WO2006121164A1 - 臓器動態の定量化方法、装置、臓器位置の予測方法、装置、放射線照射方法、装置及び臓器異常検出装置 - Google Patents

臓器動態の定量化方法、装置、臓器位置の予測方法、装置、放射線照射方法、装置及び臓器異常検出装置 Download PDF

Info

Publication number
WO2006121164A1
WO2006121164A1 PCT/JP2006/309593 JP2006309593W WO2006121164A1 WO 2006121164 A1 WO2006121164 A1 WO 2006121164A1 JP 2006309593 W JP2006309593 W JP 2006309593W WO 2006121164 A1 WO2006121164 A1 WO 2006121164A1
Authority
WO
WIPO (PCT)
Prior art keywords
organ
irradiation
points
radiation
images
Prior art date
Application number
PCT/JP2006/309593
Other languages
English (en)
French (fr)
Inventor
Mutsumi Tashiro
Shinichi Minohara
Original Assignee
National Institute Of Radiological Sciences
National University Corporation Gunma University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by National Institute Of Radiological Sciences, National University Corporation Gunma University filed Critical National Institute Of Radiological Sciences
Priority to US11/920,254 priority Critical patent/US8457379B2/en
Priority to EP06732574.6A priority patent/EP1880673B1/en
Publication of WO2006121164A1 publication Critical patent/WO2006121164A1/ja

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N5/00—Radiation therapy
    • A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
    • A61N5/1048—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
    • A61B6/46—Arrangements for interfacing with the operator or the patient
    • A61B6/461—Displaying means of special interest
    • A61B6/466—Displaying means of special interest adapted to display 3D data
    • 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
    • A61B6/54—Control of apparatus or devices for radiation diagnosis
    • A61B6/541—Control of apparatus or devices for radiation diagnosis involving acquisition triggered by a physiological signal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/35—Determination of transform parameters for the alignment of images, i.e. image registration using statistical methods
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N5/00—Radiation therapy
    • A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
    • A61N5/103—Treatment planning systems
    • A61N5/1037—Treatment planning systems taking into account the movement of the target, e.g. 4D-image based planning
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10076—4D tomography; Time-sequential 3D tomography
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20164—Salient point detection; Corner detection
    • 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
    • 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
    • G06T2207/30061—Lung

Definitions

  • Quantification method and apparatus for urinal movement, prediction method for urinal position, apparatus, radiation irradiation method, apparatus, and organ abnormality detection apparatus Quantification method and apparatus for urinal movement, prediction method for urinal position, apparatus, radiation irradiation method, apparatus, and organ abnormality detection apparatus
  • the present invention relates to the association (alignment) of each part in an organ with an organ such as a lung that varies and deforms with respiration in radiological diagnosis, treatment planning and treatment, and deformation of a volume of interest such as a tumor.
  • an organ dynamics quantification method and apparatus for quantitatively determining the dynamics of each pixel position, an organ position prediction method, an apparatus, a radiation irradiation method, an apparatus, and an organ abnormality detection apparatus using the same. .
  • the position of a tumor to be irradiated by radiotherapy moves due to respiration and daily changes and deformations of organs.
  • alignment is generally performed using an X-ray transmission image (two-dimensional image) so that an organ (target) as an irradiation target comes to a predetermined position.
  • irradiation is performed only in a certain region of the respiration waveform, thereby reducing excess irradiation caused by respiration movement.
  • this respiration waveform indicates a one-dimensional position of a certain point set on the body surface, and the organ moves three-dimensionally during the irradiation. Therefore, in order to perform irradiation with higher accuracy, it is necessary to grasp the dynamics (direction and speed of movement) of each position of the organ! /, But it is difficult to analyze this also with 2D image force It is.
  • the organ of the beam axis direction that extends only in the direction perpendicular to the irradiation beam (hereinafter simply referred to as a beam). Variations can have a significant impact on the beam range and can result in under-irradiation of the tumor and over-irradiation of normal tissue. For this reason, there is a need for technology that can grasp the dynamics of organs in three dimensions. Currently, such technology has not been established in clinical practice. [0006] In recent years, several studies have been reported to quantitatively determine the three-dimensional position of an organ. Many of them set reference points on the surface of the target organ extracted using the X-ray CT images, which serve as landmarks for tracking the movement, so that the reference points on the two CT images match. In addition, the deformation is calculated using the organ as an elastic model.
  • the feature points must be artificially set, and the correspondence between the positions inside the organ does not necessarily reflect the actual movement.
  • metal markers are generally used to track specific movements, but because they are implanted in the patient's body, the parts and number of burdens are limited, and the dynamics of the organs are grasped in detail. Is difficult.
  • Non-Patent Document 1 A novel boundary condition using contact elements for unite element based deformable image registrationj Medical Physics 31 (2004) 2412-2415 (hereinafter, Non-Patent Document 1) The method is used to calculate the three-dimensional lung deformation.
  • Non-Patent Document 3 describes that the movement of a blood vessel branch point is tracked for association in an organ due to lung deformation accompanying respiratory motion.
  • Non-Patent Document 1 has a problem that the external shape of the organ and the internal deformation do not necessarily coincide with each other.
  • Non-Patent Document 2 does not follow the internal anatomical features, but has a problem with respect to the accuracy of the volume deformation of interest.
  • Non-Patent Document 3 merely performs positioning of a blood vessel branch point.
  • the present invention has been made to solve the above-mentioned conventional problems, and an object thereof is to accurately quantify organ dynamics.
  • the present invention uses a plurality of CT images of a slightly fluctuating and deformed organ as input data, extracts blood vessels and trachea distributed in the organ, thins them, and uses the thinned images to branch points and continuous images. By extracting the coordinates of the points and using these as feature points to track the movement of individual points between multiple CT images in a three-dimensional space, the movement of the organ is measured to solve the above problem. It is a thing.
  • the feature points are tracked by point pattern matching using a plurality of CT images and feature point coordinates.
  • the present invention also provides an organ characterized by predicting the position of the organ by correlating the dynamic information obtained by the above method with the information on the periodic movement of the organ. It provides a method for predicting the position.
  • the information on the periodic movement of the organ is a respiration curve.
  • the present invention also provides a radiation irradiation method characterized by irradiating a position of an organ predicted by the above method with radiation.
  • the irradiation timing and Z or irradiation position of the radiation are variable.
  • the present invention also collects dynamic information obtained by the above method at the same time as the respiration curve, thereby grasping the correlation between the respiration curve and the three-dimensional motion of the target region. It is an object of the present invention to provide a radiation irradiation method characterized by optimizing the timing of respiratory synchronous irradiation in treatment and estimating the target edge position with high accuracy in target tracking irradiation.
  • the present invention also includes a means for inputting a plurality of CT images of a slightly fluctuated and deformed organ, a means for extracting a blood vessel and a trachea distributed in the organ, and a fine line view. Using this image, we can measure the movement of organs by extracting the coordinates of branch points and connection points and tracking the movement of individual points between multiple CT images using these as feature points in a three-dimensional space.
  • Is an apparatus for quantitative determination of organ dynamics
  • the apparatus is provided with means for tracking the feature points by point pattern matching using a plurality of CT images and feature point coordinates.
  • the present invention also includes the above-described device, and means for predicting the position of the organ by correlating the dynamic information obtained by the device with the information on the periodic movement of the organ.
  • the present invention provides an organ position predicting device characterized by comprising:
  • the present invention also provides a radiation irradiating apparatus comprising a means for irradiating radiation at an organ position predicted by the apparatus.
  • the present invention also includes the above-described device, means for collecting dynamic information obtained by the device simultaneously with the respiratory curve, and means for grasping the correlation between the respiratory curve and the three-dimensional motion of the target part.
  • the radiation irradiation device is characterized in that it enables optimization of the timing of respiratory synchronized irradiation in radiation therapy and the estimation of the target edge position in target tracking irradiation with high accuracy. .
  • the present invention is also an organ comprising: the above-described device; and means for capturing a locally abnormal deformation of the organ based on dynamic information obtained by the device. It provides an anomaly detection device.
  • the blood vessel and trachea 12 are extracted from the CT image as shown in Fig. 1 (A) using the CT value of the blood vessels existing along the bronchus. .
  • the extracted blood vessel and trachea are converted into a thin line image 14 having a thickness of 1 pixel using a thin line algorithm, and feature points of blood vessels and trachea (branch point 16 in Fig. 1). ) Specify the coordinates This is the feature point of dynamic tracking. As a result, it is possible to track the local dynamics at any point over the entire lung inner region, which is impossible with the metal metal used for tracking the movement in the past.
  • the tumor part is set as the volume of interest,
  • the radiation dose to the surrounding normal tissue is calculated, but what was conventionally done for static 3D CT images can be obtained with 4D CT using the present invention. It is possible to do this for dynamic objects, the deformation of the volume of interest can be calculated automatically and there is no need to set for CT images acquired at each time. As a result, a four-dimensional treatment plan can be made more realistic.
  • the present invention can be divided into a method for obtaining a feature point of motion and a method for tracking the motion of the feature point. For example, an X-ray CT image of the liver is obtained using angiography. If a method for obtaining feature points is devised, such as by doing so, it can be applied to various parts.
  • Anatomical degeneration of the organ causes distortion and local abnormal deformation in the movement of the organ. Therefore, the present invention is used to quantitatively compare the dynamics of the normal or normal part. Therefore, it can be applied to medical diagnosis by detecting local movement distortion and abnormalities. For example, it is difficult to discriminate with CT values, and it becomes a clue to know the signs of fibrosis, which is the presence of tumors and radiation damage to normal lung tissue.
  • FIG. 1 Conceptual diagram showing kinetic quantification according to the present invention.
  • FIG. 2 is a block diagram showing a basic configuration of an apparatus for carrying out the first embodiment of the present invention.
  • FIG. 3 is a diagram showing a procedure for extracting a lung region in the first embodiment.
  • FIG. 10 is a flowchart showing the procedure of the second embodiment of the present invention.
  • FIG. 11 is a flowchart showing the procedure of the third embodiment of the present invention.
  • FIG. 12 is a conceptual diagram showing a third embodiment of the present invention.
  • An apparatus for carrying out the first embodiment of the present invention is configured as shown in FIG. 2 using, for example, a computer, and includes a lung region extraction means 20, a thinning means 22, a branch point extraction means 2 and the like. 4 and feature point tracking means 26.
  • the thinning means 22 performs a binarization with a certain CT value as a threshold value, and cuts a figure of one pixel value obtained thereby. However, if the part of the meat or bone around the lungs remains due to binarization, it will also be subject to thinning processing, and that part will have a volume (number of pixels) compared to the bronchi and blood vessels in the lungs. Since the power is large, the calculation time is significantly increased.
  • the lung region extracting means 20 first extracts the lung region.
  • FIG. Processing is performed for each two-dimensional CT slice image illustrated in Fig. 3 (A).
  • FIG. An example of the lung region extraction result is shown in FIG.
  • the averaging rectangular area size is 15, C T threshold! /, And the value is 1500.
  • the thinning means 22 performs an operation (thinning) for converting a figure having thickness' thickness into a line figure corresponding to the center line of thickness 1 without changing the topology.
  • thinning an operation for converting a figure having thickness' thickness into a line figure corresponding to the center line of thickness 1 without changing the topology.
  • the coordinates of the branch point of the blood vessel (bronchus) in the lung can be specified in pixel units, and the resulting branch point is tracked as a feature point of the motion, so that the lung motion Can be quantitatively determined.
  • Not changing the topology means that the number of consecutive figures and the properties of the figure, such as the number of holes and cavities in the figure, do not change.
  • the thin line method using a sequential algorithm with Euclidean distance transformation is used.
  • a binary value is applied to a three-dimensional CT image with an appropriate CT value as a threshold value.
  • the pixel larger than the threshold is set as one pixel, and the target graphic of the thin line key is set, and the pixel lower than the threshold is set as 0 pixel (background).
  • (4) erasure determination is performed from a pixel having a small distance value. In this erasure judgment, it is possible to erase those whose topology does not change.
  • the erasability is checked in the pixel of the minimum distance value (outermost), and the non-erasable pixel is set as a temporary storage pixel.
  • Temporary storage is used because it may become erasable as the force erasure process progresses, which is currently impossible to erase from the viewpoint of topology preservation.
  • For an erasable pixel if it is an end point (the number of positive pixels in the vicinity of the adjacent 26 is 1), it is stored permanently (confirmed as one pixel).
  • erasable pixels are grouped into groups of 3 according to the number of positive pixels in the vicinity of the 26 adjacent pixels, and image pixels with a small number of positive pixels (ie, more isolated protruding parts) Erase is determined from As a result, it is possible to suppress the occurrence of unnecessary branches due to meaningless concaves and convexes on the boundary surface.
  • the pixels having the Euclidean square distance value are included in the group of erasure determination pixels, based on the 6 neighboring pixels (pixels where the pixels (botacells) are in contact with each other on the surface).
  • a thin line image can be obtained by setting all the accurate values obtained as a result to 1.
  • FIG. An example of thinning is shown in FIG.
  • thinning was performed on a 3D CT image of 512 (pixels) x 512 (pixels) x 181 (slices).
  • the threshold CT value of binary value ⁇ is set to one 400.
  • the left is a 30-slice MIP (Maximum Intensity Projection) image in the CT image, and the right is a thin line image of the same part. The contrast on the right depends on the slice depth.
  • 30-slice MIP Maximum Intensity Projection
  • branch points of blood vessels (bronchi) in the lung are used as feature points to be tracked in order to quantify the movement of the lung when branch points are extracted by the branch point extraction means 24.
  • the branch point 16 of the line figure in the thin line image 14 having a thickness of 1 is taken out and used as a feature point.
  • branch point extraction for each pixel in the thinned image, “the number of pixels in the vicinity of 26 is 3,” and “the center pixel value is set to 0 in the 3 ⁇ 3 ⁇ 3 region centered on that pixel.
  • the pixel with a component index of 3 ” was taken as the branch point.
  • the component index is the number of sets of 1 pixel connected in the vicinity of 26 in the 3D image.
  • the number of extracted branch points may be very large.
  • FIG. 6 shows the result of branch point extraction performed on the above fine line image.
  • multiple branch points that exist in the vicinity of ⁇ 2 pixels in each axis direction were deleted.
  • In the entire image about 2400 branch points are obtained, which is a sufficient number in the feature point tracking process to be performed later.
  • Point pattern matching is performed using the obtained feature points as corresponding point candidates, and the image f
  • the displacement vector 18 representing the deformation.
  • point pattern matching is performed by the probabilistic relaxation method. This is reported by Barnard et al. (Stephen T. Barnard and Wil liam B. Thompson, "Disparity Analysis of Image,” IEEE TRANSACTION OF PA TTERN ANALYSIS AND MACHINE INTELLIGENCE, Vo, PAMI—2, No.4, July 1980, PP333-340) applied to 3D images and modified.
  • Corresponding point candidate b on image f existing in a pixel-sized cube is set as a corresponding point pair candidate.
  • the Displacement vector 18 is a force vector defined as a vector starting at a and ending at b.
  • a is related to zero or more b, so there are generally multiple displacements for a
  • each label is defined as a label probability.
  • the displacement vector force having a high and label probability is determined as a desired motion.
  • this label set be ⁇ .
  • ⁇ ki , x k i— X i, y k i _ yi »z kl -z ⁇
  • ⁇ represents a label for which there is no corresponding point pair candidate.
  • the initial label probability P (Q) U) for a; L is defined as follows.
  • a rabenore of a; the label probability l ( ⁇ ) of l is: a with a high label probability for I is a
  • the degree Q i (L) is defined by the following equation.
  • T 1 ', which is the label ⁇ of a that satisfies the following equation.
  • Equation 6 max [
  • T l. Therefore, equation (5) is almost the same among a in the vicinity of a.
  • R represents a range for searching for the neighboring point a.
  • the update of the label probability is performed as follows using Q ( ⁇ ).
  • Pi 'M U kl) P i m (X kl) (A + BQi (° w (A kl)) a ... (10), A, B are positive constants that are appropriately set.
  • the parallel (independent) process is a single iteration, and is repeated until there is no change in the label probability (convergence). Iterative processing is on the order of about 10 times.
  • the obtained displacement vector is shown in FIG. As the number of vectors, a sufficient number can be obtained for grid interpolation performed to quantify the displacement of the whole botasel!
  • the displacement vector indicates the motion of a limited number of botasels dispersed in the space! /, And the force is locally different (region smaller than the interval between the displacement vectors). Since it is unlikely to occur, displacement is calculated for all voxels in space by grid interpolation.
  • the target volume set by the CT image at a certain time can be automatically calculated.
  • An example is shown in Fig. 9.
  • a rectangular parallelepiped region is given for simplicity.
  • the rectangular parallelepiped indicated by solid line A is the set polygon.
  • the cuboid indicated by the Yum, broken line B is a volume calculated by interpolation of the displacement vector force grid, and a cuboid deformed almost accurately is obtained.
  • the lung is the target organ.
  • the target organ is not limited to this, and the lung can be obtained by devising a feature point extraction method using a technique such as angiography.
  • a technique such as angiography.
  • liver the same applies to other organs such as liver.
  • X-ray detection is performed by irradiating the patient 30 on the bed 34 in the CT gantry 32 with the X-ray 37 from the X-ray tube 36.
  • an organ motion image (4D CT image) is obtained from the image obtained by the vessel 38 using a 4D CT (4D-CT) 40 as in the first embodiment.
  • the respiratory waveform 50 is fixed to the body surface of the patient 30 and the respiratory waveform is simultaneously measured by the motion information acquisition means 52 to obtain a temporal correlation between the two.
  • the processing unit 60 performs dynamic quantification from the four-dimensional CT image by the method of the first embodiment, and acquires dynamic information of each position. Thereby, the correlation between the respiratory waveform measured above and the movement of each position can be obtained, and the position of the organ at an arbitrary respiratory phase can be predicted.
  • the patient on the bed 72 of the radiation therapy apparatus 70 is shown on the right side of FIG. 10.
  • the patient on the bed 72 of the radiation therapy apparatus 70 is shown on the right side of FIG. 10.
  • the respiratory waveform is measured in real time by the motion information acquisition means 52 from the respiratory sensor 50 fixed to the body surface of 30.
  • the respiratory phase to be irradiated with radiation is specified, the organ position is predicted in real time from the correlation data, and the irradiation is performed via the irradiation control device 74 at the necessary timing according to the treatment plan.
  • the therapeutic radiation is emitted from the device 76.
  • the displacement vector for each pixel (botacell) obtained by the method of the first embodiment as shown in FIG. 11 is represented by the component of the vector as shown in FIG. Divide the area by.
  • different displacement regions can be extracted by dividing the regions according to the size of the components of the vector map so that contour lines are obtained according to the altitude of each point on the map. Thereby, an abnormal region can be detected.
  • Radiation diagnosis' Association positioning of internal organs with organs such as the lung, which change or deform with breathing, etc. in treatment planning and treatment, and deformation and position of the volume of interest such as tumor, etc. It can be used for grasping as a correlation.

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Radiology & Medical Imaging (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Optics & Photonics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Human Computer Interaction (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Physiology (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

　微小に変動・変形した臓器（１０）の複数のＣＴ画像を入力データとし、臓器内に分布した血管や気管１２を抽出して細線化し、細線化した画像１４を用いて分岐点１６や連結点の座標を抽出し、これらを特徴点として複数のＣＴ画像間の個々の点の移動を３次元空間中で追跡することにより、臓器（１０）の連動を計測する。これにより、金属マーカーでは不可能な、臓器内部領域全体にわたって任意の点での局所的な動態追跡を可能とする。

Description

明 細 書
ϋ器動態の定量化方法、装置、 ϋ器位置の予測方法、装置、放射線照 射方法、装置及び臓器異常検出装置
技術分野
[0001] 本発明は、放射線診断，治療計画及び治療において、呼吸等に伴って変動 '変形 する肺等の臓器に対する臓器内各部の対応付け (位置合わせ)や、腫瘍等の関心体 積の変形や位置を、呼吸波形の位相との相関として把握するために、高速 3次元 CT ( 、わゆる 4次元 CT)を用いて、ある時間間隔で取得された各時刻の 3次元デジタル 画像を用いて、各画素位置の動態を定量ィ匕するための臓器動態の定量ィ匕方法、装 置、これを利用した臓器位置の予測方法、装置、放射線照射方法、装置、及び、臓 器異常検出装置に関する。
背景技術
[0002] 放射線治療の照射対象となる腫瘍の位置は、呼吸や日々の臓器の変動 ·変形によ り動く。放射線治療の際には、決められた位置に照射目標となる臓器 (ターゲット)が 来るように、一般に X線透過像（2次元画像)を用いて位置合わせを行なって 、る。
[0003] 呼吸に伴って動く臓器に対しては、例えば呼吸同期法を用いて、呼吸波形のある 領域のみ照射を行なうことにより、呼吸移動により生じる余分な照射を減らしている。
[0004] しかし、この呼吸波形は、体表面上に設定した、ある点の 1次元的な位置を示して いるものであり、又、その照射中にも臓器は 3次元的に動いている。従って、より高精 度な照射を行なうためには、臓器の各位置の動態 (運動の方向及び速度)を把握し なければならな!/、が、これを 2次元画像力も解析することは困難である。
[0005] 特に、粒子線治療において、肺のように腫瘍と正常組織の密度が大きく異なる場合 、照射ビーム（以下単にビームと称する）に対して垂直な方向だけでなぐビーム軸方 向の臓器の変動がビームの飛程に大きく影響し、その結果、腫瘍への過小照射、正 常組織への過大照射につながる危険性がある。そのため、臓器の動態を 3次元的に 把握する技術が求められている力 現在臨床では、このような技術は確立されていな い。 [0006] 近年、臓器の 3次元的な位置を定量ィ匕する研究が、いくつか報告されている。それ らの多くは、 X線 CT画像を用いて抽出された対象臓器の表面上に、動きを追うため の目印となる参照点を設定し、 2つの CT画像上の参照点同士が一致するように、臓 器を弾性体モデルとして、その変形を計算している。
[0007] し力しながら、この場合、特徴点を人為的に設定しなければならず、又、臓器内部 の各位置の対応は必ずしも現実の動きを反映していない。又、具体的な動きの追跡 のために金属マーカーが一般的に用いられて 、るが、患者の体内へ埋め込むため、 負担が大きぐ部位や個数が制限され、臓器の動態を細力べ捉えるのが困難である。
[0008] 一方、 T. Zhangり「Tecnmcal note： A novel boundary condition using contact elements for unite element based deformable image registrationj Medical Ph ysics 31 (2004) 2412— 2415 (以下、非特許文献 1)には、有限要素法により肺の 3次元的な変形を計算することが記載されて 、る。
[0009] 又、 D. ;5arrut 「Nonrigid registration method to assess reproaucioility of br eath— holding with ABC in lung cancerj International Journal of Radiation O neology, Biology, Physics, 61 (2005) 594— 607 (以下、非特許文献 2)では、月市の 3次元 CT画像の画素値の勾配を比較することにより、内部の変形を定量ィ匕しており、 腫瘍部分の関心体積の変形にっ 、ても論じて 、る。
[0010] 更に、四方秀則ら「肺の非剛体レジストレーシヨンのための血管分岐点位置決めァ ルゴリズム」 電子情報通信学会論文誌 D— II Vol.J84-D-II No.07 pp. 1— 11 ( 以下、非特許文献 3)には、呼吸運動に伴う肺の変形での臓器内の対応付けのため に、血管分岐点の動きを追跡することが記載されて 、る。
[0011] し力しながら、非特許文献 1に記載の技術は、臓器の外形と内部の変形が必ずしも 一致して ヽな ヽと 、う問題点を有する。
[0012] 又、非特許文献 2に記載の技術は、内部の解剖学的特徴を追っているわけではな く、関心体積変形の正確さにつ 、ては問題がある。
[0013] 又、非特許文献 3に記載の技術は、単に、血管分岐点の位置決めを行なっている だけである。
発明の開示 [0014] 本発明は、前記従来の問題点を解消するべくなされたもので、臓器の動態を正確 に定量ィ匕することを課題とする。
[0015] 本発明は、微少に変動 '変形した臓器の複数の CT画像を入力データとし、臓器内 に分布した血管や気管を抽出して細線化し、細線化した画像を用いて分岐点や連 結点の座標を抽出し、これらを特徴点として複数の CT画像間の個々の点の移動を 3 次元空間中で追跡することにより、臓器の運動を計測するようにして、前記課題を解 決したものである。
[0016] 又、前記特徴点の追跡を、複数の CT画像及び特徴点座標を用いたポイントパター ンマッチングにより行なうようにしたものである。
[0017] 又、複数の特徴点の運動を補間することにより、任意点の運動が分力るようにしたも のである。
[0018] 本発明は、又、前記の方法により得られた動的な情報と、臓器の周期的な運動の 情報との相関を取ることにより、臓器の位置を予測することを特徴とする臓器位置の 予測方法を提供するものである。
[0019] 又、前記臓器の周期的な運動の情報を呼吸曲線としたものである。
[0020] 本発明は、又、前記の方法により予測された臓器の位置に、放射線を照射すること を特徴とする放射線照射方法を提供するものである。
[0021] 又、前記放射線の照射タイミング及び Z又は照射位置を可変としたものである。
[0022] 本発明は、又、前記の方法により得られる動的な情報を呼吸曲線と同時に収集す ることで、呼吸曲線と対象部位の 3次元運動の相関を把握し、これによつて放射線治 療における呼吸同期照射のタイミングの最適化及び標的追跡照射における標的辺 縁位置の高精度での推定を可能にしたことを特徴とする放射線照射方法を提供する ものである。
[0023] 本発明は、又、微少に変動 '変形した臓器の複数の CT画像を入力する手段と、臓 器内に分布した血管や気管を抽出して細線ィ匕する手段と、細線ィ匕した画像を用いて 分岐点や連結点の座標を抽出する手段と、これらを特徴点として複数の CT画像間 の個々の点の移動を 3次元空間中で追跡することにより、臓器の運動を計測する手 段と、を備えたことを特徴とする臓器動態の定量ィ匕装置により、前記課題を解決した ものである。
[0024] 又、前記特徴点の追跡を、複数の CT画像及び特徴点座標を用いたポイントパター ンマッチングにより行う手段を備えたものである。
[0025] 又、複数の特徴点の運動を補間して、任意点の運動を求める手段を備えたもので ある。
[0026] 本発明は、又、前記の装置と、該装置により得られた動的な情報と、臓器の周期的 な運動の情報との相関を取ることにより、臓器の位置を予測する手段と、を備えたこと を特徴とする臓器位置の予測装置を提供するものである。
[0027] 本発明は、又、前記の装置により予測された臓器の位置に、放射線を照射する手 段を備えたことを特徴とする放射線照射装置を提供するものである。
[0028] 本発明は、又、前記の装置と、該装置により得られる動的な情報を呼吸曲線と同時 に収集する手段と、呼吸曲線と対象部位の 3次元運動の相関を把握する手段とを備 え、放射線治療における呼吸同期照射のタイミングの最適化及び標的追跡照射に おける標的辺縁位置の高精度での推定を可能としたことを特徴とする放射線照射装 置を提供するものである。
[0029] 本発明は、又、前記の装置と、該装置により得られた動的な情報に基づいて、臓器 の局所的に異常な変形を捉える手段と、を備えたことを特徴とする臓器異常検出装 置を提供するものである。
[0030] 本発明にお 、ては、肺の場合、気管支や血管のように連結する解剖学的特徴に着 目し、それらのトポロジー (分岐や連結）は、臓器の運動や変形でも保持されているこ とを利用して、臓器の動態を定量的に計測する。即ち、動態の前後で対象のトポロジ 一が保存されることから、それらの特徴点座標を抽出し、個々の点の移動を 3次元空 間中で追跡することで、局所的にも高い精度を有する臓器の運動 (方向、速度)を計 測する。
[0031] 例えば、気管支に沿って存在する血管の CT値力 肺野の CT値に比較して大きい ことを利用し、図 1 (A)に示す如ぐ CT画像から血管や気管 12を抽出する。
[0032] 次いで、抽出された血管や気管部を、細線ィ匕アルゴリズムを利用して、太さ 1画素 の細線ィ匕画像 14に変換し、血管や気管の特徴点（図 1では分岐点 16)座標を特定し 、これを動態追跡の特徴点とする。これにより、従来動きの追跡に用いられる金属マ 一力一では不可能な、肺内部領域全体にわたって、任意の点での局所的な動態追 跡が可能となる。
[0033] 次いで、ある時間間隔で取得された 2つの CT画像に対して、これらの特徴点の変 位を追跡するために、 2つの CT画像及び特徴点座標を用いて、ポイントパターンマ ツチングを行なう。例えば確率的弛緩法を用いてこの操作を行なうことにより、特徴点 の変位が、その近傍の特徴点の変位と互いに矛盾が無いように、各特徴点の変位量 (方向と長さ）を求めることができる。即ち、抽出した特徴点の追跡から、図 1 (B)に示 す如ぐ各点の運動が分力る。
[0034] 更に、それらの点から 3次元空間での補間を行なうことで、任意点の運動が分かる。
従って、臓器（図では肺 10)内の全ての画素に対してその変位量が求められる。
[0035] 以上の操作を連続的に取得された CT画像に対して逐次行なうことにより、連続的 に動態定量ィ匕を行なうことができる。従って、動く対象に対する 4次元的な線量計算 が可能となり、呼吸動態臓器に対する、より高精度な放射線治療を行うことが可能と なる。
[0036] 放射線治療のための治療計画 (線量計算、評価による放射線の照射方向'回数等 の照射方法を決定する操作)等では、腫瘍の部分を関心体積として設定し、その関 心体積やその周りの正常組織への放射線量計算を行なうが、従来は静的な 3次元 C T画像に対して行われていたものを、本発明を用いれば、 4次元 CTを用いて取得さ れた CT画像を用いて、動的な対象に対してこれを行なうことが可能となり、関心体積 の変形が自動的に計算でき、各時刻で取得された CT画像に対して設定する必要が 無くなる。これにより、 4次元的な治療計画を、より現実的なものとすることができる。
[0037] 又、近年開発され、医療現場へ普及しつつある 4次元 CTから逐次得られる時系列 の 3次元デジタル画像を用いて、本発明の操作を逐次的に行なうことにより、臓器の 3 次元的な動きを、ある時間領域にわたって得ることができる。
[0038] 従って、本発明により得られた動的な情報を、呼吸波形のような参照情報と相関を とることにより、任意の時点での臓器の動き（3次元の方向とその速度）を予測すること ができる。 [0039] 又、本発明は、動きの特徴点を得る方法と、その特徴点の動きを追跡する方法に分 かれて ヽるため、例えば血管造影法を用いて肝臓の X線 CT画像を取得する等のよう に、特徴点を得る方法を工夫すれば、様々な部位に応用することが可能である。
[0040] このようにして、臓器の 3次元的な動きを把握することにより、従来位置の不確定さ のために設定せざるを得な力つた照射マージンを、より縮小して、正常組織への不必 要な放射線被曝を抑えることができ、晩期障害等の放射線障害を減らすことができる
[0041] 臓器の解剖学的な変性は、臓器の運動に歪みや局所的に異常な変形を引き起こ すので、本発明を用いて、正常時あるいは正常部分との動態を定量的に比較して、 局所的な運動の歪みや異常性を検出することで、医学的診断に応用できる。例えば 、 CT値では判別し難 、腫瘍の存在や肺正常組織への放射線障害である繊維化の 兆候を知る手懸りとなる。
図面の簡単な説明
[0042] [図 1]本発明による動態定量化を示す概念図
[図 2]本発明の第 1実施形態を実施するための装置の基本的な構成を示すブロック 図
[図 3]第 1実施形態における肺領域の抽出手順を示す図
圆 4]同じく抽出結果を示す図
[図 5]同じく細線ィ匕の手順を示す図
[図 6]同じく分岐点抽出結果を示す図
[図 7]同じく特徴点追跡の手順を示す図
[図 8]同じく計算された変位べ外ルを示す図
[図 9]同じく変形後のボリュームの計算例を示す図
[図 10]本発明の第 2実施形態の手順を示す流れ図
[図 11]本発明の第 3実施形態の手順を示す流れ図
[図 12]本発明の第 3実施形態を示す概念図
発明を実施するための最良の形態
[0043] 以下図面を参照して、本発明の実施形態を詳細に説明する。 [0044] 本発明の第 1実施形態を実施するための装置は、例えばコンピュータを用いて、図 2に示す如く構成され、肺領域抽出手段 20と、細線化手段 22と、分岐点抽出手段 2 4と、特徴点追跡手段 26と、を含んでいる。
[0045] 前記細線化手段 22では、ある CT値を閾値として 2値ィ匕を行な ヽ、それによつて得 られた 1画素値の図形を削っていく。しかし、肺の周りの肉や骨の部分が 2値化によつ て残ってしまうと、それも細線化処理の対象となり、その部分は肺内の気管支や血管 に比べて体積 (画素数)が力なり大きいため、計算時間が大幅に長くなる。
[0046] そこで、計算時間を短くし、又、必要な肺領域のみを計算させるために、前記肺領 域抽出手段 20で、まず肺領域を抽出する。
[0047] 具体的には、図 3に示したような方法で行なうことができる。処理は、図 3 (A)に例示 する、それぞれの 2次元 CTスライス画像毎に行なう。
[0048] まず、あるスライス画像につ!、て、ある設定した矩形領域でスムージング処理を行う 。これを全ての 2次元領域について行う。この処理によって、図 3 (B)に示す如ぐ肺 内の CT値が平均的に小さい領域と、肺の周りの CT値の高い領域に分けられる。次 に、この画像について、図 3 (C)に示す如ぐある適当なしきい値により二値ィ匕を行い 、 CT値の小さい領域のみ抽出する。その後、左右の肺領域を指定することによって 体外部など不要領域を削除して、図 3 (D)に示す如ぐ肺領域のみを抽出する。以上 の操作をすベてのスライスについて行うことにより、肺領域の 3次元画像を得る。ここ で得られた領域のみを後の細線化処理の対象とする。
[0049] 肺領域の抽出結果の例を図 4に示す。ここでは、平均化の矩形領域サイズを 15、 C Tしき!/、値を一 500とした。
[0050] 前記細線化手段 22は、厚さ'太さのある図形を、トポロジーを変化させずに太さ 1の 中心線に対応する線図形に変換する操作 (細線化）を行う。この細線ィ匕によって、肺 内の血管 (気管支)の分岐点の座標を画素単位で特定することができ、その結果得ら れた分岐点を動きの特徴点として追跡することにより、肺の動きを定量ィ匕することがで きる。トポロジーを変えないということは、連続した図形の数や、図形の穴や空洞の数 といった図形の性質が変化しないことを意味する。ここでは、ユークリッド距離変換を 伴う逐次型アルゴリズムによる細線ィ匕法を用いて 、る。 [0051] 具体的には、まず（1) 3次元 CT画像について、適当な CT値を閾値として 2値ィ匕を 行なう。ここでは、閾値より大きい画素を 1画素として細線ィ匕の対象図形とし、閾値以 下の画素を 0画素 (背景)とする。
[0052] 次に、 (2)前記肺領域抽出手段 20で抽出した肺領域の画像をかけて、不要な領域 を消去する（画素値を 0とする)。
[0053] その後、（3)画像全体にユークリッド二乗距離変換処理を行なう。これによつて、図 形上の全画素に、それぞれの画素力も背景までの最大二乗距離が入る。ここで、二 乗距離を用いるのは整数演算で済ませるためであり、その後の処理において距離の 大小関係のみを把握すれば良 、からである。
[0054] 次に、（4)距離値の小さい画素から消去判定を行なっていく。この消去判定ではト ポロジ一が変化しないものを消去可能としている。まず、最小距離値 (最も外側）の画 素の中で消去可能性を調べ、そこで消去不可能な画素を一時保存画素とする。一時 保存は、現時点ではトポロジー保存の観点から消去不可能である力 消去処理が進 むに連れて消去可能となる可能性があるために用いる。消去可能な画素について、 端点（隣接する 26近傍の正数画素数が 1)の場合は、永久保存（1画素として確定） する。その他の消去可能な画素については、その隣接する 26近傍の正数画素数に よって 3個毎にまとめてグループに分け、正数画素数の小さい画像画素（即ち、より 孤立して突出した部分)から消去判定を行なう。これにより、境界面上の無意味な凹 凸によって不要な枝が生じるのを抑えることができる。
[0055] 次いで、（5)ここで消去可能な画素を一時保存し、消去可能なものの中で端点を永 久保存し、その他を消去する。
[0056] 次に、 (6)消去した画素の 6近傍画素（画素（ボタセル）同士が面で接する画素）に っ 、て、ユークリッド二乗距離値を持つ画素を消去判定画素のグループに含める。
[0057] 以後、上記 (4)以降の操作を消去可能な画素が無くなるまで繰り返す。その結果得 られた正確数値を全て 1にすることにより、細線ィ匕画像が得られる。
[0058] この細線ィ匕法においてユークリッド距離を用いる理由は、より一般的且つ単純な方 法と考えられる 3つの直交軸方向に関する境界画素 (6近傍画素距離）に対する消去 判定に比べ、図形の回転によって細線ィ匕結果に及ぼす影響が小さくなるためである 。肺の血管 (気管支）のような、様々な方向を向いた図形に対する細線ィ匕においては 、ユークリッド距離を用いた方力 より正確に中心線を得ることができると考えられる。
[0059] 細線化の例を図 5に示す。ここでは、 512 (ピクセル） X 512 (ピクセル） X 181 (スラ イス）の 3次元 CT画像について、細線化を行なった。 2値ィ匕の閾値 CT値は一 400と した。左は、 CT画像中のある 30スライス分の MIP (Maximum Intensity Projection) 像で、右は同じ部分の細線ィ匕画像である。右図のコントラストは、スライス深さに依存 している。
[0060] 前記分岐点抽出手段 24の分岐点抽出に際して、肺の動きを定量ィ匕するために追 跡すべき特徴点として、本実施形態では、肺内の血管 (気管支)の分岐点を用いる。 その座標を特定するために、太さ 1となっている細線ィ匕画像 14中の線図形の分岐点 16を取り出し、これを特徴点とする。分岐点抽出では、細線化画像中の各画素につ いて、「26近傍の 1画素数が 3」、且つ、「その画素を中心とした 3 X 3 X 3領域におい て中心画素値を 0としたときの成分指数が 3」である画素を分岐点とした。ここで、成分 指数とは、 3次元画像中の 26近傍で繋がった 1画素の集合の数である。
[0061] 画像によっては、抽出した分岐点数が非常に多くなる場合がある。この場合、後述 の特徴点追跡における計算時間の短縮や計算機メモリの制限、追跡エラーの除去 のために、ある近傍領域に複数の分岐点が存在するものは削除する。
[0062] 上の細線ィ匕画像に対して分岐点抽出を行なった結果を図 6に示す。ここでは、分岐 点のうちで各軸方向に ± 2画素近傍に複数存在するものを削除した。画像全体では 2400点程度の分岐点が得られており、これは、後で行なう特徴点追跡処理におい て十分な数である。
[0063] 前記特徴点追跡手段 26の特徴点追跡では、ある微小時間間隔で取得された 2つ の 3次元 CT画像 (f 、 f )間の物体の変形を定量化するために、それぞれの画像から
0 1
得られた特徴点を対応点候補としてポイントパターンマッチングを行ない、画像 f
0に 対する画像 f の対応点を求める。その結果得られる、対応点同士を結んだベクトルが
、変形を表わす変位ベクトル 18となる。ここでは、確率的弛緩法によるポイントパター ンマッチングを行なう。これは、 Barnardらによって報告（Stephen T.Barnard and Wil liam B.Thompson, "Disparity Analysis of Image, "IEEE TRANSACTION OF PA TTERN ANALYSIS AND MACHINE INTELLIGENCE, Voし PAMI— 2, No.4, Ju ly 1980, PP333-340)された方法を、 3次元画像に適用、修正したものである。
[0064] 具体的には、図 7に示す如ぐ画像 f 、 f から抽出された対応点候補を、それぞれ a
0 1 i
(i=l, 2, ···, n),b (k=l, 2, ···，！！）とする。 aに対して、 aを中 、として（2r+l)3
a k b i i
画素の大きさの立方体内に存在する画像 f 上の対応点候補 bを対応点対候補とす
1 k
る。変位ベクトル 18は、 aを始点とし、 bを終点とするベクトルとして定義される力 こ
i k
の段階で、 aは 0個以上の bと関係付けられるので、 aに対して一般的に複数の変位
i k i
ベクトル候補が存在する。変位ベクトル候補の数力^の場合は、探索範囲内に bが存
k 在しない場合である。
[0065] aに対して複数の変位ベクトル候補が存在すると!/、うことは、それだけ曖昧さが存在 していることを意味する。この曖昧さを、 aに対して得られている変位ベクトル候補と a の近傍の a (j半 i)に対して得られて 、る変位ベクトル候補が互 、に矛盾しな 、ように 候補を絞っていく処理を弛緩法で行なう。ここで、変位ベクトル候補をラベルえ で表
k わす。
[0066] [数 1] k= (Δ xk, 厶 yk， 厶 zk)
[0067] 各ラベルの妥当性を、ラベル確率として定義する。結果として、高 、ラベル確率を 持つ変位ベクトル力 求める動きとして判断される。
[0068] aが L個の対応点対候補 b (1=1, 2, ···, L)を持つとき、 aは L+ 1個のラベルを持
i kl i
つ。このラベル集合を Λとする。
[0069] [数 2]
A i = 1几 kい え k2， ·.·， ん kい ん nJ ··· (1ノ
^ki= 、xki— X i， yki_y i» z k l- z ^
= (Axkl, Aykい 厶 zkl) ··· (2)
[0070] ここで、 λ は、対応点対候補が存在しないラベルを表わす。
[0071] (x, y, z)及び (x , y , z )を中心とする 1辺（2d+ 1)画素の立方体を考え、 aと b
i i i kl kl kl i k の類似度を次式で定義する。
[数 3]
¾は kl )
( d d d ,
1+Cj ∑ ∑ ∑ (f xi+u.yi + v.zi + wj-f^x^+u.y^ + v.z^ + w))'1 }/(2d + l)J
\W=-d v=-d u=-d
… (3)
[0073] 但し、 Cは適当に設定される定数である。 S (λ )の値域は [0, 1]であるから、これ
Id
を用いて aの； L に対する初期ラベル確率 P(Q)U )を、次のように定義する。
[0074] [数 4]
Figure imgf000013_0001
[0075] aのラベノレ; l のラベル確率 Ρ(λ )は、； I に対して高いラベル確率を持つ aが a
i kl i kl kl j i の近傍に存在するならば、即ち、近傍の特徴点が同じ変位ベクトルを持つ確率が大 きいならば、 aが L を持つことに関する矛盾は少ないと考えられる。従って、その場
i kl
合、より高い確率を持つように更新する。そこで、まず aのラベル; L の局所的無矛盾
i kl
度 Q i(L )を次式で定義する。
kl
[0076] [数 5]
Qi (又 kl) = , 2， ···， L) … （5)
[0077] 1，については、 a )に対して、ある程度の位置ず
Figure imgf000013_0002
れ Tを許容して、次式を満たす aのラベル λ である 1'につレ、て考える。
j kl'
[0078] [数 6] max[|AXk Axkl， U Aykl—厶 ykl' I, zkl— Δ zkl. |] T … (6) 差替え用弒 （ま H J26) [0079] ここでは、 T=lとしている。従って、（5)式は、 aの近傍にある aのうちで、ほぼ同じ
1 ]
方向のベクトルを持つラベル確率の和を表わしている。ここで近傍点 aとしては、次式
j
を満たすように選択される。
[0080] [数 7] raax[| X X j |， I y「 y j |， I z厂 z j |]≤R … (7)
[0081] ここで、 Rは、近傍点 aを探索する範囲を表わす。
[0082] ラベル確率の更新は、 Q ( λ )を用いて、次のようになされる。
i kl
[0083] [数 8] p iew) (え 、 _ ' i 、ル klノ
1 kl p'i(new) kr) … （8)
Figure imgf000014_0001
(1， 1 = 1， 2，…， L， m)
[0084] ここで、
[数 9]
Pi, M a
Figure imgf000014_0002
… （9)
Pi' M Ukl) =Pi m (Xk l) (A+BQi(°w (Akl)) … (10) であり、 A、 Bは適当に設定される正の定数である。
[0085] (8)式、（9)式、（10)式によるラベル確率の更新を、各 a (i=l, 2, ···, n )に対し
1 a
て並列的 (独立）に行なう処理を、 1回の反復処理とし、ラベル確率の変化が無くなる (収束する）まで反復する。反復処理は 10回程度のオーダーである。
[0086] 特徴点追跡の試験的適用として、先に細線化処理で用いた CT画像と、それを少し 計算 (ある一点を基準に 5%膨張させ、 CT値の揺らぎとして、平均値 0、標準偏差 30 のランダムな値を各画素に加算）により変形させた画像を用いて、それぞれ肺領域抽 出、細線化、分岐点抽出を行ない、得られた結果を用いて、特徴点追跡を行なった。 ここで、確率的弛緩法によるポイントパターンマッチングにおける各パラメータの値は 、 r=15、 d=2、 C = 0. 0001、 R=15、 A=0. 3、 B = 3. 0である。 [0087] 初期 CT画像上の各対応候補点における計算されたラベル確率のうちで、最大のも のを採用した。その結果、対応点対候補を持つ点数 2486について、変位ベクトルを 持つ点は 1343点であり、残りの 1143点は対応点無しであった。
[0088] 得られた変位ベクトルを図 8に示す。ベクトル数としては、ボタセル全体の変位の定 量化のために行なわれるグリッド補間には十分な数が得られて!/、る。
[0089] 計算の結果得られた変位ベクトルの妥当性を評価するために、そのベクトル成分の 理想値からのズレを求めた。計算された変位ベクトルの成分はほぼ理想値に近 、が 、理想値力 ズレているものがある。
[0090] ズレの原因としては、（1)細線ィ匕に行なう際に生じる中心線の座標の揺らぎがある。
図形形状が複雑であったり、真の中心線がボタセルとボタセルの間に来てしまったり 、又、消去判定を行なうボタセルの順序等のアルゴリズムの影響等も含めて、 1ボクセ ル程度の揺らぎが出てしまう。即ち、抽出された特徴点の座標に 1程度の揺らぎが存 在する。変位ベクトル成分の理想値についても、ボタセルの座標から計算される理想 値なので、特徴点の座標を特定する段階で、既に揺らぎが含まれている。
[0091] 別の原因としては、（2)特徴点追跡における誤認識が考えられる。ポイントパターン マッチングにおいて、間違った点を対応点としてしまうことが有り得る。只、ズレの分布 を見る限り、ほとんどのベクトルのズレが ± 1程度に収まっているので、ほぼ正確に計 算されていると思われる。 x、 y、 z方向のボタセルサイズは、今回のデータの場合、そ れぞれ 0. 625、 0. 625、 1mmであるので、本手法における動きの定量化の揺らぎも 、それと同程度と結論付けられる。
[0092] 変位ベクトルは、空間中に分散した限られた数のボタセルに対する動きを示して!/、 る力 局所的（変位ベクトル同士の間隔より小さい領域）に変位ベクトルと異なった変 位は、ほとんど起こらないと考えられるので、グリッド補間によって、空間中の全てのボ クセルに対して変位量が求められる。
[0093] 動きの定量化を用いた応用例として、動きを考慮した線量分布評価等が挙げられ る。その場合、本手法を用いれば、ある時刻の CT画像が設定したターゲットボリユー ムについて、変形後のものを自動的に計算することができる。その例を図 9に示す。こ こでは、簡単のために直方体の領域を与えた。実線 Aで示す直方体は、設定したボリ ユーム、破線 Bで示す直方体は、変位ベクトル力 グリッド補間することにより計算され たボリュームであり、ほぼ正確に変形した直方体が得られる。
[0094] なお、前記説明においては、肺が対象臓器とされていたが、対象臓器はこれに限 定されず、血管造影等の手法を用いて特徴点の抽出方法を工夫することにより、肺 以外の肝臓等の臓器にも同様に適用できる。
[0095] 次に、図 10を参照して、本発明を利用して臓器位置を予測し、放射線を照射する ようにした本発明の第 2実施形態を説明する。
[0096] 本実施形態においても、図 10の左方に示すように、 CTガントリ 32内のベッド 34上 の患者 30に対して、 X線管球 36から X線 37を照射し、 X線検出器 38により得られた 画像に対して、第 1実施形態と同様に、 4次元 CT(4D— CT) 40を用いて、臓器の動 態画像 (4次元 CT画像)を得る。このとき、例えば患者 30の体表面に固定した呼吸セ ンサ 50から、運動情報取得手段 52で呼吸波形を同時に計測することにより、両者の 時間的な相関を得ておく。
[0097] そして、処理部 60で、 4次元 CT画像から第 1実施形態の手法による動態定量化を 行い、各位置の動態情報を得る。これにより、上記で計測した呼吸波形と各位置の運 動との相関を得て、任意の呼吸位相での臓器の位置を予測することができる。
[0098] 次に、上で得られた相関データを用いて、動きを考慮した 4次元の治療計画 (腫瘍 や正常組織への線量評価 ·照射方法等の条件の最適化)を行う。
[0099] 具体的には、図 10の右方に示したように、放射線治療装置 70のベッド 72上の患者
30の体表面に固定した呼吸センサ 50から、運動情報取得手段 52により呼吸波形を リアルタイムで計測する。
[0100] そして、放射線を照射すべき呼吸位相を指定し、前記相関データから臓器位置をリ アルタイムで予測して、治療計画に合わせた必要なタイミングで、照射制御装置 74を 介して放射線照射装置 76から治療用放射線を照射する。
[0101] 次に、図 11 (手順を示す流れ図)及び図 12 (概念図）を参照して、本発明を利用し て臓器異常を検出するようにした本発明の第 3実施形態を説明する。
[0102] 本実施形態においては、図 11に手順を示す如ぐ第 1実施形態の手法により得ら れた各画素（ボタセル）ごとの変位ベクトルを、図 12に示す如ぐそのベクトルの成分 によって領域を区分する。即ち、地図上の各地点の標高によって等高線を得るように 、ベクトルマップの成分の大きさによって領域を分けることにより、異なる変位の領域 を抽出することができる。これによつて、異常領域を検出することができる。
産業上の利用可能性
放射線診断'治療計画及び治療において、呼吸等に伴って変動'変形する肺等の 臓器に対する臓器内各部の対応付け (位置合わせ)や、腫瘍等の関心体積の変形 や位置を、呼吸波形の位相との相関として把握するために用いることができる。

Claims

請求の範囲
[1] 微少に変動 ·変形した臓器の複数の CT画像を入力データとし、
臓器内に分布した血管や気管を抽出して細線ィ匕し、
細線ィ匕した画像を用いて分岐点や連結点の座標を抽出し、
これらを特徴点として複数の CT画像間の個々の点の移動を 3次元空間中で追跡 することにより、臓器の運動を計測することを特徴とする臓器動態の定量ィ匕方法。
[2] 前記特徴点の追跡を、複数の CT画像及び特徴点座標を用いたポイントパターン マッチングにより行うことを特徴とする請求項 1に記載の臓器動態の定量ィ匕方法。
[3] 複数の特徴点の運動を補間して、任意点の運動を求めることを特徴とする請求項 1 又は 2に記載の臓器動態の定量ィ匕方法。
[4] 請求項 1乃至 3のいずれかに記載の方法により得られた動的な情報と、臓器の周期 的な運動の情報との相関を取ることにより、臓器の位置を予測することを特徴とする 臓器位置の予測方法。
[5] 前記臓器の周期的な運動の情報が呼吸曲線であることを特徴とする請求項 4に記 載の臓器位置の予測方法。
[6] 請求項 4又は 5に記載の方法により予測された臓器の位置に、放射線を照射するこ とを特徴とする放射線照射方法。
[7] 前記放射線の照射タイミング及び照射位置の少くともいずれか一方を可変としたこ とを特徴とする請求項 6に記載の放射線照射方法。
[8] 請求項 1乃至 3のいずれかに記載の方法により得られる動的な情報を呼吸曲線と 同時に収集することで、呼吸曲線と対象部位の 3次元運動の相関を把握し、これによ つて放射線治療における呼吸同期照射のタイミングの最適化及び標的追跡照射に おける標的辺縁位置の高精度での推定を可能にしたことを特徴とする放射線照射方 法。
[9] 微少に変動 ·変形した臓器の複数の CT画像を入力する手段と、
臓器内に分布した血管や気管を抽出して細線ィ匕する手段と、
細線ィ匕した画像を用いて分岐点や連結点の座標を抽出する手段と、
これらを特徴点として複数の CT画像間の個々の点の移動を 3次元空間中で追跡 することにより、臓器の運動を計測する手段と、
を備えたことを特徴とする臓器動態の定量ィ匕装置。
[10] 前記特徴点の追跡を、複数の CT画像及び特徴点座標を用いたポイントパターン マッチングにより行う手段を備えたことを特徴とする請求項 9に記載の臓器動態の定 量化装置。
[11] 複数の特徴点の運動を補間して、任意点の運動を求める手段を備えたことを特徴 とする請求項 9又は 10に記載の臓器動態の定量化装置。
[12] 請求項 9乃至 11のいずれかに記載の装置と、
該装置により得られた動的な情報と、臓器の周期的な運動の情報との相関を取るこ とにより、臓器の位置を予測する手段と、
を備えたことを特徴とする臓器位置の予測装置。
[13] 前記臓器の周期的な運動の情報が呼吸曲線であることを特徴とする請求項 12に 記載の臓器位置の予測装置。
[14] 請求項 12又は 13に記載の装置により予測された臓器の位置に、放射線を照射す る手段を備えたことを特徴とする放射線照射装置。
[15] 前記放射線の照射タイミング及び照射位置の少くともいずれか一方を可変としたこ とを特徴とする請求項 14に記載の放射線照射装置。
[16] 請求項 9乃至 11のいずれかに記載の装置と、
該装置により得られる動的な情報を呼吸曲線と同時に収集する手段と、 呼吸曲線と対象部位の 3次元運動の相関を把握する手段とを備え、
放射線治療における呼吸同期照射のタイミングの最適化及び標的追跡照射にお ける標的辺縁位置の高精度での推定を可能にしたことを特徴とする放射線照射装置
[17] 請求項 9乃至 11のいずれかに記載の装置と、
該装置により得られた動的な情報に基づいて、臓器の局所的に異常な変形を捉え る手段と、
を備えたことを特徴とする臓器異常検出装置。
PCT/JP2006/309593 2005-05-13 2006-05-12 臓器動態の定量化方法、装置、臓器位置の予測方法、装置、放射線照射方法、装置及び臓器異常検出装置 WO2006121164A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US11/920,254 US8457379B2 (en) 2005-05-13 2006-05-12 Method for quantifying organ motion, apparatus therefor, method for estimating organ position, apparatus therefor, method for irradiating radiation, apparatus therefor, and apparatus for detecting abnormal organ
EP06732574.6A EP1880673B1 (en) 2005-05-13 2006-05-12 Method of quantifying organ dynamic behavior, device, method of predicting organ position, device, radiation irradiating method, device and organ abnormality detecting device

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2005-141880 2005-05-13
JP2005141880A JP3932303B2 (ja) 2005-05-13 2005-05-13 臓器動態の定量化方法、装置、臓器位置の予測方法、装置、放射線照射方法、装置及び臓器異常検出装置

Publications (1)

Publication Number Publication Date
WO2006121164A1 true WO2006121164A1 (ja) 2006-11-16

Family

ID=37396670

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2006/309593 WO2006121164A1 (ja) 2005-05-13 2006-05-12 臓器動態の定量化方法、装置、臓器位置の予測方法、装置、放射線照射方法、装置及び臓器異常検出装置

Country Status (4)

Country Link
US (1) US8457379B2 (ja)
EP (1) EP1880673B1 (ja)
JP (1) JP3932303B2 (ja)
WO (1) WO2006121164A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2070478A1 (en) * 2007-12-13 2009-06-17 BrainLAB AG Detection of the position of a moving object and treatment method
JP2015217052A (ja) * 2014-05-15 2015-12-07 株式会社東芝 医用画像処理装置、ｘ線診断装置及び医用画像処理プログラム

Families Citing this family (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4384628B2 (ja) * 2005-10-24 2009-12-16 バイオビジック ジャパン株式会社 器官の状態変化を評価する装置およびプログラム
DE102005063220A1 (de) * 2005-12-22 2007-06-28 GSI Gesellschaft für Schwerionenforschung mbH Vorrichtung zum Bestrahlen von Tumorgewebe eines Patienten mit einem Teilchenstrahl
JP5396004B2 (ja) * 2007-01-31 2014-01-22 オリンパス株式会社 蛍光観察装置および蛍光観察装置の作動方法
EP2051205B1 (en) * 2007-10-17 2012-03-14 Deutsches Krebsforschungszentrum Method, computer program and workstation for removing undesirable objects for a digital medical image
CN101983035B (zh) * 2008-04-03 2013-02-13 皇家飞利浦电子股份有限公司 呼吸确定装置
EP2189943B1 (de) 2008-11-19 2014-09-24 Brainlab AG Bestimmung vital-bewegter Regionen eines Analysebildes
US9002427B2 (en) * 2009-03-30 2015-04-07 Lifewave Biomedical, Inc. Apparatus and method for continuous noninvasive measurement of respiratory function and events
CN102421371A (zh) 2009-04-22 2012-04-18 莱夫韦弗公司 胎儿监视设备和方法
DE102009040430B4 (de) * 2009-09-07 2013-03-07 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Vorrichtung, Verfahren und Computerprogramm zur Überlagerung eines intraoperativen Livebildes eines Operationsgebiets oder des Operationsgebiets mit einem präoperativen Bild des Operationsgebiets
US20110075896A1 (en) * 2009-09-25 2011-03-31 Kazuhiko Matsumoto Computer readable medium, systems and methods for medical image analysis using motion information
JP2011161220A (ja) * 2010-01-14 2011-08-25 Toshiba Corp 画像処理装置、ｘ線コンピュータ断層撮像装置及び画像処理プログラム
JP5872323B2 (ja) * 2011-03-29 2016-03-01 株式会社東芝 Ｘ線ｃｔ装置及び画像処理方法
US9636076B2 (en) 2011-03-29 2017-05-02 Toshiba Medical Systems Corporation X-ray CT apparatus and image processing method
GB201107053D0 (en) * 2011-04-27 2011-06-08 Univ Sheffield Improvements in providing image data
KR101982149B1 (ko) * 2011-09-05 2019-05-27 삼성전자주식회사 의료 영상의 일부 정보를 활용한 장기 영상 생성 방법 및 장치
GB201201140D0 (en) 2012-01-24 2012-03-07 Phase Focus Ltd Method and apparatus for determining object characteristics
US20130261424A1 (en) * 2012-03-09 2013-10-03 Research & Business Foundation Sungkyunkwan University System for Inducing Respiration Using Biofeedback Principle
GB201207800D0 (en) 2012-05-03 2012-06-13 Phase Focus Ltd Improvements in providing image data
CN103830848B (zh) * 2012-11-27 2018-09-14 Ge医疗系统环球技术有限公司 用于门控放射治疗的方法和系统
US9984498B2 (en) * 2013-07-17 2018-05-29 Microsoft Technology Licensing, Llc Sparse GPU voxelization for 3D surface reconstruction
JP6376873B2 (ja) * 2014-07-16 2018-08-22 キヤノン株式会社 画像処理装置、画像処理方法及びプログラム
JP6334349B2 (ja) 2014-09-19 2018-05-30 株式会社東芝 粒子線治療システム、粒子線治療装置の作動方法、および、粒子線治療プログラム
JP6490417B2 (ja) 2014-12-18 2019-03-27 株式会社東芝 動体追跡治療装置及び動体追跡治療プログラム
US9928609B2 (en) * 2015-03-10 2018-03-27 Toshiba Medical Systems Corporation Medical image processing apparatus and medical image processing method
CN106033603B (zh) * 2015-03-10 2019-06-11 东芝医疗系统株式会社 医用图像处理装置和医用图像处理方法
DE102015215584B4 (de) * 2015-08-14 2022-03-03 Siemens Healthcare Gmbh Verfahren und System zur Rekonstruktion von Planungsbildern
EP4329875A1 (en) * 2021-04-28 2024-03-06 Elekta, Inc. Real-time anatomic position monitoring for radiotherapy treatment
US11679276B2 (en) 2021-04-28 2023-06-20 Elekta, Inc. Real-time anatomic position monitoring for radiotherapy treatment control
US11712584B1 (en) * 2022-05-24 2023-08-01 Accuray Incorporated Prospective and retrospective on-line adaptive radiotherapy

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000026852A1 (en) * 1998-11-04 2000-05-11 University Of Rochester System and method for 4d reconstruction and visualization
JP2005161053A (ja) * 2003-11-28 2005-06-23 Ge Medical Systems Global Technology Co Llc 運動する対象の時間系列を走査する方法及び装置
JP2006075601A (ja) * 2004-09-09 2006-03-23 Siemens Ag 解剖学的構造のセグメント化方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080019568A1 (en) * 2002-05-23 2008-01-24 Kabushiki Kaisha Toshiba Object tracking apparatus and method
US7356164B2 (en) * 2003-05-30 2008-04-08 Lucent Technologies Inc. Method and apparatus for finding feature correspondences between images captured in real-world environments
US7359535B2 (en) * 2003-06-20 2008-04-15 Ge Medical Systems Global Technology Company, Llc Systems and methods for retrospective internal gating
US7894646B2 (en) * 2003-08-01 2011-02-22 Hitachi Medical Corporation Medical image diagnosis support device and method for calculating degree of deformation from normal shapes of organ regions
JP4647360B2 (ja) * 2004-04-05 2011-03-09 富士フイルム株式会社 差分画像作成装置、差分画像作成方法、及び、そのプログラム
JP4122314B2 (ja) * 2004-06-15 2008-07-23 ザイオソフト株式会社 投影画像処理方法、投影画像処理プログラム、投影画像処理装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000026852A1 (en) * 1998-11-04 2000-05-11 University Of Rochester System and method for 4d reconstruction and visualization
JP2005161053A (ja) * 2003-11-28 2005-06-23 Ge Medical Systems Global Technology Co Llc 運動する対象の時間系列を走査する方法及び装置
JP2006075601A (ja) * 2004-09-09 2006-03-23 Siemens Ag 解剖学的構造のセグメント化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
BOSKAMP T. ET AL.: "New vessel analysis tool for morphometric quantification and visualization of vessels in CT and MR imaging data sets", RADIOGRAPHICS, vol. 24, no. 1, 2004, pages 287 - 297, XP003001612 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2070478A1 (en) * 2007-12-13 2009-06-17 BrainLAB AG Detection of the position of a moving object and treatment method
EP2191775A3 (en) * 2007-12-13 2010-07-28 BrainLAB AG Detection of the position of a moving object
US8391955B2 (en) 2007-12-13 2013-03-05 Brainlab Ag Detection of the position of a moving object and treatment method
US9730654B2 (en) 2007-12-13 2017-08-15 Brainlab Ag Detection of the position of a moving object and treatment method
JP2015217052A (ja) * 2014-05-15 2015-12-07 株式会社東芝 医用画像処理装置、ｘ線診断装置及び医用画像処理プログラム

Also Published As

Publication number Publication date
JP2006314643A (ja) 2006-11-24
EP1880673B1 (en) 2013-11-20
JP3932303B2 (ja) 2007-06-20
US20090022379A1 (en) 2009-01-22
EP1880673A4 (en) 2010-05-12
US8457379B2 (en) 2013-06-04
EP1880673A1 (en) 2008-01-23

Similar Documents

Publication Publication Date Title
JP3932303B2 (ja) 臓器動態の定量化方法、装置、臓器位置の予測方法、装置、放射線照射方法、装置及び臓器異常検出装置
CN101901335B (zh) 用于自动识别3d数据集中图像视图的方法和设备
JP2020520744A (ja) 画像の三次元再構成及び改善された対象物定位のために、放射状気管支内超音波プローブを用いるための方法
Ha et al. Model-based sparse-to-dense image registration for realtime respiratory motion estimation in image-guided interventions
US20080267483A1 (en) Registration of Medical Images Using Learned-Based Matching Functions
El-Baz et al. A framework for automatic segmentation of lung nodules from low dose chest CT scans
JP2011024799A (ja) 医用画像処理装置および方法並びにプログラム
El-Baz et al. A new CAD system for early diagnosis of detected lung nodules
Ibragimov et al. Segmentation of tongue muscles from super-resolution magnetic resonance images
EP3564903A1 (en) Lower to higher resolution image fusion
Zheng Cross-modality medical image detection and segmentation by transfer learning of shapel priors
CN113994380A (zh) 基于深度学习的消融区域确定方法
Kamencay et al. 3D image reconstruction from 2D CT slices
Lu et al. Learning-based regularization for cardiac strain analysis with ability for domain adaptation
El‐Rewaidy et al. Segmentation of the right ventricle in MRI images using a dual active shape model
US20220130048A1 (en) System and method for estimating motion of target inside tissue based on surface deformation of soft tissue
Lee et al. Left atrial imaging and registration of fibrosis with conduction voltages using LGE-MRI and electroanatomical mapping
Dupuy et al. 2D/3D deep registration along trajectories with spatiotemporal context: Application to prostate biopsy navigation
Puyol-Anton et al. Towards a multimodal cardiac motion atlas
Wei et al. Towards fully automatic 2D US to 3D CT/MR Registration: A novel segmentation-based Strategy
Yan et al. Incremental shape statistics learning for prostate tracking in trus
Dong et al. Automatic Extraction of Femur Contours from Calibrated X-Ray Images using Statistical Information.
Ouyang et al. Preliminary feasibility study of imaging registration between supine and prone breast CT in breast cancer radiotherapy using residual recursive cascaded networks
Ding et al. Research on Spinal Canal GenerationMethod based on Vertebral Foramina Inpainting of Spinal CT Images by using BEGAN.
Zhu et al. Monte Carlo tree search for 3D/2D registration of vessel graphs

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application
WWE Wipo information: entry into national phase

Ref document number: 2006732574

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 11920254

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: RU

WWP Wipo information: published in national office

Ref document number: 2006732574

Country of ref document: EP