서, 제2 디지털 모델을 재생성하는 것은 대응하는 부분을 디스플레이를 위한 독특한 피처와 연관시키는 것을 포함한다. 일부 예들에서, 컴퓨팅 디바이스는 또한 장기의 치료 타겟 영역을 식별하는 치료 데이터를 방사선절제 치료 시스템에 송신하도록 구성된다.
일부 예들에서, 컴퓨팅 디바이스는 환자에 대한 연구 데이터 기록들을 획득하도록 구성되고, 각각의 연구 데이터 기록은 환자에 대해 수행된 연구들에 대한 복수의 연구 타겟 영역들 중의 연구 타겟 영역 및 복수의 연구 타입들 중 하나를 식별한다. 컴퓨팅 디바이스는 또한 연구 데이터 기록들에 기초하여 환자에 대해 수행된 복수의 연구 타입들 각각의 제1 수를 결정하도록 구성된다. 또한, 컴퓨팅 디바이스는, 복수의 연구 타입들 각각에 대해, 복수의 연구 타겟 영역들 각각에서 환자에 대해 수행되는 연구들의 제2 수를 결정하도록 구성된다. 컴퓨팅 디바이스는 또한 대응하는 제1 수 및 제2 수에 기초하여 복수의 연구 타입들 각각에 대한 제1 맵을 생성하도록 구성된다. 컴퓨팅 디바이스는 또한 데이터 저장소에 제1 맵을 저장하도록 구성된다. 일부 예들에서, 각각의 제1 맵은 복수의 연구 타겟 영역들 각각에서의 대응하는 연구 타입의 빈도를 표시한다. 일부 예들에서, 컴퓨팅 디바이스는 또한 제1 수들 및 제2 수들에 기초하여 제2 맵을 생성하고 - 제2 맵은 복수의 연구 타겟 영역들 각각에 대한 치료의 확률을 표시함 -, 제2 맵을 데이터 저장소에 저장하도록 구성된다.
일부 예들에서, 컴퓨터에 의해 구현된 방법은 환자의 장기를 식별하는 제1 입력을 수신하는 단계, 및 장기의 스캐닝된 이미지를 수신하는 단계를 포함한다. 방법은 또한 장기의 타입의 제1 디지털 모델을 생성하는 단계를 포함한다. 또한, 방법은 제1 디지털 모델에 대한 스캐닝된 이미지의 정렬을 결정하는 단계를 포함한다. 방법은 또한 제1 디지털 모델 및 스캐닝된 이미지의 적어도 일부를 포함하는 제2 디지털 모델을 생성하는 단계를 포함한다. 방법은 제2 디지털 모델을 데이터 저장소에 저장하는 단계를 더 포함한다. 일부 예들에서, 제1 입력을 수신하는 단계는 디스플레이된 타겟 정의 맵의 일부의 선택에 응답한 것이다. 일부 예들에서, 장기는 심장이다. 일부 예들에서, 방법은 제2 디지털 모델을 디스플레이를 위해 제공하는 단계를 포함한다.
일부 예들에서, 방법은 제1 디지털 모델에 대한 스캐닝된 이미지의 정렬에 대한 조정을 식별하는 제2 입력을 수신하는 단계를 포함한다. 방법은 또한 제2 입력에 기초하여 제2 디지털 모델을 조정하는 단계를 포함한다. 방법은 조정된 제2 디지털 모델을 데이터 저장소에 저장하는 단계를 더 포함한다.
일부 예들에서, 방법은 장기의 치료 타겟 영역을 식별하는 제2 입력을 수신하는 단계를 포함한다. 방법은 또한 장기의 치료 타겟 영역에 기초하여 제2 디지털 모델의 대응하는 부분을 결정하는 단계를 포함한다. 또한, 방법은 대응하는 부분을 식별하기 위해 제2 디지털 모델을 재생성하는 단계를 포함한다. 일부 예들에서, 제2 디지털 모델을 재생성하는 단계는 대응하는 부분을 디스플레이를 위한 독특한 피처와 연관시키는 단계를 포함한다. 일부 예들에서, 방법은 장기의 치료 타겟 영역을 식별하는 치료 데이터를 방사선절제 치료 시스템에 송신하는 단계를 포함한다.
일부 예들에서, 방법은 환자에 대한 연구 데이터 기록들을 획득하는 단계를 포함하고, 각각의 연구 데이터 기록은 환자에 대해 수행된 연구들 대한 복수의 연구 타겟 영역들 중의 연구 타겟 영역 및 복수의 연구 타입들 중 하나를 식별한다. 방법은 또한 연구 데이터 기록들에 기초하여 환자에 대해 수행된 복수의 연구 타입들 각각의 제1 수를 결정하는 단계를 포함한다. 또한, 방법은, 복수의 연구 타입들 각각에 대해, 복수의 연구 타겟 영역들 각각에서 환자에 대해 수행된 연구들의 제2 수를 결정하는 단계를 포함한다. 방법은 대응하는 제1 수 및 제2 수에 기초하여 복수의 연구 타입들 각각에 대한 제1 맵을 생성하는 단계를 더 포함한다. 방법은 또한 제1 맵을 데이터 저장소에 저장하는 단계를 포함한다. 일부 예들에서, 각각의 제1 맵은 복수의 연구 타겟 영역들 각각에서의 대응하는 연구 타입의 빈도를 표시할 수 있다. 일부 예들에서, 방법은 제1 수들 및 제2 수들에 기초하여 제2 맵을 생성하는 단계 - 제2 맵은 복수의 연구 타겟 영역들 각각에 대한 치료의 확률을 표시함 -, 및 제2 맵을 데이터 저장소에 저장하는 단계를 포함한다.
일부 예들에서, 명령어들을 저장하는 비일시적 컴퓨터 판독가능 매체로서, 명령어들은, 적어도 하나의 프로세서에 의해 실행될 때, 적어도 하나의 프로세서로 하여금, 환자의 장기를 식별하는 제1 입력을 수신하는 동작, 및 장기의 스캐닝된 이미지를 수신하는 동작을 포함하는 동작들을 수행하게 한다. 동작들은 또한 장기의 타입의 제1 디지털 모델을 생성하는 동작을 포함한다. 또한, 동작들은 제1 디지털 모델에 대한 스캐닝된 이미지의 정렬을 결정하는 동작을 포함한다. 동작들은 또한 제1 디지털 모델 및 스캐닝된 이미지의 적어도 일부를 포함하는 제2 디지털 모델을 생성하는 동작을 포함한다. 동작들은 제2 디지털 모델을 데이터 저장소에 저장하는 동작을 더 포함한다. 일부 예들에서, 제1 입력을 수신하는 동작은 디스플레이된 타겟 정의 맵의 일부의 선택에 응답한 것이다. 일부 예들에서, 장기는 심장이다. 일부 예들에서, 동작들은 제2 디지털 모델을 디스플레이를 위해 제공하는 동작을 포함한다.
일부 예들에서, 동작들은 제1 디지털 모델에 대한 스캐닝된 이미지의 정렬에 대한 조정을 식별하는 제2 입력을 수신하는 동작을 포함한다. 동작들은 또한 제2 입력에 기초하여 제2 디지털 모델을 조정하는 동작을 포함한다. 동작들은 조정된 제2 디지털 모델을 데이터 저장소에 저장하는 동작을 더 포함한다.
일부 예들에서, 동작들은 장기의 치료 타겟 영역을 식별하는 제2 입력을 수신하는 동작을 포함한다. 동작들은 또한 장기의 치료 타겟 영역에 기초하여 제2 디지털 모델의 대응하는 부분을 결정하는 동작을 포함한다. 또한, 동작들은 대응하는 부분을 식별하기 위해 제2 디지털 모델을 재생성하는 동작을 포함한다. 일부 예들에서, 제2 디지털 모델을 재생성하는 동작은 대응하는 부분을 디스플레이를 위한 독특한 피처와 연관시키는 동작을 포함한다. 일부 예들에서, 동작들은 장기의 치료 타겟 영역을 식별하는 치료 데이터를 방사선절제 치료 시스템에 송신하는 동작을 포함한다.
일부 예들에서, 동작들은 환자에 대한 연구 데이터 기록들을 획득하는 동작을 포함하고, 각각의 연구 데이터 기록은 환자에 대해 수행된 연구들에 대한 복수의 연구 타겟 영역들 중의 연구 타겟 영역 및 복수의 연구 타입들 중 하나를 식별한다. 동작들은 또한 연구 데이터 기록들에 기초하여 환자에 대해 수행된 복수의 연구 타입들 각각의 제1 수를 결정하는 동작을 포함한다. 또한, 동작들은, 복수의 연구 타입들 각각에 대해, 복수의 연구 타겟 영역들 각각에서 환자에 대해 수행된 연구들의 제2 수를 결정하는 동작을 포함한다. 동작은 대응하는 제1 수 및 제2 수에 기초하여 복수의 연구 타입들 각각에 대한 제1 맵을 생성하는 동작을 더 포함한다. 동작들은 또한 제1 맵을 데이터 저장소에 저장하는 동작을 포함한다. 일부 예들에서, 각각의 제1 맵은 복수의 연구 타겟 영역들 각각에서의 대응하는 연구 타입의 빈도를 표시한다. 일부 예들에서, 동작들은 제1 수들 및 제2 수들에 기초하여 제2 맵을 생성하는 동작 - 제2 맵은 복수의 연구 타겟 영역들 각각에 대한 치료의 확률을 표시함 -, 및 제2 맵을 데이터 저장소에 저장하는 동작을 포함한다.
일부 예들에서, 컴퓨터에 의해 구현된 방법은 환자의 장기를 식별하는 제1 입력을 수신하고, 장기의 스캐닝된 이미지를 수신하기 위한 수단을 포함한다. 방법은 또한 장기의 타입의 제1 디지털 모델을 생성하기 위한 수단을 포함한다. 또한, 방법은 제1 디지털 모델에 대한 스캐닝된 이미지의 정렬을 결정하기 위한 수단을 포함한다. 방법은 또한 제1 디지털 모델 및 스캐닝된 이미지의 적어도 일부를 포함하는 제2 디지털 모델을 생성하기 위한 수단을 포함한다. 방법은 제2 디지털 모델을 데이터 저장소에 저장하기 위한 수단을 더 포함한다. 일부 예들에서, 제1 입력을 수신하는 것은 디스플레이된 타겟 정의 맵의 일부의 선택에 응답한 것이다. 일부 예들에서, 장기는 심장이다. 일부 예들에서, 방법은 제2 디지털 모델을 디스플레이를 위해 제공하기 위한 수단을 포함한다.
일부 예들에서, 방법은 제1 디지털 모델에 대한 스캐닝된 이미지의 정렬에 대한 조정을 식별하는 제2 입력을 수신하기 위한 수단을 포함한다. 방법은 또한 제2 입력에 기초하여 제2 디지털 모델을 조정하기 위한 수단을 포함한다. 방법은 조정된 제2 디지털 모델을 데이터 저장소에 저장하기 위한 수단을 더 포함한다.
일부 예들에서, 방법은 장기의 치료 타겟 영역을 식별하는 제2 입력을 수신하기 위한 수단을 포함한다. 방법은 또한 장기의 치료 타겟 영역에 기초하여 제2 디지털 모델의 대응하는 부분을 결정하기 위한 수단을 포함한다. 또한, 방법은 대응하는 부분을 식별하기 위해 제2 디지털 모델을 재생성하기 위한 수단을 포함한다. 일부 예들에서, 제2 디지털 모델을 재생성하는 것은 대응하는 부분을 디스플레이를 위한 독특한 피처와 연관시키는 것을 포함한다. 일부 예들에서, 방법은 장기의 치료 타겟 영역을 식별하는 치료 데이터를 방사선절제 치료 시스템에 송신하기 위한 수단을 포함한다.
일부 예들에서, 방법은 환자에 대한 연구 데이터 기록들을 획득하기 위한 수단을 포함하고, 각각의 연구 데이터 기록은 환자에 대해 수행된 연구들에 대한 복수의 연구 타겟 영역들 중의 연구 타겟 영역 및 복수의 연구 타입들 중 하나를 식별한다. 방법은 또한 연구 데이터 기록들에 기초하여 환자에 대해 수행된 복수의 연구 타입들 각각의 제1 수를 결정하기 위한 수단을 포함한다. 또한, 방법은, 복수의 연구 타입들 각각에 대해, 복수의 연구 타겟 영역들 각각에서 환자에 대해 수행된 연구들의 제2 수를 결정하기 위한 수단을 포함한다. 방법은 대응하는 제1 수 및 제2 수에 기초하여 복수의 연구 타입들 각각에 대한 제1 맵을 생성하기 위한 수단을 더 포함한다. 방법은 또한 제1 맵을 데이터 저장소에 저장하기 위한 수단을 포함한다. 일부 예들에서, 각각의 제1 맵은 복수의 연구 타겟 영역들 각각에서의 대응하는 연구 타입의 빈도를 표시한다. 일부 예들에서, 방법은 제1 수들 및 제2 수들에 기초하여 제2 맵을 생성하고 - 제2 맵은 복수의 연구 타겟 영역들 각각에 대한 치료의 확률을 표시함 -, 제2 맵을 데이터 저장소에 저장하기 위한 수단을 포함한다.
전술한 방법들은 예시된 흐름도들을 참조하지만, 방법들과 연관된 동작들을 수행하는 많은 다른 방식들이 이용될 수 있다는 것이 인식될 것이다. 예를 들어, 일부 동작들의 순서는 변경될 수 있고, 설명된 동작들 중 일부는 선택적일 수 있다.
또한, 본 명세서에 설명된 방법들 및 시스템은 컴퓨터에 의해 구현된 프로세스들 및 그 프로세스들을 실시하기 위한 장치의 형태로 적어도 부분적으로 구현될 수 있다. 개시된 방법들은 또한 컴퓨터 프로그램 코드로 인코딩된 유형의 비일시적 기계 판독가능 저장 매체들의 형태로 적어도 부분적으로 구현될 수 있다. 예를 들어, 방법들의 단계들은 하드웨어로, 프로세서에 의해 실행되는 실행가능한 명령어들(예를 들어, 소프트웨어)로, 또는 이 둘의 조합으로 구현될 수 있다. 매체들은, 예를 들어, RAM들, ROM들, CD-ROM들, DVD-ROM들, BD-ROM들, 하드 디스크 드라이브들, 플래시 메모리들, 또는 임의의 다른 비일시적 기계 판독가능 저장 매체를 포함할 수 있다. 컴퓨터 프로그램 코드가 컴퓨터에 로딩되어 실행될 때, 컴퓨터는 방법을 실시하기 위한 장치가 된다. 방법들은 또한 컴퓨터 프로그램 코드가 로딩되거나 실행되는 컴퓨터의 형태로 적어도 부분적으로 구현될 수 있어서, 컴퓨터는 방법들을 실시하기 위한 특수 목적 컴퓨터가 된다. 범용 프로세서 상에서 구현될 때, 컴퓨터 프로그램 코드 세그먼트들은 특정 논리 회로들을 생성하도록 프로세서를 구성한다. 방법들은 대안적으로 방법들을 수행하기 위한 주문형 집적 회로들에서 적어도 부분적으로 구현될 수 있다.
상기한 것은 이러한 개시내용들의 실시예들을 예시하고, 설명하고, 기술할 목적들을 위하여 제공된다. 이들 실시예들에 대한 수정들 및 적응들은 본 기술분야의 통상의 기술자에게 명백할 것이며, 이들 개시내용의 범위 또는 사상으로부터 벗어나지 않고 이루어질 수 있다.
Claims (20)
- 시스템으로서,
컴퓨팅 디바이스를 포함하고, 상기 컴퓨팅 디바이스는,
환자의 장기를 식별하는 제1 입력을 수신하고;
상기 장기의 스캐닝된 이미지를 수신하고;
상기 장기의 타입의 제1 디지털 모델을 생성하고;
상기 제1 디지털 모델에 대한 상기 스캐닝된 이미지의 정렬을 결정하고;
상기 제1 디지털 모델 및 상기 스캐닝된 이미지의 적어도 일부를 포함하는 제2 디지털 모델을 생성하고;
상기 제2 디지털 모델을 데이터 저장소에 저장하도록
구성되는, 시스템. - 제1항에 있어서,
상기 컴퓨팅 디바이스는 상기 제2 디지털 모델을 디스플레이를 위해 제공하도록 추가로 구성되는, 시스템. - 제1항에 있어서, 상기 컴퓨팅 디바이스는,
상기 제1 디지털 모델에 대한 상기 스캐닝된 이미지의 정렬에 대한 조정을 식별하는 제2 입력을 수신하고;
상기 제2 입력에 기초하여 상기 제2 디지털 모델을 조정하고;
상기 조정된 제2 디지털 모델을 상기 데이터 저장소에 저장하도록
추가로 구성되는, 시스템. - 제1항에 있어서, 상기 컴퓨팅 디바이스는,
상기 장기의 치료 타겟 영역을 식별하는 제2 입력을 수신하고;
상기 장기의 치료 타겟 영역에 기초하여 상기 제2 디지털 모델의 대응하는 부분을 결정하고;
상기 대응하는 부분을 식별하기 위해 상기 제2 디지털 모델을 재생성하도록
추가로 구성되는, 시스템. - 제4항에 있어서,
상기 제2 디지털 모델을 재생성하는 것은 상기 대응하는 부분을 디스플레이를 위한 독특한 피처와 연관시키는 것을 포함하는, 시스템. - 제4항에 있어서,
상기 컴퓨팅 디바이스는 상기 장기의 치료 타겟 영역을 식별하는 치료 데이터를 방사선절제 치료 시스템에 송신하도록 추가로 구성되는, 시스템. - 제1항에 있어서, 상기 컴퓨팅 디바이스는,
상기 환자에 대한 연구 데이터 기록들을 획득하고 - 각각의 연구 데이터 기록은 상기 환자에 대해 수행된 연구들에 대한 복수의 연구 타겟 영역들 중의 연구 타겟 영역 및 복수의 연구 타입들 중 하나를 식별함 -;
상기 연구 데이터 기록들에 기초하여 상기 환자에 대해 수행된 상기 복수의 연구 타입들 각각의 제1 수를 결정하고;
상기 복수의 연구 타입들 각각에 대해, 상기 복수의 연구 타겟 영역들 각각에서 상기 환자에 대해 수행된 연구들의 제2 수를 결정하고;
대응하는 제1 수 및 제2 수들에 기초하여 상기 복수의 연구 타입들 각각에 대한 제1 맵을 생성하고;
상기 제1 맵을 상기 데이터 저장소에 저장하도록
추가로 구성되는, 시스템. - 제7항에 있어서,
각각의 제1 맵은 상기 복수의 연구 타겟 영역들 각각에서의 대응하는 연구 타입의 빈도를 표시하는, 시스템. - 제7항에 있어서, 상기 컴퓨팅 디바이스는,
상기 제1 수들 및 상기 제2 수들에 기초하여 제2 맵을 생성하고 - 상기 제2 맵은 상기 복수의 연구 타겟 영역들 각각에 대한 치료의 확률을 표시함 -;
상기 제2 맵을 상기 데이터 저장소에 저장하도록
추가로 구성되는, 시스템. - 제9항에 있어서,
상기 제1 입력을 수신하는 것은 디스플레이된 타겟 정의 맵의 일부의 선택에 응답한 것인, 시스템. - 컴퓨터에 의해 구현된 방법으로서,
환자의 장기를 식별하는 제1 입력을 수신하는 단계;
상기 장기의 스캐닝된 이미지를 수신하는 단계;
상기 장기의 타입의 제1 디지털 모델을 생성하는 단계;
상기 제1 디지털 모델에 대한 상기 스캐닝된 이미지의 정렬을 결정하는 단계;
상기 제1 디지털 모델 및 상기 스캐닝된 이미지의 적어도 일부를 포함하는 제2 디지털 모델을 생성하는 단계; 및
상기 제2 디지털 모델을 데이터 저장소에 저장하는 단계
를 포함하는, 컴퓨터에 의해 구현된 방법. - 제11항에 있어서,
상기 제2 디지털 모델을 디스플레이를 위해 제공하는 단계를 포함하는, 컴퓨터에 의해 구현된 방법. - 제11항에 있어서,
상기 제1 디지털 모델에 대한 상기 스캐닝된 이미지의 정렬에 대한 조정을 식별하는 제2 입력을 수신하는 단계;
상기 제2 입력에 기초하여 상기 제2 디지털 모델을 조정하는 단계; 및
상기 조정된 제2 디지털 모델을 상기 데이터 저장소에 저장하는 단계
를 포함하는, 컴퓨터에 의해 구현된 방법. - 제11항에 있어서,
상기 장기의 치료 타겟 영역을 식별하는 제2 입력을 수신하는 단계;
상기 장기의 치료 타겟 영역에 기초하여 상기 제2 디지털 모델의 대응하는 부분을 결정하는 단계; 및
상기 대응하는 부분을 식별하기 위해 상기 제2 디지털 모델을 재생성하는 단계
를 포함하는, 컴퓨터에 의해 구현된 방법. - 제14항에 있어서,
상기 장기의 치료 타겟 영역을 식별하는 치료 데이터를 방사선절제 치료 시스템에 송신하는 단계를 포함하는, 컴퓨터에 의해 구현된 방법. - 제11항에 있어서,
상기 환자에 대한 연구 데이터 기록들을 획득하는 단계 - 각각의 연구 데이터 기록은 상기 환자에 대해 수행된 연구들에 대한 복수의 연구 타겟 영역들 중의 연구 타겟 영역 및 복수의 연구 타입들 중 하나를 식별함 -;
상기 연구 데이터 기록들에 기초하여 상기 환자에 대해 수행된 상기 복수의 연구 타입들 각각의 제1 수를 결정하는 단계;
상기 복수의 연구 타입들 각각에 대해, 상기 복수의 연구 타겟 영역들 각각에서 상기 환자에 대해 수행된 연구들의 제2 수를 결정하는 단계;
대응하는 제1 수 및 제2 수들에 기초하여 상기 복수의 연구 타입들 각각에 대한 제1 맵을 생성하는 단계; 및
상기 제1 맵을 상기 데이터 저장소에 저장하는 단계
를 포함하는, 컴퓨터에 의해 구현된 방법. - 명령어들을 저장하는 비일시적 컴퓨터 판독가능 매체로서,
상기 명령어들은, 적어도 하나의 프로세서에 의해 실행될 때, 상기 적어도 하나의 프로세서로 하여금 동작들을 수행하게 하고, 상기 동작들은,
환자의 장기를 식별하는 제1 입력을 수신하는 동작;
상기 장기의 스캐닝된 이미지를 수신하는 동작;
상기 장기의 타입의 제1 디지털 모델을 생성하는 동작;
상기 제1 디지털 모델에 대한 상기 스캐닝된 이미지의 정렬을 결정하는 동작;
상기 제1 디지털 모델 및 상기 스캐닝된 이미지의 적어도 일부를 포함하는 제2 디지털 모델을 생성하는 동작; 및
상기 제2 디지털 모델을 데이터 저장소에 저장하는 동작
을 포함하는, 비일시적 컴퓨터 판독가능 매체. - 제17항에 있어서, 상기 동작들은,
상기 제1 디지털 모델에 대한 상기 스캐닝된 이미지의 정렬에 대한 조정을 식별하는 제2 입력을 수신하는 동작;
상기 제2 입력에 기초하여 상기 제2 디지털 모델을 조정하는 동작; 및
상기 조정된 제2 디지털 모델을 상기 데이터 저장소에 저장하는 동작
을 더 포함하는, 비일시적 컴퓨터 판독가능 매체. - 제17항에 있어서, 상기 동작들은,
상기 장기의 치료 타겟 영역을 식별하는 제2 입력을 수신하는 동작;
상기 장기의 치료 타겟 영역에 기초하여 상기 제2 디지털 모델의 대응하는 부분을 결정하는 동작; 및
상기 대응하는 부분을 식별하기 위해 상기 제2 디지털 모델을 재생성하는 동작
을 더 포함하는, 비일시적 컴퓨터 판독가능 매체. - 제17항에 있어서, 상기 동작들은,
상기 환자에 대한 연구 데이터 기록들을 획득하는 동작 - 각각의 연구 데이터 기록은 상기 환자에 대해 수행된 연구들에 대한 복수의 연구 타겟 영역들 중의 연구 타겟 영역 및 복수의 연구 타입들 중 하나를 식별함 -;
상기 연구 데이터 기록들에 기초하여 상기 환자에 대해 수행된 상기 복수의 연구 타입들 각각의 제1 수를 결정하는 동작;
상기 복수의 연구 타입들 각각에 대해, 상기 복수의 연구 타겟 영역들 각각에서 상기 환자에 대해 수행된 연구들의 제2 수를 결정하는 동작;
대응하는 제1 수 및 제2 수들에 기초하여 상기 복수의 연구 타입들 각각에 대한 제1 맵을 생성하는 동작; 및
상기 제1 맵을 상기 데이터 저장소에 저장하는 동작
을 더 포함하는, 비일시적 컴퓨터 판독가능 매체.
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/US2020/066213 WO2022132181A1 (en) | 2020-12-18 | 2020-12-18 | Methods and apparatus for radioablation treatment |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230147599A true KR20230147599A (ko) | 2023-10-23 |
Family
ID=74191910
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020237024549A KR20230147599A (ko) | 2020-12-18 | 2020-12-18 | 방사선절제 치료를 위한 방법들 및 장치 |
Country Status (8)
| Country | Link |
|---|---|
| US (1) | US20240038362A1 (ko) |
| EP (1) | EP4264561A1 (ko) |
| JP (1) | JP2024500842A (ko) |
| KR (1) | KR20230147599A (ko) |
| CN (1) | CN116686013A (ko) |
| AU (1) | AU2020481596B2 (ko) |
| CA (1) | CA3201917A1 (ko) |
| WO (1) | WO2022132181A1 (ko) |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8660635B2 (en) * | 2006-09-29 | 2014-02-25 | Medtronic, Inc. | Method and apparatus for optimizing a computer assisted surgical procedure |
| US9144461B2 (en) * | 2008-12-03 | 2015-09-29 | Koninklijke Philips N.V. | Feedback system for integrating interventional planning and navigation |
-
2020
- 2020-12-18 US US18/267,972 patent/US20240038362A1/en active Pending
- 2020-12-18 AU AU2020481596A patent/AU2020481596B2/en active Active
- 2020-12-18 CN CN202080108018.7A patent/CN116686013A/zh active Pending
- 2020-12-18 CA CA3201917A patent/CA3201917A1/en active Pending
- 2020-12-18 JP JP2023537556A patent/JP2024500842A/ja active Pending
- 2020-12-18 EP EP20842823.5A patent/EP4264561A1/en active Pending
- 2020-12-18 KR KR1020237024549A patent/KR20230147599A/ko unknown
- 2020-12-18 WO PCT/US2020/066213 patent/WO2022132181A1/en active Application Filing
Also Published As
| Publication number | Publication date |
|---|---|
| WO2022132181A1 (en) | 2022-06-23 |
| CA3201917A1 (en) | 2022-06-23 |
| JP2024500842A (ja) | 2024-01-10 |
| CN116686013A (zh) | 2023-09-01 |
| EP4264561A1 (en) | 2023-10-25 |
| AU2020481596A1 (en) | 2023-07-06 |
| AU2020481596A9 (en) | 2024-05-30 |
| US20240038362A1 (en) | 2024-02-01 |
| AU2020481596B2 (en) | 2024-02-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US12079921B2 (en) | System and method for image-based object modeling using multiple image acquisitions or reconstructions | |
| US7606405B2 (en) | Dynamic tumor diagnostic and treatment system | |
| RU2585419C2 (ru) | Система и способ автоматической генерации исходных планов лучевой терапии | |
| US9498645B2 (en) | Dose deformation error calculation method and system | |
| US20170309081A1 (en) | Visualization of imaging uncertainty | |
| WO2006119340A2 (en) | Dynamic tumor diagnostic and treatment system | |
| US20220351836A1 (en) | Methods and apparatus for determining radioablation treatment | |
| US20220044454A1 (en) | Deep reinforcement learning for computer assisted reading and analysis | |
| AU2020481596B2 (en) | Methods and apparatus for radioablation treatment | |
| US20220328167A1 (en) | Radioablation treatment systems and methods | |
| JP2024536214A (ja) | 放射線アブレーション治療領域の絞り込みおよびガイダンスの方法および装置 | |
| CN118043901A (zh) | 用于放射消融治疗区域靶向和引导的方法和装置 | |
| Beliveau et al. | Patient specific coronary territory maps | |
| JP2022168985A (ja) | 医用画像処理装置及び医用画像処理方法 | |
| JP2024538850A (ja) | 医用画像セグメンテーションの品質保証のためのシステム及び方法 | |
| CN114846555A (zh) | 在图像中进行测量 |