CN108320328A - 一种2d图像与3d图像交互的粒子计数方法 - Google Patents
一种2d图像与3d图像交互的粒子计数方法 Download PDFInfo
- Publication number
- CN108320328A CN108320328A CN201810137032.4A CN201810137032A CN108320328A CN 108320328 A CN108320328 A CN 108320328A CN 201810137032 A CN201810137032 A CN 201810137032A CN 108320328 A CN108320328 A CN 108320328A
- Authority
- CN
- China
- Prior art keywords
- particle
- models
- images
- center
- particles
- Prior art date
- Legal status (The legal status 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 status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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
- A61N5/1071—Monitoring, verifying, controlling systems and methods for verifying the dose delivered by the treatment plan
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- 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
- A61N5/1071—Monitoring, verifying, controlling systems and methods for verifying the dose delivered by the treatment plan
- A61N2005/1072—Monitoring, verifying, controlling systems and methods for verifying the dose delivered by the treatment plan taking into account movement of the target
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30096—Tumor; Lesion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Radiology & Medical Imaging (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Architecture (AREA)
- Pathology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及一种2D图像与3D图像交互的粒子计数方法,获取患者粒子植入后的CT图像及其对应的肿瘤区域,获取2D图像;调节设定3D模型的重建阈值,提取粒子的外轮廓,根据该外轮廓建立3D模型;将在2D图像中所选择的粒子位置作为3D模型中该粒子的中心,并建立坐标系;在3D模型中显示2D层面的层面位置,根据其之间的交互关系,确定粒子的中心的位置;根据所确定的中心位置对植入的粒子数量进行统计,进而获取植入的粒子数量。本发明提出的一种2D图像与3D图像交互的粒子计数方法,应用于图像引导的粒子植入放射治疗,以提高粒子植入的剂量评估的准确性。
Description
技术领域
本发明涉及医学图像处理与图像引导放射治疗技术领域,特别是一种2D图像与3D图像交互的粒子计数方法。
背景技术
肿瘤治疗手段主要有三种:手术、放疗以及化疗。随着生活条件的提高,越来越多的肿瘤在早期被发现,并进行治疗。在肿瘤治疗中放射治疗有着独特的地位。一些肿瘤比如鼻咽癌、***、乳腺癌、***癌等的放射治疗的疗效有些是其他治疗方式所不能取代的,有些放射治疗的效果和其他治疗方式的效果几乎相同。在目前治疗中60%以上的患者需要进行全部或部分的放射治疗。而在放射治疗中基本目标是尽力提高放射治疗的增益比,给予肿瘤区域以足够的照射剂量的同时,使周围正常组织及器官尽可能的少受或者免受不必要的照射,避免放射治疗引发的其他并发症。
在放射治疗中,主要有外照射和近距离内照射的方式。随着进入新世纪以来,外照射技术在计算机技术发展下获得了快速的发展,如IMRT、VMAT、IGRT技术等。但是在近距离内照射放疗也是不可取代的技术之一。粒子植入是近距离放射治疗的有效方式,它可以充分的对肿瘤区域进行照射,但是又能很好的保护正常器官。过去的20多年中,粒子治疗在国内快速发展,虽然已经有治疗计划***,同时在模拟机或CT机下进行图像引导的粒子植入,但是粒子植入进患者身体内部后,如何准确评估粒子的近距离照射的剂量分布,是一个目前难于解决的问题。对于在线粒子植入主要的困难有两点:首先,对于粒子准确位置和粒子的数量比较难于确定。其次,由于基于2D图像的粒子中心点确定需要多次的人为主观判断,需要花费很长的时间而且没法保证粒子的位置的准确性。因此,在线粒子植入时,由于确定粒子的位置和数量所需的时间太长,会错过患者最佳的补充粒子的时机,进而可严重影响患者的治疗疗效。
随着医学影像技术的发展,三维图像重建技术在图像引导放疗中发挥着越来越重要的作用。而利用三维模型,引导手术,在目前的手术导航中起着很重要的作用。在粒子植入在线和离线评估中,由于技术和时间的限制,医生不能很好的准确并快速的确定粒子的精确位置对于治疗的疗效评估会产生致命的错误。因此,如何根据在线获取的二维图像中的粒子显像位置,准确的快速的确定粒子空间位置,从而进一步提高患者的剂量评估的准确性,最终提高患者的治疗疗效是摆在医生以及物理师面前的难题。
发明内容
本发明的目的在于提供一种2D图像与3D图像交互的粒子计数方法,以克服现有技术中存在的缺陷。
为实现上述目的,本发明的技术方案是:一种2D图像与3D图像交互的粒子计数方法,按照如下步骤实现:
步骤S1:获取患者粒子植入后的CT图像及其对应的肿瘤区域,获取2D图像;
步骤S2:选取所述粒子在所述2D图像中的范围,调节设定3D模型的重建阈值,提取所述粒子的外轮廓,根据该外轮廓建立3D模型;
步骤S3:将在所述2D图像中所选择的粒子位置作为所述3D模型中该粒子的中心,并建立坐标系;在所述3D模型中显示2D层面的切面位置,根据两者之间的交互判定,确定粒子的中心的位置;
步骤S4:按照所述步骤S3,根据所确定的中心位置对植入的粒子数量进行统计,进而获取植入的粒子总数量。
在本发明一实施例中,在所述步骤S1中,还包括如下步骤:患者通过影像引导进行粒子植入,植入粒子后,通过采用2.5mm的CT层厚对粒子植入区域进行扫描,勾画出对应的肿瘤区域,并在CT机上传输重建2.5mm层厚的图像。
在本发明一实施例中,患者采用仰卧位,双手抱头或抬单臂,并进行CT扫描;进行Philips大孔径螺旋定位CT扫描,扫描范围包括:至少扫描肿瘤头脚各外延2cm;扫描条件:图像层距等于2.5mm,层厚为2.5mm。
在本发明一实施例中,在所述步骤S2中,还包括如下步骤:
步骤S21:重建范围选取;在所述2D图像上选取重建区域,包括肿瘤左、右、前、后、头以及脚;将所述2D图像放大,并在像素之间采用双三次插值处理操作,生成新的局部2D图像;
步骤S22:粒子3D阈值选择;根据所述局部2D图像中设定的3D模型重建阈值,令HU值小于粒子边界值的其他组织剔除,生成仅包括所述粒子的2D序列图像;
步骤S23:3D模型的生成;根据所述2D序列图像,进行图像序列合成,以生成3D模型序列;进行图像抽取,降低3D模型序列显示的数据量;通过平滑函数对3D模型序列的数据进行平滑处理,获取光滑处理后的数据;生成3D模型面片,获取3D模型;
步骤S24:3D模型显示设置;将所述3D模型的颜色调整为红色,设置所述3D模型的透明度,设置窗口背景颜色单位为黑色。
在本发明一实施例中,在所述步骤S3中,还包括如下步骤:
步骤S31:旋转所述3D模型的角度,以将所有粒子显示,将头脚相连的两个粒子记为一个粒子,对粒子数量进行初步统计;
步骤S32:对于将头脚相连的两个粒子,根据所述2D图像中的亮度,取一亮点作为对应所选择的粒子的中心,并在3D模型中根据该中心建立坐标轴,并根据与患者头脚方向垂直的两个轴的平面虚拟的显示出来;若所选择的粒子的中心位于所述3D模型中粒子的边缘部位,则舍弃该点;若位于所述3D模型中粒子的中心点,则将其记为粒子的位置中心,在所述3D模型中进行标记;
步骤S33:每增加一个粒子至粒子统计列表,记录粒子的序号和粒子的中心的空间坐标位置,或在粒子的中心点交互确定;根据所选择的粒子的中心,生成一虚拟粒子;查看虚拟粒子的位置是否被包含在所述3D模型的粒子位置;基于虚拟粒子的头脚方向,旋转坐标轴,与3D模型进行匹配,判断粒子的中心位置;
步骤S34:根据粒子粘连情况判断粒子最终的位置。
相较于现有技术,本发明具有以下有益效果:本发明通过充分利用现代医疗医学影像成像和医学图像处理技术的优势,在图像引导放疗领域引入交互空间位置判断,基于通过对2D图像分割出的粒子的外轮廓建立3D模型。在2D图像中的位置映射至3D模型空间坐标系中,从而快速准确地判断粒子的空间位置和植入粒子的数量,进而准确地评估肿瘤的受照射剂量以及指导现场的粒子植入。为现场判断肿瘤的受照射剂量和是否需要增加粒子植入的数量和植入的位置提供有力的技术支撑,提高肿瘤放射治疗的效果。
附图说明
图1为本发明中2D图像与3D图像交互的粒子计数方法的路程图。
图2为本发明一实施例中根据选定范围的2D图像提取的粒子轮廓的3D模型图。
图3为本发明一实施例中2D图像选中粒子的位置示意图。
图4为本发明一实施例中3D显示对应2D位置坐标轴图。
图5为本发明一实施例中3D显示2D图像对应层面图。
图6为本发明一实施例中粒子标记和位置确定图。
具体实施方式
下面结合附图,对本发明的技术方案进行具体说明。
本发明提供一种2D图像与3D图像交互的粒子计数方法,如图1所示,按照如下步骤实现:
步骤S1:获取患者粒子植入后的CT图像及其对应的肿瘤区域,获取2D图像;
步骤S2:选取粒子在2D图像中的范围,调节设定3D模型的重建阈值,提取粒子的外轮廓,根据该外轮廓建立3D模型;
步骤S3:将在2D图像中所选择的粒子位置作为3D模型中该粒子的中心,并建立坐标系;在3D模型中显示2D层面的切面位置,根据两者之间的交互判定,确定粒子的中心的位置;
步骤S4:按照步骤S3,根据所确定的中心位置对植入的粒子数量进行统计,进而获取植入的粒子总数量。
在本实施例中,在步骤S1中,还包括如下步骤:患者通过影像引导进行粒子植入,植入粒子后,通过采用2.5mm的CT层厚对粒子植入区域进行扫描,勾画出对应的肿瘤区域,并在CT机上传输重建2.5mm层厚的图像,进而明确地查看到粒子所在的区域。
在本实施例中,患者采用仰卧位,双手抱头或抬单臂,进行Philips大孔径螺旋定位CT扫描,扫描范围包括:至少扫描肿瘤头脚各外延2cm,根据患者具体情况确定;扫描条件:图像层距等于2.5mm,层厚为2.5mm。依据国际辐射单位与测量委员会(InternationalCommission on Radiation Units and Measurements,ICRU)50及83号文件【1-2】,根据相应的检查材料如:MRI、PET/CT的图像在定位CT图像中勾画出肿瘤的区域,获取GTV。
在本实施例中,在步骤S2中,如图2所示,还包括如下步骤:
步骤S21:重建范围选取;在2D图像上选取重建区域,包括肿瘤左、右、前、后、头以及脚;将2D图像放大8倍,并在像素之间采用双三次插值处理操作,生成新的局部2D图像;
双三次插值对待插值的像素点(x,y)(x和y可以为浮点数),取其附近的4x4邻域点(xi,yj), i,j = 0、1、2、3。按如下公式进行插值计算:
步骤S22:粒子3D阈值选择;在局部2D图像中显示所设定的3D模型重建阈值,阈值取粒子在CT图像显示的边缘的HU值来确定,令CT图像的HU值小于粒子边界值的其他组织剔除,生成仅包括粒子的2D序列图像;
步骤S23:3D模型的生成;根据2D序列图像,进行图像序列化合成,以生成3D模型序列;进行图像抽取,降低3D模型序列显示的数据量;通过平滑函数对3D模型序列的数据进行平滑处理,获取光滑处理后的数据;生成3D模型面片,获取3D模型;
步骤S24:3D模型显示设置;将3D模型的颜色调整为红色,设置3D模型的透明度,设置窗口背景颜色单位为黑色。
在本实施例中,要实现交互的确定粒子的准确位置,最关键的是在二维图像中选中位置后,在3D模型中使用坐标轴的方式显示粒子的空间位置,同时在3D模型中显示2D图像的位置,以便判断该位置是否是粒子中心,从而确定以此位置进行剂量计算的中心点。但是由于粒子植入身体后,其方向和位置都可能有很大的改变,有些粒子可以单独显示。但是许多粒子由于组织的变形和挤压等原因而连接在一起。在本实施例中,通过辅助的3D模型,通过2D图像与3D模型的交互可以快速的确定粒子中心点的空间位置。为了进一步提高粒子的准确性,使用以设定的点为目标,生成一个虚拟的粒子,通过该虚拟的粒子判断中心点是否为一个粒子的中心点。
在本实施例中,在步骤S3中,如图3至图6所示,还包括如下步骤:
步骤S31:旋转3D模型的角度,以将所有粒子显示,具体旋转角度根据实际情况具体确定。将头脚相连的两个粒子记为一个粒子,对粒子数量进行初步统计;在本实施例中,以视觉能够分别的独立粒子进行计数。
步骤S32:对于将头脚相连的两个粒子,根据2D图像中的亮度,取一亮点作为对应所选择的粒子的中心,并在3D模型中根据该中心建立坐标轴,初步的坐标轴三个轴分别为患者的头脚;左右,前后;并根据与患者头脚方向垂直的两个轴的平面虚拟的显示出来;若2D图像中选取的粒子中心位于3D模型中粒子的边缘部位,则舍弃该点;若该点位于3D模型中粒子的中心点,则将其记为粒子的位置中心,在3D模型中进行标记;
步骤S33:每增加一个粒子至粒子统计列表,记录粒子的序号和粒子的中心的空间坐标位置,也可以在粒子的中心点交互确定;根据出产厂家提供的粒子的具体尺寸,以选择的粒子的中心为中心,生成一个虚拟的粒子模型。查看虚拟粒子的位置是否被包含在3D模型的粒子位置;借助虚拟粒子时,虚拟粒子的初始状态为可以初步的为标准的头脚方向,此时可以旋转虚拟粒子辅助的坐标轴,然后与3D模型进行匹配,判断粒子的中心位置;
步骤S34:根据粒子粘连情况判断粒子最终的位置。利用上面生成虚拟粒子的方法,来反复测试并判断粒子的实际准确的位置。
以上是本发明的较佳实施例,凡依本发明技术方案所作的改变,所产生的功能作用未超出本发明技术方案的范围时,均属于本发明的保护范围。
Claims (5)
1.一种2D图像与3D图像交互的粒子计数方法,其特征在于,按照如下步骤实现:
步骤S1:获取患者粒子植入后的CT图像及其对应的肿瘤区域,获取2D图像;
步骤S2:选取所述粒子在所述2D图像中的范围,调节设定3D模型的重建阈值,提取所述粒子的外轮廓,根据该外轮廓建立3D模型;
步骤S3:将在所述2D图像中所选择的粒子位置作为所述3D模型中该粒子的中心,并建立坐标系;在所述3D模型中显示2D层面的切面位置,根据两者之间的交互判定,确定粒子的中心的位置;
步骤S4:按照所述步骤S3,根据所确定的中心位置对植入的粒子数量进行统计,进而获取植入的粒子总数量。
2.根据权利要求1所述的一种2D图像与3D图像交互的粒子计数方法,其特征在于,在所述步骤S1中,还包括如下步骤:患者通过影像引导进行粒子植入,植入粒子后,通过采用2.5mm的CT层厚对粒子植入区域进行扫描,勾画出对应的肿瘤区域,并在CT机上传输重建2.5mm层厚的图像。
3.根据权利要求2所述的一种2D图像与3D图像交互的粒子计数方法,其特征在于,患者采用仰卧位,双手抱头或抬单臂,并进行CT扫描;进行Philips大孔径螺旋定位CT扫描,扫描范围包括:至少扫描肿瘤头脚各外延2cm;扫描条件:图像层距等于2.5mm,层厚为2.5mm。
4.根据权利要求1所述的一种2D图像与3D图像交互的粒子计数方法,其特征在于,在所述步骤S2中,还包括如下步骤:
步骤S21:重建范围选取;在所述2D图像上选取重建区域,包括肿瘤左、右、前、后、头以及脚;将所述2D图像放大,并在像素之间采用双三次插值处理操作,生成新的局部2D图像;
步骤S22:粒子3D阈值选择;根据所述局部2D图像中设定的3D模型重建阈值,令HU值小于粒子边界值的其他组织剔除,生成仅包括所述粒子的2D序列图像;
步骤S23:3D模型的生成;根据所述2D序列图像,进行图像序列合成,以生成3D模型序列;进行图像抽取,降低3D模型序列显示的数据量;通过平滑函数对3D模型序列的数据进行平滑处理,获取光滑处理后的数据;生成3D模型面片,获取3D模型;
步骤S24:3D模型显示设置;将所述3D模型的颜色调整为红色,设置所述3D模型的透明度,设置窗口背景颜色单位为黑色。
5.根据权利要求1所述的一种2D图像与3D图像交互的粒子计数方法,其特征在于,在所述步骤S3中,还包括如下步骤:
步骤S31:旋转所述3D模型的角度,以将所有粒子显示,将头脚相连的两个粒子记为一个粒子,对粒子数量进行初步统计;
步骤S32:对于将头脚相连的两个粒子,根据所述2D图像中的亮度,取一亮点作为对应所选择的粒子的中心,并在3D模型中根据该中心建立坐标轴,并根据与患者头脚方向垂直的两个轴的平面虚拟的显示出来;若所选择的粒子的中心位于所述3D模型中粒子的边缘部位,则舍弃该点;若位于所述3D模型中粒子的中心点,则将其记为粒子的位置中心,在所述3D模型中进行标记;
步骤S33:每增加一个粒子至粒子统计列表,记录粒子的序号和粒子的中心的空间坐标位置,或在粒子的中心点交互确定;根据所选择的粒子的中心,生成一虚拟粒子;查看虚拟粒子的位置是否被包含在所述3D模型的粒子位置;基于虚拟粒子的头脚方向,旋转坐标轴,与3D模型进行匹配,判断粒子的中心位置;
步骤S34:根据粒子粘连情况判断粒子最终的位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810137032.4A CN108320328B (zh) | 2018-02-10 | 2018-02-10 | 一种2d图像与3d图像交互的粒子计数装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810137032.4A CN108320328B (zh) | 2018-02-10 | 2018-02-10 | 一种2d图像与3d图像交互的粒子计数装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108320328A true CN108320328A (zh) | 2018-07-24 |
CN108320328B CN108320328B (zh) | 2021-07-30 |
Family
ID=62903961
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810137032.4A Active CN108320328B (zh) | 2018-02-10 | 2018-02-10 | 一种2d图像与3d图像交互的粒子计数装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108320328B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112336471A (zh) * | 2020-11-25 | 2021-02-09 | 杭州华墨医学科技有限公司 | 一种医疗投影装置及医疗投影方法 |
CN113262390A (zh) * | 2021-06-28 | 2021-08-17 | 真实维度科技控股(珠海)有限公司 | 一种基于放射性粒子植入的肿瘤放疗效果评价方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106902477A (zh) * | 2017-01-23 | 2017-06-30 | 福建省肿瘤医院 | 一种***内外放疗剂量的非线性融合方法 |
-
2018
- 2018-02-10 CN CN201810137032.4A patent/CN108320328B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106902477A (zh) * | 2017-01-23 | 2017-06-30 | 福建省肿瘤医院 | 一种***内外放疗剂量的非线性融合方法 |
Non-Patent Citations (1)
Title |
---|
YUCHONG RACHEL JIANG ET AL: ""A 3d computer-assisted treatment planning system for breast cancer brachytherapy treatment"", 《SPRINGERLINK.COM》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112336471A (zh) * | 2020-11-25 | 2021-02-09 | 杭州华墨医学科技有限公司 | 一种医疗投影装置及医疗投影方法 |
CN113262390A (zh) * | 2021-06-28 | 2021-08-17 | 真实维度科技控股(珠海)有限公司 | 一种基于放射性粒子植入的肿瘤放疗效果评价方法 |
CN113262390B (zh) * | 2021-06-28 | 2022-06-21 | 真实维度科技控股(珠海)有限公司 | 一种基于放射性粒子植入的肿瘤放疗效果评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108320328B (zh) | 2021-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11383102B2 (en) | Three-dimensional radiotherapy dose distribution prediction | |
Kurz et al. | Investigating deformable image registration and scatter correction for CBCT‐based dose calculation in adaptive IMPT | |
Li et al. | A preliminary study of using a deep convolution neural network to generate synthesized CT images based on CBCT for adaptive radiotherapy of nasopharyngeal carcinoma | |
Zhang et al. | Automatic delineation of on-line head-and-neck computed tomography images: toward on-line adaptive radiotherapy | |
Grégoire et al. | PET-based treatment planning in radiotherapy: a new standard? | |
US9014446B2 (en) | Efficient user interaction with polygonal meshes for medical image segmentation | |
Mohan et al. | A comprehensive three-dimensional radiation treatment planning system | |
US20030147495A1 (en) | Mixed irradiation evaluation support system | |
Arai et al. | Feasibility of CBCT-based proton dose calculation using a histogram-matching algorithm in proton beam therapy | |
CN101237907A (zh) | 包括目标检测的放射治疗方法 | |
CN106902475A (zh) | 放射治疗方法、计算机程序和计算机*** | |
Harms et al. | Cone‐beam CT‐derived relative stopping power map generation via deep learning for proton radiotherapy | |
CN108815721A (zh) | 一种照射剂量确定方法及*** | |
US20150055849A1 (en) | System and method for gradient assisted non-connected automatic Region (GANAR) analysis | |
US11951332B2 (en) | Systems and methods for scintillation camera-based motion tracking in radiotherapy | |
CN108320328A (zh) | 一种2d图像与3d图像交互的粒子计数方法 | |
Dai et al. | Geometric and dosimetric evaluation of deep learning-based automatic delineation on CBCT-synthesized CT and planning CT for breast cancer adaptive radiotherapy: a multi-institutional study | |
Venugopal et al. | A feasibility study to investigate the use of thin-plate splines to account for prostate deformation | |
Zhu et al. | Effects of megavoltage computed tomographic scan methodology on setup verification and adaptive dose calculation in helical TomoTherapy | |
Fukumitsu et al. | Investigation of the geometric accuracy of proton beam irradiation in the liver | |
Michalski et al. | The CT-simulation 3-D treatment planning process | |
Zhang et al. | Evaluating the therapeutic dose distribution of intensity‐modulated radiation therapy for head and neck with cone‐beam computed tomography image: a methodological study | |
Driver et al. | Virtual simulation in palliative lung radiotherapy | |
CN107437249A (zh) | 基于GrowCut的鼻咽癌原发病灶临床靶区自动勾画方法 | |
KR20210043049A (ko) | 세기 조절 방사선 치료를 위한 방사선 치료 계획 수립 장치 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |