JP5641503B2 - Multi-step lattice voxel method - Google Patents
Multi-step lattice voxel method Download PDFInfo
- Publication number
- JP5641503B2 JP5641503B2 JP2010232524A JP2010232524A JP5641503B2 JP 5641503 B2 JP5641503 B2 JP 5641503B2 JP 2010232524 A JP2010232524 A JP 2010232524A JP 2010232524 A JP2010232524 A JP 2010232524A JP 5641503 B2 JP5641503 B2 JP 5641503B2
- Authority
- JP
- Japan
- Prior art keywords
- voxel
- data
- model
- calculation
- pixels
- 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
Links
- 238000000034 method Methods 0.000 title claims description 91
- 239000000463 material Substances 0.000 claims description 45
- 239000000126 substance Substances 0.000 claims description 9
- 238000003384 imaging method Methods 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 238000004364 calculation method Methods 0.000 description 99
- 210000004027 cell Anatomy 0.000 description 31
- 238000002560 therapeutic procedure Methods 0.000 description 15
- 238000011282 treatment Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 14
- 239000002245 particle Substances 0.000 description 12
- 238000012545 processing Methods 0.000 description 11
- 210000001519 tissue Anatomy 0.000 description 10
- 238000000342 Monte Carlo simulation Methods 0.000 description 9
- 210000004872 soft tissue Anatomy 0.000 description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 8
- ZOXJGFHDIHLPTG-UHFFFAOYSA-N Boron Chemical compound [B] ZOXJGFHDIHLPTG-UHFFFAOYSA-N 0.000 description 6
- 206010028980 Neoplasm Diseases 0.000 description 6
- 210000000988 bone and bone Anatomy 0.000 description 6
- 229910052796 boron Inorganic materials 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000001959 radiotherapy Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 238000009826 distribution Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 201000011510 cancer Diseases 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000004907 flux Effects 0.000 description 3
- 229910052739 hydrogen Inorganic materials 0.000 description 3
- 239000001257 hydrogen Substances 0.000 description 3
- 230000003902 lesion Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000013170 computed tomography imaging Methods 0.000 description 2
- 238000004980 dosimetry Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 210000004881 tumor cell Anatomy 0.000 description 2
- ZOXJGFHDIHLPTG-BJUDXGSMSA-N Boron-10 Chemical compound [10B] ZOXJGFHDIHLPTG-BJUDXGSMSA-N 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 230000003915 cell function Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Processing (AREA)
- Image Generation (AREA)
- Image Analysis (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Radiation-Therapy Devices (AREA)
Description
本発明は、大きさの異なるボクセルが含まれる撮影画像のスライスデータを積み重ねて、撮影対象の３次元モデルを形成する方法、及びコンピュータプログラムに関する。特に、本発明は、人体モデルに対するモンテカルロ輸送計算を高速化できるマルチステップ・ラティス・ボクセル法に関する。 The present invention relates to a method for forming a three-dimensional model to be photographed by stacking slice data of photographed images including voxels having different sizes, and a computer program. In particular, the present invention relates to a multi-step lattice voxel method capable of speeding up Monte Carlo transport calculation for a human body model.
次世代の放射線治療であるホウ素中性子捕捉療法（Boron Neutron Capture Therapy: BNCT）は、ガン細胞に選択的に集積するホウ素薬剤を患者に投与し、病巣部に中性子線を照射することでガン細胞のみを選択的に破壊する腫瘍細胞選択的粒子線治療法である。放射線治療を実施するためには、放射線照射によって病巣及びその周辺に付与される線量をシミュレーション計算によって的確に評価し、最適な照射条件を決定できる治療計画が不可欠である。特にBNCTは、中性子の挙動が非常に複雑であるため、従来のX線治療、粒子線治療などの単純な計算アルゴリズムでは線量計算ができないため、高精度計算が可能なモンテカルロ計算法による線量評価が必要である。本発明者は、このBNCT用のモンテカルロ治療計画システムをこれまで研究開発し、実際の臨床研究に実用化させている（非特許文献１：H. Kumada, et al., Development of JCDS, a computational dosimetry system at JAEA for boron neutron capture therapy, Journal of Physics: Conference Series, Vol. 74, pp.1-7 2007）。 Boron Neutron Capture Therapy (BNCT), a next-generation radiotherapy, administers boron drugs that selectively accumulate in cancer cells to the patient and irradiates the lesion with neutrons only to the cancer cells. It is a tumor cell-selective particle radiotherapy that selectively destroys tumor cells. In order to carry out radiation therapy, a treatment plan that can accurately evaluate the dose given to the lesion and its surroundings by radiation irradiation by simulation calculation and determine the optimum irradiation condition is indispensable. In particular, BNCT has a very complex neutron behavior, so it cannot be calculated with simple calculation algorithms such as conventional X-ray therapy and particle beam therapy. is necessary. The present inventor has so far researched and developed this Monte Carlo treatment planning system for BNCT and put it into practical clinical research (Non-patent Document 1: H. Kumada, et al., Development of JCDS, a computational). dosimetry system at JAEA for boron neutron capture therapy, Journal of Physics: Conference Series, Vol. 74, pp.1-7 2007).
図１は、本発明者が開発した治療計画システムJCDSの概略を示す。「JCDS」とは、医療用の診断画像であるMRI及びCT画像のデータを用いて、患部周辺の数値モデルを作成し、このモデルと入射ビーム条件、核データライブラリーなどを用いてMCNPコードによるシミュレーション計算を行ない、中性子及び光子の線束分布を求め、線量分布に変換し、その結果を医療診断画像に重ねて表示するなどの治療に必要な情報を提供するものである（非特許文献２：熊田博明他、ホウ素中性子捕捉療法のためのBNCT線量評価システム(JCDS)の開発、JAERI-Tech 2003-002、(2003)）。これはBNCT実施の前に線量計画を作成するために用いられるほか、照射後の線量分布を評価することにより治療成績との関係を解析するためにも使用される。さらに、中性子ビーム設備の照射コリメータなどの設計のツールとして用いることもできる。 FIG. 1 shows an outline of a treatment planning system JCDS developed by the present inventor. “JCDS” creates a numerical model around the affected area using MRI and CT image data, which are medical diagnostic images, and uses this model, incident beam conditions, nuclear data library, etc. A simulation calculation is performed to obtain a flux distribution of neutrons and photons, convert it into a dose distribution, and provide information necessary for treatment such as displaying the result superimposed on a medical diagnostic image (Non-Patent Document 2: Hiroaki Kumada et al., Development of BNCT dose evaluation system (JCDS) for boron neutron capture therapy, JAERI-Tech 2003-002, (2003)). This is used to create a dose plan before BNCT, and to analyze the relationship with treatment outcome by evaluating the dose distribution after irradiation. Furthermore, it can also be used as a design tool such as an irradiation collimator of a neutron beam facility.
世界でBNCT用に開発された治療計画システムは、JCDSを含めて３つだけであり（他の２つは、米国MITの「NCTPlan」とワシントン大学等で共同開発された「SERA」）、JCDSはモンテカルロ法による治療計画を実用化している世界でも数少ないシステムの１つである。さらに現在も改良、高度化が行われているのはJCDSのみであり、国内外のBNCT研究者から注目されている。 There are only three treatment planning systems developed for BNCT in the world, including JCDS (the other two are “SERA” jointly developed by MIT's “NCTPlan” and the University of Washington, etc.), JCDS Is one of the few systems in the world that have put a treatment plan based on the Monte Carlo method into practical use. Furthermore, only JCDS is currently being improved and enhanced, and is attracting attention from BNCT researchers in Japan and overseas.
モンテカルロ法による線量評価は、高精度な線量計算が可能であり、X線治療や粒子線治療も導入が検討されている。しかし、モンテカルロ法は長時間の計算時間が必要である点で課題が多い。例えば、既存のX線治療の評価は数分以内で完了するのに対して、モンテカルロ法では計算が数時間かかることも多い。従って、X線治療、粒子線治療では治療効率を優先してモンテカルロ法は実用化されていない。 Dose evaluation by the Monte Carlo method enables high-accuracy dose calculation, and introduction of X-ray therapy and particle beam therapy is also being considered. However, the Monte Carlo method has many problems in that it requires a long calculation time. For example, the evaluation of existing X-ray treatments can be completed within a few minutes, whereas the Monte Carlo method often takes hours. Therefore, in the X-ray therapy and the particle beam therapy, the Monte Carlo method has not been put into practical use in view of the treatment efficiency.
従来の放射線治療のモンテカルロ法による線量計算では、患者のCTデータを基に人体の3次元モデルを作成し、これを計算モデルに変換して線量計算を行う。このとき人体のような複雑形状の計算モデルに対しては、図２に示すように人体を含む直方体の領域をX、Y、Z方向に分割して小さな直方体（ボクセルという）に分割し、個々のボクセルに適切な材質の情報を定義することで、人体の計算モデル（ボクセルモデルという）を定義する。このとき、ボクセルの大きさをできるだけ細かくすることで、線量評価精度（計算精度）を向上することができる（図２−ｂ）。その一方で、ボクセルの数が多くなるとボクセル間の境界数が増えてしまい、境界を粒子が通過するごとに計算が発生することから、計算時間が多くかかってしまう。つまりボクセル数（これに起因した計算精度）と計算時間には相関性がある。 In dose calculation by the conventional Monte Carlo method of radiotherapy, a three-dimensional model of the human body is created based on the CT data of the patient, and this is converted into a calculation model for dose calculation. At this time, for a computational model with a complex shape such as a human body, as shown in FIG. 2, a rectangular parallelepiped region including the human body is divided into X, Y, and Z directions and divided into small rectangular parallelepipeds (called voxels). A human body calculation model (called a voxel model) is defined by defining appropriate material information for the voxel. At this time, dose evaluation accuracy (calculation accuracy) can be improved by making the size of the voxel as fine as possible (FIG. 2-b). On the other hand, if the number of voxels increases, the number of boundaries between voxels increases, and calculation occurs every time a particle passes through the boundary. That is, there is a correlation between the number of voxels (calculation accuracy resulting from this) and the calculation time.
現在実用化されているBNCT用の治療計画システムでは、治療効率を考えて計算時間の制限から、ボクセルの大きさを1cm角〜5mm角などに大きくしたボクセルモデルでの計算を行っている（図２−ａ）。この大きなボクセルを使う場合、個々のボクセルの材質は、空気、軟組織、骨、などの情報を定義するが、例えば空気と皮膚（軟組織）の境界部にボクセルが重なった場合は、その混合の材質を定義することになるが、この混合材質が計算誤差の原因となる。 In the treatment planning system for BNCT that is currently in practical use, calculation is performed with a voxel model in which the size of the voxel is increased from 1 cm square to 5 mm square due to the limitation of calculation time considering the treatment efficiency (Fig. 2-a). When using this large voxel, the material of each voxel defines information such as air, soft tissue, bone, etc. For example, if the voxel overlaps the boundary between air and skin (soft tissue), the mixed material This mixed material causes a calculation error.
本発明は、撮影画像の3次元モデルを作成する際に、計算精度が高く、処理時間も短い方法及びそのコンピュータプログラムを提供することを目的とする。 An object of the present invention is to provide a method with high calculation accuracy and a short processing time and a computer program thereof when creating a three-dimensional model of a captured image.
本発明者は、上記課題を解決するため鋭意研究を行った。
計算モデルの元となるCTデータの１画素（ピクセル：0.5x0.5x2mm程度）をそのままボクセルに変換することができれば、計算精度はもっとも高くできるが、現状では計算時間の制約から実現できていない。この問題に対して、本発明者は、CTデータのピクセルレベルのままボクセルモデルを形成して計算精度を向上させ、且つ、計算効率を向上できるモデリング手法である「マルチステップ・ラティス・ボクセル法」（MLV法）を考案し、本発明を完成するに至った。
The present inventor has intensively studied to solve the above problems.
If one pixel (pixel: about 0.5x0.5x2mm) of CT data that is the basis of the calculation model can be converted into voxels as it is, the calculation accuracy can be maximized, but at present it cannot be realized due to the limitation of calculation time. In response to this problem, the present inventor forms a voxel model while maintaining the pixel level of CT data to improve calculation accuracy, and is a modeling technique that can improve calculation efficiency, “multi-step lattice voxel method” (MLV method) was devised and the present invention was completed.
すなわち、本発明は、大きさの異なるボクセルが含まれる撮影画像のスライスデータを積み重ねて、撮影対象の３次元モデルを形成する方法であって、以下の工程：
(a) 撮影画像のスライスデータを、一つの領域内に所定個数のピクセルが含まれるように複数の領域に分割する工程、
(b) 分割された１つの領域内に含まれるピクセルが、すべて同じ特徴を有する組織又は物質を表すときは、当該ピクセル同士を結合して１つのボクセルデータに置換する工程、
(c) 分割された１つの領域内に、異なる特徴を有する組織又は物質を表すピクセルが含まれるときは、当該１つの領域内のピクセルデータを混合ボクセルデータとして定義する工程、
(d) 前記工程(b)及び工程(c)を繰り返して、置換されたボクセルデータ及び混合ボクセルデータを含むスライスデータを取得する工程、並びに
(e) 前記工程(d)により取得された複数のスライスデータを多段階に積み重ねる工程、
を含む前記方法である。
That is, the present invention is a method of stacking slice data of captured images including voxels having different sizes to form a three-dimensional model to be captured, and includes the following steps:
(a) dividing the sliced image data into a plurality of areas so that a predetermined number of pixels are included in one area;
(b) When the pixels included in one divided region all represent tissues or materials having the same characteristics, the pixels are connected to each other and replaced with one voxel data;
(c) when a pixel representing a tissue or a substance having different characteristics is included in one divided region, defining pixel data in the one region as mixed voxel data;
(d) repeating the steps (b) and (c) to obtain slice data including the substituted voxel data and the mixed voxel data; and
(e) a step of stacking a plurality of slice data acquired in the step (d) in multiple stages,
A method comprising:
また、本発明は、コンピュータに、大きさの異なるボクセルが含まれる撮影画像のスライスデータを積み重ねて、撮影対象の３次元モデルを形成させるためのプログラムであって、以下の手順：
(a) 撮影画像のスライスデータを、一つの領域内に所定個数のピクセルが含まれるように複数の領域に分割する手順、
(b) 分割された１つの領域内に含まれるピクセルが、すべて同じ特徴を有する組織又は物質を表すときは、当該ピクセル同士を結合して１つのボクセルデータに置換する手順、
(c) 分割された１つの領域内に、異なる特徴を有する組織又は物質を表すピクセルが含まれるときは、当該１つの領域内のピクセルデータを混合ボクセルデータとして定義する手順、
(d) 前記手順(b)及び手順(c)を繰り返して、置換されたボクセルデータ及び混合ボクセルデータを含むスライスデータを取得する手順、並びに
(e) 前記手順(d)により取得された複数のスライスデータを多段階に積み重ねる手順、
を実行させるための前記プログラムである。
Further, the present invention is a program for stacking slice data of photographed images including voxels of different sizes on a computer to form a three-dimensional model to be photographed, and the following procedure:
(a) a procedure for dividing slice data of a captured image into a plurality of regions so that a predetermined number of pixels are included in one region;
(b) When pixels included in one divided region all represent tissues or substances having the same characteristics, a procedure for combining the pixels and replacing them with one voxel data;
(c) When a pixel representing a tissue or a substance having different characteristics is included in one divided area, a procedure for defining pixel data in the one area as mixed voxel data,
(d) repeating the steps (b) and (c) to obtain slice data including replaced voxel data and mixed voxel data; and
(e) a procedure of stacking a plurality of slice data acquired in the procedure (d) in multiple stages;
It is the program for executing.
本発明の方法及びプログラムにおいて、撮影画像としては、例えば人体の医療画像が挙げられる。また、撮影画像のスライスデータは、CT、MRI、Bitmap及びJPEGからなる群から選ばれる少なくとも１つによるものである。
本発明の一つの態様において、上記工程(a)又は手順(a)において分割する領域の数は、例えば1024個であり、また、分割された１つの領域内に含まれるピクセルの数は、例えば256個である。
さらに、本発明は、前記プログラムを記録したコンピュータ読み取り可能な記録媒体を提供する。
In the method and program of the present invention, examples of the captured image include medical images of the human body. The slice data of the captured image is based on at least one selected from the group consisting of CT, MRI, Bitmap, and JPEG.
In one embodiment of the present invention, the number of regions divided in the step (a) or the procedure (a) is, for example, 1024, and the number of pixels included in one divided region is, for example, There are 256.
Furthermore, the present invention provides a computer-readable recording medium that records the program.
本発明により、マルチステップ・ラティス・ボクセル法が提供される。本発明の方法は、人体モデルを形成するボクセルの数（境界面の数）を減少することができ、効率的な計算が可能なLattice機能を活用して、より効率的な計算モデルを提供することができる。従って、本発明の方法は、例えば放射線治療法を計画する上で極めて有用である。 The present invention provides a multi-step lattice voxel method. The method of the present invention can reduce the number of voxels forming the human body model (the number of boundary surfaces), and provides a more efficient calculation model by utilizing a Lattice function capable of efficient calculation. be able to. Thus, the method of the present invention is extremely useful in planning radiation therapy, for example.
以下、本発明を詳細に説明する。
本発明は、大きさの異なるボクセルが含まれる撮影画像のスライスデータを積み重ねて、撮影対象の３次元モデルを形成する方法に関する。
Hereinafter, the present invention will be described in detail.
The present invention relates to a method of stacking slice data of photographed images including voxels having different sizes to form a three-dimensional model to be photographed.
本発明の方法は、以下の工程を含むものである。
(a) 撮影画像のスライスデータを、一つの領域内に所定個数のピクセルが含まれるように複数の領域に分割する工程、
(b) 分割された１つの領域内に含まれるピクセルが、すべて同じ特徴を有する組織又は物質を表すときは、当該ピクセル同士を結合して１つのボクセルデータに置換する工程、
(c) 分割された１つの領域内に、異なる特徴を有する組織又は物質を表すピクセルが含まれるときは、当該１つの領域内のピクセルデータを混合ボクセルデータとして定義する工程、
(d) 前記工程(b)及び工程(c)を繰り返して、置換されたボクセルデータ及び混合ボクセルデータを含むスライスデータを取得する工程、並びに
(e) 前記工程(d)により取得された複数のスライスデータを多段階に積み重ねる工程。
本発明の方法は、１個１個のボクセルを個々に作成して並べるのではなく計算コードに組み込まれているLattice機能を有効活用し、このLattice機能を何度も繰り返し用いて1つの計算モデルを形成する手法である。同じ大きさのボクセルを並べる方法で形成した計算モデルに対して、本方法を使うことで計算時間を約半分以下に短縮できる上に、全く同じジオメトリ定義ができることから同精度の計算結果を得ることができる。
The method of the present invention includes the following steps.
(a) dividing the sliced image data into a plurality of areas so that a predetermined number of pixels are included in one area;
(b) When the pixels included in one divided region all represent tissues or materials having the same characteristics, the pixels are connected to each other and replaced with one voxel data;
(c) when a pixel representing a tissue or a substance having different characteristics is included in one divided region, defining pixel data in the one region as mixed voxel data;
(d) repeating the steps (b) and (c) to obtain slice data including the substituted voxel data and the mixed voxel data; and
(e) A step of stacking a plurality of slice data acquired in the step (d) in multiple stages.
The method of the present invention makes effective use of the Lattice function incorporated in the calculation code, rather than creating and arranging individual voxels individually, and using this Lattice function over and over again to produce a single calculation model. It is a technique to form. Compared to a calculation model formed by arranging voxels of the same size, the calculation time can be reduced to about half or less by using this method, and the calculation result with the same accuracy can be obtained because exactly the same geometry can be defined. Can do.
本発明において３次元モデルを形成させる対象は特に限定されるものではなく、例えば、人体、非ヒト動物の体、精密機器、食品、航空機、乗用車など、CT、MRIなどで撮影するものや、CADソフトで作成した3次元データでスライス毎に分別した画像データであればいずれのものでもよい。中でも、人体形状に対する線量計算に対して、人体モデルの形成方法に使用するために、撮影対象は人体であることが好ましい。また、撮影範囲は、頭部、胸部、腹部、四肢部など部分的であっても、人体全体であってもよい。
以下、人体モデルを例に説明する。
In the present invention, the target for forming the three-dimensional model is not particularly limited. For example, a human body, a non-human animal body, a precision instrument, food, an aircraft, a passenger car, etc. Any image data may be used as long as the image data is classified for each slice by three-dimensional data created by software. Among these, it is preferable that the subject to be imaged is a human body for use in a human body model forming method for dose calculation for a human body shape. The imaging range may be partial such as the head, chest, abdomen, and extremities, or the entire human body.
Hereinafter, a human body model will be described as an example.
１．JCDSによる人体モデル作成手順
JCDSによる線量評価では、まず被験者（例えば患者）のCT、MRI等の医療画像データを読み込み、これを重ね合せて3次元モデルを作成する。この3次元モデルのままでは、モンテカルロ計算コードによる線量計算は実行できないため、計算実行可能な計算モデル（ボクセルモデルという）に変換する。この計算モデルの基となる人体３次元モデルのデータ作成手順の概略を図３に示す。
1. Procedure for creating a human body model using JCDS
In dose evaluation by JCDS, first, medical image data such as CT and MRI of a subject (for example, a patient) is read and superimposed to create a three-dimensional model. With this 3D model as it is, dose calculation using the Monte Carlo calculation code cannot be performed, so it is converted to a calculation model that can be calculated (called a voxel model). FIG. 3 shows an outline of the data creation procedure of the three-dimensional human body model that is the basis of this calculation model.
まずCTデータを基に3次元モデルのベースを作成する。このとき中性子の挙動は水素密度に大きく影響するため、人体の撮影画像は、材質、すなわち水素密度の大きく異なる空気、骨、軟組織を表す領域（この場合は3つの組織又は物質を表すピクセル）に分別する。なお、本明細書において、「材質」とは、撮影された組織（骨や軟組織）に由来するデータのことを意味して記載することもある。 First, a 3D model base is created based on CT data. At this time, since the behavior of neutrons greatly affects the hydrogen density, the captured image of the human body is in a material, that is, a region representing air, bone, or soft tissue with significantly different hydrogen densities (in this case, pixels representing three tissues or materials). Sort. In this specification, “material” may be described as meaning data derived from a photographed tissue (bone or soft tissue).
この材質の分別には、CTデータに記録されているCT値を利用して自動的に領域別を行う。CT値とは、CT撮影時に個々のピクセルごとに記録される情報であり、これはCT撮影時のX線照射の線源弱係数から決定される。従って、このCT値を解析することで、そのピクセルの材質を求めることができる。例えば空気のCT値は-1000、水は0と定義されている。骨のCT値は高値であり（CT値：1000）、続いて軟組織・筋肉（CT値：30〜60）→血液（CT値：50）→水（CT値：0）→脂肪（CT値：-100）→空気（CT値：-1000)の順に小さくなっていく。このCT値を利用して、水素密度の異なる領域を自動分別する。 This material classification is performed automatically using the CT values recorded in the CT data. The CT value is information recorded for each pixel at the time of CT imaging, and is determined from the source weak coefficient of X-ray irradiation at the time of CT imaging. Accordingly, the material of the pixel can be obtained by analyzing the CT value. For example, the CT value of air is defined as -1000, and water is defined as 0. Bone CT value is high (CT value: 1000), followed by soft tissue / muscle (CT value: 30-60) → blood (CT value: 50) → water (CT value: 0) → fat (CT value: -100) → Air (CT value: -1000). Using this CT value, regions with different hydrogen densities are automatically separated.
続いて、ガン病巣や危険臓器、関心領域（ROIという）などは、CT値では自動分別は困難であるため、これらの領域別けはMRIを利用する。MRIを用いてこれらの関心領域を手入力で領域抽出する。このMRIの情報をモデルのベースとなるCT側に重ね合せて、１つの人体の3次元モデルを形成する。ここで材質の定義は、基本的にCT値で分別した3種類のみであるが、BNCTの場合は腫瘍の中にホウ素10が多く集積するため、腫瘍領域だけは、別の材質として設定することができる。また、材質を軟組織や骨とは別に分けて輸送計算させたい領域がある場合は、その領域をMRI上でROIとして別途領域抽出して、CT側に重ね合せ、その領域の材質を手入力で定義することができる。
これらの作業によってボクセルモデルの基となる3次元モデル（画像データ）が完成する。このとき3次元モデルを構成する個々のピクセルに、材質情報が定義付けられている。
Subsequently, cancer lesions, risky organs, and regions of interest (referred to as ROI) are difficult to automatically sort by CT value, so MRI is used for these regions. These regions of interest are manually extracted using MRI. By superimposing this MRI information on the CT side that is the base of the model, a three-dimensional model of one human body is formed. Here, there are basically only three types of material definitions classified by CT value, but in the case of BNCT, a large amount of boron 10 accumulates in the tumor, so only the tumor area should be set as another material. Can do. Also, if there is an area that you want to calculate transport separately from the soft tissue and bone, extract the area separately as ROI on MRI, overlay it on the CT side, and manually input the material of that area Can be defined.
These operations complete a three-dimensional model (image data) that is the basis of the voxel model. At this time, material information is defined for each pixel constituting the three-dimensional model.
２．マルチステップ・ラティス・ボクセル法
本発明においては、前述の処理で作成した人体3次元モデルの画像データを、モンテカルロ計算コードで輸送計算可能なボクセルモデルに変換することを特徴とする。
2. Multi-step lattice voxel method The present invention is characterized in that image data of a three-dimensional human body model created by the above-described processing is converted into a voxel model that can be transported and calculated by a Monte Carlo calculation code.
ところで、ボクセルモデルを形成するボクセルの数（境界面の数）を減少することができれば、モンテカルロ法の粒子輸送計算を効率化できる。従来のボクセルモデルのモデリング手法では、空気や軟組織領域の内部では、同じ材質が隣り合っているにもかかわらず、同じ大きさのボクセルで分割して計算モデルを形成していた。これは計算コード（MCNPやPHITS）に組み込まれているLatticeの機能を利用しているためである。ここで、Lattice機能とは、直方体をX、Y、Z方向に等分割して個々のボクセルに材質を定義することで効率的な輸送計算を行う機能である。 By the way, if the number of voxels forming the voxel model (the number of boundary surfaces) can be reduced, the particle transport calculation of the Monte Carlo method can be made efficient. In the conventional voxel model modeling method, the same material is adjacent to each other inside the air or soft tissue region, but the calculation model is formed by dividing the voxel with the same size. This is because the Lattice function built into the calculation code (MCNP or PHITS) is used. Here, the Lattice function is a function that performs efficient transportation calculation by defining a material for each voxel by equally dividing a rectangular parallelepiped in the X, Y, and Z directions.
これに対して、本発明者は、同じ材質が隣り合う領域を結合して大きなボクセルに置き換えることで、モデルの材質配置は同じまま、ボクセル数（境界数）を大幅に低減できると発想した。但し、隣り合う材質を結合する場合、結合した領域を、Cell機能を使って１個１個の領域を定義して全体モデルを作成することは原理的には可能であるが、Cellの定義数が膨大になってしまい、この定義数が、計算コードのCell数の上限値を超えてモデリングできない場合が想定される。さらに、Cellを1個1個定義すると、効率的な計算が可能なLatticeでモデリングするよりも結果的に計算時間が長くなってしまう事象が発生する。そこで、本発明においては、効率的な計算が可能なLattice機能を活用して、より効率的な計算モデルを定義する手法を提案する。
図４に本発明の方法の概略を示す。
On the other hand, the present inventor has conceived that the number of voxels (number of boundaries) can be greatly reduced by joining adjacent regions of the same material and replacing them with large voxels while keeping the material arrangement of the model the same. However, when adjacent materials are combined, it is possible in principle to create an overall model by defining each combined region using the Cell function, but the number of cell definitions It is assumed that the number of definitions exceeds the upper limit of the number of cells in the calculation code and cannot be modeled. Furthermore, if each Cell is defined one by one, there will be an event that results in a longer calculation time than modeling with Lattice, which allows efficient calculations. Therefore, the present invention proposes a method for defining a more efficient calculation model by utilizing a Lattice function capable of efficient calculation.
FIG. 4 shows an outline of the method of the present invention.
CTデータの１スライスについて、１つの領域内に所定個数のピクセルが含まれるように、複数の領域に分割する。「スライス」とは撮影対象（例えば人体）を輪切り状に撮影したときの撮影切片を意味し、１スライスの厚さは任意に設定することができる。また、１つの領域内に含まれるピクセルの数は特に限定されるものではなく、これも任意に設定することができる。例えば１つのスライスには512×512＝262,144個のピクセルが含まれているとして、これをn×ｍ個に領域分割する。ｎ及びｍは２のべき乗の値（２x）で512（29）（0<ｍ＜9）より小さい値をとり、ｍ及びｎはそれぞれ横方向（ｘ軸方向）及び縦方向（ｙ軸方向）の分割数であり、それぞれ１、２、４、８、１６、３２、６４、１２８、２５６、５１２個、好ましくは８、１６、３２、６４個、さらに好ましくは32個である。ｍとｎとは同数であってもよく異なる数であってもよいが、同数であることが好ましい。従って、例えば512x512ピクセルの画像データをまず32x32=1024個に領域分割すると、分割された1領域中（１区画中）には16x16=256ピクセルが含まれることとなる。このように、１つのスライスからn×ｍ個に分割したときの領域（上記の例では32x32個の各領域）を「Large Voxel領域」という。 One slice of CT data is divided into a plurality of regions so that a predetermined number of pixels are included in one region. “Slice” means a photographed slice when a subject to be photographed (for example, a human body) is photographed in a circular shape, and the thickness of one slice can be arbitrarily set. Further, the number of pixels included in one region is not particularly limited, and can be arbitrarily set. For example, assuming that 512 × 512 = 262,144 pixels are included in one slice, this is divided into n × m areas. n and m are values of powers of 2 (2 x ), which are smaller than 512 (2 9 ) (0 <m <9), and m and n are the horizontal direction (x-axis direction) and the vertical direction (y-axis), respectively. Direction), which are 1, 2, 4, 8, 16, 32, 64, 128, 256, 512, preferably 8, 16, 32, 64, and more preferably 32, respectively. m and n may be the same number or different numbers, but are preferably the same number. Therefore, for example, when image data of 512 × 512 pixels is first divided into 32 × 32 = 1024 pieces, 16 × 16 = 256 pixels are included in one divided region (in one section). As described above, an area (in the above example, 32 × 32 areas) obtained by dividing one slice into n × m is referred to as a “Large Voxel area”.
このとき1領域内（16x16ピクセルの領域内）の材質がすべて同じ材質の場合は、ピクセル同士を結合して１つの大きなボクセル（つまり１×１のボクセル）に置き換えてボクセル数を減少させる。１つの大きなボクセルに置き換えたときのセルを「Single Large Voxel Cell」という。
仮に、Large Voxel領域内に2つ以上の材質が混在する場合は、ピクセルレベルの小さいボクセル（Small Voxel Cell）を設定してボクセルを定義する。このように定義されたセルを「Mixed Large Voxel Cell」という。
上記Single Large Voxel Cellに置き換える工程、及びMixed Large Voxel Cellを定義する工程を繰り返し使用して多段階にボクセルを積み重ね、最終的に大きさの異なるボクセルが混在する人体モデル（不均一ボクセルモデル）を形成する。
図５にこれらの処理のフローチャートを示す。
説明の便宜上、Large Voxel領域は16x16=256個のピクセルが含まれる場合を想定する。
At this time, if all the materials in one region (16 × 16 pixel region) are the same material, the pixels are combined and replaced with one large voxel (that is, 1 × 1 voxel) to reduce the number of voxels. The cell when it is replaced with one large voxel is called “Single Large Voxel Cell”.
If two or more materials are mixed in the Large Voxel area, the voxel is defined by setting a small pixel level voxel (Small Voxel Cell). The cell defined in this way is called “Mixed Large Voxel Cell”.
A human body model (non-uniform voxel model) in which voxels are stacked in multiple stages by repeatedly using the process of replacing Single Large Voxel Cell and the process of defining Mixed Large Voxel Cell, and finally voxels of different sizes are mixed. Form.
FIG. 5 shows a flowchart of these processes.
For convenience of explanation, it is assumed that the Large Voxel region includes 16 × 16 = 256 pixels.
16x16ピクセルのLarge Voxel領域をSingle Large Voxel Cell もしくはMixed Large Voxel Cell に分別するには、まず、Large Voxel領域内の16x16＝256個のピクセルの材質情報をフルスキャンによってチェックする。そして、全てのピクセルが同じ材質（空気、軟組織、骨及び腫瘍のいずれか）であるときは、256個のピクセルを1個のセル（Single Large Voxel cell） に置換する。256個のピクセルに1個でも別の材質データが混合していたときは、Mixed Large Voxel cellにLattice機能を使って置き換える。Mixed Large Voxel cell はピクセルレベルの大きさのSmall Voxel Cell を256個順番にLattice機能を使って並べて作成する。 In order to separate the 16 × 16 pixel Large Voxel region into Single Large Voxel Cell or Mixed Large Voxel Cell, first, the material information of 16 × 16 = 256 pixels in the Large Voxel region is checked by full scan. When all the pixels are made of the same material (air, soft tissue, bone, or tumor), 256 pixels are replaced with one cell (Single Large Voxel cell). If any other material data is mixed in 256 pixels, replace the mixed large voxel cell with the Lattice function. Mixed Large Voxel cell is created by arranging 256 Small Voxel Cells of pixel size in order using Lattice function.
「Lattice機能を使う」とは、人体モデルのような複雑な計算体系に対して粒子輸送を行う際に、モデルの中を通過する粒子と位置関係（分割したVoxelのどこを粒子が通過したのか）を即座に判別して輸送効率を向上させる処理を行なうことを意味する。
上記Lattice機能処理を全てのLarge Voxel領域（32x32＝1024領域）に対して繰り返し行い、1枚のスライスをSingle Large VoxelとMixed Large Voxelの2種類で構成されるスライスに変換する。最後に、置き換えた2つのLarge Voxel cellを順番にLattice 機能を使って並べ、1枚のVoxel Sliceを作成する。
“Lattice function is used” means that when particles are transported to a complicated calculation system such as a human body model, the particles pass through the model and the positional relationship (where in the divided Voxel the particles passed) ) Is immediately discriminated and processing for improving transportation efficiency is performed.
The above Lattice function processing is repeated for all Large Voxel regions (32x32 = 1024 regions), and one slice is converted into a slice composed of two types of Single Large Voxel and Mixed Large Voxel. Finally, the two large Voxel cells that have been replaced are arranged in order using the Lattice function to create one Voxel Slice.
この一連の作業をさらにスライス毎に実行し、最後に再びLattice機能を使って各スライスを順番に並べて、1個の3次元のボクセルモデルを形成する。 This series of operations is further performed for each slice, and finally each slice is arranged in turn using the Lattice function to form one three-dimensional voxel model.
本発明の方法においては、上記の通り、Large Voxel 領域を16x16ピクセルに設定したが、元の人体の材質形状の複雑さ等に応じて、8x8=64や32ｘ32=1024の大きさのLarge Voxel 領域に設定することができる。これにより、結果的にSingle large Voxel Cellに置き換えられる数が増えて、総ボクセル数を減少させることが可能である。また、Large Voxel 領域内のピクセル数は、スライス毎に使い分けても良い。
また、Voxel Sliceの作成は、スライス1枚ごとに処理しているが、複数枚（例えば２枚、３枚、・・・）のスライスを一緒にして処理することができる。
In the method of the present invention, as described above, the large voxel area is set to 16x16 pixels, but the large voxel area having a size of 8x8 = 64 or 32x32 = 1024 depending on the complexity of the material shape of the original human body. Can be set to As a result, the number of single voxel cells that can be replaced increases, and the total number of voxels can be reduced. The number of pixels in the Large Voxel area may be used for each slice.
Further, the creation of the Voxel Slice is processed for each slice, but a plurality of slices (for example, two, three,...) Can be processed together.
さらに、Lattice処理もさらに1段、2段追加することも可能である。例えば、最初のLarge Voxel 領域(16x16ピクセル)をSingle large Voxel CellとMixed large Voxel Cellに置き換えた後に、このLarge Voxel 領域の隣り合う２個、4個、6個、あるいは８個の領域をチェックしてすべてのセルがSingle large Voxel Cellの場合は、さらにもう一段大きなSingle Large Voxel Cell （例えば4個の領域を１つのセルに置換するときは1024ピクセル分）に置き換えることでボクセル数を減らすことが可能である。この処理をさらに繰り返すこともできる。この方法は、さらに工夫して用いることでMixed Large Voxel Cellも効率化できる。例えばLarge Voxel 領域を8x8や4x4に設定し、この中の材質が同じだった場合は、Single Large Voxel Cellに置き換える。これを繰り返すことでボクセルの数を大幅に低減できる。 Furthermore, it is possible to add one or two stages of Lattice processing. For example, after replacing the first Large Voxel area (16x16 pixels) with Single large Voxel Cell and Mixed large Voxel Cell, check the adjacent 2, 4, 6, or 8 areas of this Large Voxel area. If all cells are single large voxel cells, the number of voxels can be reduced by replacing them with a single larger voxel cell (for example, 1024 pixels when replacing four areas with one cell). Is possible. This process can be repeated further. This method can also be used to improve efficiency of mixed large voxel cells. For example, if the Large Voxel area is set to 8x8 or 4x4, and the material is the same, replace it with a Single Large Voxel Cell. By repeating this, the number of voxels can be significantly reduced.
３．コンピュータプログラム
本発明のプログラムは、コンピュータに、大きさの異なるボクセルが含まれる撮影画像のスライスデータを積み重ねて、撮影対象の３次元モデルを形成させるためのプログラムであり、以下の手順を含むものである。
(a) 撮影画像のスライスデータを、一つの領域内に所定個数のピクセルが含まれるように複数の領域に分割する手順、
(b) 分割された１つの領域内に含まれるピクセルが、すべて同じ特徴を有する組織又は物質を表すときは、当該ピクセル同士を結合して１つのボクセルデータに置換する手順、
(c) 分割された１つの領域内に、異なる特徴を有する組織又は物質を表すピクセルが含まれるときは、当該１つの領域内のピクセルデータを混合ボクセルデータとして定義する手順、
(d) 前記手順(b)及び手順(c)を繰り返して、置換されたボクセルデータ及び混合ボクセルデータを含むスライスデータを取得する手順、並びに
(e) 前記手順(d)により取得された複数のスライスデータを多段階に積み重ねる手順。
本発明のプログラムにおいて、コンピュータを実行させるためのシステムを示す構成例を図10に示す。
3. Computer Program The program of the present invention is a program for stacking slice data of photographed images including voxels having different sizes on a computer to form a three-dimensional model to be photographed, and includes the following procedure.
(a) a procedure for dividing slice data of a captured image into a plurality of regions so that a predetermined number of pixels are included in one region;
(b) When pixels included in one divided region all represent tissues or substances having the same characteristics, a procedure for combining the pixels and replacing them with one voxel data;
(c) When a pixel representing a tissue or a substance having different characteristics is included in one divided area, a procedure for defining pixel data in the one area as mixed voxel data,
(d) repeating the steps (b) and (c) to obtain slice data including replaced voxel data and mixed voxel data; and
(e) A procedure of stacking a plurality of slice data acquired in the procedure (d) in multiple stages.
FIG. 10 shows a configuration example showing a system for executing a computer in the program of the present invention.
図10において、システム100は、Single Large Voxel 及びMixed Large Voxelの2種類で構成されるスライスに変換する計算部110、データベース（以下「DB」という）109、制御部101、送信／受信部102、入力部103、出力部104、ROM105、RAM106、ハードディスクドライブ(HDD)107、CD-ROMドライブ108などにより構成される。 In FIG. 10, a system 100 includes a calculation unit 110 for converting into a slice composed of two types of Single Large Voxel and Mixed Large Voxel, a database (hereinafter referred to as “DB”) 109, a control unit 101, a transmission / reception unit 102, The input unit 103, output unit 104, ROM 105, RAM 106, hard disk drive (HDD) 107, CD-ROM drive 108, and the like.
制御部101はCPUやMPU等の中央演算処理部であり、システム100全体の動作を制御する。特に、送信／受信部102の通信制御を行い、あるいはDB109に記憶されている撮影データを利用して、Large Voxel Cell又はMixed Large Voxel Cellの作成、及びその結果表示等の表示データ読出し処理等を行う。 The control unit 101 is a central processing unit such as a CPU or MPU and controls the operation of the entire system 100. In particular, the communication control of the transmission / reception unit 102 is performed, or by using the shooting data stored in the DB 109, a large Voxel cell or a mixed large Voxel cell is created, and a display data reading process such as a result display is performed. Do.
送信／受信部102は、制御部101の指示に基づいて、ユーザ端末との間で撮影データの送信及び受信処理を行うことができる。なお、ユーザ端末は、インターネット回線111を介して接続されていてもよい。送信／受信部102は、MLV法の処理等に必要とする情報を計算部110に対して送信する。
入力部103は、キーボード、マウス、タッチパネル等であり、処理条件の入力やDB109の内容更新時等に操作される。出力部104はLCD（液晶ディスプレイ）等であり、DB109の更新時等に制御部101からのコードデータをその都度表示用データに変換して表示処理を行う。ROM105は、システム100の処理プログラムを格納する。RAM106は、システム100の処理に必要なデータを一時的に格納する。HDD107は、プログラム等を格納し、制御部101の指示に基づいて、格納しているプログラム又はデータ等を読み出し、例えばRAM106に格納する。CD-ROMドライブ108は、制御部101からの指示に基づいて、CD-ROM120に格納されているプログラム等を読み出してRAM106等に書き込む。CD-ROM120の代わりに記録媒体として書き換え可能なCD-R、CD-RW等を用いることもできる。その場合には、CD-ROMドライブ108の代わりにCD-R又はCD-RW用ドライブを設ける。また、上記媒体の他に、DVD、MO、フラッシュメモリースティック等の媒体を用い、それに対応するドライブを備える構成とすることもできる。
The transmission / reception unit 102 can perform imaging data transmission and reception processing with the user terminal based on an instruction from the control unit 101. The user terminal may be connected via the Internet line 111. The transmission / reception unit 102 transmits information necessary for MLV processing and the like to the calculation unit 110.
The input unit 103 is a keyboard, a mouse, a touch panel, or the like, and is operated when inputting processing conditions or updating the contents of the DB 109. The output unit 104 is an LCD (liquid crystal display) or the like, and converts code data from the control unit 101 into display data each time the DB 109 is updated, and performs display processing. The ROM 105 stores a processing program for the system 100. The RAM 106 temporarily stores data necessary for the processing of the system 100. The HDD 107 stores a program and the like, reads out the stored program or data based on an instruction from the control unit 101, and stores it in the RAM 106, for example. Based on an instruction from the control unit 101, the CD-ROM drive 108 reads out a program stored in the CD-ROM 120 and writes it in the RAM 106 or the like. Instead of the CD-ROM 120, a rewritable CD-R, CD-RW or the like can be used as a recording medium. In that case, a CD-R or CD-RW drive is provided instead of the CD-ROM drive 108. In addition to the above medium, a medium such as a DVD, an MO, or a flash memory stick may be used, and a drive corresponding to the medium may be provided.
４．コンピュータ読み取り可能な記録媒体
本発明のプログラムは、例えばC言語、Java（登録商標）、Perl、Fortran、Pascal等で書くことができ、そしてクロスプラットフォームに対応できるように設計されている。従って、このソフトウエアはWindows(登録商標）95/98/2000/XP等、Linux、UNIX(登録商標）、Macintoshで作動させることが可能である。
4). Computer-readable recording medium The program of the present invention can be written in, for example, C language, Java (registered trademark), Perl, Fortran, Pascal, and the like, and is designed to be compatible with a cross platform. Therefore, this software can be operated on Windows (registered trademark) 95/98/2000 / XP, Linux, UNIX (registered trademark), and Macintosh.
本発明のプログラムは、コンピュータ読み取り可能な記録媒体又はコンピュータに接続しうる記憶手段に保存することができる。本発明のプログラムを含有するコンピュータ用記録媒体又は記憶手段も本発明に含まれる。記録媒体又は記憶手段としては、磁気的媒体（フレキシブルディスク、ハードディスクなど）、光学的媒体（CD、DVDなど）、磁気光学的媒体（MO、MD）、フラッシュメモリーなどが挙げられるが、これらに限定されるものではない。
以下、実施例により本発明をさらに具体的に説明する。但し、本発明はこれら実施例に限定されるものではない。
The program of the present invention can be stored in a computer-readable recording medium or a storage means that can be connected to a computer. A computer recording medium or storage means containing the program of the present invention is also included in the present invention. Recording media or storage means include, but are not limited to, magnetic media (flexible disks, hard disks, etc.), optical media (CD, DVD, etc.), magneto-optical media (MO, MD), flash memory, etc. Is not to be done.
Hereinafter, the present invention will be described more specifically with reference to examples. However, the present invention is not limited to these examples.
本発明の方法による計算性能の検証
（１）円筒水ファントム条件での検証
本手法の計算性能を検証するため、BNCT治療施設であるJRR-4（日本原子力研究開発機構の研究炉、Japan Research Reactor No.4）で実施した円筒水ファントム（直径約20cm、長さ20cm）を用いた実験を再現し、以下の各種のモデリング手法による計算を実行して、その計算精度と計算時間を比較した。計算モデルは、(i) 従来の5x5x5mm角（125mm3）のボクセルで構成する混合材質ボクセルモデル、(ii) 従来の2x2x2mm角（8mm3）のボクセルで構成する混合材質ボクセルモデル、(iii) 元のCTのピクセルの大きさのままボクセルを定義したフルピクセルモデル、(iv) 本発明の方法であるマルチステップ・ラティス・ボクセル法（MLV法）で作成した不均一ボクセルモデル、の４つを作成し、それぞれの計算モデルを用いてモンテカルロコードPHITSによる輸送計算を実行して計算時間等を比較した。図６に各モデリング手法によるファントムモデルを示す。
Verification of calculation performance by the method of the present invention (1) Verification under cylindrical water phantom conditions In order to verify the calculation performance of this method, JRR-4 (research reactor of Japan Atomic Energy Agency), Japan Research Reactor The experiment using the cylindrical water phantom (diameter: about 20cm, length: 20cm) conducted in No.4) was reproduced, and the calculation by the following various modeling methods was executed to compare the calculation accuracy and calculation time. The calculation models are (i) a mixed material voxel model composed of conventional 5x5x5mm square (125mm 3 ) voxels, (ii) a mixed material voxel model composed of conventional 2x2x2mm square (8mm 3 ) voxels, and (iii) original Four pixel models are created: a full pixel model that defines voxels with the same size as the CT pixels, and (iv) a non-uniform voxel model created by the multi-step lattice voxel method (MLV method) of the present invention. Then, using the respective calculation models, we performed transport calculations using the Monte Carlo code PHITS and compared the calculation times. FIG. 6 shows a phantom model by each modeling method.
（２）人体モデルでの検証
ファントムモデルに続いて人体頭部のCTデータを基に頭部3次元モデルを作成し、線量計算について、(i) 全てのピクセルをそのままボクセルに変換した計算モデル（フルピクセルモデル）と、(ii) マルチステップ・ラティス・ボクセル法を用いて不均一ボクセルモデルを作成し、それぞれをモンテカルロコードPHITSを用いて輸送計算を実行して計算時間等を比較した。図７と図８に２つの手法で作成したボクセルモデルを示す。なお図６には2x2x2mm角の混合材質モデルで作成した場合のサンプルも合わせて示す。
(2) Verification with a human body model Following the phantom model, a 3D head model was created based on CT data of the human head, and for dose calculation, (i) a calculation model in which all pixels were converted directly into voxels ( Full pixel model) and (ii) non-uniform voxel models using multi-step lattice voxel method, and transport calculation using Monte Carlo code PHITS for each to compare the calculation time. 7 and 8 show voxel models created by two methods. FIG. 6 also shows a sample produced with a 2 × 2 × 2 mm square mixed material model.
＜結果及び考察＞
(1) 円筒水ファントムモデルの計算結果
まず各モデルのボクセル数は、5mm角の混合材質モデルが約64,000個、2mm角の混合材質モデルが約1,000,000個、フルピクセルモデルのボクセル数は、15,728,640個（512x512x60スライス）であったのに対して、MLV法で作成した不均一ボクセルモデルのボクセル数は、約39,000個（約650個/スライス×60スライス）であった。
<Results and discussion>
(1) Calculation results of the cylindrical water phantom model First, the number of voxels in each model is about 64,000 for the 5mm square mixed material model, about 1,000,000 for the 2mm square mixed material model, and 15,728,640 for the full pixel model. Whereas the number of voxels of the non-uniform voxel model created by the MLV method was about 39,000 (about 650 / slice × 60 slices).
図９に円筒水ファントム内のビーム中心軸上の熱中性子束分布について、３つの方法で計算した結果を示す。図９−ｂはビームが入射する空気とファントム表面の境界面を拡大したものである。この結果から、ファントムの表面から1cmよりも深い領域では、3つの手法の計算結果は、統計誤差の範囲内で一致した。一方、空気領域とファントム表面の境界領域では、フルピクセルモデルとMLV法の不均一ボクセルモデルは統計誤差の範囲内で一致した。しかし、5mm角及び2mm角の混合材質モデルの計算結果は、上記２つの結果に対して最大で18%の誤差を生じた。ここでフルピクセルモデルとMLV法の不均一ボクセルモデルの結果は、同実験で得られた実験値に対しても実験誤差、統計誤差の範囲内で一致することを確認した。
次に各モデルによる計算時間を比較した。各モデルでの計算時間、並びに混合ボクセルモデルに対する計算時間の比、及びフルピクセルモデルに対する計算時間の比を表１に示す。
FIG. 9 shows the results calculated by three methods for the thermal neutron flux distribution on the central axis of the beam in the cylindrical water phantom. FIG. 9B is an enlarged view of the boundary surface between the air on which the beam is incident and the phantom surface. From this result, in the region deeper than 1 cm from the surface of the phantom, the calculation results of the three methods matched within the statistical error. On the other hand, in the boundary region between the air region and the phantom surface, the full pixel model and the non-uniform voxel model of the MLV method matched within the statistical error. However, the calculation result of the mixed material model of 5 mm square and 2 mm square produced an error of 18% at maximum with respect to the above two results. Here, it was confirmed that the results of the full pixel model and the non-uniform voxel model of the MLV method agree with the experimental values obtained in the experiment within the range of experimental error and statistical error.
Next, the calculation time by each model was compared. Table 1 shows the calculation time for each model, as well as the calculation time ratio for the mixed voxel model and the calculation time ratio for the full pixel model.
表1に示すように、MLV法による不均一ボクセルモデルでの計算はフルピクセルモデルの約半分の時間で線量計算を完了できている。また、従来の混合材質モデルに対しても、2x2x2mm角のボクセルを用いた混合材質モデルに対しては計算時間の増分は約17%であった。ボクセル数が大幅に少ない5x5x5mm角の混合材質モデルに対しては、約2倍の計算時間を要した。 As shown in Table 1, the calculation with the non-uniform voxel model by the MLV method completed the dose calculation in about half the time of the full pixel model. Also, compared to the conventional mixed material model, the calculation time increment was about 17% for the mixed material model using 2x2x2mm square voxels. For a 5x5x5mm square mixed material model with a significantly smaller number of voxels, approximately twice as much calculation time was required.
(2) 人体モデルの計算結果
角モデルのボクセル数については、まずフルピクセルモデルの場合は1スライス面当たり262,144個（512ｘ5125）であるのに対して、MLV法の不均一ボクセルモデルではスライス毎にボクセル数が異なり、図７に示したスライス面のボクセル数は約66,000個であり、フルピクセルモデルに対して、ボクセル数を約25％にまで減少できていた。また、図８に示したスライス面のボクセル数は約77,800個であり、こちらもフルピクセルモデルに対して、約30%に減少できた。
それぞれのモデルによる計算結果は、全領域において統計精度の範囲内で一致し、２つのモデルが同等の計算精度を有していることを確認した。
(2) Calculation results of the human model The number of voxels in the corner model is 262,144 per slice plane (512 x 5125) in the case of the full pixel model, whereas in the non-uniform voxel model of the MLV method, for each slice The number of voxels is different, and the number of voxels on the slice plane shown in FIG. 7 is about 66,000, and the number of voxels can be reduced to about 25% with respect to the full pixel model. In addition, the number of voxels on the slice plane shown in FIG. 8 was about 77,800, which was also reduced to about 30% compared to the full pixel model.
The calculation results by each model were consistent within the range of statistical accuracy in all regions, and it was confirmed that the two models had equivalent calculation accuracy.
続いて表２に２つの計算モデルによる1千万粒子輸送当たりの計算時間を比較した結果を示す。MLV法による不均一ボクセルモデル計算は、フルピクセルモデルでの計算に対して、計算時間を約５０％短縮することができた。 Next, Table 2 shows the results of comparison of calculation time per 10 million particle transport using two calculation models. The non-uniform voxel model calculation by the MLV method was able to reduce the calculation time by about 50% compared with the calculation by the full pixel model.
表２に示すように、MLV法による不均一ボクセルモデルの計算はフルピクセルモデルでの計算に対して同一の計算精度を保ちながら時間時間を約半分に短縮して線量計算を完了できた。 As shown in Table 2, the calculation of the non-uniform voxel model by the MLV method was able to complete the dose calculation by reducing the time and time by about half while maintaining the same calculation accuracy as the calculation by the full pixel model.
＜考察＞
円筒水ファントム体系及び人体頭部の体系に対して各計算手法による線量計算の比較検証から、MLV法でモデリングした計算は、フルピクセルモデルと同等の計算精度を有していることを確認した。これはフルピクセルモデルもMLV法による不均一ボクセルモデルも材質の定義上ではジオメトリ構造は全く同一であるためである。しかしボクセル数が大きく異なることから、MLV法を用いることで、計算精度はそのままに、計算時間を約半分程度まで短縮することが可能である。
<Discussion>
From comparison verification of dose calculation by each calculation method for the cylindrical water phantom system and the human head system, it was confirmed that the calculation modeled by the MLV method has the same calculation accuracy as the full pixel model. This is because both the full pixel model and the non-uniform voxel model by the MLV method have exactly the same geometric structure in terms of material definition. However, since the number of voxels differs greatly, it is possible to reduce the calculation time to about half by using the MLV method without changing the calculation accuracy.
現在治療で使われている混合材質モデルとの比較では、単純形状のファントムモデルに対しては、2mm角の混合材質モデルに対しては、計算時間の増分は約17%程度であり、MLV法による線量計算も十分実用的であると考えられる。一方ボクセル数が大幅に少ない5mm角の混合材質モデルに対しては、計算時間が約2倍程度かかっている。しかし混合材質モデルでは、異なる材質の境界面で大きな誤差を生じるため、実用面では課題が残ったままであるが、MLV法を用いることで計算精度を実測値と同等までに高精度化することが可能である。 Compared to the mixed material model currently used in treatment, the calculation time increment is about 17% for the 2mm square mixed material model for the simple shape phantom model, and the MLV method It is considered that the dose calculation by the method is sufficiently practical. On the other hand, the 5mm square mixed material model with significantly fewer voxels takes about twice as much calculation time. However, the mixed material model causes a large error at the interface between different materials, so there are still problems in practical use. However, using the MLV method can improve the calculation accuracy to the same level as the actual measurement value. Is possible.
MLV法は、さらにアルゴリズムを最適化、高度化することが可能であり、現在は1スライスあたりで16x16ピクセルごとにLarge Voxel を定義しているが、例えば、2つのスライスを組み合せて16ｘ16ｘ2スライス（512ピクセル）を1つのLarge Voxel に置き換えてモデリングすることにより、さらにボクセル数を低減することができる。表３は、上記の頭部モデルをこの16x16x2ピクセルで組み合わせた場合の不均一ボクセルモデルによる計算結果を示している。 The MLV method can further optimize and enhance the algorithm, and currently defines a Large Voxel for each 16x16 pixel per slice. For example, the MLV method combines two slices into a 16x16x2 slice (512 By replacing (pixel) with a single Large Voxel, the number of voxels can be further reduced. Table 3 shows the calculation result by the non-uniform voxel model when the above head model is combined with the 16 × 16 × 2 pixels.
この組み合わせを用いることで、計算時間をさらに約34％短縮することができ、フルピクセルモデルに対しては、計算時間を約１／３まで短縮することができた。
このように本アルゴリズムは計算体系に応じて、最適化することで計算効率をさらに向上させることができる。また、本手法は、一般に広く普及しているMCNPやPHITSなどのLattice機能を有している汎用のモンテカルロコードで（ほとんどコードの改良を伴うことなく）利用することができる。
By using this combination, the calculation time could be further reduced by about 34%, and for the full pixel model, the calculation time could be reduced to about 1/3.
As described above, this algorithm can be further improved in calculation efficiency by optimizing according to the calculation system. In addition, this method can be used in general-purpose Monte Carlo codes having a Lattice function such as MCNP and PHITS that are generally widely used (with almost no code improvement).
この手法は、モンテカルロ法を治療に実用しているBNCT分野で先行的に開発したが、従来のX線治療、粒子線治療分野にも適用が可能である。この手法を用いることでX線治療、粒子線治療においてモンテカルロ法による治療計画が実現する可能性もある。また、本手法は放射線治療の人体モデルに対して検証を実施したが、実際には複雑形状の計算対象物すべてに対して応用が可能である。 This method was developed in advance in the field of BNCT where the Monte Carlo method is used for treatment, but it can also be applied to the fields of conventional X-ray therapy and particle beam therapy. By using this method, there is a possibility of realizing a treatment plan by the Monte Carlo method in X-ray therapy and particle beam therapy. In addition, although this method has been verified for a human body model for radiation therapy, it can actually be applied to all objects with complex shapes.
Claims (11)
(a) 撮影画像のスライスデータを、一つの領域内に所定個数のピクセルが含まれるように複数の領域に分割する工程、
(b) 分割された１つの領域内に含まれるピクセルが、すべて同じ特徴を有する組織又は物質を表すときは、当該ピクセル同士を結合して１つのボクセルデータに置換する工程、
(c) 分割された１つの領域内に、異なる特徴を有する組織又は物質を表すピクセルが含まれるときは、当該１つの領域内のピクセルデータを混合ボクセルデータとして定義する工程、
(d) 前記工程(b)及び工程(c)を繰り返して、置換されたボクセルデータ及び混合ボクセルデータを含むスライスデータを取得する工程、並びに
(e) 前記工程(d)により取得された複数のスライスデータを多段階に積み重ねる工程、
を含む前記方法。 A computer, a stack of slice data of the captured image that includes the different voxels sizes, a method of causing formation of 3-dimensional model of the imaging target, the following steps:
(a) dividing the sliced image data into a plurality of areas so that a predetermined number of pixels are included in one area;
(b) When the pixels included in one divided region all represent tissues or materials having the same characteristics, the pixels are connected to each other and replaced with one voxel data;
(c) when a pixel representing a tissue or a substance having different characteristics is included in one divided region, defining pixel data in the one region as mixed voxel data;
(d) repeating the steps (b) and (c) to obtain slice data including the substituted voxel data and the mixed voxel data; and
(e) a step of stacking a plurality of slice data acquired in the step (d) in multiple stages,
Including said method.
(a) 撮影画像のスライスデータを、一つの領域内に所定個数のピクセルが含まれるように複数の領域に分割する手順、
(b) 分割された１つの領域内に含まれるピクセルが、すべて同じ特徴を有する組織又は物質を表すときは、当該ピクセル同士を結合して１つのボクセルデータに置換する手順、
(c) 分割された１つの領域内に、異なる特徴を有する組織又は物質を表すピクセルが含まれるときは、当該１つの領域内のピクセルデータを混合ボクセルデータとして定義する手順、
(d) 前記手順(b)及び手順(c)を繰り返して、置換されたボクセルデータ及び混合ボクセルデータを含むスライスデータを取得する手順、並びに
(e) 前記手順(d)により取得された複数のスライスデータを多段階に積み重ねる手順、
を実行させるための前記プログラム。 A program for causing a computer to stack slice data of photographed images including voxels having different sizes to form a three-dimensional model to be photographed. The procedure is as follows:
(a) a procedure for dividing slice data of a captured image into a plurality of regions so that a predetermined number of pixels are included in one region;
(b) When pixels included in one divided region all represent tissues or substances having the same characteristics, a procedure for combining the pixels and replacing them with one voxel data;
(c) When a pixel representing a tissue or a substance having different characteristics is included in one divided area, a procedure for defining pixel data in the one area as mixed voxel data,
(d) repeating the steps (b) and (c) to obtain slice data including replaced voxel data and mixed voxel data; and
(e) a procedure of stacking a plurality of slice data acquired in the procedure (d) in multiple stages;
The said program for performing.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2010232524A JP5641503B2 (en) | 2010-10-15 | 2010-10-15 | Multi-step lattice voxel method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2010232524A JP5641503B2 (en) | 2010-10-15 | 2010-10-15 | Multi-step lattice voxel method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2012088771A JP2012088771A (en) | 2012-05-10 |
| JP5641503B2 true JP5641503B2 (en) | 2014-12-17 |
Family
ID=46260367
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2010232524A Active JP5641503B2 (en) | 2010-10-15 | 2010-10-15 | Multi-step lattice voxel method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP5641503B2 (en) |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6211469B2 (en) * | 2014-06-16 | 2017-10-11 | 住友重機械工業株式会社 | Radiation therapy simulation device |
| WO2017170909A1 (en) * | 2016-03-31 | 2017-10-05 | 住友重機械工業株式会社 | Therapy planning system for neutron capture therapy |
| JP6914524B2 (en) * | 2016-09-01 | 2021-08-04 | 国立大学法人 東京大学 | Part shape extraction system, part shape extraction method, computer program, and user interface device |
| CN108295384B (en) | 2017-01-11 | 2020-02-28 | 南京中硼联康医疗科技有限公司 | Tissue element mass proportion deconstruction method and geometric model building method based on medical image |
| CN108310677B (en) | 2017-01-11 | 2020-02-28 | 南京中硼联康医疗科技有限公司 | Smooth geometric model establishing method based on medical image data |
| EP3388107B1 (en) * | 2017-04-13 | 2021-10-13 | RaySearch Laboratories AB | Method, system and computer program product for ion radiotherapy |
| JP6969149B2 (en) | 2017-05-10 | 2021-11-24 | 富士フイルムビジネスイノベーション株式会社 | 3D shape data editing device and 3D shape data editing program |
| JP6969157B2 (en) | 2017-05-24 | 2021-11-24 | 富士フイルムビジネスイノベーション株式会社 | 3D shape data editing device and 3D shape data editing program |
| JP6958837B2 (en) * | 2017-11-27 | 2021-11-02 | 地方独立行政法人東京都立産業技術研究センター | Body shape data conversion device, body shape data conversion method and program |
| JP2022041706A (en) | 2020-09-01 | 2022-03-11 | 富士フイルムビジネスイノベーション株式会社 | Three-dimensional shape data processor and three-dimensional shape data processing program |
| CN114367061B (en) * | 2020-10-14 | 2023-06-23 | 中硼(厦门)医疗器械有限公司 | Boron neutron capture treatment system and treatment plan generation method thereof |
| WO2022168925A1 (en) * | 2021-02-04 | 2022-08-11 | 株式会社Kompath | Information processing system, program, and information processing method |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4882679A (en) * | 1987-11-27 | 1989-11-21 | Picker International, Inc. | System to reformat images for three-dimensional display |
| US6155978A (en) * | 1998-12-09 | 2000-12-05 | General Electric Company | Three-dimensional imaging by projecting morphologically filtered pixel data |
| WO2004075116A1 (en) * | 2003-02-18 | 2004-09-02 | Koninklijke Philips Electronics N.V., | Volume visualization using tissue mix |
| US20060114254A1 (en) * | 2004-11-26 | 2006-06-01 | Tim Day | Volume rendering apparatus and method |
| JP2010136765A (en) * | 2008-12-09 | 2010-06-24 | Toshiba Corp | Image processor |
-
2010
- 2010-10-15 JP JP2010232524A patent/JP5641503B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2012088771A (en) | 2012-05-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5641503B2 (en) | Multi-step lattice voxel method | |
| JP6754841B2 (en) | How to set a geometric model based on medical image data | |
| CN109843377A (en) | System and method for predicting the learning model of the radiotherapeutic treatment plan of radiation therapy dose distribution | |
| Maspero et al. | Quantification of confounding factors in MRI-based dose calculations as applied to prostate IMRT | |
| JP6938647B2 (en) | How to build a smoothed geometric model based on medical image data | |
| JP6938646B2 (en) | Deconstruction method of tissue element mass ratio based on medical images and method of constructing geometric model | |
| Sarrut et al. | Region‐oriented CT image representation for reducing computing time of Monte Carlo simulations | |
| CN104603840A (en) | Dose deformation error calculation method and system | |
| JP6108379B2 (en) | Information processing apparatus, information processing method and program for radiation therapy planning based on probability density distribution of absorbed dose | |
| Khodajou-Chokami et al. | Personalized Computational Human Phantoms via a Hybrid Model-based Deep Learning Method | |
| Wojnecki et al. | A preliminary comparative study of two treatment planning systems developed for boron neutron capture therapy: MacNCTPlan and SERA | |
| Xie et al. | Historical development and overview of computational animal models | |
| Mehranian et al. | CT2MCNP: An integrated package for constructing patient-specific voxel-based phantoms dedicated for MCNP (X) Monte Carlo code | |
| Vieira et al. | Development of anthropomorphic computational phantoms at the UFPE | |
| George Xu | Computational phantoms for organ dose calculations in radiation protection and imaging | |
| Zu | The vip-man model-a digital human testbed for radiation siimulations | |
| Antunes et al. | Reconstruction of segmented human voxel phantoms for skin dosimetry | |
| TW202307861A (en) | Dose planning system | |
| Kluson et al. | Application of the mathematical modelling and human phantoms for calculation of the organ doses | |
| CHIAVASSA et al. | COMPUTER TIME (CPU) COMPARISON OF SEVERAL INPUT FILE FORMATS CONSIDERING DIFFERENT VERSIONS OF MCNPX IN CASE OF PERSPONALISED VOXEL-BASED DOSIMETRY | |
| Lin et al. | Development of a whole-body tetrahedral mesh human phantom for radiation dose calculations using new mcnp 6.1 geometrical features | |
| JOURDAIN et al. | COMPUTER TIME (CPU) COMPARISON OF SEVERAL INPUT FILE FORMATS CONSIDERING DIFFERENT VERSIONS OF MCNPX IN CASE OF PERSPONALISED VOXEL-BASED DOSIMETRY SOPHIE CHIAVASSA', MANUEL BARDIÈS', DIDIER FRANCK², JEAN-RENÉ |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20131007 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20140630 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20140715 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140910 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20140930 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20141020 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 5641503 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |