TWI721384B - 醫用畫像處理裝置、治療系統及醫用畫像處理程式產品 - Google Patents
醫用畫像處理裝置、治療系統及醫用畫像處理程式產品 Download PDFInfo
- Publication number
- TWI721384B TWI721384B TW108107745A TW108107745A TWI721384B TW I721384 B TWI721384 B TW I721384B TW 108107745 A TW108107745 A TW 108107745A TW 108107745 A TW108107745 A TW 108107745A TW I721384 B TWI721384 B TW I721384B
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- image processing
- medical image
- mark
- learning
- Prior art date
Links
- 238000012545 processing Methods 0.000 title claims abstract description 415
- 230000001225 therapeutic effect Effects 0.000 title description 3
- 238000011282 treatment Methods 0.000 claims description 349
- 239000003550 marker Substances 0.000 claims description 202
- 238000000605 extraction Methods 0.000 claims description 88
- 238000003384 imaging method Methods 0.000 claims description 46
- 230000006870 function Effects 0.000 claims description 26
- 239000000284 extract Substances 0.000 claims description 21
- 238000001514 detection method Methods 0.000 claims description 19
- 230000005484 gravity Effects 0.000 claims description 11
- 238000004088 simulation Methods 0.000 claims description 10
- 230000015572 biosynthetic process Effects 0.000 claims description 9
- 238000003786 synthesis reaction Methods 0.000 claims description 9
- 239000002131 composite material Substances 0.000 claims description 5
- 230000005855 radiation Effects 0.000 description 169
- 230000036544 posture Effects 0.000 description 111
- 238000001959 radiotherapy Methods 0.000 description 68
- 238000000034 method Methods 0.000 description 47
- 201000010099 disease Diseases 0.000 description 38
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 38
- 239000000470 constituent Substances 0.000 description 32
- 238000002591 computed tomography Methods 0.000 description 31
- 238000003860 storage Methods 0.000 description 31
- 238000004364 calculation method Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 21
- 230000001678 irradiating effect Effects 0.000 description 20
- 230000029058 respiratory gaseous exchange Effects 0.000 description 14
- 206010028980 Neoplasm Diseases 0.000 description 12
- 230000009471 action Effects 0.000 description 11
- 238000002594 fluoroscopy Methods 0.000 description 11
- 239000011159 matrix material Substances 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000000926 separation method Methods 0.000 description 7
- 230000000241 respiratory effect Effects 0.000 description 6
- 230000001360 synchronised effect Effects 0.000 description 6
- 210000001519 tissue Anatomy 0.000 description 6
- 239000002184 metal Substances 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 210000000988 bone and bone Anatomy 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 239000006185 dispersion Substances 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 210000000056 organ Anatomy 0.000 description 3
- 206010011224 Cough Diseases 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013170 computed tomography imaging Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000010884 ion-beam technique Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 210000004185 liver Anatomy 0.000 description 2
- 210000004072 lung Anatomy 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000010894 electron beam technology Methods 0.000 description 1
- 230000005251 gamma ray Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000007922 nasal spray Substances 0.000 description 1
- 229940097496 nasal spray Drugs 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- A61N5/1048—Monitoring, verifying, controlling systems and methods
- A61N5/1049—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam
-
- 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
- A61B6/12—Arrangements for detecting or locating foreign bodies
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
- A61B6/5264—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise due to motion
-
- 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
- A61N5/1048—Monitoring, verifying, controlling systems and methods
- A61N5/1064—Monitoring, verifying, controlling systems and methods for adjusting radiation treatment in response to monitoring
- A61N5/1065—Beam adjustment
- A61N5/1067—Beam adjustment in real time, i.e. during treatment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/292—Multi-camera tracking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
- G06V10/225—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition based on a marking or identifier characterising the area
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/776—Validation; Performance evaluation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
- A61B2034/2046—Tracking techniques
- A61B2034/2065—Tracking using image or pattern recognition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
- A61B90/36—Image-producing devices or illumination devices not otherwise provided for
- A61B90/37—Surgical systems with images on a monitor during operation
- A61B2090/376—Surgical systems with images on a monitor during operation using X-rays, e.g. fluoroscopy
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
- A61B90/39—Markers, e.g. radio-opaque or breast lesions markers
- A61B2090/3966—Radiopaque markers visible in an X-ray image
-
- 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
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5223—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data generating planar views from image data, e.g. extracting a coronal view from a 3D image
-
- 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
- A61B6/58—Testing, adjusting or calibrating thereof
- A61B6/587—Alignment of source unit to detector unit
-
- 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
- A61B6/58—Testing, adjusting or calibrating thereof
- A61B6/589—Setting distance between source unit and patient
-
- 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
- A61N5/1001—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy using radiation sources introduced into or applied onto the body; brachytherapy
- A61N5/1007—Arrangements or means for the introduction of sources into the body
- A61N2005/1012—Templates or grids for guiding the introduction of sources
-
- 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
- A61N5/1048—Monitoring, verifying, controlling systems and methods
- A61N5/1049—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam
- A61N2005/1051—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam using an active marker
-
- 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
- A61N5/1048—Monitoring, verifying, controlling systems and methods
- A61N5/1049—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam
- A61N2005/1056—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam by projecting a visible image of the treatment field
-
- 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
- G06T2207/10064—Fluorescence image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Radiation-Therapy Devices (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
實施形態之醫用畫像處理裝置,係具備有第1畫像取得部和追蹤部。第1畫像取得部,係將病患之透視畫像作為第1畫像而取得。追蹤部,係基於在身為從複數之方向來對於被留置於前述病患之體內的被攝體作觀察所得到之複數之前述被攝體之像的被攝體像中而共通之第1特徵,來對於被攝影於前述第1畫像中之前述被攝體進行追蹤。
Description
本發明之實施形態,係有關於醫用畫像處理裝置、治療系統及醫用畫像處理程式。
本申請案,係根據在2018年3月12日於日本所申請之特願2018-044793號而主張優先權,並於此援用其內容。
放射線治療,係為藉由對於位在病患之體內的病巢而照射放射線,來將該病巢破壞之治療方法。此時,放射線係有必要正確地照射至病巢的位置處。此係因為,若是放射線照射到病患之體內的正常之組織,則會有亦對於該正常之組織而造成影響的情況之故。因此,在進行放射線治療時,首先,係在治療計畫之階段中,預先進行電腦斷層掃描(Computed Tomography:CT),並對於位在病患之體內的病巢之位置作3維性的掌握。之後,基於所掌握到的病巢之位置,來以將對於正常之組織之照射減
少的方式,而規劃放射線所照射之方向和所照射的放射線之強度。之後,在治療階段中,係將病患之位置與治療計畫之階段的病患之位置相對合,並依循在治療計畫之階段中所規劃的照射方向和照射強度而使放射線被照射至病巢處。
於治療階段中的病患之對位時,係進行有將「在正準備要開始治療時而使病患躺在臥台上的狀態下所攝影的病患之體內之透視畫像」和「根據在治療計畫時所攝影的3維之CT畫像而假想性地將透視畫像作了再構成的數位再構成X光照片(Digitally Reconstructed Radiograph:DRR)畫像」之間的畫像對照,並求取出在各個的畫像間之病患之位置之偏移。之後,基於所求取出的病患之位置之偏移,來使病床作移動。藉由此,病患之體內的病巢或骨頭等的位置係與治療計畫時之位置相互對合。
病患之位置的偏移,係藉由以會再構成與透視畫像最為類似之DRR畫像的方式來對於CT畫像中之位置進行探索,而求取出來。係提案有多數的藉由電腦來將病患之位置之探索自動化的方法。但是,最終而言,以自動所探索出的結果,係藉由讓利用者(醫師等)對於透視畫像與DRR畫像作比對,而進行確認。之後,在取得了由利用者(醫師等)所致之確認之後,進行放射線之照射。
但是,病患之體內的病巢,係亦有位於像是肺或肝臟等之會隨著病患之呼吸或心跳之動作而移動之器官處的情況。於此情況,係成為在放射線之照射中也必須要對於病巢之位置作特定。作為特定病巢之位置的方法,係存在有在放射線之照射中亦攝影病患之透視動畫並基於透視畫像來對於病患之體內的病巢作追蹤之方法。又,在像是病患之體內的病巢並未被鮮明地拍攝於透視畫像中的情況等時,係亦存在有藉由對於以經皮性之手術而留置在病患之體內的標記進行追蹤來間接性地特定出病巢之位置的方法。又,作為照射放射線之方法,係存在有對於病巢之位置作追蹤並進行照射的追蹤照射和當病巢來到治療計畫時之位置處時再進行照射之伏擊照射等。此些之照射放射線之方法,係被稱作呼吸同步照射方法。
留置於病患體內之標記,係為金屬製,在透視畫像中係被攝影為暗,因此視覺辨認性係為高。此係因為,在攝影透視畫像時所使用的X光等,係具有容易被金屬所吸收的性質之故。故而,在標記之追蹤中,係作為模版而準備預先對於標記作了攝影的畫像,並進行有藉由模版匹配來檢測出在治療階段中所攝影了的透視畫像內之標記的位置。
另外,在留置於病患之體內的標記之形狀中,係存在有球型、棒型、楔型等之各種的形狀。當標記係身為球型的情況時,在透視畫像內所攝影到的標記之像,係無關於標記之3維空間內之姿勢而成為圓形。因此,球型之標記,係能夠藉由模版匹配而容易地檢測出位置。但是,球型之標記,係會有在病患之日常生活中而有所移動的情形。亦即是,當標記係身為球型的情況時,係會有治療計畫之階段時的位置和治療階段的位置為相互偏移的情形。若是標記之位置有所偏移,則在治療階段中所照射的放射線係成為並未被正確地照射至病巢的位置處。基於此事,近年來,採用容易停留於病患之體內的棒型或楔型等之並非為球型之標記的機會係有所增加。但是,當標記係身為棒型或楔型的情況時,在透視畫像內所攝影到的標記之像,係會依存於標記之3維空間內之姿勢而變化為各種的形狀。因此,由模版匹配所致之棒型或楔型之標記之位置的檢測,係成為較檢測出球型之標記的位置而更困難。
故而,作為對於在透視畫像內所攝影到的標記作追蹤之方法的其中一例,例如,係存在有在專利文獻1中所揭示之方法。在專利文獻1所揭示之方法中,係作為模版而預先準備從各種的角度而作了攝影的標記之畫像,並藉由與各個的模版之間之模版匹配,來檢測出在治療階段中所攝影了的透視畫像內之標記的位置。然而,在專利文獻1所揭示之方法中,係成為需要計算出多數的模版與透視畫像內之標記之間的類似度。故而,在專利文獻1所揭示之方法中,係有著標記之追蹤的即時性會變低的問題。又,在專利文獻1所揭示之方法中,由於係亦將使用與實際之標記之畫像大幅度相異的模版使用於模版匹配中,因此,也可以推測到,會存在有與被包含於透視畫像中之標記以外之畫像之間的類似度為高之模版。於此情況,在專利文獻1所揭示之方法中,可以推測到,會有將被包含於透視畫像中之標記以外之畫像作為標記而檢測出來並進行追蹤的可能性。
[專利文獻1]日本特開2016-131737號公報
本發明之其中一個態樣所欲解決之課題,係在於提供一種能夠在放射線治療中根據放射線之照射中的病患之透視畫像來自動地追蹤留置於病患之體內的標記之醫用畫像處理裝置、治療系統以及醫用畫像處理程式。
本實施形態之其中一個態樣之醫用畫像處理裝置,係具備有第1畫像取得部和追蹤部。第1畫像取得部,係將病患之透視畫像作為第1畫像而取得。追蹤部,係基於在身為從複數之方向來對於被留置於前述病患之體內的被攝體作觀察所得到之複數之前述被攝體之像的被攝體像中而共通之身為畫像上的明暗之第1特徵,來對於被攝影於前述第1畫像中之前述被攝體進行追蹤。
若依據上述態樣,則係可提供一種能夠在放射線治療中根據放射線之照射中的病患之透視畫像來自動地追蹤留置於病患之體內的標記之醫用畫像處理裝置、治療系統以及醫用畫像處理程式。
以下,參照圖面,針對實施形態之醫用畫像處理裝置、治療系統及醫用畫像處理程式作說明。
(第1實施形態)
圖1,係為對於具備有第1實施形態之醫用畫像處理裝置的治療系統之概略構成作展示之區塊圖。圖1中所示之治療系統1,係具備有醫用畫像處理裝置100、和治療裝置10。
首先,針對構成治療系統1之治療裝置10作說明。治療裝置10,係具備有治療台11、和2個的放射線源12(放射線源12-1以及放射線源12-2)、和2個的放射線檢測器(放射線檢測器13-1以及放射線檢測器13-2)、以及治療束照射門14。
另外,接續於圖1中所示之各個元件符號所賦予的「-」和接續於其後之數字,係為用以對於對應關係作辨識者。例如,在治療裝置10之放射線源12與放射線檢測器13之間之對應關係中,放射線源12-1和放射線檢測器13-1係代表成為相對應之1組,放射線源12-2和放射線檢測器13-2係代表成為相對應之另外1組。亦即是,在以下之說明中,接續於各個元件符號所賦予的「-」和接續於其後之數字為相同者,係代表彼此為相互對應。另外,在以下之說明中,當並不對於存在有複數之相同的構成要素相互區別地而作表現的情況時,係並不標示「-」和接續於後之數字地來作表現。
治療台11,係為將接受由放射線所致之治療的被驗體(病患)P作固定之臥台。
放射線源12-1,係將用以對於病患P之體內作透視的放射線r-1以預先所制定之角度來作照射。放射線源12-2,係將用以對於病患P之體內作透視的放射線r-2以與放射線源12-1相異之預先所制定之角度來作照射。放射線r-1以及放射線r-2,例如係為X光。在圖1中,係對於針對被固定在治療台11上的病患P而從2個方向來進行X光攝影的情況作展示。另外,在圖1中,係將對於由放射線源12所致之放射線r的照射作控制之控制部之圖示省略。
放射線檢測器13-1,係檢測出從放射線源12-1所照射並通過病患P之體內所到達的放射線r-1,並產生與所檢測出的r-1之能量的大小相對應之病患P之體內的透視畫像PI。放射線檢測器13-2,係檢測出從放射線源12-2所照射並通過病患P之體內所到達的放射線r-2,並產生與所檢測出的r-2之能量的大小相對應之病患P之體內的透視畫像PI。放射線檢測器13,係以2維之陣列狀而被配置有檢測器,並將以數位值來對於到達各個的檢測器處之放射線r之能量的大小作了表現的數位畫像,作為透視畫像PI而產生之。放射線檢測器13,例如,係為平面面板檢測器(Flat Panel Detector:FPD)、或影像增強器(Image
intensifier)、或者是彩色影像增強器。放射線檢測器13,係將所產生的透視畫像PI輸出至醫用畫像處理裝置100處。另外,在圖1中,係將對於由放射線檢測器13所致之透視畫像PI之產生作控制之控制部之圖示省略。
在治療裝置10處,係藉由放射線源12與放射線檢測器13之組,來構成在治療系統1處之攝像裝置。
另外,在圖1中,係針對具備有2組的放射線源12與放射線檢測器13、亦即是具備有2個的攝像裝置之治療裝置10的構成作展示。但是,在治療裝置10處所具備的攝像裝置之數量,係並不被限定於圖1中所示一般之具備有2個的攝像裝置之構成、亦即是並不被限定於具備有2組的放射線源12與放射線檢測器13之組之構成。例如,治療裝置10,係亦可為具備有3個以上的攝像裝置(3組以上的放射線源12與放射線檢測器13之組)之構成。又,治療裝置10,係亦可為具備有1個的攝像裝置(1組的放射線源12與放射線檢測器13之組)之構成。
治療束照射門14,係將用以破壞病患P之體內的身為進行治療之對象之部位的病巢之放射線,作為治療束B而作照射。治療束B,例如,係為X線、γ線、電子線、陽子線、中子線、重粒子線等。另外,在圖1中,係將對於由治療束照射門14所致之治療束B的照射作控制之控制部之圖示省略。
另外,在圖1中,係針對具備有1個的治療束照射門14之治療裝置10的構成作展示。但是,治療裝置10,係並不被限定於僅具備有1個的治療束照射門14之構成,而亦可具備有複數之治療束照射門。例如,在圖1中,雖係針對具備有從垂直方向來對於病患P照射治療束B的治療束照射門14之治療裝置10之構成作了展示,但是,治療系統1,係亦可更進而具備有從水平方向來對於病患P照射治療束的治療束照射門。
醫用畫像處理裝置100,係作為藉由對於像是肺或肝臟等之會隨著病患P之呼吸或心跳之動作而移動之器官來照射治療束B之呼吸同步照射方法而進行輻射線治療的呼吸同步照射裝置,而被使用。醫用畫像處理裝置100,係基於從放射線檢測器13-1以及放射線檢測器13-2所輸出的透視畫像PI,而對於被留置於在放射線治療中而進行治療的病患P之體內的標記作追蹤。藉由此,在醫用畫像處理裝置100處,例如,係能夠基於標記和病巢之間之相對性的位置之關係等,來對於在放射線治療中而進行治療的病患P之體內的病巢作追蹤。在醫用畫像處理裝置100處之病巢的追蹤,係藉由基於在治療計畫之階段等處的於進行放射線治療之前所學習的標記之像(以下,稱作「標記像」)的特徵,來對於在現在的病患P之透視畫像PI中所被攝影到的標記之位置作追蹤,而進行之。之後,醫用畫像處理裝置100,係基於對於被留置於病患P之體內的標記作了追蹤後之結果,來在放射線治療中而自動地偵測出對於病巢照射治療束B之時序。
另外,醫用畫像處理裝置100和在治療裝置10處所具備的放射線檢測器13,係亦可藉由LAN(Local Area Network)或WAN(Wide Area Network)而被作連接。
接著,針對構成治療系統1之醫用畫像處理裝置100的構成作說明。圖2,係為對於第1實施形態之醫用畫像處理裝置100之概略構成作展示之區塊圖。圖2中所示之醫用畫像處理裝置100,係具備有學習裝置110和移動體追蹤裝置120。又,學習裝置110,係具備有學習用畫像取得部111、和學習部112、以及參數記憶部113。又,移動體追蹤裝置120,係具備有第1畫像取得部121、和追蹤部122。
學習裝置110,在進行放射線治療之前,係取得在醫用畫像處理裝置100處之學習用畫像,並從所取得的學習用畫像來學習用以檢測出標記像之第1特徵。又,學習裝置110,係基於所學習到的第1特徵,並對於代表標記之特徵的特徵抽出參數作計算而預先記憶在參數記憶部113中。
學習用畫像取得部111,係取得在醫用畫像處理裝置100處之學習用畫像。學習用畫像取得部111,係將所取得的學習用畫像輸出至學習部112處。於此,學習用畫像,係為在進行放射線治療時之治療計畫的階段或更之前之階段中所作成的複數之畫像。學習用畫像,係將身為配置在假想性的3維空間中之被攝體的標記之像,與進行放射線治療之部位的臨床畫像作合成,而作成之。更具體而言,學習用畫像,係藉由將身為對於在進行追蹤對象的標記被留置於病患之體內時的各種之方向作了模擬的仿真畫像之模擬畫像,與進行放射線治療之部位的臨床畫像作合成,而作成之。另外,用以產生學習用畫像之臨床畫像,係亦可為根據在治療計畫時所攝影的3維之電腦斷層掃描(Computed Tomography:CT)畫像而假想性地再構成為透視畫像PI之再構成X線照片(Digitally Reconstructed Radiograph:DRR)畫像。藉由此,學習用畫像,係成為對於被留置在病患之體內的標記所能夠成為的標記像之各種方向作了模擬的畫像。另外,模擬畫像與臨床畫像之間之合成,例如,係藉由ALFA合成等之既存的畫像合成之技術來進行。
學習部112,係從學習用畫像取得部111而取得複數之學習用畫像,並根據所取得的複數之學習用畫像。來對於在學習用畫像內作為被攝體像而被包含的標記像中之共通之第1特徵作學習。於此,學習部112,係從複數之學習用畫像,來對於在從各種方向而對標記作了觀察的情況時所得到之複數之第1特徵作學習。另外,在學習部112處之標記之第1特徵之學習,例如,係使用既存之機械學習之技術來進行。之後,學習部112,係基於藉由學習所得到的第1特徵,來對於代表標記之方向之特徵的特徵抽出參數作計算。學習部112,係將所計算出的特徵抽出參數,對於參數記憶部113作輸出並使其作記憶。
參數記憶部113,係身為對於從學習部112所輸出的特徵抽出參數作記憶之記憶裝置。參數記憶部113,係依循從在移動體追蹤裝置120處所具備的追蹤部122而來之要求,而將所記憶的特徵抽出參數對於追蹤部122作輸出。
移動體追蹤裝置120,當正在進行放射線治療時,係取得身為在醫用畫像處理裝置100處而被攝影到所追蹤之標記的病患P之透視畫像PI之第1畫像,並基於學習裝置110所學習到的標記之第1特徵,來對於在第1畫像中所被攝影到的標記作追蹤。又,移動體追蹤裝置120,係將代表正在追蹤的標記之位置之標記位置訊號SM作輸出。
第1畫像取得部121,係取得身為在治療中所被攝影的病患P之透視畫像PI之第1畫像。第1畫像取得部121,係將所取得的第1畫像輸出至追蹤部122處。於此,第1畫像,係身為在治療中於使病患P躺在治療台11上的狀態下,於預先所制定之時間間隔之每一者處而攝影的病患P之體內之透視畫像PI。亦即是,第1畫像,係身為在治療中(可為治療束照射門14正在照射治療束B之狀態,亦可為並未照射治療束B之狀態)而放射線檢測器13因應於放射線源12所照射的放射線r而產生的透視畫像PI。另外,第1畫像取得部121,係亦可包含有用以與治療裝置10所具備的放射線檢測器13作連接之介面。
追蹤部122,係對於在從第1畫像取得部121所輸出之第1畫像中作為被攝體而被作了攝影的標記作追蹤。追蹤部122,在進行標記之追蹤時,係取得被記憶在學習裝置110所具備的參數記憶部113中之特徵抽出參數。之後,追蹤部122,係基於所取得的特徵抽出參數,來算出(抽出)與在從第1畫像取得部121所輸出之第1畫像中作為被攝體像而被包含的標記像之第1特徵相同的特徵。另外,在以下之說明中,為了易於說明,係將追蹤部122所算出(抽出)之與第1特徵相同的特徵,亦稱作「第1特徵」。追蹤部122,係基於所算出的第1特徵,而對於在第1畫像中所被攝影到的標記作追蹤。之後,追蹤部122,係將代表正在追蹤的標記之位置之標記位置訊號SM作輸出。
藉由此種構成,醫用畫像處理裝置100,係基於所學習到的標記之特徵,來對於位於現在的病患P之體內的標記作追蹤,並將代表正在追蹤的標記之位置之標記位置訊號SM作輸出。藉由此,醫用畫像處理裝置100,係能夠自動地偵測出對於病患P之體內之病巢照射治療束B之時序。藉由此,在具備有醫用畫像處理裝置100之治療系統1中,係能夠在適當的時序處而對於病患P之體內之病巢照射治療束B。另外,在治療系統1處,係以當正在追蹤之標記的位置、亦即是當能夠根據標記之位置而特定出來的病患P之體內之病巢之位置,為位置於預先所制定之範圍內時,會照射治療束B的方式,來作控制。換言之,在治療系統1處,係以當病患P之體內之病巢之位置並未位置於預先所制定之範圍內時,使治療束B之照射停止的方式,來作控制。
另外,上述之醫用畫像處理裝置100所具備的功能部之其中一部分,例如,係亦可身為藉由使CPU(Central Processing Unit)或GPU(Graphics Processing Unit)等之處理器實行被記憶在記憶裝置中之程式一事而起作用的軟體功能部。於此,記憶裝置,係亦可藉由ROM (Read Only Memory)或RAM(Random Access Memory)、HDD(Hard Disk Drive)、快閃記憶體等來實現之。另外,CPU或GPU等之處理器所實行的程式,係可預先被儲存在醫用畫像處理裝置100之記憶裝置中,亦可從其他之電腦裝置來經由網路而作下載。又,係亦可使被儲存在可攜型記憶裝置中之程式被安裝至醫用畫像處理裝置100中。又,上述之醫用畫像處理裝置100所具備的功能部之中之一部分或者是全部,係亦可身為由FPGA(Field
Programmable Gate Array)或LSI(Large Scale Integration)或ASIC(Application Specific Integrated Circuit)等所致之硬體功能部。
於此,針對構成治療系統1之醫用畫像處理裝置100的動作之概略作說明。首先,針對構成醫用畫像處理裝置100之學習裝置110的動作之概略作說明。圖3,係為對於構成第1實施形態之醫用畫像處理裝置100之學習裝置110的動作之流程作展示之流程圖的其中一例。另外,在醫用畫像處理裝置100處,學習裝置110,在進行放射線治療之前,係預先將特徵抽出參數記憶在參數記憶部113中。
若是學習裝置110開始動作,則學習用畫像取得部111,首先係取得學習用畫像(步驟S100)。接著,學習部112,係對於在從學習用畫像取得部111所輸出的各個學習用畫像中所包含之標記像中之共通之第1特徵作學習(步驟S101)。接著,學習部112,係基於藉由學習所得到的第1特徵,來對於特徵抽出參數作計算,並將所計算出的特徵抽出參數,對於參數記憶部113作輸出並使其作記憶(步驟S102)。
接著,針對構成醫用畫像處理裝置100之移動體追蹤裝置120的動作之概略作說明。圖4,係為對於構成第1實施形態之醫用畫像處理裝置100之移動體追蹤裝置120的動作之流程作展示之流程圖的其中一例。另外,在醫用畫像處理裝置100中,移動體追蹤裝置120,在進行放射線治療時,係基於特徵抽出參數來對於實際被留置在病患之體內的標記作追蹤。
若是移動體追蹤裝置120開始動作,則第1畫像取得部121,首先係取得第1畫像(步驟S103)。接著,追蹤部122,係對於從第1畫像取得部121所輸出之第1畫像內的標記之位置作預測(步驟S104)。接著,追蹤部122,係取得被記憶在參數記憶部113中之特徵抽出參數,並基於所取得的特徵抽出參數所表現之第1特徵,來對於所預測的標記之位置的似然度作計算(步驟S105)。接著,追蹤部122,係基於所計算出的似然度,來對於在第1畫像中所包含之標記之位置作計算(步驟S106)。
接著,針對構成治療系統1之醫用畫像處理裝置100的動作之詳細內容作說明。首先,針對在構成醫用畫像處理裝置100之學習裝置110處的學習用畫像之取得方法作說明。
另外,在追蹤部122所追蹤的對象之標記之形狀中,係存在有球型、棒型、楔型、夾型等之各種的形狀。更具體而言,作為標記,例如,係存在有直徑為2mm之球形狀之金屬製的球型標記、和例如直徑為0.5mm而長度為5mm或7mm、10mm之棒形狀之金屬製的棒型標記。當被留置在病患P之體內的標記係身為球型標記的情況時,於在進行放射線治療時所攝影的病患P之透視畫像PI內所攝影到的標記像,係無關於標記之3維空間內之姿勢而成為圓形。另一方面,當被留置在病患P之體內的標記係身為棒型標記的情況時,於在進行放射線治療時所攝影的病患P之透視畫像PI內所攝影到的標記像,係依存於標記之3維空間內之姿勢而變化為各種的形狀。在以下之說明中,係設為使學習用畫像取得部111取得被留置在病患之體內的球型標記以外之標記的學習用畫像,並作為其中一例,而針對取得棒型標記之學習用畫像的情況作說明。
圖5,係為對於在具備有第1實施形態之醫用畫像處理裝置100的治療系統1中之放射線之照射路徑與標記(棒型標記)之間之關係的其中一例作說明之圖。圖5,係為對於在圖1所示之治療裝置10處的放射線源12-1與放射線檢測器13-1之間之位置關係作了展示之圖。如同圖5中所示一般,當在放射線源12-1和放射線檢測器13-1之間之3維空間中,以使棒型標記M之長邊方向會與相對於放射線檢測器13-1之攝影面之法線方向(放射線源12-1所照射的放射線r-1之照射路徑之方向)成為平行的方式來留置於病患P之體內的情況時,棒型標記M之標記像係成為圓形。而,若是棒型標記M從圖5所示之狀態起而逐漸傾斜,則棒型標記M之標記量係會表現出長邊方向之特徵並逐漸變長。另外,此種因應於標記之姿勢而使標記像之形狀出現各種變化的特徵,係並非為僅屬於棒型標記M的特徵,在像是楔型之標記或夾型之標記、亦即是在球型之標記以外之標記中,亦為相同。
在學習裝置110處,為了從病患P之體內的透視畫像PI來檢測出會依存於標記之姿勢而使形狀出現各種變化的標記像,係對於成為在各個的標記像中而為共通之特徵的第1特徵作學習。
另外,在圖5中,係針對藉由以放射線源12-1與放射線檢測器13-1之組所構成的攝像裝置而攝影之棒型標記M之其中一例作展示。但是,如同圖1中所示一般,在治療系統1處,係具備有2個的攝像裝置。故而,學習裝置110,係將用以從在對於相同的棒型標記M而藉由治療裝置1所具備之2個的攝像裝置來同時攝影所得到的各個的透視畫像PI來檢測出標記像之2個的第1特徵,作為一對的第1特徵而作學習。亦即是,學習裝置110,係將用以從藉由放射線源12-1和放射線檢測器13-1之組所攝影的透視畫像PI來檢測出標記像的第1特徵、和用以從藉由放射線源12-2和放射線檢測器13-2之組所攝影的透視畫像PI來檢測出標記像的第1特徵,作為1組的第1特徵而作學習。例如,當在3維空間中而棒型標記M如同圖5中所示一般地被留置在病患P之體內的情況時,如同上述一般,在藉由放射線源12-1和放射線檢測器13-1之組所攝影的透視畫像PI中,棒型標記M之標記像係成為圓形。另一方面,於此情況,在藉由放射線源12-2和放射線檢測器13-2之組所攝影的透視畫像PI中,棒型標記M之標記像係成為長度為最長之長方形。故而,學習裝置110,係對於用以將藉由放射線源12-1和放射線檢測器13-1之組所攝影的圓形之標記像和藉由放射線源12-2和放射線檢測器13-2之組所攝影的長方形之標記像從病患P之體內之各個的透視畫像PI而檢測出來的第1特徵。
於此,針對學習裝置110所具備的學習用畫像取得部111之取得為了對第1特徵作學習所使用的學習用畫像之方法作說明。學習用畫像,係由在特定之區域內被攝影有進行追蹤之對象的棒型標記M之狀態的複數之畫像(以下,稱作「正例畫像」)、和其他之狀態的複數之畫像(以下,稱作「反例畫像」),而構成之。另外,所謂在反例畫像中之其他之狀態,例如,係為在特定之區域中並未被攝影有棒型標記M、完全未被攝影有棒型標記M、等等的棒型標記M之被攝影的狀態為正例畫像之狀態以外的狀態。
首先,針對由學習用畫像取得部111所致之正例畫像之取得方法作說明。於此,係將從「把成為追蹤之對象的棒型標記M一面改變其姿勢一面設置在對於身為病患P之透視畫像PI之第1畫像作攝影的放射線源12與放射線檢測器13之間之位置處而作了攝影的畫像」之全體之區域而將以使棒型標記M之重心會位置在畫像之中心處的方式來預先制定的大小(範圍)之區域作了切出的畫像,作為正例畫像。另外,如同上述一般,由於棒型標記M係為金屬製,因此,在所攝影的畫像中,棒型標記M之標記像係被攝影為暗。故而,在學習用畫像取得部111處,係將在所攝影的畫像中所包含之各個的像素之值(像素值)為低的像素之區域之中心位置,作為棒型標記M之重心之位置而抽出。
學習用畫像取得部111,係亦可從藉由攝像裝置(放射線源12和放射線檢測器13之各別之組)而實際進行了攝影的畫像,來取得正例畫像。於此,用以取得正例畫像之畫像,例如,係亦可為藉由實際之攝像裝置來對於將實際的棒型標記M留置在對於人體作了再現的攝影用之人體模型內的狀態而作了攝影之畫像。於此情況,係亦可構成為一面改變為了攝影所照射的放射線r之放射線量(例如,X線量)一面進行攝影,並取得當相同姿勢之棒型標記M而放射線量為相異的情況時之正例畫像。又,用以取得正例畫像之畫像,例如,係亦可為藉由實際之攝像裝置來對於將棒型標記M留置在體內的病患P而實際作了攝影之透視畫像PI,亦即是亦可為以前的對於病患P而作了攝影之透視畫像PI。
另外,在從藉由攝像裝置而實際進行了攝影的畫像來取得正例畫像的情況時,係並非絕對為能夠取得(收集)到與棒型標記M所能夠成為之所有之姿勢相對應的正例畫像。因此,學習用畫像取得部111,係亦可構成為建構出將位置在放射線源12和放射線檢測器13之間之棒型標記M之姿勢作再現(模擬)的環境,例如藉由計算機等而建構出模擬環境,並從假想性地作成的模擬畫像來取得正例畫像。以下,針對從藉由所建構出之模擬環境而假想性地作成的模擬畫像,來取得正例畫像之方法作說明。
在學習用畫像取得部111為了取得正例畫像所建構出的模擬環境中,首先,係將構成治療系統1之治療裝置10所具備的攝像裝置作再現。更具體而言,如同圖1中所示一般,在構成治療系統1之治療裝置10處,放射線源12與放射線檢測器13之位置係被固定。亦即是,在治療裝置10處,藉由放射線源12與放射線檢測器13之組所構成的攝像裝置,其之進行攝影的方向係被固定。因此,當在被設置有放射線源12和放射線檢測器13之3維空間內而定義了特定之3維座標時,係能夠將放射線源12和放射線檢測器13之位置藉由3軸之座標值來作表現。在以下之說明中,係將3軸之座標值之資訊,稱作藉由放射線源12與放射線檢測器13之組所構成的攝像裝置之幾何資訊。
學習用畫像取得部111,係利用幾何資訊,來將治療裝置10所具備的攝像裝置作再現。另外,關連於棒型標記M之3維之形狀的資訊(以下,稱作「形狀資訊」),係為既知。因此,學習用畫像取得部111,係利用幾何資訊和形狀資訊,來再現如同圖5中所示一般之在放射線源12-1和放射線檢測器13-1之間被放置有棒型標記M的3維空間。於此,在學習用畫像取得部111所再現的3維空間中,由於係能夠對於從放射線源12-1所輸出的放射線r-1之起因於通過棒型標記M一事所衰減的能量作計算,因此,學習用畫像取得部111,係能夠取得假想性地藉由攝像裝置所攝影了的棒型標記M之標記像。此時,學習用畫像取得部111,係並不需要對於通過棒型標記M而衰減的放射線r-1之能量嚴密地作計算。故而,學習用畫像取得部111,係亦可假想性地產生將通過了棒型標記M之放射線r-1和並未通過的放射線r-1之各者所到達的放射線檢測器13-1之像素作了區別的模擬畫像。此時,學習用畫像取得部111,係亦可假想性地產生因應於放射線r-1之通過了棒型標記M內的路徑之長度而附加有濃淡的模擬畫像。學習用畫像取得部111,係從如此這般所產生的模擬畫像來取得正例畫像。
另外,在圖1所示之治療系統1中,係具備有能夠同時進行攝影之2個的攝像裝置。故而,學習用畫像取得部111,係假想性地產生與各個的攝像裝置相對應之模擬畫像,並從所產生的畫像來取得正例畫像。於此,針對將在圖5中所示之設定於與放射線r-1之照射路徑相正交之2軸處的3軸周圍之棒型標記M之旋轉量設為(θ,f,η)的情況作考慮。於此情況,學習用畫像取得部111,係將在棒型標記M處之3個的旋轉量作為棒型標記M之姿勢的參數(以下,稱作「姿勢參數」),並從一面將各個的姿勢參數連續性地作變更一面假想性地產生的模擬畫像,來取得正例畫像。另外,學習用畫像取得部111,係亦可並非為將各個的姿勢參數連續性地作變更,而是從一面例如以15°間隔等之預先所制定的間隔來作變更一面假想性地產生的模擬畫像,來取得正例畫像。又,學習用畫像取得部111,係亦可從將把「假想性地產生的模擬畫像」和「於治療前所攝影的病患P之透視畫像PI或臨床畫像」例如以ALFA合成等之既存之畫像合成之技術來作了合成的畫像、亦即是從亦包含有在透視畫像PI和臨床畫像中之雜訊等地來作了再現的畫像,而取得正例畫像。另外,模擬畫像與透視畫像PI或臨床畫像之間之合成,係並不被限定於使用畫像合成之技術來進行。例如,學習用畫像取得部111,係亦可在透視畫像PI或臨床畫像中,藉由將被包含於模擬畫像中之棒型標記M之位置相對應的像素之像素值置換為標記像之像素值或者是預先所制定的像素值(例如,像素值="0"等),來合成模擬畫像和透視畫像PI。
接著,針對由學習用畫像取得部111所致之反例畫像之取得方法作說明。於此,係將從「在治療前所攝影的病患P之透視畫像PI之全體的區域」而切出了與在正例畫像中所預先制定之大小之區域相同大小的區域之畫像,作為反例畫像。亦即是,反例畫像,係為從透視畫像PI之全體之區域而切出了與在正例畫像中以使棒型標記M之重心會位置於畫像之中心處的方式所預先制定的區域相同大小(範圍)之區域之畫像。另外,係亦可將從人體模型之畫像或者是在過去之臨床時所得到的臨床畫像、亦即是從藉由實際之攝像裝置所攝影了的畫像,而切出了與正例畫像相同大小之區域的畫像,作為反例畫像。於此情況,較理想,在攝影用以得到反例畫像之畫像時所照射的放射線r之放射線量(例如,X線量),係與在攝影用以得到正例畫像之畫像時所照射的放射線r之放射線量(例如,X線量)為同等。又,反例畫像,係亦可為使棒型標記M之一部分或全體被攝影到的畫像。但是,在正例畫像和反例畫像中,被攝影到有棒型標記M之區域係為相異。更具體而言,在正例畫像中,如同上述一般,係在棒型標記M之重心為位置於正例畫像之中心處的區域內而被攝影。相對於此,在反例畫像中,棒型標記M之重心係被攝影於相同之區域以外。
學習用畫像取得部111,係將如同上述一般之正例畫像和反例畫像,作為學習用畫像而取得之。之後,學習用畫像取得部111,係將所取得的學習用畫像輸出至學習部112處。
藉由此,學習部112,係基於學習用畫像取得部111所輸出的複數之學習用畫像,來對於在棒型標記M之標記像中所共通之第1特徵作學習。在學習部112處,係被構成有針對對於從學習用畫像取得部111所輸出的正例畫像和反例畫像作辨識的2類別(class)分類問題求解的函數f之辨識器。在學習部112處,係將任意之附教師學習的辨識器,作為在學習部112處所構成的辨識器來作利用。更具體而言,學習部112,例如,係將2類別支持向量機、神經網路、深度神經網路、卷積神經網路、決策樹等,作為辨識器來構成之。另外,關於學習部112所利用的辨識器之其中一例,係與後述之追蹤部122之動作一同作說明。
學習部112,係將基於藉由學習所得到的第1特徵而計算出的特徵抽出參數,對於參數記憶部113作輸出。藉由此,參數記憶部113,係將從學習部112所輸出的特徵抽出參數作記憶。之後,參數記憶部113,係因應於在追蹤部122對於棒型標記M進行追蹤時所輸出之特徵抽出參數之要求,而將所記憶的特徵抽出參數對於追蹤部122作輸出。
如此這般,學習裝置110,係在圖3中所示之對於學習裝置110之動作的流程作展示之流程圖之其中一例的各個步驟處,進行學習用畫像(正例畫像以及反例畫像)之取得、和在棒型標記M之標記像處而為共通的第1特徵之學習以及特徵抽出參數之計算,並將所計算出的特徵抽出參數預先記憶在參數記憶部113中。
接著,針對在構成醫用畫像處理裝置100之移動體追蹤裝置120處的標記之追蹤方法作說明。在移動體追蹤裝置120處,係對於被攝影於「在治療中所被攝影的病患P之第1畫像(透視畫像PI)」中的棒型標記M作追蹤。
另外,如同圖1中所示一般,在構成治療系統1之治療裝置10處,係藉由2個的攝像裝置來從2個方向而攝影病患P之第1畫像。因此,第1畫像取得部121,係取得2個的攝像裝置之各者所攝影的2個方向之第1畫像、亦即是取得2枚的透視畫像PI。
於此,針對移動體追蹤裝置120所具備的第1畫像取得部121之取得第1畫像之方法作說明。在對於病患P而進行放射線治療時,首先,係為了將病患P之體內的病巢或骨頭等的位置與治療計畫時之位置相互對合,而進行病患P之定位。更具體而言,係在如同圖1中所示一般地而使病患P躺在治療台11上的狀態下,攝影身為病患P之體內之透視畫像PI的第1畫像。之後,進行所攝影的第1畫像和根據在治療計畫時所攝影的3維之CT畫像而作成的DRR畫像之間之畫像對照,並求取出在各個的畫像間之病患P之位置之偏移,再基於所求取出的病患之位置之偏移來移動治療台11,而使現在的病患P之體內之病巢或骨頭等的位置與治療計畫時之位置相對合。之後,為了確認是否能夠正確地追蹤棒型標記M,而攝影數次之呼吸之量的第1畫像。此時,治療束B係並未對於病患P作照射。之後,在確認到了係能夠正確地追蹤棒型標記M之後,開始放射線治療。另外,於正在進行放射線治療的期間中,各個的攝像裝置係於每個預先所制定之時間的間隔處而攝影第1畫像。第1畫像取得部121,係逐次取得藉由各個的攝像裝置所攝影之第1畫像。之後,第1畫像取得部121,係將所取得之2個方向的第1畫像之各者,輸出至追蹤部122處。
追蹤部122,係對於在從第1畫像取得部121所輸出之2個方向的第1畫像中所被攝影的棒型標記M作追蹤。更具體而言,追蹤部122,係基於從參數記憶部113所取得的特徵抽出參數所表現之第1特徵,來對於在從第1畫像取得部121所輸出之第1畫像中而被攝影到的棒型標記M之標記像作追蹤。另外,追蹤部122,係利用治療裝置10所具備之各個的攝像裝置之幾何資訊,來求取出位置於從放射線源12而照射之放射線r所通過並到達放射線檢測器13處為止之間之棒型標記M之3維座標內的位置。亦即是,追蹤部122,係將在如同圖5中所示一般之被留置有棒型標記M的情況時之特定之3維座標內之棒型標記M之位置,作為投影矩陣而求取出來。因此,在追蹤部122處,係將對應於各個的攝像裝置之投影矩陣根據幾何資訊而預先求取出來。亦即是,追蹤部122,係針對各攝像裝置之每一者而預先求取出投影矩陣。之後,追蹤部122,係根據在2個的第1畫像中所被攝影到的棒型標記M之位置(2維座標之位置),來利用三角測量之原理而計算出代表位於特定之3維空間內之棒型標記M之位置的3維座標之座標值。藉由此,追蹤部122,係計算出位於特定之3維空間內之棒型標記M是在病患P之體內之透視畫像PI(第1畫像)內的何者之位置處而被攝影到。
於此,針對移動體追蹤裝置120所具備的追蹤部122之對於在第1畫像中所被攝影的棒型標記M作追蹤之方法作說明。追蹤部122,若是開始棒型標記M之追蹤,則係在圖4中所示之對於移動體追蹤裝置120之動作的流程作展示之流程圖之其中一例的步驟S104處,首先對於從第1畫像取得部121所輸出之第1畫像內的棒型標記M之位置作預測。
如同上述一般,第1畫像取得部121,就算是於正在進行放射線治療的期間中,亦係逐次取得各個的攝像裝置於每個預先所制定之時間的間隔處所攝影之第1畫像,並對於追蹤部122作輸出。於此,針對從第1畫像取得部121而最初所輸出之第1畫像,由於此係身為追蹤部122開始對於棒型標記M的追蹤之處理之初期的階段,因此,棒型標記M之位置係為未知。因此,追蹤部122,係對於被留置在病患P之體內的棒型標記M係幾乎不會移動一事作利用,而例如對於「在進行了病患P之對位後所攝影的數次之呼吸之量的第1畫像」、亦即是「在開始放射線治療之前之第1畫像(以下,稱作「治療前第1畫像」)」中所被攝影到的棒型標記M之位置作計算。
更具體而言,在開始了棒型標記M之追蹤處理的初期之階段之棒型標記M之位置的預測處理中,追蹤部122,係使用根據幾何資訊所預先求取出的投影矩陣,來在治療前第1畫像內將棒型標記M之位置作投影。之後,追蹤部122,係在結束了於1個呼吸週期之量的各個的治療前第1畫像內之棒型標記M之位置的投影之後,在1個的治療前第1畫像(例如,病患P之呼氣或吸氣時的治療前第1畫像)內指定複數之棒型標記M之位置。另外,將在治療前第1畫像內所指定了的複數之棒型標記M之位置作內包之區域,係身為絕對存在有棒型標記M之區域。追蹤部122,係將在治療前第1畫像內所指定了的絕對存在有棒型標記M之區域,作為在治療中第1畫像內所預測的棒型標記M之位置(預測位置)。
另外,在由利用有標記之追蹤的呼吸同步照射方法所致之放射線治療中,於將棒型標記M留置在病患P之體內之後,為了建立治療計畫,係會有攝影將CT畫像作為動畫來作了攝影的4維之CT畫像的情形。此4維之CT畫像,例如,係為1個呼吸週期之量的長度之動畫像。在4維之CT畫像中,利用治療系統1之放射線治療之實施者(醫師等)係容易以目視來對於棒型標記M之位置作確認。之後,若是能夠得知CT畫像內之棒型標記M之位置(3維座標),則係能夠使用投影矩陣來在治療前第1畫像內將棒型標記M之位置作投影。因此,追蹤部122,係亦可將由治療系統1之利用者所指定的4維之CT畫像內之區域,作為絕對存在有棒型標記M之區域。又,追蹤部122,係亦可將「把在對於病患P之相同病巢所進行的以前之放射線治療中而對於相同之棒型標記M進行了追蹤時的棒型標記M之位置之軌跡作內包之區域」,在此次之放射線治療中而作為絕對存在有棒型標記M之區域。
之後,追蹤部122,係基於在治療前第1畫像內所指定了的絕對存在有棒型標記M之區域,來針對在開始了放射線治療之後所攝影的第1畫像(以下,稱作「治療中第1畫像」)中所被攝影到的棒型標記M之位置作預測。另外,當在治療前第1畫像內而指定絕對存在有棒型標記M之區域時,如同上述一般,由於係身為追蹤部122開始對於棒型標記M的追蹤之處理之初期的階段,因此,棒型標記M之位置係為未知。相對於此,在後續之治療階段中,在所指定了的區域內而絕對存在有棒型標記M的可能性係為高。另外,在治療階段中,治療中第1畫像係從第1畫像取得部121而以相對於呼吸週期而言為更短的間隔而被輸出。因此,追蹤部122,係藉由更為高速且簡易之方法,來進行在治療階段中的棒型標記M之位置之預測。
更具體而言,追蹤部122,於在治療階段中之棒型標記M之位置的預測處理中,係將以在治療前第1畫像內所預測到的絕對存在有棒型標記M之區域作為中心的區域(範圍),作為在治療中第1畫像內所預測的棒型標記M之位置(預測位置)。於此,在治療階段中之棒型標記M之預測位置,係可為治療中第1畫像內之一部分之區域(部分區域),亦可為在3維空間中之一部分之空間(部分空間)。亦即是,在治療階段中之棒型標記M之預測位置,係可為2維座標,亦可為3維座標。
另外,於在治療階段中之棒型標記M之位置的預測處理中,追蹤部122,係亦可利用根據在過去所得到的棒型標記M之位置之序列來對於未來的棒型標記M之位置作預測之時間序列濾波器,來作為棒型標記M之預測位置。於此,作為時間序列過濾器,例如,係可考慮有卡爾曼濾波器或粒子濾波器等。
之後,追蹤部122,係在圖4中所示之對於移動體追蹤裝置120之動作作展示的流程圖之其中一例之步驟S105中,取得被記憶在參數記憶部113中之特徵抽出參數,並基於所取得的特徵抽出參數所表現之第1特徵,來對於所預測的棒型標記M之位置的似然度作計算。
於此,追蹤部122所計算之所謂似然度,係為代表「在追蹤部122所預測到的治療中第1畫像內之棒型標記M之位置處所被攝影到之像」和「棒型標記M之標記像」之間之類似性之值。更具體而言,似然度,係若是與棒型標記M之標記像之間的類似度為越高則會成為越高之值(當身為標記像的情況時,係為最高之值),並且會隨著與棒型標記M之標記像之間的類似度變得越低而越為降低之值,追蹤部122,係藉由下式(1)或下式(2),來對於棒型標記M之預測位置x之似然度l(x)作計算。
在上式(1)以及上式(2)中,函數f,係身為代表在學習部112處所被構成之針對對於從學習用畫像取得部111所輸出的正例畫像和反例畫像作辨識的2類別分類問題求解之辨識器的函數。亦即是,在追蹤部122處,係被構成為與在學習部112處所被構成之辨識器相同之函數f的辨識器。又,在上式(1)以及上式(2)中,v(x),係身為將基於棒型標記M之預測位置x所制定的治療中第1畫像之像素值作了並排的向量。另外,v(x),係亦可為把將基於棒型標記M之預測位置x所制定的治療中第1畫像之像素值作了並排的向量作了轉換者。於此情況之轉換,例如,係為由索貝濾波器(Sobel filter)等之微分濾波器所致之轉換。又,在上式(1)以及上式(2)中,w,係身為構成函數f之辨識器之參數,並身為代表第1特徵之特徵抽出參數,亦即是身為從參數記憶部113所取得的特徵抽出參數。
另外,如同圖1中所示一般,在構成治療系統1之治療裝置10處,係產生同時從相異之2個方向來對於相同之棒型標記M作了攝影之2枚的治療中第1畫像(透視畫像PI)。因此,追蹤部122,係能夠根據在各別的治療中第1畫像內的棒型標記M之預測位置,來藉由上式(1)或上式(2)來計算出與各別的治療中第1畫像相對應之似然度l(x)作計算。此時,追蹤部122,當在治療階段中之棒型標記M之預測位置係身為3維座標的情況時,係亦可計算出與同時被作了攝影之2枚的治療中第1畫像之各者相對應的似然度l(x),並將所計算出的似然度l(x)之積,作為棒型標記M之預測位置之似然度l(x)。另一方面,追蹤部122,當在治療階段中之棒型標記M之預測位置係身為2維座標的情況時,係只要計算出核約制(Epipolar Constraint)為成立之相對於2枚的治療中第1畫像之預測位置之似然度l(x)即可。
又,追蹤部122,係亦可設為將基於在治療裝置10處而同時地產生之2枚的治療中第1畫像之各者中的棒型標記M之預測位置x所制定的像素值作了並排的向量v(x)來作了連結後的向量。於此情況時之預測位置,係成為將棒型標記M之預測位置投影至2枚的治療中第1畫像之各者處的2維座標之位置。於此情況,亦同樣的,2維座標之位置,係身為核約制(Epipolar Constraint)為成立之2枚的治療中第1畫像之預測位置。
之後,追蹤部122,係在圖4中所示之對於移動體追蹤裝置120之動作作展示的流程圖之其中一例之步驟S106中,基於所計算出的似然度l(x),來計算出在治療中第1畫像內所包含的棒型標記M之位置。
追蹤部122,係基於所計算出之似然度l(x),來藉由下式(3),而計算出棒型標記M之位置xm
。
如同根據上式(3)而可得知一般,追蹤部122,係將把似然度l(x)作為權重值的加權平均,作為棒型標記M之位置xm
。另外,在上式(3)中,S,係身為棒型標記M之預測位置之集合。
追蹤部122,係亦可基於所計算出之似然度l(x),來藉由下式(4),而計算出棒型標記M之位置xm
。
在上式(4)中,追蹤部122,係將似然度l(x)為成為最大之預測位置,作為棒型標記M之位置xm
。
如此這般,移動體追蹤裝置120,係在圖4中所示之對於移動體追蹤裝置120之動作作展示的流程圖之其中一例之各個步驟中,進行治療中第1畫像內之棒型標記M之位置的預測、基於特徵抽出參數所代表的第1特徵而進行之棒型標記M之預測位置之似然度l(x)之計算、以及在治療中第1畫像內所包含的棒型標記M之位置xm
之計算。之後,移動體追蹤裝置120,係將代表所計算出的棒型標記M之位置xm
之標記位置訊號SM作輸出。
如同上述一般,在第1實施形態之醫用畫像處理裝置100中,學習裝置110(更具體而言,學習用畫像取得部111),係將對於當被留置在病患P之體內時而棒型標記M所能夠成為的各種方向作了模擬之模擬畫像,作為學習用畫像來取得之。又,在第1實施形態之醫用畫像處理裝置100中,學習裝置110(更具體而言,學習部112),係從所取得的複數之學習用畫像,來對於在學習用畫像中所被攝影到的棒型標記M所共通之第1特徵作學習,並基於藉由學習所得到的第1特徵,來對於代表棒型標記M之方向之特徵的特徵抽出參數作計算,而預先記憶在參數記憶部113中。之後,在第1實施形態之醫用畫像處理裝置100中,移動體追蹤裝置120(更具體而言,第1畫像取得部121),係取得在治療中所被攝影的病患P之第1畫像(透視畫像PI)。之後,在第1實施形態之醫用畫像處理裝置100中,移動體追蹤裝置120(更具體而言,追蹤部122),係將第1畫像與從參數記憶部113所取得的特徵抽出參數所表現之第1特徵相同的特徵(在第1實施形態中,係設為「第1特徵」)算出(抽出)。之後,在第1實施形態之醫用畫像處理裝置100中,移動體追蹤裝置120(更具體而言,追蹤部122),係基於所算出的第1特徵,來對於在第1畫像中所被攝影到的棒型標記M作追蹤,並將代表棒型標記M之位置的標記位置訊號SM作輸出。
並且,在第1實施形態之醫用畫像處理裝置100中,係並未藉由如同先前技術一般之使用有模版之模版匹配來進行棒型標記M之追蹤。因此,在第1實施形態之醫用畫像處理裝置100中,係有效率地進行對於棒型標記M作追蹤時的計算,而能夠對於棒型標記M之追蹤的即時性之降低作抑制。又,在第1實施形態之醫用畫像處理裝置100中,係能夠將在先前技術之模版匹配中的被推測為「會起因於存在有與棒型標記M之類似度為高之模版一事」而發生的棒型標記M之錯誤追蹤之可能性降低。
藉由此,在具備有第1實施形態之醫用畫像處理裝置100之治療系統1中,係能夠基於在病患P之體內而正被追蹤的棒型標記M之位置,來自動性地偵測出對於與病患P之呼吸或心跳等連動地而移動之病巢而照射治療束B的適當之時序。藉由此,在具備有第1實施形態之醫用畫像處理裝置100之治療系統1中,係能夠在與病患P之呼氣或吸氣相互作了同步的適當之時序處,而將治療束B安全地對於病巢作照射。
另外,在第1實施形態之醫用畫像處理裝置100中,係針對所追蹤的對象之標記係身為棒型標記M的情況來作了說明。但是,如同上述一般,在所追蹤的對象之標記之形狀中,係存在有各種的形狀。故而,第1實施形態之醫用畫像處理裝置100所追蹤的對象之標記,係並不被限定於棒型標記M。又,在第1實施形態之醫用畫像處理裝置100中,就算是所追蹤的對象之標記係為棒型標記M以外之標記,也能夠基於同樣的想法,來藉由將對於當被留置在病患P之體內時而各者之標記所能夠成為的各種方向作了模擬之模擬畫像作為學習用畫像來取得之,而同樣的進行動作(處理)。亦即是,在第1實施形態之醫用畫像處理裝置100中,就算是所追蹤的對象之標記例如係為楔型之標記或夾型之標記、乃至於球型之標記,也能夠藉由將如同在圖5中所示之放射線之照射路徑和標記(棒型標記)之間之關係之其中一例一般地來取得的模擬畫像,作為學習用畫像來進行學習,而與棒型標記M同樣地來對於各者的標記之位置作追蹤。又,由第1實施形態之醫用畫像處理裝置100所致之追蹤,係並不僅被限定於標記,例如,藉由將導管之模擬畫像作為學習用畫像來進行學習,係亦能夠對於在手術中所攝影的病患之透視畫像PI中所被拍攝到之導管之像作追蹤。
如同上述所作了說明一般,醫用畫像處理裝置100,係具備有:第1畫像取得部121,係將病患P之透視畫像PI作為第1畫像來取得;和追蹤部122,係基於在身為從複數之方向來對於被留置於病患P之體內的被攝體(標記)作觀察所得到之複數之被攝體之像的被攝體像(標記像)中而共通之第1特徵,來對於被攝影於第1畫像中之被攝體進行追蹤。
又,如同上述所作了說明一般,醫用畫像處理裝置100,係亦可更進而具備有:學習用畫像取得部111,係取得與複數之被攝體像之各者所對應之複數之學習用畫像;和學習部112,係對於在複數之學習用畫像中所包含的被攝體像之各者中所共通的第1特徵作學習。
又,如同上述所作了說明一般,係亦可構成為:學習用畫像取得部111,係取得學習用畫像,學習用畫像,係根據基於攝影第1畫像之攝像裝置(放射線源12和放射線檢測器13之組)的幾何學資訊和被攝體之3維之形狀來對於當被攝體被攝影於第1畫像中時的被攝體像作了模擬之模擬畫像而得到者。
又,如同上述所作了說明一般,係亦可構成為:學習用畫像,係身為將模擬畫像和第1畫像合成後的畫像。
又,如同上述所作了說明一般,係亦可構成為:學習用畫像,係身為將模擬畫像和以與第1畫像相同之範圍而被作了攝影的臨床畫像合成後的畫像。
又,如同上述所作了說明一般,係亦可構成為:學習用畫像,係藉由以使被攝體像之重心位置於中心處的方式而預先作了制定的範圍之正例畫像、和被攝體像之重心係為正例畫像之狀態以外的與正例畫像相同範圍之反例畫像,而構成之。
又,如同上述所作了說明一般,係亦可構成為:被攝體,係身為被留置在病患P之體內的標記(例如,棒型標記M)。
又,如同上述所作了說明一般,標記,係亦可為球型以外之形狀(例如,棒型)。
又,如同上述所作了說明一般,係亦可構成為:治療系統1,係具備有:醫用畫像處理裝置100;和治療裝置10,係具備有對於所治療之對象的部位(病巢)而照射治療束B之照射部(治療束照射門14)、和對於被攝體進行攝影之攝像裝置(放射線源12和放射線檢測器13之組);和控制部,係基於所追蹤到的前述被攝體之位置之資訊,而對於針對病巢之治療作控制。
又,醫用畫像處理裝置100,係亦可構成為,係具備有CPU或GPU等之處理器、和ROM或RAM、HDD、快閃記憶體等之記憶裝置,在記憶裝置中,係具備有用以使處理器作為第1畫像取得部121和追蹤部122而起作用之程式,第1畫像取得部121,係將病患P之透視畫像PI作為第1畫像來取得,追蹤部122,係基於在身為從複數之方向來對於被留置於病患P之體內的被攝體(標記)作觀察所得到之複數之被攝體之像的被攝體像(標記像)中而共通之第1特徵,來對於被攝影於第1畫像中之被攝體進行追蹤。
又,醫用畫像處理裝置100,係亦可構成為,係具備有CPU或GPU等之處理器、和ROM或RAM、HDD、快閃記憶體等之記憶裝置,在記憶裝置中,係具備有用以使處理器作為學習用畫像取得部111和學習部112而起作用之程式,學習用畫像取得部111,係取得與複數之被攝體像之各者所對應之複數之學習用畫像,學習部112,係對於在複數之學習用畫像中所包含的被攝體像之各者中所共通的第1特徵作學習。
(第2實施形態)
以下,針對第2實施形態作說明。另外,具備有第2實施形態之醫用畫像處理裝置的治療系統之構成,係為在圖1所示之具備有第1實施形態之醫用畫像處理裝置100的治療系統1之構成中,將醫用畫像處理裝置100替代為第2實施形態之醫用畫像處理裝置(以下,稱作「醫用畫像處理裝置200」)的構成。在以下之說明中,係將具備有醫用畫像處理裝置200之治療系統,稱作「治療系統2」。
另外,在以下之說明中,於具備有醫用畫像處理裝置200之治療系統2的構成要素中,對於與具備有第1實施形態之醫用畫像處理裝置100之治療系統1的構成要素相同之構成要素,係附加相同之元件符號,並將關連於各構成要素之詳細的說明作省略。又,在以下之說明中,係僅針對身為與第1實施形態之醫用畫像處理裝置100相異之構成要素的醫用畫像處理裝置200之構成、動作以及處理作說明。
醫用畫像處理裝置200,係與第1實施形態之醫用畫像處理裝置100相同的,基於從放射線檢測器13-1以及放射線檢測器13-2所輸出的透視畫像PI,而對於被留置於在放射線治療中而進行治療的病患P之體內的標記作追蹤。藉由此,在醫用畫像處理裝置200處,亦係與第1實施形態之醫用畫像處理裝置100相同的,能夠對於在放射線治療中而進行治療的病患P之體內的病巢作追蹤。又,醫用畫像處理裝置200,係藉由從在治療前所被攝影的病患P之透視畫像PI來對於被留置的標記之標記像作學習或者是對於被留置的標記之姿勢進行推測並作學習,來對於所學習之標記像作限定。於此,在醫用畫像處理裝置200處而對於所學習之標記像作限定的理由係在於:實際所被留置在病患P中之標記,就算是與病患P之呼吸或心跳相互連動並在體內作了移動,也可以推測到其之姿勢與被作了留置時之姿勢之間發生大幅度變化的可能性係為低之故。之後,醫用畫像處理裝置200,係與第1實施形態之醫用畫像處理裝置100相同的,基於對於被留置於病患P之體內的標記作了追蹤後之結果,來在放射線治療中而自動地偵測出對於病巢照射治療束B之時序。
以下,針對構成治療系統2之醫用畫像處理裝置200的構成作說明。圖6,係為對於第2實施形態之醫用畫像處理裝置200之概略構成作展示之區塊圖。圖6中所示之醫用畫像處理裝置200,係具備有學習裝置210和移動體追蹤裝置120。又,學習裝置210,係具備有學習用畫像取得部211、和學習部112、和參數記憶部113、和第2畫像取得部214、以及物件抽出部215。又,移動體追蹤裝置120,係具備有第1畫像取得部121、和追蹤部122。
醫用畫像處理裝置200,係為將構成第1實施形態之醫用畫像處理裝置100之學習裝置110替代為學習裝置210的構成。學習裝置210,係為在構成第1實施形態之醫用畫像處理裝置100之學習裝置110中,追加有第2畫像取得部214和物件抽出部215之構成。伴隨於此,在醫用畫像處理裝置200處,係將在構成第1實施形態之醫用畫像處理裝置100之學習裝置110處所具備的學習用畫像取得部111,替代為學習用畫像取得部211。另外,在醫用畫像處理裝置200處所具備的其他之構成要素,係身為與在第1實施形態之醫用畫像處理裝置100處所具備的構成要素相同之構成要素。故而,在以下之說明中,於醫用畫像處理裝置200之構成要素中,對於與於第1實施形態之醫用畫像處理裝置100處所具備的構成要素相同之構成要素,係附加相同之元件符號,並將關連於各構成要素之詳細的說明作省略。又,在以下之說明中,係僅針對與第1實施形態之醫用畫像處理裝置100相異之構成要素作說明。
學習裝置210,係與構成第1實施形態之醫用畫像處理裝置100之學習裝置110相同的,在進行放射線治療之前,取得在醫用畫像處理裝置200處之學習用畫像,並從所取得的學習用畫像來對於用以檢測出標記像之第1特徵作學習,並基於所學習到的第1特徵,來對於代表標記之特徵的特徵抽出參數作計算,而預先記憶在參數記憶部113中。此時,學習裝置210,係基於在治療前所被攝影的病患P之透視畫像PI,來對於用以學習第1特徵之標記像作限定。
第2畫像取得部214,係取得身為在治療前所被攝影的病患P之透視畫像PI之第2畫像。第2畫像取得部214,係將所取得的第2畫像輸出至物件抽出部215處。於此,第2畫像,係身為於使標記被留置在體內的狀態下而躺在治療台11上並作了對位後的病患P之治療前之透視畫像PI。亦即是,第2畫像,係身為在進行放射線治療之前(治療束照射門14並未照射治療束B之狀態)而放射線檢測器13因應於放射線源12所照射的放射線r而產生的透視畫像PI。另外,第2畫像取得部214,係亦可包含有用以與治療裝置10所具備的放射線檢測器13作連接之介面。
另外,第2畫像,係只要是身為於使標記被留置在體內的狀態下病患P之治療前之透視畫像PI即可。因此,第2畫像,係只要是身為在進行放射線治療時之治療計畫的階段或更之前之階段中所攝影的病患P之透視畫像PI即可。例如,係亦可將從在治療計畫時所攝影的3維之CT畫像而作成的DRR畫像,作為第2畫像而取得之。又,在放射線治療中,由於通常係涵蓋複數次地來進行治療,因此,例如,係亦可將在對於病患P之相同之病巢所進行了的以前之放射線治療中所攝影的第1畫像,作為第2畫像來取得之。又,在由利用有標記之追蹤的呼吸同步照射方法所致之放射線治療中,係亦會有作為為了與病患P之呼吸相互同步地來照射治療束B的預先練習(演練),而攝影數次的呼吸之量之第1畫像的情形。於此情況,係亦可將此預先練習(演練)時所攝影的第1畫像,作為第2畫像而取得之。又,當在開始放射線治療之前,於治療系統2處而在使病患P躺在治療台11上的狀態下來進行CT攝影的情況時,係亦可將從此時所攝影的3維之CT畫像而作成的DRR畫像,作為第2畫像而取得之。
物件抽出部215,係從第2畫像取得部214而取得第2畫像,並將在所取得的第2畫像內作為被攝體像而被包含的標記像抽出。物件抽出部215,係將包含有所抽出的標記像之預先所制定之一部分之區域(部分區域)的畫像、或者是根據所抽出的包含有標記像之部分區域之畫像而對於標記之姿勢作了推測後的結果之資訊(畫像),對於學習用畫像取得部211作輸出。於此,在物件抽出部215處之標記之抽出,係可藉由與在構成第1實施形態之醫用畫像處理裝置100之學習裝置110處所具備的學習部112和在移動體追蹤裝置120所具備的追蹤部122處所具備之辨識器相同的處理,來進行之。但是,物件抽出部215之在標記像之抽出中所使用的第2畫像,係身為在開始治療之前所被攝影的包含有被留置在病患P之體內的標記之畫像。故而,在第1實施形態中,係作為用以讓醫用畫像處理裝置100即時性地對於任意之姿勢之標記作追蹤的構成,而具備有移動體追蹤裝置120,但是,於在物件抽出部215處之標記之抽出中,係並未要求有即時性。因此,物件抽出部215,係亦可將從第2畫像之標記之抽出,例如藉由既存之模版匹配來進行之。於此情況,物件抽出部215,係亦可將藉由模版匹配所抽出的模版之畫像,作為包含有標記像之部分區域之畫像來對於學習用畫像取得部211作輸出。又,物件抽出部215,係亦可將與藉由模版匹配所抽出的模版之畫像所表現的標記之姿勢相對應之姿勢參數,作為標記之姿勢之推測結果之資訊來對於學習用畫像取得部211作輸出。
另外,物件抽出部215,在將切出了以使從第2畫像所切出之標記之重心會位置於畫像之中心處的方式而預先制定的大小(範圍)之部分區域之畫像,作為包含有標記像之部分區域之正例畫像,來對於學習用畫像取得部211作輸出的情況時,係亦可將標記像並未位置於畫像之中心之特定之範圍內的部份區域之畫像,作為反例畫像來對於學習用畫像取得部211作輸出。
學習用畫像取得部211,係與在構成第1實施形態之醫用畫像處理裝置100之學習裝置110處所具備的學習用畫像取得部111相同地,取得在醫用畫像處理裝置200處之學習用畫像,並將所取得的學習用畫像對於學習部112作輸出。又,學習用畫像取得部211,係取得從物件抽出部215所輸出的包含有標記像之部分區域之畫像(亦可為模版之畫像)。於此情況,學習用畫像取得部211,係替代在構成第1實施形態之醫用畫像處理裝置100之學習裝置110處所具備的學習用畫像取得部111處之模擬畫像,而將從物件抽出部215所輸出的包含有標記像之部分區域之畫像與臨床畫像作合成,並將藉此所得到的學習用畫像(正例畫像以及反例畫像)對於學習部112作輸出。又,學習用畫像取得部211,當物件抽出部215係將根據包含有標記像之部分區域的畫像來對於標記之姿勢作了推測後的結果之資訊作輸出的情況時,係取得從物件抽出部215所輸出的標記之姿勢之推測結果之資訊(姿勢參數)。於此情況,學習用畫像取得部211,係將「與從物件抽出部215所輸出的標記之姿勢之推測結果之資訊(姿勢參數)相對應的模擬畫像」和臨床畫像作合成,並將藉此所得到的學習用畫像(正例畫像以及反例畫像)對於學習部112作輸出。
另外,當物件抽出部215係將包含有標記像之部分區域的正例畫像作輸出的情況時,學習用畫像取得部211,係取得所對應之反例畫像,並將從物件抽出部215所輸出的正例畫像和所取得的反例畫像作為學習用畫像而對於學習部112作輸出。又,當物件抽出部215係將正例畫像和反例畫像作為包含有標記像之部分區域的畫像而作輸出的情況時,學習用畫像取得部211,係將由從物件抽出部215所輸出的正例畫像和反例畫像所成之學習用畫像,對於學習部112作輸出。
另外,在學習用畫像取得部211處之取得從物件抽出部215所輸出的包含有標記像之部分區域之畫像和標記之姿勢之推測結果之資訊並將學習用畫像對於學習部112作輸出的功能,係可為對於構成第1實施形態之醫用畫像處理裝置100之學習裝置110所具備的學習用畫像取得部111之功能而追加之功能,亦可為替代學習用畫像取得部111的功能之功能。
藉由此種構成,在醫用畫像處理裝置200處,係基於實際所被留置在病患P中之標記的姿勢之與病患P之呼吸或心跳相互連動並發生大幅度變化的可能性係為低之想法,而對於所學習之標記像作限定。更具體而言,在醫用畫像處理裝置200處,係從在治療前所被攝影的病患P之透視畫像PI來將被留置的標記之標記像抽出,或者是推測出被留置的標記之姿勢。又,在醫用畫像處理裝置200處,係基於抽出之標記像或者是所推測出之標記像之姿勢、亦即是基於與作了限定的標記像相對應之學習用畫像,來與第1實施形態之醫用畫像處理裝置100同樣的,而對於標記像之共通的第1特徵作學習。藉由此,在醫用畫像處理裝置200處,相對於進行與任意之姿勢的標記相對應之學習的第1實施形態之醫用畫像處理裝置100,係能夠對於所學習之標記像作限定。又,在醫用畫像處理裝置200處,亦係與第1實施形態之醫用畫像處理裝置100相同的,基於所學習到的標記之特徵,來對於在身為於治療中所被攝影的病患P之透視畫像PI之第1畫像中所被攝影到的標記作追蹤,並將代表正在追蹤的標記之位置之標記位置訊號SM作輸出。並且,在醫用畫像處理裝置200處,由於係將進行追蹤之對象的標記限定於位於現在的病患P之體內的標記,因此係能夠使對於標記進行追蹤時的精確度提升。藉由此,在醫用畫像處理裝置200處,亦係與第1實施形態之醫用畫像處理裝置100相同的,能夠自動地偵測出對於病患P之體內之病巢照射治療束B之時序。藉由此,在具備有醫用畫像處理裝置200之治療系統2中,亦係與具備有第1實施形態之醫用畫像處理裝置100之治療系統1相同的,能夠在適當的時序處而對於病患P之體內之病巢照射治療束B。
於此,針對構成治療系統2之醫用畫像處理裝置200的動作之概略作說明。於此,係針對構成醫用畫像處理裝置200之學習裝置210的動作之概略作說明。圖7A以及圖7B,係為對於構成第2實施形態之醫用畫像處理裝置200之學習裝置210的動作之流程作展示之流程圖的其中一例。在圖7A中,係對於當學習裝置210取得與從第2畫像所抽出之標記像相對應的學習用畫像的情況時之動作之流程的其中一例作展示。又,在圖7B中,係對於當學習裝置210取得與根據從第2畫像所抽出之標記像而推測出的標記之姿勢相對應的學習用畫像的情況時之動作之流程的其中一例作展示。在醫用畫像處理裝置200所具備的學習裝置210處,係進行圖7A中所示之動作以及圖7B中所示之動作的其中一者之動作,或者是進行雙方之動作,而取得學習用畫像。另外,在圖7所示之對於學習裝置210之動作的流程作展示之流程圖之其中一例中,關於在取得了學習用畫像之後所進行之與第1實施形態之醫用畫像處理裝置100所具備之學習裝置110相同的第1特徵之學習以及特徵抽出參數之對於參數記憶部113之記憶的動作之流程,係作省略。
首先,使用圖7A,對於學習裝置210取得與從第2畫像所抽出之標記像相對應的學習用畫像之動作作說明。若是學習裝置210開始動作,則第2畫像取得部214,首先係取得第2畫像(步驟S210)。接著,物件抽出部215,係將在從第2畫像取得部214所輸出之第2畫像內所包含的標記像抽出(步驟S211)。接著,學習用畫像取得部211,係取得與從物件抽出部215所輸出的包含有標記像之部分區域之畫像(亦可為模版之畫像)相對應的學習用畫像(步驟S212)。之後,學習裝置210,係與在圖3中所示之對於第1實施形態之醫用畫像處理裝置100所具備的學習裝置110之動作的流程作展示之流程圖之其中一例的各個步驟相同地,進行學習用畫像(正例畫像以及反例畫像)之取得、和在所抽出的標記M之標記像處而為共通的第1特徵之學習以及特徵抽出參數之計算,並將所計算出的特徵抽出參數輸出並記憶在參數記憶部113中。
接著,使用圖7B,對於學習裝置210取得與根據從第2畫像所抽出之標記像而推測出的標記之姿勢相對應的學習用畫像之動作作說明。若是學習裝置210開始動作,則第2畫像取得部214,首先係取得第2畫像(步驟S220)。接著,物件抽出部215,係將在從第2畫像取得部214所輸出之第2畫像內所包含的標記像抽出,並根據包含有所抽出的標記像之部分區域之畫像(亦可為模版之畫像),來推測出標記之姿勢(步驟S221)。接著,學習用畫像取得部211,係取得與從物件抽出部215所輸出的標記之姿勢之推測結果之資訊(姿勢參數)相對應的學習用畫像(步驟S222)。之後,學習裝置210,係與在圖3中所示之對於第1實施形態之醫用畫像處理裝置100所具備的學習裝置110之動作的流程作展示之流程圖之其中一例的各個步驟相同地,進行學習用畫像(正例畫像以及反例畫像)之取得、和在所抽出的標記M之標記像處而為共通的第1特徵之學習以及特徵抽出參數之計算,並將所計算出的特徵抽出參數輸出並記憶在參數記憶部113中。
接著,針對構成治療系統2之醫用畫像處理裝置200所具備的學習裝置210的動作之詳細內容作說明。首先,針對在構成醫用畫像處理裝置200之學習裝置210處所具備的物件抽出部215之於圖7中所示之對於學習裝置210之動作之流程作展示的流程圖之其中一例之步驟S211或步驟S221中,將在第2畫像內所包含的標記像作抽出之方法,來進行說明。另外,由物件抽出部215所致之從第2畫像之標記像之抽出,由於係作為取得學習用畫像之前置階段而進行,因此,如同上述一般,係並未被要求有即時性。
當第2畫像係身為在治療計畫時所攝影的3維之CT畫像的情況時,由於標記之視覺辨認性係為高,因此,利用治療系統2之放射線治療之實施者(醫師等)係能夠一面以目視來進行確認一面指定標記像。於此情況,物件抽出部215,係能夠容易地將由治療系統2之利用者所指定的CT畫像內之標記像,作為在第2畫像內所包含的標記像而抽出。之後,物件抽出部215,係能夠將包含有從CT畫像所抽出的標記像之預先所制定之一部分之區域(部分區域)切出,並作為包含有標記像之部分區域之畫像而輸出。又,於此情況,物件抽出部215,係能夠容易地基於由治療系統2之利用者所指定的CT畫像內之標記像之資訊,來推測出標記之姿勢。另外,由於CT畫像係為3維之畫像,因此,物件抽出部215,係亦可基於所被指定的CT畫像內之標記像之資訊,來將根據CT畫像所作成的2維之DRR畫像內之包含有標記像之一部分之區域切出,並作為包含有標記像之部分區域之畫像而輸出。
又,當第2畫像係身為透視畫像PI的情況時,係能夠藉由與構成第1實施形態之醫用畫像處理裝置100之學習裝置110和在構成移動體追蹤裝置120之追蹤部122處所具備之辨識器相同的處理,來特定出標記之位置。於此情況,物件抽出部215,係能夠基於所特定出的標記之位置之資訊,來將在第2畫像內所包含的標記像抽出。又,於此情況,物件抽出部215,係能夠基於在所特定出的標記之位置處而出現的標記像,來推測出標記之姿勢。
又,如同上述一般,物件抽出部215,係能夠藉由模版匹配,來特定出在第2畫像內所包含的標記之位置。於此情況,物件抽出部215,係能夠基於藉由模版匹配所特定出的標記之位置之資訊,來將在第2畫像內所包含的標記像抽出。又,於此情況,物件抽出部215,係能夠容易地基於由治療系統2之利用者所指定的CT畫像內之標記像之資訊,來推測出標記之姿勢。又,於此情況,物件抽出部215,係能夠基於在特定出標記時所使用的模版,來推測出標記之姿勢。
於此,針對在構成醫用畫像處理裝置200之學習裝置210處所具備的物件抽出部215之於圖7B中所示之對於學習裝置210之動作之流程作展示的流程圖之其中一例之步驟S221中,根據所抽出的標記像來推測出標記之姿勢的方法,來進行說明。於此,係針對當物件抽出部215藉由模版匹配而將在第2畫像內所包含的標記像抽出的情況時之標記之姿勢之推測方法,來進行說明。另外,在以下之說明中,係將被留置在病患P之體內的標記設為球型標記以外之標記,並作為其中一例,而針對對於棒型標記M之姿勢作推測的情況作說明。
圖8,係為在構成第2實施形態之醫用畫像處理裝置200之學習裝置210中所抽出的標記之畫像(棒型標記M之標記像)的其中一例之圖。另外,圖8中所示之棒型標記M之標記像,係亦身為在構成第1實施形態之醫用畫像處理裝置100之學習裝置110處所具備的學習用畫像取得部111所取得之假想性地作成的模擬畫像。又,在圖8中所示之棒型標記M之標記像,係亦可作為在物件抽出部215藉由模版匹配來抽出棒型標記M之標記像時所使用的模版之畫像來作利用。在圖8中,係對於能夠藉由在治療系統2處所具備之2個的攝像裝置之各者來同時從2方向進行攝影之棒型標記M之標記像之組作展示。在圖8中,各者之列之上段之標記像和下段之標記像,係成為在棒型標記M之各別的姿勢中之1個的組。
於圖8中所示之各個的棒型標記M之標記像,由於係身為一面依序改變代表棒型標記M之姿勢的姿勢參數一面作成者,因此,棒型標記M之標記像和棒型標記M之姿勢參數係相互對應。故而,在物件抽出部215處,係能夠將圖8中所示之各個的棒型標記M之標記像之組作為模版,並對於各個的模版之組和在各個的第2畫像中所被攝影到的棒型標記M之標記像之間之類似度作計算。於此,在物件抽出部215處的類似度之計算中,係可利用正規化相互相關或相互資訊量等。而,在物件抽出部215處,係能夠藉由特定出與類似度會成為最大的模版相對應之姿勢參數,來推測出在第2畫像中所被攝影到的棒型標記M之姿勢。
如此這般,物件抽出部215,係從在治療前所被攝影的病患P之透視畫像PI,來抽出被留置的棒型標記M之標記像,並將包含有所抽出的棒型標記M之標記像之部分區域的畫像、或者是根據所抽出的包含有標記像之部分區域之畫像而對於標記之姿勢作了推測後的結果之資訊(畫像),對於學習用畫像取得部211作輸出。之後,在醫用畫像處理裝置200處,學習裝置210,亦係與第1實施形態之醫用畫像處理裝置100所具備的學習裝置110相同的,進行學習用畫像(正例畫像以及反例畫像)之取得、和棒型標記M之標記像之共通的第1特徵之學習以及特徵抽出參數之計算,並將所計算出的特徵抽出參數預先記憶在參數記憶部113中。又,在醫用畫像處理裝置200處,亦同樣的,移動體追蹤裝置120,係進行治療中第1畫像內之棒型標記M之位置的預測、基於特徵抽出參數所代表的第1特徵而進行之棒型標記M之預測位置之似然度l(x)之計算、以及在治療中第1畫像內所包含的棒型標記M之位置xm
之計算。之後,在醫用畫像處理裝置200處,亦同樣的,移動體追蹤裝置120,係將代表所計算出的棒型標記M之位置xm
之標記位置訊號SM作輸出。
如同上述一般,在第2實施形態之醫用畫像處理裝置200處,學習裝置210(更具體而言,物件抽出部215),係基於實際被留置在病患P中的標記之姿勢的與病患P之呼吸或心跳等相互連動並發生大幅度變化的可能性係為低之想法,來從在治療前所被攝影的病患P之透視畫像PI而將被留置的棒型標記M之標記像抽出,或者是推測出被留置的棒型標記M之姿勢。藉由此,在第2實施形態之醫用畫像處理裝置200處,係能夠對於所學習之棒型標記M之標記像作限定。又,在第2實施形態之醫用畫像處理裝置200處,學習裝置210(更具體而言,學習用畫像取得部211),係基於抽出之標記像或者是所推測出之標記像之姿勢、亦即是基於與作了限定的棒型標記M之標記像相對應之學習用畫像,來對於被留置在病患P之體內的姿勢被作了限定之棒型標記M之標記像之共通的第1特徵作學習。之後,在第2實施形態之醫用畫像處理裝置200處,亦係與第1實施形態之醫用畫像處理裝置100相同的,基於藉由學習所得到的第1特徵,來對於代表棒型標記M之方向之特徵的特徵抽出參數作計算,而預先記憶在參數記憶部113中。又,在醫用畫像處理裝置200處,亦係與第1實施形態之醫用畫像處理裝置100相同的,移動體追蹤裝置120,係對於在治療中所被攝影的病患P之第1畫像(透視畫像PI)中所被攝影到的棒型標記M作追蹤,並將代表棒型標記M之位置之標記位置訊號SM作輸出。
藉由此,在第2實施形態之醫用畫像處理裝置200處,亦係與第1實施形態之醫用畫像處理裝置100相同的,能夠有效率地進行對於棒型標記M作追蹤時的計算,而能夠對於棒型標記M之追蹤的即時性之降低作抑制。又,在第2實施形態之醫用畫像處理裝置200處,亦係與第1實施形態之醫用畫像處理裝置100相同的,能夠將在先前技術之模版匹配中的被推測為「會起因於存在有與棒型標記M之類似度為高之模版一事」而發生的棒型標記M之錯誤追蹤之可能性降低。
藉由此,在具備有第2實施形態之醫用畫像處理裝置200之治療系統2中,亦係與具備有第1實施形態之醫用畫像處理裝置100之治療系統1相同的,能夠在與病患P之呼氣或吸氣相互作了同步的適當的時序處而安全地對於病巢照射治療束B。
並且,在第2實施形態之醫用畫像處理裝置200處,由於係將進行追蹤之對象的棒型標記M限定於位於現在的病患P之體內的某一姿勢之標記,因此係能夠使對於棒型標記M進行追蹤時的精確度提升。
另外,在第2實施形態之醫用畫像處理裝置200處,雖係針對所追蹤的對象之標記係身為棒型標記M的情況來作了說明,但是,係與第1實施形態之醫用畫像處理裝置100相同的,所追蹤的對象之標記係並不被限定於棒型標記M。
如同上述所作了說明一般,醫用畫像處理裝置200,係更進而具備有:第2畫像取得部214,係將在與第1畫像相異之時刻處所攝影了的透視畫像PI,作為第2畫像來取得;和物件抽出部215,係將在第2畫像中所被攝影的被攝體像(標記像)抽出,學習用畫像取得部211,係取得與在第2畫像中所被攝影的被攝體之姿勢相對應之學習用畫像。
又,如同上述所作了說明一般,係亦可構成為:學習用畫像,係身為將從第2畫像所抽出之被攝體像和以與第2畫像相同之範圍而被作了攝影的臨床畫像合成後的畫像。
(第3實施形態)
以下,針對第3實施形態作說明。另外,具備有第3實施形態之醫用畫像處理裝置的治療系統之構成,係為在圖1所示之具備有第1實施形態之醫用畫像處理裝置100的治療系統1之構成中,將醫用畫像處理裝置100替代為第3實施形態之醫用畫像處理裝置(以下,稱作「醫用畫像處理裝置300」)的構成。在以下之說明中,係將具備有醫用畫像處理裝置300之治療系統,稱作「治療系統3」。
另外,在以下之說明中,於具備有醫用畫像處理裝置300之治療系統3的構成要素中,對於與具備有第1實施形態之醫用畫像處理裝置100之治療系統1的構成要素相同之構成要素,係附加相同之元件符號,並將關連於各構成要素之詳細的說明作省略。又,在以下之說明中,係僅針對身為與第1實施形態之醫用畫像處理裝置100相異之構成要素的醫用畫像處理裝置300之構成、動作以及處理作說明。
醫用畫像處理裝置300,係與第1實施形態之醫用畫像處理裝置100相同的,基於從放射線檢測器13-1以及放射線檢測器13-2所輸出的透視畫像PI,而對於被留置於在放射線治療中而進行治療的病患P之體內的標記作追蹤。藉由此,在醫用畫像處理裝置300處,亦係與第1實施形態之醫用畫像處理裝置100相同的,能夠對於在放射線治療中而進行治療的病患P之體內的病巢作追蹤。之後,醫用畫像處理裝置300,係與第1實施形態之醫用畫像處理裝置100相同的,基於對於被留置於病患P之體內的標記作了追蹤後之結果,來在放射線治療中而自動地偵測出對於病巢照射治療束B之時序。又,醫用畫像處理裝置300,係藉由對於對被留置在病患P之體內的標記進行追蹤的模樣作顯示,來成為能夠使利用治療系統3之放射線治療之實施者(醫師等)進行監視。又,醫用畫像處理裝置300,係藉由亦對於根據正在追蹤之標記之位置所推測到的病巢之位置等作顯示,來成為能夠使利用治療系統3之放射線治療之實施者(醫師等)對於是否正常地進行有治療一事作確認。
以下,針對構成治療系統3之醫用畫像處理裝置300的構成作說明。圖9,係為對於第3實施形態之醫用畫像處理裝置300之概略構成作展示之區塊圖。圖9中所示之醫用畫像處理裝置300,係具備有學習裝置110、和移動體追蹤裝置320、以及顯示部330。又,學習裝置110,係具備有學習用畫像取得部111、和學習部112、以及參數記憶部113。又,移動體追蹤裝置320,係具備有第1畫像取得部321、和追蹤部122。
醫用畫像處理裝置300,係為在第1實施形態之醫用畫像處理裝置100中追加有顯示部330的構成。伴隨於此,在醫用畫像處理裝置300處,係將構成第1實施形態之醫用畫像處理裝置100之移動體追蹤裝置120,替代為移動體追蹤裝置320。又,在移動體追蹤裝置320處,係將在構成第1實施形態之醫用畫像處理裝置100之移動體追蹤裝置120處所具備的第1畫像取得部121,替代為第1畫像取得部321。另外,在醫用畫像處理裝置300處所具備的其他之構成要素,係身為與在第1實施形態之醫用畫像處理裝置100處所具備的構成要素相同之構成要素。故而,在以下之說明中,於醫用畫像處理裝置300之構成要素中,對於與於第1實施形態之醫用畫像處理裝置100處所具備的構成要素相同之構成要素,係附加相同之元件符號,並將關連於各構成要素之詳細的說明作省略。又,在以下之說明中,係僅針對與第1實施形態之醫用畫像處理裝置100相異之構成要素作說明。
移動體追蹤裝置320,係與構成第1實施形態之醫用畫像處理裝置100之移動體追蹤裝置120相同的,當正在進行放射線治療時,係取得身為在醫用畫像處理裝置300處而被攝影到所追蹤之標記的病患P之透視畫像PI之第1畫像,並基於學習裝置110所學習到的標記之第1特徵,來對於在第1畫像中所被攝影到的標記作追蹤。又,移動體追蹤裝置320,係與構成第1實施形態之醫用畫像處理裝置100之移動體追蹤裝置120相同的,將代表正在追蹤的標記之位置之標記位置訊號SM作輸出。進而,移動體追蹤裝置320,係將所取得的第1畫像和標記位置訊號SM,亦對於顯示部330作輸出。
另外,移動體追蹤裝置320,係亦可設為將代表正在追蹤的標記之第1畫像內之範圍的資訊,與標記位置訊號SM一同地對於顯示部330作輸出之構成。
第1畫像取得部321,係與在構成第1實施形態之醫用畫像處理裝置100之移動體追蹤裝置120處所具備的第1畫像取得部121相同地,取得身為在治療中所被攝影的病患P之透視畫像PI的第1畫像,並將所取得的第1畫像對於追蹤部122作輸出。又,第1畫像取得部321,係將所取得的第1畫像亦對於顯示部330作輸出。
另外,第1畫像取得部321之動作,係除了將所取得的第1畫像亦對於顯示部330作輸出以外,為與在構成第1實施形態之醫用畫像處理裝置100之移動體追蹤裝置120處所具備的第1畫像取得部121之動作相同。又,具備有第1畫像取得部321之醫用畫像處理裝置300之動作,亦係能夠與移動體追蹤裝置120之動作相同地來作考慮。亦即是,具備有第1畫像取得部321之醫用畫像處理裝置300之動作,除了在圖4所示之對於移動體追蹤裝置120之動作之流程作了展示的流程圖之其中一例之步驟S101處,為將所取得的第1畫像亦對於顯示部330作輸出以外,其他之動作係為相同。故而,係將關連於移動體追蹤裝置320之動作的詳細之說明省略。
顯示部330,例如,係身為具備有液晶顯示器(LCD:Liquid Crystal Display)等之顯示裝置的顯示使用者介面。顯示部300,係取得從移動體追蹤裝置320所輸出的第1畫像和標記位置訊號SM。之後,顯示部330,係基於所取得的標記位置訊號SM,來對於在所取得之第1畫像內而對於被留置在病患P之體內的標記作追蹤之模樣以及從正在追蹤之標記之位置所推測到的病巢之位置等的資訊作展示。更具體而言,顯示部330,係顯示用以將標記位置訊號SM所展現的正在追蹤之標記之位置之資訊重疊顯示於第1畫像內的畫像。又,顯示部330,係基於標記位置訊號SM所展現的正在追蹤之標記之位置之資訊,來推測出在第1畫像內所被攝影到的病巢之位置,並顯示用以將所推測出的病巢之位置之資訊重疊顯示於第1畫像內的畫像。
另外,移動體追蹤裝置320,當身為將代表正在追蹤的標記之第1畫像內之範圍的資訊與標記位置訊號SM一同地作輸出之構成的情況時,顯示部330,係亦可顯示用以將代表正在追蹤的標記之第1畫像內之範圍的資訊亦與標記位置之資訊一同地來顯示於第1畫像內之畫像。
於此,針對顯示部330基於標記位置訊號SM來推測出在第1畫像內所被攝影到的病巢之位置之方法作說明。於此,係針對在標記位置訊號SM所展現的正在追蹤之標記之位置係身為由在構成第1實施形態之醫用畫像處理裝置100之移動體追蹤裝置120處所具備的追蹤部122而計算出之棒型標記M之位置xm
的情況時,使顯示部330基於此棒型標記M之位置xm
來推測出病巢之位置的方法作說明。
顯示部330,係藉由下式(5),而計算出病巢之位置y。
在上式(5)中,A係為2行×2列之矩陣。又,在上式(5)中,T係為1行×2列之向量。另外,矩陣A以及向量T,係為藉由在治療之前所得到之1個以上的棒型標記M之位置和病巢之位置,來藉由線性回歸而求取出來,並由利用治療系統3之放射線治療之實施者(醫師等)預先設定於顯示部330處者。於此,所謂用以求取出矩陣A以及向量T之棒型標記M之位置和病巢之位置,例如,係能夠利用對於在治療計畫時所攝影的CT畫像而輸入(設定)之病巢之範圍(區域)和標記之範圍(區域),而求取出來。另外,CT畫像,由於係為3維之畫像,因此,係能夠根據在從CT畫像來作成DRR畫像時所投影的病巢之範圍(區域)之重心和標記之範圍(區域)之重心,來藉由回歸而預先求取出棒型標記M之位置與病巢之位置之間的關係。
如此這般,顯示部330,係基於從移動體追蹤裝置320所輸出之標記位置訊號SM所展現的正在追蹤之標記之位置之資訊,來推測出在從移動體追蹤裝置320所輸出之第1畫像內所被攝影到的病巢之位置。之後,顯示部330,係將所推測出之病巢之位置之資訊,重疊顯示於第1畫像內。
於此,針對顯示部330對於被留置在病患P之體內的棒型標記M作追蹤之模樣以及從正在追蹤之棒型標記M之位置所推測到的病巢之位置等的資訊作顯示之其中一例作說明。圖10,係為對於在第3實施形態之醫用畫像處理裝置300處所具備的顯示部330所顯示之資訊作展示之圖。在圖10中,係對於顯示有醫用畫像處理裝置300對於被留置在病患P之體內的棒型標記M作追蹤之模樣以及從正在追蹤之棒型標記M之位置所推測到的病巢之位置等的資訊之顯示部330之顯示畫面的其中一例作展示。
在圖10中,在顯示畫面D之上段處,係顯示有在治療裝置10處所具備之攝像裝置之各者所攝影的第1畫像中而醫用畫像處理裝置300對於被留置在病患P之體內的棒型標記M進行追蹤之模樣。更具體而言,於在圖10所示之顯示畫面D之上段之左側處所顯示的由藉由放射線源12-1與放射線檢測器13-1之組所構成的攝像裝置(以下,稱作「攝像裝置-1」)而攝影之第1畫像TI-1中,係顯示有棒型標記M、和對於棒型標記M進行追蹤之追蹤範圍Ta-1。又,於在圖10所示之顯示畫面D之上段之右側處所顯示的由藉由放射線源12-2與放射線檢測器13-2之組所構成的攝像裝置(以下,稱作「攝像裝置-2」)而攝影之第1畫像TI-2中,係顯示有棒型標記M、和對於棒型標記M進行追蹤之追蹤範圍Ta-2。
又,在圖10中,在顯示畫面D之下段處,係顯示有在治療裝置10處所具備之攝像裝置之各者所攝影的第1畫像中而醫用畫像處理裝置300根據正在追蹤之棒型標記M之位置所推測到的病巢之位置、和照射治療束B的位置之資訊。更具體而言,於在圖10所示之顯示畫面D之下段之左側處所顯示的攝像裝置-1所攝影之第1畫像LI-1中,係顯示有根據棒型標記M之位置所推測到的病巢F之位置、和對於病巢F而照射治療束B的照射位置Rp-1。又,於在圖10所示之顯示畫面D之下段之右側處所顯示的攝像裝置-2所攝影之第1畫像LI-2中,係顯示有根據棒型標記M之位置所推測到的病巢F之位置、和對於病巢F而照射治療束B的照射位置Rp-2。
利用治療系統3之放射線治療之實施者(醫師等),係能夠藉由如同圖10中所示之顯示部330之顯示畫面D之其中一例一般的顯示,來對於對被留置在病患P之體內的棒型標記M作追蹤之模樣進行監視,並能夠確認是否對於根據正在追蹤之棒型標記M之位置所推測到的病巢F而正常地進行有治療。
如同上述一般,在第3實施形態之醫用畫像處理裝置300處,亦係與第1實施形態之醫用畫像處理裝置100相同的,使學習裝置110,基於學習用畫像來對於被留置在病患P之體內的棒型標記M之標記像之共通的第1特徵作學習,並基於藉由學習所得到的第1特徵,來計算出用以對於棒型標記M作追蹤之特徵抽出參數,並預先記憶在參數記憶部113中。又,在第3實施形態之醫用畫像處理裝置300處,亦係與第1實施形態之醫用畫像處理裝置100相同的,移動體追蹤裝置320,係對於在治療中所被攝影的病患P之第1畫像(透視畫像PI)中所被攝影到的棒型標記M作追蹤,並將代表棒型標記M之位置之標記位置訊號SM作輸出。
藉由此,在第3實施形態之醫用畫像處理裝置300處,亦係與第1實施形態之醫用畫像處理裝置100相同的,能夠有效率地進行對於棒型標記M作追蹤時的計算,而能夠對於棒型標記M之追蹤的即時性之降低作抑制。又,在第3實施形態之醫用畫像處理裝置300處,亦係與第1實施形態之醫用畫像處理裝置100相同的,能夠將在先前技術之模版匹配中的被推測為「會起因於存在有與棒型標記M之類似度為高之模版一事」而發生的棒型標記M之錯誤追蹤之可能性降低。
藉由此,在具備有第3實施形態之醫用畫像處理裝置300之治療系統3中,亦係與具備有第1實施形態之醫用畫像處理裝置100之治療系統1相同的,能夠在與病患P之呼氣或吸氣相互作了同步的適當的時序處而安全地對於病巢照射治療束B。
又,在第3實施形態之醫用畫像處理裝置300處,顯示部330,係基於從移動體追蹤裝置320所輸出之標記位置訊號SM,來對於在從移動體追蹤裝置320所輸出之第1畫像內而對於被留置在病患P之體內的棒型標記M作追蹤之模樣以及從正在追蹤之棒型標記M之位置所推測到的病巢之位置等的資訊作展示。藉由此,在具備有第3實施形態之醫用畫像處理裝置300之治療系統3處,利用治療系統3之放射線治療之實施者(醫師等),係能夠對於對被留置在病患P之體內的棒型標記M進行追蹤的模樣作監視。又,在具備有第3實施形態之醫用畫像處理裝置300之治療系統3處,係構成為能夠使利用治療系統3之放射線治療之實施者(醫師等)確認是否對於根據正在追蹤之標記之位置所推測到的病巢而正常地進行有治療。
另外,在第3實施形態之醫用畫像處理裝置300處,雖係針對所追蹤的對象之標記係身為棒型標記M的情況來作了說明,但是,係與第1實施形態之醫用畫像處理裝置100相同的,所追蹤的對象之標記係並不被限定於棒型標記M。
另外,在第3實施形態之醫用畫像處理裝置300處,係於圖9中所示之醫用畫像處理裝置300之構成中,針對顯示部330係取得從移動體追蹤裝置320所輸出之第1畫像和標記位置訊號SM,並根據正基於標記位置訊號SM而作追蹤的棒型標記M之位置來推測出病巢F之位置,並且重疊顯示於第1畫像內的情況,而作了說明。但是,根據正在追蹤之棒型標記M之位置來對於病巢F之位置作推測的構成要素,係並不被限定於顯示部330,例如,係亦可設為使在移動體追蹤裝置320處所具備的追蹤部122根據正在追蹤之棒型標記M之位置來推測出病巢F之位置,並將所推測到的病巢F之位置和大小等之資訊對於顯示部330作輸出之構成。
另外,在第3實施形態之醫用畫像處理裝置300,係於圖9中所示之醫用畫像處理裝置300之構成中,針對顯示部330乃身為在醫用畫像處理裝置300處所具備之構成要素的情況來作了說明。但是,顯示部330,係並不被限定於乃身為在醫用畫像處理裝置300處所具備的構成要素之構成。例如,係亦可設為在醫用畫像處理裝置300之外部而具備有顯示部330之構成。又,例如,係亦可採用下述之構成:亦即是,在具備有第3實施形態之醫用畫像處理裝置300的治療系統3處,使治療裝置10具備有顯示部330之功能、亦即是具備有將基於從構成醫用畫像處理裝置300之移動體追蹤裝置320所輸出之第1畫像和標記位置訊號SM而得到的資訊或畫像作顯示之功能。
如同上述所說明一般,醫用畫像處理裝置300,係更進而具備有:顯示部330,係顯示所追蹤到的被攝體之位置之資訊。
又,如同上述所說明一般,在醫用畫像處理裝置300處,係亦可構成為:顯示部330,係顯示第1畫像,並將在第1畫像內所追蹤到的被攝體之位置之資訊,重疊顯示於正被顯示之第1畫像內。
又,如同上述所說明一般,在醫用畫像處理裝置300處,係亦可構成為:顯示部330,係將所治療之對象的部位(病巢)之位置之資訊,重疊顯示於正被顯示之第1畫像內。
(第4實施形態)
以下,針對第4實施形態作說明。另外,具備有第4實施形態之醫用畫像處理裝置的治療系統之構成,係為在圖1所示之具備有第1實施形態之醫用畫像處理裝置100的治療系統1之構成中,將醫用畫像處理裝置100替代為第4實施形態之醫用畫像處理裝置(以下,稱作「醫用畫像處理裝置400」)的構成。在以下之說明中,係將具備有醫用畫像處理裝置400之治療系統,稱作「治療系統4」。
另外,在以下之說明中,於具備有醫用畫像處理裝置400之治療系統4的構成要素中,對於與具備有第1實施形態之醫用畫像處理裝置100之治療系統1的構成要素相同之構成要素,係附加相同之元件符號,並將關連於各構成要素之詳細的說明作省略。又,在以下之說明中,係僅針對身為與第1實施形態之醫用畫像處理裝置100相異之構成要素的醫用畫像處理裝置400之構成、動作以及處理作說明。
醫用畫像處理裝置400,係與第1實施形態之醫用畫像處理裝置100相同的,基於從放射線檢測器13-1以及放射線檢測器13-2所輸出的透視畫像PI,而對於被留置於在放射線治療中而進行治療的病患P之體內的標記作追蹤。藉由此,在醫用畫像處理裝置400處,亦係與第1實施形態之醫用畫像處理裝置100相同的,能夠對於在放射線治療中而進行治療的病患P之體內的病巢作追蹤。另外,在醫用畫像處理裝置400處,係除了與第1實施形態之醫用畫像處理裝置100相同的基於學習用畫像所進行之學習以外,亦進行由使用有與被留置在病患P之體內的標記之姿勢相對應的模版之模版匹配所致的標記之追蹤。但是,若是使用與標記所能夠成為之所有的姿勢相對應之模版來進行模版匹配,則會有導致標記之追蹤的即時性之降低的可能性。因此,在醫用畫像處理裝置400處,在藉由模版匹配來對於標記作追蹤的情況時,係對於在模版匹配中所使用的模版作限定。藉由此,在醫用畫像處理裝置400處,係能夠更為穩健(robust)地進行標記之追蹤。之後,醫用畫像處理裝置400,係與第1實施形態之醫用畫像處理裝置100相同的,基於對於被留置於病患P之體內的標記作了追蹤後之結果,來在放射線治療中而自動地偵測出對於病巢照射治療束B之時序。
以下,針對構成治療系統4之醫用畫像處理裝置400的構成作說明。圖11,係為對於第4實施形態之醫用畫像處理裝置400之概略構成作展示之區塊圖。圖11中所示之醫用畫像處理裝置400,係具備有學習裝置110和移動體追蹤裝置420。又,學習裝置110,係具備有學習用畫像取得部111、和學習部112、以及參數記憶部113。又,移動體追蹤裝置420,係具備有追蹤部422、和模版取得部423、和姿勢檢測部424、以及模版選擇部425。
醫用畫像處理裝置400,係為將構成第1實施形態之醫用畫像處理裝置100之移動體追蹤裝置120替代為移動體追蹤裝置420的構成。移動體追蹤裝置420,係為在構成第1實施形態之醫用畫像處理裝置100之移動體追蹤裝置120中,追加有模版取得部423和姿勢檢測部424以及模版選擇部425之構成。伴隨於此,在醫用畫像處理裝置400處,係將構成第1實施形態之醫用畫像處理裝置100之移動體追蹤裝置120所具備的追蹤部122,替代為追蹤部422。另外,在醫用畫像處理裝置400處所具備的其他之構成要素,係身為與在第1實施形態之醫用畫像處理裝置100處所具備的構成要素相同之構成要素。故而,在以下之說明中,於醫用畫像處理裝置400之構成要素中,對於與於第1實施形態之醫用畫像處理裝置100處所具備的構成要素相同之構成要素,係附加相同之元件符號,並將關連於各構成要素之詳細的說明作省略。又,在以下之說明中,係僅針對與第1實施形態之醫用畫像處理裝置100相異之構成要素作說明。
移動體追蹤裝置420,係與構成第1實施形態之醫用畫像處理裝置100之移動體追蹤裝置120相同的,當正在進行放射線治療時,係取得身為在醫用畫像處理裝置300處而被攝影到所追蹤之標記的病患P之透視畫像PI之第1畫像,並基於學習裝置110所學習到的標記之第1特徵,來對於在第1畫像中所被攝影到的標記作追蹤。進而,移動體追蹤裝置420,係亦藉由模版匹配而對於標記作追蹤。又,移動體追蹤裝置420,係與構成第1實施形態之醫用畫像處理裝置100之移動體追蹤裝置120相同的,將代表正在追蹤的標記之位置之標記位置訊號SM作輸出。
模版取得部423,係取得被留置於病患P之體內的標記為被攝影於透視畫像PI內之標記像之模版。模版取得部423,係將所取得的模版,對於姿勢檢測部424和模版選擇部425作輸出。於此,模版,係為與被留置於病患P之體內的標記所能夠成為之所有之姿勢相對應的複數之模版。各個的模版,係與由在構成第1實施形態之醫用畫像處理裝置100之學習裝置110處所具備的學習用畫像取得部111所致之正例畫像之取得方法相同的,一面將標記之姿勢參數變更為各種之值,一面假想性地產生。此時,姿勢參數,係亦可基於與當在第2實施形態之醫用畫像處理裝置200處而對於所學習的標記像作限定時之想法相同的想法,來對於為了產生模版所變更之值作限定。
姿勢檢測部424,係從模版取得部423而取得複數之模版。又,姿勢檢測部424,係從追蹤部422而取得正在追蹤的標記之位置之資訊。之後,姿勢檢測部424,係基於所取得的標記之位置之資訊,來推測出標記之姿勢。另外,姿勢檢測部424之對於標記之姿勢作推測的方法,係與在構成第2實施形態之醫用畫像處理裝置200之學習裝置210處所具備的物件抽出部215之對於標記之姿勢作推測的方法相同。姿勢檢測部424,係將所推測到的標記之姿勢之資訊,對於模版選擇部425作輸出。
模版選擇部425,係從模版取得部423而取得複數之模版。又,模版選擇部425,係取得從姿勢檢測部424所輸出的標記之姿勢之資訊。之後,模版選擇部425,係基於所取得的標記之姿勢之資訊,來從所取得的複數之模版之中,選擇出與正在追蹤之標記之姿勢相對應的模版。另外,模版選擇部425所選擇之模版,係並不被限定於與正在追蹤之標記之姿勢相對應的模版,亦即是係並不被限定於1組之模版。正在追蹤之標記,係與病患P之呼吸或心跳等相互連動並在體內移動。因此,模版選擇部425,係亦可構成為:亦對於標記之移動作考慮,而將與正在追蹤之標記之姿勢相對應的模版之姿勢參數作為中心值,並一併選擇使姿勢參數之值作了微少的變動之複數組之模版。於此情況,亦同樣的,相較於與標記所能夠成為之所有的姿勢相對應之模版的數量,由於所選擇之模版之數量係變少,因此,係能夠對於由模版匹配所導致的標記之追蹤之穩健性的必要以上之降低作抑制。模版選擇部425,係將所選擇的模版,對於追蹤部422作輸出。
追蹤部422,係與在構成第1實施形態之醫用畫像處理裝置100之移動體追蹤裝置120處所具備的追蹤部122相同地,對於在從第1畫像取得部121所輸出的第1畫像中而被攝影到的標記作追蹤。追蹤部422,在進行標記之追蹤時,當並未從模版選擇部425而輸出有模版的情況時,係與在構成第1實施形態之醫用畫像處理裝置100之移動體追蹤裝置120處所具備的追蹤部122相同地,基於被記憶在學習裝置110所具備的參數記憶部113中之特徵抽出參數,來對於在第1畫像中而被攝影到的標記作追蹤。另一方面,追蹤部422,在進行標記之追蹤時,當從模版選擇部425而輸出有模版的情況時,係藉由使用有被輸出的模版之模版匹配,來對於在第1畫像中而被攝影到的標記作追蹤。之後,追蹤部422,係將代表正在追蹤的標記之位置之標記位置訊號SM作輸出。又,追蹤部422,係將正在追蹤的標記之位置之資訊對於姿勢檢測部424作輸出。
藉由此種構成,在醫用畫像處理裝置400處,係基於所學習到的標記之第1特徵,或者是基於所選擇的模版,來對於位於現在的病患P之體內的標記作追蹤,並將代表正在追蹤的標記之位置之標記位置訊號SM作輸出。藉由此,在醫用畫像處理裝置400處,亦係與第1實施形態之醫用畫像處理裝置100相同的,能夠自動地偵測出對於病患P之體內之病巢照射治療束B之時序。藉由此,在具備有醫用畫像處理裝置400之治療系統4中,亦係與具備有第1實施形態之醫用畫像處理裝置100之治療系統1相同的,能夠在適當的時序處而對於病患P之體內之病巢照射治療束B。並且,在醫用畫像處理裝置400處,由於係將在藉由模版匹配來對於標記進行追蹤時所使用的模版,基於位於現在之病患P之體內的進行追蹤之對象之標記的姿勢來作限定,因此,就算是在藉由模版匹配來對於標記作追蹤的情況時,亦能夠相較於由先前技術之模版匹配所致之標記之追蹤而將穩健性更加提高。
於此,針對構成治療系統4之醫用畫像處理裝置400的動作之概略作說明。於此,係針對構成醫用畫像處理裝置400之移動體追蹤裝置420的動作之概略作說明。圖12A以及圖12B,係為對於構成第4實施形態之醫用畫像處理裝置400之移動體追蹤裝置420的動作之流程作展示之流程圖的其中一例。在圖12A中,係對於當移動體追蹤裝置420對於在最初所取得的第1畫像中所被攝影到之標記進行追蹤的情況時之動作之流程的其中一例作展示。圖12A中所示之對於移動體追蹤裝置420之動作之流程作展示的流程圖之其中一例,係針對「對於在最初所取得的第1畫像中所被攝影到之標記,而與構成第1實施形態之醫用畫像處理裝置100之移動體追蹤裝置120相同的,基於所學習到的標記之特徵來進行追蹤,並進而基於所追蹤到的標記之位置之資訊,來選擇與標記之姿勢相對應的模版」之動作的流程之其中一例作展示。又,在圖12B中,係對於當移動體追蹤裝置420對於在下一次之後所取得的第1畫像中所被攝影到之標記進行追蹤的情況時之動作之流程的其中一例作展示。在圖12B中所示之對於移動體追蹤裝置420之動作之流程作展示的流程圖之其中一例,係針對「對於在下一次之後所取得的第1畫像中所被攝影到之標記,而藉由使用有所選擇的模版之模版匹配來進行追蹤」之動作之流程的其中一例作展示。另外,在圖12所示之對於移動體追蹤裝置420之動作之流程作展示的流程圖之其中一例中,係包含有與構成第1實施形態之醫用畫像處理裝置100之移動體追蹤裝置120相同的動作(處理)。故而,在以下之說明中,在對於移動體追蹤裝置420之動作之流程作展示的流程圖之其中一例中,針對與構成第1實施形態之醫用畫像處理裝置100之移動體追蹤裝置120相同的動作(處理),例附加相同之步驟編號,並以相異之動作(處理)作為重點來進行說明。
首先,使用圖12A,針對移動體追蹤裝置420對於在最初所取得的第1畫像中所被攝影到之標記進行追蹤之動作作說明。若是移動體追蹤裝置420開始動作,則第1畫像取得部121,首先係取得最初之第1畫像(步驟S103)。接著,追蹤部422,係對於從第1畫像取得部121所輸出之最初之第1畫像內的標記之位置作預測(步驟S104)。接著,追蹤部422,係取得被記憶在參數記憶部113中之特徵抽出參數,並基於所取得的特徵抽出參數所表現之第1特徵,來對於所預測的標記之位置的似然度作計算(步驟S105)。接著,追蹤部422,係基於所計算出的似然度,來對於在最初之第1畫像中所包含之標記之位置作計算(步驟S106)。之後,追蹤部422,係將所計算出的代表被包含於最初之第1畫像中之正在追蹤的標記之位置之標記位置訊號SM作輸出。又,追蹤部422,係將正在追蹤的標記之位置之資訊對於姿勢檢測部424作輸出。接著,姿勢檢測部424,係基於從追蹤部422所輸出的正在追蹤之標記之位置之資訊,來推測出標記之姿勢(步驟S410)。又,追蹤部422,係將所推測到的標記之姿勢之資訊,對於模版選擇部425作輸出。接著,模版選擇部425,係基於從姿勢檢測部424所輸出的標記之姿勢之資訊,來選擇與所推測到的(最初所正在追蹤之)標記之姿勢相對應的模版。之後,模版選擇部425,係將所選擇的模版,對於追蹤部422作輸出。
接著,使用圖12B,針對移動體追蹤裝置420對於在下一次之後所取得的第1畫像中所被攝影到之標記進行追蹤之動作作說明。若是移動體追蹤裝置420開始動作,則第1畫像取得部121,首先係取得下一次之後之第1畫像(步驟S103)。接著,追蹤部422,係對於從第1畫像取得部121所輸出之下一次之後之第1畫像內的標記之位置作預測(步驟S104)。接著,追蹤部422,係藉由使用有從模版選擇部425所輸出的模版之模版匹配,來對於所預測的標記之位置之似然度作計算(步驟S420)。接著,追蹤部422,係基於所計算出的似然度,來對於在下一次之後之第1畫像中所包含之標記之位置作計算(步驟S106)。之後,追蹤部422,係將所計算出的代表被包含於下一次之後之第1畫像中之正在追蹤的標記之位置之標記位置訊號SM作輸出。又,追蹤部422,係將正在追蹤的標記之位置之資訊對於姿勢檢測部424作輸出。接著,姿勢檢測部424,係基於從追蹤部422所輸出的正在追蹤之標記之位置之資訊,來推測出標記之姿勢(步驟S410)。又,追蹤部422,係將所推測到的標記之姿勢之資訊,對於模版選擇部425作輸出。接著,模版選擇部425,係基於從姿勢檢測部424所輸出的標記之姿勢之資訊,來選擇與所推測到的(下一次之後所正在追蹤之)標記之姿勢相對應的模版。之後,模版選擇部425,係將所選擇的模版,對於追蹤部422作輸出。
在移動體追蹤裝置420處,係藉由將圖12A中所示之基於所學習到的標記之特徵而進行了追蹤的標記之位置和圖12B中所示之藉由模版匹配而進行了追蹤的標記之位置作統合,而實現有在移動體追蹤裝置420處之穩健性為高之標記之追蹤。
於此,針對使在移動體追蹤裝置420處所具備的追蹤部422藉由使用有藉由模版選擇部425所選擇的模版之模版匹配來對於在第1畫像中而被攝影到的標記作追蹤的方法作說明。追蹤部422,在圖12B所示之對於移動體追蹤裝置420之動作之流程作展示的流程圖之其中一例之步驟S420處,係與在構成第1實施形態之醫用畫像處理裝置100之移動體追蹤裝置120處所具備的追蹤部122相同地,而對於所預測的標記之位置之似然度作計算。另外,在以下之說明中,係將被留置在病患P之體內的標記設為球型標記以外之標記,並作為其中一例,而針對身為棒型標記M的情況作說明。
於此,追蹤部422所計算之所謂似然度,係為代表「在追蹤部422所預測到的於下一次之後所取得之第1畫像(亦即是治療中第1畫像)內之棒型標記M之位置處所被攝影到之像」和「模版」之間之類似性之值。另外,在類似度之計算中,係可利用正規化相互相關或相互資訊量等。除此之外,亦可將分離度作為類似度。
以下,參考圖13,針對分離度之計算方法作說明。圖13,係為對於在構成第4實施形態之醫用畫像處理裝置400之移動體追蹤裝置420中而使用於標記之追蹤中的模版之其中一例作展示之圖。在圖13所示之模版之其中一例中,係分類為棒型標記M所存在之第1區域A1、和第1區域A1以外之第2區域(亦即是,並不存在棒型標記M之區域)A2。在分離度之計算中,當在第1畫像中係存在有與模版相同之區域的情況時,在第1畫像中所包含的像素值之直方圖,係被分類至隸屬於第1區域A1之像素值之直方圖和隸屬於第2區域A2之像素值之直方圖的各者處。此係因為,當被攝影於第1畫像中之棒型標記M之標記像係與第1區域A1重疊的情況時,隸屬於第1區域A1之像素值之直方圖,其之暗的像素的像素值之頻率係變高,而隸屬於第2區域A2之像素值之直方圖則為量的像素之像素值之頻率會變高之故。在分離度之計算中,係使用費雪(Fisher)之判別基準,來將上述一般之像素值之直方圖的分離性作數值化。又,在分離度之計算中,係計算出「隸屬於各者的區域內之像素之像素值之分散的平均(類別內分散)」和「各者的區域間之像素值之分散(類別間分散)」之比,並將此比作為分離度。如此這般,係能夠使用模版來對於所預測的標記之位置之似然度作計算。之後,在追蹤部422處,係藉由使用「所計算出的所預測之標記之位置之似然度」和「藉由在追蹤部422處所具備之辨識器而求取出的似然度」之積來進行追蹤,而能夠進行穩健的追蹤。
如同上述一般,在第4實施形態之醫用畫像處理裝置400處,亦同樣的,係使學習裝置110,在進行放射線治療之前,取得在醫用畫像處理裝置400處之學習用畫像,並從所取得的學習用畫像來對於用以檢測出標記像之第1特徵作學習,並基於所學習到的第1特徵,來對於代表標記之特徵的特徵抽出參數作計算,而預先記憶在參數記憶部113中。又,在第4實施形態之醫用畫像處理裝置400處,於移動體追蹤裝置420處所具備的模版取得部423,係取得被留置於病患P之體內的棒型標記M為被攝影於透視畫像PI(第1畫像)內之標記像之模版。之後,在第4實施形態之醫用畫像處理裝置400處,係基於特徵抽出參數所代表的第1特徵,來對於在最初所取得的第1畫像中所被攝影到之棒型標記M作追蹤,並基於所追蹤到的棒型標記M之位置之資訊,來推測出棒型標記M之姿勢,並選擇與棒型標記M之姿勢相對應的模版。又,在第4實施形態之醫用畫像處理裝置400處,係藉由使用有所選擇的模版之模版匹配,來對於在下一次之後所取得的第1畫像中所被攝影到之棒型標記M作追蹤,並同樣地推測出棒型標記M之姿勢,並選擇與棒型標記M之姿勢相對應的模版。之後,同樣的,在第4實施形態之醫用畫像處理裝置400處,係藉由使用有所選擇的模版之模版匹配,來對於在所取得的第1畫像中所被攝影到之棒型標記M作追蹤,並同樣地推測出棒型標記M之姿勢,並選擇與棒型標記M之姿勢相對應的模版,並對於棒型標記M作追蹤。又,在第4實施形態之醫用畫像處理裝置400處,亦係與第1實施形態之醫用畫像處理裝置100相同的,移動體追蹤裝置420,係將代表所追蹤到的棒型標記M之位置之標記位置訊號SM作輸出。
藉由此,在第4實施形態之醫用畫像處理裝置400處,亦係與第1實施形態之醫用畫像處理裝置100相同的,能夠有效率地進行對於棒型標記M作追蹤時的計算,而能夠對於棒型標記M之追蹤的即時性之降低作抑制。又,在第4實施形態之醫用畫像處理裝置400處,雖係藉由模版匹配來對於棒型標記M作追蹤,但是,係一面將在模版匹配中所使用的模版基於位於現在之病患P之體內的進行追蹤之對象之棒型標記M的姿勢來作限定,一面對於棒型標記M作追蹤。藉由此,在第4實施形態之醫用畫像處理裝置400處,係能夠將在藉由模版匹配來對於棒型標記M作追蹤的情況時之穩健性提高。藉由此,在第4實施形態之醫用畫像處理裝置400處,亦係與第1實施形態之醫用畫像處理裝置100相同的,能夠將在先前技術之模版匹配中的被推測為「會起因於存在有與棒型標記M之類似度為高之模版一事」而發生的棒型標記M之錯誤追蹤之可能性降低。
藉由此,在具備有第4實施形態之醫用畫像處理裝置400之治療系統4中,亦係與具備有第1實施形態之醫用畫像處理裝置100之治療系統1相同的,能夠在與病患P之呼氣或吸氣相互作了同步的適當的時序處而安全地對於病巢照射治療束B。
另外,在第4實施形態之醫用畫像處理裝置400處,雖係針對所追蹤的對象之標記係身為棒型標記M的情況來作了說明,但是,係與第1實施形態之醫用畫像處理裝置100相同的,所追蹤的對象之標記係並不被限定於棒型標記M。
如同上述所說明一般,醫用畫像處理裝置400,係更進而具備有:模版取得部423,係取得被攝體像之模版;和姿勢檢測部424,係基於追蹤部422所追蹤到的被攝體之位置之資訊,來檢測出被攝體之姿勢;和模版選擇部425,係選擇與被攝體之姿勢相對應的模版,追蹤部422,當藉由模版選擇部425而模版被作了選擇時,係使用被選擇的模版來對被攝體進行追蹤。
(第5實施形態)
以下,針對第5實施形態作說明。另外,具備有第5實施形態之醫用畫像處理裝置的治療系統之構成,係為在圖1所示之具備有第1實施形態之醫用畫像處理裝置100的治療系統1之構成中,將醫用畫像處理裝置100替代為第5實施形態之醫用畫像處理裝置(以下,稱作「醫用畫像處理裝置500」)的構成。在以下之說明中,係將具備有醫用畫像處理裝置500之治療系統,稱作「治療系統5」。
另外,在以下之說明中,於具備有醫用畫像處理裝置500之治療系統5的構成要素中,對於與具備有第1實施形態之醫用畫像處理裝置100之治療系統1的構成要素相同之構成要素,係附加相同之元件符號,並將關連於各構成要素之詳細的說明作省略。又,在以下之說明中,係僅針對身為與第1實施形態之醫用畫像處理裝置100相異之構成要素的醫用畫像處理裝置500之構成、動作以及處理作說明。
醫用畫像處理裝置500,係與第1實施形態之醫用畫像處理裝置100相同的,基於從放射線檢測器13-1以及放射線檢測器13-2所輸出的透視畫像PI,而對於被留置於在放射線治療中而進行治療的病患P之體內的標記作追蹤。藉由此,在醫用畫像處理裝置500處,亦係與第1實施形態之醫用畫像處理裝置100相同的,能夠對於在放射線治療中而進行治療的病患P之體內的病巢作追蹤。之後,醫用畫像處理裝置500,係與第1實施形態之醫用畫像處理裝置100相同的,基於對於被留置於病患P之體內的標記作了追蹤後之結果,來在放射線治療中而自動地偵測出對於病巢照射治療束B之時序。之後,醫用畫像處理裝置500,係基於對於被留置於病患P之體內的標記作了追蹤後之結果,來對於由在治療裝置10處所具備的治療束照射門14所致之治療束B之照射和由放射線源12所致之放射線r之照射作控制。
以下,針對構成治療系統5之醫用畫像處理裝置500的構成作說明。圖14,係為對於第5實施形態之醫用畫像處理裝置500之概略構成作展示之區塊圖。圖14中所示之醫用畫像處理裝置500,係具備有學習裝置110、和移動體追蹤裝置120、以及控制部540。又,學習裝置110,係具備有學習用畫像取得部111、和學習部112、以及參數記憶部113。又,移動體追蹤裝置120,係具備有第1畫像取得部121、和追蹤部122。
醫用畫像處理裝置500,係為在第1實施形態之醫用畫像處理裝置100中追加有控制部540的構成。另外,在醫用畫像處理裝置500處所具備的其他之構成要素,係身為與在第1實施形態之醫用畫像處理裝置100處所具備的構成要素相同之構成要素。故而,在以下之說明中,於醫用畫像處理裝置500之構成要素中,對於與於第1實施形態之醫用畫像處理裝置100處所具備的構成要素相同之構成要素,係附加相同之元件符號,並將關連於各構成要素之詳細的說明作省略。又,在以下之說明中,係僅針對與第1實施形態之醫用畫像處理裝置100相異之構成要素作說明。
在構成醫用畫像處理裝置500之移動體追蹤裝置120處所具備之追蹤部122,係將代表正在追蹤的標記之位置之標記位置訊號SM,對於控制部540作輸出。
控制部540,係基於從在移動體追蹤裝置120處所具備之追蹤部122所輸出之標記位置訊號SM,而對於在具備有醫用畫像處理裝置500之治療系統5處的放射線治療作控制。更具體而言,控制部540,係基於從追蹤部122所輸出之標記位置訊號SM所展現的正在追蹤之標記之位置之資訊,而判定正在追蹤之標記之位置是否為位於進行放射線治療之特定之範圍(區域)內,並輸出對於在治療系統5處的放射線治療作控制之控制訊號。亦即是,控制部540,係輸出用以以「當病患P之體內之病巢的位置係位於進行放射線治療之特定之範圍(區域)內的情況時,係進行在治療系統5處之放射線治療,當病患P之體內之病巢的位置並未位於進行放射線治療之特定之範圍(區域)內的情況時,並不進行在治療系統5處之放射線治療」的方式來進行控制之控制訊號。在以下之說明中,係將「將治療束B照射至病巢處之位置以及特定之範圍(區域)」,稱作「閘門窗」。
閘門窗,係身為在治療計畫之階段等的於進行放射線治療之前所被設定之將治療束B作照射之位置或範圍(區域)。閘門窗,係基於在「於治療計畫時所攝影了的CT畫像」中所被指定的標記之位置,來作決定。在治療計畫中,係基於存在有在進行實際之治療時之發生的可能性之誤差,來預先設定有餘裕(margin)。因此,作為閘門窗,係以CT畫像內之標記之位置作為中心,而被設定有對於該中心之位置而附加有餘裕的3維之區域。又,閘門窗,係亦可作為「將對於CT畫像所設定了的範圍(區域),投影至根據CT畫像所作成的DRR畫像或第1畫像處之範圍(區域)」,來設定之。又,閘門窗,係亦可附加有對於正要開始治療前的病患P之狀態有所考慮所設定了的餘裕地,來設定之。藉由對於上述一般之事態作考慮並設定閘門窗,係能夠避免像是對於病患P而照射不適當的治療束B或者是不必要之放射線r一般的事態,亦即是能夠避免所謂的輻射曝露。
於此,針對在進行放射線治療之前所進行的治療計畫作說明。在治療計畫中,係對於對病患P作照射的治療束B(放射線)之能量、照射方向、照射範圍之形狀、以及當分成複數次來照射治療束B的情況時之劑量之分配等作決定。更具體而言,首先,治療計畫之建立者(醫師等),係針對在治療計畫之階段中所攝影的CT畫像,而指定腫瘍(病巢)之區域和正常的組織之區域之間之邊界、腫瘍和位於其周邊之重要之臟器之間之邊界等。之後,在治療計畫中,係將根據關連於所指定的腫瘍之資訊而算出的從病患P之身體表面起直到腫瘍之位置為止的深度、和腫瘍之大小,來決定所照射的治療束B之方向(路徑)和強度等。此時,被留置於病患P之體內的標記之位置亦係被作指定(輸入)。
上述之腫瘍之區域和正常的組織之區域之間之邊界的指定,係相當於對於腫瘍之位置以及體積作指定。此腫瘍之體積,係亦被稱作肉眼性腫瘍體積(Gross Tumor Volume:GTV)、臨床性目標體積(Clinical Target Volume:CTV)、內部目標體積(Internal Target Volume:ITV)、計畫目標體積(Planning Target Volume:PTV)等。GTV,係為能夠從畫像而以肉眼所確認到的腫瘍之體積,並身為在放射線治療中而需要照射充分之劑量的治療束B之體積。CTV,係為包含有GTV和應治療之潛在性之腫瘍的體積。ITV,係為對於CTV會起因於所預測到之生理性的病患P之動作等而有所移動一事作考慮,而對於CTV附加有預先所制定之餘裕(margin)之體積。PTV,係為對於在進行治療時所進行的病患P之對位中的誤差有所考慮,而對於ITV附加有餘裕之體積。在此些之體積中,下式(6)之關係係成立。
因此,在治療計畫之階段中,係亦追加有對於在實際之治療中有可能會產生的誤差有所考慮的餘裕地,來決定對於病患P照射治療束B之位置以及範圍(區域)。此時所考慮的所謂在實際之治療中有可能會產生的誤差,例如,係存在有像是在為了將病患P之體內的病巢或骨頭之位置與治療計畫時之位置相互對合而進行的病患P之定位時所可能化產生的病患P之位置之偏移等。
在控制部540處之放射線治療之控制中,例如,係對於由在治療裝置10處所具備的治療束照射門14所致之治療束B之照射和由放射線源12以及放射線檢測器13所致之透視畫像PI之攝影作控制。更具體而言,控制部540,當從追蹤部122所輸出之標記位置訊號SM所展現的正在追蹤之標記之位置(亦即是病患P之體內之病巢之位置)係位於在放射線治療中對於病巢而照射治療束B之閘門窗內的情況時,係對於治療束照射門14而輸出以使其照射治療束B的方式來作控制之控制訊號。又,控制部540,當標記位置訊號SM所展現的正在追蹤之標記之位置係並非位於閘門窗內但是係位於能夠取得透視畫像PI之範圍(區域)內的情況時,係輸出以使放射線源12照射放射線r並在放射線檢測器13處檢測出通過病患P之體內而到達了的放射線r以產生病患P之體內之透視畫像PI(第1畫像)的方式來作控制之控制訊號。
又,控制部540,當標記位置訊號SM所展現的正在追蹤之標記之位置係位於像是從通常所取得的軌跡而大幅度偏離等之異常之範圍內的情況時,係輸出以使由治療束照射門14所致之治療束B之照射停止的方式來作控制之控制訊號。此時,控制部540,係亦可輸出以將由放射線源12所致之放射線r之照射和由放射線檢測器13所致之透視畫像PI之產生停止、亦即是以將透視畫像PI(第1畫像)之攝影停止的方式來作控制之控制訊號。藉由如此這般地來進行控制,係能夠避免對於病患P而照射不適當的治療束B或者是不必要之放射線r的情形。
另外,作為像是會成為正在追蹤之標記之位置為移動至異常之範圍處一般的非預期之事態的重要因素,係可考慮有像是病患P之咳嗽或者是當病患P睡眠的期間中之無呼吸症候群之發生等。可以想見,由此種因素所導致的非預期之事態,係並不需要長時間地而被解除,亦即是,病患P之咳嗽或噴涕等會停止,並成為能夠再度開始放射線治療之安定的狀態。因此,控制部540,當正在追蹤之標記之位置係位於異常之範圍內的情況時,係亦可並非為立即停止透視畫像PI(第1畫像)之攝影,而是在預先所制定之時間的期間中,將透視畫像PI(第1畫像)之攝影間隔拉長,並且當在此之後正在追蹤之標記之位置亦係位於異常之範圍內的情況時,才停止透視畫像PI(第1畫像)之攝影。
藉由此種構成以及動作,醫用畫像處理裝置500,係與第1實施形態之醫用畫像處理裝置100相同的,基於所學習到的標記之特徵,來對於位於現在的病患P之體內的標記作追蹤,並將代表正在追蹤的標記之位置之標記位置訊號SM作輸出。之後,醫用畫像處理裝置500,係基於標記位置訊號SM所展現的正在追蹤之標記之位置,來自動地偵測出對於病患P之體內之病巢照射治療束B之時序和在治療中而攝影病患P之體內之透視畫像PI(第1畫像)之時序,並進而自動地偵測出非預期之事態。之後,在醫用畫像處理裝置500處,係基於所偵測到的結果,而使控制部540,對於由在治療裝置10處所具備的治療束照射門14所致之治療束B之照射和由放射線源12所致之放射線r之照射作控制。藉由此,在具備有醫用畫像處理裝置500之治療系統5中,亦係與具備有第1實施形態之醫用畫像處理裝置100之治療系統1相同的,能夠在適當的時序處而對於病患P之體內之病巢照射治療束B。又,在醫用畫像處理裝置500處,控制部540,當檢測出病患P之非預期之事態的情況時,係以停止對於病患P之治療束B和放射線r之照射的方式而作控制。藉由此,在具備有醫用畫像處理裝置500之治療系統5處,係能夠更為安全地進行放射線治療。
如同上述一般,在第5實施形態之醫用畫像處理裝置500處,亦係與第1實施形態之醫用畫像處理裝置100相同的,使學習裝置110,基於學習用畫像來對於被留置在病患P之體內的標記之標記像之共通的第1特徵作學習,並基於藉由學習所得到的第1特徵,來計算出用以對於標記作追蹤之特徵抽出參數,並預先記憶在參數記憶部113中。又,在第5實施形態之醫用畫像處理裝置500處,亦係與第1實施形態之醫用畫像處理裝置100相同的,移動體追蹤裝置120,係對於在治療中所被攝影的病患P之第1畫像(透視畫像PI)中所被攝影到的標記作追蹤,並將代表標記之位置之標記位置訊號SM作輸出。
藉由此,在第5實施形態之醫用畫像處理裝置500處,亦係與第1實施形態之醫用畫像處理裝置100相同的,能夠有效率地進行對於標記作追蹤時的計算,而能夠對於標記之追蹤的即時性之降低作抑制。又,在第5實施形態之醫用畫像處理裝置500處,亦係與第1實施形態之醫用畫像處理裝置100相同的,能夠將在先前技術之模版匹配中的被推測為「會起因於存在有與標記之類似度為高之模版一事」而發生的標記之錯誤追蹤之可能性降低。
藉由此,在具備有第5實施形態之醫用畫像處理裝置500之治療系統5中,亦係與具備有第1實施形態之醫用畫像處理裝置100之治療系統1相同的,能夠在與病患P之呼氣或吸氣相互作了同步的適當的時序處而安全地對於病巢照射治療束B。
又,在第5實施形態之醫用畫像處理裝置500處,控制部540,係基於標記位置訊號SM,來對於在治療裝置10處之治療束B和放射線r之照射或停止作控制。藉由此,在具備有第5實施形態之醫用畫像處理裝置500之治療系統5處,係能夠因應於對於對被留置在治療中之病患P之體內的標記之位置進行追蹤之狀況,來安全地進行放射線治療。亦即是,在具備有第5實施形態之醫用畫像處理裝置500之治療系統5中,係能夠將對於病患P之正常之組織的不適當之治療束B之照射和不必要的放射線r之照射的可能性降低。
另外,在第5實施形態之醫用畫像處理裝置500處,係於圖14中所示之醫用畫像處理裝置500之構成中,針對控制部540乃身為在醫用畫像處理裝置500處所具備之構成要素的情況來作了說明。但是,控制部540,係並不被限定於乃身為在醫用畫像處理裝置500處所具備的構成要素之構成。例如,係亦可採用下述之構成:亦即是,在具備有第5實施形態之醫用畫像處理裝置500的治療系統5處,使治療裝置10具備有控制部540之功能、亦即是具備有將基於在從構成醫用畫像處理裝置500之移動體追蹤裝置120處所具備的追蹤部122而輸出之標記位置訊號SM來對於在治療系統5處之放射線治療作控制(對於治療束B和放射線r之照射作控制)之功能。
如同上述所作了說明一般,醫用畫像處理裝置500,係更進而具備有:控制部540,係基於追蹤部122所追蹤到的被攝體之位置之資訊,而對於針對所治療之對象的部位(病巢)之治療作控制。
又,如同上述所作了說明一般,控制部540,係亦可基於追蹤部122所追蹤到的被攝體之位置之資訊,而對於被攝體之攝影作控制。
如同上述一般,在各實施形態之醫用畫像處理裝置中,係將對於在治療前而被留置於病患之體內時的標記所能夠成為之所有之方向作了模擬的模擬畫像,作為學習用畫像,並對於標記所共通之特徵作學習,並基於藉由學習所得到的特徵,來對於代表標記之方向之特徵的特徵抽出參數作計算,而預先記憶在參數記憶部中。又,在各實施形態之醫用畫像處理裝置處,係基於特徵抽出參數所表現的標記之方向之特徵,來對於在治療中所被攝影的病患之透視畫像PI中之被攝影到的標記作追蹤,並將代表被留置於病患之體內的標記之位置之標記位置訊號SM作輸出。藉由此,在各實施形態之醫用畫像處理裝置處,係能夠有效率地進行對於標記作追蹤時的計算,而能夠對於標記之追蹤的即時性之降低作抑制,並能夠使標記之錯誤追蹤的可能性降低。藉由此,在具備有各實施形態之醫用畫像處理裝置之治療系統中,係能夠基於正在追蹤的標記之位置,來自動性地偵測出對於與病患之呼吸或心跳等連動地而移動之病巢而照射治療束的適當之時序。又,在具備有各實施形態之醫用畫像處理裝置之治療系統中,係能夠在與病患之呼氣或吸氣相互作了同步的適當之時序處,而安全地進行將治療束對於病巢作照射之放射線治療。
另外,在第2實施形態~第5實施形態中,係針對對於第1實施形態之醫用畫像處理裝置100而追加了在各個實施形態中所成為特徵的構成要素之構成,來作了說明。但是,在各個實施形態中所成為特徵的構成要素,係並不被限定於在醫用畫像處理裝置處而排他性地所具備的構成。亦即是,在各個實施形態中所成為特徵的構成要素,係亦可在醫用畫像處理裝置處而被同時具備之。例如,係亦可構成同時具備有在第3實施形態之醫用畫像處理裝置300處所具備之顯示部330和在第5實施形態之醫用畫像處理裝置500所具備之控制部540的醫用畫像處理裝置。於此情況,在醫用畫像處理裝置處所具備的其他之構成要素,係藉由適宜作變更而實現與各個的構成要素相對應之功能。
又,在各實施形態中,係對於醫用畫像處理裝置和治療裝置10之各者乃身為相互獨立個體之裝置的構成,來作了說明。但是,醫用畫像處理裝置和治療裝置10,係並不被限定於乃身為相互獨立個體之裝置的構成,而亦可為使醫用畫像處理裝置和治療裝置10成為一體化之構成。
於在上述實施形態中所作了說明的治療系統處而被使用之醫用畫像處理程式,係身為用以使電腦作為具備有下述構成之醫用畫像處理裝置而起作用的醫用畫像處理程式:第1畫像取得部,係將病患之透視畫像PI作為第1畫像來取得;和追蹤部,係基於在身為從複數之方向來對於被留置於前述病患之體內的被攝體作觀察所得到之複數之前述被攝體之像的被攝體像中而共通之第1特徵,來對於被攝影於前述第1畫像中之前述被攝體進行追蹤。
若依據在以上所說明之至少1個的實施形態,則藉由具備有:第1畫像取得部(121),係將病患P之透視畫像PI作為第1畫像來取得;和追蹤部(122),係基於在身為從複數之方向來對於被留置於病患P之體內的被攝體(標記)作觀察所得到之複數之被攝體之像的被攝體像(標記像)中而共通之第1特徵,來對於被攝影於第1畫像中之被攝體進行追蹤,係能夠根據在放射線治療中而正被照射放射線之病患的透視畫像PI,來自動地對於預先留置在病患之體內的標記作追蹤。
另外,例如,係亦可將用以實現由在圖2中所示之包含有學習用畫像取得部111、學習部112以及參數記憶部113之學習裝置110和包含有第1畫像取得部121以及追蹤部122之移動體追蹤裝置120等的構成醫用畫像處理裝置之各構成要素所致之功能的程式,記錄在電腦可讀取之記錄媒體中,並將被記錄在此記錄媒體中之程式讀入至電腦系統中且實行,而藉由此來實現關連於上述之各實施形態之治療系統的上述之各種之功能。另外,於此之所謂「電腦系統」,係亦可為包含OS和周邊機器等之硬體者。又,「電腦系統」,若是身為對於WWW系統有所利用的情況,則係指亦包含有具備網頁提供環境(或者是顯示環境)者。又,所謂「電腦可讀取之記錄媒體」,係指軟碟、光磁碟、ROM、快閃記憶體等之可寫入之非揮發性記憶體、CD-ROM等之可攜式媒體,內藏於電腦系統中之硬碟等的記憶裝置。
進而,所謂「電腦可讀取之記錄媒體」,係亦包含有當經由網際網路等之網路或者是電話線路等之通訊線路來送訊程式的情況時之像是成為伺服器或客戶端的電腦系統內部的揮發性記憶體(例如DRAM(Dynamic Random Access Memory))一般之以一定時間而將程式作保持者。又,上述程式,係亦可從將此程式儲存於記憶裝置等之中的電腦程式,來經由傳輸媒體或者是傳輸媒體中之傳播波而傳輸至其他的電腦系統中。於此,所謂傳輸程式之「傳輸媒體」,係指如同網際網路等之網路(通訊網)或者是電話線路等之通訊線路(通訊線)一般地而具有傳輸資訊之功能的媒體。又,上述程式,係亦可為用以實現前述之功能的一部分者。進而,亦可為將前述之功能藉由與已被記錄在電腦系統中之程式間的組合來實現者,也就是亦可為所謂的差分檔案(差分程式)。
雖係針對本發明之數種實施形態作了說明,但是,該些實施形態,係僅為作為例子所提示者,而並非為對於本發明之範圍作限定者。此些之實施形態,係可藉由其他之各種形態來實施,在不脫離本發明之要旨的範圍內,係可進行各種之省略、置換、變更。此些之實施形態及其變形,係被包含在發明之範圍以及要旨中,並且同樣係被包含於申請專利範圍中所記載之發明及其均等範圍內。
1、2、3、4、5‧‧‧治療系統
10‧‧‧治療裝置
11‧‧‧治療台
12、12-1、12-2‧‧‧放射線源
13、13-1、13-2‧‧‧放射線檢測器
14‧‧‧治療束照射門
100、200、300、400、500‧‧‧醫用畫像處理裝置
110、210‧‧‧學習裝置
111、211‧‧‧學習用畫像取得部
112‧‧‧學習部
113‧‧‧參數記憶部
120、320、420‧‧‧移動體追蹤裝置
121、321‧‧‧第1畫像取得部
122、422‧‧‧追蹤部
214‧‧‧第2畫像取得部
215‧‧‧物件抽出部
330‧‧‧顯示部
423‧‧‧模版取得部
424‧‧‧姿勢檢測部
425‧‧‧模版選擇部
540‧‧‧控制部
[圖1]係為對於具備有第1實施形態之醫用畫像處理裝置的治療系統之概略構成作展示之區塊圖。
[圖2]係為對於第1實施形態之醫用畫像處理裝置之概略構成作展示之區塊圖。
[圖3]係為對於構成第1實施形態之醫用畫像處理裝置之學習裝置的動作之流程作展示之流程圖。
[圖4]係為對於構成第1實施形態之醫用畫像處理裝置之移動體追蹤裝置的動作之流程作展示之流程圖。
[圖5]係為對於在具備有第1實施形態之醫用畫像處理裝置的治療系統中之放射線之照射路徑與標記之間之關係作說明之圖。
[圖6]係為對於第2實施形態之醫用畫像處理裝置之概略構成作展示之區塊圖。
[圖7A]係為對於構成第2實施形態之醫用畫像處理裝置之學習裝置的動作之流程作展示之流程圖。
[圖7B]係為對於構成第2實施形態之醫用畫像處理裝置之學習裝置的動作之流程作展示之流程圖。
[圖8] 係為在構成第2實施形態之醫用畫像處理裝置之學習裝置中所抽出的標記之畫像的其中一例之圖。
[圖9] 係為對於第3實施形態之醫用畫像處理裝置之概略構成作展示之區塊圖。
[圖10] 係為對於第3實施形態之醫用畫像處理裝置所顯示的資訊作展示之圖。
[圖11] 係為對於第4實施形態之醫用畫像處理裝置之概略構成作展示之區塊圖。
[圖12A] 係為對於構成第4實施形態之醫用畫像處理裝置之移動體追蹤裝置的動作之流程作展示之流程圖。
[圖12B] 係為對於構成第4實施形態之醫用畫像處理裝置之移動體追蹤裝置的動作之流程作展示之流程圖。
[圖13] 係為對於在構成第4實施形態之醫用畫像處理裝置之移動體追蹤裝置中而使用於標記之追蹤中的模版作展示之圖。
[圖14] 係為對於第5實施形態之醫用畫像處理裝置之概略構成作展示之區塊圖。
100:醫用畫像處理裝置
110:學習裝置
111:學習用畫像取得部
112:學習部
113:參數記憶部
120:移動體追蹤裝置
121:第1畫像取得部
122:追蹤部
SM:標記位置訊號
Claims (18)
- 一種醫用畫像處理裝置,其特徵為,係具備有:第1畫像取得部,係將病患之透視畫像作為第1畫像來取得;和追蹤部,係基於在身為從複數之方向來對於被留置於前述病患之體內的被攝體作觀察所得到之複數之前述被攝體之像的被攝體像中而共通之身為畫像上的明暗之第1特徵,來對於被攝影於前述第1畫像中之前述被攝體進行追蹤。
- 如申請專利範圍第1項所記載之醫用畫像處理裝置,其中,係更進而具備有:學習用畫像取得部,係取得與複數之前述被攝體像之各者所對應之複數之學習用畫像;和學習部,係對於在複數之前述學習用畫像中所包含的前述被攝體像之各者中所共通的前述第1特徵作學習。
- 如申請專利範圍第2項所記載之醫用畫像處理裝置,其中,前述學習用畫像取得部,係取得前述學習用畫像,前述學習用畫像,係根據基於攝影前述第1畫像之攝像裝置的幾何學資訊和前述被攝體之3維之形狀來對於當前述被攝體被攝影於前述第1畫像中時的前述被攝體像作了模擬 之模擬畫像而得到者。
- 如申請專利範圍第3項所記載之醫用畫像處理裝置,其中,前述學習用畫像,係身為將前述模擬畫像和前述第1畫像合成後的畫像。
- 如申請專利範圍第3項所記載之醫用畫像處理裝置,其中,前述學習用畫像,係身為將前述模擬畫像和以與前述第1畫像相同之範圍而被作了攝影的臨床畫像合成後的畫像。
- 如申請專利範圍第2項所記載之醫用畫像處理裝置,其中,前述學習用畫像,係藉由以使前述被攝體像之重心位置於中心處的方式而預先作了制定的範圍之正例畫像、和前述被攝體像之重心係為前述正例畫像之狀態以外的與前述正例畫像相同範圍之反例畫像,而構成之。
- 如申請專利範圍第2項所記載之醫用畫像處理裝置,其中,係更進而具備有:第2畫像取得部,係將在與前述第1畫像相異之時刻處所攝影了的前述透視畫像,作為第2畫像來取得;和 物件抽出部,係將在前述第2畫像中所被攝影的前述被攝體像抽出,前述學習用畫像取得部,係取得與在前述第2畫像中所被攝影的前述被攝體之姿勢相對應之前述學習用畫像。
- 如申請專利範圍第7項所記載之醫用畫像處理裝置,其中,前述學習用畫像,係身為將從前述第2畫像所抽出的前述被攝體像和以與前述第2畫像相同之範圍而被作了攝影的臨床畫像合成後的畫像。
- 如申請專利範圍第1項所記載之醫用畫像處理裝置,其中,係更進而具備有:模版取得部,係取得前述被攝體像之模版;和姿勢檢測部,係基於前述追蹤部所追蹤到的前述被攝體之位置之資訊,來檢測出前述被攝體之姿勢;和模版選擇部,係選擇與前述被攝體之姿勢相對應的前述模版,前述追蹤部,當藉由前述模版選擇部而前述模版被作了選擇時,係使用被選擇的前述模版來對前述被攝體進行追蹤。
- 如申請專利範圍第1項所記載之醫用畫像處理裝置,其中, 係顯示前述第1畫像,並將在前述第1畫像內所追蹤到的前述被攝體之位置之資訊,重疊顯示於正被顯示之前述第1畫像內。
- 如申請專利範圍第10項所記載之醫用畫像處理裝置,其中,係將進行治療之對象的部位之位置之資訊,重疊顯示於正被顯示之前述第1畫像內。
- 如申請專利範圍第1項所記載之醫用畫像處理裝置,其中,係更進而具備有:控制部,係基於前述追蹤部所追蹤到的前述被攝體之位置之資訊,而對於針對所治療之對象的部位之治療作控制。
- 如申請專利範圍第12項所記載之醫用畫像處理裝置,其中,前述控制部,係基於前述追蹤部所追蹤到的前述被攝體之位置之資訊,而對於前述被攝體之攝影作控制。
- 如申請專利範圍第1項所記載之醫用畫像處理裝置,其中,前述被攝體,係為留置於前述病患之體內的標記(marker)。
- 如申請專利範圍第14項所記載之醫用畫像處理裝置,其中,前述標記,係為球型以外之形狀。
- 一種治療系統,其特徵為,係具備有:如申請專利範圍第1項所記載之醫用畫像處理裝置;和治療裝置,係具備有對於所治療之對象的部位而照射治療束之照射部、和對於前述被攝體進行攝影之攝像裝置;和控制部,係基於所追蹤到的前述被攝體之位置之資訊,而對於針對所治療之對象的部位之治療作控制。
- 如申請專利範圍第16項所記載之治療系統,其中,係更進而具備有:顯示部,係顯示所追蹤到的前述被攝體之位置之資訊。
- 一種醫用畫像處理程式產品,其特徵為,係用以使電腦作為具備有下述構成之醫用畫像處理裝置而起作用:第1畫像取得部,係將病患之透視畫像作為第1畫像來取得;和追蹤部,係基於在身為從複數之方向來對於被留置於 前述病患之體內的被攝體作觀察所得到之複數之前述被攝體之像的被攝體像中而共通之身為畫像上的明暗之第1特徵,來對於被攝影於前述第1畫像中之前述被攝體進行追蹤。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018044793A JP7113447B2 (ja) | 2018-03-12 | 2018-03-12 | 医用画像処理装置、治療システム、および医用画像処理プログラム |
JP2018-044793 | 2018-03-12 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202003064A TW202003064A (zh) | 2020-01-16 |
TWI721384B true TWI721384B (zh) | 2021-03-11 |
Family
ID=67907857
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW108107745A TWI721384B (zh) | 2018-03-12 | 2019-03-08 | 醫用畫像處理裝置、治療系統及醫用畫像處理程式產品 |
Country Status (8)
Country | Link |
---|---|
US (1) | US20210042917A1 (zh) |
EP (1) | EP3766541B1 (zh) |
JP (1) | JP7113447B2 (zh) |
KR (1) | KR102579039B1 (zh) |
CN (1) | CN111918697B (zh) |
RU (1) | RU2020129466A (zh) |
TW (1) | TWI721384B (zh) |
WO (1) | WO2019176734A1 (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11113838B2 (en) * | 2019-03-26 | 2021-09-07 | Nec Corporation | Deep learning based tattoo detection system with optimized data labeling for offline and real-time processing |
US11871998B2 (en) | 2019-12-06 | 2024-01-16 | Stryker European Operations Limited | Gravity based patient image orientation detection |
WO2021171394A1 (ja) * | 2020-02-26 | 2021-09-02 | 株式会社島津製作所 | 学習済みモデルの作成方法、画像生成方法および画像処理装置 |
CN112767378A (zh) * | 2021-01-28 | 2021-05-07 | 佛山科学技术学院 | 一种基于Dense-Unet的玻璃体浑浊程度评级方法 |
JP2022139429A (ja) * | 2021-03-12 | 2022-09-26 | 東芝エネルギーシステムズ株式会社 | 医用画像処理装置、医用画像処理方法、医用画像処理プログラム、および放射線治療装置 |
US11790627B2 (en) * | 2022-01-20 | 2023-10-17 | Lenovo Global Technology (United States) Inc. | Using an object key to deprioritize processing of relative regions |
WO2024077293A1 (en) * | 2022-10-07 | 2024-04-11 | Washington University | Convolutional neural network classification of pretreatment biopsies |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103249358A (zh) * | 2010-12-02 | 2013-08-14 | 大日本印刷株式会社 | 医用图像处理装置 |
JP2016116659A (ja) * | 2014-12-19 | 2016-06-30 | 株式会社東芝 | 医用画像処理装置、治療システム、医用画像処理方法、および医用画像処理プログラム |
JP2016131737A (ja) * | 2015-01-20 | 2016-07-25 | 国立大学法人北海道大学 | 放射線治療システムおよび放射線治療プログラム |
JP2018029852A (ja) * | 2016-08-25 | 2018-03-01 | 株式会社東芝 | 医用画像処理装置、治療システム、および医用画像処理プログラム |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3053389B1 (ja) * | 1998-12-03 | 2000-06-19 | 三菱電機株式会社 | 動体追跡照射装置 |
US8571639B2 (en) * | 2003-09-05 | 2013-10-29 | Varian Medical Systems, Inc. | Systems and methods for gating medical procedures |
JP4959440B2 (ja) * | 2007-06-22 | 2012-06-20 | 三菱電機株式会社 | 放射線治療装置及び治療部位の位置決め方法 |
JP2010054807A (ja) * | 2008-08-28 | 2010-03-11 | Nikon Corp | 電子カメラ |
WO2010098214A1 (ja) * | 2009-02-26 | 2010-09-02 | 国立大学法人北海道大学 | ターゲット追跡装置および放射線治療装置 |
US8682414B2 (en) * | 2009-11-27 | 2014-03-25 | Mitsubishi Heavy Industries, Ltd. | Radiation therapy apparatus control method and radiation therapy apparatus controller |
US8737725B2 (en) * | 2010-09-20 | 2014-05-27 | Siemens Aktiengesellschaft | Method and system for learning based object detection in medical images |
US8526702B2 (en) * | 2011-01-06 | 2013-09-03 | The Board Of Trustees Of The Leland Standford Junior University | 4D anatomically based image selection procedure for medical imaging |
US9014423B2 (en) * | 2011-03-14 | 2015-04-21 | Siemens Aktiengesellschaft | Method and system for catheter tracking in fluoroscopic images using adaptive discriminant learning and measurement fusion |
US9031317B2 (en) * | 2012-09-18 | 2015-05-12 | Seiko Epson Corporation | Method and apparatus for improved training of object detecting system |
EP2915562A4 (en) * | 2012-11-05 | 2016-07-13 | Mitsubishi Electric Corp | THREE DIMENSIONAL IMAGE CAPTURE SYSTEM, AND PARTICLE BEAM THERAPY DEVICE |
WO2014155556A1 (ja) * | 2013-03-27 | 2014-10-02 | 株式会社島津製作所 | X線透視装置 |
JP6181459B2 (ja) * | 2013-08-05 | 2017-08-16 | 株式会社日立製作所 | 放射線治療システム |
JP6139361B2 (ja) * | 2013-09-30 | 2017-05-31 | 株式会社東芝 | 医用画像処理装置、治療システム及び医用画像処理方法 |
JP6437286B2 (ja) * | 2014-11-26 | 2018-12-12 | 株式会社東芝 | 画像処理装置、画像処理プログラム、画像処理方法及び治療システム |
KR101544973B1 (ko) * | 2014-12-22 | 2015-08-18 | 주식회사 제노시스 | 다 방향 자동 추적 카메라장치 |
JP6504899B2 (ja) * | 2015-04-21 | 2019-04-24 | キヤノン株式会社 | 制御装置、光学機器、撮像装置および制御方法 |
JP6815587B2 (ja) * | 2016-01-06 | 2021-01-20 | 東芝エネルギーシステムズ株式会社 | 治療システム、医用画像処理装置、および治療プログラム |
JP2017189526A (ja) * | 2016-04-15 | 2017-10-19 | 株式会社東芝 | 情報処理装置、及び、放射線治療システム |
JP2019141109A (ja) * | 2016-04-28 | 2019-08-29 | 株式会社日立製作所 | 追跡対象認識シミュレータ、若しくはマーカ認識シミュレータおよび動体追跡装置ならびに放射線照射システム |
JP2018044793A (ja) | 2016-09-12 | 2018-03-22 | 株式会社リコー | 情報処理システム、位置情報管理サーバ、情報処理方法、およびプログラム |
CN109464153B (zh) * | 2017-09-08 | 2022-09-20 | 通用电气公司 | 辐射成像系统及其控制方法 |
-
2018
- 2018-03-12 JP JP2018044793A patent/JP7113447B2/ja active Active
-
2019
- 2019-03-07 WO PCT/JP2019/009134 patent/WO2019176734A1/ja unknown
- 2019-03-07 EP EP19767606.7A patent/EP3766541B1/en active Active
- 2019-03-07 US US16/978,103 patent/US20210042917A1/en not_active Abandoned
- 2019-03-07 CN CN201980018104.6A patent/CN111918697B/zh active Active
- 2019-03-07 KR KR1020207025046A patent/KR102579039B1/ko active IP Right Grant
- 2019-03-07 RU RU2020129466A patent/RU2020129466A/ru unknown
- 2019-03-08 TW TW108107745A patent/TWI721384B/zh active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103249358A (zh) * | 2010-12-02 | 2013-08-14 | 大日本印刷株式会社 | 医用图像处理装置 |
JP2016116659A (ja) * | 2014-12-19 | 2016-06-30 | 株式会社東芝 | 医用画像処理装置、治療システム、医用画像処理方法、および医用画像処理プログラム |
JP2016131737A (ja) * | 2015-01-20 | 2016-07-25 | 国立大学法人北海道大学 | 放射線治療システムおよび放射線治療プログラム |
JP2018029852A (ja) * | 2016-08-25 | 2018-03-01 | 株式会社東芝 | 医用画像処理装置、治療システム、および医用画像処理プログラム |
Also Published As
Publication number | Publication date |
---|---|
KR20200118093A (ko) | 2020-10-14 |
US20210042917A1 (en) | 2021-02-11 |
TW202003064A (zh) | 2020-01-16 |
RU2020129466A3 (zh) | 2022-03-09 |
JP7113447B2 (ja) | 2022-08-05 |
JP2019154738A (ja) | 2019-09-19 |
WO2019176734A1 (ja) | 2019-09-19 |
EP3766541B1 (en) | 2023-11-29 |
EP3766541A4 (en) | 2021-12-08 |
RU2020129466A (ru) | 2022-03-09 |
CN111918697B (zh) | 2023-11-10 |
EP3766541A1 (en) | 2021-01-20 |
KR102579039B1 (ko) | 2023-09-18 |
CN111918697A (zh) | 2020-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI721384B (zh) | 醫用畫像處理裝置、治療系統及醫用畫像處理程式產品 | |
TWI828701B (zh) | 用於肺體積閘控x射線成像系統和方法,及非暫態電腦可讀取儲存媒介 | |
JP7181538B2 (ja) | 医用画像処理装置および放射線治療システム | |
JP5491174B2 (ja) | 画像誘導型放射線治療のための画像の変形可能なレジストレーション | |
CN104244831B (zh) | 医疗用x射线装置 | |
JP6746435B2 (ja) | 医用画像処理装置、治療システム、および医用画像処理プログラム | |
CN109069083A (zh) | 呈现与运动模型相关联的一系列图像 | |
CN108882899A (zh) | 通过调整与模型图像相关联的参数来操纵呼吸模型 | |
TWI840465B (zh) | 決定輻射參數的系統和方法以及其非暫態電腦可讀取儲存媒介 | |
TWI708214B (zh) | 醫用畫像處理裝置、醫用畫像處理方法及程式 | |
JP2021041090A (ja) | 医用画像処理装置、x線画像処理システム、および、学習モデルの生成方法 | |
WO2024070093A1 (ja) | 照射位置確認支援装置、照射位置確認支援方法、および照射位置確認支援プログラム | |
JP6799292B2 (ja) | 放射線撮影装置および放射線画像検出方法 | |
Abeygunasekera | Framework for Respiratory-induced Motion Management and Modeling for the Reduction of the PTV Margin in EBRT |