TW201719580A - 基於醫學影像的幾何模型建立方法 - Google Patents

基於醫學影像的幾何模型建立方法 Download PDF

Info

Publication number
TW201719580A
TW201719580A TW105137297A TW105137297A TW201719580A TW 201719580 A TW201719580 A TW 201719580A TW 105137297 A TW105137297 A TW 105137297A TW 105137297 A TW105137297 A TW 105137297A TW 201719580 A TW201719580 A TW 201719580A
Authority
TW
Taiwan
Prior art keywords
geometric model
medical image
tissue
density
establishing
Prior art date
Application number
TW105137297A
Other languages
English (en)
Other versions
TWI639134B (zh
Inventor
Yuan-Hao Liu
Pei-Yi Lee
Original Assignee
Neuboron Medtech Ltd
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 Neuboron Medtech Ltd filed Critical Neuboron Medtech Ltd
Publication of TW201719580A publication Critical patent/TW201719580A/zh
Application granted granted Critical
Publication of TWI639134B publication Critical patent/TWI639134B/zh

Links

Classifications

    • 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
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/30—Polynomial surface description
    • 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
    • A61N5/1031—Treatment planning systems using a specific method of dose optimization
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/168—Segmentation; Edge detection involving transform domain methods
    • 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
    • A61N5/1031—Treatment planning systems using a specific method of dose optimization
    • A61N2005/1034—Monte Carlo type methods; particle tracking
    • 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
    • A61N2005/1085—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy characterised by the type of particles applied to the patient
    • A61N2005/109—Neutrons
    • 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
    • G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
    • 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
    • G06T2207/10081—Computed x-ray tomography [CT]
    • 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
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • 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
    • 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
    • G06T2210/32—Image data format

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Computer Graphics (AREA)
  • Public Health (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Algebra (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Radiation-Therapy Devices (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

一種基於醫學影像的幾何模型建立方法，包括：讀取醫學影像的步驟、通過醫學影像與組織種類之間的轉換關係定義組織種類的步驟、決定組織分群數的步驟、通過醫學影像與密度之間的轉換關係定義組織密度的步驟、建立帶有組織和密度資訊的3D編碼矩陣的步驟、產生幾何模型的步驟，另外，亦包括判斷醫學影像體素是否位在ROI邊界內的步驟。根據醫學影像與組織種類之間的轉換關係，可以依實際需要訂定組織分群數，而獲得更加精確的組織種類、元素組成及密度等資訊，依據此些資訊所建立的幾何模型能更加匹配於醫學影像，從而更貼近實際的人體組織。

Description

基於醫學影像的幾何模型建立方法
本發明揭示一種幾何模型建立方法，特別是一種基於醫學影像的幾何模型建立方法。
隨著原子科學的發展，例如鈷六十、直線加速器、電子射束等放射線治療已成為癌症治療的主要手段之一。然而傳統光子或電子治療受到放射線本身物理條件的限制，在殺死腫瘤細胞的同時，也會對射束途徑上大量的正常組織造成傷害；另外，由於腫瘤細胞對放射線敏感程度的不同，傳統放射治療對於較具抗輻射性的惡性腫瘤(如：多形性神經膠母細胞瘤(glioblastoma multiforme)、黑色素細胞瘤(melanoma))的治療成效往往不佳。
為了減少腫瘤周邊正常組織的輻射傷害，化學治療(chemotherapy)中的標靶治療概念便被應用於放射線治療中；而針對高輻射抗性的腫瘤細胞，目前也積極發展具有高相對生物效應(relative biological effectiveness,RBE)的輻射源，如質子治療、重粒子治療、中子捕獲治療等。其中，中子捕獲治療便是結合上述兩種概念，如硼中子捕獲治療，藉由含硼藥物在腫瘤細胞的特異性積聚，配合精準的中子射束調控，提供比傳統放射線更好的癌症治療選擇。
硼中子捕獲治療(Boron Neutron Capture Therapy,BNCT)是利用含硼(10B)藥物對熱中子具有高捕獲截面的特性，藉由10B(n,α)7Li中子捕獲及核分裂反應產生4He和7Li兩個重荷電粒子，兩粒子的總射程約相當於一個細胞大小，因此對於生物體造成的輻射傷害能侷限在細胞層級，當含硼藥物選擇性地聚集在腫瘤細胞中，搭配適當的中子射源，便能在不對正常組織造成太大傷害的前提下，達到局部殺死腫瘤細胞的目的。
三維模型廣泛應用於科學實驗分析、科學實驗模擬領域，例如在核子輻射與防護領域，為了模擬人體在一定輻射條件下的吸收劑量，常常需要利用電腦技術對醫學影像進行各種處理，以建立蒙特卡羅計算所需要的幾何模型，並結合MCNP(蒙特卡羅程式)進行模擬計算。
蒙特卡羅方法是一種能夠模擬輻照目標物與射束間核粒子碰撞軌跡和能量分佈的計算工具，蒙特卡羅方法與複雜的三維人體解剖模型結合代表了電腦模擬技術的躍進。在放射診斷檢查及放射治療領域中，精確的人體器官模型可使劑量評估更加準確；目前，國際上已經成功建立多種人體模型並結合蒙特卡羅模擬程式，對人體在輻射環境下的吸收劑量進行計算評估。將人體三維醫學解剖影像轉換為蒙特卡羅程式所需要的幾何描述是進行蒙特卡羅模擬計算的必要條件，也是目前國際上蒙特卡羅模擬研究的重點之一。
磁振造影(Magnetic Resonance Imaging,MRI)及電腦斷層掃描(Computed Tomography,CT)等醫學影像能夠針對人體體內特徵提供較為詳細的組織結構資訊，故可做為人體內部結構模型建立的基礎。而在中子捕獲治療領域中，為提高劑量評估的精確性，如何根據醫學影像建立MCNP 蒙特卡羅計算程式所需的晶格模型是設計治療計畫時相當重要的一個環節，因此，有必要提出一種基於醫學影像的幾何模型建立方法。
本發明揭示一種基於醫學影像的幾何模型建立方法，包括：讀取醫學影像資料的步驟、通過醫學影像與組織種類之間的轉換關係定義組織種類的步驟、決定組織分群數的步驟、通過醫學影像與密度之間的轉換關係定義組織密度的步驟、建立帶有組織和密度資訊的3D編碼矩陣的步驟、產生幾何模型的步驟。
該幾何模型建立方法為根據醫學影像與組織種類之間的轉換關係，可以依實際需要訂定組織分群數，而獲得更加精確的組織種類、元素組成及密度等資訊，依據此些資訊所建立的幾何模型能更加匹配於醫學影像，從而更貼近實際的人體組織。
進一步，該幾何模型建立方法應用於硼中子捕獲治療領域時，包括給定B-10濃度的步驟和建立帶有B-10濃度資訊之3D編碼矩陣的步驟。結合B-10濃度之3D編碼矩陣及根據醫學影像所建立之幾何模型，便可清楚的知道各組織內的B-10濃度，於MCNP蒙特卡羅程式的模擬計算時，可反應出更貼近實際的劑量分佈情況。
組織分群數為使用者手動定義的組織分群數加上資料庫中現有的4種組織分群數或14種組織分群數。當現有的資料庫中沒有使用者需要的組織種類時，可以由使用者自訂一到數個新的組織，此舉可避免現有資料庫侷限了組織種類的定義，故可有效地提高幾何模型的精確度。
進一步，該幾何模型建立方法包括建立3D組織編碼矩陣的 步驟和建立3D密度編碼矩陣的步驟。根據醫學影像與組織及密度的轉換關係，對每一張影像切片建立相應的2D組織編碼矩陣和密度編碼矩陣，重整進而建立3D組織編碼矩陣和3D密度編碼矩陣。
幾何模型包括MCNP軟體輸入檔所需的晶格卡、柵元卡、曲面卡和材料卡。通過醫學影像建立出幾何模型，並轉換為MCNP軟體輸入檔所需格式之晶格卡、柵元卡、曲面卡和材料卡，從而為模擬計算提供理論依據並可獲得精確的模擬計算結果。
本發明揭示另一種基於醫學影像的幾何模型建立方法，包括：讀取醫學影像的步驟、定義或讀取ROI邊界的步驟、判斷醫學影像體素是否位在ROI邊界內的步驟：如果是，則進入使用者手動為每個ROI定義一個特定組織與密度的步驟或進入通過醫學影像資料與組織種類/密度之轉換關係自動為每一個體素定義組織種類與密度的步驟，如果否，則進入通過醫學影像與組織種類之轉換關係自動定義組織種類的步驟並通過醫學影像與密度之轉換關係定義組織密度的步驟、建立帶有組織和密度資訊的3D編碼矩陣的步驟、產生幾何模型的步驟。
所謂ROI是指感興趣區域(下文統稱ROI)，使用者可以手動定義ROI的組織種類、元素組成及密度。當醫學影像體素點不在ROI邊界內，則依實際需要訂定組織分群數後，根據醫學影像與組織種類與密度之轉換關係進行組織種類及密度的定義，而獲得更加精確的組織種類、元素組成及密度等資訊，依據此些資訊所建立的幾何模型能更加匹配於醫學影像，因而能更貼近實際的人體組織。
進一步，該幾何模型建立方法應用於硼中子捕獲治療領域 時，包括給定B-10濃度的步驟和建立帶有B-10濃度資訊的3D編碼矩陣的步驟。結合B-10濃度之3D編碼矩陣及根據醫學影像所建立之幾何模型，便可清楚的知道各組織內的B-10藥物濃度，於進行MCNP蒙特卡羅程式的模擬計算時，可反應出更貼近實際的劑量分佈情況。
組織分群數為使用者手動定義的組織分群數加上資料庫中現有的4種組織分群數或14種組織分群數。當現有的資料庫中沒有使用者需要的組織種類時，可以由使用者自訂一到數個新的組織，此舉可避免現有資料庫侷限了組織種類的定義，故可有效地提高幾何模型的精確度。
進一步，該幾何模型建立方法包括建立3D組織編碼矩陣的步驟和建立3D密度編碼矩陣的步驟。根據醫學影像與組織及密度的轉換關係，對每一張影像切片建立相應的2D組織編碼矩陣和密度編碼矩陣，重整進而建立3D組織編碼矩陣和3D密度編碼矩陣。
幾何模型包括MCNP軟體輸入檔所需的晶格卡、柵元卡、曲面卡和材料卡。通過醫學影像建立出幾何模型，並轉換為MCNP軟體輸入檔所需格式之晶格卡、柵元卡、曲面卡和材料卡，從而為模擬計算提供理論依據並可獲得精確的模擬計算結果。
醫學影像資料可以為磁振造影(Magnetic Resonance Imaging,MRI)或電腦斷層掃描影像(Computed Tomography,CT)，下文實施例中將以使用電腦斷層掃描影像(CT)的案例來進行闡述；CT的檔案格式通常為DICOM，但如同本領域技術人員所熟知的，亦可以使用其他影像設備所產生的醫學影像或使用不同於DICOM格式之醫學影像，只要該醫學影像能夠被轉換成帶有組織種類及密度資訊的MCNP晶格模型，即可應用於本發明所 揭示之基於醫學影像的幾何模型建立方法中。
本發明實施例中的有益效果和/或特點如下：
1、手動定義感興趣區域(ROI)的組織種類、元素組成及密度。
2、針對非位於ROI邊界內的CT影像體素點，可自動進行組織種類匹配，依據CT值大小差異，已有資料庫可區分出4種或14種不同組織，也可以根據實際的實驗結果訂定不同的組織群數。
3、對於CT值涵蓋較廣範圍的ROI，如黏膜腔室，難以給定唯一的組織種類與密度，使用者可根據本發明實施例揭示的方法自動進行CT值與組織/密度的轉換。
4、經輸入正常血液含硼藥物濃度、組織/腫瘤-血液硼濃度比值等參數後，本發明實施例揭示的方法自動將B-10元素編寫入所有體素點中。
5、最終產生的三維MCNP晶格模型將帶有組織種類(元素組成)、密度和B-10濃度等資訊。
圖1為硼中子捕獲反應示意圖。
圖2為10B(n,α)7Li中子捕獲核反應方程式。
圖3為本發明實施例中的基於醫學影像的幾何模型建立方法的邏輯流程圖。
圖4為CT值(HU)與組織密度回歸曲線公式及相關係數圖。
下面結合附圖對本發明的實施例做進一步的詳細說明，以令本領域技術人員參照說明書文字能夠據以實施。
較佳的，以用於中子捕獲治療的基於醫學影像的幾何模型建立方法為本發明的實施例。下面將簡單介紹一下中子捕獲治療，尤其是硼中子捕獲治療。
中子捕獲治療係為一種有效的治療癌症手段，近年來，該應用有漸增趨勢，其中以硼中子捕獲治療最為常見，供應硼中子捕獲治療的中子可由核反應器或加速器供應。本發明之實施例以加速器硼中子捕獲治療為例，加速器硼中子捕獲治療的基本組件通常包括加速帶電粒子(如質子、氘核等)的加速器、靶材與熱移除系統和射束整形體，其中加速帶電粒子與金屬靶材作用產生中子，需依據所需的中子產率與能量、可提供的加速帶電粒子能量與電流大小、金屬靶材的物化性等特性來挑選合適的核反應，常被討論的核反應有7Li(p,n)7Be及9Be(p,n)9B兩種吸熱反應。兩核反應的能量閾值分別為1.881MeV和2.055MeV，由於硼中子捕獲治療的理想中子源為keV能量等級的超熱中子，理論上若使用能量僅稍高於閾值的質子轟擊金屬靶材，可產生相對低能的中子，不須太多的緩速處理便可直接用於臨床，然而鋰金屬(Li)和鈹金屬(Be)兩種靶材與閾值能量的質子作用截面不高，為產生足夠大的中子通量，通常選用較高能量的質子來引發核反應。
硼中子捕獲治療(Boron Neutron Capture Therapy,BNCT)是利用含硼(10B)藥物對熱中子具有高捕獲截面的特性，借由10B(n,α) 7Li中子捕獲及核分裂反應產生4He和7Li兩個重荷電粒子。參照圖1和圖2，其分別示出了硼中子捕獲反應的示意圖和10B(n,α)7Li中子捕獲核反應方程式，兩荷電粒子的平均能量約為2.33MeV，具有高線性轉移(Linear Energy Transfer,LET)、短射程特徵，α粒子的線性能量轉移與射程分別為150keV/μm、8μm，而7Li重荷粒子則為175keV/μm、5μm，兩粒子的總射程約相當於一個細胞大小，因此對於生物體造成的輻射傷害能侷限在細胞層級，當含硼藥物選擇性地聚集在腫瘤細胞中，搭配適當的中子射源，便能在不對正常組織造成太大傷害的前提下，達到局部殺死腫瘤細胞的目的。
本發明實施例的目的在於將醫學影像轉換為帶有組織種類、密度及B-10濃度資訊的MCNP晶格模型，以進行硼中子捕獲治療的組織劑量模擬計算。醫學影像資料可以為磁振造影(Magnetic Resonance Imaging,MRI)或電腦斷層掃描(Computed Tomography,CT)，下文實施例中將使用電腦斷層掃描(CT)的資料來闡述，CT的檔案格式通常為DICOM。但如同本領域技術人員熟知的，亦可以使用其他影像設備所產生的醫學影像或使用不同於DICOM格式之醫學影像，只要該醫學影像能夠被轉換成帶有組織種類及密度資訊的MCNP晶格模型，即可應用於本發明揭示之基於醫學影像的幾何模型建立方法中。
簡單來說，本發明實施例揭示之基於醫學影像資料的幾何模型建立方法主要包括如下流程：
1、輸入電腦斷層影像(DICOM格式)，CT影像將呈現於對應介面上。
2、自動讀取DICOM檔案中已定義的ROI邊界，亦可另外新增ROI。
3、軟體將對CT影像上每一體素點(voxel)的位置進行判別，將所有體素點分為「落於ROI邊界內」及「落於ROI邊界外」。
4、針對落於ROI邊界內的體素點，可根據實際需求，由使用者手動對每一ROI定義相對的唯一組織種類及組織密度，或由軟體自動進行CT值與組織種類、密度的匹配，後者可避免因給定CT值涵蓋範圍較大的ROI(如黏膜腔室)唯一組織種類(元素組成)及密度，而造成劑量計算的誤差。
5、而針對落於ROI邊界外的體素點，則由軟體自動進行組織種類的定義，依據CT值大小差異，可區分為4或14種不同元素組成的組織，使用者可根據實際判斷，選擇使用ICRU-46報告表列的4種組織(將在下文詳述)，或使用Vanderstraeten等人於2007年發表文獻中的14種不同元素組成的組織(將在下文詳述)。
6、對於未手動定義密度的體素點，依據CT值大小差異，將由軟體自動給定密度，共可區分出96個密度分群。
7、使用者手動輸入正常血液含硼藥物濃度、腫瘤-血液硼濃度比值、組織-血液硼濃度比值等參數，軟體將自動編寫B-10元素於所有體素點中。
8、軟體將整合組織種類(元素組成)、組織密度、組織B-10濃度等資訊，產生三維MCNP晶格模型，並編寫出MCNP輸入檔規 定格式的晶格卡(lattice card)、柵元卡(cell card)、曲面卡(surface card)及材料卡(material card)。
具體來說，請參照圖3，本發明揭示之基於醫學影像的幾何模型建立方法包括兩個實施例。
本發明的第一實施例揭示一種基於醫學影像的幾何模型建立方法，包括：讀取醫學影像資料的步驟、通過醫學影像資料與組織種類之間的轉換關係定義組織種類的步驟、決定組織分群數的步驟、通過醫學影像資料與密度之間的轉換關係定義組織密度的步驟、建立帶有組織和密度資訊的3D編碼矩陣的步驟、產生幾何模型的步驟。
根據醫學影像的資料與組織種類之間的轉換關係，可以依實際需要訂定組織分群數，而獲得更加精確的組織種類、元素組成及密度等資訊，依據此些資訊所建立的幾何模型能更加匹配於醫學影像，因而能更近實際的人體組織。
幾何模型建立方法進一步包括給定B-10濃度的步驟和建立帶有B-10濃度資訊的3D編碼矩陣的步驟。結合B-10濃度之3D編碼矩陣及根據醫學影像所建立之幾何模型，便可清楚的知道各組織內的B-10濃度，於MCNP蒙特卡羅程式的模擬計算時，可反應出更貼近實際的劑量分佈情況。
組織分群數為使用者手動定義的組織分群數加上資料庫中現有的4種組織分群數或14種組織分群數。當現有的資料庫中沒有使用者需要的組織種類時，可以由使用者自訂一到數個新的組織，此舉可避 免現有資料庫侷限了組織種類的定義，故可有效地提高幾何模型的精確度。
幾何模型建立方法進一步包括建立3D組織編碼矩陣的步驟和建立3D密度編碼矩陣的步驟。根據醫學影像與組織及密度的轉換關係，對每一張影像切片建立相應的2D組織編碼矩陣和密度編碼矩陣，重整進而建立3D組織編碼矩陣和3D密度編碼矩陣。
幾何模型包括MCNP軟體輸入檔所需的晶格卡、柵元卡、曲面卡和材料卡。通過醫學影像建立出幾何模型，並轉換為MCNP軟體輸入檔所需格式之晶格卡、柵元卡、曲面卡和材料卡，從而為模擬計算提供理論依據並可獲得精確的模擬計算結果。
本發明的第二實施例揭示一種基於醫學影像的幾何模型建立方法，包括：讀取醫學影像資料的步驟、定義或讀取ROI邊界的步驟、判斷醫學影像體素是否在ROI邊界內的步驟：如果是，則進入使用者手動為每個ROI定義一個特定組織與密度的步驟或進入通過醫學影像資料與組織種類/密度之轉換關係自動為每一個體素定義組織種類與密度的步驟，如果否，則進入通過醫學影像與組織種類之轉換關係自動定義組織種類的步驟並通過醫學影像與密度之轉換關係定義組織密度的步驟、建立帶有組織和密度資訊的3D編碼矩陣的步驟、產生幾何模型的步驟。
所謂ROI是指感興趣區域，使用者可以手動定義ROI的組織種類、元素組成及密度。當醫學影像體素點不在ROI邊界內，則依實際需要訂定組織分群數後，根據醫學影像與組織種類與密度之轉換關係進行組織種類及密度的定義，而獲得更加精確的組織種類、元素組成及密度 等資訊，依據此些資訊所建立的幾何模型能更加匹配於醫學影像，因而能更貼近實際的人體組織。
幾何模型建立方法包括給定B-10濃度的步驟和建立帶有B-10濃度資訊的3D編碼矩陣的步驟。結合B-10濃度之3D編碼矩陣及根據醫學影像所建立之幾何模型，便可清楚的知道各組織內的B-10藥物濃度，於進行MCNP蒙特卡羅程式的模擬計算時，可反應出更貼近實際的劑量分佈情況。
組織分群數為使用者手動定義的組織分群數加上資料庫中已有的4種組織分群數或14種組織分群數。如果單一ROI邊界內涵蓋CT值範圍較大(如黏膜腔室)，則可由軟體自動進行CT值與組織種類、密度的匹配，以避免因給定唯一組織種類(元素組成)及密度，而造成劑量計算的誤差。當現有的資料庫中沒有使用者需要的組織種類時，可以由使用者自訂一到數個新的組織，此舉可避免現有資料庫侷限了組織種類的定義，故可有效地提高幾何模型的精確度。
幾何模型建立方法進一步包括建立3D組織編碼矩陣的步驟和建立3D密度編碼矩陣的步驟。根據醫學影像與組織及密度的轉換關係，對每一張影像切片建立相應的2D組織編碼矩陣和密度編碼矩陣，重整進而建立3D組織編碼矩陣和3D密度編碼矩陣。
幾何模型包括MCNP軟體輸入檔所需的晶格卡、柵元卡、曲面卡和材料卡。通過醫學影像建立出幾何模型，並轉換為MCNP軟體輸入檔所需格式之晶格卡、柵元卡、曲面卡和材料卡，從而為模擬計算提供 理論依據並可獲得精確的模擬計算結果。
請參照圖4，下面將闡述本發明揭示之基於醫學影像的幾何模型建立方法中現有資料庫的CT值-組織種類及CT值-組織密度轉換關係圖表。
CT值，又稱為Hounsfield Unit(HU)，為反應光衰減係數之單位，其定義如公式一：
引用Vanderstraeten等人於2007年發表之文獻(Barbara Vanderstraeten et al,“Convension of CT numbers into tissue parametersfor Monte Carlo dose calculations：a multi-centre study”,Phys.Med.Biol.52(2007)539-562.)，依據CT值大小不同，可轉換出1種空氣(air)、1種肺組織(lung)、2種軟組織(脂肪(adipose)及肌肉軟組織(muscle))、10種骨組織(bone)，換言之，不同CT值共對應出14種不同元素組成的組織，如下表一。
引用ICRU-46號報告(International Commission on Radiation Units and Measurements,Photon,electron,proton and neutron interaction data for body tissues,ICRU-46,Tech.Rep.,1992.)，擷取4種人體腦部主要組織，包含空氣(air)、腦組織(adult brain)、皮膚(adult skin)、頭骨(cranium)，其對應之密度與元素組成如表二。
同樣引用Vanderstraeten等人的文獻，該份文獻統整了醫院真實的實驗值，整理出CT值對應組織密度的關係公式，如圖4所示；本發明揭示之基於醫學影像的幾何模型建立方法使用圖4的三組回歸公 式，將CT值(-1000~2000)區分為96組密度分群，如表三。
本發明實施例中的有益效果和/或特點如下：
1、手動定義感興趣區域(ROI)的組織種類、元素組成及密度。
2、針對非位於ROI邊界內的CT影像體素點，可自動進行組織種類匹配，依據CT值大小差異，已有資料庫可區分出4種或14種不同元素組成的組織，也可以根據實際的實驗結果訂定不同的組織群數。
3、對於CT值涵蓋較廣範圍的ROI，如黏膜腔室，難以給定唯一的組織元素組成與密度，使用者可根據本發明實施例揭示的方法自動進行CT值與組織/密度的轉換。
4、經輸入正常血液含硼藥物濃度、組織/腫瘤-血液硼濃度比值等參數後，本發明實施例揭示的方法自動將B-10元素編寫入所有體素點中。
5、最終產生的三維MCNP晶格模型將帶有組織種類(元素組成)、密度和B-10濃度等資訊。
上述對本發明的具體實施方式進行了描述，以便於本技術領域的技術人員理解本發明，但如同本領域技術人員所熟知，本發明不限定具體實施方式的範圍，對本技術領域的普通技術人員而言，舉凡各種在所附的權利要求限定和本發明確定的精神和範圍內之顯而易見的變化，都在本發明要求保護的範圍之內。

Claims (10)

  1. 一種基於醫學影像的幾何模型建立方法，包括：讀取醫學影像的步驟、通過醫學影像與組織種類之間的轉換關係定義組織種類的步驟、決定組織分群數的步驟、通過醫學影像與密度之間的轉換關係定義組織密度的步驟、建立帶有組織和密度資訊的3D編碼矩陣的步驟、產生幾何模型的步驟。
  2. 如申請專利範圍第1項所述之基於醫學影像的幾何模型建立方法，其中，所述幾何模型建立方法應用於中子捕獲治療，所述幾何模型建立方法進一步包括給定B-10濃度的步驟和建立帶有B-10濃度資訊的3D編碼矩陣的步驟。
  3. 如申請專利範圍第1項所述之基於醫學影像的幾何模型建立方法，其中，所述組織分群數為使用者手動定義的組織分群數加上資料庫中已有的4種組織分群數或14種組織分群數。
  4. 如申請專利範圍第3項所述之基於醫學影像的幾何模型建立方法，其中，所述幾何模型建立方法進一步包括建立3D組織編碼矩陣的步驟和建立3D密度編碼矩陣的步驟。
  5. 如申請專利範圍第1項所述之基於醫學影像的幾何模型建立方法，其中，所述幾何模型包括MCNP軟體輸入檔所需的晶格卡、柵元卡、曲面卡和材料卡。
  6. 一種基於醫學影像的幾何模型建立方法，包括：讀取醫學影像資料的步驟、定義或讀取ROI邊界的步驟、判斷醫學影像體素是否在ROI邊界內的步驟：如果是，則進入使用者手動為每個ROI定義一個特定組織與密度的步驟或進入通過醫學影像資料與組織種類/密度之轉換關係自動為每一個體 素定義組織種類與密度的步驟，如果否，則進入通過醫學影像與組織種類之轉換關係自動定義組織種類的步驟並通過醫學影像與密度之轉換關係定義組織密度的步驟、建立帶有組織和密度資訊的3D編碼矩陣的步驟、產生幾何模型的步驟。
  7. 如申請專利範圍第6項所述之基於醫學影像的幾何模型建立方法，其中，所述幾何模型建立方法應用於中子捕獲治療，所述幾何模型建立方法包括給定B-10濃度的步驟和建立帶有B-10濃度資訊的3D編碼矩陣的步驟。
  8. 如申請專利範圍第6項所述之基於醫學影像的幾何模型建立方法，其中，所述組織分群數為使用者手動定義的組織分群數加上資料庫中已有的4種組織分群數或14種組織分群數。
  9. 如申請專利範圍第8項所述之基於醫學影像的幾何模型建立方法，其中，所述幾何模型建立方法進一步包括建立3D組織編碼矩陣的步驟和建立3D密度編碼矩陣的步驟。
  10. 如申請專利範圍第6項所述之基於醫學影像的幾何模型建立方法，其中，所述幾何模型包括MCNP軟體輸入檔所需的晶格卡、柵元卡、曲面卡和材料卡。
TW105137297A 2015-11-17 2016-11-15 Method for establishing geometric model based on medical image TWI639134B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201510790248.7A CN106474634A (zh) 2015-11-17 2015-11-17 基于医学影像数据的几何模型建立方法
??201510790248.7 2015-11-17

Publications (2)

Publication Number Publication Date
TW201719580A true TW201719580A (zh) 2017-06-01
TWI639134B TWI639134B (zh) 2018-10-21

Family

ID=58238342

Family Applications (1)

Application Number Title Priority Date Filing Date
TW105137297A TWI639134B (zh) 2015-11-17 2016-11-15 Method for establishing geometric model based on medical image

Country Status (6)

Country Link
US (1) US10692283B2 (zh)
EP (1) EP3357537B1 (zh)
JP (1) JP6754841B2 (zh)
CN (4) CN106474634A (zh)
TW (1) TWI639134B (zh)
WO (1) WO2017084459A1 (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DK3291884T3 (da) 2015-05-06 2021-05-25 Neutron Therapeuutics Inc Neutronmål for behandling med boronneutronindfangning
CN108295384B (zh) * 2017-01-11 2020-02-28 南京中硼联康医疗科技有限公司 基于医学影像的组织元素质量比例解构方法及几何模型建立方法
US10462893B2 (en) 2017-06-05 2019-10-29 Neutron Therapeutics, Inc. Method and system for surface modification of substrate for ion beam target
CN107290774A (zh) * 2017-07-21 2017-10-24 四川瑶天纳米科技有限责任公司 中子剂量快速确定方法
CN109308733A (zh) * 2017-07-27 2019-02-05 南京中硼联康医疗科技有限公司 基于医学影像数据的几何模型建立方法及剂量计算方法
EP3666336B1 (en) * 2017-08-24 2021-06-16 Neuboron Medtech Ltd. Neutron capture therapy system
CN110335281A (zh) * 2018-03-28 2019-10-15 北京连心医疗科技有限公司 一种肿瘤边界确定方法、设备和存储介质
CN108852511B (zh) * 2018-04-26 2019-06-07 北京罗森博特科技有限公司 骨内植入物最优位置的自动规划方法及装置
CN109344459B (zh) * 2018-09-13 2022-11-29 北京应用物理与计算数学研究所 一种蒙特卡罗程序的可视建模与转换方法及系统
CN110013613A (zh) * 2019-04-16 2019-07-16 东莞东阳光高能医疗设备有限公司 一种硼中子俘获治疗计划系统
CN111128317A (zh) * 2019-11-20 2020-05-08 中国辐射防护研究院 一种电离辐射组织等效材料配方设计方法及系统
CN113797447A (zh) 2020-06-11 2021-12-17 中硼(厦门)医疗器械有限公司 放射治疗系统及其治疗计划生成方法
CN116832342A (zh) 2020-08-15 2023-10-03 中硼(厦门)医疗器械有限公司 放射线照射系统及其控制方法
CN114367061B (zh) * 2020-10-14 2023-06-23 中硼(厦门)医疗器械有限公司 硼中子捕获治疗系统及其治疗计划生成方法

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5341292A (en) * 1992-06-04 1994-08-23 New England Medical Center Hospitals, Inc. Monte Carlo based treatment planning for neutron capture therapy
US5873830A (en) * 1997-08-22 1999-02-23 Acuson Corporation Ultrasound imaging system and method for improving resolution and operation
US6285969B1 (en) * 1998-05-22 2001-09-04 The Regents Of The University Of California Use of single scatter electron monte carlo transport for medical radiation sciences
AU2204400A (en) * 1999-12-21 2001-07-03 Bechtel Bwxt Idaho, Llc Monte carlo simulation of neutron transport for use in radiotherapy
EP1532431A4 (en) * 2002-07-09 2010-03-31 Medispectra Inc METHODS AND APPARATUSES FOR CHARACTERIZING TISSUE SAMPLES
WO2005106517A2 (en) * 2004-05-04 2005-11-10 Stiftelsen Universitetsforskning Bergen Blind determination of the arterial input and tissue residue functions in perfusion mri
EP1658878A1 (en) * 2004-11-17 2006-05-24 The European Community, represented by the European Commission BNCT treatment planning
US20060160157A1 (en) * 2005-01-19 2006-07-20 Zuckerman Mathew M Method, compositions and classification for tumor diagnostics and treatment
WO2006138513A1 (en) * 2005-06-16 2006-12-28 Nomos Corporation Variance reduction simulation system, program product, and related methods
CN101458826B (zh) * 2008-11-25 2012-05-30 中国科学院等离子体物理研究所 利用ct值赋予密度、组成成分的数字人体建模方法
KR102207919B1 (ko) * 2013-06-18 2021-01-26 삼성전자주식회사 초음파를 생성하는 방법, 장치 및 시스템
US9700264B2 (en) * 2013-10-25 2017-07-11 The Johns Hopkins University Joint estimation of tissue types and linear attenuation coefficients for computed tomography
CN103549953B (zh) * 2013-10-25 2015-04-15 天津大学 一种基于医学核磁共振影像提取微波检测乳房模型的方法
EP3123443B1 (en) * 2014-03-28 2018-06-13 Koninklijke Philips N.V. Method and device for generating one or more computer tomography images based on magnetic resonance images with the help of tissue class separation
CN103985122B (zh) * 2014-05-17 2016-11-02 清华大学深圳研究生院 基于心脏 ct 图像的全心脏提取方法
CN104267425B (zh) * 2014-10-16 2017-08-25 中国科学院合肥物质科学研究院 一种基于CT数据的内照射HPGe探测器探测效率确定方法
CN104899891B (zh) * 2015-06-24 2019-02-12 重庆金山科技（集团）有限公司 一种识别孕囊组织的方法、装置及宫腔吸引装置

Also Published As

Publication number Publication date
US10692283B2 (en) 2020-06-23
CN108310683A (zh) 2018-07-24
JP6754841B2 (ja) 2020-09-16
WO2017084459A1 (zh) 2017-05-26
CN106474634A (zh) 2017-03-08
CN107427692B (zh) 2020-08-07
JP2019502505A (ja) 2019-01-31
CN111803803B (zh) 2023-02-10
CN111803803A (zh) 2020-10-23
EP3357537A4 (en) 2018-10-24
US20180247452A1 (en) 2018-08-30
CN107427692A (zh) 2017-12-01
EP3357537A1 (en) 2018-08-08
EP3357537B1 (en) 2020-09-30
TWI639134B (zh) 2018-10-21

Similar Documents

Publication Publication Date Title
TWI639134B (zh) Method for establishing geometric model based on medical image
TWI610086B (zh) 射束的照射角度評價方法
TWI647657B (zh) Method for establishing smooth geometric model based on medical image data
TWI646945B (zh) 基於醫學影像的組織元素質量比例解構方法及幾何模型建立方法
CN109308733A (zh) 基于医学影像数据的几何模型建立方法及剂量计算方法
CN116603176A (zh) 硼中子捕获治疗系统及其照射参数选取方法
WO2022001594A1 (zh) 放射治疗系统及其治疗计划生成方法
Deng et al. The dosimetry calculation for boron neutron capture therapy
Alghamdi et al. A high-resolution anthropomorphic voxel-based tomographic phantom for proton therapy of the eye
Verhaegen Treatment planning for small animals
CN117982812A (zh) 硼中子捕获治疗系统及其治疗计划生成方法
Pyakuryal A study of the radiobiological modeling of the conformal radiation therapy in cancer treatment