TW201826224A - 基於醫學影像數據的平滑幾何模型建立方法 - Google Patents
基於醫學影像數據的平滑幾何模型建立方法 Download PDFInfo
- Publication number
- TW201826224A TW201826224A TW106128758A TW106128758A TW201826224A TW 201826224 A TW201826224 A TW 201826224A TW 106128758 A TW106128758 A TW 106128758A TW 106128758 A TW106128758 A TW 106128758A TW 201826224 A TW201826224 A TW 201826224A
- Authority
- TW
- Taiwan
- Prior art keywords
- medical image
- image data
- establishing
- voxel
- tissue
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000013334 tissue model Methods 0.000 claims abstract description 29
- 238000009499 grossing Methods 0.000 claims abstract description 15
- ZOXJGFHDIHLPTG-UHFFFAOYSA-N Boron Chemical compound [B] ZOXJGFHDIHLPTG-UHFFFAOYSA-N 0.000 claims description 29
- 229910052796 boron Inorganic materials 0.000 claims description 29
- 238000002560 therapeutic procedure Methods 0.000 claims description 20
- 239000000463 material Substances 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 abstract description 18
- 210000000056 organ Anatomy 0.000 abstract description 9
- 210000001519 tissue Anatomy 0.000 description 66
- 238000002591 computed tomography Methods 0.000 description 28
- 238000006243 chemical reaction Methods 0.000 description 22
- 230000005855 radiation Effects 0.000 description 13
- 239000011159 matrix material Substances 0.000 description 12
- 210000004027 cell Anatomy 0.000 description 10
- 239000002245 particle Substances 0.000 description 10
- 238000004088 simulation Methods 0.000 description 10
- 210000004881 tumor cell Anatomy 0.000 description 10
- 239000003814 drug Substances 0.000 description 8
- 229940079593 drug Drugs 0.000 description 8
- 239000000203 mixture Substances 0.000 description 8
- 206010028980 Neoplasm Diseases 0.000 description 7
- 239000008280 blood Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000001959 radiotherapy Methods 0.000 description 5
- 238000000342 Monte Carlo simulation Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 230000008520 organization Effects 0.000 description 4
- 210000004369 blood Anatomy 0.000 description 3
- 201000011510 cancer Diseases 0.000 description 3
- 238000002595 magnetic resonance imaging Methods 0.000 description 3
- 229910052751 metal Inorganic materials 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 231100000987 absorbed dose Toxicity 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000004215 lattice model Methods 0.000 description 2
- 229910052744 lithium Inorganic materials 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 210000004872 soft tissue Anatomy 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 208000024827 Alzheimer disease Diseases 0.000 description 1
- 201000010915 Glioblastoma multiforme Diseases 0.000 description 1
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- ATBAMAFKBVZNFJ-UHFFFAOYSA-N beryllium atom Chemical compound [Be] ATBAMAFKBVZNFJ-UHFFFAOYSA-N 0.000 description 1
- 230000004071 biological effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 210000005013 brain tissue Anatomy 0.000 description 1
- 238000002512 chemotherapy Methods 0.000 description 1
- 229910017052 cobalt Inorganic materials 0.000 description 1
- 239000010941 cobalt Substances 0.000 description 1
- GUTLYIVDDKVIGB-UHFFFAOYSA-N cobalt atom Chemical compound [Co] GUTLYIVDDKVIGB-UHFFFAOYSA-N 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000010894 electron beam technology Methods 0.000 description 1
- 238000009201 electron therapy Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000004992 fission Effects 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000005251 gamma ray Effects 0.000 description 1
- 208000005017 glioblastoma Diseases 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 230000036210 malignancy Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 201000001441 melanoma Diseases 0.000 description 1
- 230000000394 mitotic effect Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 238000002727 particle therapy Methods 0.000 description 1
- 238000002661 proton therapy Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 206010039073 rheumatoid arthritis Diseases 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000002626 targeted therapy Methods 0.000 description 1
Classifications
-
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
-
- 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
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/08—Volume rendering
-
- 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
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
-
- 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
- G06T2219/2021—Shape modification
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Biomedical Technology (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Veterinary Medicine (AREA)
- Radiology & Medical Imaging (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Architecture (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Radiation-Therapy Devices (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
一方面提供一種基於醫學影像數據的平滑幾何模型建立方法，包括：輸入或讀取醫學影像數據的步驟；根據醫學影像數據建立三維醫學影像體素模型的步驟；將三維醫學影像體素模型平滑化的步驟；建立三維體素假體組織模型的步驟。另一方面提供一種基於醫學影像數據的平滑幾何模型建立方法，包括：輸入或讀取醫學影像數據的步驟；根據醫學影像數據建立三維體素假體組織模型的步驟；將三維體素假體組織模型平滑化的步驟。本發明的平滑幾何模型建立方法將三維醫學影像體素模型或三維體素假體組織模型進行平滑化，更加接近人體器官的真實情況，從而提高劑量計算可靠度以提升治療品質。
Description
本發明係關於一種幾何模型建立方法，特別是有關於一種基於醫學影像數據的平滑幾何模型建立方法。
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製，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：多行性膠質母細胞瘤(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；而針對高抗輻射性的腫瘤細胞，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，借由含硼藥物在腫瘤細胞的特異性集聚，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(B-10)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，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局限在細胞層級，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。比如在核輻射與防護領域，為了模擬生物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建立精確的MCNP需要的晶格模型，並結合MCNP(蒙特卡羅程式)進行類比計算。
蒙特卡羅方法是目前能夠對輻照目標內部三維空間核粒子碰撞軌跡和能量分佈進行精確模擬的工具，蒙特卡羅方法與複雜的三維人體解剖模型相結合代表了類比在電腦技術中的躍進。在診斷放射檢查中，精確的人體器官劑量評估對於放射治療是非常有益的。目前，國際上已經成功建立多種人體模型並結合蒙特卡羅類比程式，對人體在輻射環境下的吸收劑量進行精確性的計算評估。人體三維解剖模型成功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前提條件，也是目前國際上蒙特卡羅模擬研究的熱點和難點。
核磁共振成像(Magnetic Resonance Imaging,MRI)或電子電腦斷層掃描(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幾何結構資訊，為人體內部結構的實體建模提 供了數據基礎。而在中子捕獲治療領域如何根據醫學影像數據建立MCNP所需的幾何模型，即MCNP軟體輸入檔所需的晶格模型或體素假體組織模型，屬於一個很重要的課題，目前常見的MCNP幾何模型均是以一小立方體(體素，voxel)為基本元素，對應醫學影像內含的資訊建構而成，因此體素模型的輪廓如階梯般呈現，如圖4，與人體器官、組織的曲面輪廓存在著一定程度的誤差，進而影響劑量計算結果的可靠度。
因此，有必要提出一種提高劑量計算可靠度以提升治療品質的根據醫學影像數據建立平滑幾何模型的方法。
本發明的一方面提供一種基於醫學影像數據的平滑幾何模型建立方法，包括：輸入或讀取醫學影像數據的步驟；根據醫學影像數據建立三維醫學影像體素模型的步驟；將三維醫學影像體素模型平滑化的步驟；建立三維體素假體組織模型的步驟。
本發明的另一方面提供一種基於醫學影像數據的平滑幾何模型建立方法，包括：輸入或讀取醫學影像數據的步驟；根據醫學影像數據建立三維體素假體組織模型的步驟；將三維體素假體組織模型平滑化的步驟。
該平滑幾何模型建立方法將三維醫學影像體素模型或三維體素假體組織模型進行平滑化，更加接近人體器官的真實情況，從而提高劑量計算可靠度。
將三維醫學影像體素模型或三維體素假體組織模型平滑化的步驟進一步包括：定義或讀取ROI邊界的步驟；將ROI邊界平滑化的步驟。
所謂ROI(Region Of Interest)是指感興趣區域(下文統稱ROI)。本發明中所說的ROI邊界不限於關鍵器官的外輪廓，還包括密度明顯變化的組織邊界、照射部位外輪廓或腫瘤細胞外輪廓等。
將ROI邊界平滑化的步驟進一步包括：將ROI邊界以偏微分方程表示的步驟；對偏微分方程求解，並根據求解結果修正ROI邊界的步驟。
將ROI邊界平滑化的步驟是通過有限元分析軟體處理的。
ROI邊界是醫學影像數據中已定義的和/或另外新增的，新增的ROI邊界是通過自動判斷和/或手動選擇獲得的。
體素假體組織模型帶有組織種類、組織密度資訊。體素假體組織模型是根據醫學影像數據與組織種類、密度之間的轉換關係建立的，可以根據實際需要確定組織分群數，從而更加精確地提供組織種類、元素組成及密度，建立的幾何模型更加匹配於醫學影像數據反應出的真實 情況。
該平滑幾何模型建立方法應用於中子捕獲治療，所述體素假體組織模型還帶有組織硼濃度資訊。標記有硼濃度資訊的幾何模型，便可清楚地知道，各個組織內的含硼藥物濃度，然後進行中子捕獲治療照射模擬時，則更加真實地反應出實際情況。
平滑幾何模型包括MCNP軟體輸入檔所需的晶格卡、柵元卡、曲面卡和材料卡。通過醫學影像數據最終獲得MCNP軟體輸入檔所需的晶格卡、柵元卡、曲面卡和材料卡，從而為模擬計算提供理論依據並獲得精確的模擬計算結果。
醫學影像數據可以為核磁共振成像(Magnetic Resonance Imaging,MRI)、電子電腦斷層掃描(Computed Tomography,CT)、正電子發射型電腦斷層掃描(Positron Emission Tomography,PET)、PET-CT或X射線成像(X-Ray imaging)，下文實施例中將基於電子電腦斷層掃描(CT)的數據來闡述，CT的檔案格式通常為DICOM。但本領域技術人員熟知地，還可以使用其他的醫學影像數據，只要該醫學影像數據能夠被轉換成三維MCNP假體組織模型，就能夠應用于本發明揭示的基於醫學影像數據的平滑幾何模型建立方法中。
本發明實施例之基於醫學影像數據的平滑幾何模型建立方法可大幅改善體素假體的階梯狀輪廓，提升劑量計算可靠度以提升治療品質。
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數據的平滑幾何模型建立方法的邏輯框圖。
圖4為尚未進行平滑化處理的體素模型示意圖。
圖5為本發明實施例中的三維體素假體組織模型建立方法的邏輯框圖。
圖6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。
作為一種優選地，以用於中子捕獲治療的基於醫學影像數據的平滑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。
中子捕獲治療作為一種有效的治療癌症的手段近年來的應用逐漸增加，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以由核反應爐或加速器供應。本發明的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用於對帶電粒子(如質子、氘核等)進行加速的加速器、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，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，這兩種反應皆為吸熱反應。兩種核反應的能量閥值分別為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閥值的質子轟擊金屬鋰靶材，可產生相對低能的中子，不須太多的緩速處理便可用於臨床，然而鋰金屬(Li)和鈹金屬(Be)兩種靶材與閥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局限在細胞層級，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數據轉換為更接近生物體，尤其是人體，的器官、組織的曲面輪廓的三維MCNP體素假體組織模型，以進行硼中子捕獲治療的組織劑量類比計算。醫學影像數據可以為核磁共振成像(Magnetic Resonance Imaging,MRI)、電子電腦斷層掃描(Computed Tomography,CT)、正電子發射型電腦斷層掃描(Positron Emission Tomography,PET)、PET-CT或X射線成像(X-Ray imaging)，本實 施例中將基於電子電腦斷層掃描(CT)的數據來闡述，CT的檔案格式通常為DICOM。但本領域技術人員熟知地，還可以使用其他的醫學影像數據，只要該醫學影像數據能夠被轉換成三維MCNP體素假體模型，就能夠應用于本發明揭示的基於醫學影像數據的平滑幾何模型建立方法中。
參閱圖3，本發明實施例揭示的基於醫學影像數據的平滑幾何模型建立方法主要包括如下流程：1、輸入或讀取電腦斷層影像數據(DICOM格式)，CT影像數據將呈現於對應介面上；2、根據醫學影像數據建立三維醫學影像體素模型；3、自動讀取DICOM檔案中已定義的ROI邊界，亦可另外新增ROI邊界；4、將邊界平滑化；5、根據CT影像數據與組織種類(元素組成)、密度之間的轉換關係，定義每一體素單元的組織種類(元素組成)、組織密度，建立三維MCNP體素假體組織模型。
其中，ROI邊界可以是關鍵器官，如眼睛、肝臟等的外輪廓；不同類型(密度明顯變化)的組織，如骨頭和軟組織的邊界；照射部位，如頭部的外輪廓；以及腫瘤細胞的外輪廓。
上述步驟5可以位於步驟1之後的任意位置，當位於步驟1和3之間時，步驟2可以省略，也就是說可以先根據CT影像數據直接建立三維MCNP體素假體組織模型，再進行邊界的選擇和處理，此時，平滑化處理的就是三維MCNP體素假體組織模型中的ROI邊界。由CT影像數據獲得 的三維醫學影像體素模型或由此建立的三維MCNP體素假體組織模型均是以一小立方體為基本元素，因此模型的輪廓如階梯般呈現，如圖4，與生物體器官、組織的曲面輪廓存在著一定程度的誤差，進而影響劑量計算結果的可靠度。步驟2中新增的ROI邊界，可以是通過自動判斷和/或手動選擇獲得的。自動判斷得到ROI邊界的方式可以是多樣的，如對每一體素單元的位置進行判別，計算該體素單元與所有相鄰體素單元體素值的差值或差比，當與其中一個相鄰體素單元的差值或差比大於一定的範圍，則認為該體素單元處於邊界，將所有處於邊界的體素單元選擇出來。當然，不同類型的組織其體素值範圍不同，因此，不同的邊界其比較值的範圍也是不同的，根據不同的比較值範圍將處於邊界的體素單元做出區分，根據得到的結果可以手動二次選擇所需的ROI邊界，這樣的選擇是基於自動計算的結果，更加智慧化和準確；也可以根據結果自動計算獲得ROI邊界。另外，醫生或操作者根據CT影像的畫面、數據以及三維醫學影像體素模型、三維MCNP體素假體組織模型，結合自己的經驗，可以直接在模型上選取需要平滑化的ROI邊界或將上述自動獲得的ROI邊界進行修正。
步驟3中將邊界平滑化處理，具體來說，是以偏微分方程描述步驟2中獲得的ROI邊界，即階梯狀外輪廓，可以理解，對其邊界的表示不限於偏微分方程，只要是能夠該邊界描述出來的數學方法均可。其ROI邊界可能包括多個封閉或不封閉的組成部分，每個組成部分也可能需要劃分為多個能夠以偏微分方程描述的次幾何域，然後對各個偏微分方程求解，如利用有限元素法(finite element method)找出其偏微分方程之近似解，並根據求解結果分別將各次幾何域修正為平滑的邊界組成部分，再整 合為整個平滑的ROI邊界，即將階梯狀外輪廓修正為平滑曲面外輪廓。當然，也可採用市售軟體，如有限元分析軟體Abaqus\CAE進行上述處理。
參閱圖5，步驟5中三維MCNP體素假體組織模型的建立方法具體來說主要包括兩個實施例。
第一實施例提供一種幾何模型(三維MCNP體素假體組織模型)建立方法，包括：通過醫學影像數據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；通過醫學影像數據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。
根據醫學影像的數據與組織種類之間的轉換關係，可以根據實際需要確定組織分群數，從而更加精確地提供組織種類、元素組成及密度，建立的幾何模型更加匹配於醫學影像數據反應出的真實情況。
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，B-10濃度資訊包括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。標記有B-10濃度資訊的幾何模型，便可清楚地知道，各個體素點內的含硼藥物濃度，然後進行中子捕獲治療照射模擬時，則更加真實地反應出實際情況。
組織分群數為使用者手動定義的組織分群數加上數據庫中已有的4種組織分群數或14種組織分群數。如果在已有數據庫中並未建立有相對應的組織分群數，那麼可以根據實驗情況確定一個新的組織分群數。這樣即避免了如果已有數據庫中不能完全匹配相對應的組織分群數，只能近似選擇的情況，從而有效地提高的建模的精確度。
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。根據醫學影像數據的切片通過相對應的轉換關係，每一張切片建立相應的組織編碼和密度編碼，從而建立起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。通過醫學影像數據最終獲得MCNP軟體輸入檔所需的晶格卡、柵元卡、曲面卡和材料卡，從而為模擬計算提供理論依據並獲得精確的模擬計算結果。
第二實施例提供的幾何模型建立方法，包括：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，則進入通過為每個ROI邊界內體素給定一個特定組織與密度的方式進行使用者手動定義組織種類與密度的步驟或或進入通過醫學影像數據與組織種類/密度之間的轉換關係自動定義ROI組織種類與密度的步驟，如果否，則進入通過醫學影像數據與組織種類之間的轉換關係自動定義組織種類的步驟並通過醫學影像數據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。
使用者可以手動定義ROI的組織種類、元素組成以及密度。如果不在ROI邊界內，根據醫學影像的數據與組織種類/密度之間的轉換關係進行組織種類的定義，並根據實際需要確定組織分群數，從而更加精確地提供組織種類、元素組成及密度，建立的幾何模型更加匹配於醫學影像數據反應出的真實情況。
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，B-10濃度資訊包括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。標記有B-10濃度資訊的幾何模型，便可清楚地知道，各個體素點內的含硼藥物濃度，然後進行中子捕獲治療照射模擬時，則更加真實地反應出實際情況。
組織分群數為使用者手動定義的組織分群數加上數據庫中已有的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。如果在已有數據庫中並未建立有相對應的組織分群數，那麼可以根據實驗情況確定一個新的組織分群數。這樣即避免了如果已有數據庫中不能完全匹配相對應的組織分群數，只能近似選擇的情況，從而有效地提高的建模的精確度。
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。根據醫學影像數據的切片通過相對應的轉換關係，每一張切片建立相應的組織編碼和密度編碼，從而建立起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。通過醫學影像數據最終獲得MCNP軟體輸入檔所需的晶格卡、柵元卡、曲面卡和材料卡，從而為模擬計算提供理論依據並獲得精確的模擬計算結果。
參閱圖6，下面將闡述本發明揭示的幾何模型建立方法中 已有數據庫中的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6所示；本發明揭示的基於醫學影像數據的幾何模型建立方法使用圖6的三組回歸公式，將CT值(-1000~2000)區分為96組密度分群，如表三。
本發明實施例的基於醫學影像數據的平滑幾何模型建立方法可大幅改善體素假體的階梯狀輪廓，更接近人體器官曲面輪廓，提升 劑量計算可靠度以提升治療品質。
可以理解，本發明還可以應用于本領域技術人員熟知的其他可以用MCNP進行模擬的放射線治療領域，如質子、重離子、X射線或伽馬射線治療等；也可以應用於其他能夠用放射線照射進行治療的疾病，如阿爾茲海默症、類風濕關節炎，則腫瘤細胞為其他病變組織。
儘管上面對本發明說明性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，但應該清楚，本發明不限於具體實施方式的範圍，對本技術領域的普通技術人員來講，只要各種變化在所附的權利要求限定和確定的本發明的精神和範圍內，這些變化是顯而易見的，都在本發明要求保護的範圍之內。
Claims (9)
- 一種基於醫學影像數據的平滑幾何模型建立方法，包括：輸入或讀取醫學影像數據的步驟；根據該醫學影像數據建立三維醫學影像體素模型的步驟；將該三維醫學影像體素模型平滑化的步驟；建立三維體素假體組織模型的步驟。
- 一種基於醫學影像數據的平滑幾何模型建立方法，包括：輸入或讀取醫學影像數據的步驟；根據該醫學影像數據建立三維體素假體組織模型的步驟；將該三維體素假體組織模型平滑化的步驟。
- 如申請專利範圍第1或2項所述之基於醫學影像數據的平滑幾何模型建立方法，其中，該將三維醫學影像體素模型或三維體素假體組織模型平滑化的步驟進一步包括：定義或讀取ROI邊界的步驟；將該ROI邊界平滑化的步驟。
- 如申請專利範圍第3項所述之基於醫學影像數據的平滑幾何模型建立方法，其中，該將ROI邊界平滑化的步驟進一步包括：將該ROI邊界以偏微分方程表示的步驟；對該偏微分方程求解，並根據求解結果修正該ROI邊界的步驟。
- 如申請專利範圍第3項所述之基於醫學影像數據的平滑幾何模型建立方法，其中，該將ROI邊界平滑化的步驟是通過有限元分析軟體處理的。
- 如申請專利範圍第3項所述之基於醫學影像數據的平滑幾何模型建立方法，其中，該ROI邊界是醫學影像數據中已定義的和/或另外新增的，該新增的ROI邊界是通過自動判斷和/或手動選擇獲得的。
- 如申請專利範圍第1或2項所述之基於醫學影像數據的平滑幾何模型建立方法，其中，該體素假體組織模型帶有組織種類、組織密度資訊。
- 如申請專利範圍第1或2項所述之基於醫學影像數據的平滑幾何模型建立方法，其應用於中子捕獲治療，該體素假體組織模型還帶有組織硼濃度資訊。
- 如申請專利範圍第1或2項所述之基於醫學影像數據的平滑幾何模型建立方法，其中，該平滑幾何模型包括MCNP軟體輸入檔所需的晶格卡、柵元卡、曲面卡和材料卡。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| ??201710017475.5 | 2017-01-11 | ||
| CN201710017475.5A CN108310677B (zh) | 2017-01-11 | 2017-01-11 | 基于医学影像数据的平滑几何模型建立方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TW201826224A true TW201826224A (zh) | 2018-07-16 |
| TWI647657B TWI647657B (zh) | 2019-01-11 |
Family
ID=62839197
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW106128758A TWI647657B (zh) | 2017-01-11 | 2017-08-24 | Method for establishing smooth geometric model based on medical image data |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US11087524B2 (zh) |
| EP (2) | EP3566747A4 (zh) |
| JP (1) | JP6938647B2 (zh) |
| CN (1) | CN108310677B (zh) |
| TW (1) | TWI647657B (zh) |
| WO (1) | WO2018129890A1 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022198554A1 (zh) * | 2021-03-25 | 2022-09-29 | 中国科学院近代物理研究所 | 三维图像引导运动器官定位方法、系统及存储介质 |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3895760B1 (en) * | 2017-08-24 | 2024-02-28 | Neuboron Medtech Ltd. | Neutron capture therapy system |
| CN113877073B (zh) * | 2020-07-03 | 2023-09-12 | 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 |
| JP2022052210A (ja) * | 2020-09-23 | 2022-04-04 | キヤノン株式会社 | 情報処理装置、情報処理方法及びプログラム |
| CN113341083A (zh) * | 2021-04-27 | 2021-09-03 | 清华大学 | 基于动物呼吸道体外仿生的给药剂量评价方法及装置 |
| CN116152124B (zh) * | 2023-04-23 | 2023-09-15 | 广东欧谱曼迪科技有限公司 | 一种脉管模型的平滑方法、装置、电子设备及存储介质 |
Family Cites Families (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1658878A1 (en) * | 2004-11-17 | 2006-05-24 | The European Community, represented by the European Commission | BNCT treatment planning |
| TWI268148B (en) * | 2004-11-25 | 2006-12-11 | Univ Chung Yuan Christian | Image analysis method for vertebral disease which comprises 3D reconstruction method and characteristic identification method of unaligned transversal slices |
| US8125813B2 (en) * | 2005-06-16 | 2012-02-28 | Best Medical International, Inc. | Variance reduction simulation system, program product, and related methods |
| US8073658B2 (en) * | 2006-06-05 | 2011-12-06 | Cambridge Research & Instrumentation, Inc. | Monte Carlo simulation using GPU units on personal computers |
| CN100561518C (zh) * | 2007-06-22 | 2009-11-18 | 崔志明 | 基于感兴趣区域的自适应医学序列图像插值方法 |
| CN100589775C (zh) * | 2008-03-11 | 2010-02-17 | 微创医疗器械(上海)有限公司 | 一种重建人体器官三维表面的方法及系统 |
| US8111256B2 (en) * | 2008-03-11 | 2012-02-07 | Ford Motor Company | Method of altering a mesh model using model independent dirichlet parametrization |
| JP5241357B2 (ja) | 2008-07-11 | 2013-07-17 | 三菱プレシジョン株式会社 | 生体データモデル作成方法及びその装置 |
| US8139709B2 (en) * | 2008-09-15 | 2012-03-20 | University Of Utah Research Foundation | Staggered circular scans for CT imaging |
| US9205279B2 (en) * | 2009-07-17 | 2015-12-08 | Cyberheart, Inc. | Heart tissue surface contour-based radiosurgical treatment planning |
| CN101751697B (zh) * | 2010-01-21 | 2011-09-14 | 西北工业大学 | 一种基于统计模型的三维场景重建方法 |
| US9715754B2 (en) * | 2010-08-05 | 2017-07-25 | Koninklijke Philips N.V. | In-plane and interactive surface mesh adaptation |
| JP5641503B2 (ja) * | 2010-10-15 | 2014-12-17 | 国立大学法人 筑波大学 | マルチステップ・ラティス・ボクセル法 |
| CN102580230B (zh) * | 2012-01-10 | 2014-03-12 | 合肥工业大学 | 基于体元活度的精确模拟核医学非均匀剂量分布方法 |
| CN103065358B (zh) * | 2013-01-14 | 2015-03-18 | 中国科学院合肥物质科学研究院 | 一种基于影像体元运算的器官几何重建方法 |
| US10292670B2 (en) * | 2013-12-04 | 2019-05-21 | Elekta Ltd. | Method and system for dose calculation based on continuous material indexing |
| GB2521409A (en) | 2013-12-18 | 2015-06-24 | Elekta Ab | Target-specific dose & scatter estimation in CT images |
| US9524582B2 (en) * | 2014-01-28 | 2016-12-20 | Siemens Healthcare Gmbh | Method and system for constructing personalized avatars using a parameterized deformable mesh |
| US10223794B2 (en) * | 2014-03-28 | 2019-03-05 | 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 |
| US10147185B2 (en) * | 2014-09-11 | 2018-12-04 | B.G. Negev Technologies And Applications Ltd., At Ben-Gurion University | Interactive segmentation |
| 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 |
| WO2016059603A1 (en) * | 2014-10-17 | 2016-04-21 | Koninklijke Philips N.V. | System for real-time organ segmentation and tool navigation during tool insertion in interventional therapy and method of opeperation thereof |
| JP6467654B2 (ja) * | 2014-11-19 | 2019-02-13 | 東芝エネルギーシステムズ株式会社 | 医用画像処理装置、方法、プログラム及び放射線治療装置 |
| EP3287914A1 (de) * | 2016-08-23 | 2018-02-28 | Siemens Healthcare GmbH | Ermittlung von ergebnisdaten auf basis von medizinischen messdaten aus verschiedenen messungen |
-
2017
- 2017-01-11 CN CN201710017475.5A patent/CN108310677B/zh active Active
- 2017-07-13 EP EP17891766.2A patent/EP3566747A4/en active Pending
- 2017-07-13 WO PCT/CN2017/092746 patent/WO2018129890A1/zh unknown
- 2017-07-13 EP EP24175312.8A patent/EP4390856A2/en active Pending
- 2017-07-13 JP JP2019537260A patent/JP6938647B2/ja active Active
- 2017-08-24 TW TW106128758A patent/TWI647657B/zh active
-
2019
- 2019-07-02 US US16/459,952 patent/US11087524B2/en active Active
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022198554A1 (zh) * | 2021-03-25 | 2022-09-29 | 中国科学院近代物理研究所 | 三维图像引导运动器官定位方法、系统及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP6938647B2 (ja) | 2021-09-22 |
| CN108310677A (zh) | 2018-07-24 |
| US20190325637A1 (en) | 2019-10-24 |
| US11087524B2 (en) | 2021-08-10 |
| JP2020503961A (ja) | 2020-02-06 |
| EP3566747A4 (en) | 2020-02-19 |
| EP4390856A2 (en) | 2024-06-26 |
| CN108310677B (zh) | 2020-02-28 |
| EP3566747A1 (en) | 2019-11-13 |
| WO2018129890A1 (zh) | 2018-07-19 |
| TWI647657B (zh) | 2019-01-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI639134B (zh) | Method for establishing geometric model based on medical image | |
| 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 | |
| TWI610086B (zh) | 射束的照射角度評價方法 | |
| 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 | |
| CN104258505A (zh) | 肿瘤放射治疗剂量个体化验证仿真体模及其建立和应用 | |
| WO2022001594A1 (zh) | 放射治疗系统及其治疗计划生成方法 | |
| Alghamdi et al. | A high-resolution anthropomorphic voxel-based tomographic phantom for proton therapy of the eye | |
| Verhaegen | Treatment planning for small animals | |
| Samsun et al. | THE APPLICATION OF SHIFT METHOD USING MOVING LASER ON CANCER CASES IN HEAD AREA USING 3DCRT AND VMAT TECHNOLOGY | |
| Shirazi et al. | Creating a Novel Method for Precise Dosimetry of Liver Tissue in Radiotherapy | |
| Wang | Development of an adjoint Monte Carlo method for clinical prostate radiation treatment |