WO2023157869A1 - 予測支援システム、予測支援方法及び予測支援プログラム - Google Patents

予測支援システム、予測支援方法及び予測支援プログラム Download PDF

Info

Publication number
WO2023157869A1
WO2023157869A1 PCT/JP2023/005197 JP2023005197W WO2023157869A1 WO 2023157869 A1 WO2023157869 A1 WO 2023157869A1 JP 2023005197 W JP2023005197 W JP 2023005197W WO 2023157869 A1 WO2023157869 A1 WO 2023157869A1
Authority
WO
WIPO (PCT)
Prior art keywords
irradiation
dimensional
particle beam
distribution
radioactivity distribution
Prior art date
Application number
PCT/JP2023/005197
Other languages
English (en)
French (fr)
Inventor
禎治 西尾
裕也 根本
秀正 前川
Original Assignee
国立大学法人大阪大学
みずほリサーチ＆テクノロジーズ株式会社
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 国立大学法人大阪大学, みずほリサーチ＆テクノロジーズ株式会社 filed Critical 国立大学法人大阪大学
Publication of WO2023157869A1 publication Critical patent/WO2023157869A1/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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E30/00—Energy generation of nuclear origin
    • Y02E30/30—Nuclear fission reactors

Definitions

  • the present disclosure relates to a prediction support system, a prediction support method, and a prediction support program for supporting treatment using particle beams.
  • a radiotherapy control apparatus that calculates the current position of a marker embedded in a patient, thereby reducing the exposure dose of the patient to imaging radiation emitted from a fluoroscopic imaging apparatus for fluoroscopy during radiotherapy.
  • This is being studied (see Patent Document 1, for example).
  • fluoroscopic images of three or more markers are acquired from a set of fluoroscopic imaging devices, and respective distances between the markers are acquired. Then, by calculating the current position of each marker, it is determined whether or not to irradiate therapeutic radiation.
  • treatment may be performed using high-energy, high-speed particle beams.
  • a proton beam which is one of particle beams, loses a large amount of energy just before the incident protons stop in the body.
  • a high-dose region called the "Bragg peak” forms at this location. Therefore, by reducing damage to normal regions, it is possible to intensively irradiate strong radiation to the diseased part of the body.
  • the irradiation area the area irradiated with the proton beam (hereinafter referred to as the irradiation area) is visualized using the nucleus fragmentation reaction that occurs between the incident proton nucleus and the target nucleus in the patient's body.
  • Beam ON-LINE Positron Emission Tomography which is a positron emission tomography device (PET device) that detects positron emission nuclei generated in the irradiation area in the patient's body by target nuclear spallation reaction in proton beam therapy. system” is used.
  • PET device positron emission tomography device
  • the radioactivity distribution which is a three-dimensional distribution, is two-dimensionally measured. Therefore, it may be difficult to confirm the three-dimensional dose distribution.
  • a prediction support system includes a controller that predicts the state of irradiation by a particle beam irradiation device.
  • the control unit changes at least one of the irradiation state and the patient state with respect to a reference dose distribution when the particle beam is irradiated to the patient state in the irradiation state based on the irradiation condition of the particle beam.
  • Generating a prediction model for predicting the distribution of radioactivity irradiating a particle beam based on the irradiation conditions of the particle beam, and acquiring a measurement result actually measured two-dimensionally, applying the prediction model to the measurement result and predicting a second three-dimensional radioactivity distribution corresponding to the measurement result.
  • Another aspect provides a method of predicting the irradiation state of a particle beam irradiation device using a prediction support system having a control unit.
  • the control unit adjusts at least one of the irradiation state and the patient state with respect to a reference dose distribution when the particle beam is irradiated to the patient state in the irradiation state based on the irradiation conditions of the particle beam.
  • a program for predicting the irradiation state of a particle beam irradiation device using a prediction support system having a control unit is provided.
  • the control unit performs at least one of the irradiation state and the patient state with respect to a reference dose distribution when the particle beam is irradiated to the patient state in the irradiation state based on the irradiation conditions of the particle beam.
  • FIG. 1 is an explanatory diagram of a prediction support system according to an embodiment
  • FIG. 3 is an explanatory diagram of the hardware configuration of the embodiment
  • FIG. FIG. 2 is an explanatory diagram of irradiation positions of particle beams according to the embodiment
  • It is explanatory drawing of the radioactivity distribution measured two-dimensionally of embodiment. It is explanatory drawing of the relationship between the three-dimensional radioactivity distribution of embodiment, and two-dimensional measurement distribution.
  • FIG. 7 is an explanatory diagram of a processing procedure of processing during learning according to the embodiment
  • 4 is an explanatory diagram of teacher information according to the embodiment
  • FIG. FIG. 4 is an explanatory diagram of adjustment coefficients according to the embodiment
  • It is an explanatory view of the processing procedure of the processing at the time of prediction of the embodiment.
  • FIG. 1 An embodiment embodying a prediction support system, a prediction support method, and a prediction support program will be described below with reference to FIGS. 1 to 10.
  • FIG. 1 a case will be described in which the affected area of a patient is treated with protons as particle beams.
  • FIG. 2 is a hardware configuration example of the information processing device H10 that functions as the treatment planning device 10, the support device 20, the treatment device 30, and the like.
  • the information processing device H10 has a communication device H11, an input device H12, a display device H13, a storage device H14, and a processor H15. Note that this hardware configuration is an example, and other hardware may be included.
  • the communication device H11 is an interface that establishes a communication path with another device and executes data transmission/reception, such as a network interface or a wireless interface.
  • the input device H12 is a device that receives input from the user, such as a mouse or keyboard.
  • the display device H13 is a display, a touch panel, or the like that displays various information.
  • the storage device H14 is a storage device that stores data and various programs for executing various functions of the treatment planning device 10, the support device 20, and the treatment device 30.
  • Examples of the storage device H14 include non-transitory computer-readable media such as ROM, RAM, and hard disk.
  • the processor H15 uses the programs and data stored in the storage device H14 to control each process in the treatment planning device 10, support device 20, and treatment device 30 (for example, processing in the control unit 21, which will be described later).
  • Examples of the processor H15 include, for example, a CPU and an MPU.
  • the processor H15 expands a program stored in a ROM or the like into a RAM and operates to execute various processes. For example, when the application programs of the treatment planning device 10, the support device 20, and the treatment device 30 are activated, the processor H15 operates to execute each process described later.
  • the processor H15 is not limited to performing software processing for all the processing it executes.
  • the processor H15 may include a dedicated hardware circuit (for example, an application specific integrated circuit: ASIC) that performs hardware processing for at least part of the processing performed by the processor H15. That is, the processor H15 can be configured as follows.
  • processors that operate according to a computer program
  • processors that operate according to a computer program
  • dedicated hardware circuits that perform at least part of the various processes
  • a combination thereof It includes a CPU and memory, such as RAM and ROM, which stores program code or instructions configured to cause the CPU to perform processes.
  • Memory or computer-readable media includes any available media that can be accessed by a general purpose or special purpose computer.
  • the treatment planning apparatus 10 is a simulator for examining the radiation injection method for the affected area and confirming whether an appropriate dose has been prescribed.
  • This treatment planning apparatus 10 acquires CT images (DICOM data) obtained by tomography at predetermined image intervals from a CT imaging apparatus.
  • the treatment planning apparatus 10 then performs contour extraction on the DICOM data using a known method to generate CT contour information.
  • This CT contour information is composed of DICOM ROI (Region Of Interest) data, and contours of specified parts (body surface, bones, affected parts, risk organs, etc.) specified in CT images (tomographic images) taken at specified intervals. is a set of points (coordinates) that make up the
  • the treatment planning apparatus 10 determines the beam quality, incident direction, irradiation range, prescribed dose, number of times of irradiation, etc. of the treatment beam based on the body surface shape of the affected area, the shape and position of the affected area, and the positional relationship with the risk organ.
  • the support device 20 is a computer system for supporting particle beam (proton beam) therapy.
  • This support device 20 includes a control unit 21 , a treatment information storage unit 22 , a teacher information storage unit 23 and a learning result storage unit 24 .
  • the control unit 21 performs the processing (including the calculation stage, the learning stage, the prediction stage, etc.), which will be described later.
  • the control unit 21 functions as a calculation unit 211, a learning unit 212, a prediction unit 213, and the like.
  • the calculation unit 211 executes processing for creating teacher information used for machine learning through simulation. This calculation unit 211 preliminarily holds change factors for adjusting the three-dimensional radioactivity distribution. For example, a three-dimensional dose distribution or an image processing coefficient for fine correction of a three-dimensional CT image can be used as the change factor.
  • the learning unit 212 executes processing for calculating adjustment coefficients by machine learning.
  • the prediction unit 213 executes processing for predicting the irradiation dose using the adjustment coefficient.
  • the treatment information storage unit 22 stores treatment management information on proton beam irradiation for patient treatment. When the support device 20 acquires the treatment plan information from the treatment planning device 10, the treatment information storage unit 22 stores the acquired treatment management information.
  • This treatment management information includes CT contour information and irradiation condition information in association with the patient code and scheduled treatment date.
  • a patient code is an identifier for identifying each patient.
  • the scheduled treatment date is the scheduled date (year, month, day) of proton beam irradiation treatment for this patient in the treatment plan.
  • the CT contour information includes, as a patient condition, positional information of contours of predetermined parts (body surface, bones, affected parts, risk organs, etc.) in CT images of affected parts of the patient.
  • the irradiation condition information is a condition for irradiating the patient with proton beams on the scheduled treatment date.
  • the irradiation conditions (three-dimensional dose distribution and three-dimensional radioactivity distribution) are determined according to these irradiation conditions.
  • the irradiation condition information includes information on the proton beam irradiation position, irradiation direction, irradiation energy, irradiation dose, beam irradiation method, and the like.
  • the beam irradiation method includes, for example, an "enlarged beam irradiation method" and a "scanning irradiation method".
  • the teacher information storage unit 23 stores teacher information for calculating adjustment coefficients by machine learning. After the learning process is performed, the teacher information storage unit 23 stores the teacher information. This teacher information includes simulation information for each patient code.
  • a patient code is an identifier for identifying each patient.
  • Simulation information includes: ⁇ Three-dimensional radioactivity distribution without change factors (simulation) This three-dimensional radioactivity distribution is calculated by a simulation of irradiating the patient's CT image region with a particle beam based on the treatment plan.
  • This three-dimensional radioactivity distribution is calculated by a simulation that causes change factors.
  • the change factors include, for example, changes in irradiation conditions (quantum beam range, etc.), changes in the CT image region (changes in the shape of an affected area such as a tumor, and movement of the patient).
  • the learning result storage unit 24 stores adjustment coefficient information for calculating the irradiation dose. After the learning process is performed, the learning result storage unit 24 stores the adjustment coefficient information.
  • This adjustment factor information includes information about patient codes and adjustment factors.
  • a patient code is an identifier for identifying each patient.
  • the adjustment factor is a prediction model for predicting the three-dimensional irradiation dose from the activity distribution in the patient's body part.
  • the therapeutic device 30 is a device that treats an affected area such as cancer by irradiating the affected area with radiation.
  • This treatment apparatus 30 is provided with a treatment table for maintaining the patient P1 in a posture for treatment (supine, supine, etc.).
  • the therapeutic device 30 includes an irradiation device 31 and a detection device 32 .
  • the irradiation device 31 is a device (gantry) that irradiates the patient P1 on the treatment table with a particle beam.
  • the detection device 32 is a positron emission tomography device (PET device) that detects positron emission nuclei generated in the irradiation region within the patient's body by target nuclear spallation reaction in proton beam therapy.
  • the irradiation depth position (irradiation area) can be specified from the emission position of the positron emission nuclei.
  • the detection device 32 includes measurement surfaces 321 and 322 for detecting positron emission nuclei on the sides of the irradiation direction of the proton beam irradiated from the irradiation device 31 .
  • FIG. 3 for example, a case of irradiating a patient's neck with a particle beam will be described.
  • the particle beam is emitted from the irradiation device 31 behind the neck of the patient P1.
  • the radioactivity distribution is two-dimensionally measured by the measurement surfaces 321 and 322 of the detection device 32 arranged on both sides of the head.
  • a radioactivity distribution A1 of the neck is measured in a two-dimensional measurement image 350.
  • FIG. 5 a particle beam irradiated from the x-axis direction causes radioactivity in a three-dimensional space (x, y, z) inside the body. Then, this radioactivity is measured on the measurement plane (x, y) by the flat measurement planes 321 and 322 . In this measurement plane (x, y), the radioactivity distribution in the z-axis direction is compressed. That is, there are cases where information on the radioactivity distribution in the z-axis direction cannot be partially obtained.
  • a three-dimensional dose distribution 501 (reference dose distribution) is calculated based on the treatment plan by simulation.
  • a three-dimensional radioactivity distribution 502 is generated by simulation according to the patient's CT image area.
  • a two-dimensional measurement distribution 503 compressed in the z-axis direction is calculated. That is, a two-dimensional measurement distribution 503 is calculated by compressing the three-dimensional radioactivity distribution 502 in the z-axis direction.
  • the calculated two-dimensional measurement distribution 503 corresponds to the two-dimensional measurement distribution 504 by actual measurement.
  • a 3D-mea. is the actual three-dimensional radioactivity distribution.
  • a 2D-mea. is the two-dimensional measurement distribution (measurement result) of actually measured radioactivity.
  • a 3D-cal. is the three-dimensional radioactivity distribution by irradiation simulation.
  • a 2D-cal. is a two-dimensional radioactivity distribution (measurement information) by irradiation simulation.
  • the irradiation simulation and the actual irradiation may deviate depending on the irradiation state and the patient's state.
  • a deviation occurs between the two-dimensional measurement distribution 503 and the two-dimensional measurement distribution 504 .
  • the following relational expressions are used for adjustment.
  • A' 3D-cal. is a three-dimensional radioactivity distribution obtained by irradiation simulation considering change factors.
  • A' 3D-mea. is the actual three-dimensional radioactivity distribution with variable factors added.
  • F is a coefficient (adjustment coefficient) for adjusting the change factor.
  • the adjustment factor F is calculated by machine learning, and the actual three-dimensional radioactivity distribution 505 is predicted using this adjustment factor F during treatment.
  • the irradiation support processing will be described with reference to FIGS. 7 to 10.
  • FIG. This irradiation support processing consists of processing at the time of learning and processing at the time of prediction.
  • control unit 21 of the support device 20 executes a three-dimensional radioactivity distribution acquisition process (step S11). Specifically, the calculation unit 211 of the control unit 21 acquires the dose distribution of particle beam irradiation based on the treatment plan.
  • a three-dimensional radioactivity distribution 502a is generated by simulation based on the three-dimensional dose distribution 501.
  • a three-dimensional radioactivity distribution 502b is generated by simulation with the change factor 506 added.
  • a two-dimensional measurement distribution 503 corresponding to this three-dimensional radioactivity distribution 502b is calculated.
  • teacher information is generated.
  • control unit 21 repeats the following processing for each change factor.
  • the control unit 21 executes a process of assigning change factors (step S12). Specifically, the calculation unit 211 acquires a prestored change factor (change in range of particle beam, change in CT image area, etc.). As for the “change in range of the particle beam”, the three-dimensional dose distribution 501 is multiplied by the image processing coefficient of the change factor for fine adjustment. As for "change in CT image area”, the patient's CT image is multiplied by the image processing coefficient of the change factor for fine adjustment.
  • control unit 21 executes calculation processing of the three-dimensional radioactivity distribution when the factor of change is added (step S13). Specifically, the calculation unit 211 calculates the three-dimensional radioactivity distribution 502b by simulation including the change factor 506. FIG.
  • control unit 21 executes the process of calculating the two-dimensionally measured radioactivity distribution (step S14). Specifically, the calculation unit 211 calculates a two-dimensional measurement distribution 503 measured on the measurement plane from the calculated three-dimensional radioactivity distribution 502b. In this two-dimensional measurement distribution 503, a change factor 506 is considered.
  • control unit 21 executes registration processing of teacher information (step S15). Specifically, the learning unit 212 of the control unit 21 combines the three-dimensional radioactivity distribution 502a, the three-dimensional radioactivity distribution 502b in consideration of the change factor 506, and the two-dimensional measurement distribution 503 in consideration of the change factor. to generate The learning unit 212 then records the generated teacher information 230 in the teacher information storage unit 23 .
  • control unit 21 repeats the above process until all the factors of change are completed. Then, the control unit 21 executes machine learning processing (step S16).
  • learning unit 212 calculates the adjustment coefficient F by machine learning using the teacher information 230 recorded in the teacher information storage unit 23 .
  • the learning unit 212 records the calculated adjustment coefficient F in the learning result storage unit 24 in association with the patient code.
  • prediction processing Next, prediction processing will be described with reference to FIG. 10 . This process is executed when the patient is treated by particle beam irradiation.
  • the control unit 21 executes treatment plan acquisition processing (step S21). Specifically, the prediction unit 213 of the control unit 21 acquires from the treatment planning apparatus 10 the treatment plan (irradiation conditions, CT image) associated with the patient code of the patient to be irradiated with the particle beam. Then, the prediction unit 213 calculates a three-dimensional dose distribution using the irradiation conditions of the treatment plan.
  • the treatment plan irradiation conditions, CT image
  • control unit 21 executes processing for calculating the three-dimensional radioactivity distribution on the treatment plan (step S22). Specifically, the prediction unit 213 calculates the three-dimensional radioactivity distribution using the three-dimensional dose distribution and the CT image. Variation factors are not considered in this three-dimensional radioactivity distribution.
  • control unit 21 executes processing for acquiring the two-dimensionally measured radioactivity distribution (step S23). Specifically, the prediction unit 213 acquires the two-dimensional measurement distribution from the detection device 32 when irradiation is performed.
  • control unit 21 executes prediction processing of the three-dimensional radioactivity distribution (step S24). Specifically, the prediction unit 213 acquires the adjustment coefficient F associated with the patient code from the learning result storage unit 24 . This is the adjustment factor F in [Formula 2]. Next, the prediction unit 213 predicts an actual three-dimensional radioactivity distribution using the obtained adjustment coefficient F for the obtained two-dimensional measurement distribution and the three-dimensional radioactivity distribution on the treatment plan.
  • the irradiation conditions in the treatment plan are adjusted as necessary. According to this embodiment, the following advantages can be obtained.
  • control unit 21 performs the process of adding a change factor (step S12), the process of calculating a three-dimensional radioactivity distribution when the change factor is added (step S13), the two-dimensionally measured radiation A power distribution calculation process (step S14) is executed.
  • a two-dimensional measurement distribution can be generated for the radioactivity distribution considering the change factor for the irradiation conditions of the treatment plan.
  • control unit 21 executes machine learning processing (step S16). Thereby, information for predicting the three-dimensional radioactivity distribution from the obtained two-dimensional measurement distribution can be generated.
  • the adjustment factor F can be used to efficiently predict the three-dimensional radioactivity distribution because the effect of the change factor on the overall radioactivity distribution is small.
  • control unit 21 executes a two-dimensionally measured radioactivity distribution acquisition process (step S23) and a three-dimensional radioactivity distribution prediction process (step S24).
  • step S23 a two-dimensionally measured radioactivity distribution acquisition process
  • step S24 a three-dimensional radioactivity distribution prediction process
  • a proton beam is used as the particle beam.
  • the particle beam is not limited to proton beams, and carbon beams, for example, can also be used.
  • the detection device 32 is a positron emission tomography device, which detects positron emission nuclei generated in the irradiated region within the patient's body.
  • the detection is not limited to the detection of positron emission nuclei as long as the irradiated area can be detected.
  • the control unit 21 executes the machine learning process (step S16).
  • an adjustment factor F for predicting the three-dimensional radioactivity distribution 502b is calculated based on the three-dimensional radioactivity distribution 502a and the two-dimensional measurement distribution 503 including the change factors.
  • the variables of the input layer and the output layer are not limited to these as long as the actual three-dimensional radioactivity distribution can be predicted.
  • the actual three-dimensional radioactivity distribution may be predicted based on the irradiation conditions of the treatment plan and the two-dimensional measurement distribution.
  • a two-dimensional measurement distribution calculated by simulation using the dose distribution of the treatment plan may be used.
  • the learning result storage unit 24 stores adjustment coefficient information for calculating the irradiation dose.
  • a 3 ⁇ 3 matrix is used for the adjustment coefficient information.
  • Information used for prediction is not limited to matrices.
  • a network consisting of an input layer, an intermediate layer, and an output layer may be used.
  • the input layer uses the irradiation state determined from the treatment plan and the two-dimensionally measured two-dimensional radioactivity distribution (measurement results).
  • the output layer a three-dimensional radioactivity distribution that considers factors of change and factors of change is used. This makes it possible to predict the actual three-dimensional radioactivity distribution and change factors according to the two-dimensional radioactivity distribution (measurement results).

Abstract

支援装置（２０）は、粒子線の照射装置による照射状態を予測する制御部（２１）を備える。制御部（２１）は、粒子線の照射条件に基づく照射状態で、患者状態に対して粒子線を照射した場合の基準線量分布に対して、照射状態及び患者状態の少なくとも一方に変化を加えた場合の第１の３次元放射能分布と、前記第１の３次元放射能分布を２次元的に計測した計測情報とを、シミュレーションにより算出する。制御部（２１）は、計測情報から前記第１の３次元放射能分布を予測する予測モデルを生成し、粒子線の照射条件に基づいて粒子線を照射する。制御部（２１）は、２次元的に実測した計測結果を取得した場合、計測結果に予測モデルを適用して、計測結果に対応する第２の３次元放射能分布を予測する。

Description

予測支援システム、予測支援方法及び予測支援プログラム
　本開示は、粒子線を用いた治療を支援するための予測支援システム、予測支援方法及び予測支援プログラムに関する。
　放射線を用いて治療を行なう場合、患者の被曝量を低減するために、的確な位置に適切な量で放射線を照射する必要がある。このため、患者に埋め込まれたマーカの現在位置を算出することにより、放射線治療中に透視するために透視画像撮影装置から放射される撮影用放射線による患者の被曝量を低減する放射線治療制御装置が検討されている（例えば、特許文献１参照）。この文献に記載された技術では、一組の透視画像撮影装置から３つ以上のマーカの透視画像を取得し、各マーカ間の各々の距離を取得する。そして、各マーカの現在位置を算出することにより、治療用放射線を照射するか否かを判別する。
　また、高いエネルギで高速の粒子線を用いて、治療を行なう場合もある。粒子線の一つである陽子線は、入射陽子が体内で停止する寸前の場所で大きなエネルギを損失する。この場所に「ブラッグピーク」と呼ばれる高線量領域を形成する。このため、正常な領域のダメージを減らすことにより、体内の患部に強い放射線を集中的に照射することができる。このような粒子線（陽子線）の照射において、入射陽子核と患者体内にある標的原子核で起こる原子核破砕反応を利用して、陽子線が照射された領域（以下、照射領域）を可視化し、その可視化情報から腫瘍に対する照射線量を誘導する技術も検討されている（例えば、非特許文献１参照）。この文献に記載された技術では、陽子線治療において標的原子核破砕反応によって患者体内の照射領域に生成されるポジトロン放出核を検出する陽電子断層装置（ＰＥＴ装置）である「Beam ON-LINE Positron Emission Tomography system」を用いる。このＰＥＴ装置を、陽子線回転ガントリー照射室内に設置することで、陽子線照射領域を可視化する。
特開２０１３－１９２７０２号公報
西尾禎治，"原子核破砕反応を利用した照射領域可視化による高精度陽子線治療"，［online］，２０１１年，一般財団法人　高度情報科学技術研究機構，ＲＩＳＴニュース，Ｎｏ．５０，ｐ．２４－３５，［令和３年１２月２４日検索］，インターネット＜URL：http://www.rist.or.jp/rnews/50/50s4.pdf＞
　しかしながら、上述した陽電子断層装置においては、３次元の分布である放射能分布が２次元的に計測される。このため、３次元の線量分布の確認が困難な場合がある。
　一態様では、粒子線の照射装置による照射状態を予測する制御部を備えた予測支援システムを提供する。前記制御部は、粒子線の照射条件に基づく照射状態で、患者状態に対して粒子線を照射した場合の基準線量分布に対して、前記照射状態及び前記患者状態の少なくとも一方に変化を加えた場合の第１の３次元放射能分布と、前記第１の３次元放射能分布を２次元的に計測した計測情報とを、シミュレーションにより算出することと、前記計測情報から前記第１の３次元放射能分布を予測する予測モデルを生成することと、前記粒子線の照射条件に基づいて粒子線を照射し、２次元的に実測した計測結果を取得した場合、前記計測結果に前記予測モデルを適用して、前記計測結果に対応する第２の３次元放射能分布を予測することと、を行うように構成されている。
　別の態様では、制御部を備えた予測支援システムを用いて、粒子線の照射装置による照射状態を予測する方法を提供する。該方法は、前記制御部が、粒子線の照射条件に基づく照射状態で、患者状態に対して粒子線を照射した場合の基準線量分布に対して、前記照射状態及び前記患者状態の少なくとも一方に変化を加えた場合の第１の３次元放射能分布と、前記第１の３次元放射能分布を２次元的に計測した計測情報とを、シミュレーションにより算出することと、前記制御部が、前記計測情報から前記第１の３次元放射能分布を予測する予測モデルを生成することと、前記制御部が、前記粒子線の照射条件に基づいて粒子線を照射し、２次元的に実測した計測結果を取得した場合、前記計測結果に前記予測モデルを適用して、前記計測結果に対応する第２の３次元放射能分布を予測することと、を備える。
　さらに別の態様では、制御部を備えた予測支援システムを用いて、粒子線の照射装置による照射状態を予測するプログラムを提供する。前記プログラムの実行時、前記制御部は、粒子線の照射条件に基づく照射状態で、患者状態に対して粒子線を照射した場合の基準線量分布に対して、前記照射状態及び前記患者状態の少なくとも一方に変化を加えた場合の第１の３次元放射能分布と、前記第１の３次元放射能分布を２次元的に計測した計測情報とを、シミュレーションにより算出することと、前記計測情報から前記第１の３次元放射能分布を予測する予測モデルを生成することと、前記粒子線の照射条件に基づいて粒子線を照射し、２次元的に実測した計測結果を取得した場合、前記計測結果に前記予測モデルを適用して、前記計測結果に対応する第２の３次元放射能分布を予測することと、を行うように構成されている。
　本開示によれば、粒子線の照射状態を的確に評価して、粒子線の照射による治療を支援することができる。
実施形態の予測支援システムの説明図である。 実施形態のハードウェア構成の説明図である。 実施形態の粒子線の照射位置の説明図である。 実施形態の２次元的に計測した放射能分布の説明図である。 実施形態の３次元放射能分布と２次元計測分布との関係の説明図である。 実施形態の処理手順の説明図である。 実施形態の学習時処理の処理手順の説明図である。 実施形態の教師情報の説明図である。 実施形態の調整係数の説明図である。 実施形態の予測時処理の処理手順の説明図である。
　以下、図１～図１０に従って、予測支援システム、予測支援方法及び予測支援プログラムを具体化した一実施形態を説明する。本実施形態では、粒子線としての陽子を患者の患部に照射して、患部の治療を行なう場合を説明する。
　本実施形態では、ネットワークを介して接続された治療計画装置１０、支援装置２０、治療装置３０を用いる。
　（ハードウェア構成例）
　図２は、治療計画装置１０、支援装置２０、治療装置３０等として機能する情報処理装置Ｈ１０のハードウェア構成例である。
　情報処理装置Ｈ１０は、通信装置Ｈ１１、入力装置Ｈ１２、表示装置Ｈ１３、記憶装置Ｈ１４、プロセッサＨ１５を有する。なお、このハードウェア構成は一例であり、他のハードウェアを有していてもよい。
　通信装置Ｈ１１は、他の装置との間で通信経路を確立して、データの送受信を実行するインタフェースであり、例えばネットワークインタフェースや無線インタフェース等である。
　入力装置Ｈ１２は、ユーザ等からの入力を受け付ける装置であり、例えばマウスやキーボード等である。表示装置Ｈ１３は、各種情報を表示するディスプレイやタッチパネル等である。
　記憶装置Ｈ１４は、治療計画装置１０、支援装置２０、治療装置３０の各種機能を実行するためのデータや各種プログラムを格納する記憶装置である。記憶装置Ｈ１４の一例としては、ＲＯＭ、ＲＡＭ、ハードディスク等の非一時的なコンピュータ可読媒体がある。
　プロセッサＨ１５は、記憶装置Ｈ１４に記憶されるプログラムやデータを用いて、治療計画装置１０、支援装置２０、治療装置３０における各処理（例えば、後述する制御部２１における処理）を制御する。プロセッサＨ１５の一例としては、例えばＣＰＵやＭＰＵ等がある。このプロセッサＨ１５は、ＲＯＭ等に記憶されるプログラムをＲＡＭに展開して、各種処理を実行するように動作する。例えば、プロセッサＨ１５は、治療計画装置１０、支援装置２０、治療装置３０のアプリケーションプログラムが起動された場合、後述する各処理を実行するように動作する。
　プロセッサＨ１５は、自身が実行するすべての処理についてソフトウェア処理を行なうものに限られない。例えば、プロセッサＨ１５は、自身が実行する処理の少なくとも一部についてハードウェア処理を行なう専用のハードウェア回路（例えば、特定用途向け集積回路：ＡＳＩＣ）を備えてもよい。すなわち、プロセッサＨ１５は、以下で構成し得る。
　〔１〕コンピュータプログラムに従って動作する１つ以上のプロセッサ
　〔２〕各種処理のうち少なくとも一部の処理を実行する１つ以上の専用のハードウェア回路
　〔３〕それらの組み合わせ、を含む回路
　プロセッサは、ＣＰＵ並びに、ＲＡＭ及びＲＯＭ等のメモリを含み、メモリは、処理をＣＰＵに実行させるように構成されたプログラムコード又は指令を格納している。メモリすなわちコンピュータ可読媒体は、汎用又は専用のコンピュータでアクセスできるあらゆる利用可能な媒体を含む。
　（治療計画装置１０、支援装置２０、治療装置３０の機能）
　次に、治療計画装置１０、支援装置２０、治療装置３０の機能を説明する。
　治療計画装置１０は、患部に対する放射線の入射方法を検討し、適切な線量が処方できているかを確認するためのシミュレータである。この治療計画装置１０は、ＣＴ撮影装置から、所定の画像間隔で断層撮影したＣＴ画像（DICOMデータ）を取得する。そして、治療計画装置１０は、公知の方法を用いて、DICOMデータにおいて輪郭抽出を行ない、ＣＴ輪郭情報を生成する。このＣＴ輪郭情報は、DICOM ROI（Region Of Interest）データにより構成されており、所定間隔で撮影したＣＴ画像（断層画像）において特定した所定部位（体表面、骨、患部及びリスク臓器等）の輪郭を構成する点（座標）の集合体からなるデータである。この治療計画装置１０においては、患部の体表面形状、患部の形状、位置、リスク臓器との位置関係によって、治療ビームの線質、入射方向、照射範囲、処方線量・照射回数等を決定する。
　支援装置２０は、粒子線（陽子線）治療を支援するためのコンピュータシステムである。この支援装置２０は、制御部２１、治療情報記憶部２２、教師情報記憶部２３、学習結果記憶部２４を備えている。
　制御部２１は、後述する処理（計算段階、学習段階、予測段階等を含む処理）を行なう。このための予測支援プログラムを実行することにより、制御部２１は、計算部２１１、学習部２１２、予測部２１３等として機能する。
　計算部２１１は、シミュレーションにより、機械学習に用いる教師情報を作成する処理を実行する。この計算部２１１は、３次元放射能分布を調整するための変化要因を予め保持している。変化要因としては、例えば、３次元線量分布や、３次元ＣＴ画像を微修正するための画像処理係数を用いることができる。
　学習部２１２は、機械学習により調整係数を算出する処理を実行する。
　予測部２１３は、調整係数を用いて照射線量を予測する処理を実行する。
　治療情報記憶部２２は、患者の治療のための陽子線照射についての治療管理情報を記憶する。支援装置２０が治療計画装置１０から治療計画情報を取得すると、治療情報記憶部２２は、取得した治療管理情報を記憶する。この治療管理情報は、患者コード、治療予定日に関連付けて、ＣＴ輪郭情報、照射条件情報を含む。
　患者コードは、各患者を特定するための識別子である。
　治療予定日は、この患者に対する、治療計画における陽子線照射による治療の予定日（年月日）である。
　ＣＴ輪郭情報には、患者状態として、この患者の患部のＣＴ画像における、所定部位（体表面、骨、患部及びリスク臓器等）の輪郭の位置情報が含まれる。
　照射条件情報は、この患者に対して治療予定日に陽子線を照射する条件である。この照射条件により、照射状態（３次元線量分布や３次元放射能分布）を定める。照射条件情報には、陽子線の照射位置、照射方向、照射エネルギ、照射線量、ビーム照射法等に関する情報が含まれる。ここで、ビーム照射法には、例えば、「拡大ビーム照射法」や「スキャニング照射法」等がある。
　教師情報記憶部２３は、調整係数を機械学習により算出するための教師情報を記憶する。学習時処理が行われると、教師情報記憶部２３は、教師情報を記憶する。この教師情報は、患者コード毎のシミュレーション情報を含む。
　患者コードは、各患者を特定するための識別子である。
　シミュレーション情報には、以下が含まれる。
　・変化要因がない場合の３次元放射能分布（シミュレーション）
　この３次元放射能分布は、治療計画に基づいて患者のＣＴ画像領域に粒子線を照射した場合のシミュレーションにより、算出される。
　・変化要因を加えた場合の３次元放射能分布（シミュレーション）
　この３次元放射能分布は、変化要因を生じさせたシミュレーションにより算出される。変化要因としては、例えば、照射条件（量子線の飛程等）の変化、ＣＴ画像領域における変化（腫瘍等の患部形状の変化や患者の動き）等がある。
　・変化要因を加えた場合の２次元計測分布（シミュレーション）
　この２次元計測分布は、変化要因を加えた場合の３次元放射能分布を２次元の平面で計測した場合を想定して算出される。
　学習結果記憶部２４は、照射線量を算出するための調整係数情報を記憶する。学習時処理が行われると、学習結果記憶部２４は、調整係数情報を記憶する。この調整係数情報は、患者コード及び調整係数に関する情報を含む。
　患者コードは、各患者を特定するための識別子である。
　調整係数は、患者の体部位における放射能（activity）分布から３次元照射線量を予測するための予測モデルである。
　治療装置３０は、放射線を患部に照射することにより、がん等の患部の治療を行なう装置である。この治療装置３０には、患者Ｐ１が治療のための姿勢（仰臥や背臥等）を維持するための治療台が設けられている。そして、治療装置３０は、照射装置３１、検出装置３２を備える。
　照射装置３１は、治療台の患者Ｐ１に対して粒子線を照射する装置（ガントリー）である。
　検出装置３２は、陽子線治療において標的原子核破砕反応によって患者体内の照射領域に生成されるポジトロン放出核を検出する陽電子断層装置（ＰＥＴ装置）である。このポジトロン放出核の放出位置により、照射深さ位置（照射領域）を特定することができる。検出装置３２は、照射装置３１から照射される陽子線の照射方向の側方においてポジトロン放出核を検出する計測面３２１，３２２を備える。
　図３を用いて、例えば、患者の頸部に粒子線を照射する場合を説明する。この場合には、患者Ｐ１の頚部の後方の照射装置３１から粒子線を照射する。そして、頭部の両側に配置された検出装置３２の計測面３２１，３２２により、２次元的に放射能分布を計測する。
　この場合、図４に示すように、２次元の計測画像３５０において、頚部の放射能分布Ａ１が計測される。
　図５に示すように、ｘ軸方向から照射された粒子線により、体内の３次元空間（ｘ，ｙ，ｚ）において放射能が生じる。そして、この放射能は、平面の計測面３２１，３２２により、計測面（ｘ，ｙ）で計測される。この計測面（ｘ，ｙ）においては、ｚ軸方向の放射能分布が圧縮されている。すなわち、ｚ軸方向における放射能分布の情報が部分的に得られない場合がある。
　そこで、図６に示すように、シミュレーションにより、治療計画に基づいて３次元線量分布５０１（基準線量分布）を算出する。次に、患者のＣＴ画像領域に応じて、シミュレーションにより３次元放射能分布５０２を生成する。そして、ｚ軸方向を圧縮した２次元計測分布５０３を算出する。すなわち、３次元放射能分布５０２をｚ軸方向において圧縮することによって２次元計測分布５０３を算出する。実測により２次元計測分布５０４を取得した場合、算出した２次元計測分布５０３は実測による２次元計測分布５０４に対応する。
　この場合、粒子線照射の放射能分布のシミュレーション結果と、実際の放射能分布とは以下の関係を有する。
Figure JPOXMLDOC01-appb-M000001
 　A3D-mea.は、実際の３次元放射能分布である。
　A2D-mea.は、実際に計測された放射能の２次元計測分布（計測結果）である。
　A3D-cal.は、照射シミュレーションによる３次元放射能分布である。
　A2D-cal.は、照射シミュレーションによる２次元放射能分布（計測情報）である。
　一方、照射状態や患者状態によって、照射シミュレーションと実際の照射とがずれることがある。この場合、２次元計測分布５０３と２次元計測分布５０４とにずれが生じる。
　この場合には、以下の関係式を用いて調整する。
Figure JPOXMLDOC01-appb-M000002
 　A’3D-cal.は、変化要因を考慮した照射シミュレーションによる３次元放射能分布である。
　A’3D-mea.は、変化要因を加えた実際の３次元放射能分布である。
　Ｆは、変化要因を調整する係数（調整係数）である。
　以下では、調整係数Ｆを機械学習により算出し、治療時にこの調整係数Ｆを用いて、実際の３次元放射能分布５０５を予測する。
　（照射支援処理）
　図７～図１０を用いて、照射支援処理を説明する。この照射支援処理は、学習時処理と予測時処理とからなる。
　（学習時処理）
　図７を用いて、学習時処理を説明する。
　まず、支援装置２０の制御部２１は、３次元放射能分布の取得処理を実行する（ステップＳ１１）。具体的には、制御部２１の計算部２１１は、治療計画に基づいて粒子線を照射する線量分布を取得する。
　ここでは、図８に示すように、３次元線量分布５０１に基づくシミュレーションにより３次元放射能分布５０２ａを生成する。
　次に、変化要因５０６を加えたシミュレーションにより３次元放射能分布５０２ｂを生成する。そして、この３次元放射能分布５０２ｂに対応する２次元計測分布５０３を算出する。このようにして教師情報を生成する。
　このため、制御部２１は、変化要因毎に以下の処理を繰り返す。
　まず、制御部２１は、変化要因の付与処理を実行する（ステップＳ１２）。具体的には、計算部２１１は、予め保持している変化要因（粒子線の飛程の変化、ＣＴ画像領域の変化など）を取得する。「粒子線の飛程の変化」については、３次元線量分布５０１に対して、変化要因の画像処理係数を乗算して微調整する。「ＣＴ画像領域の変化」については、患者のＣＴ画像に対して、変化要因の画像処理係数を乗算して微調整する。
　次に、制御部２１は、変化要因を加えた場合の３次元放射能分布の算出処理を実行する（ステップＳ１３）。具体的には、計算部２１１は、変化要因５０６を含めたシミュレーションにより、３次元放射能分布５０２ｂを算出する。
　次に、制御部２１は、２次元的に計測した放射能分布の算出処理を実行する（ステップＳ１４）。具体的には、計算部２１１は、算出した３次元放射能分布５０２ｂから、計測面で計測される２次元計測分布５０３を算出する。この２次元計測分布５０３では、変化要因５０６が考慮されている。
　次に、制御部２１は、教師情報の登録処理を実行する（ステップＳ１５）。具体的には、制御部２１の学習部２１２は、３次元放射能分布５０２ａ、変化要因５０６を考慮した３次元放射能分布５０２ｂ、変化要因を考慮した２次元計測分布５０３を組み合わせて教師情報２３０を生成する。そして、学習部２１２は、生成した教師情報２３０を教師情報記憶部２３に記録する。
　すべての変化要因について終了するまで、制御部２１は上記処理を繰り返す。
　そして、制御部２１は、機械学習処理を実行する（ステップＳ１６）。ここでは、学習部２１２は、教師情報記憶部２３に記録された教師情報２３０を用いて、機械学習により、調整係数Ｆを算出する。
　具体的には、図９に示すように、シミュレーションによって生成した３次元放射能分布５０２ａ、変化要因を加えた２次元計測分布５０３に基づいて、３次元放射能分布５０２ｂを予測するための調整係数Ｆを算出する。そして、学習部２１２は、算出した調整係数Ｆを、患者コードに関連付けて学習結果記憶部２４に記録する。
　（予測時処理）
　次に、図１０を用いて、予測時処理を説明する。この処理は、患者に対して粒子線照射による治療が行なわれた場合に実行する。
　まず、制御部２１は、治療計画の取得処理を実行する（ステップＳ２１）。具体的には、制御部２１の予測部２１３は、粒子線照射が行なわれる患者の患者コードに関連付けられた治療計画（照射条件、ＣＴ画像）を治療計画装置１０から取得する。そして、予測部２１３は、治療計画の照射条件を用いて３次元線量分布を算出する。
　次に、制御部２１は、治療計画上の３次元放射能分布の算出処理を実行する（ステップＳ２２）。具体的には、予測部２１３は、３次元線量分布、ＣＴ画像を用いて、３次元放射能分布を算出する。この３次元放射能分布では、変動要因は考慮されていない。
　次に、制御部２１は、２次元的に計測した放射能分布の取得処理を実行する（ステップＳ２３）。具体的には、予測部２１３は、放射線照射を行なった場合、２次元計測分布を検出装置３２から取得する。
　次に、制御部２１は、３次元放射能分布の予測処理を実行する（ステップＳ２４）。具体的には、予測部２１３は、学習結果記憶部２４から、患者コードに関連付けられた調整係数Ｆを取得する。これは〔数２〕における調整係数Ｆである。次に、予測部２１３は、取得した２次元計測分布、治療計画上の３次元放射能分布に対して、取得した調整係数Ｆを用いて、実際の３次元放射能分布を予測する。
　そして、治療計画上の３次元放射能分布と、実際の３次元放射能分布との間に差異がある場合、必要に応じて治療計画における照射条件を調整する。
　本実施形態によれば、以下のような利点を得ることができる。
　（１）本実施形態では、制御部２１は、変化要因の付与処理（ステップＳ１２）、変化要因を加えた場合の３次元放射能分布の算出処理（ステップＳ１３）、２次元的に計測した放射能分布の算出処理（ステップＳ１４）を実行する。これにより、治療計画の照射条件に対して、変化要因を考慮した放射能分布について２次元計測分布を生成することができる。
　（２）本実施形態では、制御部２１は、機械学習処理を実行する（ステップＳ１６）。これにより、取得した２次元計測分布から３次元放射能分布を予測するための情報を生成することができる。特に、全体の放射能分布に対して、変化要因の影響が小さいため、調整係数Ｆを用いて、効率的に３次元放射能分布を予測することができる。
　（３）本実施形態では、制御部２１は、２次元的に計測した放射能分布の取得処理（ステップＳ２３）、３次元放射能分布の予測処理（ステップＳ２４）を実行する。これにより、治療を行ないながら、粒子線の照射状況を迅速に確認することができる。そして、必要に応じて、照射条件を変更することができる。
　本実施形態は、以下のように変更して実施することができる。本実施形態及び以下の変更例は、技術的に矛盾しない範囲で互いに組み合わせて実施することができる。
　・上記実施形態では、粒子線として陽子線を用いる。ここで、粒子線は陽子線に限定されるものではなく、例えば、炭素線等を用いることも可能である。
　・上記実施形態では、検出装置３２は陽電子断層装置であり、患者体内の照射領域に生成されるポジトロン放出核を検出する。照射領域を検出できれば、ポジトロン放出核の検出に限定されるものではない。
　・上記実施形態では、制御部２１は、機械学習処理を実行する（ステップＳ１６）。ここでは、３次元放射能分布５０２ａ、変化要因を加えた２次元計測分布５０３に基づいて、３次元放射能分布５０２ｂを予測するための調整係数Ｆを算出する。実際の３次元放射能分布を予測できれば、入力層、出力層の変数は、これらに限定されるものではない。例えば、治療計画の照射条件、２次元計測分布に基づいて、実際の３次元放射能分布を予測してもよい。また、入力層において、治療計画の線量分布を用いたシミュレーションによって算出した２次元計測分布を用いてもよい。
　・上記実施形態では、学習結果記憶部２４は、照射線量を算出するための調整係数情報を記憶する。ここでは、調整係数情報には３×３の行列を用いる。予測に用いる情報は、行列に限定されるものではない。例えば、入力層、中間層、出力層からなるネットワークを用いてもよい。
　例えば、入力層には、治療計画から定まる照射状態、２次元的に実測した２次元放射能分布（計測結果）を用いる。出力層には、変化要因、変化要因を考慮した３次元放射能分布を用いる。これにより、２次元放射能分布（計測結果）に応じて、実際の３次元放射能分布及び変化要因を予測することができる。

Claims (6)

  1. 　粒子線の照射装置による照射状態を予測する制御部を備えた予測支援システムであって、
    　前記制御部が、
    　粒子線の照射条件に基づく照射状態で、患者状態に対して粒子線を照射した場合の基準線量分布に対して、前記照射状態及び前記患者状態の少なくとも一方に変化を加えた場合の第１の３次元放射能分布と、前記第１の３次元放射能分布を２次元的に計測した計測情報とを、シミュレーションにより算出することと、
    　前記計測情報から前記第１の３次元放射能分布を予測する予測モデルを生成することと、
    　前記粒子線の照射条件に基づいて粒子線を照射し、２次元的に実測した計測結果を取得した場合、前記計測結果に前記予測モデルを適用して、前記計測結果に対応する第２の３次元放射能分布を予測することと、を行うように構成されている、予測支援システム。
  2. 　前記照射状態の変化には、前記粒子線の飛程の変化が含まれる、請求項１に記載の予測支援システム。
  3. 　前記患者状態の変化には、前記粒子線が照射される前記患者の患部の形状の変化が含まれる、請求項１又は２に記載の予測支援システム。
  4. 　前記予測モデルは、前記シミュレーションにより算出した前記第１の３次元放射能分布を、前記計測結果に対応する前記第２の３次元放射能分布に調整する行列である、請求項１～３のいずれか一項に記載の予測支援システム。
  5. 　制御部を備えた予測支援システムを用いて、粒子線の照射装置による照射状態を予測する方法であって、
    　前記制御部が、粒子線の照射条件に基づく照射状態で、患者状態に対して粒子線を照射した場合の基準線量分布に対して、前記照射状態及び前記患者状態の少なくとも一方に変化を加えた場合の第１の３次元放射能分布と、前記第１の３次元放射能分布を２次元的に計測した計測情報とを、シミュレーションにより算出することと、
    　前記制御部が、前記計測情報から前記第１の３次元放射能分布を予測する予測モデルを生成することと、
    　前記制御部が、前記粒子線の照射条件に基づいて粒子線を照射し、２次元的に実測した計測結果を取得した場合、前記計測結果に前記予測モデルを適用して、前記計測結果に対応する第２の３次元放射能分布を予測することと、を備える予測支援方法。
  6. 　制御部を備えた予測支援システムを用いて、粒子線の照射装置による照射状態を予測するプログラムであって、
    　前記プログラムの実行時、前記制御部が、
    　粒子線の照射条件に基づく照射状態で、患者状態に対して粒子線を照射した場合の基準線量分布に対して、前記照射状態及び前記患者状態の少なくとも一方に変化を加えた場合の第１の３次元放射能分布と、前記第１の３次元放射能分布を２次元的に計測した計測情報とを、シミュレーションにより算出することと、
    　前記計測情報から前記第１の３次元放射能分布を予測する予測モデルを生成することと、
    　前記粒子線の照射条件に基づいて粒子線を照射し、２次元的に実測した計測結果を取得した場合、前記計測結果に前記予測モデルを適用して、前記計測結果に対応する第２の３次元放射能分布を予測することと、を行うように構成されている、予測支援プログラム。
PCT/JP2023/005197 2022-02-16 2023-02-15 予測支援システム、予測支援方法及び予測支援プログラム WO2023157869A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2022022357A JP7315935B1 (ja) 2022-02-16 2022-02-16 予測支援システム、予測支援方法及び予測支援プログラム
JP2022-022357 2022-02-16

Publications (1)

Publication Number Publication Date
WO2023157869A1 true WO2023157869A1 (ja) 2023-08-24

Family

ID=87428043

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2023/005197 WO2023157869A1 (ja) 2022-02-16 2023-02-15 予測支援システム、予測支援方法及び予測支援プログラム

Country Status (3)

Country Link
JP (1) JP7315935B1 (ja)
TW (1) TW202345938A (ja)
WO (1) WO2023157869A1 (ja)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016221100A (ja) * 2015-06-02 2016-12-28 株式会社東芝 医用画像処理装置、および治療システム
JP2019030648A (ja) * 2017-08-09 2019-02-28 学校法人東京女子医科大学 線量分布予測システム、線量分布予測方法及び線量分布予測プログラム
JP2021035502A (ja) * 2016-08-26 2021-03-04 エレクタ、インク.Elekta, Inc. 畳み込みニューラルネットワークを用いた画像セグメンテーションのためのシステムおよび方法
JP2021061895A (ja) * 2019-10-10 2021-04-22 東芝エネルギーシステムズ株式会社 医用画像処理装置、医用画像処理プログラム、医用装置、および治療システム
US20210154496A1 (en) * 2019-11-25 2021-05-27 Accuray Incorporated Partial deformation maps for reconstructing motion-affected treatment dose using machine learning
JP2021083481A (ja) * 2019-11-25 2021-06-03 株式会社日立製作所 患者体内構造変化検出方法、患者体内構造変化検出装置およびコンピュータプログラム
JP2021515682A (ja) * 2018-04-30 2021-06-24 エレクタ、インク.Elekta, Inc. 適応放射線治療のためのファントム

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016221100A (ja) * 2015-06-02 2016-12-28 株式会社東芝 医用画像処理装置、および治療システム
JP2021035502A (ja) * 2016-08-26 2021-03-04 エレクタ、インク.Elekta, Inc. 畳み込みニューラルネットワークを用いた画像セグメンテーションのためのシステムおよび方法
JP2019030648A (ja) * 2017-08-09 2019-02-28 学校法人東京女子医科大学 線量分布予測システム、線量分布予測方法及び線量分布予測プログラム
JP2021515682A (ja) * 2018-04-30 2021-06-24 エレクタ、インク.Elekta, Inc. 適応放射線治療のためのファントム
JP2021061895A (ja) * 2019-10-10 2021-04-22 東芝エネルギーシステムズ株式会社 医用画像処理装置、医用画像処理プログラム、医用装置、および治療システム
US20210154496A1 (en) * 2019-11-25 2021-05-27 Accuray Incorporated Partial deformation maps for reconstructing motion-affected treatment dose using machine learning
JP2021083481A (ja) * 2019-11-25 2021-06-03 株式会社日立製作所 患者体内構造変化検出方法、患者体内構造変化検出装置およびコンピュータプログラム

Also Published As

Publication number Publication date
JP2023119445A (ja) 2023-08-28
TW202345938A (zh) 2023-12-01
JP7315935B1 (ja) 2023-07-27

Similar Documents

Publication Publication Date Title
Pidikiti et al. Commissioning of the world's first compact pencil‐beam scanning proton therapy system
US11712579B2 (en) Range compensators for radiation therapy
JP5107709B2 (ja) 放射線治療の処置計画の適合化
Parodi et al. Monte Carlo-based parametrization of the lateral dose spread for clinical treatment planning of scanned proton and carbon ion beams
EP3636318B1 (en) Method and aparatus for performing irradiation time optimization for intensity modulated proton therapy during treatment planning while maintaining acceptable irradiation plan quality
US20080008291A1 (en) Spatially-variant normal tissue objective for radiotherapy
CN101512547A (zh) 用于预测剂量实施的方法和系统
EP3632508B1 (en) Systems, methods and devices for automated target volume generation
CN101500648A (zh) 利用剂量体积直方图生成轮廓结构的系统和方法
CN102365111A (zh) 标志适配的正常组织并发症概率
US9370671B2 (en) Method and device for determining an irradiation plan for a particle irradiation unit
JPWO2017170909A1 (ja) 中性子捕捉療法用治療計画システム
US9364686B2 (en) Planning a treatment beam aimed at one or more target regions
Sahoo et al. 3D treatment planning system—Varian Eclipse for proton therapy planning
WO2023157869A1 (ja) 予測支援システム、予測支援方法及び予測支援プログラム
US9750956B2 (en) Determining an irradiation plan for a particle irradiation unit
CN108883298A (zh) 用于粒子疗法治疗计划的频谱建模系统、方法和设备
JP7323141B1 (ja) 線量予測システム、線量予測方法及び線量予測プログラム
JP7236115B2 (ja) 治療支援システム、治療支援方法及び治療支援プログラム
Knight et al. Implementation of daily image‐guided radiation therapy using an in‐room CT scanner for prostate cancer isocentre localization
JP7345768B1 (ja) 予測支援システム、予測支援方法及び予測支援プログラム
Schwarz et al. Clinical Pencil Beam Scanning: Present and Future Practices
Jordan et al. Reducing ExacTrac intrafraction imaging uncertainty for prostate stereotactic body radiotherapy using a pre-treatment CBCT
US20240108914A1 (en) Devices and methods for adaptively controlling a radiotherapy apparatus
EP4344735A1 (en) Devices and methods for adaptively controlling a radiotherapy apparatus

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 23756394

Country of ref document: EP

Kind code of ref document: A1