RU2566974C2 - Использование коллекции планов для разработки новых задач оптимизации - Google Patents

Использование коллекции планов для разработки новых задач оптимизации Download PDF

Info

Publication number
RU2566974C2
RU2566974C2 RU2012130028/08A RU2012130028A RU2566974C2 RU 2566974 C2 RU2566974 C2 RU 2566974C2 RU 2012130028/08 A RU2012130028/08 A RU 2012130028/08A RU 2012130028 A RU2012130028 A RU 2012130028A RU 2566974 C2 RU2566974 C2 RU 2566974C2
Authority
RU
Russia
Prior art keywords
interest
boundary region
contour
surface model
model
Prior art date
Application number
RU2012130028/08A
Other languages
English (en)
Other versions
RU2012130028A (ru
Inventor
Маттье БАЛ
Original Assignee
Конинклейке Филипс Электроникс Н.В.
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Конинклейке Филипс Электроникс Н.В. filed Critical Конинклейке Филипс Электроникс Н.В.
Publication of RU2012130028A publication Critical patent/RU2012130028A/ru
Application granted granted Critical
Publication of RU2566974C2 publication Critical patent/RU2566974C2/ru

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/0036—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room including treatment, e.g., using an implantable medical device, ablating, ventilating
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N5/00—Radiation therapy
    • A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
    • A61N5/103—Treatment planning systems
    • A61N5/1039—Treatment planning systems using functional images, e.g. PET or MRI
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N5/00—Radiation therapy
    • A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
    • A61N5/103—Treatment planning systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30096—Tumor; Lesion

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Biomedical Technology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Optics & Photonics (AREA)
  • Radiation-Therapy Devices (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Analysis (AREA)

Abstract

Изобретение относится к области планирования лучевой терапии. Техническим результатом является снижение лучевой нагрузки на здоровую ткань за счет того, что к идентифицированному контуру поверхности добавляют непостоянную граничную область. Способ содержит этапы, на которых идентифицируют контур поверхности по меньшей мере одного интересующего объекта в наборе многомерных данных и определяют непостоянную граничную область на основании идентифицированного контура поверхности и по меньшей мере одного из морфологии поверхности интересующего объекта и анизотропного движения поверхности интересующего объекта, при этом непостоянная граничная область шире в направлении, перпендикулярном направлению движения, чем в направлении, параллельном направлению движения; причем к идентифицированному контуру поверхности добавляют непостоянную граничную область. 4 н. и 10 з.п. ф-лы, 3 ил.

Description

Настоящая заявка относится к способам и системам для планирования лучевой терапии. Настоящая заявка применима, в частности, для идентификации анатомических особенностей на медицинских изображениях и введения в них лучевой терапии.
Лучевая терапия является распространенным терапевтическим методом в онкологии, при котором дозу высокоэнергетического гамма (γ) излучения, пучка частиц или другого излучения вводят в тело пациента для достижения терапевтического эффекта, т.е. ликвидации злокачественной ткани. Множество томографических пучков излучения или единственный пучок излучения модулируют по интенсивности с использованием многостворчатых коллиматоров или элементов для формирования пучка, чтобы с высокой точностью облучать объем мишени, например, злокачественной ткани, с ограничением при этом облучения чувствительных соседних органов с повышенным риском. Сеанс(ы) лучевой терапии планируют перед облучением, на основании по меньшей мере одного планировочного объемного изображения, например, компьютерного томографического (КТ) изображения или подобного изображения опухоли и окружающей ткани. Компьютеризированная система планирования автоматически или полуавтоматически сегментирует границы объема мишени и здоровой окружающей ткани, некоторая часть которой является чувствительными органами с повышенным риском, которые не должны пересекаться пучком излучения. С помощью информации о границах, система планирования оптимизирует параметры модуляции интенсивности, чтобы подавать излучение, главным образом, внутри контуров, соответствующих объемам злокачественных опухолей, при ограничении дозы облучения внутри контуров, соответствующих органов с повышенным риском. Чтобы обеспечить полное облучение мишени, вокруг полученного контура объема мишени определяют постоянную граничную область для учета неопределенностей, например, движения органа и положения пациента. А именно, мишень увеличивают на постоянную граничную область во всех направлениях, чтобы повысить вероятность того, что мишень облучают точно. Применение постоянной граничной области к неопределенности может приводить к ненадлежащему облучению рака, излишнему лучевому поражению окружающей ткани или тому и другому.
Например, при планировании лечения рака предстательной железы, предстательную железу оконтуривают и идентифицируют как объем мишени, а такие органы, как мочевой пузырь, прямая кишка, головки бедренной кости и т.д., оконтуривают и идентифицируют как органы с повышенным риском, лучевую нагрузку на которые следует ограничить. Поскольку упомянутые органы находятся в определенной непосредственной близости, то обычное решение добавления постоянной граничной области к объему мишени представляет риск в отношении упомянутых чувствительных органов. Отказ от добавления граничной области представляет риск, что рак не будет полностью ликвидирован.
Настоящая заявка предлагает новые и усовершенствованные способ и устройство для планирования лучевой терапии, которые решают вышеупомянутые и другие проблемы.
В соответствии с одним аспектом, предлагается способ сегментации изображений анатомических особенностей. Способ содержит этап идентификации контура поверхности по меньшей мере одного интересующего объекта в наборе многомерных данных и этап определения непостоянной граничной области на основании идентифицированного контура поверхности, при этом к идентифицированному контуру поверхности добавляют непостоянный контур.
В соответствии с еще одним аспектом, предлагается способ лучевой терапии. Способ содержит этап сбора набора многомерных данных объекта лечения и этап реконструкции набора многомерных данных в по меньшей мере одно представление изображения по меньшей мере одной анатомической особенности объекта лечения. Представление изображения сегментируют в соответствии со способом сегментации изображений.
В соответствии с еще одним аспектом, предлагается система лучевой терапии. Система лучевой терапии содержит сканер диагностического изображения, систему введения излучения и процессор для планирования лучевой терапии, запрограммированный для выполнения способа сегментации изображений анатомических особенностей.
В соответствии с еще одним аспектом, предлагается устройство для обработки изображений. Устройство для обработки изображений содержит блок сегментации, который идентифицирует контур поверхности по меньшей мере одного интересующего объекта в наборе многомерных данных, и блок маскирования, который определяет непостоянную граничную область на основании идентифицированного контура поверхности и добавляет полученную определением непостоянную граничную область к идентифицированному контуру поверхности.
В соответствии с еще одним аспектом, предлагается система лучевой терапии. Система лучевой терапии содержит сканер диагностического изображения, который собирает набор многомерных данных объекта лечения и формирует по меньшей мере одно представление изображения интересующего объекта из набора многомерных данных, и устройство обработки изображений.
Одно из преимуществ заключается в том, что снижают лучевую нагрузку на здоровую ткань.
Дополнительные преимущества настоящего изобретения станут очевидными специалистам со средним уровнем компетентности в данной области техники после прочтения и изучения нижеследующего подробного описания.
Изобретение может принимать форму различных компонентов и схем расположения компонентов, и различных этапов и схем расположения этапов. Чертежи предназначены только для иллюстрации предпочтительных вариантов осуществления и не подлежат истолкованию в смысле ограничения изобретения.
Фиг. 1 - схематическое изображение системы лучевой терапии с блоком обработки изображений для определения непостоянной граничной области;
Фиг. 2 - двумерный аксиальный срез интересующего объекта и добавленная непостоянная граничная область; и
Фиг. 3 - блок-схема последовательности операций способа сегментации изображений для определения непостоянной граничной области.
Как показано на Фиг. 1, система 10 терапии, например, система лучевой терапии, содержит сканер 12 для диагностической визуализации, например, компьютерный томографический (КТ) сканер, МРТ-сканер (сканер для магнитно-резонансной томографии) или сходное устройство для получения диагностических изображений для применения при планировании протокола лучевой терапии. КТ-сканер 12 содержит рентгеновский источник 14, смонтированный на поворотном гентри 16. Рентгеновский источник 14 формирует рентгеновское излучение, проходящее сквозь область 18 исследования, в которой рентгеновское излучение взаимодействует с зоной мишени в объекте лечения (не показанном), размешенном на опоре 20, которая позиционирует зону мишени внутри области 18 исследования. Матрица 22 детекторов рентгеновского излучения расположена с возможностью приема рентгеновского пучка после того, как он проходит сквозь область 18 исследования, в которой рентгеновское излучение взаимодействует с объектом лечения и частично поглощается последним. Следовательно, детектированное рентгеновское излучение содержит информацию, относящуюся к объекту.
КТ-сканер 12 работает с управлением от контроллера 30 для выполнения выбранных последовательностей визуализации выбранной зоны мишени объекта лечения, который подлежит лечению методом лучевой терапии. Последовательности визуализации получают набор многомерных данных диагностической визуализации зоны мишени и прилегающей ткани. Набор данных диагностической визуализации сохраняется в буфере 32 данных. Реконструирующий процессор 34 реконструирует 3-мерные представления изображения из полученных данных визуализации, и реконструированные представления изображений сохраняются в памяти 36 диагностических изображений. В совокупности, КТ-сканер 12, контроллер 30 и реконструирующий процессор 34 образуют средство для формирования диагностического изображения.
Вышеописанная система диагностической визуализации является всего лишь примером. Специалистам в данной области техники должно быть очевидно, что КТ-сканер 12, по желанию, замещают сканерами для диагностической визуализации других типов, например, сканером для магнитно-резонансной томографии (МРТ-сканером), сканером для позитронной эмиссионной томографии (ПЭТ-сканером), сканером для однофотонной эмиссионной компьютерной томографии (ОФЭКТ-сканером) или сходным устройством.
В показанном варианте осуществления, устройство 12 для диагностической визуализации разделено с системой 40 введения терапии, однако данное устройство и данная система могут быть объединены в одном корпусе. Система введения терапии может быть внешней системой введения лучевой терапии или внутренней системой введения лучевой терапии, например, брахитерапии. По желанию, перед диагностической визуализацией, на объект лечения наносят метки, которые остаются в заданном месте для последующей лучевой терапии, чтобы обеспечивать совмещение диагностических изображений с введением лучевой терапии. Предполагаются также другие способы пространственного совмещения получения диагностических изображений и лучевой терапии, например, использование собственных анатомических меток. Предполагается также возможность объединения сканера для диагностической визуализации с устройством лучевой терапии, чтобы уменьшать несовмещение диагностической визуализации и лучевой терапии.
Система 40 введения излучения содержит устройство 42 введения излучения, которое содержит источник 44 излучения, например, линейный ускоритель, сфокусированный рентгеновский источник или что-то подобное, смонтированный на поворотном гентри 46. Гентри 46 поворачивает или пошагово перемещает источник 44 излучения вокруг оси 48 поворота. Опора 50 жестко позиционирует объект лечения с зоной мишени, облучаемой модулированным по интенсивности пучком 52 излучения, формируемым источником 44 излучения. Опора 50 позиционирует и перемещает объект лечения в то время, как гентри 46 поворачивает источник 44 излучения вокруг объекта лечения. Пучок 52 излучения имеет зону 54 поперечного сечения с регулируемой интенсивностью и/или периметром. Пучок 52 излучения может подаваться непрерывно или может импульсно включаться и выключаться в течение терапии. По желанию, на стороне пациента, противоположной источнику, расположена система детектирования излучения для контроля интенсивностей излучения, пересекающего пациента. Данные из детектора могут быть реконструированы в изображение проекций с низкой разрешающей способностью, чтобы контролировать совмещение пучка и мишени и дозу. Система 40 введения излучения работает с управлением от контроллера 60 излучения для выполнения выбранного протокола излучения, назначенного планирующим процессором 70. В совокупности, система 40 введения излучения, контроллер 60 излучения и планирующий процессор 70 образуют средство для введения лучевой терапии.
Планирующий процессор 70, который образует средство для планирования лучевой терапии, определяет план лучевой терапии на основании диагностических представлений изображений интересующего объекта и клинических органов, полученных из устройства 12 визуализации. Интересующий объект может быть злокачественной опухолью или патологическим изменением, которое должно получить лучевую терапию от системы 40 введения излучения. Критические структуры включают в себя здоровую или чувствительную ткань, которую следует сберегать в максимальной возможной степени или считать более приоритетной по сравнению с некритической тканью, например, спинной мозг или подобную ткань. Обычно, после того, как интересующий объект локализован и идентифицирован, то к контуру поверхности интересующего объекта добавляют изотропную граничную область, чтобы расширить область облучения, что повышает вероятность того, что весь интересующий объект подвергнут облучению, т.е. анатомические структуры, соответствующие добавленной граничной области, получат одинаковую дозу облучения. Граничная область учитывает неопределенность движения, связанную с движением в течение сеанса лечения, например, дыхательным движением, движением сердца и т.п., или даже движением между сеансами лечения, например, позиционированием пациента, наполнением прямой кишки или мочевого пузыря и т.п. Недостаток добавления изотропной граничной области состоит в том, что, если интересующий объект претерпевает движение только в одном направлении или даже двух направлениях, то изотропная граничная область предполагает движение во всех направлениях равным образом, что приведет к излишнему облучению здоровой ткани.
Как также показано на Фиг. 1, блок 72 обработки изображения, который связан с планирующим процессором 70, а также образует средство для обработки изображений, определяет анизотропную или непостоянную граничную область на основании характеристик интересующего объекта и/или критических структур, проекций движения и источников потенциальной ошибки. Блок обработки изображений содержит блок 74 сегментации, который образует средство для сегментации, которое автономно или полуавтономно определяет границы контура поверхности интересующего объекта и критических структур по полученному диагностическому представлению изображения. Предполагается возможность применения любого из известных способов сегментации, например, кластеризации, выделения признаков, на основе модели и т.п. Блок 76 идентификации, который образует средство для идентификации, сопоставляет выделенный контур поверхности с опорными данными. Опорные данные содержат базу 78 данных моделей поверхностей, соответствующих различным органам и/или типам тканей, из которых подбирают подходящую модель поверхности соответственно выделенному контуру интересующего объекта. Методы подбора могут содержать алгоритмы оценивания по максимуму правдоподобия, нейронные сети и т.п.
С каждой моделью поверхности связана непостоянная граничная область. Например, модель поверхности содержит множество областей, при этом каждая область имеет связанную с ней ширину граничной области. Ширина граничной области в отдельных областях модели поверхности может зависеть от ряда факторов. Факторы содержат морфологию интересующего объекта, например, является ли поверхность гладкой, неравномерной, содержащей выступы в виде усиков и т.п. Неопределенность положения границы обусловлено движением в по меньшей мере одном направлении, например, злокачественная опухоль легких может претерпевать движение во фронтальном направлении из-за дыхания; и, поэтому, области модели поверхности, которые перпендикулярны среднему направлению перемещения, имеют более широкие соответствующие граничные области. Учитывается также физиологическая функция ткани, подлежащей облучению, или функция соседних структур, как критических, так и некритических, и близость к критическим структурам. Факторы могут зависеть от системы 40 введения излучения, например, ширины пучка, интенсивности пучка, рассеяния пучка, скорости гентри, колебаний или вибраций гентри и т.п. В дополнение к ширине граничной области, каждая область модели поверхности может также иметь весовой коэффициент, соответствующий интенсивности пучка лучевой терапии, вводимого в анатомическую структуру, соответствующую данной области. В одном варианте осуществления, весовой коэффициент является постоянным, так что соответствующая граничная область работает как ступенчатая функция. В другом варианте осуществления, весовой коэффициент является нелинейной, например, градиентной функцией, в соответствии с которой интенсивность пучка возрастает/снижается к краю граничной области, противоположному интересующему объекту. Например, весовой коэффициент можно также выбирать для введения излучения по схеме, которая устанавливает границы назначенной дозы по краевым зонам мишени с выбираемой достоверностью, например, вероятностью 99%, что назначенная доза вводится во все части мишени, или вероятностью 95%.
Блок 80 деформации, который образует средство для деформирования, адаптирует поверхность модели поверхности, чтобы обеспечить соответствие геометрии контура поверхности интересующему объекту. Блок 82 маскирования, который образует средство для маскирования, добавляет непостоянную граничную область к интересующему объекту, и планирующий процессор 70 формирует карту интенсивностей на основании расширенного добавлением контура поверхности интересующего объекта и контуров критических структур. На Фиг. 2 изображен пример аксиального 2-мерного среза модели 84 поверхности интересующего объекта с добавленной непостоянной граничной областью 86. Результирующее перемещение интересующего объекта происходит в z-направлении, следовательно, непостоянная граничная область 86 в данном направлении шире, для учета неопределенностей положения поверхностей, перпендикулярных или, по существу, перпендикулярных направлению перемещения. Поверхности, по существу, параллельные направлению перемещения, т.е. y-направлению в показанном варианте осуществления, имеют суженную, соответствующую им непостоянную граничную область 86. Карта интенсивности размечает траектории, геометрические параметры и/или интенсивность терапевтического пучка для контроллера излучения, чтобы управлять системой 40 введения излучения. Планирующий процессор выдает карту интенсивности на пульт 90. Пульт 90 содержит графический пользовательский интерфейс, а также содержит устройство пользовательского ввода, которое врач может использовать для управления контроллером 30 сканера или контроллером 60 излучения, чтобы выбирать, соответственно, последовательности или протоколы сканирования и схемы или дозы лечения в соответствии со сформированной картой интенсивности. Пульт представляет диагностические изображения, экранные инструменты сегментации, модели поверхности, непостоянные граничные области и т.п. В совокупности, блок 74 сегментации, блок 76 идентификации, база 78 данных, блок 80 деформации и блок 82 маскирования образуют средство для формирования непостоянной граничной области.
Пульт 90 содержит графический пользовательский интерфейс, а также содержит устройство пользовательского ввода, которое врач может использовать для управления контроллером 30 сканера или контроллером 60 излучения, чтобы выбирать, соответственно, последовательности или протоколы сканирования и схемы или дозы лечения. Пульт представляет диагностические изображения, экранные инструменты сегментации, карты интенсивности, модели поверхности и т.п.
Как показано на Фиг. 3, планирующий процессор 70 содержит процессор, запрограммированный компьютерной программой, при этом компьютерная программа хранится на машиночитаемом носителе, чтобы выполнять способ лучевой терапии и способ сегментации изображений. Машиночитаемый носитель может содержать оптическую память, магнитную память или твердотельную память, например, компакт-диски (CD), универсальные цифровые диски (DVD), флэш-память, микросхемы оперативной памяти (RAM) или подобные устройства.
Способ сегментации изображений и лучевой терапии, как показано на блок-схеме последовательности операций способа, содержит этап 100 сбора набора многомерных данных, например, данных изображения или проекций из сканера диагностического изображения. Набор данных реконструируют на этапе 102 в представление изображения анатомической особенности, которая подлежит исследованию. На этапе 104 идентифицируют контур поверхности анатомической особенности. Например, может быть сегментирована и выделена граница опухоли. На этапе 106 подбирают модель поверхности соответственно контуру поверхности. Подбор основан на морфологии, положении, движении, результатах предварительного лечения, функциональности интересующего объекта и т.п. На этапе 108, модель поверхности подгоняют к геометрии анатомической особенности. Каждая модель поверхности имеет непостоянную граничную область, соответствующую данной модели. На этапе 110, для анатомической особенности определяют непостоянную граничную область на основании модели поверхности и соответствующего непостоянной граничной области вместе с другими факторами, изложенными ранее. Соответствующую непостоянную граничную область корректируют или оптимизируют на основании факторов, которые обычно являются специфическими для пациента. На этапе 112, непостоянную граничную область добавляют к контуру поверхности анатомической особенности, и на этапе 114, с учетом вышеизложенного, формируют план лучевой терапии. План лучевой терапии исполняют на этапе 116, например, вводят гамма-излучение в анатомическую особенность пациента, соответствующую расширенной добавлением модели поверхности.
В другом варианте осуществления, моделируют последующие контрольные представления изображений, например, методами Монте-Карло или подобными методами, с использованием расширенной добавлением модели поверхности и статистических данных, описывающих вероятность деформации и/или функциональных изменений анатомической особенности. Для множества планов лучевой терапии, сформированных по последующим контрольным представлениям изображений, определяют вероятность обезвреживания опухоли (TCP) и вероятность осложнений в нормальной ткани (NTCP). Планы лучевой терапии классифицируют по отношению TCP/NTCP и наилучший план выбирают.
В другом варианте осуществления, толщина граничной области является равномерной для органа. При нормальной клинической практике, статистические данные и разброс положения и функциональных характеристик органа отсутствуют или требуют большого объема вычислений для использования. Для повседневного применения, определяют границы органов, и некоторые интересующие области (ROI) согласуют с предварительно заданной моделью, после чего упомянутые области используют в целевых функциях. Определяют границы интересующей области (ROI). Соответствующие контуры интересующей области (ROI) согласуют с моделью. Поверхность каждой модели имеет разные зоны, для каждой зоны задают расстояние до фактической границы и весовой коэффициент. Контуры модели поверхности расширяют. Целевые функции, которые используют контуры органов, определяют вместе с расширенными контурами с их весовыми коэффициентами. С помощью коллекции планов с (искусственными) последующими контрольными изображениями, определяется расстояние до фактической границы и весовой коэффициент для каждой зоны модели. Объединение зон в одну целевую функцию определяется функциональной архитектурой (последовательной или параллельной) органа и типом используемой целевой функции (биологическим или физическим ограничением).
В другом варианте осуществления, планирующий процессор 70 формируют на перспективу адаптивный план лучевой терапии на основании добавленного непостоянной граничной области. КТ-сканер 12 получает планировочное изображение интересующего объекта, и по данному изображению определяется непостоянная граничная область с использованием средства для формирования непостоянной граничной области. Планирующий процессор формирует план лучевой терапии соответственно расширенному добавлением интересующему объекту. Сформированный план терапии содержит множество сеансов воздействия излучением, при этом, перед каждым сеансом, КТ-сканер 12 или другое средство для диагностической визуализации получает вспомогательное изображение интересующего объекта для совмещения пациента и для контроля за развитием лечения. Планирующий процессор сравнивает морфологию, положение и т.п. текущего интересующего объекта с ранее найденными значениями, например, из планировочного изображения или ранее полученных вспомогательных изображений. Если разность удовлетворяет предварительно выбранному порогу, то непостоянная граничная область корректируется в соответствии с текущим контуром поверхности. Таким образом, планирующий процессор адаптивно корректирует непостоянную граничную область в процессе плана терапии. Соответственно, текущий сеанс лечения и/или остающийся план лучевой терапии корректируется для учета изменений расширенного добавлением интересующего объекта. Аспекты, которые корректируются, содержат дозу облучения, траекторию пучка, геометрию пучка и/или график сеансов лечения; однако, предполагается также наличие других аспектов.
Выше изобретение описано со ссылкой на предпочтительные варианты осуществления. После прочтения и изучения вышеприведенного подробного описания, специалистами могут быть созданы модификации и внесены изменения. Предполагается, что изобретение следует интерпретировать как включающее в себя все упомянутые модификации и изменения в той мере, насколько они содержатся в объеме притязаний прилагаемой формулы изобретения или ее эквивалентов.

Claims (14)

1. Способ сегментации изображений анатомических особенностей, при этом способ содержит этапы, на которых:
идентифицируют контур поверхности по меньшей мере одного интересующего объекта в наборе многомерных данных; и
определяют непостоянную граничную область на основании идентифицированного контура поверхности и по меньшей мере одного из морфологии поверхности интересующего объекта и анизотропного движения поверхности интересующего объекта, при этом непостоянная граничная область шире в направлении, перпендикулярном направлению движения, чем в направлении, параллельном направлению движения;
причем к идентифицированному контуру поверхности добавляют непостоянную граничную область.
2. Способ по п. 1, дополнительно включающий в себя этапы, на которых:
идентифицируют модель поверхности на основании контура поверхности; и
определяют непостоянную граничную область на основании модели поверхности.
3. Способ по п. 2, в котором модель поверхности включает в себя множество элементов поверхности, которые определяют поверхность модели поверхности, при этом каждый элемент поверхности описывает ширину и весовой коэффициент участка непостоянной граничной области, соответствующего данному элементу поверхности.
4. Способ по любому из пп. 2 и 3, в котором этап идентификации модели поверхности дополнительно содержит этапы, на которых:
подбирают модель поверхности соответственно контуру поверхности по меньшей мере одного интересующего объекта; и
адаптируют поверхность модели поверхности так, чтобы она соответствовала геометрии контура поверхности по меньшей мере одного интересующего объекта.
5. Способ по п. 4, в котором подбор модели поверхности соответственно контуру поверхности по меньшей мере одного интересующего объекта основан по меньшей мере на одном из положения, морфологии, движения или функциональности интересующего объекта.
6. Машиночитаемый носитель данных, содержащий компьютерную программу, которая управляет процессором для выполнения способа по любому из пп. 1-5.
7. Система (10) лучевой терапии, содержащая:
сканер (12) для диагностической визуализации;
систему (40) введения излучения и
процессор (70) для планирования лучевой терапии, запрограммированный для выполнения способа по пп. 1-5.
8. Устройство (72) обработки изображений, содержащее:
блок (74) сегментации, который идентифицирует контур поверхности по меньшей мере одного интересующего объекта в наборе многомерных данных; и
блок (82) маскирования, который определяет непостоянную граничную область на основании идентифицированного контура поверхности и добавляет определенную непостоянную граничную область к идентифицированному контуру поверхности.
9. Устройство (72) обработки изображений по п. 8, дополнительно содержащее:
блок (76) идентификации, который идентифицирует модель поверхности, выбираемую из базы (78) данных моделей поверхности, на основании идентифицированного контура поверхности.
10. Устройство (72) обработки изображений по любому из пп. 8 и 9, в котором непостоянная граничная область основана по меньшей мере на одном из анизотропного движения, морфологии поверхности, неопределенности положения, близости к другим органам и вероятности распределения дозы.
11. Устройство (72) обработки изображений по п. 9, в котором модель поверхности включает в себя множество элементов поверхности, которые определяют поверхность модели поверхности, при этом каждый элемент поверхности описывает ширину и весовой коэффициент участка непостоянной граничной области, соответствующего данному элементу поверхности.
12. Устройство (72) обработки изображений по п. 9, дополнительно включающее в себя:
блок (80) деформации, который подбирает модель поверхности соответственно контуру поверхности по меньшей мере одного интересующего объекта и адаптирует поверхность модели поверхности так, чтобы она соответствовала геометрии контура поверхности по меньшей мере одного интересующего объекта.
13. Устройство (72) обработки изображений по п. 12, в котором подбор модели поверхности соответственно контуру поверхности по меньшей мере одного интересующего объекта основан по меньшей мере на одном из положения, морфологии, движения или функциональности интересующего объекта.
14. Устройство (72) обработки изображений по любому из пп. 11-13, в котором модель поверхности является сеточной моделью поверхности и каждый элемент поверхности является многоугольным сеточным элементом.
RU2012130028/08A 2009-12-16 2010-11-18 Использование коллекции планов для разработки новых задач оптимизации RU2566974C2 (ru)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US28686009P 2009-12-16 2009-12-16
US61/286,860 2009-12-16
PCT/IB2010/055268 WO2011073820A1 (en) 2009-12-16 2010-11-18 Use of collection of plans to develop new optimization objectives

Publications (2)

Publication Number Publication Date
RU2012130028A RU2012130028A (ru) 2014-01-27
RU2566974C2 true RU2566974C2 (ru) 2015-10-27

Family

ID=43743699

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2012130028/08A RU2566974C2 (ru) 2009-12-16 2010-11-18 Использование коллекции планов для разработки новых задач оптимизации

Country Status (6)

Country Link
US (1) US9076222B2 (ru)
EP (1) EP2513863A1 (ru)
JP (1) JP5767242B2 (ru)
CN (1) CN102656607B (ru)
RU (1) RU2566974C2 (ru)
WO (1) WO2011073820A1 (ru)

Families Citing this family (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012135365A2 (en) * 2011-03-29 2012-10-04 Biolyst, Llc Systems and methods for use in treating sensory impairment
US9649508B2 (en) * 2012-09-13 2017-05-16 Emory University Methods, systems and computer readable storage media storing instructions for determining patient specific treatment planning margins
US9370328B2 (en) * 2012-11-29 2016-06-21 University Of Washington Through Its Center For Commercialization Methods and systems for determining tumor boundary characteristics
EP2878338B1 (en) * 2013-11-28 2018-04-11 RaySearch Laboratories AB Method and system for uncertainty based radiotherapy treatment planning
JP6351164B2 (ja) * 2014-06-12 2018-07-04 国立研究開発法人量子科学技術研究開発機構 ビーム照射対象確認装置、ビーム照射対象確認プログラム、および阻止能比算出プログラム
US10046177B2 (en) 2014-06-18 2018-08-14 Elekta Ab System and method for automatic treatment planning
US9754367B2 (en) 2014-07-02 2017-09-05 Covidien Lp Trachea marking
CN107427204A (zh) 2014-07-02 2017-12-01 柯惠有限合伙公司 实时自动配准反馈
US20160000414A1 (en) 2014-07-02 2016-01-07 Covidien Lp Methods for marking biopsy location
US9603668B2 (en) 2014-07-02 2017-03-28 Covidien Lp Dynamic 3D lung map view for tool navigation inside the lung
US9770216B2 (en) 2014-07-02 2017-09-26 Covidien Lp System and method for navigating within the lung
AU2015284303B2 (en) 2014-07-02 2019-07-25 Covidien Lp System and method for detecting trachea
CN106659453B (zh) 2014-07-02 2020-05-26 柯惠有限合伙公司 用于分割肺部的系统和方法
US11227427B2 (en) 2014-08-11 2022-01-18 Covidien Lp Treatment procedure planning system and method
US10497127B2 (en) * 2015-04-23 2019-12-03 Koninklijke Philips N.V. Model-based segmentation of an anatomical structure
US10080911B2 (en) * 2015-09-10 2018-09-25 Varian Medical Systems, Inc. Knowledge-based spatial dose metrics and methods to generate beam orientations in radiotherapy
US10986990B2 (en) 2015-09-24 2021-04-27 Covidien Lp Marker placement
US10709352B2 (en) 2015-10-27 2020-07-14 Covidien Lp Method of using lung airway carina locations to improve ENB registration
DE102015222955B4 (de) 2015-11-20 2023-05-04 Siemens Healthcare Gmbh Konturbestimmung zur Konfiguration eines Strahlentherapiegerätes
EP3380191B1 (en) * 2015-11-27 2022-03-02 Koninklijke Philips N.V. Adaptive radiation therapy planning
US10792515B2 (en) 2015-12-18 2020-10-06 Koninklijke Philips N.V. Method for determining a patient specific locally varying margin
US11065476B2 (en) * 2016-01-26 2021-07-20 The Board Of Regents Of The University Of Texas System Mid-plane range-probing techniques for particle therapy
JP6951117B2 (ja) * 2016-05-09 2021-10-20 キヤノンメディカルシステムズ株式会社 医用画像診断装置
CN109964249A (zh) 2016-09-21 2019-07-02 皇家飞利浦有限公司 用于对身体部分的自适应轮廓勾画的装置
US11123574B2 (en) * 2017-01-30 2021-09-21 Koninklijke Philips N.V. Estimation of the achievability of treatment goals in radiation therapy
US10223792B2 (en) * 2017-02-02 2019-03-05 Elekta Ab (Publ) System and method for detecting brain metastases
EP3437559B1 (de) 2017-08-03 2020-06-24 Siemens Healthcare GmbH Ermitteln eines funktionsparameters betreffend eine lokale gewebefunktion für mehrere gewebebereiche
EP3498335A1 (en) 2017-12-18 2019-06-19 Koninklijke Philips N.V. Evaluation of an anatomic structure with respect to a dose distribution in radiation therapy planning
US11224392B2 (en) 2018-02-01 2022-01-18 Covidien Lp Mapping disease spread
US20200303060A1 (en) * 2019-03-18 2020-09-24 Nvidia Corporation Diagnostics using one or more neural networks
US12089902B2 (en) 2019-07-30 2024-09-17 Coviden Lp Cone beam and 3D fluoroscope lung navigation
GB2598127B (en) * 2020-08-19 2022-08-10 Elekta ltd Control of a radiotherapy device
CN112263788B (zh) * 2020-11-02 2022-08-30 浙江省肿瘤医院 在放射治疗过程中形态变化的定量探测系统
EP4180088A1 (en) * 2021-11-16 2023-05-17 Koninklijke Philips N.V. A machine learning based system for generating objective functions for radiation therapy treatment planning

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2209644C2 (ru) * 2000-07-05 2003-08-10 Кумахов Мурадин Абубекирович Рентгеновские средства для определения местоположения и лучевой терапии злокачественных новообразований
US20050111621A1 (en) * 2003-10-07 2005-05-26 Robert Riker Planning system, method and apparatus for conformal radiation therapy
WO2009095837A2 (en) * 2008-01-31 2009-08-06 Koninklijke Philips Electronics N.V. Automatic 3-d segmentation of the short-axis late-enhancement cardiac mri

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2564251B2 (ja) * 1994-11-10 1996-12-18 兼松メディカルシステム株式会社 放射線治療計画装置
EP1525558A2 (en) * 2002-07-19 2005-04-27 Philips Intellectual Property & Standards GmbH Simultaneous segmentation of multiple or composed objects by mesh adaptation
US20060210158A1 (en) * 2003-07-16 2006-09-21 Koninklijke Philips Electronics N. V. Object-specific segmentation
JP2008507329A (ja) * 2004-07-23 2008-03-13 カリプソー メディカル テクノロジーズ インコーポレイテッド 放射線治療及び他の医療用途におけるターゲットの実時間追跡のためのシステム及び方法
JP4429839B2 (ja) * 2004-08-06 2010-03-10 株式会社日立製作所 放射線治療計画装置及び放射線治療計画方法
EP1779324B1 (en) * 2004-08-09 2018-01-17 Koninklijke Philips N.V. Segmentation based on region-competitive deformable mesh adaptation
EP1778353B1 (en) * 2004-08-13 2012-09-12 Koninklijke Philips Electronics N.V. Radiotherapeutic treatment plan adaptation
EP1894163B1 (en) * 2005-06-08 2015-09-30 Koninklijke Philips N.V. Point-selection for fast deformable registration
US7831073B2 (en) * 2005-06-29 2010-11-09 Accuray Incorporated Precision registration of X-ray images to cone-beam CT scan for image-guided radiation treatment
US7907772B2 (en) * 2006-03-30 2011-03-15 Accuray Incorporated Delineation on three-dimensional medical image
WO2007133932A2 (en) * 2006-05-11 2007-11-22 Koninklijke Philips Electronics, N.V. Deformable registration of images for image guided radiation therapy
JP4126318B2 (ja) * 2006-06-23 2008-07-30 三菱重工業株式会社 放射線治療装置制御装置および放射線治療装置の制御方法
CA2670261A1 (en) * 2006-11-16 2008-05-29 Vanderbilt University Apparatus and methods of compensating for organ deformation, registration of internal structures to images, and applications of same
US20080177179A1 (en) 2006-12-19 2008-07-24 Cytyc Corporation Target Tissue Locator for Image Guided Radiotherapy
WO2009111580A2 (en) * 2008-03-04 2009-09-11 Tomotherapy Incorporated Method and system for improved image segmentation
US8249345B2 (en) * 2008-06-27 2012-08-21 Mako Surgical Corp. Automatic image segmentation using contour propagation

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2209644C2 (ru) * 2000-07-05 2003-08-10 Кумахов Мурадин Абубекирович Рентгеновские средства для определения местоположения и лучевой терапии злокачественных новообразований
US20050111621A1 (en) * 2003-10-07 2005-05-26 Robert Riker Planning system, method and apparatus for conformal radiation therapy
WO2009095837A2 (en) * 2008-01-31 2009-08-06 Koninklijke Philips Electronics N.V. Automatic 3-d segmentation of the short-axis late-enhancement cardiac mri

Also Published As

Publication number Publication date
WO2011073820A1 (en) 2011-06-23
US9076222B2 (en) 2015-07-07
JP2013514115A (ja) 2013-04-25
CN102656607A (zh) 2012-09-05
JP5767242B2 (ja) 2015-08-19
US20120280135A1 (en) 2012-11-08
EP2513863A1 (en) 2012-10-24
RU2012130028A (ru) 2014-01-27
CN102656607B (zh) 2015-11-25

Similar Documents

Publication Publication Date Title
RU2566974C2 (ru) Использование коллекции планов для разработки новых задач оптимизации
Purdy Current ICRU definitions of volumes: limitations and future directions
US11865364B2 (en) Flash therapy treatment planning and oncology information system having dose rate prescription and dose rate mapping
CN104093450B (zh) 用于自适应处置规划的束节段水平剂量计算与时间运动跟踪
Clements et al. Monaco treatment planning system tools and optimization processes
JP2021192844A (ja) 放射誘導型放射線療法における使用のためのシステムおよび方法
US8699664B2 (en) Systems and methods for optimization of on-line adaptive radiation therapy
RU2696428C2 (ru) Система и способ отслеживания целевого объекта с использованием показателя качества во время лучевой терапии
RU2605998C2 (ru) Одновременная оптимизация мультимодальной инверсии для планирования радиотерапевтического лечения
CN105832356B (zh) 基于现存患者信息的放射线照相成像参数选择
CN111344737B (zh) 自适应放射疗法系统
CN105451817B (zh) 用于自动估计自适应辐射治疗重新规划的效用的方法和系统
US20040254448A1 (en) Active therapy redefinition
US20060274925A1 (en) Generating a volume of interest using a dose isocontour
JP2009545394A (ja) 生物学に導かれた適応的な治療計画
CN115485019A (zh) 自动计划的基于放射的治疗
CN115666717A (zh) 用于导出和利用虚拟体积结构来预测在实施治疗的放射时的潜在碰撞的方法和装置
KR102401984B1 (ko) 세기 조절 방사선 치료를 위한 방사선 치료 계획 수립 장치 및 방법
Freislederer Optimization strategies for respiratory motion management in stereotactic body radiation therapy
Golshan Intraoperative use of c-arm cone beam CT for quality assurance of low dose rate prostate brachytherapy dose delivery
Cao CT and MRI in Radiotherapy
Siddique Towards Active Image Guidance in X-ray Fluoroscopy-guided Radiotherapeutic and Surgical Interventions
Petrie Motion binning in cone-beam CT without a prior Model
Schwarz Intensity-modulated radiotherapy techniques for prostate, head-and-neck and lung cancer