ES2692793T3 - Generación de un modelo adecuado para estimar la dosis de radiación de un paciente resultante de escaneos de formación de imágenes medicas - Google Patents

Generación de un modelo adecuado para estimar la dosis de radiación de un paciente resultante de escaneos de formación de imágenes medicas Download PDF

Info

Publication number
ES2692793T3
ES2692793T3 ES16192895.7T ES16192895T ES2692793T3 ES 2692793 T3 ES2692793 T3 ES 2692793T3 ES 16192895 T ES16192895 T ES 16192895T ES 2692793 T3 ES2692793 T3 ES 2692793T3
Authority
ES
Spain
Prior art keywords
image formation
phantom
scan
image
simulations
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.)
Active
Application number
ES16192895.7T
Other languages
English (en)
Inventor
Gregory Couch
James Couch
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.)
Bayer Healthcare LLC
Original Assignee
Bayer Healthcare LLC
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 Bayer Healthcare LLC filed Critical Bayer Healthcare LLC
Application granted granted Critical
Publication of ES2692793T3 publication Critical patent/ES2692793T3/es
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computerised tomographs
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/10—Application or adaptation of safety means
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/48—Diagnostic techniques
    • A61B6/488—Diagnostic techniques involving pre-scan acquisition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. 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
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/56—Details of data transmission or power supply, e.g. use of slip rings
    • A61B6/563—Details of data transmission or power supply, e.g. use of slip rings involving image data transmission via a network
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/58—Testing, adjusting or calibrating apparatus or devices for radiation diagnosis
    • A61B6/582—Calibration
    • A61B6/583—Calibration using calibration phantoms
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01T—MEASUREMENT OF NUCLEAR OR X-RADIATION
    • G01T1/00—Measuring X-radiation, gamma radiation, corpuscular radiation, or cosmic radiation
    • G01T1/02—Dosimeters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • 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
    • 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
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • 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
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS

Abstract

Un procedimiento (1000) implementado por ordenador para determinar una estimación de dosis de radiación absorbida por un individuo que recibe un escaneo de formación de imágenes, comprendiendo el procedimiento: recibir (1010) un conjunto de parámetros que describen el escaneo de formación de imágenes y un aparato de escaneo de imágenes que se usa para realizar el escaneo de formación de imágenes; recibir (1005) un fantoma de formación de imágenes deformado correspondiente al individuo; caracterizado por evaluar (1015) una pluralidad de simulaciones completadas previamente que estiman la absorción de dosis de radiación; y tras determinar (1020), basándose en la evaluación, que dos o más de las simulaciones coinciden con el conjunto recibido de parámetros y fantoma de formación de imágenes recibido dentro de una medida de tolerancia especificada, interpolar (1030) las estimaciones de dosis de radiación en las dos o más simulaciones para determinar la estimación de dosis de radiación absorbida por el individuo que recibe el escaneo de formación de imágenes.

Description

5
10
15
20
25
30
35
40
45
50
55
DESCRIPCION
Generacion de un modelo adecuado para estimar la dosis de radiacion de un paciente resultante de escaneos de formacion de imagenes medicas
Campo de la invencion
Las realizaciones de la invencion se refieren, en general, a enfoques para estimar la exposicion a la radiacion de un paciente durante escaneos por tomograffa computarizada (TC).
Antecedentes
Como es sabido, un sistema de escaneo por TC usa radiacion ionizante (rayos X) para generar imagenes de tejidos, organos y otras estructuras dentro de un cuerpo. Los datos de rayos X resultantes de un escaneo por TC pueden convertirse en imagenes en una pantalla de visualizacion de ordenador. Por ejemplo, el escaneo por TC proporciona una recopilacion de datos usados para crear un volumen tridimensional (3D) correspondiente a la porcion escaneada del cuerpo de un paciente. El volumen 3D se corta a continuacion para crear imagenes del tejido corporal a pequenos intervalos a lo largo de un eje del cuerpo del paciente. Dichos cortes pueden incluir cortes tanto laterales como transversales (asf como otros cortes) dependiendo de los tejidos o estructuras de los se estan formando imagenes.
El uso de los escaneos por TC y la radiacion ionizante para la formacion de imagenes medicas han crecido exponencialmente en la ultima decada. Y las tecnicas modernas, como el escaneo por TC, proporcionan informacion de diagnostico mucho mas detallada y valiosa que la formacion de imagenes por rayos X convencional. Al mismo tiempo, sin embargo, los pacientes se ven expuestos a dosis de radiacion sustancialmente mayores. Por ejemplo, una TC de torax ffpica expondra a un paciente a entre 100 y 250 veces la dosis de una radiograffa de torax convencional dependiendo de la tension y la corriente del sistema de escaneo por TC, el protocolo seguido para realizar el procedimiento, y el tamano y la forma del paciente que se escanea.
A pesar del uso creciente de escaneos por TC (y la exposicion resultante a la radiacion) la cantidad de radiacion a la que esta expuesto un paciente durante un procedimiento y, lo que es mas importante, la dosis acumulada en muchos procedimientos, no son parametros que se controlen regularmente para un paciente, y tampoco estos parametros son una parte facilmente accesible de los registros medicos del paciente. Esto se produce en parte debido a que la cantidad de radiacion absorbida por organos internos y tejidos no puede medirse directamente en pacientes vivos como parte de un examen TC, y los resultados obtenidos en cadaveres, aunque mas precisos, no se corresponden bien con la absorcion de dosis en tejidos vivos.
De manera similar, los enfoques para estimar la dosis usada actualmente tambien proporcionan resultados inexactos. Por ejemplo, un enfoque consiste en confiar en un numero limitado de fantomas de formacion de imagenes ffsicos para representar a un paciente determinado. Sin embargo, los fantomas de formacion de imagenes disponibles no representan adecuadamente la amplia variacion en el tamano y el peso de las personas en la poblacion de individuos que reciben escaneos por TC. Como resultado, las medidas de superficie de punto unico son las que se hacen actualmente en la mayoffa de los casos donde la dosis no se estima en absoluto. Sin embargo, esto conduce a resultados pobres y muy variables, dependiendo de donde se mida la dosis de punto unico. De manera mas general, las mediciones de superficie de la exposicion a la radiacion no proporcionan una medida precisa de la absorcion real para los tejidos internos, los organos y las estructuras. El documento EP-A- 1393681 representa la tecnica anterior mas cercana que desvela el preambulo de las reivindicaciones independientes 1 y 5.
Sumario
La invencion se expone en las reivindicaciones independientes. Las realizaciones proporcionan tecnicas para estimar la exposicion a la radiacion de un paciente durante los escaneos por tomograffa computarizada (TC). Una realizacion incluye un procedimiento implementado por ordenador para generar un modelo de formacion de imagenes que corresponde a un individuo. Este procedimiento puede incluir, en general, seleccionar un fantoma de formacion de imagenes inicial para un individuo que recibe un escaneo de formacion de imagenes, en el que el fantoma de formacion de imagenes tiene una o mas imagenes de localizacion asociadas y recibe una o mas imagenes de exploracion del individuo. Este procedimiento puede incluir, ademas, determinar una transformacion entre al menos una de las imagenes de localizador asociadas con el fantoma de formacion de imagenes y deformar el fantoma de formacion de imagenes inicial basandose en la transformacion.
En una realizacion espedfica, el escaneo de formacion de imagenes es un escaneo por tomograffa computarizada (TC), en otros casos el escaneo de formacion de imagenes es un escaneo por fluoroscopia, un escaneo por PET, un escaneo de angiograffa, etc. Este procedimiento puede incluir, ademas, recibir un conjunto de parametros que describen el escaneo de formacion de imagenes y aparatos de escaneo por TC que se usan para realizar el escaneo por TC, simular el escaneo de formacion de imagenes usando el fantoma de formacion de imagenes deformado y el conjunto de parametros recibido, y estimar, basandose en la simulacion, las cantidades de radiacion absorbidas por el individuo como resultado de la realizacion del escaneo de formacion de imagenes. En una realizacion espedfica,
5
10
15
20
25
30
35
40
45
50
la simulacion es una simulacion Monte Carlo.
Otra realizacion incluye un procedimiento para generar un modelo de formacion de imagenes correspondiente a un individuo. Este procedimiento puede incluir, en general, seleccionar un fantoma de formacion de imagenes inicial para un individuo que recibe un escaneo por tomograffa computarizada (TC) y segmentar un escaneo por TC de referencia asociado con el individuo para identificar un volumen tridimensional (3D) de una pluralidad de puntos de referencia anatomicos del individuo presentes en el escaneo por TC de referencia. Este procedimiento tambien puede incluir emparejar uno o mas de los puntos de referencia anatomicos identificados en el escaneo por TC de referencia segmentado con los puntos de referencia anatomicos correspondientes en el fantoma de formacion de imagenes inicial y deformar el fantoma de formacion de imagenes inicial basandose en los puntos de referencia anatomicos coincidentes.
Las realizaciones adicionales incluyen un medio de almacenamiento legible por ordenador que almacena una aplicacion que, cuando se ejecuta en un procesador, realiza el procedimiento mencionado anteriormente asf como un sistema que tiene un procesador y una memoria que almacena un programa de aplicacion de gestion de activos de informacion empresarial que, cuando se ejecuta en el procesador, realiza el procedimiento mencionado anteriormente.
Breve descripcion de los dibujos
Con el fin de que los aspectos mencionados anteriormente se logren y puedan comprenderse en detalle, puede realizarse una descripcion mas espedfica de las realizaciones de la invencion, brevemente resumidas anteriormente, por referencia a los dibujos adjuntos. Sin embargo, observese que los dibujos adjuntos ilustran solo las realizaciones habituales de la invencion y, por lo tanto, no son limitantes de su ambito, ya que la invencion puede admitir otras realizaciones igualmente eficaces.
La figura 1 ilustra un ejemplo de un sistema de escaneo por TC y unos sistemas informaticos relacionados configurados para proporcionar estimaciones de la dosis de radiacion del paciente, de acuerdo con una realizacion de la invencion.
La figura 2 ilustra un ejemplo de un sistema de formacion de imagenes usado para obtener datos de escaneo por TC, de acuerdo con una realizacion.
La figura 3 ilustra un ejemplo de un sistema de estimacion de dosis usado para estimar y hacer un seguimiento de la dosis acumulada del paciente, de acuerdo con una realizacion.
La figura 4 ilustra un procedimiento para generar un modelo adecuado para estimar la dosis de radiacion del paciente resultante de escaneos por Tc, de acuerdo con una realizacion.
La figura 5A ilustra una imagen a modo de ejemplo que representa un fantoma deformable, de acuerdo con una realizacion.
La figura 5B ilustra un ejemplo de una imagen de referencia bidimensional (2D) de una porcion de un cuerpo humano correspondiente al fantoma mostrado en la figura 5A, de acuerdo con una realizacion.
La figura 6 ilustra otro procedimiento para generar un modelo adecuado para estimar la dosis de radiacion resultante de escaneos por TC, de acuerdo con una realizacion.
La figura 7 ilustra un corte a modo de ejemplo de un fantoma superpuesto sobre un corte de TC correspondiente de un paciente, de acuerdo con una realizacion.
La figura 8 ilustra un ejemplo de un corte transversal de un fantoma de formacion de imagenes superpuesto sobre un corte de TC transversal correspondiente de un paciente, de acuerdo con una realizacion.
La figura 9 ilustra un ejemplo de una segmentacion de imagen de TC y un desplazamiento de volumen de organo para un fantoma de formacion de imagenes, de acuerdo con una realizacion.
La figura 10 ilustra un procedimiento para un servicio de estimacion de dosis para proporcionar estimaciones de dosis de paciente a multiples proveedores de escaneo por TC, de acuerdo con una realizacion.
La figura 11 ilustra una infraestructura de calculo a modo de ejemplo para un sistema de servicio de estimacion de dosis de paciente configurado para soportar multiples proveedores de escaneo por TC, de acuerdo con una realizacion.
Descripcion detallada
Las realizaciones de la invencion se refieren, en general, a enfoques para estimar la exposicion a la radiacion del paciente durante escaneos por tomograffa computarizada (TC). Mas espedficamente, las realizaciones de la invencion proporcionan enfoques eficientes para generar un modelo de paciente adecuado usado para hacer tal
5
10
15
20
25
30
35
40
45
50
55
60
estimacion, enfoques para estimar la dosis del paciente interpolando los resultados de simulaciones multiples, y enfoques para que un proveedor de servicios aloje un servicio de estimacion de dosis que este disponible para multiples proveedores de escaneos por TC. Como se describe en detalle a continuacion, el sistema de administracion de dosis proporciona un sistema unico para hacer un seguimiento de dosis de radiacion a traves de modalidades y para presentar informacion a los facultativos en un formato significativo y de facil comprension. La consideracion rutinaria de la dosis acumulada para ordenar las pruebas diagnosticas de formacion de imagenes puede conducir a un procedimiento de toma de decisiones mas informado y, en ultima instancia, beneficiar la seguridad y el cuidado del paciente.
En una realizacion, se genera un fantoma de formacion de imagenes virtual para modelar un paciente determinado que recibe un escaneo por TC. El fantoma de formacion de imagenes virtual puede generarse deformando un fantoma matematico existente para que coincida mejor con el tamano, la forma y las posiciones de organos de un paciente que se expone a la radiacion en un escaneo por TC. Inicialmente, puede seleccionarse un fantoma matematico en funcion de, por ejemplo, la edad y el genero del paciente. La geometna espedfica del paciente puede lograrse deformando el fantoma matematico seleccionado usando las transformaciones obtenidas analizando los localizadores de imagenes de exploracion de ese paciente. Observese que, en este contexto, como entienden los expertos en la materia, un localizador hace referencia, en general, a una proyeccion de imagen 2D de un paciente (habitualmente una imagen de rayos X anterior/posterior y/o una imagen de rayos X lateral). En tal enfoque, el fantoma matematico seleccionado puede tener su propio conjunto de referencia de imagenes de localizador. Las imagenes de referencia para un fantoma virtual determinado se seleccionan para que coincidan con la geometna, el tamano y la colocacion de ese fantoma (por ejemplo, con los brazos arriba o a los lados) y puede seleccionarse a partir de imagenes obtenidas de multiples individuos.
A continuacion, se usan tecnicas de registro de imagenes para mapear puntos de la imagen de localizador del paciente en puntos de la imagen (o imagenes) de referencia asociadas con el fantoma virtual. Al hacerlo, se produce un conjunto de transformaciones que pueden usarse para deformar el fantoma virtual para que coincida mejor con la geometna del paciente. Un enfoque similar implica el uso de un conjunto de referencia de datos 3D (escaneos por TC seleccionados) para el fantoma y el uso de tecnicas de registro de imagenes 3D para mapear puntos de un escaneo por TC de un paciente determinado en puntos de escaneos por TC de referencia asociados con un fantoma determinado.
De manera similar, la segmentacion de imagenes puede usarse para identificar un volumen 3D dentro de un escaneo por TC correspondiente a organos, tejidos o estructuras de interes en un escaneo por TC de un paciente. El volumen 3D puede ser un cuadro delimitador, o un volumen 3D mas preciso considerado para representar un organo, etc. Una vez identificado, puede determinarse un desplazamiento entre la posicion del organo en el fantoma y la posicion correspondiente en el escaneo por TC del paciente. En lugar de funcionar sobre puntos de imagen individuales (como en las tecnicas de registro de imagenes 2D/3D), el enfoque de segmentacion de imagenes funciona usando volumenes 3D mas grandes a partir de la imagen TC como puntos de datos para determinar una transformacion de un fantoma virtual y un paciente determinado.
En cada uno de estos casos, el fantoma hubrido resultante proporciona una representacion matematica mucho mas precisa de un paciente espedfico para su uso en una simulacion de dosis que los fantomas no modificados solos. Una vez que se determinan las transformaciones, el fantoma virtual tubrido puede usarse para simular un procedimiento TC determinado para el paciente. Por ejemplo, las bien conocidas tecnicas de simulacion Monte Carlo se han desarrollado para estimar la dosis absorbida por un organo para un fantoma virtual. Dichas tecnicas de simulacion usan el fantoma virtual (transformado en relacion con un paciente determinado) junto con una serie de configuraciones relacionadas con el modelo y el procedimiento de escaner TC que se realizaran, con el fin de calcular estimaciones precisas de la dosis absorbida por el organo. Por ejemplo, un escaner TC puede modelarse usando kVp, es decir, kilovoltaje pico, angulo objetivo del generador de rayos X, angulo de abanico, colimacion, espesor de corte, distancia del foco al eje, filtros planos (material y espesor) y filtros de conformacion de haz (material y geometna). Por supuesto, estos (y otros parametros) pueden seleccionarse como disponibles o segun sea necesario para satisfacer las necesidades de un caso espedfico.
Sin embargo, estimar la dosis de organo absorbida por un organo usando una simulacion Monte Carlo puede requerir cantidades significativas de tiempo de calculo, mucho mas tiempo del requerido para realizar un escaneo por TC real. Dada la alta utilizacion de los sistemas de escaneo por TC en muchas instalaciones de formacion de imagenes, en los casos donde una estimacion de la dosis acumulada total no deba superar un maximo prescrito, este retraso simplemente no es manejable. Incluso en casos donde la estimacion no se usa antes de realizar un procedimiento determinado, a menos que las estimaciones de la dosis del paciente puedan determinarse, relativamente, en el mismo orden de tiempo que se requiere para realizar un procedimiento, mantener un registro de la estimacion de dosis para un sistema de escaneo determinado se vuelve inmanejable, ya que las simulaciones simplemente caeran cada vez mas atras con respecto a los escaneos actuales que se realizan. Este problema crece exponencialmente para un proveedor de SaaS que aloja un servicio de estimacion de dosis en la nube para multiples instalaciones de formacion de imagenes.
En consecuencia, en una realizacion, las estimaciones de la dosis del paciente determinada para un procedimiento determinado pueden generarse por interpolacion entre dos (o mas) simulaciones completadas previamente. Si no
5
10
15
20
25
30
35
40
45
50
55
60
hay simulaciones “cercanas” disponibles, entonces el fantoma virtual hnbrido, el escaner TC y los datos de procedimiento pueden anadirse a una cola de simulaciones Monte Carlo completas a realizar. Con el tiempo, una gran biblioteca de simulaciones permite proporcionar estimaciones de dosis en tiempo real a medida que se programan y realizan los procedimientos. Hacerlo permite que se capturen cantidades de dosis acumuladas para un paciente determinado, asf como los lfmites de dosis acumuladas a observar.
Ademas, en una realizacion, puede usarse un software como un modelo de proveedor de servicios (SaaS) o en la nube para realizar las estimaciones de dosis, mantener una biblioteca de simulaciones calculadas, asf como ejecutar las simulaciones Monte Carlo. En tal caso, un proveedor de escaneos por TC puede proporcionar al proveedor de SaaS los parametros de un procedimiento TC determinado. Por ejemplo, el software de cliente (o incluso un portal seguro basado en la web) en un centro de formacion de imagenes puede usarse para proporcionar al proveedor de SaaS un fantoma virtual seleccionado, junto con las transformaciones usadas para crear un modelado de fantoma tnbrido de un individuo espedfico y el equipo y el protocolo a usar en la realizacion de un procedimiento TC. Una vez recibido, el proveedor de servicios puede seleccionar las simulaciones adecuadas de la biblioteca para interpolar y devolver una estimacion de la dosis absorbida por el organo del paciente al centro de formacion de imagenes.
Es importante destacar que el proveedor de SaaS no necesita recibir ninguna informacion de identificacion real sobre un individuo o paciente determinado que recibe un escaneo por TC. En cambio, el proveedor de SaaS recibe solo informacion relacionada con un fantoma virtual y un sistema/procedimiento Tc. Como resultado, las operaciones del proveedor de servicios pueden no requerir el cumplimiento de una diversidad de leyes y/o regulaciones relacionadas con la privacidad de la informacion de salud personal. Ademas, al proporcionar estimaciones de dosis para multiples centros de formacion de imagenes, la biblioteca de simulaciones resultante se vuelve mas diversa y es mucho mas probable que encuentre candidatos para la interpolacion que una biblioteca de simulaciones generada unicamente a partir de procedimientos de escaneo realizados por un solo centro de formacion de imagenes. Aun mas, la centralizacion de la biblioteca de simulaciones y las simulaciones Monte Carlo permite mejoras en los fantomas, un motor de simulacion Monte Carlo y tecnicas de interpolacion a compartir por todos los centros de formacion de imagenes que usan el servicio basado en la nube. Por ultimo, este enfoque deja al centro de formacion de imagenes mantener informacion que vincula la dosis acumulada a pacientes espedficos, permitiendo que los datos reales del paciente permanezcan con cada proveedor individual. Al mismo tiempo, el proveedor de SaaS puede, por supuesto, comunicarse con los centros de formacion de imagenes usando una diversidad de protocolos estandarizados para el intercambio de imagenes y datos, que incluyen, por ejemplo, comunicaciones y formacion de imagenes digitales en medicina (DICOM), sistemas de archivo y comunicacion de imagenes (PACS), normas de salud nivel siete internacional (HL7), ICD-9, codigos de diagnostico y procedimiento ICD-10, etc.
Ademas, la siguiente descripcion hace referencia a realizaciones de la invencion. Sin embargo, debe entenderse que la invencion no se limita a las realizaciones espedficas descritas. Por el contrario, se contempla cualquier combinacion de las siguientes caractensticas y elementos, ya esten relacionados con las diferentes realizaciones o no, para implementar y poner en practica la invencion. Ademas, aunque las realizaciones de la invencion pueden lograr ventajas sobre otras posibles soluciones y/o sobre la tecnica anterior, el hecho de que se logre o no una ventaja espedfica mediante una realizacion determinada no es limitante para la invencion. Por lo tanto, los siguientes aspectos, caractensticas, realizaciones y ventajas son meramente ilustrativos y no se consideran elementos o limitaciones de las reivindicaciones adjuntas, excepto cuando se indique explfcitamente en una o varias reivindicaciones. De manera similar, la referencia a “la invencion” no debe interpretarse como una generalizacion de cualquier objeto de la invencion desvelado en el presente documento y no se considerara como un elemento o limitacion de las reivindicaciones adjuntas, excepto cuando se indique explfcitamente en una o varias reivindicaciones.
Como apreciaran los expertos en la materia, los aspectos de la presente invencion pueden incorporarse como un sistema, procedimiento o producto de programa informatico. En consecuencia, los aspectos de la presente invencion pueden tomar la forma de una realizacion totalmente de hardware, una realizacion totalmente de software (que incluye firmware, software residente, microcodigo, etc.) o una realizacion que combina aspectos de software y hardware que, en general, pueden denominarse en el presente documento “circuito”, “modulo” o “sistema”. Ademas, los aspectos de la presente invencion pueden tomar la forma de un producto de programa informatico incorporado en uno o mas medios legibles por ordenador que tiene un codigo de programa legible por ordenador incorporado en el mismo.
Puede utilizarse cualquier combinacion de uno o mas medios legibles por ordenador. El medio legible por ordenador puede ser un medio de senal legible por ordenador o un medio de almacenamiento legible por ordenador. Un medio de almacenamiento legible por ordenador puede ser, por ejemplo, pero sin limitarse a, un sistema, aparato o dispositivo electronico, magnetico, optico, electromagnetico, infrarrojo o semiconductor, o cualquier combinacion adecuada de los anteriores. Ejemplos mas espedficos (una lista no exhaustiva) del medio de almacenamiento legible por ordenador incluinan los siguientes: una conexion electrica que tiene uno o mas cables, un disquete de ordenador portatil, un disco duro, una memoria de acceso aleatorio (RAM), una memoria de solo lectura (ROM), una memoria de solo lectura programable borrable (memoria EPROM o flash), una fibra optica, una memoria de solo lectura de disco compacto portatil (CD-ROM), un dispositivo de almacenamiento optico, un dispositivo de almacenamiento magnetico o cualquier combinacion adecuada de los anteriores. En el contexto del presente
5
10
15
20
25
30
35
40
45
50
55
60
documento, un medio de almacenamiento legible por ordenador puede ser cualquier medio tangible que pueda contener o almacenar un programa para su uso por o en conexion con un sistema, aparato o dispositivo de ejecucion de instrucciones.
Los diagramas de flujo y de bloques en las figuras ilustran la arquitectura, funcionalidad y funcionamiento de posibles implementaciones de sistemas, procedimientos y productos de programas informaticos de acuerdo con diversas realizaciones de la presente invencion. A este respecto, cada bloque en los diagramas de flujo o de bloques puede representar un modulo, segmento o porcion del codigo, que comprende una o mas instrucciones ejecutables para implementar la o las funciones logicas especificadas. En algunas implementaciones alternativas, las funciones indicadas en el bloque pueden producirse fuera del orden indicado en las figuras. Por ejemplo, dos bloques mostrados en sucesion pueden, de hecho, ejecutarse de manera sustancialmente simultanea, o los bloques a veces pueden ejecutarse en el orden inverso, dependiendo de la funcionalidad implicada. Cada bloque de los diagramas de bloques y/o los diagramas de flujo, y las combinaciones de bloques en los diagramas de bloques y/o los diagramas de flujo pueden implementarse mediante sistemas basados en hardware de fines especiales que realizan las funciones o acciones especificadas, o combinaciones de hardware de fines especiales e instrucciones de ordenador.
Las realizaciones de la invencion pueden proporcionarse a los usuarios finales a traves de una infraestructura de computacion en la nube. La computacion en la nube hace referencia, en general, a la provision de recursos informaticos escalables, como un servicio a traves de una red. Mas formalmente, la computacion en la nube puede definirse como una capacidad de computacion que proporciona una abstraccion entre el recurso informatico y su arquitectura tecnica subyacente (por ejemplo, servidores, almacenamiento, redes), lo que permite un acceso a la red conveniente y bajo demanda a un grupo compartido de recursos informaticos configurables que pueden proporcionarse y liberarse rapidamente con un mmimo esfuerzo de gestion o interaccion del proveedor de servicios. Por lo tanto, la computacion en la nube permite a los usuarios acceder a recursos informaticos virtuales (por ejemplo, almacenamiento, datos, aplicaciones e incluso sistemas informaticos virtualizados completos) en “la nube”, sin tener en cuenta los sistemas ffsicos subyacentes (o localizaciones de esos sistemas) usados para proporcionar los recursos informaticos.
Habitualmente, los recursos de computacion en la nube se proporcionan a un usuario en forma de pago por uso, donde los usuarios solo pagan por los recursos informaticos realmente usados (por ejemplo, una cantidad de espacio de almacenamiento consumido por un usuario o una serie de sistemas virtualizados instanciados por el usuario). Un usuario puede acceder a cualquiera de los recursos que residen en la nube en cualquier momento y desde cualquier lugar a traves de internet. En el contexto de la presente invencion, un proveedor de servicios puede proporcionar a los centros de formacion de imagenes estimaciones de la dosis del paciente tanto en la perspectiva predictiva como informativa. Por ejemplo, puede usarse una interfaz de estimacion de dosis para presentar datos de fantoma virtual y TC al proveedor basado en la nube.
Los diagramas de flujo y de bloques en las figuras ilustran la arquitectura, funcionalidad y funcionamiento de posibles implementaciones de sistemas, procedimientos y productos de programas informaticos de acuerdo con diversas realizaciones de la presente invencion. A este respecto, cada bloque en los diagramas de flujo o de bloques puede representar un modulo, segmento o porcion del codigo, que comprende una o mas instrucciones ejecutables para implementar la o las funciones logicas especificadas. Tambien debe observarse que, en algunas implementaciones alternativas, las funciones indicadas en el bloque pueden producirse fuera del orden indicado en las figuras. Por ejemplo, dos bloques mostrados en sucesion pueden, de hecho, ejecutarse de manera sustancialmente simultanea, o los bloques a veces pueden ejecutarse en el orden inverso, dependiendo de la funcionalidad implicada. Tambien se observara que cada bloque de los diagramas de bloques y/o los diagramas de flujo, y las combinaciones de bloques en los diagramas de bloques y/o los diagramas de flujo pueden implementarse mediante sistemas basados en hardware de fines especiales que realizan las funciones o acciones especificadas, o combinaciones de hardware de fines especiales e instrucciones de ordenador.
Ademas, las realizaciones espedficas de la invencion descritas a continuacion se basan en un ejemplo espedfico de un sistema de escaneo por tomograffa computarizada TC que usa una arquitectura cliente-servidor para proporcionar una estimacion de dosis a un conjunto de formacion de imagenes. Sin embargo, debe entenderse que las tecnicas descritas en el presente documento pueden adaptarse para su uso con otras tecnologfas de formacion de imagenes medicas que se basan en exponer a individuos a dosis de radiacion limitadas como parte del procedimiento de formacion de imagenes (por ejemplo, escaneos PET, radiograffas convencionales y fluoroscopia y angiograffa, etc.).
La figura 1 ilustra un ejemplo de un entorno 100 de escaneo por TC y unos sistemas informaticos relacionados configurados para proporcionar estimaciones de la dosis de radiacion del paciente, de acuerdo con una realizacion de la invencion. Como se muestra, el entorno 100 de escaneo por TC incluye un sistema 105 de escaneo por TC, un sistema 125 de formacion de imagenes y un sistema 130 de estimacion de dosis. Ademas, el sistema 130 de estimacion de dosis incluye una base de datos de fantomas 132 de formacion de imagenes y una biblioteca 134 de simulaciones.
5
10
15
20
25
30
35
40
45
50
55
60
Como es sabido, el escaner 105 TC proporciona un dispositivo usado para bombardear a un sujeto 120 con rayos X procedentes de una fuente 110 de rayos X. Los rayos X emitidos desde la fuente 110 de rayos X pasan a traves de tejidos, organos y estructuras del sujeto 120 a diferentes velocidades (algunos de los cuales se absorben por dichos tejidos, organos y estructuras) dependiendo de la densidad y el tipo de materia que atraviesan los rayos X. Los sensores dispuestos con un anillo 115 detectan la cantidad de radiacion que pasa a traves del sujeto 120. La informacion de sensor resultante se pasa al sistema 125 de formacion de imagenes. El sistema 125 de formacion de imagenes proporciona un dispositivo informatico configurado para recibir, almacenar y generar imagenes a partir de los datos de sensor obtenidos del escaner TC.
El sistema 125 de formacion de imagenes permite que un operador realice un procedimiento TC determinado, asf como tambien que reciba los datos obtenidos realizando escaneos por TC. Por ejemplo, el sistema 125 de formacion de imagenes puede configurarse para “visualizar en ventana” diversas estructuras corporales en funcion de su capacidad para bloquear los rayos X emitidos desde la fuente 110. Las imagenes de escaneo por TC (a menudo denominadas “cortes”) se hacen habitualmente en relacion con un plano axial o transversal, perpendicular al eje largo del cuerpo. Sin embargo, el escaner 105 TC puede permitir que los datos de formacion de imagenes vuelvan a formatearse en diversos planos o como representaciones volumetricas (3D) de las estructuras. Una vez que se realiza un escaneo por TC, los datos de formacion de imagenes generados por el escaner 105 TC pueden almacenarse, permitiendo que las imagenes de escaneo resultantes se revisen o evaluen de otras maneras. En una realizacion, los datos de formacion de imagenes pueden formatearse usando la bien conocida norma DICOM y almacenarse en un deposito PACS.
En una realizacion, el sistema 130 de estimacion de dosis proporciona un sistema informatico y unas aplicaciones de software configuradas para estimar una cantidad de dosis absorbida por paciente para un paciente determinado que recibe un escaneo por TC determinado. Tengase en cuenta que tal estimacion puede hacerse en un sentido predictivo (es decir, antes de realizar un escaneo) pero tambien puede hacerse despues del hecho.
En el caso predictivo, el sistema 130 de estimacion de dosis puede proporcionar una estimacion de la dosis del paciente antes de realizar un escaneo por TC. Ademas, en una realizacion, el sistema 130 de estimacion de dosis puede configurarse para generar automaticamente alertas basadas en umbrales configurables. Los criterios para generar una alerta pueden usar un motor de reglas que puede tener en cuenta la edad, el genero, la codificacion ICD9/ICD10 y otra informacion sobre un paciente o procedimiento determinado (por ejemplo, un lfmite de dosis acumulada espedfico). De manera mas general, los umbrales de dosis pueden ser lo suficientemente flexibles como para reflejar los requisitos legislativos, institucionales o de tratamiento para la monitorizacion de dosis. En una realizacion, las estimaciones de dosis resultantes pueden almacenarse como parte de los registros/historial medico del paciente mantenidos por un centro de formacion de imagenes, un hospital u otro proveedor.
Ademas, los umbrales de dosis pueden usarse opcionalmente para crear informes de incidentes dirigidos a los facultativos adecuados. Los informes de incidentes pueden incluir una descripcion de un procedimiento y cualquier estimacion de dosis que supere una regla o umbral junto con cualquier informacion complementaria necesaria para proporcionar un contexto para la intervencion o la toma de decisiones del facultativo. En una realizacion, dicho informe puede imprimirse/enviarse por correo electronico usando una plantilla XML personalizable.
Los fantomas 132 de formacion de imagenes pueden proporcionar modelos matematicos aceptados de porciones de tejido humano, organos, estructuras, etc. Por ejemplo, los fantomas 132 de formacion de imagenes pueden proporcionar un conjunto de curvas elementales racionales no uniformes (NURBS) usadas para crear un modelo tridimensional (3D) de un cuerpo humano (o una porcion del mismo). Como alternativa, los fantomas de formacion de imagenes pueden representarse usando una geometna solida constructiva (CSG) u otra representacion matematica. En general, pueden proporcionarse diferentes fantomas 132 de formacion de imagenes para modelar individuos en funcion de la edad y el genero. Sin embargo, como se ha indicado anteriormente, la geometna virtual y la forma corporal de un fantoma de formacion de imagenes seleccionado en funcion de la edad y/o el genero pueden (o no) corresponder al tamano, forma y posicion de organo de una persona real que tiene un procedimiento TC. En consecuencia, en una realizacion, el sistema 130 de estimacion de dosis puede configurarse para deformar un fantoma virtual para modelar mejor un paciente espedfico. Las realizaciones a modo de ejemplo para deformar un fantoma 122 de formacion de imagenes virtual se explican con mayor detalle a continuacion.
Una vez que un fantoma de formacion de imagenes se deforma para modelar un individuo espedfico, el sistema 130 de estimacion de dosis puede realizar una simulacion para estimar una cantidad de deposicion de dosis de primer paso resultante de un procedimiento de escaneo por TC determinado. Por ejemplo, en una realizacion, puede realizarse una simulacion Monte Carlo usando los parametros de escaneo por TC, los parametros de procedimiento TC, y el fantoma deformado para llegar a una estimacion de la dosis. Sin embargo, tambien podnan usarse otros enfoques de simulacion. Los resultados de una simulacion de estimacion de dosis determinada pueden almacenarse en la biblioteca 134 de simulaciones.
Por ejemplo, el escaner TC puede parametrizarse para una simulacion basada en la corriente y tension de tubo de rayos X, el modo de escaner TC, el kVp, el angulo objetivo de generador de rayos X, el angulo de abanico, la colimacion, el espesor de corte, la distancia del foco al eje, unos filtros planos (material y espesor), unos filtros de conformacion del haz (material y geometna). Aunque pueden usarse una diversidad de enfoques en el
5
10
15
20
25
30
35
40
45
50
55
procedimiento de simulacion, en una realizacion, se usan kVp, angulo objetivo y filtracion para modelar el fantoma de rayos X, como se describe en “Computation of bremsstrahlung X-ray spectra over an energy range 15 KeV to 300 KeV” de W.J. Iles, Reino Unido, Junta Nacional de Proteccion Radiologica, NRPB, 1987.
Ademas, la distancia del foco al eje determina la distancia de la fuente de rayos X al eje de rotacion, y el angulo de abanico determina como el haz se propaga ampliamente sobre el plano de corte. Por supuesto, estos (y otros parametros) pueden seleccionarse como disponibles o segun sea necesario para satisfacer las necesidades de un caso espedfico. Habitualmente, sin embargo, la deposicion de energfa se almacena por corte para cada region anatomica definida en el fantoma. Puede realizarse una simulacion de normalizacion de un fantoma CTDIvol para cada modelo TC. Esta informacion de deposicion de energfa por corte, combinada con las masas para cada region anatomica, es suficiente para calcular la dosis absorbida en cada region para una region de escaneo determinada (usando un subconjunto de nuestra simulacion de cuerpo completo).
Sin embargo, realizar una simulacion Monte Carlo habitualmente requiere un tiempo de procesamiento sustancial para completar, mucho mas tiempo que la realizacion del escaneo por TC en sf En consecuencia, en una realizacion, el sistema 130 de estimacion de dosis estima la dosis interpolando entre dos (o mas) simulaciones en la biblioteca 134 de simulaciones. Por ejemplo, una dosis de paciente de primer paso puede calcularse usando una interpolacion de dispersion multivariada de datos de simulacion existentes. La informacion de la dosis del paciente se perfecciona a medida que se anaden mas simulaciones aplicables. De manera similar, pueden anadirse nuevos modelos de escaner a la biblioteca 134 de simulaciones a medida que se obtienen mediciones y especificaciones de calibracion de estos escaneres.
La biblioteca 134 de simulaciones proporciona una base de datos de resultados de la simulacion Monte Carlo. En una realizacion, la biblioteca 134 de simulaciones almacena informacion sobre la deposicion de dosis/energfa para un conjunto de fantomas, tanto suministrados como deformados para pacientes individuales, para un grupo de escaneres de formacion de imagenes medicas compatibles, por ejemplo, modalidades de formacion de imagenes por TC, RF, XA, entre otras. En una realizacion, la biblioteca 134 de simulaciones se usa para proporcionar una busqueda en tiempo real y/o calculos de distribuciones de dosis dados los parametros de adquisicion, la descripcion del paciente y la region de escaneo.
Como se ha indicado, la biblioteca 134 de simulaciones puede aumentarse de manera automatica en el tiempo a medida que se completan simulaciones Monte Carlo adicionales. Por ejemplo, las simulaciones a realizar pueden anadirse a una cola a medida que se producen los examenes de escaneos por TC. Puede darse prioridad a las simulaciones en un area con pocos puntos de datos existentes. Al hacerlo, mejora la probabilidad de identificar simulaciones a interpolar, es decir, mejora el “espacio” de simulacion cubierto por la biblioteca 134 de simulaciones. De manera similar, mas simulaciones disponibles en la biblioteca 134 de simulaciones permiten umbrales mas estrictos para seleccionar las simulaciones a interpolar en un caso determinado, lo que conduce a una mayor precision en las estimaciones de dosis.
Observese que, aunque se muestra en la figura 1 como parte de un entorno 100 de escaneo por TC, el sistema 130 de estimacion de dosis (y los fantomas 132 y la biblioteca 134) puede proporcionarse como un servicio alojado al que se accede por/desde el entorno 100 de escaneo por TC. Por ejemplo, un centro de formacion de imagenes puede usar una interfaz de cliente en el sistema 125 de formacion de imagenes (por ejemplo, un portal web seguro o una aplicacion cliente especializada) para interactuar con un proveedor de estimacion de dosis alojado. Un ejemplo de una realizacion de este tipo se explica en mayor detalle a continuacion con respecto a las figuras 11 y 12.
La figura 2 ilustra un ejemplo de un sistema 125 de formacion de imagenes usado para obtener datos de escaneo por TC y gestionar estimaciones de la dosis de paciente, de acuerdo con una realizacion. Como se muestra, el sistema 125 de formacion de imagenes incluye, sin limitacion, una unidad 205 de procesamiento central (CPU), una interfaz 214 de sistema TC, una interfaz 215 de red, una interconexion 217, una memoria 225 y un almacenamiento 230. El sistema 125 de formacion de imagenes tambien puede incluir una interfaz 210 de dispositivos de E/S que conecta los dispositivos 212 de E/S (por ejemplo, dispositivos de teclado, pantalla y raton) al sistema 125 de formacion de imagenes.
La CPU 205 recupera y ejecuta instrucciones de programacion almacenadas en la memoria 225. De manera similar, la CPU 205 almacena y recupera datos de aplicacion que residen en la memoria 225. La interconexion 217 facilita la transmision de instrucciones de programacion y datos de aplicacion entre la CPU 205, la interfaz 210 de dispositivos de E/S, el almacenamiento 230, la interfaz 215 de red y la memoria 225. La CPU 205 se incluye para ser representativa de una sola CPU, multiples CPU, una sola CPU que tiene multiples nucleos de procesamiento, y similares. Y la memoria 225 se incluye, en general, para ser representativa de una memoria de acceso aleatorio. El almacenamiento 230 puede ser un dispositivo de almacenamiento de unidad de disco. Aunque se muestra como una sola unidad, el almacenamiento 230 puede ser una combinacion de dispositivos de almacenamiento fijos y/o desmontables, tales como unidades de disco, dispositivos de almacenamiento de estado solido (SSD), red conectada (NAS) o una red de area de almacenamiento (SAN). Ademas, el almacenamiento 230 (o las conexiones a los depositos de almacenamiento) puede adaptarse a una diversidad de normas para el almacenamiento de datos relacionados con entornos de atencion medica (por ejemplo, un deposito PACS).
5
10
15
20
25
30
35
40
45
50
55
60
Como se muestra, la memoria 220 incluye un componente 222 de control de formacion de imagenes, un componente 224 de almacenamiento de imagenes, y una interfaz 226 de estimacion de dosis. Y el almacenamiento 235, los protocolos 232 de formacion de imagenes y los umbrales 234 de alarma. El componente 222 de control de formacion de imagenes se corresponde con las aplicaciones de software usadas para realizar un procedimiento de escaneo por TC determinado, como se especifica por un protocolo 232 de formacion de imagenes. Los protocolos 232 de formacion de imagenes especifican, en general, la posicion, el tiempo y la duracion para realizar un procedimiento TC espedfico usando una modalidad de escaneo espedfica. El componente 224 de almacenamiento de imagenes proporciona un software configurado para almacenar imagenes y datos de TC derivados mientras se realiza un procedimiento TC determinado o que interactua con un deposito de almacenamiento adecuado para almacenar tales imagenes y datos. Por ejemplo, los datos de escaneo por TC pueden enviarse a traves de una conexion TCP/IP (a traves de una interfaz de red) a/desde un deposito PACS.
La interfaz 226 de estimacion de dosis proporciona componentes de software configurados para interactuar con el sistema 130 de estimacion de dosis para obtener una estimacion de la dosis de paciente que puede resultar de un procedimiento TC espedfico. Como se ha indicado, en una realizacion, la interfaz 226 de estimacion de dosis puede interactuar con sistemas locales en el entorno de formacion de imagenes por TC. Sin embargo, en una realizacion alternativa, la interfaz 226 de estimacion de dosis puede interactuar con un proveedor de servicios alojado. En tal caso, la interfaz 226 puede enviar solicitudes de estimaciones de la dosis de paciente al proveedor de servicios alojado. Ademas, tal solicitud puede indicar un fantoma de formacion de imagenes, transformaciones en ese fantoma, y el equipo y los protocolos de escaneo por TC que se siguen para un escaneo de formacion de imagenes determinado. En cualquier caso, cuando se usa en un sentido predictivo (es decir, antes de realizar un procedimiento), la estimacion de la dosis de paciente puede compararse con los umbrales y las reglas de alarma para determinar si debe emitirse alguna alarma antes de que se realice un procedimiento determinado (por ejemplo, una alarma que indica que un procedimiento determinado superara (o probablemente superara) un lfmite de dosis acumulada para un determinado paciente, organo o parte del cuerpo, etc.).
La figura 3 ilustra un ejemplo de un sistema 130 de estimacion de dosis usado para estimar y hacer un seguimiento de la dosis de paciente acumulada, de acuerdo con una realizacion. Como se muestra, el sistema 130 de estimacion de dosis incluye, sin limitacion, una unidad 305 de procesamiento central (CPU), una interfaz 315 de red, una interconexion 320, una memoria 325 y un almacenamiento 330. El sistema 130 de estimacion de dosis tambien puede incluir una interfaz 310 de dispositivos de E/S que conecta los dispositivos 312 de E/S (por ejemplo, dispositivos de teclado, pantalla y raton) al sistema 130 de estimacion de dosis.
Al igual que la CPU 205, la CPU 305 se incluye para ser representativa de una sola CPU, multiples CPU, una sola CPU que tiene multiples nucleos de procesamiento, etc., y la memoria 325 se incluye, en general, para ser representativa de una memoria de acceso aleatorio. La interconexion 317 se usa para transmitir instrucciones de programacion y datos de aplicacion entre la CPU 305, la interfaz 310 de dispositivos de E/S, el almacenamiento 330, la interfaz 315 de red y la memoria 325. La interfaz 315 de red esta configurada para transmitir datos a traves de la red de comunicaciones, por ejemplo, para recibir solicitudes de un sistema de formacion de imagenes para la estimacion de dosis. El almacenamiento 330, como una unidad de disco duro o una unidad de almacenamiento de estado solido (SSD), puede almacenar datos no volatiles.
Como se muestra, la memoria 320 incluye una herramienta 321 de estimacion de dosis, que proporciona un conjunto de componentes de software. A modo ilustrativo, la herramienta 321 de estimacion de dosis incluye un componente 322 de simulacion Monte Carlo, un componente 324 de seleccion de simulacion, un componente 326 de registro/segmentacion de imagenes y un componente 328 de interpolacion de dosis. Y el almacenamiento 330 contiene datos 332 de fantomas de formacion de imagenes, protocolos 334 de formacion de imagenes por TC y una biblioteca 336 de simulaciones.
El componente 322 de simulacion Monte Carlo esta configurado para estimar la dosis de radiacion de paciente basandose en una simulacion que usa datos 332 de fantomas de formacion de imagenes y un conjunto espedfico de equipos de formacion de imagenes por TC y un protocolo 334 de formacion de imagenes especificado. Como se ha indicado, en una realizacion, los datos 332 de fantomas de formacion de imagenes pueden deformarse o transformarse de otro modo para adaptarse mejor a las caractensticas ffsicas de un paciente determinado.
El componente 326 de registro/segmentacion de imagenes puede estar configurado para determinar un conjunto de transformaciones para deformar los datos 332 de fantomas de formacion de imagenes antes de realizar una simulacion Monte Carlo usando ese fantoma. Por ejemplo, el componente 326 de registro/segmentacion de imagenes puede evaluar una imagen de referencia o de localizador asociada con un fantoma junto con una imagen de localizador de exploracion de un paciente usando tecnicas de registro de imagenes. El registro de imagenes es el procedimiento para alinear dos imagenes en un sistema de coordenadas comun. Un algoritmo de registro de imagenes determina un conjunto de transformaciones para establecer una correspondencia entre las dos imagenes. Una vez que se determinan las transformaciones entre la imagen de exploracion del paciente y una imagen de referencia de un fantoma, pueden usarse las mismas transformaciones para deformar el fantoma. Tales deformaciones pueden escalar, trasladar y hacer rotar la geometna del fantoma virtual para que se corresponda con el paciente.
5
10
15
20
25
30
35
40
45
50
55
60
En otra realizacion, la segmentacion de imagenes se usa para identificar un tamano y una posicion relativa de los organos, los tejidos, y las estructuras anatomicas de un paciente. En tal caso, los datos de escaneo por TC disponibles para un paciente pueden segmentarse para identificar volumenes geometricos que se cree corresponden a un organo (u otra estructura de interes). Por ejemplo, en una realizacion, la segmentacion de imagenes puede usarse para identificar un cuadro delimitador que se cree que contiene un organo o estructura espedficos. Pueden usarse otros enfoques de segmentacion para proporcionar una region volumetrica 3D mas definitiva correspondiente a un organo o estructura. Una vez identificada, esta informacion se usa para desplazar la geometna del organo correspondiente (o estructura de interes) en el fantoma virtual.
Observese que, aunque se muestra como parte del servidor 130 de estimacion de dosis, en una realizacion, el componente 326 de registro/segmentacion de imagenes es parte del sistema 125 de formacion de imagenes, o de otra parte de la infraestructura informatica en una instalacion de formacion de imagenes. Hacerlo permite a un proveedor que aloja un servicio de estimacion de dosis recibir transformaciones para deformar un fantoma virtual determinado, sin recibir tampoco ninguna informacion que pueda usarse para identificar a un paciente que recibe una tomograffa computarizada en una instalacion de formacion de imagenes. Este enfoque puede simplificar (o eliminar) ciertos requisitos legales o reglamentarios asociados con las entidades que procesan informacion o registros medicos de salud protegidos.
Despues de completar una simulacion Monte Carlo, las estimaciones resultantes de la dosis de paciente, junto con los parametros suministrados al componente 322 de simulacion se almacenan en la biblioteca 335 de simulaciones. A su vez, el componente 328 de interpolacion de dosis se usa para determinar una estimacion de la dosis de paciente a partir de las simulaciones en la biblioteca 335 de simulaciones, sin realizar una simulacion Monte Carlo completa. Para hacerlo, el componente 324 de seleccion de simulacion puede comparar los parametros de un escaneo por TC, el equipo usado para realizar el escaneo por TC y el fantoma de formacion de imagenes deformado para representar a un individuo espedfico. Esta informacion se usa para identificar un conjunto de dos o (o mas) simulaciones para interpolar. Aunque pueden usarse una diversidad de enfoques, en una realizacion, el componente 324 de seleccion puede usar una medida de distancia para comparar el fantoma deformado, el procedimiento TC y el equipo de TC con unos en la biblioteca 335 de simulaciones. En una realizacion, se seleccionan para la interpolacion las 2 elecciones mas altas (o N mas altas). Como alternativa, se selecciona para la interpolacion cualquier simulacion con una medida de similitud general dentro de un umbral especificado. En tal caso, al ajustar los umbrales, se usan mas o menos simulaciones para la interpolacion.
Teniendo en cuenta el conjunto de parametros que describen el escaner y el paciente para un examen (kVp, angulo objetivo, inclinacion del portico (gantry), altura, peso, etc.), el sistema permite que se establezcan tolerancias personalizables para cada variable (por ejemplo, el kVp real esta dentro de 10 kV de simulacion). Cuando se buscan simulaciones, solo se tendran en cuenta en el calculo las simulaciones que esten dentro de la tolerancia para todos los parametros dados. En una realizacion, los resultados de la simulacion pueden interpolarse usando el conocido procedimiento de Shepard. La desviacion estandar en el conjunto de resultados de simulacion se usa como medida de incertidumbre (por ejemplo, para el conjunto de 5 simulaciones usadas, la dosis absorbida por el pecho tiene una desviacion estandar de 0,2 mSv y la dosis absorbida por el hngado tiene una desviacion estandar de 0,15 mSv).
La figura 4 ilustra un procedimiento 400 para generar un modelo adecuado para estimar la dosis de radiacion de paciente resultante de escaneos por TC, de acuerdo con una realizacion. Mas espedficamente, el procedimiento 400 ilustra una realizacion a modo de ejemplo donde las tecnicas de registro de imagenes se usan para deformar un fantoma virtual. Como se muestra, el procedimiento 400 comienza en la etapa 405, donde la herramienta de estimacion de dosis selecciona un fantoma virtual con imagenes de localizador premapeadas. Como se ha indicado, el fantoma virtual puede seleccionarse en funcion de la edad y el genero de un individuo que recibe el procedimiento TC en cuestion. En la etapa 410, la herramienta de estimacion de dosis recibe una imagen de exploracion del individuo para el que se esta realizando la estimacion de dosis. La imagen de exploracion proporciona una proyeccion de imagen 2D del individuo, tal como una imagen de exploracion anterior/posterior y/o lateral tomada por el sistema de escaneo por TC antes de realizar un procedimiento TC completo. Como alternativa, la imagen de exploracion podna ser un volumen 3D del individuo obtenido como parte de un procedimiento de escaneo por TC anterior. En la etapa 415, se obtienen las imagenes de localizador premapeadas correspondientes al uso para deformar el fantoma virtual seleccionado. Las imagenes premapeadas pueden seleccionarse en funcion de las regiones relevantes del paciente a escanear. Por ejemplo, para un paciente que recibira (o que recibio) un escaneo por TC de torax, la imagen de referencia seleccionada puede representar esta region de un individuo con una geometna corporal que coincide estrechamente con el fantoma virtual.
La figura 5A ilustra una imagen a modo de ejemplo que representa un fantoma deformable, de acuerdo con una realizacion. Como se muestra, la imagen 500 proporciona una vista 501 anterior/posterior y una vista 502 lateral de un fantoma de imagenes virtual. Como se muestra en las vistas 501 y 502, la geometna de este fantoma incluye una estructura osea que representa las costillas 505, la columna 515 vertebral y las piernas 522. Ademas, las vistas 501 y 502 incluyen una geometna que representa organos, incluyendo el estomago 510 y un rinon 515. El fantoma virtual (como se representa en las vistas 501 y 502) proporciona una aproximacion al tamano, forma y posicion de los organos, tejidos y estructuras humanos.
5
10
15
20
25
30
35
40
45
50
55
60
Aunque, evidentemente, se trata de una aproximacion a la anatoirna humana real, se acepta, en general, que los fantomas virtuales proporcionan estimaciones razonablemente precisas de la absorcion de dosis. La figura 5B ilustra un ejemplo de una imagen de referencia 2D de una porcion de un cuerpo humano correspondiente al fantoma mostrado en la figura 5A, de acuerdo con una realizacion. Como se muestra, las posiciones, el tamano y la forma relativos de los huesos, tejidos y organos, en la imagen de referencia, coinciden con las posiciones correspondientes en el fantoma virtual.
Haciendo referencia de nuevo al procedimiento 400, en la etapa 420, la herramienta de estimacion de dosis realiza un procedimiento de registro de imagenes para determinar una transformacion entre las imagenes de exploracion del paciente y las imagenes de referencia usadas para representar el fantoma virtual. El resultado del registro de imagenes es un mapeo desde puntos en el localizador de exploracion 2D a puntos en la imagen de referencia (o viceversa). De manera similar, en casos de una imagen de exploracion 3D del paciente (es decir, un escaneo por TC actual o anterior), las tecnicas de registro de imagenes 3D pueden mapear puntos entre la imagen de exploracion 3D del paciente y los puntos en una imagen de referencia correspondiente al fantoma en un espacio de coordenadas 3D.
En la etapa 425, esta misma transformacion se usa para deformar la geometna que representa el fantoma virtual. Al deformar el fantoma virtual usando transformaciones obtenidas del procedimiento de registro de imagenes, el tamano, la forma y las posiciones de los organos representados por la geometna del fantoma virtual coinciden con la geometna del paciente real de manera mucho mas precisa. Por ejemplo, realizar un procedimiento de registro de imagenes usando la imagen de referencia mostrada en 5B y un localizador de exploracion de un paciente proporciona una transformacion que puede usarse para deformar el fantoma virtual mostrado en la figura 5A. El fantoma virtual deformado puede usarse para estimar la dosis absorbida por un organo resultante de un procedimiento TC determinado (antes o despues de que se realice dicho procedimiento). Es decir, las estimaciones de dosis obtenidas de una simulacion Monte Carlo se adaptan al paciente, siendo tambien mas precisas y consistentes cuando se usan para estimar la dosis de paciente en multiples escaneos.
La figura 6 ilustra otro procedimiento para generar un modelo adecuado para estimar una dosis de radiacion resultante de escaneos por TC, de acuerdo con una realizacion. Mas espedficamente, el procedimiento 600 ilustra una realizacion a modo de ejemplo donde las tecnicas de segmentacion de imagenes se usan para deformar un fantoma virtual. Al igual que el procedimiento 400, el procedimiento 600 comienza cuando la herramienta de estimacion de dosis selecciona un fantoma de formacion de imagenes a deformar, por ejemplo, basandose en la edad y genero de un paciente (etapa 605). Sin embargo, en lugar de recuperar los localizadores de imagen 2D del paciente, la herramienta de estimacion de dosis recibe un volumen de escaneo 3D de alguna porcion del paciente (en la etapa 610), por ejemplo, un escaneo por TC procedente de una TC anterior de torax y abdomen. Una vez obtenida, se usa la segmentacion de imagenes para identificar tejidos, organos, estructuras u otros puntos de referencia en el volumen de imagen (etapa 615). Aunque pueden usarse una diversidad de enfoques de segmentacion disponibles, en una realizacion, la segmentacion de imagenes proporciona un cuadro delimitador mrnimo que rodea cada organo o estructura identificados.
En la etapa 620, la herramienta de estimacion de dosis hace coincidir los organos y otros puntos de referencia anatomicos (por ejemplo, la posicion del hueso) identificados en la segmentacion de escaneo por TC con puntos de referencia correspondientes en el fantoma virtual. Por ejemplo, la figura 7 ilustra un corte a modo de ejemplo de un escaneo por TC superpuesto con un corte correspondiente de un fantoma virtual, de acuerdo con una realizacion. En este ejemplo, el corte de fantoma virtual 700 incluye una lmea 702 que representa el volumen delimitado por el fantoma junto con porciones de corte del corazon 701, los pulmones 703, la columna 704 vertebral y el humero 705. Sin embargo, la localizacion y posicion del corazon y los pulmones en el fantoma virtual no se corresponden bien con la posicion de estos organos como se representa en la TC. Por ejemplo, la region de espacio abierto de los pulmones (en 706) no coincide con el tamano o la posicion de los pulmones 702 en el fantoma. De manera similar, la lmea 702 lfmite del fantoma no se corresponde bien con el paciente. El uso de este fantoma para estimar la dosis da como resultado, por lo tanto, una absorcion de dosis mucho mayor que la que realmente se producina, debido a que el fantoma no representa las grandes cantidades de tejido adiposo en este paciente.
Al mismo tiempo, otros puntos de referencia del fantoma se alinean bien con el paciente. Por ejemplo, la columna vertebral y los brazos se colocan, en general, tanto en el fantoma (columna vertebral 704, humero 705) como en la TC. En consecuencia, en la etapa 625, el sistema de estimacion de dosis determina un mapa de desplazamiento 3D basado en los puntos de referencia anatomicos o estructurales coincidentes.
Por ejemplo, en la figura 7, el corte 700 de fantoma muestra un fantoma no modificado o no deformado y el corte 710 de fantoma muestra el mismo corte de fantoma despues de desplazarse usando el procedimiento de la figura 6 (o despues de deformarse usando una tecnica de registro de imagenes de acuerdo con el procedimiento de la figura 4).
Como se muestra en el corte 710 de fantoma, despues de deformarse usando los volumenes de organos identificados y el desplazamiento de un paciente espedfico, la lmea 702' lfmite sigue ahora mas de cerca los contornos del escaneo por TC del paciente, y los pulmones 703' y el corazon 701' del fantoma se han desplazado para reflejar mejor la posicion de estos organos en el escaneo. Al mismo tiempo, otros puntos de referencia
5
10
15
20
25
30
35
40
45
50
55
60
anatomicos, tales como la columna vertebral y el humero, permanecen en la misma posicion general. El fantoma de formacion de imagenes mostrado en el corte 700 se muestra superpuesto con el corte de escaneo por TC correspondiente de un paciente en el corte 720. De manera similar, el fantoma deformado mostrado en el corte 710 se muestra superpuesto con el corte de escaneo por TC correspondiente de un paciente en el corte 730.
Haciendo referencia de nuevo a la figura 6, en la etapa 630, la herramienta de estimacion de dosis genera una representacion 3D en mapa de bits de los organos, tejidos y estructuras desplazados del fantoma virtual. Como se ha indicado anteriormente, el fantoma virtual puede describirse como una serie de curvas elementales racionales no uniformes (NURBS), mientras que los datos de escaneo por TC se representan habitualmente como una serie de valores de punto unico de coordenadas 3D conocidos como “voxeles”, abreviatura de “elemento de volumen”, extendiendo voxel el concepto de pixel a una tercera dimension, y habiendo una diversidad de enfoques conocidos disponibles para “voxelizar” una recopilacion de datos NURB o CSG. Al hacerlo, convierte la representacion geometrica o matematica de los datos NURB o CSG en una matriz 3D de valores de voxel. En una realizacion, la etapa 630 (la etapa de voxelizacion) se realiza con el fin de evitar discontinuidades que a menudo son un problema con las simulaciones Monte Carlo en fantomas matematicos (basados en NURB o CSG). Ademas, los modelos basados en voxel son muy adecuados para los procedimientos informaticos basados en GPU para lograr una velocidad mejorada.
Una vez que se genera el fantoma en mapa de bits, puede usarse para estimar la dosis absorbida por un organo resultante de un procedimiento TC determinado (o antes o despues de que se realice un procedimiento de este tipo). Al igual que los enfoques de segmentacion de imagenes, las estimaciones de dosis realizadas usando el fantoma deformado usando el enfoque de segmentacion se adaptan al paciente, lo que da como resultado estimaciones de dosis mas precisas y consistentes, tanto para escaneos individuales como multiples.
La figura 8 ilustra un ejemplo de un corte transversal de un fantoma de formacion de imagenes superpuesto con un corte de TC transversal correspondiente de un paciente, de acuerdo con una realizacion. En este ejemplo, una vista 800 transversal corresponde a la vista 710 de la figura 7 y una vista 850 transversal corresponde a la vista 730 de la figura 7. La vista transversal se crea componiendo una seccion lineal de cortes individuales para crear una imagen longitudinal. Como se muestra, las vistas 800 y 805 transversales proporcionan una vista de longitud completa que incluye componentes no presentes en la imagen TC superpuesta del paciente, por ejemplo, el cerebro 801 y el rinon 802. Como se muestra en la vista 800, un lfmite 810 del fantoma virtual no se corresponde bien con el contorno del paciente (es decir, con el tamano del cuerpo delimitado por la piel del paciente). Sin embargo, en la vista 850, se ha desplazado un lfmite 815 del fantoma para que coincida mejor con los datos de escaneo por TC de referencia de este paciente. De manera similar, tambien pueden desplazarse los organos internos, las estructuras y otros tejidos.
Es importante destacar que este ejemplo ilustra que el desplazamiento puede producirse para elementos del fantoma virtual que no son parte de los datos de escaneo por TC del paciente. Por ejemplo, el rinon 802 podna desplazarse por el movimiento de otros organos para los que estan disponibles los datos de escaneo por TC, como se muestra por la posicion desplazada del rinon 802' en la vista 850. Ademas, este ejemplo ilustra que se necesita un fantoma virtual para estimar la dosis de paciente, incluso cuando los datos de escaneo por TC estan disponibles. Esto se produce ya que, aunque el escaneo por TC en este ejemplo se limito al torax y el abdomen, la dispersion de rayos X dara como resultado cierta absorcion por parte del cerebro, los rinones y otros organos y tejidos de este paciente. Dicho de otra manera, el fantoma virtual es necesario para estimar la absorcion de dosis de organo para organos de los que no se han formado imagenes como parte de un escaneo o procedimiento TC determinado.
La figura 9 ilustra otro ejemplo de una segmentacion de imagenes TC y un desplazamiento de volumen de organos para un fantoma de formacion de imagenes, de acuerdo con una realizacion. En este ejemplo, un volumen 900 de TC correspondiente a una formacion de imagenes incluye un conjunto de cuadros delimitadores que representan una posicion de imagen segmentada para una diversidad de organos, por ejemplo, el hngado 905, la vesfcula 910 biliar y la glandula 915 suprarrenal derecha. Ademas, el volumen 900 muestra unas flechas que representan el desplazamiento de estos organos en funcion de una segmentacion de imagenes de los datos de escaneo por TC. En este ejemplo espedfico, el hngado 905 se ha desplazado hacia abajo y hacia la derecha, mientras que la vesfcula 910 biliar se ha desplazado hacia arriba y hacia la parte frontal del hngado 905 y la glandula 915 suprarrenal derecha se ha movido hacia arriba y hacia la izquierda, hacia el espacio anteriormente ocupado por el hngado 905. Ademas, en este ejemplo, los organos estan representados por cuadros delimitadores, y se desplazan en funcion de un centroide geometrico. Sin embargo, en una realizacion alternativa, la segmentacion de imagenes (o para el fantoma o para los datos de imagenes TC de un paciente) puede proporcionar un volumen geometrico mas preciso que represente un elemento de un tejido organico o una estructura corporal. En tal caso, el desplazamiento podna basarse en un centroide de masa del organo, por ejemplo, cuando el centroide del hngado se localiza a un lado en funcion de la masa u otro enfoque que represente la topologfa de un volumen de organo determinado.
Como se ilustra en este ejemplo, el desplazamiento de un organo (por ejemplo, el hngado 905) en un fantoma en funcion de su posicion correspondiente en un escaneo por TC de referencia, puede requerir el desplazamiento de otros organos (por ejemplo, la vesfcula 910 biliar y la glandula 915 suprarrenal) como resultado. Esto se produce porque, evidentemente, dos organos no debenan ocupar el mismo volumen ffsico cuando el fantoma se usa para realizar un analisis de estimacion de dosis. En consecuencia, en una realizacion, la herramienta de estimacion de dosis puede desplazar organos, tejidos o estructuras hasta alcanzar un “estado estable”.
5
10
15
20
25
30
35
40
45
50
55
60
Observese que las realizaciones a modo de ejemplo ilustradas en las figuras 4 y 6 pueden usarse por separado o conjuntamente para deformar un fantoma virtual. El enfoque espedfico o la combinacion de enfoques seleccionados pueden adaptarse a las necesidades en un caso espedfico en funcion de los fantomas de formacion de imagenes disponibles, imagenes de referencia en 2D y/o 3D mapeadas, as^ como en la disponibilidad y el tipo de imagenes de exploracion de localizador y/o los datos de escaneo por TC anteriores para un paciente determinado.
En una realizacion, unos sistemas anfitriones de modelos de proveedor en la nube se usan para realizar las estimaciones de dosis, mantener una biblioteca de simulaciones calculadas, asf como ejecutar las simulaciones Monte Carlo para aumentar la biblioteca de simulaciones con nuevos casos. Por ejemplo, la figura 10 ilustra un procedimiento 1000 para un servicio de estimacion de dosis para proporcionar estimaciones de dosis de paciente a multiples proveedores de escaneos por TC.
Como se muestra, el procedimiento 1000 comienza en la etapa 1005 donde el servicio de estimacion de dosis recibe un fantoma de imagen (o una referencia a un fantoma de imagen) junto con transformaciones de registro de imagenes 2D o 3D o un campo de desplazamiento volumetrico 3D y una voxelizacion de fantomas. En una realizacion alternativa, el servicio de estimacion de dosis puede recibir datos que describen el fantoma deformado, tal como las NURBS transformadas resultantes del procedimiento de registro de imagenes 2D o 3D o las tecnicas de desplazamiento de campo de TC descritas anteriormente.
En la etapa 1010, el servicio de estimacion de dosis recibe parametros de un sistema de escaneo por TC y un plan de formacion de imagenes para un escaneo por TC realizado (o a realizar) en un paciente. Una vez que se reciben los parametros del paciente, el equipo de escaneo y el proveedor de escaneos por TC, el servicio de estimacion de dosis puede identificar dos (o mas) simulaciones en la biblioteca que coinciden con el fantoma transformado, los parametros del sistema de escaneo por TC y el plan de formacion de imagenes (etapa 1015). El proveedor puede establecer tolerancias personalizables para cada variable (por ejemplo, el kVp real esta dentro de los 10 kV de simulacion). Evaluando adicionalmente las simulaciones, solo se tienen en cuenta en el calculo las simulaciones dentro de la tolerancia para todos (o un conjunto especificado de) los parametros dados. En una realizacion, los resultados de la simulacion pueden interpolarse usando el conocido procedimiento de Shepard. La desviacion estandar en el conjunto de resultados de simulacion se usa como medida de incertidumbre (por ejemplo, para el conjunto de 5 simulaciones usadas, la dosis absorbida por el pecho tiene una SD de 0,2 mSv y la dosis absorbida por el tugado tiene una SD de 0,15 mSv).
En la etapa 1020, el servicio de estimacion de dosis determina si las simulaciones coincidentes identificadas en la etapa 1015 estan dentro de un parametro de tolerancia (o cumple con otros umbrales o criterios). Si no, entonces el fantoma de imagen (y las deformaciones/transformaciones) y los parametros recibidos se anaden a una cola de escenarios de paciente/escaner/plan de imagenes para simular (etapa 1025). Como se ha indicado, la simulacion puede usar tecnicas de simulacion Monte Carlo para determinar las estimaciones de la dosis absorbida por organo adaptada tanto al paciente individual (basandose en el fantoma deformado) como a la instalacion de formacion de imagenes espedfica basada en el escaner TC y los datos de calibracion/ajuste.
Sin embargo, a medida que crece la biblioteca de simulaciones de un proveedor de SaaS, la mayona de las solicitudes debenan identificar un conjunto de simulaciones para interpolar. En la etapa 1030, el servicio de estimacion de dosis realiza una interpolacion de dispersion multivariada usando las simulaciones coincidentes identificadas en la etapa 1015 para estimar la dosis absorbida de organo para un paciente espedfico y el procedimiento de escaneo por TC asociado. Observese que dicho analisis puede realizarse mucho mas rapidamente que una simulacion Monte Carlo completa, permitiendo que las estimaciones de dosis mantengan el ritmo de una secuencia de procedimientos realizados en una instalacion (o instalaciones) de formacion de imagenes determinada asf como proporcionando simultaneamente un procedimiento determinado (por ejemplo, para garantizar que no se superen los lfmites de dosis acumulada). En una realizacion, el procedimiento de interpolacion de dispersion multivariante actualmente usado se denomina “procedimiento de Shepard”. Se describen ejemplos de este procedimiento por Shepard, Donald (1968) en “A two-dimensional interpolation function for irregularly-spaced data”, actas de la conferencia nacional de ACM de 1968, paginas 517-524.
En la etapa 1035, una vez que se ha completado el procedimiento de interpolacion, las estimaciones de dosis se devuelven a un sistema solicitante (por ejemplo, un programa cliente de estimacion de dosis que se ejecuta en un sistema informatico en una instalacion de formacion de imagenes). En el cliente, un sistema de administracion de dosis rastrea dosis equivalentes de organos del paciente, dosis eficaces, CTDI, DLP, DAP, hasta el nivel de examen. Esta informacion tambien se resume para proporcionar un seguimiento acumulativo de dosis equivalentes de organos, dosis eficaces, CTDI, DLP, DAP para el historial de un paciente determinado. Ademas, la adicion de esta informacion se usa para proporcionar una presentacion a nivel institucional de dosis equivalentes de organos per capita, dosis eficaces del paciente, CTDI, DLP, DAP. Por lo tanto, el servicio de estimacion de dosis puede proporcionar una amplia diversidad de instalaciones de formacion de imagenes. Esta misma informacion esta disponible para una instalacion de formacion de imagenes que ejecuta una instancia local del sistema de estimacion de dosis.
La figura 11 ilustra un ejemplo de una infraestructura 1100 informatica para un sistema de servicio de estimacion de dosis de pacientes configurado para soportar multiples proveedores de escaneo por TC, de acuerdo con una
5
10
15
20
25
30
35
40
45
realizacion. Como se muestra, un proveedor 1125 basado en nube que aloja un servicio 1130 de estimacion de dosis recibe solicitudes de estimaciones de dosis a traves de una red 1120 desde las instalaciones 1105-i_2 de formacion de imagenes. En cada instalacion 1105 de formacion de imagenes, se usa un sistema 1110 de TC para proporcionar servicios de formacion de imagenes para pacientes. Un cliente 1115 de formacion de imagenes/dosis se comunica con el servicio 1130 de estimacion de dosis para solicitar y recibir estimaciones de la dosis de paciente, donde las estimaciones de dosis se adaptan en funcion del procedimiento y del paciente. Como se ha indicado, la solicitud puede incluir parametros para un procedimiento TC, el equipo y modalidad de escaneo, y un fantoma deformado (o las transformaciones usadas para deformar un fantoma) en funcion de la morfologfa corporal del paciente espedfico.
En el servicio 1130 de estimacion de dosis, se usa una biblioteca 1135 de simulaciones para seleccionar simulaciones para interpolar una cantidad de dosis de paciente usando los datos de la solicitud y los modulos de un escaner y procedimientos de TC (en la figura 11 se muestran los datos 1140 del fantoma/sistema de TC). Si no hay disponibles buenas simulaciones candidatas para la interpolacion, entonces el servicio 1130 puede anadir la solicitud a una cola de simulaciones para realizar. Las simulaciones Monte Carlo se realizan a continuacion en respuesta a la solicitud, proporcionando tanto una estimacion de la dosis de paciente para un paciente determinado como un procedimiento de formacion de imagenes, asf como un nuevo punto de datos de simulacion para anadir a la biblioteca 1125.
Ventajosamente, las realizaciones de la invencion proporcionan una diversidad de tecnicas para estimar las dosis de radiacion que resultan de las tecnicas de formacion de imagenes por rayos X y TC (y otras). Tal como se ha descrito, las tecnicas de registro de imagenes y/o las tecnicas de segmentacion de imagenes pueden usarse para crear un fantoma de formacion de imagenes hnbrido que coincida mas exactamente con la forma y el tamano del cuerpo de un individuo. Al hacerlo, mejora la precision de las estimaciones de dosis determinadas a partir de una simulacion. Es decir, el fantoma hnbrido resultante proporciona una representacion matematica mucho mas precisa de un paciente espedfico para su uso en una simulacion de dosis que los fantomas no modificados solos.
Una vez que se determinan las transformaciones, el fantoma virtual hnbrido puede usarse para simular un procedimiento TC determinado para el paciente. Por ejemplo, las tecnicas de simulacion Monte Carlo pueden usarse para estimar la dosis absorbida por un organo para un fantoma virtual. Dichas tecnicas de simulacion usan el fantoma virtual (transformado en relacion con un paciente determinado) junto con una serie de parametros relacionados con el modelo y procedimiento de escaner TC a realizar con el fin de calcular estimaciones precisas de la dosis absorbida por un organo. Sin embargo, estimar la dosis absorbida por un organo usando una simulacion Monte Carlo puede requerir cantidades significativas de tiempo de computacion, mucho mas que el requerido para realizar un escaneo por TC real. En consecuencia, en una realizacion, las estimaciones de la dosis de paciente determinada para un procedimiento determinado pueden generarse interpolando entre dos (o mas) simulaciones completadas previamente. Si no hay simulaciones “cercanas” disponibles, entonces el fantoma virtual hnbrido, el escaner TC y los datos de procedimiento pueden anadirse a una cola de simulaciones Monte Carlo completas a realizar. Con el tiempo, una gran biblioteca de simulaciones permite proporcionar estimaciones de dosis en tiempo real a medida que se programan y ejecutan los procedimientos. Hacerlo permite que se capturen las cantidades de dosis acumuladas para un paciente determinado, asf como los lfmites de dosis acumuladas que deben observarse. Ademas, en una realizacion, un proveedor de SaaS es un servicio de estimacion de dosis alojado proporcionado a multiples instalaciones de formacion de imagenes. En tal caso, el proveedor de servicios puede tener una vasta biblioteca de simulaciones para usar en la interpretacion de las estimaciones de dosis para los proveedores de formacion de imagenes.
Aunque lo anterior se refiere a realizaciones de la presente invencion, pueden concebirse otras realizaciones adicionales de la invencion sin alejarse del ambito basico de la misma, y el ambito de la misma se determina por las siguientes reivindicaciones.

Claims (8)

  1. 5
    10
    15
    20
    25
    30
    35
    40
    45
    50
    55
    REIVINDICACIONES
    1. Un procedimiento (1000) implementado por ordenador para determinar una estimacion de dosis de radiacion absorbida por un individuo que recibe un escaneo de formacion de imagenes, comprendiendo el procedimiento:
    recibir (1010) un conjunto de parametros que describen el escaneo de formacion de imagenes y un aparato de escaneo de imagenes que se usa para realizar el escaneo de formacion de imagenes;
    recibir (1005) un fantoma de formacion de imagenes deformado correspondiente al individuo; caracterizado por evaluar (1015) una pluralidad de simulaciones completadas previamente que estiman la absorcion de dosis de radiacion; y
    tras determinar (1020), basandose en la evaluacion, que dos o mas de las simulaciones coinciden con el conjunto recibido de parametros y fantoma de formacion de imagenes recibido dentro de una medida de tolerancia especificada, interpolar (1030) las estimaciones de dosis de radiacion en las dos o mas simulaciones para determinar la estimacion de dosis de radiacion absorbida por el individuo que recibe el escaneo de formacion de imagenes.
  2. 2. El procedimiento de la reivindicacion 1 que comprende, ademas, tras determinar que la pluralidad de simulaciones no incluyen al menos dos simulaciones que coincidan con el conjunto recibido de parametros y fantoma de formacion de imagenes recibido dentro de la medida de tolerancia especificada:
    realizar una simulacion del escaneo de formacion de imagenes usando el fantoma de formacion de imagenes deformado y el conjunto de parametros;
    estimar, basandose en la simulacion, las cantidades de radiacion absorbidas por el individuo como resultado de la realizacion del escaneo de formacion de imagenes; y anadir la simulacion realizada a la pluralidad de simulaciones.
  3. 3. El procedimiento de la reivindicacion 2, en el que el fantoma de formacion de imagenes se deforma al determinar, a traves de un procedimiento de registro de imagenes, una transformacion entre al menos una imagen de localizador asociada con el fantoma de formacion de imagenes y al menos una imagen de exploracion del individuo.
  4. 4. El procedimiento de la reivindicacion 2, en el que el fantoma de formacion de imagenes se deforma al:
    segmentar un escaneo por TC de referencia asociado con el individuo para identificar una posicion tridimensional (3D) de una pluralidad de puntos de referencia anatomicos del individuo presentes en el escaneo por TC de referencia,
    hacer coincidir uno o mas de los puntos de referencia anatomicos identificados en el escaneo por TC de referencia segmentado con los puntos de referencia anatomicos correspondientes en un fantoma de formacion de imagenes inicial;
    determinar un mapa de desplazamiento tridimensional (3D) a partir de los puntos de referencia anatomicos coincidentes;
    voxelizar el fantoma de formacion de imagenes inicial; y
    transformar el fantoma de formacion de imagenes voxelizado para coincidir con el mapa de desplazamiento.
  5. 5. Un sistema (130) que comprende:
    un procesador (305); y
    una memoria (320) que almacena un programa de aplicacion configurado para realizar una operacion para determinar una estimacion de dosis de radiacion absorbida por un individuo que recibe un escaneo de formacion de imagenes, comprendiendo la operacion:
    recibir un conjunto de parametros que describen el escaneo de formacion de magenes y un aparato de escaneo de imagenes que se usa para realizar el escaneo de formacion de imagenes,
    recibir un fantoma de formacion de imagenes deformado correspondiente al individuo, caracterizado por evaluar una pluralidad de simulaciones completadas previamente que estiman la absorcion de dosis de radiacion, y
    tras determinar, basandose en la evaluacion, que dos o mas de las simulaciones coinciden con el conjunto recibido de parametros y fantoma de formacion de imagenes recibido dentro de una medida de tolerancia especificada, interpolar las estimaciones de dosis de radiacion en las dos o mas simulaciones para determinar la estimacion de dosis de radiacion absorbida por el individuo que recibe el escaneo de formacion de imagenes.
  6. 6. El sistema de la reivindicacion 5, que comprende ademas, tras determinar que la pluralidad de simulaciones no incluyen al menos dos simulaciones que coincidan con el conjunto recibido de parametros y fantoma de formacion de imagenes recibido dentro de la medida de tolerancia especificada:
    realizar una simulacion del escaneo de formacion de imagenes usando el fantoma de formacion de imagenes deformado y el conjunto de parametros;
    estimar, basandose en la simulacion, cantidades de radiacion absorbida por el individuo como resultado de la
    10
    15
    realizacion del escaneo de formacion de imagenes; y anadir la simulacion realizada a la pluralidad de simulaciones.
  7. 7. El sistema de la reivindicacion 6, en el que el fantoma de formacion de imagenes se deforma al determinar, a traves de un procedimiento de registro de imagenes, una transformacion entre al menos una imagen de localizador asociada con el fantoma de formacion de imagenes y al menos una imagen de exploracion del individuo.
  8. 8. El sistema de la reivindicacion 6 o 7, en el que el fantoma de formacion de imagenes se deforma al:
    segmentar un escaneo por TC de referencia asociado con el individuo para identificar una posicion tridimensional (3D) de una pluralidad de puntos de referencia anatomicos del indiviuo presentes en el escaneo por TC de referencia,
    hacer coincidir uno o mas de los puntos de referencia anatomicos identificados en el escaneo por TC de referencia segmentado con puntos de referencia anatomicos correspondientes en un fantoma de formacion de imagenes inicial;
    determinar un mapa de desplazamiento tridimensional (3D) a partir de los puntos de referencia anatomicos coincidentes;
    voxelizar el fantoma de formacion de imagenes inicial; y
    transformar el fantoma de formacion de imagenes voxelizado para que coincida con el mapa de desplazamiento.
ES16192895.7T 2010-12-08 2011-12-08 Generación de un modelo adecuado para estimar la dosis de radiación de un paciente resultante de escaneos de formación de imágenes medicas Active ES2692793T3 (es)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US42083410P 2010-12-08 2010-12-08
US420834P 2010-12-08

Publications (1)

Publication Number Publication Date
ES2692793T3 true ES2692793T3 (es) 2018-12-05

Family

ID=46199440

Family Applications (4)

Application Number Title Priority Date Filing Date
ES17188619T Active ES2733922T3 (es) 2010-12-08 2011-12-08 Generación de una estimación de la dosis de radiación de un paciente resultante de escaneos de formación de imágenes medicas
ES19164751T Active ES2864040T3 (es) 2010-12-08 2011-12-08 Generación de un modelo adecuado para estimar la dosis de radiación de un paciente resultante de escaneos de formación de imágenes médicas
ES11846200.1T Active ES2689751T3 (es) 2010-12-08 2011-12-08 Generación de un modelo adecuado para estimar la dosis de radiación de un paciente resultante de escaneos de formación de imágenes medicas
ES16192895.7T Active ES2692793T3 (es) 2010-12-08 2011-12-08 Generación de un modelo adecuado para estimar la dosis de radiación de un paciente resultante de escaneos de formación de imágenes medicas

Family Applications Before (3)

Application Number Title Priority Date Filing Date
ES17188619T Active ES2733922T3 (es) 2010-12-08 2011-12-08 Generación de una estimación de la dosis de radiación de un paciente resultante de escaneos de formación de imágenes medicas
ES19164751T Active ES2864040T3 (es) 2010-12-08 2011-12-08 Generación de un modelo adecuado para estimar la dosis de radiación de un paciente resultante de escaneos de formación de imágenes médicas
ES11846200.1T Active ES2689751T3 (es) 2010-12-08 2011-12-08 Generación de un modelo adecuado para estimar la dosis de radiación de un paciente resultante de escaneos de formación de imágenes medicas

Country Status (16)

Country Link
US (8) US8958617B2 (es)
EP (4) EP3150126B1 (es)
JP (4) JP5917552B2 (es)
KR (4) KR101889642B1 (es)
CN (3) CN113856066B (es)
AU (4) AU2011340078B2 (es)
BR (2) BR112013013804A2 (es)
CA (3) CA2993848C (es)
DK (4) DK2648621T3 (es)
ES (4) ES2733922T3 (es)
HK (1) HK1242946A1 (es)
MX (4) MX2013006336A (es)
NZ (1) NZ611554A (es)
RU (2) RU2725751C9 (es)
WO (1) WO2012075577A1 (es)
ZA (4) ZA201303796B (es)

Families Citing this family (69)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2479717B (en) * 2010-04-13 2015-03-11 Mirada Medical Method for estimating radiation exposure of a patient and radiation exposure monitoring system therefor
AU2011340078B2 (en) * 2010-12-08 2016-06-30 Bayer Healthcare Llc Generating an estimate of patient radiation dose resulting from medical imaging scans
US10758315B2 (en) * 2012-06-21 2020-09-01 Globus Medical Inc. Method and system for improving 2D-3D registration convergence
US9097642B2 (en) 2012-10-11 2015-08-04 General Electric Company X-ray dose estimation technique
DE102012218529B3 (de) * 2012-10-11 2014-02-13 Siemens Aktiengesellschaft Darstellung von Dosiswerten zur Planung einer Bestrahlung
JP6305734B2 (ja) * 2012-11-15 2018-04-04 キヤノンメディカルシステムズ株式会社 被曝線量管理システム
US9044197B2 (en) 2012-11-21 2015-06-02 Carestream Health, Inc. Method for x-ray dose tracking
CN103829966B (zh) * 2012-11-27 2018-12-07 Ge医疗***环球技术有限公司 用于自动确定侦测图像中的定位线的方法和***
CN105027163B (zh) 2013-03-06 2018-09-07 皇家飞利浦有限公司 扫描区域确定装置
WO2014165611A1 (en) * 2013-04-02 2014-10-09 The Regents Of The University Of California Thermoplastic 3-d phantom
JP5996131B2 (ja) 2013-04-24 2016-09-21 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． コンピュータ断層撮影検査におけるｘ線量分布計算
EP3048976B1 (en) 2013-09-27 2019-08-14 Koninklijke Philips N.V. Image data z-axis coverage extension for tissue dose estimation
CN106233357B (zh) 2013-10-07 2020-09-04 曼帝斯有限公司 基于医疗程序模拟的辐射估算和防护
EP3079589B1 (en) 2013-12-11 2017-04-12 Koninklijke Philips N.V. Three dimensional (3d) pre-scan based volumetric image data processing
WO2015131962A1 (de) 2014-03-05 2015-09-11 Siemens Aktiengesellschaft Automatische dosissteuerung für bildgebende medizinische einrichtungen
CN105078494B (zh) * 2014-04-30 2019-03-05 苏州瑞派宁科技有限公司 待成像对象模子的制作方法和个体化的成像方法
JP6211469B2 (ja) * 2014-06-16 2017-10-11 住友重機械工業株式会社 放射線治療シミュレーション装置
US9480448B2 (en) 2014-07-23 2016-11-01 General Electric Company System and method for use in mapping a radiation dose applied in an angiography imaging procedure of a patient
USD771089S1 (en) * 2014-07-23 2016-11-08 General Electric Company Display screen or portion thereof with graphical user interface for a radiation dose mapping system
EP2982415A1 (en) * 2014-08-04 2016-02-10 Université de Strasbourg Method for estimating the spatial distribution of the hazardousness of radiation doses
US9649079B1 (en) 2014-10-09 2017-05-16 General Electric Company System and method to illustrate a radiation dose applied to different anatomical stages of an exposed subject
KR101725443B1 (ko) * 2015-01-09 2017-04-11 연세대학교 원주산학협력단 선량 평가 방법 및 장치
JP2018511791A (ja) 2015-02-27 2018-04-26 バイエル・ヘルスケア・エルエルシーＢａｙｅｒ ＨｅａｌｔｈＣａｒｅ ＬＬＣ マルチイメージングモダリティ用定量的ファントム
US20180188193A1 (en) * 2015-07-06 2018-07-05 Shimadzu Corporation X-ray imaging apparatus
US9799135B2 (en) * 2015-09-01 2017-10-24 Siemens Healthcare Gmbh Semantic cinematic volume rendering
US10350434B2 (en) * 2015-12-11 2019-07-16 Siemens Healthcare Gmbh Patient-specific radiation dose assessment in medical therapy
WO2017103238A1 (en) 2015-12-17 2017-06-22 Koninklijke Philips N.V. Method for estimating the radiation dose received by an organ during a computed tomography scan
JP7055599B2 (ja) 2016-06-06 2022-04-18 キヤノンメディカルシステムズ株式会社 Ｘ線ｃｔ装置
CN107510466B (zh) * 2016-06-15 2022-04-12 中慧医学成像有限公司 一种三维成像方法和***
KR101894178B1 (ko) * 2016-11-29 2018-08-31 주식회사 메디코어스 팬빔형 이중에너지 x선 흡수법 구현을 위한 캘리브레이션 방법
US10482339B2 (en) 2016-12-09 2019-11-19 United States Of America As Represented By The Secretary Of The Air Force Quantifying computer vision algorithm performance in the presence of system uncertainty
EP3354199B1 (en) 2017-01-31 2020-08-26 Université de Strasbourg Method for determining a configuration setting of a source of ionizing radiation
KR102536168B1 (ko) * 2017-02-24 2023-05-25 바이엘 헬쓰케어 엘엘씨 시뮬레이션된 컴퓨터 단층 촬영(ct) 이미지들을 생성하기 위한 시스템들 및 방법들
WO2018202648A1 (en) * 2017-05-01 2018-11-08 Koninklijke Philips N.V. Generation of accurate hybrid datasets for quantitative molecular imaging
CN107330186B (zh) * 2017-06-30 2020-06-16 哈尔滨工程大学 一种3dsMax核设施模型辐射场剂量分布仿真方法
US10702219B2 (en) * 2017-09-15 2020-07-07 General Electric Company Methods, systems, and apparatus for determining radiation doses
GB2567636B (en) * 2017-10-17 2021-11-10 Perspectum Diagnostics Ltd Method and apparatus for imaging an organ
US10426424B2 (en) 2017-11-21 2019-10-01 General Electric Company System and method for generating and performing imaging protocol simulations
EP3503112B1 (en) * 2017-12-21 2023-06-07 Siemens Healthcare GmbH Method and system for validating parameters in a medical study
CN108281191B (zh) * 2017-12-29 2022-10-21 深圳大学 一种能谱计算机断层扫描剂量的蒙特卡罗模拟方法及***
CN108335599B (zh) * 2018-01-19 2020-02-04 聊城市人民医院 基于三维建模图像技术的手术模型训练方法
US10297708B1 (en) 2018-01-25 2019-05-21 The United States Of America, As Represented By The Secretary Of The Air Force Surface passivation for PhotoDetector applications
US11141079B2 (en) 2018-01-29 2021-10-12 General Electric Company Systems and methods for profile-based scanning
JP2021513054A (ja) * 2018-02-02 2021-05-20 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 画像位置合わせ及び回帰解析を用いたシリアルポジトロンエミッショントモグラフィ（ｐｅｔ）検査における標準取り込み値（ｓｕｖ）のスケーリング差の補正
US11051782B1 (en) * 2018-02-23 2021-07-06 Robert Edwin Douglas Image quality by incorporating data unit assurance markers
EP3773213B1 (en) 2018-04-10 2023-01-04 Bayer HealthCare LLC Flexible dose estimation with user-defined volumes
US20190320934A1 (en) * 2018-04-18 2019-10-24 Siemens Healthcare Gmbh Medical image acquisition with sequence prediction using deep learning
US10668304B2 (en) 2018-04-30 2020-06-02 Elekta, Inc. Phantom for adaptive radiotherapy
US10859508B2 (en) 2018-05-29 2020-12-08 Board Of Regents, The University Of Texas System Devices and methods for evaluation of deformable image registration (DIR) systems
EP3582227A1 (de) 2018-06-15 2019-12-18 Siemens Healthcare GmbH Verfahren zum betrieb einer medizinischen bildaufnahmeeinrichtung, bildaufnahmeeinrichtung, computerprogramm und elektronisch lesbarer datenträger
US10888296B2 (en) * 2018-06-29 2021-01-12 Shanghai United Imaging Healthcare Co., Ltd. Methods and systems for modulating radiation dose
CN109378048B (zh) * 2018-12-06 2022-09-23 孟令红 放射剂量分析***
KR20200075623A (ko) * 2018-12-18 2020-06-26 (주)제노레이 2차원 의료 영상 및 3차원 의료 영상의 정합을 이용한 치과 치료 계획 장치 및 방법
DE102019202287A1 (de) * 2019-02-20 2020-08-20 Siemens Healthcare Gmbh Verfahren zum Überprüfen einer Kenngröße eines Anwendungsablaufs einer medizinischen Bildgebungsanwendung basierend auf Röntgenstrahlung
CN110441335B (zh) * 2019-08-12 2021-11-26 山东第一医科大学附属肿瘤医院(山东省肿瘤防治研究院、山东省肿瘤医院) 评价影像组学纹理特征稳定性的纹理模拟装置及运动模块
JP2022549604A (ja) 2019-09-18 2022-11-28 バイエル、アクチエンゲゼルシャフト 教師あり学習によって訓練された予測モデルによるｍｒｉ画像の予測
CN113329688B (zh) 2019-09-18 2023-11-28 拜耳公司 用于确定组织体素的特征的方法、***和计算机可读介质
US11244446B2 (en) * 2019-10-25 2022-02-08 Shanghai United Imaging Intelligence Co., Ltd. Systems and methods for imaging
DE102019217421A1 (de) 2019-11-12 2021-05-12 Siemens Healthcare Gmbh Verfahren zur automatischen Regelung von Strahlendosen medizinischer Röntgengeräte
KR102403386B1 (ko) * 2019-12-23 2022-06-02 연세대학교 산학협력단 휴대용 방사선 모니터링 시스템 및 이를 이용한 방사선 모니터링 방법
JP2021145821A (ja) * 2020-03-18 2021-09-27 学校法人帝京大学 放射線量可視化装置
WO2022021026A1 (en) * 2020-07-27 2022-02-03 Shanghai United Imaging Healthcare Co., Ltd. Imaging systems and methods
US20240066322A1 (en) * 2020-11-06 2024-02-29 University Of Washington Devices, systems, and methods for personalized dosimetry
EP4343811A1 (en) 2021-05-17 2024-03-27 Hitachi High-Tech Corporation High-voltage insulating structure, charged particle gun, and charged particle beam device
RU208239U1 (ru) * 2021-05-31 2021-12-09 Государственное бюджетное учреждение здравоохранения города Москвы "Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы" (ГБУЗ "НПКЦ ДиТ ДЗМ") Устройство фантома для настройки протоколов магнитно-резонансной томографии предстательной железы у пациентов с металлоконструкциями тазобедренного сустава
US20230165557A1 (en) * 2021-11-29 2023-06-01 GE Precision Healthcare LLC System and method for autonomous identification of heterogeneous phantom regions
CN115019589B (zh) * 2022-07-19 2023-11-28 天津医科大学 基于光学的智能ct教学模拟***
WO2024054586A1 (en) 2022-09-08 2024-03-14 Bayer Healthcare Llc Systems and methods for generating protocols embodying contrast and radiation dose management techniques
CN117218082B (zh) * 2023-09-14 2024-04-30 南京诺源医疗器械有限公司 一种基于辐射量探测的医学荧光影像质控方法及***

Family Cites Families (75)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4870666A (en) * 1986-08-07 1989-09-26 General Electric Company Computer tomographic phantom
US4782502A (en) * 1986-10-01 1988-11-01 Schulz Eloy E Flexible calibration phantom for computer tomography system
US4873707A (en) * 1987-09-11 1989-10-10 Brigham & Women's Hospital X-ray tomography phantoms, method and system
SU1823194A1 (ru) * 1989-08-09 1996-05-27 Научно-исследовательский институт интроскопии Томского политехнического института им.С.М.Кирова Способ определения дозного распределения в объекте
US5544238A (en) * 1989-11-24 1996-08-06 Thomas Jefferson University Method of and apparatus for standardizing and monitoring beam quality in mammography
US5236363A (en) * 1991-08-09 1993-08-17 General Electric Company Phantom for simulating an x-ray exam patient
US5341292A (en) 1992-06-04 1994-08-23 New England Medical Center Hospitals, Inc. Monte Carlo based treatment planning for neutron capture therapy
JP3408848B2 (ja) * 1993-11-02 2003-05-19 株式会社日立メディコ 散乱ｘ線補正法及びｘ線ｃｔ装置並びに多チャンネルｘ線検出器
US5769779A (en) * 1995-04-27 1998-06-23 Radiology Support Devices, Inc. Method and apparatus for accurate radiation dosage control in breast cancer treatment
US5870697A (en) * 1996-03-05 1999-02-09 The Regents Of The University Of California Calculation of radiation therapy dose using all particle Monte Carlo transport
US5844241A (en) * 1996-07-19 1998-12-01 City Of Hope System and method for determining internal radioactivity and absorbed dose estimates
US6029079A (en) * 1997-05-22 2000-02-22 Regents Of The University Of California Evaluated teletherapy source library
US6246784B1 (en) 1997-08-19 2001-06-12 The United States Of America As Represented By The Department Of Health And Human Services Method for segmenting medical images and detecting surface anomalies in anatomical structures
US6636622B2 (en) * 1997-10-15 2003-10-21 Wisconsin Alumni Research Foundation Method and apparatus for calibration of radiation therapy equipment and verification of radiation treatment
WO1999060921A1 (en) * 1997-11-24 1999-12-02 Burdette Medical Systems Real time brachytherapy spatial registration and visualization system
US6487435B2 (en) 1998-04-10 2002-11-26 Wisconsin Alumni Research Foundation Magnetic resonance angiography using undersampled 3D projection imaging
US6148272A (en) * 1998-11-12 2000-11-14 The Regents Of The University Of California System and method for radiation dose calculation within sub-volumes of a monte carlo based particle transport grid
RU2171652C2 (ru) * 1999-01-05 2001-08-10 Научно-исследовательский институт неврологии Российской Академии медицинских наук Способ проведения модельных компьютерно-томографических направленных стереотаксических операций и фантомное устройство для его осуществления
DE10047720A1 (de) 2000-09-27 2002-04-11 Philips Corp Intellectual Pty Vorrichtung und Verfahren zur Erzeugung eines Röntgen-Computertomogramms mit einer Streustrahlungskorrektur
JP4532005B2 (ja) * 2001-03-09 2010-08-25 株式会社日立メディコ Ｘ線ｃｔ装置及びその画像表示方法
US20030048937A1 (en) * 2001-04-11 2003-03-13 University Of Utah Method of processing visual imagery from a medical imaging device
US6771374B1 (en) * 2002-01-16 2004-08-03 Advanced Micro Devices, Inc. Scatterometry based measurements of a rotating substrate
US7117026B2 (en) * 2002-06-12 2006-10-03 Koninklijke Philips Electronics N.V. Physiological model based non-rigid image registration
JP4309103B2 (ja) * 2002-08-09 2009-08-05 東芝医用システムエンジニアリング株式会社 放射線量推定装置および放射線診断装置
US6909771B2 (en) * 2002-11-22 2005-06-21 Board Of Regents, The University Of Texas System Three component x-ray bone densitometry
US20050077459A1 (en) * 2003-02-19 2005-04-14 Engler Mark J. Radiation phantom
AU2004279424A1 (en) * 2003-10-07 2005-04-21 Nomos Corporation Planning system, method and apparatus for conformal radiation therapy
JP4429694B2 (ja) * 2003-11-13 2010-03-10 株式会社日立メディコ Ｘ線ｃｔ装置
RU36956U1 (ru) * 2003-12-25 2004-04-10 Закрытое акционерное общество "АМИКО" Устройство для определения эффективной дозы облучения пациента при рентгенодиагностическом исследовании
WO2006017079A2 (en) 2004-07-09 2006-02-16 Gesturerad, Inc. Gesture-based reporting method and system
US7082183B2 (en) * 2004-07-21 2006-07-25 General Electric Company Computed tomography dose indexing phantom selection for dose reporting
WO2006044720A2 (en) * 2004-10-15 2006-04-27 The Board Of Trustees Of The Leland Stanford Junior University Selective fold removal in medical images
WO2006116700A2 (en) 2005-04-28 2006-11-02 Bruce Reiner Method and apparatus for automated quality assurance in medical imaging
US8077936B2 (en) * 2005-06-02 2011-12-13 Accuray Incorporated Treatment planning software and corresponding user interface
WO2006138513A1 (en) * 2005-06-16 2006-12-28 Nomos Corporation Variance reduction simulation system, program product, and related methods
US7607079B2 (en) 2005-07-08 2009-10-20 Bruce Reiner Multi-input reporting and editing tool
WO2007014094A2 (en) 2005-07-22 2007-02-01 Tomotherapy Incorporated Method of and system for predicting dose delivery
EP1913421B1 (en) 2005-08-04 2013-01-30 Koninklijke Philips Electronics N.V. Motion compensation in functional imaging
EP1921982A2 (en) * 2005-08-25 2008-05-21 Koninklijke Philips Electronics N.V. 4d image-based planning methods and apparatus for targeted therapy
JP2007054372A (ja) * 2005-08-25 2007-03-08 Ge Medical Systems Global Technology Co Llc Ｘ線ｃｔ装置
US8081165B2 (en) 2005-08-30 2011-12-20 Jesterrad, Inc. Multi-functional navigational device and method
JP2007098028A (ja) * 2005-10-07 2007-04-19 Konica Minolta Medical & Graphic Inc モデリング装置、モデリング方法、領域抽出装置、およびプログラム
US8117549B2 (en) 2005-10-26 2012-02-14 Bruce Reiner System and method for capturing user actions within electronic workflow templates
WO2007062178A2 (en) * 2005-11-21 2007-05-31 The Regents Of The University Of California Method for computing patient radiation dose in computed tomoraphy
US7402819B2 (en) * 2005-12-01 2008-07-22 Accuray Incorporated Respiration phantom for quality assurance
US8301461B2 (en) 2006-01-30 2012-10-30 Bruce Reiner Method and apparatus for generating a radiologist quality assurance scorecard
FR2897255B1 (fr) * 2006-02-10 2008-03-14 Commissariat Energie Atomique Procede d'estimation du rayonnement diffuse en tomographie par rayons x
WO2007127338A2 (en) 2006-04-27 2007-11-08 Bruce Reiner Apparatus and method for utilizing biometrics in medical applications
SE530825C2 (sv) * 2006-05-04 2008-09-23 Scanditronix Wellhoefer Ab Metod och anordning för bestämning av en korrektionsfaktor för en strålningsdosimeter genom integrering av bidrag från förberäknade fluensspektra
US7849115B2 (en) 2006-06-05 2010-12-07 Bruce Reiner Method and apparatus for adapting computer-based systems to end-user profiles
EP2074585B1 (en) 2006-10-03 2018-07-11 Koninklijke Philips N.V. Model-based coronary centerline localization
WO2008130380A2 (en) * 2006-10-25 2008-10-30 Bruce Reiner Method and apparatus of providing a radiation scorecard
US8358818B2 (en) * 2006-11-16 2013-01-22 Vanderbilt University Apparatus and methods of compensating for organ deformation, registration of internal structures to images, and applications of same
WO2008079219A1 (en) 2006-12-19 2008-07-03 Bruce Reiner Pacs portal with automated data mining and software selection
WO2008094511A2 (en) 2007-01-29 2008-08-07 Bruce Reiner Quality assurance scorecard for diagnostic medical agent administration
CA2632583C (en) * 2007-05-29 2017-03-28 Mcgill University Deformable phantom apparatus
US8655677B2 (en) 2007-06-12 2014-02-18 Bruce Reiner Productivity workflow index
US8705819B2 (en) * 2007-06-21 2014-04-22 Koninklijke Philips N.V. Adjusting acquisition protocols for dynamic medical imaging using dynamic models
JP5065822B2 (ja) * 2007-09-14 2012-11-07 株式会社東芝 Ｘ線ｃｔ装置、撮影計画支援装置および撮影計画支援プログラム
EP2231277B1 (en) 2007-12-23 2017-08-30 Carl Zeiss Meditec, Inc. Devices for detecting, controlling, and predicting radiation delivery
WO2009117419A2 (en) * 2008-03-17 2009-09-24 Worcester Polytechnic Institute Virtual interactive system for ultrasound training
US8333508B2 (en) 2008-05-06 2012-12-18 Bruce Reiner Multi-functional medical imaging quality assurance sensor
US7894571B2 (en) * 2008-05-08 2011-02-22 Stanford University System and method for using prospective evaluation of displacement and velocity of a respiratory trace in a five dimensional parameter space to reduce artifacts and dosage in four dimensional computed tomography
JP4792076B2 (ja) * 2008-11-10 2011-10-12 東芝医用システムエンジニアリング株式会社 放射線量推定装置
CN101458826B (zh) * 2008-11-25 2012-05-30 中国科学院等离子体物理研究所 利用ct值赋予密度、组成成分的数字人体建模方法
US20100145720A1 (en) 2008-12-05 2010-06-10 Bruce Reiner Method of extracting real-time structured data and performing data analysis and decision support in medical reporting
US8121252B2 (en) * 2009-03-11 2012-02-21 Varian Medical Systems, Inc. Use of planning atlas in radiation therapy
US8856188B2 (en) 2009-03-13 2014-10-07 Bruce Reiner Electronic linkage of associated data within the electronic medical record
US8039790B2 (en) * 2009-05-14 2011-10-18 University Health Network Phantoms and methods for verification in radiotherapy systems
JP5484788B2 (ja) 2009-05-25 2014-05-07 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー Ｘ線ｃｔ装置
WO2011137374A1 (en) 2010-04-30 2011-11-03 Cornell University System and method for radiation dose reporting
US10058302B2 (en) * 2010-07-21 2018-08-28 The Regents Of The University Of California Method to reduce radiation dose in multidetector CT while maintaining image quality
JP5027909B2 (ja) * 2010-08-04 2012-09-19 株式会社日立メディコ Ｘ線ｃｔ装置
US8503613B2 (en) * 2010-11-24 2013-08-06 General Electric Company Dose level indication
AU2011340078B2 (en) * 2010-12-08 2016-06-30 Bayer Healthcare Llc Generating an estimate of patient radiation dose resulting from medical imaging scans

Also Published As

Publication number Publication date
US9792680B2 (en) 2017-10-17
RU2725751C2 (ru) 2020-07-03
KR101845576B1 (ko) 2018-04-04
RU2592247C2 (ru) 2016-07-20
ZA201606246B (en) 2021-07-28
CN103442644A (zh) 2013-12-11
US10546375B2 (en) 2020-01-28
CN107095689A (zh) 2017-08-29
EP3150126B1 (en) 2018-07-25
MX2019012639A (es) 2019-12-11
CN113856066A (zh) 2021-12-31
ES2864040T3 (es) 2021-10-13
US8953861B2 (en) 2015-02-10
US10546376B2 (en) 2020-01-28
AU2017251775B2 (en) 2019-08-29
AU2017251773A1 (en) 2017-11-16
RU2013127784A (ru) 2015-01-20
KR20130130772A (ko) 2013-12-02
MX368991B (es) 2019-10-24
DK3150126T3 (en) 2018-11-19
WO2012075577A1 (en) 2012-06-14
MX347370B (es) 2017-04-25
AU2017251773B2 (en) 2019-08-08
US8958617B2 (en) 2015-02-17
EP2648621B1 (en) 2018-07-04
KR20180037288A (ko) 2018-04-11
CA2819331C (en) 2021-01-12
US20150139519A1 (en) 2015-05-21
AU2011340078B2 (en) 2016-06-30
CA2993848A1 (en) 2012-06-14
EP3281586A2 (en) 2018-02-14
US20150170363A1 (en) 2015-06-18
CN103442644B (zh) 2017-05-24
JP6417000B2 (ja) 2018-10-31
CA2993848C (en) 2020-09-22
JP5917552B2 (ja) 2016-05-18
KR102124956B1 (ko) 2020-06-19
KR20190075169A (ko) 2019-06-28
US9805464B2 (en) 2017-10-31
US20170228860A1 (en) 2017-08-10
US20120150505A1 (en) 2012-06-14
AU2016203814B2 (en) 2017-11-23
KR101994055B1 (ko) 2019-09-27
MX2013006336A (es) 2013-09-26
US20120148132A1 (en) 2012-06-14
JP6395911B2 (ja) 2018-09-26
US20170243350A1 (en) 2017-08-24
CA3033428A1 (en) 2012-06-14
DK2648621T3 (en) 2018-10-22
EP2648621A4 (en) 2016-12-28
RU2016124149A3 (es) 2019-12-12
ZA201303796B (en) 2015-06-24
BR112013013804A2 (pt) 2016-09-13
EP3524159B1 (en) 2021-01-20
DK3281586T3 (da) 2019-06-24
JP2016129716A (ja) 2016-07-21
JP2017192808A (ja) 2017-10-26
CN113856066B (zh) 2024-03-19
US10438348B2 (en) 2019-10-08
AU2017251775A1 (en) 2017-11-16
CN107095689B (zh) 2022-02-25
EP2648621A1 (en) 2013-10-16
JP2013544605A (ja) 2013-12-19
AU2016203814A1 (en) 2016-06-30
EP3281586B1 (en) 2019-04-10
EP3281586A3 (en) 2018-05-16
US20170123074A1 (en) 2017-05-04
ES2689751T3 (es) 2018-11-15
ZA201409203B (en) 2017-09-27
BR122017007260A2 (es) 2012-06-14
HK1242946A1 (zh) 2018-07-06
CA3033428C (en) 2022-03-22
EP3150126A1 (en) 2017-04-05
BR122017007260A8 (pt) 2017-12-05
ZA201706370B (en) 2020-01-29
AU2011340078A1 (en) 2013-06-27
RU2725751C9 (ru) 2020-12-21
JP2017192809A (ja) 2017-10-26
ES2733922T3 (es) 2019-12-03
CA2819331A1 (en) 2012-06-14
NZ611554A (en) 2014-12-24
KR101889642B1 (ko) 2018-08-17
DK3524159T3 (da) 2021-04-06
RU2016124149A (ru) 2018-12-03
JP6189468B2 (ja) 2017-08-30
US20120148131A1 (en) 2012-06-14
EP3524159A1 (en) 2019-08-14
US9547893B2 (en) 2017-01-17
KR20170004029A (ko) 2017-01-10

Similar Documents

Publication Publication Date Title
ES2692793T3 (es) Generación de un modelo adecuado para estimar la dosis de radiación de un paciente resultante de escaneos de formación de imágenes medicas