JP6316078B2 - 患者位置決めシステム、および位置ずれ量算出方法 - Google Patents

Description

本発明は、放射線や粒子線などを患者の病巣部に照射して治療を行う放射線治療における、好適な患者位置決めシステムに関する。

放射線治療では、始めに、Ｘ線のＣＴ（Computed Tomography）装置を用いて患者の病巣部を撮影した治療計画用３次元ＣＴデータを取得し、このＣＴデータの診断結果に基づいて治療計画を立てる。このとき３次元ＣＴデータに基づいて腫瘍患部の位置や形状を特定し、放射線を照射する方向や照射線量などを決める。次に、決定した治療計画に基づいて放射線治療を行うことになる。しかし、ＣＴ撮影時から放射線治療までの間にかなりの時間が経過していると、治療時における治療台の患者の位置や***が治療計画作成時の患者の位置や***と異なっていることが多い。そのため放射線治療を行う前に、現在の患者位置と治療計画時の患者位置のずれを補正する必要がある。

このずれの補正量を算出するために、従来より、治療時においても治療台の患者の３次元ＣＴデータを取得し、この治療時ＣＴデータと、治療計画時ＣＴデータとを比較して、画像処理を施すことによってずれ量を算出することが行われている。（例えば特許文献１参照）。また、特許文献２には、治療時には位置決め用にＸ線透視像を取得し、治療計画時ＣＴデータとこのＸ線透視像の重ね合せを行う際に、コンピュータ上でＣＴデータに対する仮想的透視投影により２次元ＤＲＲを得て、Ｘ線透視像との一致度評価関数値が最大になるように透視投影パラメータを最適化して治療計画時とのずれ量を計算することが開示されている。治療時には、治療放射線が患部の適切な位置を照射するように、算出したずれ量に基づいて治療台の３次元位置と姿勢を調整する。

国際公開第２０１０／１４３４００号 特開２０１３−９９４３１号公報 特開２０１１−２００５４２号公報

内田伸江、「放射線治療における計画用MRI画像の歪みの影響の研究」、島根大学医学部付属病院・医学教育研究成果報告書、No.28、2009. 土橋俊男、「腹部MRI・MRAのアーチファクト─発生原因と対策─」、放射線医学雑誌「アールティ」、エーザイ（株）発行、No.5、2001. Jezzard, "The Physical Basis of Spatial Distortions in Magnetic Resonance Images", Academic Press, pp499-514, 2008. Baldwin et al., "Characterization, prediction, and correction of geometric distortion in 3 T MR images", Medical Physics, Vol.34, No.2, pp.388-399, 2007. Belongie et al., "Matching Shapes", International Conference on Computer Vision, Vol.1, pp.454-461, July, 2001. H. Abdi, "A Neural Network Primer", Journal of Biological Systems, Vol.2(3), pp247-283, 1994.

放射線治療の中で粒子線治療は、数十回に分けて粒子線の照射を実施して治療する方法である。このため、照射の度に治療計画時と照射時のターゲット（腫瘍）の３次元的位置と姿勢のずれを算出し、患者が載った治療台を制御する位置決めを行う必要がある。ここで、治療計画はＸ線のＣＴデータを用いて行われることが一般的になっている。したがって、治療計画時にＣＴデータを取得することが必須であり、治療計画に用いたＣＴデータが治療時の基準データとなる。従来は、特許文献１〜３に記載されているように、治療時に患者を位置決めする際に用いる基準データも、治療計画に用いたＣＴデータを用いることが一般的であり、治療時にも治療台に載った患者のＣＴデータ、あるいはＸ線２次元透視画像を取得して、基準となる治療計画に用いたＣＴデータとのずれを評価して患者の位置決めを行うことが行われている。

しかしながら、上記のように、粒子線の照射を数十回に分けて行うため、従来行われている位置決め方法では、患者はその都度、位置決めのためにＸ線を被曝することになり、治療全体では無視できないＸ線被曝量となるという問題があった。

Ｘ線ＣＴなどのＸ線に代わるもう一つの画像センシング手段としてＭＲＩがあり、位置決めにＭＲＩを導入すれば被曝量を低減できる。しかし、治療計画は三次元データを構成する各ボクセルデータが生体組織の特性を反映しているため、必ずＣＴデータに基づいて治療計画を行う必要があり、上記のように位置決めの基準となるデータもＣＴデータとすることが一般的である。また、ＣＴデータと異なりＭＲＩデータには歪みが伴うこともあって、粒子線治療における位置決めの画像センシング手段にＭＲＩが導入されているケースはこれまでなかった。

本発明は、上記のような問題点を解決するためになされたものであり、ＭＲＩデータに歪みがあっても、治療時にＭＲＩデータのみの取得により患者の位置決めができ、患者のＸ線被曝を低減できる患者位置決めシステムを提供することを目的とする。

本発明の患者位置決めシステムは、治療計画時にＣＴ装置により患者の患部を撮像して計画時ＣＴデータを取得するＣＴデータ取得部と、治療計画時にＭＲＩ装置により患者の患部を撮像して計画時ＭＲＩデータを取得する計画時ＭＲＩ画像取得部と、計画時ＭＲＩデータの歪みを学習して歪み情報を得るとともに、計画時ＭＲＩデータを歪み情報を用いて補正して参照用ＭＲＩデータを求める歪み学習部と、治療時にＭＲＩ装置により治療台に載った患者の患部を撮像して治療時ＭＲＩデータを取得する治療時ＭＲＩデータ取得部と、治療時ＭＲＩデータを、歪み情報を用いて補正し、治療時補正ＭＲＩデータを求める歪み補正部と、参照用ＭＲＩデータと治療時補正ＭＲＩデータとを用いて、患者の位置ずれ量を算出して治療台を制御する位置決め部と、予め前記ＭＲＩ装置の機器依存歪み情報を計測して求めて記憶する機器依存歪み情報記憶部とを備え、歪み学習部において、機器依存歪み情報を用いて計画時ＭＲＩデータを補正して中間参照用ＭＲＩデータを求め、この中間参照用ＭＲＩデータと計画時ＣＴデータとを用いて、計画時ＭＲＩデータに含まれる患者依存歪み情報を求め、この患者依存歪み情報と機器依存歪み情報を歪み情報とするとともに、患者依存歪み情報を用いて中間参照用ＭＲＩデータを補正して参照用ＭＲＩデータを求め、歪み補正部において、患者依存歪み情報と機器依存歪み情報とを用いて治療時ＭＲＩデータを補正し、治療時補正ＭＲＩデータを求めるようにしたものである。

この発明によれば、治療時にＭＲＩデータの取得のみで患者の位置決めができ、患者のＸ線被曝を低減できる患者位置決めシステムを提供できる。

この発明の実施の形態１による患者位置決めシステムの構成を示すブロック図である。 この発明の実施の形態１による患者位置決めシステムの治療計画時の動作を説明するためのブロック図である。 この発明の実施の形態１による患者位置決めシステムの歪み学習部の動作を説明するための第一の図である。 この発明の実施の形態１による患者位置決めシステムの歪み学習部の動作を説明するための第二の図である。 この発明の実施の形態１による患者位置決めシステムの歪み学習部の動作を説明するための第三の図である。 この発明の実施の形態１による患者位置決めシステムの歪み学習部の動作を説明するための第四の図である。 この発明の実施の形態１による患者位置決めシステムの治療時の動作を説明するためのブロック図である。 この発明の実施の形態１による患者位置決めシステムのデータの流れを示すフロー図である。 この発明の実施の形態２による患者位置決めシステムのデータの流れを示すフロー図である。

実施の形態１．
ＣＴとＭＲＩは同じ部位を撮影したとしても画像の性質にかなり開きがある。既存方式としてＣＴとＭＲＩのフュージョン画像生成という技術は存在するが、ＣＴ画像とＭＲＩ画像を位置合わせする際にうまくいかないケースが多発する。そのため、ＭＲＩ位置決め技術の実現手段として治療計画時Ｘ線ＣＴ、照射時ＭＲＩという形式は難しかった。本発明者は、治療計画時にＣＴとＭＲＩを同時、つまり姿勢・位置固定で取得し、照射時にＭＲＩを取得する、という形式で照射時に位置決めが可能で、患者のＸ線被曝を低減できるシステムを実現することを提案する。

図１は本発明の実施の形態１による患者位置決め装置の動作、構成を示すブロック図である。一般に、粒子線治療だけでなく放射線治療は、治療計画フェーズと治療（照射）フェーズに分かれるため、以下では両フェーズにわけて動作を説明する。図１の点線枠で示すように、治療計画データ取得部１から重ね合せ部５までが治療計画フェーズ、治療時ＭＲＩ画像取得部６から位置決め部８までが治療（照射）フェーズに相当する。

図２に治療計画時の装置全体の概略構成を示し、図１と図２を参照して治療計画フェーズの動作を説明する。まず、患者を固定するストレッチャー３０に載った患者４０の治療対象となる患部を含む部位をＣＴ装置１０で撮影し、治療計画データ取得部１で計画時ＣＴデータを取得する。次に計画時ＣＴデータと同じ部位をＭＲＩ装置２０で撮影し、計画時ＭＲＩ画像取得部２で計画参照画像としての計画時ＭＲＩデータを取得する。計画時ＣＴデータと計画時ＭＲＩデータは同じ姿勢で患者４０を撮影する必要があるため、ＣＴ装置１０でのＣＴデータ取得終了後、ストレッチャー３０などに患者４０の身体を固定してＭＲＩ装置２０へ移動し、ＭＲＩデータを取得する。

本発明において、治療時のみならず治療計画時にＭＲＩデータを取得する理由は２点ある。１点は、ＣＴデータに比べてＭＲＩデータの方が骨を含まない軟部組織のコントラストが良好であり腫瘍や臓器輪郭を特定するのに有利であることである。もう１点は、治療計画時にもＭＲＩデータを取得しておくことにより、Ｘ線被曝が無いＭＲＩデータの取得のみで治療時の患者の位置決めを行うことができるようにするためである。治療計画のために取得が必須となっているＣＴデータと治療時に取得するＭＲＩデータとでは撮像原理が異なるため、位置ずれを含む２つの異なるモダリティ画像を直接照合するのが困難である。しかし、本発明により、治療計画時に計画参照画像としてＭＲＩデータを取得するようにしたことにより、治療時にはＭＲＩデータの取得のみを用いた患者の位置決めを実現したのである。

また、治療計画時にストレッチャー３０などで患者の姿勢を固定する理由は、もし治療計画の段階でＣＴデータ取得時とＭＲＩ取得時で患者の姿勢が異なると、ＭＲＩデータに含まれる姿勢的なずれと、患者の体内組織構成を起因とする患者依存の歪みが区別できないからである。あくまでも、粒子線治療のための治療計画およびそれに含まれる腫瘍位置の特定はＣＴデータに基づいて行うため、ＣＴデータにマーキングされた腫瘍位置を真値とする。ストレッチャー３０利用で患者の姿勢を固定して、ＭＲＩデータを取得し、ＭＲＩデータに含まれる機器依存的歪みを除去した後、治療計画段階のＣＴデータとＭＲＩデータを比較することによってはじめて患者依存の歪みが抽出できる。

ここで、ＭＲＩデータに含まれる歪みについて説明する。非特許文献２によれば、ＭＲＩデータに含まれるアーチファクト（歪み）はＭＲＩ撮像装置に起因する機器依存的歪みと、患者体内の組織構成に起因する患者依存の歪みに大きく分けられる。前者の機器依存的歪みはＭＲＩ機器毎に一定であるため、使用前にファントム等の利用で撮影対象となる３次元空間の磁場の歪みを予め計測しておけば、予め計測した機器依存歪み情報を位置決めのたびに利用して歪みを補正することが可能である。

一方、後者の患者依存の歪みは、非特許文献２によれば呼吸由来、血流由来、磁性体由来、および化学成分由来の４つの歪みから構成される。呼吸由来の歪みは、呼吸同期撮像や、呼吸停止下での撮像により抑えることができる。血流由来の歪みは、非特許文献３に記載されたpresaturation pulse法を用いることである程度抑制できることが知られている。磁性体由来の歪みは、血管閉塞用金属コイル、外科手術針、あるいは患者が取り忘れた磁性体等、人の操作で混入した物体に起因するので、ＭＲＩ撮像前に除去することで対処することは可能である。残る問題は化学成分由来による歪みである。非特許文献２によれば、この歪みは化学シフトアーチファクト（ＣＳＡ）と呼ばれ、患者の体内組織に含まれる水と脂肪に起因する。ＭＲＩは体内各組織のプロトン密度と共鳴状態をセンシングして画像化するものであるが、非特許文献２によれば、ＣＳＡは水と脂肪のもつプロトンの共鳴周波数がわずかに異なることにより発生するので、これが患者依存の歪みの主要因と考えられる。

上記を踏まえ、再び当該位置決めシステムの動作説明に戻る。予めファントム等の利用で機器依存的ＭＲＩデータの歪み情報を取得しておき、この歪み情報を機器依存歪み情報記憶部３に記憶しておく。非特許文献４には、ＭＲＩ機器の撮影対象となる３次元空間の各計測ポイントにおける磁場の歪みを計測するキャリブレーション用立体格子ファントムを用いた補正手法が記載されており、同じ手法を用いれば機器依存のＭＲＩデータの歪み情報を取得することができる。

続いて歪み学習部４により、機器依存歪み情報記憶部３に記憶されている機器依存歪み情報を用いて、計画時ＭＲＩ画像取得部２で取得したＭＲＩデータを補正し、ＭＲＩデータの機器依存的歪みを補正した中間参照用ＭＲＩデータを得る。この中間参照用ＭＲＩデータと、治療計画データ取得部１で取得した計画時ＣＴデータとを比較することにより、患者依存的ＭＲＩデータ歪みに起因する治療対象部位形状のずれ量を算出できる。このようにして得られた、画像としてのＭＲＩデータ画素値とずれ量との関係をニューラルネット等の機械学習で学習する。歪み学習部４で取得される、計画時ＭＲＩデータに含まれる機器依存的歪みと患者依存的歪み情報は、いずれも後述の歪み補正部７に転送される。

ここで、歪み学習部４の動作を、図３〜図６を用いて説明する。図３は非特許文献５に記載された２つの同一文字パターン（図３（Ａ）と図３（Ｂ）、この例ではいずれも手書き文字アルファベットＡを二値化した際の輪郭点を特徴点とする）間で、特徴点毎の対応を計算するアルゴリズムの結果（図３（Ｃ））の例である。非特許文献５に記載された手法を本発明に取り込むには、計画時ＣＴデータと、計画時ＭＲＩデータの機器依存的歪みが補正された中間参照用ＭＲＩデータを対象として、治療対象となる腫瘍あるいは臓器等の部位の輪郭に適用すればよい。輪郭上の特徴点は等間隔で自動的に抽出してもよいし、ユーザー操作で特徴点を与えてもよい。図３（Ｃ）の結果は本発明では患者依存的歪みに相当するため、その画像としてのＭＲＩデータ画素値を入力、ベクトル的に示されるずれ量を出力として学習すれば、後述の治療フェーズで歪み補正部７において患者依存の歪み情報として利用し、歪みを補正できる。

次に図４を用いて、歪み学習部４の動作として、計画時ＣＴデータと、機器依存的歪みが補正された中間参照用ＭＲＩデータとの間に生じるずれ量を学習するために、入力データおよび教師信号をどのように与えるかについて説明する。図４（Ａ）は粒子線治療対象を肝臓として治療計画時に取得する、肝臓を含む人体腹部ＣＴデータの断面の例であり、治療対象である肝臓の位置は治療計画時に指定した腫瘍輪郭４１で示される。図４（Ｂ）は図４（Ａ）の腫瘍輪郭４１を抜き出して実線で示し、これに破線で示す中間参照用ＭＲＩデータにおける肝臓の腫瘍輪郭４２を重畳した図である。腫瘍輪郭４１と腫瘍輪郭４２のずれが計画時ＭＲＩデータに含まれる患者依存の歪みを示す。このずれ量ベクトル４３を学習するために、図４（Ｃ）に示すように、ずれ量ベクトル４３の終点を中心とした周辺画素群４４、すなわち中間参照ＭＲＩデータにおける輪郭点上周辺の画素分布からずれ量ベクトルを推定する学習を行う。周辺画素群４４は、ずれ量ベクトル４３の終点を中心として例えば縦横５×５画素からなる２５個の画素値から構成すればよく、ずれ量ベクトル４３は治療計画時の対象データが２次元画像なら（ｘ,ｙ）の２成分から構成すればよい。

次に図５および図６を用いて、歪み学習部４の動作として、計画時ＣＴデータと、機器依存的歪みが補正された中間参照用ＭＲＩデータとの間のずれ量をどのように学習するかについて、その一例を説明する。図５はパターン学習の分野で多用される、入力層１１、中間層１２、出力層１３からなる３層ニューラルネットワークのシステム構成を示す。各層は複数個の処理ユニットから構成され、いずれも同一の入出力特性を持つ。かつ入力層１１と中間層１２間、および中間層１２と出力層１３間は全ての処理ユニットが相互結線され、各結線は重み係数（結合定数）を持ち、学習前に乱数で初期化される。入力データ処理の方向は入力層１１から出力層１３への一方向に流れる。図４の例に沿って言えば、中間参照用ＭＲＩデータを画像として見たときの特徴点近傍の２５個の画素値が同数個の処理ユニットを持つ入力層１１に入力される。中間層１２では各結線の持つ結合定数で積和が計算され、処理ユニットの特性に従って得られる各処理ユニットの出力値が出力層１３に渡される。出力層１３でも同じ積和演算が行われたのち、出力層１３における２個ある処理ユニットの出力値が教師信号であるずれ量ベクトル（ｘ,ｙ）と比較され、各処理ユニットの出力値と教師信号との誤差の自乗和が計算される。

この自乗誤差を最小にするために用いられる学習則として、例えば非特許文献６に記載された誤差逆伝搬学習則（back propagation）がある。この学習の流れは入力データ処理とは逆に、出力層１３から中間層１２を経て入力層１１へ結合定数の修正が反映される。具体的には、まず中間層１２→出力層１３の結合定数が修正された後、入力層１１→中間層１２の結合定数が修正され、この自乗和が一定しきい値以下になるまで学習が進む。学習が完了した段階で、図６に示すように中間参照用ＭＲＩデータにおける腫瘍輪郭４２上の特徴点を上記の３層ニューラルネットに入力すれば、出力層１３からはずれ補正ベクトル４５が出力され、治療計画時に策定したＣＴデータ上の腫瘍輪郭４１に補正できる。この補正したＭＲＩデータを参照用ＭＲＩデータと呼ぶ。

そして、重ね合せ部５により、計画時ＣＴデータと、治療計画時に最初に取得したＭＲＩデータに含まれる機器依存的歪みと患者依存的歪みを補正した結果としての参照用ＭＲＩデータを重ね合せ、計画時ＣＴデータを元に作成した治療計画内容の位置的情報が参照用ＭＲＩデータと対応付けできるように照合を行う。照合が行われた結果の参照用ＭＲＩデータは、次に説明するように、治療フェーズにおいて位置決めの基準に用いるＭＲＩデータとする。以上が本実施の形態における治療計画フェーズの動作である。

次に、治療フェーズの動作を、治療時の装置全体の概略構成を示す図７および図１を参照して説明する。まず、治療台３１に載った患者４０の治療対象となる患部を含む部位をＭＲＩ装置２０で撮影し、治療時ＭＲＩ画像取得部６において治療時ＭＲＩデータを取得する。当然、治療時ＭＲＩデータにも機器依存的歪みと患者依存的歪みが含まれるため、歪み補正部７により、まず、治療時ＭＲＩデータの機器依存の歪みを、歪み学習部４から送られてきた機器依存歪み情報を用いて補正する。機器依存歪み情報は機器依存歪み情報記憶部３から直接受け取っても良い。次に、歪み学習部４で学習した患者依存の歪み（ずれ量ベクトル）を用いて、ＭＲＩデータを画像としてみたときの腫瘍位置周辺の局所領域の画素値群からずれ量を推定し、治療時ＭＲＩデータのずれを補正して治療時補正ＭＲＩデータとする。

最後に、位置決め部８において、参照用ＭＲＩデータと治療時補正ＭＲＩデータの両方を比較することにより３次元的ずれ量、つまりｘｙｚ３軸に沿った並進的ずれと、ｘｙｚ３軸周りの回転的ずれの計６軸パラメータに関するずれ量を算出する。そのずれ量に従い、患者身体が乗せられた治療台３１を制御して、粒子線照射ノズル５０が治療計画通りに患者４０の患部に照射できるようにする。上述の位置決め部８における参照用ＭＲＩデータと治療時補正ＭＲＩデータはいずれも３次元データであり、患者の位置決めに必要な３次元空間における上述の６軸パラメータに関するずれ量を算出するための方法として、例えば特許文献３に記載されているような位置決め手法がある。すなわち参照用ＭＲＩデータと治療時補正ＭＲＩデータを照合するために、それぞれの３次元空間における特徴点を抽出した後、ＩＣＰ（Iterative Closest Points）マッチング手法により、ワイヤーフレームを合わせるような感覚で両３次元データを重ね合せ、最も近づいた時点での上記６軸パラメータのずれ量を取得すれば、患者位置決めのための治療台制御に必要な制御量を取得することができる。

以上をまとめて、データの流れを図８に示す。まず、治療計画フェーズにおいて、治療計画用ＣＴデータ１０１および計画時ＭＲＩデータ１０２を取得する。また、治療計画時にキャリブレーション用立体格子ファントムを用いて３次元空間の各ポイントのずれを定量的に計測した機器依存歪み情報１０３を求める。歪み学習部４において、機器依存歪み情報１０３を用いて計画時ＭＲＩデータ１０２のＭＲＩ機器依存の歪みを補正して中間参照用ＭＲＩデータ１０５を求める。さらに、歪み学習部４において、治療計画用ＣＴデータ１０１と機器依存的歪みを除去した中間参照用ＭＲＩデータ１０５とを用いて、患者の内部組織の化学的組成に起因する患者依存的歪みを補正するための患者依存歪み学習１０６を行うことにより患者依存歪み情報１０７を得ることができる。以上の機器依存歪み情報１０３および患者依存歪み情報１０７を歪み情報１０８として治療時のＭＲＩデータを補正する情報として用いる。歪み学習部４においては、中間参照用ＭＲＩデータ１０５を患者依存歪み情報により補正して参照用ＭＲＩデータ１０９を得る。このようにして、治療時の位置決めの基準データとして用いることができる参照用ＭＲＩデータ１０９が得られる。参照用ＭＲＩデータ１０９は、重ね合せ部５において、治療計画用ＣＴデータ１０１と重ね合せることにより、参照用として使用できるデータかどうか確認される。もし、参照用ＭＲＩデータ１０９が参照用として使用できるほど治療計画用ＣＴデータ１０１に重ね合せることができない場合は、歪み情報１０８を修正して参照用として使用できるデータにする。

治療フェーズにおいては、歪み補正部７において、歪み学習部４で学習して得た歪み情報１０８を用いて、治療時ＭＲＩ画像取得部６で取得した治療時ＭＲＩデータ１１０に含まれる各種歪みを補正して、参照用ＭＲＩデータ１０９と比較が可能な治療時補正ＭＲＩデータ１１１を得ることができる。位置決め部８において、これら参照用ＭＲＩデータ１０９と治療時補正ＭＲＩデータ１１１を比較することにより、患者の位置ずれ量算出１１２を実行する。このように、治療計画時のＭＲＩデータとＣＴデータを用いて、各種の歪み情報を学習により得て、得た歪み情報を用いて、治療計画時および治療時のＭＲＩデータを補正して比較することにより、高精度の位置決め精度が求められる粒子線治療において、ＭＲＩデータのみを用いて高精度に患者身***置のずれを算出することが可能になった。

なお、図１における、治療計画データ取得部１、計画時ＭＲＩ画像取得部２、機器依存歪み情報記憶部３、歪み学習部４、重ね合せ部５、歪み補正部７、治療時ＭＲＩ画像取得部６、位置決め部８は、通常、計算機に備える。それぞれ別々の計算機に備えてもよいし、全て一つの計算機に備えても、複数の計算機に分けて備えてもよい。また、本実施の形態では、治療計画時における両装置の撮影順序をＣＴ撮影のあとにＭＲＩ撮影となる説明を示したが、その逆、つまりＭＲＩ撮影のあとにＣＴ撮影を行ってもよい。

実施の形態２．
本実施の形態２は、実施の形態１と同じく図１に示したブロック図に沿って動作するが、歪み学習部４における動作が異なる。実施の形態１では、歪み学習部４における動作として、計画時ＭＲＩデータに含まれる機器依存的歪みと患者依存の歪みの両方を扱い、患者依存的歪みをあらかじめニューラルネット学習することにより、治療時ＭＲＩデータに対しても治療計画時の学習結果を用いて患者依存的歪みを補正する例で説明した。本実施の形態では、ＭＲＩデータに含まれる患者依存の歪みが少なく、位置決め誤差に影響しない場合を想定し、治療スピードを優先して、治療計画時に学習したＭＲＩデータの患者依存的歪みは使わず、機器依存歪み情報記憶部３の情報のみで歪み補正を行う。

実際に、頭頚部などが治療対象部位の場合は組織が均一であり、水や脂肪等の組織の違いでもたらされる患者依存の歪みが他の部位に比べて小さいことが知られている。その場合はＭＲＩデータに含まれる歪みは機器依存的歪みが支配的であるため、実施の形態１で説明した機器依存歪み情報記憶部３に記憶されている機器依存歪み情報をそのまま歪み学習部４で用いる歪み補正情報として用いる。

図９に実施の形態２による患者位置決めシステムのデータの流れを示す。計画時ＭＲＩデータ１０２を機器依存歪み情報１０３により補正して参照用ＭＲＩデータ１０９とする。ここでは、歪み情報１０８は機器依存歪み情報１０３だけとなる。治療時ＭＲＩデータ１１０も機器依存歪み情報のみを用いて治療時補正ＭＲＩデータ１１１とする。位置決め部８では、これら参照用ＭＲＩデータ１０９と治療時補正ＭＲＩデータ１１１を用いてずれ量を算出し、治療台３１を制御して位置決めを行う。

このように、治療対象の部位の組織的および化学的組成に基づいて歪み学習部４の動作を切り替え、ＭＲＩデータに含まれる歪みのうち、患者依存的歪みが小さい場合は機器依存のみを歪み補正情報として用いるので、実施の形態１よりも高速に、かつＭＲＩデータに含まれる歪みの補正により、高精度に患者身***置のずれを算出することができる。

なお、本発明は、その発明の範囲内において、各実施の形態を適宜、変形、省略したりすることが可能である。

１ 治療計画データ取得部、２ 計画時ＭＲＩ画像取得部、３ 機器依存歪み情報記憶部、４ 歪み学習部、５ 重ね合せ部、６ 治療時ＭＲＩ画像取得部、７ 歪み補正部、８ 位置決め部、１０ ＣＴ装置、２０ ＭＲＩ装置、３１ 治療台、４０ 患者、１０１ 治療計画用ＣＴデータ、１０２ 計画時ＭＲＩデータ、１０３ 機器依存歪み情報、１０５ 中間参照用ＭＲＩデータ、１０７ 患者依存歪み情報、１０８ 歪み情報、１０９ 参照用ＭＲＩデータ、１１０ 治療時ＭＲＩデータ、１１１ 治療時補正ＭＲＩデータ

Claims (2)

1. 治療計画時にＣＴ装置により患者の患部を撮像して計画時ＣＴデータを取得するＣＴデータ取得部と、
   治療計画時にＭＲＩ装置により患者の患部を撮像して計画時ＭＲＩデータを取得する計画時ＭＲＩ画像取得部と、
   前記計画時ＭＲＩデータの歪みを学習して歪み情報を得るとともに、前記計画時ＭＲＩデータを前記歪み情報を用いて補正して参照用ＭＲＩデータを求める歪み学習部と、
   治療時に前記ＭＲＩ装置により治療台に載った患者の患部を撮像して治療時ＭＲＩデータを取得する治療時ＭＲＩデータ取得部と、
   前記治療時ＭＲＩデータを、前記歪み情報を用いて補正し、治療時補正ＭＲＩデータを求める歪み補正部と、
   前記参照用ＭＲＩデータと前記治療時補正ＭＲＩデータとを用いて、患者の位置ずれ量を算出して前記治療台を制御する位置決め部と、
   予め前記ＭＲＩ装置の機器依存歪み情報を計測して求めて記憶する機器依存歪み情報記憶部とを備え、
   前記歪み学習部において、前記機器依存歪み情報を用いて前記計画時ＭＲＩデータを補正して中間参照用ＭＲＩデータを求め、この中間参照用ＭＲＩデータと前記計画時ＣＴデータとを用いて、前記計画時ＭＲＩデータに含まれる患者依存歪み情報を求め、この患者依存歪み情報と前記機器依存歪み情報を前記歪み情報とするとともに、前記患者依存歪み情報を用いて前記中間参照用ＭＲＩデータを補正して前記参照用ＭＲＩデータを求め、
   前記歪み補正部において、前記患者依存歪み情報と前記機器依存歪み情報とを用いて前記治療時ＭＲＩデータを補正し、前記治療時補正ＭＲＩデータを求めることを特徴とする患者位置決めシステム。
2. 治療計画時にＣＴ装置により患者の患部を撮像した計画時ＣＴデータを取得するＣＴデータ取得ステップと、
   治療計画時にＭＲＩ装置により患者の患部を撮像した計画時ＭＲＩデータを取得する計画時ＭＲＩデータ取得ステップと、
   前記計画時ＭＲＩデータの歪みを学習して歪み情報を得るとともに、前記計画時ＭＲＩデータを前記歪み情報を用いて補正して参照用ＭＲＩデータを求める歪み学習ステップと、
   治療時に前記ＭＲＩ装置により治療台に載った患者の患部を撮像して治療時ＭＲＩデータを取得する治療時ＭＲＩデータ取得ステップと、
   前記治療時ＭＲＩデータを、前記歪み情報を用いて補正し、治療時補正ＭＲＩデータを求める歪み補正ステップと、
   前記参照用ＭＲＩデータと前記治療時補正ＭＲＩデータとを用いて、前記治療台の位置決めを行うための患者の位置ずれ量を求める位置ずれ量算出ステップと
   を計算機が実行する位置ずれ量算出方法において、
   予め前記ＭＲＩ装置の機器依存歪み情報を計測して求めるステップと、
   前記機器依存歪み情報を用いて前記計画時ＭＲＩデータを補正して中間参照用ＭＲＩデータを求めるステップとを有し、
   前記歪み学習ステップにおいて、前記中間参照用ＭＲＩデータと前記計画時ＣＴデータとを用いて、前記計画時ＭＲＩデータに含まれる患者依存歪み情報を求め、この患者依存歪み情報と前記機器依存歪み情報を前記歪み情報とするとともに、前記患者依存歪み情報を用いて前記中間参照用ＭＲＩデータを補正して前記参照用ＭＲＩデータを求め、
   前記歪み補正ステップにおいて、前記患者依存歪み情報と前記機器依存歪み情報を用いて前記治療時ＭＲＩデータを補正し、治療時補正ＭＲＩデータを求めることを特徴とする位置ずれ量算出方法。