TW202345938A - 預測支援系統、預測支援方法及記憶預測支援程式的電腦可讀媒體 - Google Patents
預測支援系統、預測支援方法及記憶預測支援程式的電腦可讀媒體 Download PDFInfo
- Publication number
- TW202345938A TW202345938A TW112105005A TW112105005A TW202345938A TW 202345938 A TW202345938 A TW 202345938A TW 112105005 A TW112105005 A TW 112105005A TW 112105005 A TW112105005 A TW 112105005A TW 202345938 A TW202345938 A TW 202345938A
- Authority
- TW
- Taiwan
- Prior art keywords
- dimensional
- mentioned
- energy distribution
- particle beam
- irradiation
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 31
- 238000005259 measurement Methods 0.000 claims abstract description 73
- 239000002245 particle Substances 0.000 claims abstract description 55
- 238000004088 simulation Methods 0.000 claims abstract description 26
- 230000005855 radiation Effects 0.000 claims description 62
- 230000002285 radioactive effect Effects 0.000 claims description 43
- 239000011159 matrix material Substances 0.000 claims description 2
- 231100000628 reference dose Toxicity 0.000 abstract 1
- 238000012545 processing Methods 0.000 description 31
- 238000004364 calculation method Methods 0.000 description 12
- 230000015654 memory Effects 0.000 description 12
- 238000001514 detection method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 238000010801 machine learning Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000006062 fragmentation reaction Methods 0.000 description 4
- 230000001678 irradiating effect Effects 0.000 description 4
- 238000002560 therapeutic procedure Methods 0.000 description 4
- 238000003325 tomography Methods 0.000 description 4
- 206010028980 Neoplasm Diseases 0.000 description 3
- 230000010365 information processing Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 210000000056 organ Anatomy 0.000 description 3
- 230000001225 therapeutic effect Effects 0.000 description 3
- 210000000988 bone and bone Anatomy 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001959 radiotherapy Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000002594 fluoroscopy Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000002600 positron emission tomography Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E30/00—Energy generation of nuclear origin
- Y02E30/30—Nuclear fission reactors
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Radiation-Therapy Devices (AREA)
Abstract
本發明的支援裝置（20）具備用以預測粒子束的照射裝置之照射狀態的控制部（21）。控制部（21）會藉由模擬算出第1三維放射能分布及計測資訊，其中第1三維放射能分布是相對於在根據粒子束的照射條件的照射狀態下對患者狀態照射粒子束時的基準線量分布，在照射狀態及患者狀態之至少一者中有加入變化的情形下所算出者，計測資訊是上述第1三維放射能分布以二維的方式計測而取得者。控制部（21）會從計測資訊生成用以預測上述第1三維放射能分布的預測模型，並根據粒子束的照射條件照射粒子束。當取得以二維的方式實測的計測結果時，控制部（21）會將預測模型適用於計測結果，對計測結果所對應的第2三維放射能分布進行預測。
Description
本公開是關於一種用以支援使用粒子束的治療的預測支援系統、預測支援方法及記憶預測支援程式的電腦可讀媒體。
使用放射線進行治療時，為了降低患者的曝射劑量，需要以適當的量並在正確的位置照射放射線。因此，目前有人研究出一種放射線治療控制裝置，其能夠算出埋藏在患者內的標記的目前位置，從而降低放射線治療中用來透視之從透視影像攝影裝置放射的攝影用放射線所造成對患者的曝射劑量（例如參照專利文獻1）。該文獻所記載的技術是從一組透視影像攝影裝置取得3個以上的標記的透視影像，並取得各標記間的彼此的距離。然後，算出各標記的目前位置，從而判定是否要照射治療用放射線。
此外，也有使用高能量高速的粒子束來進行治療的情形。作為粒子束之一種的質子束會在當入射質子於體内即將停止的地方釋放出大量能量。而在這個地方形成被稱為「布拉格尖峰（Bragg peak）」的高線量區域。因此，能夠減少正常區域的傷害，從而對體内的患部集中照射較強的放射線。目前也有人在研究在這種粒子束（質子束）的照射中，利用入射質子核與位於患者體内的標的原子核所引發的原子核破碎反應，將照射質子束的區域（以下稱照射區域）視覺化，並從其視覺化資訊誘導出對腫瘤的照射線量之技術（例如參照非專利文獻1）。該文獻所記載的技術是使用正電子斷層裝置（PET裝置）「Beam ON-LINE Positron Emission Tomography system」，其針對質子束治療中藉由標的原子核破碎反應而在患者體内的照射區域生成的正電子釋出核進行檢測。藉由將該PET裝置設置於質子束旋轉機座照射室内可使質子束照射區域視覺化。
先前技術文獻
專利文獻
專利文獻1： 日本特開2013-192702號公報
非專利文獻
非專利文獻1：西尾禎治, “利用原子核破碎反應之照射區域視覺化之高精度質子束治療“, ［online］, 2011年, 一般財團法人 高度資訊科學技術研究機構，RIST新聞, No.50, p.24-35, ［令和3年12月24日檢索］, 網址＜URL：http://www.rist.or.jp/rnews/50/50s4.pdf＞
發明所欲解決之課題
然而，上述正電子斷層裝置中，作為三維的分布之放射能分布是以二維的方式計測。因此，有時會難以確認三維的線量分布。
用以解決課題之手段
本發明的一形態提供一種預測支援系統，其具備用以預測粒子束的照射裝置之照射狀態的控制部。上述控制部構成為會進行如下步驟：藉由模擬算出第1三維放射能分布及計測資訊；上述第1三維放射能分布是相對於在根據粒子束的照射條件的照射狀態下視患者狀態照射粒子束時的基準線量分布，在上述照射狀態及上述患者狀態之至少一者中有加入變化的情形下所算出者；上述計測資訊是上述第1三維放射能分布以二維的方式計測而取得者；從上述計測資訊生成預測模型，上述預測模型會對上述第1三維放射能分布進行預測；當根據上述粒子束的照射條件照射粒子束，取得以二維的方式實測的計測結果時，將上述預測模型適用於上述計測結果，對上述計測結果所對應的第2三維放射能分布進行預測。
本發明的其他形態提供一種預測支援方法，其使用具備控制部的預測支援系統來預測粒子束的照射裝置之照射狀態。該方法中，上述控制部具備如下步驟：相對於在根據粒子束的照射條件的照射狀態下視患者狀態照射粒子束時的基準線量分布，藉由模擬算出第1三維放射能分布及計測資訊；上述第1三維放射能分布是在上述照射狀態及上述患者狀態之至少一者中有加入變化的情形下所算出者；上述計測資訊是上述第1三維放射能分布以二維的方式計測而取得者；從上述計測資訊生成預測模型，上述預測模型會對上述第1三維放射能分布進行預測；當根據上述粒子束的照射條件照射粒子束，取得以二維的方式實測的計測結果時，將上述預測模型適用於上述計測結果，對上述計測結果所對應的第2三維放射能分布進行預測。
本發明的另一其他形態提供一種電腦可讀媒體，其記憶使用具備控制部的預測支援系統從而預測粒子束的照射裝置之照射狀態的程式。上述程式在執行時，上述控制部構成為會進行如下步驟：藉由模擬算出第1三維放射能分布及計測資訊；上述第1三維放射能分布是相對於在根據粒子束的照射條件的照射狀態下對患者狀態照射粒子束時的基準線量分布，在上述照射狀態及上述患者狀態之至少一者中有加入變化的情形下所算出者；上述計測資訊是上述第1三維放射能分布以二維的方式計測而取得者；從上述計測資訊生成預測模型，上述預測模型會對上述第1三維放射能分布進行預測；當根據上述粒子束的照射條件照射粒子束，取得以二維的方式實測的計測結果時，將上述預測模型適用於上述計測結果，對上述計測結果所對應的第2三維放射能分布進行預測。
發明功效
根據本公開能夠正確地評價粒子束的照射狀態，從而支援粒子束的照射之治療。
以下，依照圖1～圖10針對具體化的預測支援系統、預測支援方法及記憶預測支援程式的電腦可讀媒體之一實施方式進行說明。本實施方式中，對患者的患部照射作為粒子束的質子來進行患部的治療的情形進行說明。
本實施方式是使用通過網路連接的治療計畫裝置10、支援裝置20、治療裝置30。
（硬體構成例）
圖2是作為治療計畫裝置10、支援裝置20、治療裝置30等而發揮功能的資訊處理裝置H10的硬體構成例。
資訊處理裝置H10具有通訊裝置H11、輸入裝置H12、顯示裝置H13、記憶裝置H14、處理器H15。其中，該硬體構成為其中一例，亦可具有其他硬體。
通訊裝置H11是與其他裝置之間確立通訊路徑，執行資料的收發的介面，例如網路介面或無線介面等。
輸入裝置H12是接收來自使用者等的輸入的裝置，例如滑鼠或鍵盤等。顯示裝置H13是顯示各種資訊的顯示器或觸控面板等。
記憶裝置H14是將用以執行治療計畫裝置10、支援裝置20、治療裝置30之各種功能的資料或各種程式進行儲存的記憶裝置。記憶裝置H14之一例可為ROM、RAM、硬碟等暫時性的電腦可讀媒體。
處理器H15會使用記憶裝置H14所記憶的程式或資料，對治療計畫裝置10、支援裝置20、治療裝置30中的各種處理（例如後述控制部21中的處理）進行控制。處理器H15之一例可為例如CPU或MPU等。該處理器H15會進行動作，將ROM等所記憶的程式於RAM中展開並執行各種處理。例如，當治療計畫裝置10、支援裝置20、治療裝置30的應用程式被啟動時，處理器H15會進行動作來執行後述各種處理。
處理器H15並不限於以軟體處理來進行自身所執行的所有處理者。例如，處理器H15亦可具備專用的硬體電路（例如適於識別用途的積體電路：ASIC），其以硬體處理來進行自身所執行的處理中的至少一部分。詳細而言，處理器H15可為以下構成。
〔1〕1個以上的處理器，其根據電腦程式進行動作
〔2〕1個以上的專用的硬體電路，其執行各種處理當中的至少一部分的處理
〔3〕電路，其包含該等的組合
處理器亦即CPU，其包含RAM及ROM等記憶體，記憶體會儲存使CPU執行處理的程式編碼或指令。記憶體亦即電腦可讀媒體，其包含能夠被廣用或專用的電腦存取之所有可利用的媒體。
（治療計畫裝置10、支援裝置20、治療裝置30的功能）
接著，針對治療計畫裝置10、支援裝置20、治療裝置30的功能進行說明。
治療計畫裝置10是一種模擬器，其用來檢討對患部的放射線的入射方法，並確認處方的線量是否適當。該治療計畫裝置10會從CT攝影裝置取得以既定的影像間隔進行斷層攝影的CT影像（DICOM資料）。此外，治療計畫裝置10會使用公知的方法對DICOM資料進行輪廓選出，從而生成CT輪廓資訊。該CT輪廓資訊是由DICOM ROI（Region Of Interest）資料所構成，是以既定間隔拍攝的CT影像（斷層影像）中構成識別的既定部位（體表面、骨、患部及重要臓器等）的輪廓的點（座標）的集合體所構成的資料。該治療計畫裝置10中，藉由患部的體表面形狀、患部的形狀、位置、與重要臓器的位置關係從而決定治療波束的線質、入射方向、照射範圍、處方線量・照射次數等。
支援裝置20是用以支援粒子束（質子束）治療的電腦系統。該支援裝置20具備控制部21、治療資訊記憶部22、教師資訊記憶部23、學習結果記憶部24。
控制部21會進行後述處理（包含計算階段、學習階段、預測階段等處理）。因此藉由執行預測支援程式，控制部21會發揮計算部211、學習部212、預測部213等的功能。
計算部211會執行藉由模擬作成用於機械學習的教師資訊的處理。該計算部211會預先保持用來調整三維放射能分布的變化要因。變化要因可使用例如用來微修正三維線量分布或三維CT影像的影像處理係數。
學習部212會執行藉由機械學習算出調整係數的處理。
預測部213會執行使用調整係數來預測照射線量的處理。
治療資訊記憶部22會記憶關於用以治療患者的質子束照射的治療管理資訊。當支援裝置20從治療計畫裝置10取得治療計畫資訊時，治療資訊記憶部22會記憶取得之治療管理資訊。該治療管理資訊包含患者編碼、治療預定日所關連的CT輪廓資訊、照射條件資訊。
患者編碼是用以識別各患者的識別記號。
治療預定日是對該患者進行治療計畫中的質子束照射之治療的預定日（年月日）。
CT輪廓資訊包含作為患者狀態之該患者的患部的CT影像中的既定部位（體表面、骨、患部及重要臓器等）的輪廓的位置資訊。
照射條件資訊是對該患者在治療預定日照射質子束的條件。藉由該照射條件來決定照射狀態（三維線量分布或三維放射能分布）。照射條件資訊包含質子束的照射位置、照射方向、照射能量、照射線量、波束照射法等相關的資訊。此處，波束照射法例如有「擴大波束照射法」與「掃描照射法」等。
教師資訊記憶部23會記憶教師資訊，用以藉由機械學習從而算出調整係數。當進行學習時處理時，教師資訊記憶部23會記憶教師資訊。該教師資訊包含每個患者編碼的模擬資訊。
患者編碼是用以識別各患者的識別記號。
模擬資訊包含如下。
・無變化要因時的三維放射能分布（模擬）
該三維放射能分布是藉由根據治療計畫對患者的CT影像區域照射粒子束時的模擬而算出。
・加入變化要因時的三維放射能分布（模擬）
該三維放射能分布是通過已包含變化要因的模擬所算出者。變化要因例如有照射條件（量子線的飛程等）的變化、CT影像區域中的變化（腫瘤等患部形狀的變化或患者的移動）等。
・加入變化要因時的二維計測分布（模擬）
該二維計測分布是將加入變化要因時的三維放射能分布假定成以二維的平面計測的情形所算出者。
學習結果記憶部24會記憶用以算出照射線量的調整係數資訊。當進行學習時處理時，學習結果記憶部24會記憶調整係數資訊。該調整係數資訊包含患者編碼及調整係數相關的資訊。
患者編碼是用以識別各患者的識別記號。
調整係數是一種用以從患者的體部位中的放射能（activity）分布對三維照射線量進行預測的預測模型。
治療裝置30是藉由對患部照射放射線而進行癌症等患部的治療的裝置。該治療裝置30設置有用以將患者P1維持用來治療的姿勢（仰臥或背臥等）的治療台。此外，治療裝置30具備照射裝置31與檢測裝置32。
照射裝置31是對治療台的患者P1照射粒子束的裝置（旋轉機座）。
檢測裝置32是一種正電子斷層裝置（PET裝置），其對於質子束治療中藉由標的原子核破碎反應而在患者體内的照射區域所生成的正電子釋出核進行檢測。藉由該正電子釋出核的釋出位置能夠識別出照射深度位置（照射區域）。檢測裝置32具備計測面321, 322，其從照射裝置31所照射的質子束的照射方向的側面檢測正電子釋出核。
使用圖3針對例如對患者的頸部照射粒子束的情形進行說明。此時，從患者P1的頸部的後方的照射裝置31照射粒子束。然後，藉由配置於頭部的兩側的檢測裝置32的計測面321, 322以二維的方式計測放射能分布。
此時，如圖4所示，在二維的計測影像350中計測有頸部的放射能分布A1。
如圖5所示，藉由從x軸方向照射的粒子束會在體内的三維空間（x, y, z）內生成放射能。然後，該放射能藉由平面的計測面321, 322而被計測面（x, y）所計測。該計測面（x, y）上z軸方向的放射能分布會被壓縮。詳細而言，有時候z軸方向的放射能分布的資訊會有一部分無法獲得。
針對此點，如圖6所示，可藉由模擬根據治療計畫從而算出三維線量分布501（基準線量分布）。接著，配合患者的CT影像區域，藉由模擬來生成三維放射能分布502。然後，算出z軸方向被壓縮的二維計測分布503。詳細而言，藉由將三維放射能分布502於z軸方向進行壓縮從而算出二維計測分布503。藉由實測取得二維計測分布504時，算出的二維計測分布503會與實測的二維計測分布504對應。
此時，粒子束照射的放射能分布的模擬結果與實際的放射能分布之間具有以下的關係。
數1
A
3D-mea.為實際的三維放射能分布。
A
2D-mea.為實際計測的放射能的二維計測分布（計測結果）。
A
3D-cal.為照射模擬的三維放射能分布。
A
2D-cal.為照射模擬的二維放射能分布（計測資訊）。
另一方面，有時隨著照射狀態或患者狀態，照射模擬與實際的照射會有所偏離。此時，在二維計測分布503與二維計測分布504之間就會產生偏離。
此時會使用以下的關係式來調整。
數2
A’
3D-cal.為考慮到變化要因的照射模擬的三維放射能分布。
A’
3D-mea.為加入變化要因的實際的三維放射能分布。
F為調整變化要因的係數（調整係數）。
以下，藉由機械學習算出調整係數F，並在治療時使用該調整係數F來預測實際的三維放射能分布505。
（照射支援處理）
使用圖7～圖10來說明照射支援處理。該照射支援處理是由學習時處理與預測時處理所構成。
（學習時處理）
使用圖7來說明學習時處理。
首先，支援裝置20的控制部21會執行三維放射能分布的取得處理（步驟S11）。具體而言，控制部21的計算部211會根據治療計畫來取得照射粒子束的線量分布。
此處，如圖8所示，藉由根據三維線量分布501的模擬從而生成三維放射能分布502a。
接著，藉由加入變化要因506的模擬從而生成三維放射能分布502b。然後，算出對應該三維放射能分布502b的二維計測分布503。以此方式生成教師資訊。
因此，控制部21會針對每個變化要因反覆進行以下的處理。
首先，控制部21會執行變化要因的賦予處理（步驟S12）。具體而言，計算部211會取得預先保持的變化要因（粒子束飛程的變化、CT影像區域的變化等）。「粒子束飛程的變化」是將三維線量分布501乘以變化要因的影像處理係數進行微調。「CT影像區域的變化」是將患者的CT影像乘以變化要因的影像處理係數進行微調。
接著，控制部21會執行加入變化要因時的三維放射能分布的算出處理（步驟S13）。具體而言，計算部211會藉由包含變化要因506的模擬從而算出三維放射能分布502b。
接著，控制部21會執行以二維的方式計測的放射能分布的算出處理（步驟S14）。具體而言，計算部211會從算出的三維放射能分布502b從而算出計測面所計測的二維計測分布503。該二維計測分布503會考慮到變化要因506。
接著，控制部21會執行教師資訊的登錄處理（步驟S15）。具體而言，控制部21的學習部212會將三維放射能分布502a、考慮到變化要因506的三維放射能分布502b、考慮到變化要因的二維計測分布503進行組合從而生成教師資訊230。然後，學習部212會將生成的教師資訊230記錄在教師資訊記憶部23。
控制部21會反覆上述處理，直到所有的變化要因結束。
然後，控制部21會執行機械學習處理（步驟S16）。此處，學習部212會使用教師資訊記憶部23中所記錄的教師資訊230，藉由機械學習從而算出調整係數F。
具體而言，如圖9所示，根據通過模擬所生成的三維放射能分布502a及加入變化要因的二維計測分布503，從而算出用以預測三維放射能分布502b的調整係數F。然後，學習部212會將算出的調整係數F與患者編碼連結並記錄在學習結果記憶部24。
（預測時處理）
接著使用圖10來說明預測時處理。當對患者進行粒子束照射之治療時會執行該處理。
首先，控制部21會執行治療計畫的取得處理（步驟S21）。具體而言，控制部21的預測部213會從治療計畫裝置10取得進行粒子束照射的患者的患者編碼所連結的治療計畫（照射條件、CT影像）。然後，預測部213會使用治療計畫的照射條件從而算出三維線量分布。
接著，控制部21會執行治療計畫上的三維放射能分布的算出處理（步驟S22）。具體而言，預測部213會使用三維線量分布、CT影像從而算出三維放射能分布。該三維放射能分布並未考慮到變化要因。
接著，控制部21會執行以二維的方式計測的放射能分布的取得處理（步驟S23）。具體而言，當進行放射線照射時，預測部213會從檢測裝置32取得二維計測分布。
接著，控制部21會執行三維放射能分布的預測處理（步驟S24）。具體而言，預測部213會從學習結果記憶部24取得與患者編碼連結的調整係數F。此即為〔數2〕的調整係數F。接著，預測部213會使用取得的調整係數F對取得的二維計測分布、治療計畫上的三維放射能分布進行實際的三維放射能分布的預測。
然後，當治療計畫上的三維放射能分布與實際的三維放射能分布之間存在差異時，會視情況調整治療計畫中的照射條件。
根據本實施方式能夠獲得如以下的優點。
（1）本實施方式中，控制部21會執行變化要因的賦予處理（步驟S12）、加入變化要因時的三維放射能分布的算出處理（步驟S13）、及以二維的方式計測的放射能分布的算出處理（步驟S14）。以此方式，能夠對治療計畫的照射條件生成有考慮到變化要因的放射能分布的二維計測分布。
（2）本實施方式中，控制部21會執行機械學習處理（步驟S16）。以此方式，能夠從取得的二維計測分布生成用以預測三維放射能分布的資訊。特別是由於對整體的放射能分布而言變化要因的影響較小，故能夠使用調整係數F從而有效地預測三維放射能分布。
（3）本實施方式中，控制部21會執行以二維的方式計測的放射能分布的取得處理（步驟S23）及三維放射能分布的預測處理（步驟S24）。以此方式，能夠一邊進行治療，一邊迅速地確認粒子束的照射狀況。然後，可視情況變更照射條件。
本實施方式能夠如以下方式變更實施。本實施方式及以下的變更例能夠在技術上不矛盾的範圍內互相組合實施。
・上述實施方式中，粒子束是使用質子束。此處，粒子束並不局限於質子束，亦可使用例如碳線等。
・上述實施方式中，檢測裝置32為正電子斷層裝置，是檢測患者體内的照射區域所生成的正電子釋出核。只要能夠對照射區域進行檢測，則不局限於正電子釋出核的檢測。
・上述實施方式中，控制部21會執行機械學習處理（步驟S16）。此處是根據三維放射能分布502a及加入變化要因的二維計測分布503從而算出用以預測三維放射能分布502b的調整係數F。只要能夠預測實際的三維放射能分布則輸入層、輸出層的變數就不局限於該等。例如亦可根據治療計畫的照射條件、二維計測分布來預測實際的三維放射能分布。此外，輸入層亦可使用藉由使用治療計畫的線量分布的模擬所算出的二維計測分布。
・上述實施方式中，學習結果記憶部24會記憶用以算出照射線量的調整係數資訊。此處調整係數資訊是使用3×3的矩陣。預測所使用的資訊並不局限於矩陣。例如亦可使用由輸入層、中間層、輸出層所構成的網路。
例如在輸入層使用由治療計畫所決定的照射狀態、以二維的方式實測的二維放射能分布（計測結果）。在輸出層使用變化要因、考慮到變化要因的三維放射能分布。以此方式，能夠因應二維放射能分布（計測結果）來預測實際的三維放射能分布及變化要因。
10:治療計畫裝置
20:支援裝置
21:控制部
22:治療資訊記憶部
23:教師資訊記憶部
24:學習結果記憶部
30:治療裝置
31:照射裝置
32:檢測裝置
211:計算部
212:學習部
213:預測部
321,322:計測面
350:二維的計測影像
A1:頸部的放射能分布
F:調整係數（預測模型）
H10:資訊處理裝置
H11:通訊裝置
H12:輸入裝置
H13:顯示裝置
H14:記憶裝置
H15:處理器
P1:患者
圖1是實施方式的預測支援系統的說明圖。
圖2是實施方式的硬體構成的說明圖。
圖3是實施方式的粒子束的照射位置的說明圖。
圖4是實施方式的以二維的方式計測的放射能分布的說明圖。
圖5是實施方式的三維放射能分布與二維計測分布之間的關係的說明圖。
圖6是實施方式的處理順序的說明圖。
圖7是實施方式的學習時處理的處理順序的說明圖。
圖8是實施方式的教師資訊的說明圖。
圖9是實施方式的調整係數的說明圖。
圖10是實施方式的預測時處理的處理順序的說明圖。
10:治療計畫裝置
20:支援裝置
21:控制部
22:治療資訊記憶部
23:教師資訊記憶部
24:學習結果記憶部
30:治療裝置
31:照射裝置
32:檢測裝置
211:計算部
212:學習部
213:預測部
321,322:計測面
Claims (6)
- 一種預測支援系統，其具備用以預測粒子束的照射裝置之照射狀態的控制部， 上述控制部構成為會進行如下步驟： 藉由模擬算出第1三維放射能分布及計測資訊；上述第1三維放射能分布是相對於在根據粒子束的照射條件的照射狀態下對患者狀態照射粒子束時的基準線量分布，在上述照射狀態及上述患者狀態之至少一者中有加入變化的情形下所算出者；上述計測資訊是上述第1三維放射能分布以二維的方式計測而取得者， 從上述計測資訊生成預測模型，上述預測模型會對上述第1三維放射能分布進行預測， 當根據上述粒子束的照射條件照射粒子束，取得以二維的方式實測的計測結果時，將上述預測模型適用於上述計測結果，對上述計測結果所對應的第2三維放射能分布進行預測。
- 如請求項1所述的預測支援系統，其中 上述照射狀態的變化包含上述粒子束飛程的變化。
- 如請求項1或2所述的預測支援系統，其中 上述患者狀態的變化包含被照射上述粒子束的上述患者的患部的形狀的變化。
- 如請求項1或2所述的預測支援系統，其中 上述預測模型為矩陣，其將上述模擬所算出的上述第1三維放射能分布調整為對應上述計測結果的上述第2三維放射能分布。
- 一種預測支援方法，其使用請求項1～4中任一項所述的預測支援系統來預測粒子束的照射裝置之照射狀態。
- 一種記憶預測支援程式的電腦可讀媒體，其記憶使用請求項1～4中任一項所述的預測支援系統從而預測粒子束的照射裝置之照射狀態的程式， 上述程式在執行時，上述控制部構成為會進行如下步驟： 藉由模擬算出第1三維放射能分布及計測資訊；上述第1三維放射能分布是相對於在根據粒子束的照射條件的照射狀態下對患者狀態照射粒子束時的基準線量分布，在上述照射狀態及上述患者狀態之至少一者中有加入變化的情形下所算出者；上述計測資訊是上述第1三維放射能分布以二維的方式計測而取得者， 從上述計測資訊生成預測模型，上述預測模型會對上述第1三維放射能分布進行預測， 當根據上述粒子束的照射條件照射粒子束，取得以二維的方式實測的計測結果時，將上述預測模型適用於上述計測結果，對上述計測結果所對應的第2三維放射能分布進行預測。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2022-022357 | 2022-02-16 | ||
| JP2022022357A JP7315935B1 (ja) | 2022-02-16 | 2022-02-16 | 予測支援システム、予測支援方法及び予測支援プログラム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| TW202345938A true TW202345938A (zh) | 2023-12-01 |
Family
ID=87428043
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW112105005A TW202345938A (zh) | 2022-02-16 | 2023-02-13 | 預測支援系統、預測支援方法及記憶預測支援程式的電腦可讀媒體 |
Country Status (3)
| Country | Link |
|---|---|
| JP (1) | JP7315935B1 (zh) |
| TW (1) | TW202345938A (zh) |
| WO (1) | WO2023157869A1 (zh) |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6815586B2 (ja) * | 2015-06-02 | 2021-01-20 | 東芝エネルギーシステムズ株式会社 | 医用画像処理装置、および治療システム |
| US9965863B2 (en) * | 2016-08-26 | 2018-05-08 | Elekta, Inc. | System and methods for image segmentation using convolutional neural network |
| JP6635476B2 (ja) * | 2017-08-09 | 2020-01-29 | 学校法人東京女子医科大学 | 線量分布予測システム、線量分布予測方法及び線量分布予測プログラム |
| US10668304B2 (en) * | 2018-04-30 | 2020-06-02 | Elekta, Inc. | Phantom for adaptive radiotherapy |
| JP7444387B2 (ja) * | 2019-10-10 | 2024-03-06 | 東芝エネルギーシステムズ株式会社 | 医用画像処理装置、医用画像処理プログラム、医用装置、および治療システム |
| US11596807B2 (en) * | 2019-11-25 | 2023-03-07 | Accuray Incorporated | Partial deformation maps for reconstructing motion-affected treatment dose |
| JP7408078B2 (ja) * | 2019-11-25 | 2024-01-05 | 株式会社日立製作所 | 患者体内構造変化検出方法、患者体内構造変化検出装置およびコンピュータプログラム |
-
2022
- 2022-02-16 JP JP2022022357A patent/JP7315935B1/ja active Active
-
2023
- 2023-02-13 TW TW112105005A patent/TW202345938A/zh unknown
- 2023-02-15 WO PCT/JP2023/005197 patent/WO2023157869A1/ja unknown
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023157869A1 (ja) | 2023-08-24 |
| JP7315935B1 (ja) | 2023-07-27 |
| JP2023119445A (ja) | 2023-08-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| van Hoof et al. | Development and validation of a treatment planning system for small animal radiotherapy: SmART-Plan | |
| US7450687B2 (en) | Method for verification of intensity modulated radiation therapy | |
| JP6892649B2 (ja) | 放射線治療計画機能を備えた装置及び当該装置の作動方法 | |
| US9892526B2 (en) | Radiotherapy apparatus and radiotherapy method | |
| JP2019502505A (ja) | 医用画像データに基づく幾何学的モデルの設定方法 | |
| WO1990011721A1 (en) | Patient alignment system and procedure for radiation treatment | |
| CN102365111A (zh) | 标志适配的正常组织并发症概率 | |
| US10391334B2 (en) | CBCT and X-ray combined setup with X-ray verification of patient positioning | |
| Noblet et al. | Validation of fast Monte Carlo dose calculation in small animal radiotherapy with EBT3 radiochromic films | |
| US20140257012A1 (en) | Planning a Treatment Beam Aimed at One or More Target Regions | |
| CN113877073B (zh) | 放射治疗系统及其治疗计划生成方法 | |
| TW202345938A (zh) | 預測支援系統、預測支援方法及記憶預測支援程式的電腦可讀媒體 | |
| Shiinoki et al. | Estimation of patient-specific imaging dose for real-time tumour monitoring in lung patients during respiratory-gated radiotherapy | |
| Komori et al. | Dosimetric effect of set-up error in accelerator-based boron neutron capture therapy for head and neck cancer | |
| JP7345768B1 (ja) | 予測支援システム、予測支援方法及び予測支援プログラム | |
| JP7323141B1 (ja) | 線量予測システム、線量予測方法及び線量予測プログラム | |
| Pérez-Romasanta et al. | CTV to PTV margins for prostate irradiation. Three-dimensional quantitative assessment of interfraction uncertainties using portal imaging and serial CT scans | |
| Inoue et al. | Effect of residual patient motion on dose distribution during image-guided robotic radiosurgery for skull tracking based on log file analysis | |
| JP7236115B2 (ja) | 治療支援システム、治療支援方法及び治療支援プログラム | |
| Alghamdi et al. | A high-resolution anthropomorphic voxel-based tomographic phantom for proton therapy of the eye | |
| Verhaegen | Treatment planning for small animals | |
| Batista et al. | Internal target volume margins for liver tumours treated with gated scanned carbon-ion radiotherapy | |
| Samsun et al. | THE APPLICATION OF SHIFT METHOD USING MOVING LASER ON CANCER CASES IN HEAD AREA USING 3DCRT AND VMAT TECHNOLOGY | |
| Penoncello et al. | History and future of image-guided radiation therapy in abdominal cancer | |
| Ting et al. | Treatment Planning System in Radiotherapy: A Short Review |