TW201703729A - 治療計畫裝置 - Google Patents

治療計畫裝置 Download PDF

Info

Publication number
TW201703729A
TW201703729A TW105100504A TW105100504A TW201703729A TW 201703729 A TW201703729 A TW 201703729A TW 105100504 A TW105100504 A TW 105100504A TW 105100504 A TW105100504 A TW 105100504A TW 201703729 A TW201703729 A TW 201703729A
Authority
TW
Taiwan
Prior art keywords
data
affected part
treatment plan
contour data
axis
Prior art date
Application number
TW105100504A
Other languages
English (en)
Other versions
TWI604825B (zh
Inventor
松村直亮
冨士英輝
Original Assignee
三菱電機股份有限公司
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 三菱電機股份有限公司 filed Critical 三菱電機股份有限公司
Publication of TW201703729A publication Critical patent/TW201703729A/zh
Application granted granted Critical
Publication of TWI604825B publication Critical patent/TWI604825B/zh

Links

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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • 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
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Biomedical Technology (AREA)
  • Bioethics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Radiation-Therapy Devices (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Processing Or Creating Images (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本發明之治療計畫裝置係以患者之體輪廓資料23、33的中心為基準，藉由患部之輪廓資料計算手段4來比較治療對象患者資料2之患部的輪廓資料22與治療計畫資料庫3之患部的輪廓資料32，以計算類似度及體積比，且藉由既存治療計畫資料搜尋手段5由所算出之類似度及體積比來搜尋類似病例，因此可將類似度大之病例作為類似之病例而利用在新的治療計畫之作成。

Description

治療計畫裝置
本發明係關於一種搜尋既存之治療計畫資料中之與治療對象患者類似之治療病例之治療計畫資料的治療計畫裝置。
習知之治療計畫裝置係從過去之治療所使用之治療計畫資料搜尋與治療對象患者類似之資料之際，搜尋之關鍵字係採用診斷資訊(以文書作成之資訊)、任意設定之影像特徵量、治療對象患者之計畫資料。例如，在專利文獻1中，揭示有以下技術內容：以影像特徵量(考慮患部之位置座標等對象病例之幾何學狀況而可任意地設定)為搜尋之關鍵字，來搜尋對象病例之CT影像(與過去之治療病例的CT影像對位並加以變形之CT影像)與過去之治療病例之CT影像的類似度，並將類似度大之病例作為類似病例而使用在治療計畫之作成。
(先前技術文獻)
(專利文獻)
專利文獻1：日本特開2013-198652號公報(段落0024、 第2圖)
然而，在專利文獻1中，由於作為搜尋之關鍵字的影像特徵量係為任意地設定者，因此必須檢討要將哪一種作為影像特徵量來作成。如此，在習知之治療計畫裝置中，診斷資訊(以文書所作成之資訊)與治療對象患者之計畫資料係為了進行搜尋而必須事前進行準備，任意地設定之影像特徵量係為了進行搜尋而必須作成資料，而會有搜尋之事前準備所耗費之時間變長的問題。
本發明係為了要解決上述課題而研創者，其目的在於可提供一種無須施行用以進行與既存之治療計畫資料之類似搜尋之事前準備，而可簡便地且短時間地進行搜尋之治療計畫裝置。
本發明之治療計畫裝置係具備：治療對象患者資料，係包含從治療對象患者之影像資料所讀取之第一患部輪廓資料及第一體輪廓資料；治療計畫資料庫，係包含由治療病例患者之影像資料所讀取之第二患部輪廓資料及第二體輪廓資料；患部之輪廓資料計算手段，係以原點為基準點，比較前述第一患部輪廓資料與前述第二患部輪廓資料，以計算類似度及體積比，其中，該原點為，相對於治療對象患者及治療病例患者之各者之體軸方向的橫剖面中，屬於通過用以連結前述第一體輪廓資料及前述第二 體輪廓資料之各個前後方向之最前端的點與最後端的點之線段之中點之與前後方向垂直的直線的X軸、與屬於通過用以連結前述第一體輪廓資料及前述第二體輪廓資料之各個橫方向之最右端之點與最左端之點的線段之中點的前後方向之直線的Y軸之交點，且為分別在相對於前述體軸方向之沿著Y軸的縱剖面中，屬於通過X軸及Y軸之交點之與X軸及Y軸垂直的直線的Z軸、與通過分別連結前述第一患部輪廓資料及前述第二患部輪廓資料之前述體軸方向最大寬度之兩端之點的線段之中點的剖面之交點；以及既存治療計畫資料搜尋手段，係由前述類似度與前述體積比來搜尋類似病例。
依據本發明，以新的治療對象患者資料及既存之治療病例之各個體輪廓資料的中心為基準，藉由患部之輪廓資料計算手段來比較治療對象患者資料之患部的輪廓資料與治療計畫資料庫之患部的輪廓資料並計算類似度與體積比，藉由既存治療計畫資料搜尋手段由所算出之類似度及體積比來搜尋類似病例，藉此可無須施行用以進行與既存之治療計畫資料之類似搜尋的事前準備，而簡便地在短時間內由既存之治療計畫資料進行類似搜尋，且可將類似度大之病例作為類似之病例而利用在新的治療計畫之作成。
2‧‧‧治療對象患者資料
3‧‧‧治療計畫資料庫
4‧‧‧患部之輪廓資料計算手段
5‧‧‧既存治療計畫資料搜尋手段
10‧‧‧患部
10a、22、32‧‧‧患部之輪廓資料
11‧‧‧臓器
12‧‧‧患者
12a、23、33‧‧‧體輪廓資料
21、31‧‧‧CT影像資料
34‧‧‧治療計畫資料
35‧‧‧劑量資料
100‧‧‧治療計畫裝置
第1圖係顯示本發明實施形態1之治療計畫裝置之構成的方塊圖。
第2圖係用以說明本發明實施形態1之治療計畫裝置之比較患部的輪廓資料之方法的剖面圖。
第3圖係用以說明本發明實施形態1之治療計畫裝置之比較患部的輪廓資料之方法的剖面放大圖。
第4圖係用以說明本發明實施形態1之治療計畫裝置之搜尋既存治療計畫資料之方法的流程圖。
實施形態1
第1圖係顯示本發明實施形態1之治療計畫裝置100之構成的方塊圖。如第1圖所示，治療計畫裝置100係由治療對象患者資料2、治療計畫資料庫(DB：Data Base)3、患部之輪廓資料計算手段4、及既存治療計畫資料搜尋手段5所構成。
治療對象患者資料2係包含新的治療對象患者之CT(電腦斷層，Computed Tomography)影像資料21、屬於第一患部輪廓資料之患部的輪廓資料22、及屬於第一體輪廓資料之體輪廓資料23，且記憶在HDD(硬碟，Hard Disk Drive)等記憶手段。
治療計畫資料庫3係包含既存之治療病例患者之CT影像資料31、屬於第二患部輪廓資料之患部的輪廓資料32、屬於第二體輪廓資料之體輪廓資料33、作為治 療計畫資訊之治療計畫資料34、及劑量資料35，且例如依各個臓器記憶在HDD等記憶手段。
患部之輪廓資料計算手段4係藉由比較新的治療對象患者之治療對象患者資料2之患部的輪廓資料22、與來自既存之治療病例的治療計畫資料庫3之患部的輪廓資料32而計算類似度。並且，藉由比較治療對象患者資料2之患部的輪廓資料22與治療計畫資料庫3之患部的輪廓資料32而計算體積比。
既存治療計畫資料搜尋手段5係將就藉由患部之輪廓資料計算手段4所計算之類似度而言其一致率大、且從由患部之輪廓資料計算手段4所計算之體積比來看體積較近之治療病例作為類似之治療病例而從治療計畫資料庫3抽出並予以顯示。可將所抽出之類似的治療病例之治療計畫資料34及劑量資料35等應用作為新的治療對象患者的治療計畫資料。
接著，以第2圖說明在比較患部之輪廓資料22與患部之輪廓資料32時作為基準之位置。在本發明之實施形態1中，第2圖(a)係顯示患者12之體軸方向的橫剖面，第2圖(b)係顯示體軸方向之縱剖面。
如第2圖(a)所示，在患者12之體軸方向的橫剖面中，將通過連結患者12之體輪廓資料12a的前後方向之前端的接點A與後端之接點B之線段的中點之與前後方向垂直的直線設為X軸，將通過連結患者12之體輪廓資料12a之橫方向之右端的接點C與左端的接點D之線段的 中點之前後方向的直線設為Y軸。
接著，如第2圖(b)所示，在體軸方向之Y軸縱剖面，將通過X軸與Y軸之交點的與X軸及Y軸垂直之直線設為Z軸。原點係設為通過連結Z軸方向之患者12的患部之輪廓資料10a之橫方向最大寬度的兩端之接點E與接點F之線段的中點之剖面與Z軸之交點。
治療對象患者資料2之患部的輪廓資料22與體輪廓資料23、及治療計畫資料庫3之患部的輪廓資料32和體輪廓資料33係分別藉由治療對象患者資料2之CT影像資料21及治療計畫資料庫3之CT影像資料3的影像處理而得者。以上述之原點為基準，比較治療對象患者資料2之患部的輪廓資料22與治療計畫資料庫3之患部的輪廓資料32，來計算類似度及體積比。
接著，針對類似度及體積比之計算方法加以說明。第3圖係顯示XY軸剖面中之患部的輪廓資料22與患部之輪廓資料32的比較之一例，第3圖(a)係顯示治療對象患者資料2之患部的輪廓資料22與治療計畫資料庫3之患部的輪廓資料32之一部分彼此具有共通部分之情形，第3圖(b)係顯示治療對象患者資料2之患部的輪廓資料22包含治療計畫資料庫3之患部的輪廓資料32之情形。
如第3圖所示，患部之輪廓資料22及患部之輪廓資料32係以座標表示。例如，當將座標之1刻度設為1mm間隔而在患部10之內部包含邊界時，在第3圖(a)之情形時，由新的治療對象患者資料2之患部的輪廓資料22 得知，患部10之內部的座標點數為56點，由治療計畫資料庫3之患部的輪廓資料32得知，患部10之內部的座標點數為50點，並且共通部分(圖中之黑圈部分)之座標點數為42點。
在第3圖(b)之情形時，由新的治療對象患者資料2之患部的輪廓資料22得知，患部10之內部的座標點數為56點，由治療計畫資料庫3之患部的輪廓資料32得知，患部10之內部的座標點數為40點，並且共通部分(圖中之黑圈部分)之座標點數為40點。
該座標點數亦會在Z軸方向變化，例如成為表1之座標點數。
在此，類似度(一致率)係由以下之式(1)所定義。
(類似度)=100×(在新的患部內部之座標與既存資料之患部內部的座標中一致之座標點數)÷(在新的患部內部之座標與既存資料之患部內部的座標中較少者之座標點數)．．．(1)
再者，體積比(體積之近似度)係由以下之式(2)所定義。
(體積比)=100×(在新的患部內部之座標與既存資料之患部內部的座標中較少者之座標點數)÷(在新的患部內部之座標與既存資料之患部內部的座標中較多者之座標點數)．．．(2)
在表1之情形時，(類似度)=100×209÷235≒88.9(%)
(體積比)=100×235÷247≒95.1(%)。
接著，針對本發明實施形態1之治療計畫裝置100的動作，依據第4圖加以說明。第4圖係顯示搜尋本發明實施形態1之治療計畫裝置100之既存治療計畫資料之方法的方塊圖。
首先，輸入新的治療對象患者之CT影像資料21以作為治療對象患者資料2，並藉由患部之輪廓資料計算手段4而利用影像處理等讀取患部之輪廓資料22及體輪廓資料23(步驟S401)。此時，以預定間隔準備複數片對應於患部10之位置之體軸方向的橫剖面之CT影像資料21。
然後，從治療計畫資料庫3讀取作為成為候 補之既存的治療計畫資料的CT影像資料31，並藉由作為患部之輪廓資料計算手段4而利用影像處理等來讀取患部之輪廓資料32及體輪廓資料33(步驟S402)。此時，成為候補之既存的治療計畫資料係從例如從與新的治療對象患者之患部10對應的臓器11之資料抽出。
接著，藉由患部之輪廓資料計算手段4來比較治療對象患者資料2之患部的輪廓資料22與治療計畫資料庫3之患部的輪廓資料32，以計算類似度，並藉由既存治療計畫資料搜尋手段5來判斷類似度是否為80%以上(步驟S403)。若所算出之類似度並非在80%以上，則從治療計畫資料庫3讀取作為屬於下一個候補之既存之治療計畫資料的CT影像資料31，並藉由患部之輪廓資料計算手段4而利用影像處理等讀取患部之輪廓資料32及體輪廓資料33(步驟S402)。
在所算出之類似度為80%以上之情形時，藉由患部之輪廓資料計算手段4來比較治療對象患者資料2之患部的輪廓資料22與治療計畫資料庫3之患部的輪廓資料32並計算體積比，並藉由既存治療計畫資料搜尋手段5來判斷體積比是否為80%以上(步驟S404)。若所算出之體積比並非80%以上，則從治療計畫資料庫3讀取作為屬於下個候補之既存的治療計畫資料之CT影像資料31，並藉由患部之輪廓資料計算手段4而利用影像處理等來讀取患部之輪廓資料32及體輪廓資料33(步驟S402)。
如上述方式，依序讀取全部之作為屬於候補 之既存之治療計畫資料的CT影像資料31，並從治療計畫資料庫3搜尋類似度為80%以上、且體積比為80%以上之治療病例，抽出作為新的治療對象患者之類似病例，依類似度大小的順序排列來顯示搜尋結果(步驟S405)。
藉此，可無須施行用以進行與既存之治療計畫資料之類似搜尋的事前準備，而簡便地在短時間內由既存之治療計畫資料進行類似搜尋，且可將類似度大之病例作為類似之病例而利用在新的治療計畫之作成。
此外，在本實施形態1中，雖針對將進行類似搜尋之結果依類似度大小之順序排列顯示之情形加以說明，並不限定於此。例如，由於在治療計畫資料庫3包含作為治療計畫資訊之重要臓器的DVH(劑量體積直方圖，Dose Volume Histogram)資訊，亦可依照射至重要臓器之劑量之低至高的順序排列。
再者，由於在治療計畫資料庫3包含作為治療計畫資訊之治療協定，因此例如可依局部控制率或生存率之資訊的高至低之順序排列。再者，在治療計畫資料庫3包含作為治療計畫資訊之副作用的資訊，例如可依急性反應或晚期反應等副作用之小至大的順序排列。
此外，亦可從治療計畫資料庫3之體輪廓資料33及與治療計畫資料34之射束相關的資訊來計算射束與體輪廓資料33之交點的劑量值，並依劑量值低至高之順序排列。再者，亦可在治療計畫資料庫3包含與患部之部位相關的資訊作為治療計畫資訊，並追加與該部位之關連 較大之重要臓器等的資訊作為補充資訊。
如以上所述，在本發明實施形態1之治療計畫裝置100中，係以原點為基準點，藉由患部之輪廓資料計算手段4來比較治療對象患者資料2之患部的輪廓資料22與治療計畫資料庫3之患部的輪廓資料32，以計算類似度及體積比，且藉由既存治療計畫資料搜尋手段5由所算出之類似度及體積比來搜尋類似病例，其中，該原點為，相對於患者之體軸方向之橫剖面中，屬於通過連結體輪廓資料12a之前後方向之前端的接點A與後端的接點B之線段之中點之與前後方向垂直的直線的X軸、與屬於通過連結體輪廓資料12a之橫方向之右端之接點C與左端之接點D的線段之中點的前後方向之直線的Y軸之交點，且為相對於體軸方向之沿著Y軸的縱剖面中，屬於通過X軸及Y軸之交點之與X軸及Y軸垂直的直線的Z軸、與通過連結患部輪廓資料10a之體軸方向最大寬度之兩端之接點E與接點F的線段之中點的剖面之交點，因此，可無須施行用以進行與既存之治療計畫資料之類似搜尋的事前準備，而簡便地在短時間內由既存之治療計畫資料進行類似搜尋，且可將類似度大之病例作為類似之病例而利用在新的治療計畫之作成。。
再者，由於使治療計畫資料庫3包含相關之治療計畫資訊，因此不僅可依類似度大至小的順序排列，亦可依據治療計畫資訊將所搜尋之類似病例依序排列。
此外，本發明係在其發明之範圍內可對實施 形態適當地予以變更、省略。
2‧‧‧治療對象患者資料
3‧‧‧治療計畫資料庫
4‧‧‧患部之輪廓資料計算手段
5‧‧‧既存治療計畫資料搜尋手段
21‧‧‧CT影像資料
22‧‧‧患部之輪廓資料
23‧‧‧體輪廓資料
31‧‧‧CT影像資料
32‧‧‧患部之輪廓資料
33‧‧‧體輪廓資料
34‧‧‧治療計畫資料
35‧‧‧劑量資料
100‧‧‧治療計畫裝置

Claims (8)

  1. 一種治療計畫裝置，係具備：治療對象患者資料，係包含從治療對象患者之影像資料所讀取之第一患部輪廓資料及第一體輪廓資料；治療計畫資料庫，係包含由治療病例患者之影像資料所讀取之第二患部輪廓資料及第二體輪廓資料；患部之輪廓資料計算手段，係以原點為基準點，比較前述第一患部輪廓資料與前述第二患部輪廓資料，以計算類似度及體積比，其中，該原點為，相對於治療對象患者及治療病例患者之各者之體軸方向的橫剖面中，屬於通過連結前述第一體輪廓資料及前述第二體輪廓資料之各個前後方向之最前端的點與最後端的點之線段之中點之與前後方向垂直的直線的X軸、與屬於通過連結前述第一體輪廓資料及前述第二體輪廓資料之各個橫方向之最右端之點與最左端之點的線段之中點的前後方向之直線的Y軸之交點，且為分別在相對於前述體軸方向之沿著Y軸的縱剖面中，屬於通過X軸及Y軸之交點之與X軸及Y軸垂直的直線的Z軸、與通過分別連結前述第一患部輪廓資料及前述第二患部輪廓資料之前述體軸方向最大寬度之兩端之點的線段之中點的剖面之交點X軸係為；以及既存治療計畫資料搜尋手段，係由前述類似度與前述體積比來搜尋類似病例。
  2. 如申請專利範圍第1項所述之治療計畫裝置，其中，前 述類似度係以下列之式(1)所定義：(類似度)=100×(在前述第一患部輪廓資料內部之座標與前述第二患部輪廓資料內部之座標一致的座標點數)÷(在前述第一患部輪廓資料內部之座標與前述第二患部輪廓資料內部之座標中較少者的座標點數)．．．(1)。
  3. 如申請專利範圍第1項所述之治療計畫裝置，其中，前述體積比係由下列之式(2)所定義：(體積比)=100×(在前述第一患部輪廓資料內部之座標與前述第二患部輪廓資料內部之座標中較少者的座標點數)÷(在前述第一患部輪廓資料內部之座標與前述第二患部輪廓資料內部之座標中較多者的座標點數)．．．(2)。
  4. 如申請專利範圍第1項所述之治療計畫裝置，其中，前述既存治療計畫資料搜尋手段係搜尋前述類似度及前述體積比分別為預定值以上的類似病例。
  5. 如申請專利範圍第2項所述之治療計畫裝置，其中，前述既存治療計畫資料搜尋手段係搜尋前述類似度及前述體積比分別為預定值以上的類似病例。
  6. 如申請專利範圍第3項所述之治療計畫裝置，其中，前述既存治療計畫資料搜尋手段係搜尋前述類似度及前述體積比分別為預定值以上的類似病例。
  7. 如申請專利範圍第1項至第6項中任一項所述之治療計畫裝置，其中，前述類似病例係依前述類似度之大至小 的順序排列並顯示。
  8. 如申請專利範圍第1項至第6項中任一項所述之治療計畫裝置，其中，前述治療計畫資料庫係包含治療計畫資訊，前述類似病例係依前述治療計畫資訊而依序排列並顯示。
TW105100504A 2015-07-24 2016-01-08 治療計畫裝置 TWI604825B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2015/071075 WO2017017721A1 (ja) 2015-07-24 2015-07-24 治療計画装置

Publications (2)

Publication Number Publication Date
TW201703729A true TW201703729A (zh) 2017-02-01
TWI604825B TWI604825B (zh) 2017-11-11

Family

ID=57885456

Family Applications (1)

Application Number Title Priority Date Filing Date
TW105100504A TWI604825B (zh) 2015-07-24 2016-01-08 治療計畫裝置

Country Status (5)

Country Link
US (1) US20180144474A1 (zh)
JP (1) JPWO2017017721A1 (zh)
CN (1) CN107851297A (zh)
TW (1) TWI604825B (zh)
WO (1) WO2017017721A1 (zh)

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001155019A (ja) * 1999-11-25 2001-06-08 Olympus Optical Co Ltd 類似画像検索装置
JP2004005364A (ja) * 2002-04-03 2004-01-08 Fuji Photo Film Co Ltd 類似画像検索システム
FR2881255B1 (fr) * 2005-01-25 2007-03-30 Gen Electric Procede d'elaboration d'une image renale
US7894649B2 (en) * 2006-11-02 2011-02-22 Accuray Incorporated Target tracking using direct target registration
US7469035B2 (en) * 2006-12-11 2008-12-23 The Board Of Trustees Of The Leland Stanford Junior University Method to track three-dimensional target motion with a dynamical multi-leaf collimator
CN100496386C (zh) * 2006-12-29 2009-06-10 成都川大奇林科技有限责任公司 精确放射治疗计划系统
WO2008120116A1 (en) * 2007-03-30 2008-10-09 Koninklijke Philips Electronics N.V. Improved treatment plan evaluation in radiotherapy by stochastic analysis of delineation uncertainty
US8195275B2 (en) * 2007-05-23 2012-06-05 Siemens Aktiengesellschaft Vessel size imaging for antiangiogenic therapy
WO2012024448A2 (en) * 2010-08-17 2012-02-23 Board Of Regents, The University Of Texas System Automated treatment planning for radiation therapy
JP5852970B2 (ja) * 2011-01-31 2016-02-03 パナソニック株式会社 症例検索装置および症例検索方法
JP5054252B1 (ja) * 2011-11-04 2012-10-24 パナソニック株式会社 類似症例検索装置、類似症例検索方法、類似症例検索装置の作動方法およびプログラム
JP5846925B2 (ja) * 2012-01-18 2016-01-20 株式会社日立メディコ 医用画像表示装置
US9355447B2 (en) * 2013-08-21 2016-05-31 Wisconsin Alumni Research Foundation System and method for gradient assisted non-connected automatic region (GANAR) analysis
CN104268438A (zh) * 2014-10-21 2015-01-07 王跃 脊柱疾病病案在线收集数据库及其数据收集方法

Also Published As

Publication number Publication date
US20180144474A1 (en) 2018-05-24
TWI604825B (zh) 2017-11-11
CN107851297A (zh) 2018-03-27
WO2017017721A1 (ja) 2017-02-02
JPWO2017017721A1 (ja) 2018-01-25

Similar Documents

Publication Publication Date Title
Nam et al. Development and validation of deep learning–based automatic detection algorithm for malignant pulmonary nodules on chest radiographs
Gonzalez et al. Disease staging and prognosis in smokers using deep learning in chest computed tomography
Hernandez et al. Complications in tube thoracostomy: systematic review and meta-analysis
Schulz et al. Multimodal deep learning for prognosis prediction in renal cancer
WO2014196069A1 (ja) 画像処理装置および画像処理方法
US20220215625A1 (en) Image-based methods for estimating a patient-specific reference bone model for a patient with a craniomaxillofacial defect and related systems
Yu et al. A robust deep learning segmentation method for hematoma volumetric detection in intracerebral hemorrhage
US9649079B1 (en) System and method to illustrate a radiation dose applied to different anatomical stages of an exposed subject
US9514384B2 (en) Image display apparatus, image display method and storage medium storing image display program
US20160125262A1 (en) Image processing apparatus and image processing method
Lugo-Fagundo et al. Deep learning in radiology: now the real work begins
Melinska et al. Statistical, morphometric, anatomical shape model (atlas) of calcaneus
Choi et al. Surgery-first orthognathic approach to correct facial asymmetry: artificial intelligence–based cephalometric analysis
Cazoulat et al. Vasculature-driven biomechanical deformable image registration of longitudinal liver cholangiocarcinoma computed tomographic scans
Xue et al. Joint registration and segmentation of serial lung CT images for image-guided lung cancer diagnosis and therapy
Ye et al. Development and validation of an automated image-based deep learning platform for sarcopenia assessment in head and neck cancer
Foo et al. Interactive segmentation for covid-19 infection quantification on longitudinal ct scans
KR20200057563A (ko) 폐 운동의 히스토그램 분석을 위한 폐 영상 정합 방법, 그 장치, 그 프로그램 및 정합된 폐 영상의 분석 방법 및 그 프로그램
TWI604825B (zh) 治療計畫裝置
Zhang et al. A 2D/3D non-rigid registration method for lung images based on a non-linear correlation between displacement vectors and similarity measures
Cinaglia et al. A framework for the decomposition and features extraction from lung DICOM images
Banerjee et al. A combined tracking and registration approach for tracking anatomical landmarks in 4D ultrasound of the liver
Touati et al. A robust construction algorithm of the centerline skeleton for complex aortic vascular structure using computational fluid dynamics
Dabass et al. Lung Segmentation in CT scans with Residual Convolutional and Attention Learning-based U-Net
Chen et al. Computer-aided liver surgical planning system using CT volumes

Legal Events

Date Code Title Description
MM4A Annulment or lapse of patent due to non-payment of fees