CN110022934A - 用于放射剂量估计的方法和*** - Google Patents

用于放射剂量估计的方法和*** Download PDF

Info

Publication number
CN110022934A
CN110022934A CN201880003507.9A CN201880003507A CN110022934A CN 110022934 A CN110022934 A CN 110022934A CN 201880003507 A CN201880003507 A CN 201880003507A CN 110022934 A CN110022934 A CN 110022934A
Authority
CN
China
Prior art keywords
image data
area
subregion
projecting image
radioactive source
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
Application number
CN201880003507.9A
Other languages
English (en)
Other versions
CN110022934B (zh
Inventor
E·库塞拉
L·哈尔克
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens Healthineers International AG
Original Assignee
Varian Medical Systems International AG
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 Varian Medical Systems International AG filed Critical Varian Medical Systems International AG
Publication of CN110022934A publication Critical patent/CN110022934A/zh
Application granted granted Critical
Publication of CN110022934B publication Critical patent/CN110022934B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/54—Control of apparatus or devices for radiation diagnosis
    • A61B6/542—Control of apparatus or devices for radiation diagnosis involving control of exposure
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N5/00—Radiation therapy
    • A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
    • A61N5/103—Treatment planning systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G06T2207/10116—X-ray image

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Radiology & Medical Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Optics & Photonics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Pulmonology (AREA)
  • Quality & Reliability (AREA)
  • Radiation-Therapy Devices (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

提供了用于对靶标对象执行放射剂量估计的示例方法和***。在一个示例中，放射剂量估计可以包括获得使用成像***获取的投影图像数据、基于所述投影图像数据生成部分重建的体积图像数据、以及生成所述投影图像数据的分区。部分重建的体积图像数据可以与总放射场的第一区域相关联。所述分区可以与所述总放射场的第二区域相关联，所述第二区域从放射源的方向位于所述第一区域之前。可以基于与所述第一区域相关联的部分重建的体积图像数据和与所述第二区域相关联的所述分区来估计所述靶标对象的放射剂量数据。

Description

用于放射剂量估计的方法和***
背景技术
除非在本文中另外指出，否则本部分中描述的方法不是本申请中的权利要求的现有技术，并且不因包括在本部分中而被承认为现有技术。
放射疗法是用于从患者减少或消除不想要的肿瘤的治疗的重要部分。不幸的是，所施加的放射不固有地辨别不想要的肿瘤和任何邻近的健康结构(诸如器官等)。这需要小心施用以限制于对肿瘤(即靶标)的放射。理想情况下，目标是向肿瘤递送致命或治愈性放射剂量，同时在近端健康结构中保持可接受的剂量水平。然而，实际上，存在与放射剂量估计相关联的各种挑战以递送实现该目标的放射剂量。
发明内容
根据本公开的示例，提供了用于放射剂量估计的方法和***。示例方法可以包括获得使用成像***获取的投影图像数据、基于投影图像数据生成部分重建的体积图像数据、生成投影图像数据的分区、以及基于与第一区域相关联的部分重建的体积图像数据和与第二区域相关联的分区来估计靶标对象的放射剂量数据。
根据本公开的示例，可以通过将来自放射源的放射投影通过位于成像***的总放射场内的靶标对象来获取投影图像数据。部分重建的体积图像数据可以与总放射场的第一区域相关联。该分区可以与总放射场的第二区域相关联，该第二区域从放射源的方向位于第一区域之前。
前述发明内容仅是说明性的，并且不旨在以任何方式进行限制。除了以上描述的说明性方面、实施例和特征之外，通过参考附图和以下详细描述，进一步的方面、实施例和特征将变得显而易见。
附图说明
图1是示出示例成像***的示意图；
图2A是示出放射源和检测器相对于靶标对象的示例配置的第一视图的示意图；
图2B是示出图2A中的示例配置的第二视图的示意图；
图3是计算机***执行对靶标对象的放射剂量估计的示例过程的流程图；
图4是计算机***执行靶标对象的放射剂量估计的示例性详细过程的流程图；
图5A是用于生成剩余投影图像数据的分区的第一示例过程的流程图；
图5B是用于生成剩余投影图像数据的分区的第二示例过程的流程图；
图6是示出使用图4中的示例估计的放射剂量数据的改进的放射疗法治疗计划过程的示意图；以及
图7是对靶标对象执行放射剂量估计的示例计算机***的示意图。
具体实施方式
在以下详细描述中，参考形成其一部分的附图。在附图中，除非上下文另有指示，否则类似的附图标记通常标识类似的部件。在具体实施方式、附图和权利要求书中描述的说明性实施例并不意味着是限制性的。在不脱离本文所呈现主题的精神或范围的情况下，可以利用其他实施例，并且可以进行其他改变。将容易理解的是，如本文中总体描述的以及在附图中示出的，本公开的各个方面可以以各种不同的配置来布置、替换、组合、分离和设计，所有这些都在此明确预期。
图1是示出示例成像***100的示意图。尽管示出了一个示例，但是根据实践中的期望实现，成像***100可以具有替代的或附加的部件。在图1的示例中，成像***100包括：放射源110；检测器120，其具有沿着投影线(在下面定义；参见185)与放射源110相对设置的像素检测器；第一组风扇叶片130，其设置在放射源110和检测器120之间；以及第一风扇叶片驱动器135，其保持风扇叶片130并设置它们的位置。风扇叶片130的边缘可定向成基本上垂直于扫描轴线(在下面定义；参见180)，并且基本上平行于检测器120的反式轴向维度(下面定义)。
成像***100可以进一步包括设置在放射源110和检测器120之间的第二组风扇叶片140，以及保持风扇叶片140并设置它们的位置的第二风扇叶片驱动器145。风扇叶片140的边缘可定向成基本上平行于扫描轴线(下面定义；参见180)，并且基本上垂直于检测器120的轴向维度(下面定义)。风扇叶片130和140通常比检测器120更靠近放射源110设置。它们通常保持敞开，以使得检测器120的全部范围能够暴露于放射，但是在某些情况下可以部分地闭合。
成像***100进一步包括：机架150，其将至少放射源110、检测器120和风扇叶片驱动器135和145保持在彼此固定的或已知的空间关系中；机械驱动器155，其围绕设置在放射源110和检测器120之间的靶标对象105旋转机架150，其中靶标对象105一方面设置在风扇叶片130和140之间，另一方面设置在检测器120之间。术语“机架”具有广泛的含义，并且涵盖可以以固定的或已知的(但可能可移动的)空间关系保持上述部件的一个或多个结构部件的所有配置。为简单起见，在图1中，未示出机架外壳、机架支撑件和风扇叶片支撑件。
另外，成像***100包括控制器160、用户界面165和计算机***170。控制器160可以电耦合到放射源110、机械驱动器155、风扇叶片驱动器135和145、检测器120以及用户界面165。用户界面165可以被配置成使得用户能够至少启动对靶标对象105的扫描，并且从检测器120收集或测量二维(2D)投影图像数据。用户界面165可以被配置为呈现投影图像数据的图形表示。耦合到控制器160的计算机***170可以被配置为执行将在下文中更详细地描述的各种操作(例如，数据处理、剂量估计等)。贯穿本公开，术语“投影图像数据”可以与“投影数据”、“投影”、“射线照相投影”以及“投影图像”互换使用。术语“投影角度”也可以与“投影视角”互换使用。
在成像***100中，机架150可以被配置为在扫描期间围绕靶标对象105旋转，使得放射源110、风扇叶片130和140、风扇叶片驱动器135和145以及检测器120围绕靶标对象105旋转。更具体地，机架150可以围绕与投影线185相交(并且通常垂直于投影线185)的扫描轴线180旋转这些部件。靶标对象105通常以与扫描轴线180基本固定的关系对准。该配置一方面提供投影线185，并且另一方面提供与其对准的扫描轴线180和靶标对象105之间的相对旋转，其中相对旋转由角位移值θ度量。机械驱动器155可以联接到机架150，以根据控制器160的命令提供旋转。可以周期性地读取检测器120上的像素检测器阵列以获取投影图像数据。
检测器120具有彼此垂直的X轴线190和Y轴线195。检测器120可以被定向为使得其Y轴线195平行于扫描轴线180。为此，Y轴线195也可被称为检测器120的轴向维度，而X轴线190也可被称为反式轴向维度或横向维度。X轴线190垂直于由扫描轴线180和投影线185限定的平面，并且Y轴线195平行于该相同平面。检测器120上的每个像素(X，Y)沿着X轴线190被分配离散的X坐标(“X”)，并且沿着Y轴线195被分配离散的Y坐标(“Y”)。为了视觉清晰起见，图1中示出了较少数量的像素检测器。检测器120可以：(a)以投影线185为中心实现靶标对象105的全扇形成像；(b)偏离投影线185实现靶标对象105的半扇形成像；或者(c)相对于投影线185可移动以允许靶标对象105的全扇形和半扇形成像。
成像***100可以使用任何合适的一种或多种成像模态，诸如计算机断层摄影(CT)、锥形射束计算机断层摄影(CBCT)等。例如，CT包括通过在单次扫描操作(“扫描”)中收集投影图像数据来对靶标对象的内部结构进行成像。CT被广泛地用于医学领域来观察人体选定部分的内部结构。CBCT是3D X射线成像技术，其中放射束被投影到具有宽射束几何形状的靶标对象105上以产生2D投影图像数据。通常，与CT图像相比，CBCT图像的质量可能较低(诸如由于有限的场尺寸)。在CT和CBCT中，通常使用千伏电压(kV)成像能量，但在某些情况下可能使用兆伏电压(mV)。
放射疗法治疗计划和递送的重要方面是剂量估计，其确定将施加于患者的放射剂量水平。剂量估计依赖于患者投影图像数据的准确性。然而，由于成像***100的限制，投影图像数据可能是不完整的。在图2A中示出了示例，图2A是示出放射源110和检测器120相对于靶标对象105的示例配置200的第一视图的示意图。在成像期间，放射(参见射线202)被投影到位于治疗床210上的靶标对象105(通常是患者等)上。放射源110和检测器120围绕靶标对象105旋转360°，以获取各种投影角度(例如，每1°)的投影图像数据。
由于成像***100的射束尺寸和/或诸如检测器120的尺寸之类的因素，准确投影图像数据可以仅针对围绕机架旋转轴线的有限(圆柱形)区域被重建，并且不一定覆盖靶标对象105的整个主体。在图2A中的示例中，这种(准确的)区域被表示为在成像场220内被完全照射并且因此在所有不同的2D投影中可见的区域“B”250。成像场的另一视图在图2B中示出，图2B是示出图2A中的示例配置的第二视图的示意图。如使用图2A和图2B所示例的，术语“成像场”通常可以指从不同角度在所有投影中可见的体积(例如，大致圆柱形体积220)。成像场220也可以被称为基本上准确的(例如，CBCT)重建区域。
实际上，成像场220通常小于总放射场230，总放射场230通常可以指从至少一个机架角度放射的关注的总体积。出于此原因，靶标对象105的未从所有投影角度完全照射的任何部分(因为其从至少一些投影角度完全或部分地在成像场220外部)在所获取的投影图像数据中将仅部分可见或不可见。为了说明这一点，在图2A中示出了三个投影角θ1(参见204)、θ2(参见206)和θ3(参见208)，但是实际上可以以附加的或替选的角度获取投影图像数据。在第一角度θ1处(参见204)，靶标对象105在成像场220内被完全照射。然而，在诸如第二角度θ2的其他投影角度(参见206)处，靶标对象105的一个部分(参见240)未被完全照射。类似地，在进一步的投影角度(诸如第三角度θ3(参见208))处，另一部分(参见242)未被完全照射。这意味着靶标对象105的一些部分(例如，240、242)将以特定的投影角度被包括，而以其他角度被排除。对于准确的(例如，CBCT)重建区域之外的任何区域，所得到的投影图像数据将是不完整的。
然而，常规地，剂量估计通常需要准确的投影图像数据和在任何场进入靶标对象105到关注区域的整个区域中的重建。换句话说，不仅区域“B”250需要准确的重建，而且需要总放射场230的(一个或多个)其他区域的准确重建，其中靶标对象105的(一个或多个)部分可以不被完全照射。由于这种准确的重建并不总是可实现的，这使得使用常规方法执行剂量估计变得更加困难(如果不是不可能的话)。这又不利地影响放射疗法治疗计划和递送。
剂量估计
根据本公开的示例，可以基于与区域“B”250相关联的部分重建的体积图像数据(即3D)以及与位于区域“B”250之前的区域“A1”260相关联的投影图像数据(即2D)的分区来执行改进的剂量估计。考虑到通常在肿瘤和近端健康结构(诸如器官等)之间的紧密接近，剂量估计的任何改进都具有改进治疗结果的潜力，诸如增加肿瘤控制概率和/或降低健康结构中放射过度剂量引起的健康并发症或死亡的可能性。
更详细地说，图3是计算机***对靶标对象执行放射剂量估计的示例过程300的流程图。示例过程300可以包括由一个或多个框(诸如310至340)示出的一个或多个操作、功能或动作。各种框可以被组合成更少的框，被划分成附加的框，和/或基于期望的实现而被消除。示例过程300可以使用任何合适的计算机***来实现，其示例将使用图7来讨论。
在图3中的310处，获得投影图像数据。可以使用成像***100通过将来自放射源110的放射投影穿过定位在成像***100的总放射场230内的靶标对象105来获取投影图像数据。这里，术语“已获得”或“获得”可指代接收投影图像数据(例如，从控制器160)或从存储装置(为简单起见未显示)检索所述投影图像数据。可以使用任何合适的技术，缺陷像素校正、散射校正、暗场校正、射束硬化校正等来预处理所获得的投影图像数据。
在图3中的320处，从投影图像数据生成部分重建的体积图像数据。部分重建的体积图像数据可以与总放射场230的第一区域相关联。在图2A和图2B的示例中，使用区域“B”250来表示“第一区域”，其中靶标对象105的(一个或多个)部分从所有投影角度被完全照射。
在图3中的330处，生成投影图像数据的分区。所述分区可以与位于来自放射源110的方向的第一区域之前的总放射场230的第二区域相关联。在图2A和图2B中的示例中，使用区域“A1”260来表示“第二区域”，其中靶标对象105的一个或多个部分未被从所有投影角度完全照射(即，从一些投影角度部分地照射)。
在图3中的340处，可以基于与第一区域“B”250相关联的部分重建的体积图像数据和与第二区域“A1”260相关联的分区来估计靶标对象105的放射剂量数据。
如将使用图4进一步描述的，剂量估计可在图3中的框340处使用任何合适的方法来执行，所述方法诸如基于射线(在治疗射束中)在估计剂量数据的特定点之前在组织中行进的放射距离的算法。此类算法(例如，笔形射束卷积等)通常具有临床上可接受的准确性。在这种情况下，图3中的框340可以包括基于与第二区域“A1”260相关联的分区，确定放射距离，该放射距离指定来自放射源110的射线在经由进入点进入第一区域“B”250之前在第二区域“A1”260中行进的放射距离(参见图2A和图2B中的280)。
另外，基于部分重建的体积图像数据，图3中的框340可以包括确定与第一区域“B”250相关联的放射距离，该放射距离指定射线在第一区域“B”250中从进入点(参见图2A和图2B中的280)行进到靶标对象105内的特定点(参见图2A和图2B中的290)的放射距离。在这种情况下，可以基于与第一区域“B”250相关联的放射距离和与第二区域“A1”260相关联的放射距离的总和(即，总放射距离)来估计该特定点处的放射剂量值。
在下文中，将使用图4至图7讨论各种示例。特别地，使用图4、图5A和图5B的示例剂量估计、基于使用图6的剂量估计的改进的放射疗法治疗计划以及使用图7的示例计算机***。
图像分区
图4是示出计算机***执行靶标对象的放射剂量估计的示例性详细过程400的流程图。示例过程400可以包括由一个或多个框(诸如405至455)示出的一个或多个操作、功能、动作或数据项。各种框可以被组合成更少的框，被划分成附加的框，和/或基于期望的实现而被消除。类似于图3中的示例，示例过程400可以使用任何合适的计算机***来实现，其示例将使用图7来讨论。
在图4中的410处，通过对使用成像***100获取的投影图像数据405执行图像重建操作来生成部分重建的体积图像数据415。如使用图2A和图2B所讨论的，部分重建的体积数据415与第一区域“B”250相关联，第一区域“B”250可以被称为“准确”区域，因为它在从不同投影角度获取的投影图像数据405中被完全照射并可见。
相反，当进一步远离第一区域“B”250移动时，在第二区域“A1”260和第三区域“A2”270中可用的投影图像数据越来越少。第二区域“A1”260从放射源110的方向位于成像场220之前。第三区域“A2”270从放射源110的方向位于成像场220之后。可以使用任何合适的重建算法来执行第一区域“B”250的重建操作410，诸如非迭代重建(诸如，滤波反投影)，迭代重建(诸如，基于代数和统计的重建)等。
在图4中的420、430和440处，执行图像分割以将投影图像数据405分割成三个分区425、445、446。这里，术语“分区”通常可以指投影图像数据405的一部分。例如，如果特定值(x)包括多个(N＞1)部件，诸如x＝x1+...+xN所述值的“分区”可以是多个部件中的一个或一些。第一分区425包括来自第一区域“B”250的衰减贡献、来自第二区域“A1”260的第二分区445和来自第三区域“A2”270的第三分区446。
更详细地，可以通过对第一区域“B”250执行正向投影操作420，从部分重建的体积图像数据415生成第一分区425。这里，“前向投影”通常可以指从体积空间到投影空间的变换。前向投影(也称为合成投影数据)可包括诸如衰减路径积分(主信号)、瑞利(Rayleigh)散射和康普顿(Compton)散射的数据。前向投影操作420可以是单色的或多色的；源驱动或目标驱动；基于体素或基于斑点；以及使用射线跟踪、蒙特卡罗或任何合适的有限元方法。
在图4中的420和430处，第二分区445和第三分区446可以通过从投影图像数据405中移除第一区域“B”250的贡献，然后将得到的“剩余”投影图像数据435(即，包括来自“A1”260和“A2”270的贡献)划分成第二分区445和第三分区446来生成。
实际上，可以使用任何合适的算法来生成分区425、445、446。例如，基于衰减定律，投影图像数据405中的像素值近似为e-λD，其中D是沿着与该特定像素值相关联的射线的总质量(或电子密度积分)，λ表示光子平均自由路径。通常，术语“电子密度”表示每单位体积的介质中的电子数。电子密度对于剂量估计是重要的，因为在X射线相互作用过程(康普顿散射)期间，光子与吸收介质中的电子相互作用，并且相互作用的概率与电子密度成比例。
可以执行根据图4中的420、430及440的图像分割以将投影图像数据405分割成以下：
D＝DA1+DB+DA2。 (1)
在等式(1)中，DA1是沿第二区域“A1”260中的射线的总质量，DB是沿第一区域“B”250中的射线的总质量，DA2是沿第三区域“A2”270中的射线的总质量，并且D是所有三个区域的总质量。在这种情况下，移除操作430可包括DB减去D，诸如通过沿着来自第一分区425中的经部分重建的体积图像数据415的射线对电子密度进行积分。
在移除来自第一区域“B”250的贡献之后，剩余投影图像数据435(即，D-DB＝DA1+DA2)包括来自“A1”260(即，前图像)和来自“A2”270(即，后图像)的贡献。然后可执行分割操作440以将剩余投影图像数据435分割成DA1和DA2。一种简单方法可包括将剩余投影图像数据435均匀地划分成第二分区445和第三分区446(例如，使用适当的掩码)。在图5A和图5B中示出了其他示例方法。
图5A是用于生成剩余投影图像数据435的分区445、446的第一示例过程的流程图。在这种情况下，剩余投影图像数据435用于生成与相应区域“A1”260和“A2”270相关联的两组部分重建的体积图像数据。尽管由于这些区域中的不完整数据，重建通常是不准确的，但是它可以用于确定沿着区域“A1”260和“A2”270中的射线的电子密度积分，以重建相应的和并且这是相应的DA1和DA2的近似值。
如图5A中所示，第一部分重建的体积图像数据与第二区域“A1”260相关联，而第二部分重建的体积图像数据与第三区域“A2”270相关联。剩余投影图像数据435然后可以基于以下与和相关联的比率被分成第二分区445(DA1)和第三分区446(DA2)：因此，使用图5A中的示例，低质量3D重建可以用于确定和然后将其校正为相应的DA1和DA2。
图5B是用于生成剩余投影图像数据435的分区445、446的第二示例过程的流程图。在这种情况下，以相应的投影角度θ1和θ2(其中角度间隔θdiff＝θ2-θ1)获取两个不同组的连续剩余投影图像数据。例如，根据从左到右的机架旋转，可以在投影角度＝θ1且时间＝t1处获取第一剩余投影图像数据530，并且在θ2且t2＞t1处获取第二剩余投影图像数据540。
如下文将进一步解释，可执行第一剩余投影图像530与第二剩余投影图像数据540之间的比较以生成第二分区445和第三分区446。例如，当在两个图像之间存在很小的角度分离时，它们可以被认为是单独的“立体图形对”。观察立体图对中的清晰特征(例如，骨骼结构)，可以(在某种程度上)识别哪些清晰特征属于前图像并且哪些属于后图像。在立体图形对之间定义2D变形场，可以基于两个不同的区域的移动来区分特征。
为了识别图5B中的示例中的相关特征，可将来自第一剩余投影图像数据530的一维(1D)图像条带R1(参见535)与来自第二剩余投影图像数据540的对应图像条带R2(参见545)进行比较。两个条带R1和R2描述从相同体积的投影。基于条带R1和R2，当与R1相比时，在R2中似乎向左移动的特征(参见550)可以被识别为位于第二区域“A1”260内(即，在成像场220的等中心之前)。相反，与R1相比，在R2中似乎向右移动的特征(参见560)可以被识别为位于第三区域“A2”270内(即，在成像场220的等中心之后)。
可以执行任何合适的算法解决方案以将特定图像条带R(即，像素值的1D矢量)拆分成其RA1和RA2分量，使得R＝RA1+RA2以及以下最小化：
L2[SL(RA1)+SR(RA2)] (3)
在等式(3)中，L2范数(L2)表示误差度量，并且可以包括与梯度绝对值成比例的加权项(例如，以减少像素值均匀的区域的退化)。移位运算符SL和SR是图像条带R中向左或向右移动的移动元素(例如，具有预定的移动量)。移位运算符的尺寸可以与成像场220的半径和tan(θdiff)成比例。可以对每个图像条R重复上述操作，以获得相应的RA1和RA2。然后可以基于RA1生成第二分区445，并且基于RA2生成第三分区446。
请注意，上述示例中的术语“左”和“右”是相对于机架从左到右的旋转方向。如果考虑相反的方向(即，从右到左的台架旋转)，与R1相比，位于第二区域“A1”260内的特征可以在R2内逆着机架旋转的方向(即，从左到右)移动，而位于第三区域“A2”270内的第二特征可以在机架旋转的相同方向(即，从右到左)移动。实际上，第一剩余投影图像数据530和第二剩余投影图像数据540也可以是相对的组，而不是立体图形对。
剂量估计
再次参照图4，可以执行剂量计算操作450(标记为“D”)以基于与第一区域“B”250相关联的部分重建的体积图像数据415和与第二区域“A1”260相关联的第二分区445来生成放射剂量数据455。任何合适的算法(诸如笔形射束卷积算法等)都可以用于剂量计算。实际上，“笔形射束”通常可以指横截面积小的电子射束。不规则场F的放射剂量可以通过将场密度分布与笔形射束核进行卷积而获得。分析上，特定点p＝(x，y，z)的放射剂量值可以表示如下：
在等式(4)中，f是源至表面距离(SSD)，F(x，y)是场强度函数，Pint(x，y，z)是强度分布，K(x，y，z)是笔形射束核，并且zref是用于标准化的参考深度。F(x，y)描述了场阻塞，因为它对于场开口内的点是统一的，并且是通过场外的射束限制装置的零或用户给定的传输因子。强度分布Pint(x，y，z)解释了作为离轴线距离和深度的函数的初级光子通量的变化。笔形射束核K(x，y，z)描述了沿z轴线进入水模体的非常窄的射束的剂量分布。函数Pint(x，y，z)和K(x，y，z)可以从几个正方形场尺寸的测量射束数据中导出。可以使用任何合适的方法来求解
为了解决靶标对象105中的组织异质性，异质性校正可以基于放射(有效)距离或厚度deff来确定，该放射(有效)距离或厚度deff定义为沿着从靶标对象105的主体表面到当前密度的射线的密度的积分，如下所示：
在等式(5)中，d是几何深度，ρ(z)是深度z处的强度，并且ρwater是水的密度。可以从投影图像数据405(例如，CT或CBCT图像)估计密度。因此，为了确定第一区域“B”250内部的不均匀性校正，deff可以通过基于第二分区445沿着第二区域“A1”260中的射线对电子密度进行积分，并且然后基于从射线进入第一区域“B”250的点到估算剂量的特定点的部分重建的体积图像数据415，沿着第一区域“B”250中的射线对电子密度进行积分来计算。
再次参考图2A和图2B中的示例，基于第二分区445，可以确定射线202在经由进入点(参见280)进入到第一区域“B”250中之前在第二区域“A1”260中行进的放射距离。另外，基于部分重建的体积图像数据415，可以确定射线202在第一区域“B”250中从进入点(参见280)行进到靶标对象105内的特定(3D)点p＝(x，y，z)(参见290)的放射距离。总放射距离(即，第二区域“A1”260和第一区域“B”250中的距离之和)可用于估计p＝(x，y，z)处的放射剂量值。例如，使用笔形射束近似值，总放射距离可用于从深度剂量曲线读取将被递送至患者的放射剂量的量。
在以上示例中，在剂量计算期间可以忽略与第三区域“A2”270相关联的第三分区446，因为该区域中的衰减通常不会显著影响剂量分布。与第一区域“B”250相关联的第一分区也可以被忽略，因为其相关联的3D体积图像数据(即，部分重建的体积图像数据415)可以替代地用于剂量估计。根据本公开的示例的剂量估计方法可以适用于具有无平面滤波器的射束的成像***100，其中非聚焦放射的量通常较小。
改进的放射疗法治疗
根据本公开的示例估计的放射剂量数据455可以用于改进放射疗法治疗，特别是检查和/或改进患者的治疗计划。图6中示出了示例，图6是示出使用图4中的示例估计的放射剂量数据的改进的放射疗法治疗计划过程600的示意图。
在治疗疗程之前(参见602)，使用成像***100针对需要放射疗法治疗的患者执行图像获取。目的是获取针对患者设计治疗计划(参见620)所基于的投影图像数据(参见610)。实际上，治疗计划可以基于临床医生(诸如，肿瘤学家、剂量测定员、治疗规划师等)规定的目标剂量来执行，诸如基于临床医生的经验、肿瘤的类型和程度、患者的几何学和状况等。此外，在治疗计划期间也考虑放射疗法治疗***的能力和局限性。
在图6中的示例中，治疗计划620定义将被递送到患者的解剖结构(也称为治疗体积)的放射剂量。标记为“DTAR”的放射剂量(参见622)代表针对靶标的剂量水平，其可代表需要放射疗法治疗的恶性肿瘤(例如，***肿瘤、脑肿瘤等)。标记为“DOAR”的放射剂量(参见624)代表针对任何邻近危及器官(OAR)的剂量水平，其代表可能受到治疗不利影响的近端健康结构(例如，直肠、膀胱、视神经、脑干等)。通常针对靶标规定较高的目标剂量，针对OAR规定较低的目标剂量。剂量体积直方图(DVH)可以用于以图形二维(2D)格式概括3D剂量分布。
在放射疗法治疗被递送至患者的治疗疗程期间(参见604)，可以使用根据本公开的示例估计的放射剂量数据455来改进治疗计划620。例如，这可以包括将治疗计划620与放射剂量数据455进行比较以考虑治疗期间患者的当前定位以及患者的解剖结构中可能的变化，因为最后获取了投影图像数据(参见610)。基于该比较，可以在递送放射疗法治疗之前对治疗计划620做出可能的改进(参见改进的治疗计划630)。
在另一示例中，可以进行比较以识别在治疗时间获得的放射剂量数据455与在计划时间设计的治疗计划620之间的一个或多个差异。基于该比较，可以做出关于是否继续治疗的决定。可替代地，可以在治疗时间生成多个候选治疗计划，并且可以基于用于治疗目的的任何合适的标准来选择与治疗计划620“最佳”匹配的候选。还可以执行自适应治疗以在治疗时间改变治疗计划620。
计算机***
上述示例可以通过硬件、软件或固件或其组合来实现。图7是执行靶标对象105的放射剂量估计的示例计算机***700/170的示意图。在该示例中，计算机***700/170可以包括处理器710、计算机可读存储介质720、用于与放射疗法治疗***(例如，与成像***100相同的机器)对接的接口740，以及促进这些示出的部件和其他部件之间的通信的总线730。
处理器710用于执行本文参照图1至图6描述的过程。计算机可读存储介质720可存储任何合适的数据722，诸如所讨论的各种数据405/415/425/435/445/446/455等。计算机可读存储介质720可进一步存储计算机可读指令724，计算机可读指令724响应于由处理器710执行而使处理器710执行本文所描述的过程。
前面的详细描述已经通过使用框图、流程图和/或示例阐述了装置和/或过程的各种实施例。只要这些框图、流程图和/或示例包括一个或多个功能和/或操作，本领域的技术人员将理解，这些框图、流程图或示例中的每个功能和/或操作可以单独和/或集体地由各种硬件、软件、固件或实际上它们的任意组合来实现。
本领域技术人员将认识到，这里公开的实施例的一些方面可以全部或部分地等效地在集成电路中实现：作为在一个或多个计算机上运行的一个或多个计算机程序(例如，作为在一个或多个计算机***上运行的一个或多个程序)；作为在一个或多个处理器上运行的一个或多个程序(例如，作为在一个或多个微处理器上运行的一个或多个程序)；作为固件；或实际上任何其组合，并且根据本公开，设计电路和/或编写软件和/或固件的代码将完全在本领域技术人员的技能范围内。

Claims (21)

1.一种用于计算机***执行针对靶标对象的放射剂量估计的方法，所述方法包括：
获得使用成像***获取的投影图像数据，其中通过将来自放射源的放射投影通过位于所述成像***的总放射场内的所述靶标对象来获取所述投影图像数据；
基于所述投影图像数据生成部分重建的体积图像数据，其中所述部分重建的体积图像数据与所述总放射场内的第一区域相关联；
生成所述投影图像数据的分区，其中所述分区与所述总放射场的第二区域相关联，所述第二区域从所述放射源的方向位于所述第一区域之前；以及
基于与所述第一区域相关联的所述部分重建的体积图像数据和与所述第二区域相关联的所述分区来估计针对所述靶标对象的放射剂量数据。
2.根据权利要求1所述的方法，其中估计所述放射剂量数据包括：
基于所述投影图像数据的所述分区，确定与所述第二区域相关联的放射距离，所述放射距离指定来自所述放射源的射线在进入所述第一区域之前在所述第二区域中行进的放射距离。
3.根据权利要求2所述的方法，其中估计所述放射剂量数据包括：
基于所述部分重建的体积图像数据，确定与所述第一区域相关联的放射距离，所述放射距离指定所述射线在所述第一区域中行进到所述靶标对象内的特定点的放射距离，在所述特定点处，放射剂量值被估计。
4.根据权利要求3所述的方法，其中估计所述放射剂量数据包括：
基于与所述第一区域相关联的所述放射距离和与所述第二区域相关联的所述放射距离的总和来估计所述特定点处的所述放射剂量值。
5.根据权利要求1所述的方法，其中生成所述投影图像数据的所述分区包括：
基于部分重建的体积图像数据，生成剩余投影图像数据，所述剩余投影图像数据包括与所述第二区域相关联的所述分区和与所述总放射场的第三区域相关联的分区，所述第三区域从所述放射源的方向位于所述第一区域之后。
6.根据权利要求5所述的方法，其中生成所述投影图像数据的所述分区包括：
基于比率，将所述剩余投影图像数据划分为与所述第二区域相关联的所述分区和与所述第三区域相关联的所述分区。
7.根据权利要求5所述的方法，其中生成所述投影图像数据的分区包括：
比较与所述放射源的第一角度相关联的第一剩余投影图像数据和与所述放射源的第二角度相关联的第二剩余投影图像数据；以及
基于所述比较，生成与所述第二区域相关联的所述分区和与所述第三区域相关联的所述分区。
8.一种非暂时性计算机可读存储介质，包括指令的集合，所述指令响应于计算机***的处理器的执行而使得所述处理器执行放射剂量估计的方法，所述方法包括：
获得使用成像***获取的投影图像数据，其中通过将来自放射源的放射投影通过位于所述成像***的总放射场内的所述靶标对象来获取所述投影图像数据；
基于所述投影图像数据生成部分重建的体积图像数据，其中所述部分重建的体积图像数据与所述总放射场内的第一区域相关联；
生成所述投影图像数据的分区，其中所述分区与所述总放射场的第二区域相关联，所述第二区域从所述放射源的方向位于所述第一区域之前；以及
基于与所述第一区域相关联的所述部分重建的体积图像数据和与所述第二区域相关联的所述分区来估计针对所述靶标对象的放射剂量数据。
9.根据权利要求8所述的非暂时性计算机可读存储介质，其中估计所述放射剂量数据包括：
基于所述投影图像数据的所述分区，确定与所述第二区域相关联的放射距离，所述放射距离指定来自所述放射源的射线在进入所述第一区域之前在所述第二区域中行进的放射距离。
10.根据权利要求9所述的非暂时性计算机可读存储介质，其中估计所述放射剂量数据包括：
基于所述部分重建的体积图像数据，确定与所述第一区域相关联的放射距离，所述放射距离指定所述射线在所述第一区域中行进到所述靶标对象内的特定点的放射距离，在所述特定点处，放射剂量值被估计。
11.根据权利要求10所述的非暂时性计算机可读存储介质，其中估计所述放射剂量数据包括：
基于与所述第一区域相关联的所述放射距离和与所述第二区域相关联的所述放射距离的总和来估计所述特定点处的所述放射剂量值。
12.根据权利要求8所述的非暂时性计算机可读存储介质，其中生成所述投影图像数据的分区包括：
基于部分重建的体积图像数据，生成剩余投影图像数据，所述剩余投影图像数据包括与所述第二区域相关联的所述分区和与所述总放射场的第三区域相关联的分区，所述第三区域从所述放射源的方向位于所述第一区域之后。
13.根据权利要求12所述的非暂时性计算机可读存储介质，其中生成所述投影图像数据的所述分区包括：
基于比率，将所述剩余投影图像数据划分为与所述第二区域相关联的所述分区和与所述第三区域相关联的所述分区。
14.根据权利要求12所述的非暂时性计算机可读存储介质，其中生成所述投影图像数据的所述分区包括：
比较与所述放射源的第一角度相关联的第一剩余投影图像数据和与所述放射源的第二角度相关联的第二剩余投影图像数据；以及
基于所述比较，生成与所述第二区域相关联的所述分区和与所述第三区域相关联的所述分区。
15.一种被配置为执行放射剂量估计的计算机***，所述计算机***包括：处理器和其上存储有指令的非暂时性计算机可读介质，所述指令在由所述处理器执行时使得所述处理器：
获得使用成像***获取的投影图像数据，其中通过将来自放射源的放射投影通过位于所述成像***的总放射场中的所述靶标对象来获取所述投影图像数据；
基于所述投影图像数据生成部分重建的体积图像数据，其中所述部分重建的体积图像数据与所述总放射场内的第一区域相关联；
生成所述投影图像数据的分区，其中所述分区与所述总放射场的第二区域相关联，所述第二区域从所述放射源的方向位于所述第一区域之前；以及
基于与所述第一区域相关联的所述部分重建的体积图像数据和与所述第二区域相关联的所述分区来估计针对所述靶标对象的放射剂量数据。
16.根据权利要求15所述的计算机***，其中用于估计所述放射剂量数据的指令使得所述处理器：
基于所述投影图像数据的所述分区，确定与所述第二区域相关联的放射距离，所述放射距离指定来自所述放射源的射线在进入所述第一区域之前在所述第二区域中行进的放射距离。
17.根据权利要求16所述的计算机***，其中用于估计所述放射剂量数据的指令使得所述处理器：
基于所述部分重建的体积图像数据，确定与所述第一区域相关联的放射距离，所述放射距离指定所述射线在所述第一区域中行进到所述靶标对象内的特定点的放射距离，在所述特定点处，放射剂量值被估计。
18.根据权利要求17所述的计算机***，其中用于估计所述放射剂量数据的指令使得所述处理器：
基于与所述第一区域相关联的所述放射距离和与所述第二区域相关联的所述放射距离的总和来估计所述特定点处的所述放射剂量值。
19.根据权利要求15所述的计算机***，其中用于生成所述投影图像数据的所述分区的指令使得所述处理器：
基于部分重建的体积图像数据，生成剩余投影图像数据，所述剩余投影图像数据包括与所述第二区域相关联的所述分区和与所述总放射场的第三区域相关联的分区，所述第三区域从所述放射源的方向位于所述第一区域之后。
20.根据权利要求19所述的计算机***，其中用于生成所述投影图像数据的所述分区的指令使得所述处理器：
基于比率，将所述剩余投影图像数据划分为与所述第二区域相关联的所述分区和与所述第三区域相关联的所述分区。
21.根据权利要求19所述的计算机***，其中用于生成所述投影图像数据的所述分区的指令使得所述处理器：
比较与所述放射源的第一角度相关联的第一剩余投影图像数据和与所述放射源的第二角度相关联的第二剩余投影图像数据；以及
基于所述比较，生成与所述第二区域相关联的所述分区和与所述第三区域相关联的所述分区。
CN201880003507.9A 2017-08-04 2018-08-03 用于放射剂量估计的方法和*** Active CN110022934B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US15/668,712 2017-08-04
US15/668,712 US10402972B2 (en) 2017-08-04 2017-08-04 Methods and systems for radiation dose estimation
PCT/US2018/045279 WO2019028437A1 (en) 2017-08-04 2018-08-03 METHODS AND SYSTEMS FOR ESTIMATING RADIATION DOSE

Publications (2)

Publication Number Publication Date
CN110022934A true CN110022934A (zh) 2019-07-16
CN110022934B CN110022934B (zh) 2020-08-14

Family

ID=63209752

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880003507.9A Active CN110022934B (zh) 2017-08-04 2018-08-03 用于放射剂量估计的方法和***

Country Status (4)

Country Link
US (1) US10402972B2 (zh)
EP (1) EP3484584B1 (zh)
CN (1) CN110022934B (zh)
WO (1) WO2019028437A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112437949A (zh) * 2019-07-17 2021-03-02 上海联影医疗科技股份有限公司 一种用于合成投影图像的方法和***

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110914868B (zh) * 2018-10-25 2024-02-23 上海联影医疗科技股份有限公司 用于散射校准的***和方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1864632A (zh) * 2005-05-17 2006-11-22 西门子公司 用于最小化图像伪影的方法以及医疗成像***
US20100215141A1 (en) * 2009-02-26 2010-08-26 Kabushiki Kaisha Toshiba X-ray ct apparatus and a method of controlling the x-ray ct apparatus
US20130136328A1 (en) * 2011-11-30 2013-05-30 General Electric Company Methods and systems for enhanced tomographic imaging
WO2014145452A1 (en) * 2013-03-15 2014-09-18 Real Time Tomography, Llc Enhancements for displaying and viewing tomosynthesis images
WO2017023105A1 (en) * 2015-08-05 2017-02-09 Samsung Electronics Co., Ltd. Tomography imaging apparatus and method of reconstructing tomography image

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8891727B2 (en) * 2012-02-24 2014-11-18 General Electric Company Radiation imaging apparatus, radiation detecting apparatus and radiation focal-point movement detecting method

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1864632A (zh) * 2005-05-17 2006-11-22 西门子公司 用于最小化图像伪影的方法以及医疗成像***
US20100215141A1 (en) * 2009-02-26 2010-08-26 Kabushiki Kaisha Toshiba X-ray ct apparatus and a method of controlling the x-ray ct apparatus
US20130136328A1 (en) * 2011-11-30 2013-05-30 General Electric Company Methods and systems for enhanced tomographic imaging
WO2014145452A1 (en) * 2013-03-15 2014-09-18 Real Time Tomography, Llc Enhancements for displaying and viewing tomosynthesis images
WO2017023105A1 (en) * 2015-08-05 2017-02-09 Samsung Electronics Co., Ltd. Tomography imaging apparatus and method of reconstructing tomography image

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112437949A (zh) * 2019-07-17 2021-03-02 上海联影医疗科技股份有限公司 一种用于合成投影图像的方法和***
CN112437949B (zh) * 2019-07-17 2021-07-27 上海联影医疗科技股份有限公司 一种用于合成投影图像的方法和***

Also Published As

Publication number Publication date
WO2019028437A1 (en) 2019-02-07
CN110022934B (zh) 2020-08-14
EP3484584B1 (en) 2019-08-28
US10402972B2 (en) 2019-09-03
EP3484584A1 (en) 2019-05-22
US20190043187A1 (en) 2019-02-07

Similar Documents

Publication Publication Date Title
US8588367B2 (en) Motion compensation in quantitative data analysis and therapy
Hoetjes et al. Partial volume correction strategies for quantitative FDG PET in oncology
JP6133089B2 (ja) エミッション・データに基づいた核医学イメージングにおける減衰補償のためのシステム及び方法
US20120278055A1 (en) Motion correction in radiation therapy
US10245000B2 (en) Method and system for defining a volume of interest in a physiological image
US8712124B2 (en) Artifact removal in nuclear images
CN113289274B (zh) 放射治疗剂量测量的***和方法
CN110022934A (zh) 用于放射剂量估计的方法和***
Mori et al. Implementation of a target volume design function for intrafractional range variation in a particle beam treatment planning system
Santoro et al. A novel tool for motion-related dose inaccuracies reduction in 99mTc-MAA SPECT/CT images for SIRT planning
Usman et al. Evaluation of image reconstruction techniques in single photon emission computed tomography (SPECT/CT) imaging
Kirov et al. Rationale, instrumental accuracy, and challenges of PET quantification for tumor segmentation in radiation treatment planning
Beaudry 4D cone-beam CT image reconstruction of Varian TrueBeam v1. 6 projection images for clinical quality assurance of stereotactic ablative radiotherapy to the lung
Debebe Quantitative Yttrium-90 Bremsstrahlung SPECT/CT and PET/CT Study for 3D Dosimetry in Radiomicrosphere Therapy
Sanders Methods for quantification and respiratory motion management in spect imaging
Nesterova et al. Pitfalls in the Path of Quantitative Assessment of the Severity of Oncological Lesions in Diagnostic Nuclear Medicine
Tsai Penalised image reconstruction algorithms for efficient and consistent quantification in emission tomography
Hutton et al. Quantification in Emission Tomography
Schleyer Respiratory motion correction in PET/CT imaging
CN117917227A (zh) 减少对象的x射线投影图像中的散射的方法和成像***
Beijst Imaging techniques for guidance of radionuclide therapy
KR20210099907A (ko) 휠 차단기를 이용하여 산란을 보정하는 콘빔형 전산화 단층 촬영 장치 및 방법
de Moreira Pinto Validity of 4DCT determined internal target volumes in radiotherapy for free breathing lung cancer patients
CN117917228A (zh) 使用基于射束硬化的核来估计由成像***部件引起的x射线图像中的散射
Martin Improvements in four-dimensional and dual energy computed tomography

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40009979

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant