TWI646945B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- TWI646945B TWI646945B TW106128756A TW106128756A TWI646945B TW I646945 B TWI646945 B TW I646945B TW 106128756 A TW106128756 A TW 106128756A TW 106128756 A TW106128756 A TW 106128756A TW I646945 B TWI646945 B TW I646945B
- Authority
- TW
- Taiwan
- Prior art keywords
- tissue
- medical image
- mass ratio
- image data
- geometric model
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000006243 chemical reaction Methods 0.000 claims abstract description 28
- 239000011159 matrix material Substances 0.000 claims abstract description 23
- 238000002560 therapeutic procedure Methods 0.000 claims description 21
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 239000000463 material Substances 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 229910052729 chemical element Inorganic materials 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 16
- 210000001519 tissue Anatomy 0.000 description 137
- 238000002591 computed tomography Methods 0.000 description 60
- ZOXJGFHDIHLPTG-UHFFFAOYSA-N Boron Chemical compound [B] ZOXJGFHDIHLPTG-UHFFFAOYSA-N 0.000 description 26
- 229910052796 boron Inorganic materials 0.000 description 26
- 239000002245 particle Substances 0.000 description 21
- 230000005855 radiation Effects 0.000 description 17
- 210000004027 cell Anatomy 0.000 description 13
- 239000003814 drug Substances 0.000 description 13
- 229940079593 drug Drugs 0.000 description 12
- 239000000203 mixture Substances 0.000 description 12
- 230000008520 organization Effects 0.000 description 10
- 210000004881 tumor cell Anatomy 0.000 description 10
- 238000004088 simulation Methods 0.000 description 9
- 206010028980 Neoplasm Diseases 0.000 description 6
- 238000000342 Monte Carlo simulation Methods 0.000 description 5
- 238000012546 transfer Methods 0.000 description 5
- 231100000987 absorbed dose Toxicity 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 238000001959 radiotherapy Methods 0.000 description 4
- 239000008280 blood Substances 0.000 description 3
- 210000000988 bone and bone Anatomy 0.000 description 3
- 201000011510 cancer Diseases 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000004215 lattice model Methods 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
- 230000005012 migration Effects 0.000 description 3
- 238000013508 migration Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 210000004872 soft tissue Anatomy 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 210000003484 anatomy Anatomy 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000004992 fission Effects 0.000 description 2
- 229910052744 lithium Inorganic materials 0.000 description 2
- 210000003205 muscle Anatomy 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000003325 tomography Methods 0.000 description 2
- 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
- ATBAMAFKBVZNFJ-UHFFFAOYSA-N beryllium atom Chemical compound [Be] ATBAMAFKBVZNFJ-UHFFFAOYSA-N 0.000 description 1
- 230000004071 biological effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 210000004369 blood Anatomy 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
- 238000010894 electron beam technology Methods 0.000 description 1
- 238000009201 electron therapy Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 208000005017 glioblastoma Diseases 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 230000036210 malignancy Effects 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
- 210000000056 organ 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
- 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
- 230000008685 targeting Effects 0.000 description 1
- 238000013334 tissue model Methods 0.000 description 1
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
-
- 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
-
- 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
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- 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
-
- 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
-
- 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
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
-
- 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
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- General Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Pulmonology (AREA)
- Optics & Photonics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- Biophysics (AREA)
- Radiation-Therapy Devices (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
一種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,組織元素質量比例解構方法包括通過已知元素質量比例的組織對應的醫學影像數據近似未知醫學影像數據對應的組織的元素質量比例的步驟;幾何模型建立方法包括:讀取醫學影像的步驟;根據組織元素質量比例解構方法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。透過已知組織的醫學影像數據來解構生物體組織元素質量比例,在製作體素假體時更近似於真實情況,可提升劑量計算準確度精進治療質量。
Description
本發明一方面係關於一種組織元素質量比例解構方法,特別是有關於一種基於醫學影像的組織元素質量比例解構方法;本發明另一方面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蒙特卡羅軟體需要的晶格模型,並結合軟體進行類比計算。
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。其中,以電腦斷層掃描為例,將CT影像數據轉換成與人體解剖構造相近的體素假體模型,從而類比輻射的遷移歷程,及與人體組織的作用情形來計算輻射吸收劑量。因此,在給定體素假體的各項元素組成時,盡可能地與病人真實情況吻合,以在類比計算時獲得最接近真實情況的結果。然而目前對體素假體的材料定義,普遍由固定區間範圍的CT值對應固定元素組成比例的組織,如Vanderstraeten等人於2007年發表的文獻(將在下文詳述)所述,CT值=-100~20對應為脂肪,CT值=20~100對應為肌肉。但是人體各組織應由特定的元素質量比例組成,而非由單一區間內的固定元素質量比例代表,由此可知目前常見的體素假體成份定義方法仍有相當大的改善空間。
因此,有必要提出一種提高治療計畫精確性的基於醫學影像的組織元素質量比例解構方法及包含該解構方法的幾何模型建立方法。
本發明的一方面提供一種基於醫學影像的組織元素質量比例解構方法,包括通過已知元素質量比例的組織對應的醫學影像數據近似未知醫學影像數據對應的組織的元素質量比例的步驟。該方法透過已知的組織元素質量比例,以醫學影像數據求出其他組織的元素質量比例,提供更多組織種類用於建立基於醫學影像轉換的體素假體,該假體可用於蒙地卡羅治療計畫系統,透過更大量的組織元素質量比例,在蒙特卡羅計算
時進而指定正確的物理作用數據如光子的線性衰減係數、中子的作用截面、與荷電粒子(質子、電子或其它荷電粒子)的質量阻擋本領,提供接近於真實的粒子遷移環境。
醫學影像數據與光子線性衰減係數相關,通過醫學影像數據可以獲得已知元素質量比例的組織的有效線性衰減係數。
通過已知元素質量比例的組織對應的醫學影像數據近似未知醫學影像數據對應的組織的元素質量比例的步驟包括:將NIST提供的基本元素的光子線性衰減係數以所述醫學影像射束能譜加權,求出醫學影像射束下的平均線性衰減係數μi;以醫學影像的偵檢器效率與增建因數乘積作為效率加權因數C,來修正各組織的線性衰減係數使其成為各組織的有效線性衰減係數即;以相近醫學影像數據的組織元素質量比例作為初始假設,以推演演算法求出各醫學影像數據所對應的生物體內化學元素質量比例分佈即mi。
醫學影像數據為CT值,CT值HU與有效線性衰減係數μeff的關係為HU=1000(μeff/μwater-1),CT值以n為一群組,將CT值範圍由-100至+1530分為1630/n群組。推演演算法為最大近似演算法。
本發明的另一方面提供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;根據醫學影像數據與組織種類之間的轉換關係或上述組織元素質量比例解構方法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反應出的真實情況。
該幾何模型建立方法應用於中子捕獲治療,其進一步包括給定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。標記有B-10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。
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種組織分群數或70種組織分群數或所述組織元素質量比例解構方法確定的163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,那麼可以由使用者自訂一個新的組織分群
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。
該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。
幾何模型包括蒙特卡羅軟體輸入檔所需的晶格卡、柵元卡、曲面卡和材料卡。通過醫學影像最終獲得蒙特卡羅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體素假體組織模型,就能夠應用於本發明揭示的基於醫學影像數據的組織元素質量比例解構方法及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組織元素質量比例解構方法及幾何模型建立方法透過已知組織的醫學影像數據來解構生物體組織元素質量比例,其可依CT值直接對應生物體組織中的各項元素組成,使在製作體素假體時更近似於真實情況,可提升劑量計算準確度精進治療
質量。
圖1為硼中子捕獲反應示意圖。
圖2為本發明實施例中的基於醫學影像的組織元素質量比例解構方法的邏輯框圖。
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框圖。
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。
作為一種優選地,以用於中子捕獲治療的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和上述10B(n,α)7Li中子捕獲核反應方程式,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。
患者200服用或注射含硼(B-10)藥物後,含硼藥物選擇
性地聚集在腫瘤細胞M中,然後利用含硼(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短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,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。
在中子捕獲治療中,為了模擬生物體在一定輻射條件下的吸收劑量以幫助醫生製定治療計畫,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蒙特卡羅軟體需要的晶格模型,並結合蒙特卡羅軟體進行類比計算。本發明實施例的目的在於建立更接近生物體組織構造的基於醫學影像的組織元素質量比例解構方法及包含該解構方法的幾何模型建立方法,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體素假體模型,就能夠應用於本發明揭示的基於醫學影像數據的組織元素質量比例解構方法及幾何模型建立方法中。
本發明實施例的組織元素質量比例解構方法是基於生物體內化學元素質量比例分佈與CT值之間的關係,CT值,又稱為Hounsfield Unit(HU或H),是各組織與水的線性衰減係數比值,為反應光衰減係數之單位,其定義如公式一:
而各組織的線性衰減係數即為各元素質量比例(mi;0mi 1)與各元素線性衰減係數(μi)之乘積和()。通過美國國家標準與技術研究院(National Institute of Standards and Technology,NIST)提供的基本元素的光子線性衰減係數,將各元素在經過CT產生的X射線的能量範圍內的線性衰減係數進行加權求和得到平均線性衰減係數,作為本實施例中進行計算的各元素線性衰減係數(μi)。並將CT掃描機內的偵檢器效率與增建因數乘積作為效率加權因數C,來修正各組織的線性衰減係數使其成為各組織的有效線性衰減係數即μ eff.=C.μ tissue =C.。再以W.Schneider等人於2000年發表的文獻(W.Schneider,T.Bortfeld,and W.Schlegel,"Correlation between CT numbers and tissue parameters needed for Monte Carlo simulations of clinical dose distributions",Phys.Med.Biol.45,459-478(2000).)為標準,其列出了70種CT值(有效線性衰減係數)對應的軟組織或骨組織的各項元素比例分佈,如下表一。雖然該文獻已列出了具體CT值對應的組織元素質量比例,但可定義的CT值數量仍然偏少,有些數值間隔區間較大,使得該區間內的值難以精確定義。因此,本發明實施例以相近CT值的組織元素質量比例作為初始假設,
以推演演算法能夠求出各CT值所對應的生物體內化學元素質量比例分佈即mi,如此則可依CT影像數據獲得各體素單元對應的元素組成比例,進而建立三維體素假體模型進行基於蒙特卡羅演算法的治療計畫類比,本實施例中優選採用MCNP軟體進行類比。
參閱圖2,本發明實施例揭示的基於醫學影像的組織元素質量比例解構方法主要包括如下流程:
1.將NIST提供的基本元素的光子線性衰減係數以CT射束能譜加權,求出各元素與液態水在CT射束下的平均線性衰減係數μi和μwater。
2.以W. Schneider等人於2000年發表的文獻為標準,能夠得到70種軟組織與骨組織的CT值及對應的元素質量比例,將已知組織(本實施例中從表一中任選一組織)的各元素質量比例乘上該元素的平均線性衰減係數μi再求和,可得到該組織的理論線性衰減係數μtissue。
3.利用CT值定義HU=1000(μeff/μwater-1)將上述已知組織的CT值轉換成有效線性衰減係數μeff。
4.求出有效與理論線性衰減係數比值C,即C=μeff/μtissue,作為效率加權因數,其包含計算器斷層偵檢器效率與計算器斷層掃瞄過程中的增建因數。
5.以CT值n為一群組,將CT值範圍由-100至+1530分為1630/n群組,本實施例中n為10,則共163個群組,以-100為起點,利用CT值定義HU=1000(μeff/μwater-1)求出每個區間端點值之有效線性衰減係數μeff,後代入公式C=μeff/μtissue求出CT值對應的組織理論線性衰減係數μtissue。
6.利用特定CT值鄰近的已知組織元素質量比例作為初始假設,以各元素質量比例乘上該元素的平均線性衰減係數μi再求和,並以該CT值對應的組織理論線性衰減係數μtissue作為有效解,以推演演算法求出該CT值對應的各元素質量比例,
從而完善163群組生物體組織的元素質量比例。本實施例中推演演算法優選最大近似演算法。
簡單來說,本發明實施例揭示的基於醫學影像數據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」;針對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,或自動進行CT值與組織種類、密度的匹配,以避免因給定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ROI邊界外的體素點,則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或70或163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),或使用W.Schneider等人於2000年發表的文獻中的70種不同元素組成的組織,或使用上述本發明揭示的組織元素質量比例解構方法獲得的163種組織;6、對於未手動定義密度的體素點,依據CT值大小差異,
將自動給定密度,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,將編寫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軟體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,本發明揭示的基於醫學影像數據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提供一種基於醫學影像數據的幾何模型建立方法,包括:讀取醫學影像數據的步驟;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。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種組織分群數或70種組織分群數或本發明的組織元素質量比例解構方法確定的163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蒙特卡羅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。
本發明的第二實施例提供一種基於醫學影像數據的幾何模型建立方法,包括:讀取醫學影像數據的步驟;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。
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。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種組織分群數或70種組織分群數,或使用上述本發明揭示的組織元素質量比例解構方法獲得的163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蒙特卡羅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。
請參照圖4,下面將闡述本發明揭示的基於醫學影像數據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。
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,如下表二。
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三。
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;本發明揭示的基於醫學影像數據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,如表四。
本方法透過已知的組織元素質量比例,以電腦斷層影像數據求出其他組織的元素質量比例,使在製作體素假體時能考慮更多不同的CT數據,提供更多組織種類,使假體更加貼近真實情況。該假體可用於基於蒙特卡羅演算法的治療計畫系統,透過更大量的組織元素質量比例,在蒙特卡羅計算時進而指定正確的物理作用數據如光子的線性衰減係數、中子的作用截面、與荷電粒子(質子、電子或其它荷電粒子)的質量阻擋本領,提供接近於真實的粒子遷移環境。
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)
- 一種基於醫學影像的組織元素質量比例解構方法,其包括:通過該醫學影像數據與光子線性衰減係數的相關性,獲得已知元素質量比例mi的組織的有效線性衰減係數μeff;將NIST提供的基本元素的光子線性衰減係數以該醫學影像射束能譜加權,求出該醫學影像射束下的平均線性衰減係數μi;以該醫學影像的偵檢器效率與增建因數乘積作為效率加權因數C,修正各組織的線性衰減係數使其成為各組織的有效線性衰減係數即μ eff.=;通過已知元素品質比例的組織對應的醫學影像數據近似未知醫學影像數據對應的組織的元素質量比例的步驟。
- 如申請專利範圍第1項所述之基於醫學影像的組織元素質量比例解構方法,其中,該通過已知元素質量比例的組織對應的醫學影像數據近似未知醫學影像數據對應的組織的元素質量比例的步驟包括:以相近醫學影像數據的組織元素質量比例作為初始假設,以推演演算法求出各醫學影像數據所對應的生物體內化學元素質量比例分佈即mi。
- 如申請專利範圍第2項所述之基於醫學影像的組織元素質量比例解構方法,其中,該醫學影像數據為CT值,該CT值HU與有效線性衰減係數μeff的關係為HU=1000(μeff/μwater-1),該CT值以n為一群組,將CT值範圍由-100至+1530分為1630/n群組。
- 如申請專利範圍第2項所述之基於醫學影像的組織元素質量比例解構方法,其中,該推演演算法為最大近似演算法。
- 一種基於醫學影像的幾何模型建立方法,包括:讀取醫學影像數據的步驟;根據醫學影像數據與組織種類之間的轉換關係或如申請專利範圍第1-4項之一所述之組織元素質量比例解構方法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。
- 如申請專利範圍第5項所述之基於醫學影像的幾何模型建立方法,其應用於中子捕獲治療,該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。
- 如申請專利範圍第5項所述之基於醫學影像的幾何模型建立方法,其中,該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種組織分群數或70種組織分群數或該組織元素質量比例解構方法確定的163種組織分群數。
- 如申請專利範圍第7項所述之基於醫學影像的幾何模型建立方法,其進一步包括建立3D組織編碼矩陣的步驟和建立3D密度編碼矩陣的步驟。
- 如申請專利範圍第5項所述之基於醫學影像的幾何模型建立方法,其中,該幾何模型包括蒙特卡羅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 |
---|---|---|---|
??201710017476.X | 2017-01-11 | ||
CN201710017476.XA CN108295384B (zh) | 2017-01-11 | 2017-01-11 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201825050A TW201825050A (zh) | 2018-07-16 |
TWI646945B true TWI646945B (zh) | 2019-01-11 |
Family
ID=62839195
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW106128756A TWI646945B (zh) | 2017-01-11 | 2017-08-24 | 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 |
Country Status (7)
Country | Link |
---|---|
US (1) | US11590360B2 (zh) |
EP (1) | EP3556431A4 (zh) |
JP (1) | JP6938646B2 (zh) |
CN (1) | CN108295384B (zh) |
RU (1) | RU2736917C1 (zh) |
TW (1) | TWI646945B (zh) |
WO (1) | WO2018129889A1 (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI695387B (zh) * | 2019-01-25 | 2020-06-01 | 上銀科技股份有限公司 | 將電腦斷層掃描儀的掃描資訊轉換為骨骼參數的方法 |
US10846855B2 (en) | 2019-04-24 | 2020-11-24 | Hiwin Technologies Corp. | Method for converting scan information of a computed tomography scanner into bone parameters |
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 |
WO2021170155A1 (en) * | 2020-02-26 | 2021-09-02 | Proton Therapy Group S.R.O. | A method of binary proton radiotherapy |
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 |
JP2024502075A (ja) * | 2020-12-31 | 2024-01-17 | 中硼(厦▲門▼)医▲療▼器械有限公司 | 放射線照射システム及びその制御方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201720374A (zh) * | 2015-11-18 | 2017-06-16 | 瑞穗資訊總研股份有限公司 | 治療支援系統及其動作方法、以及記憶有治療支援程式的記憶媒體 |
TW201722357A (zh) * | 2015-12-28 | 2017-07-01 | Nat Chung-Shan Inst Of Science And Tech | 應用於電腦斷層影像之三維中值濾波方法 |
TW201722358A (zh) * | 2015-12-28 | 2017-07-01 | 國立中正大學 | 電腦斷層掃瞄影像之金屬偵測及偽影消除方法 |
Family Cites Families (11)
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 |
EP1865430A3 (en) * | 2006-06-05 | 2009-09-23 | Cambridge Research & Instrumentation, Inc. | Monte Carlo simulation using GPU units on personal computers |
JP5339592B2 (ja) * | 2009-01-28 | 2013-11-13 | 独立行政法人国立がん研究センター | 陽子線治療におけるポジトロン放出核種のアクティビティ分布のシミュレーション方法 |
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 |
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 |
US20130237804A1 (en) * | 2011-08-30 | 2013-09-12 | Qi Imaging, Llc | Time varying density of tissues |
US10292670B2 (en) * | 2013-12-04 | 2019-05-21 | Elekta Ltd. | Method and system for dose calculation based on continuous material indexing |
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 |
CN104537699B (zh) * | 2014-12-22 | 2017-07-04 | 上海联影医疗科技有限公司 | 获取ct图像的方法 |
CN106474634A (zh) | 2015-11-17 | 2017-03-08 | 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 |
-
2017
- 2017-01-11 CN CN201710017476.XA patent/CN108295384B/zh active Active
- 2017-07-13 JP JP2019537223A patent/JP6938646B2/ja active Active
- 2017-07-13 EP EP17891253.1A patent/EP3556431A4/en not_active Withdrawn
- 2017-07-13 RU RU2019122188A patent/RU2736917C1/ru active
- 2017-07-13 WO PCT/CN2017/092745 patent/WO2018129889A1/zh active Application Filing
- 2017-08-24 TW TW106128756A patent/TWI646945B/zh active
-
2019
- 2019-06-13 US US16/439,980 patent/US11590360B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201720374A (zh) * | 2015-11-18 | 2017-06-16 | 瑞穗資訊總研股份有限公司 | 治療支援系統及其動作方法、以及記憶有治療支援程式的記憶媒體 |
TW201722357A (zh) * | 2015-12-28 | 2017-07-01 | Nat Chung-Shan Inst Of Science And Tech | 應用於電腦斷層影像之三維中值濾波方法 |
TW201722358A (zh) * | 2015-12-28 | 2017-07-01 | 國立中正大學 | 電腦斷層掃瞄影像之金屬偵測及偽影消除方法 |
Also Published As
Publication number | Publication date |
---|---|
TW201825050A (zh) | 2018-07-16 |
JP2020503959A (ja) | 2020-02-06 |
WO2018129889A1 (zh) | 2018-07-19 |
EP3556431A4 (en) | 2020-01-15 |
JP6938646B2 (ja) | 2021-09-22 |
US20190329067A1 (en) | 2019-10-31 |
RU2736917C1 (ru) | 2020-11-23 |
EP3556431A1 (en) | 2019-10-23 |
CN108295384B (zh) | 2020-02-28 |
CN108295384A (zh) | 2018-07-20 |
US11590360B2 (en) | 2023-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI639134B (zh) | Method for establishing geometric model based on medical image | |
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 | |
Papagiannis et al. | Current state of the art brachytherapy treatment planning dosimetry algorithms | |
TWI647657B (zh) | Method for establishing smooth geometric model based on medical image data | |
Martínez‐Rovira et al. | Monte Carlo‐based treatment planning system calculation engine for microbeam radiation therapy | |
CN114367061B (zh) | 硼中子捕获治疗系统及其治疗计划生成方法 | |
WO2022001594A1 (zh) | 放射治疗系统及其治疗计划生成方法 | |
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 | |
Poston et al. | Medical X-ray dose estimation program | |
Liu et al. | Application of neural network in dose calculation of radiotherapy | |
Lin et al. | Development of a patient-specific dosimetry estimation system in nuclear medicine examination |