JP7451293B2 - radiation therapy system - Google Patents
radiation therapy system Download PDFInfo
- Publication number
- JP7451293B2 JP7451293B2 JP2020085959A JP2020085959A JP7451293B2 JP 7451293 B2 JP7451293 B2 JP 7451293B2 JP 2020085959 A JP2020085959 A JP 2020085959A JP 2020085959 A JP2020085959 A JP 2020085959A JP 7451293 B2 JP7451293 B2 JP 7451293B2
- Authority
- JP
- Japan
- Prior art keywords
- tumor
- image
- metastatic
- region
- primary
- 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
- 238000001959 radiotherapy Methods 0.000 title claims description 68
- 206010028980 Neoplasm Diseases 0.000 claims description 535
- 238000011282 treatment Methods 0.000 claims description 285
- 206010061289 metastatic neoplasm Diseases 0.000 claims description 166
- 230000003902 lesion Effects 0.000 claims description 68
- 230000001394 metastastic effect Effects 0.000 claims description 67
- 230000000694 effects Effects 0.000 claims description 44
- 230000005855 radiation Effects 0.000 claims description 35
- 230000011218 segmentation Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 description 170
- 230000006870 function Effects 0.000 description 68
- 238000010586 diagram Methods 0.000 description 30
- 210000000920 organ at risk Anatomy 0.000 description 30
- 238000000034 method Methods 0.000 description 26
- 210000004072 lung Anatomy 0.000 description 25
- 238000009206 nuclear medicine Methods 0.000 description 22
- 238000002604 ultrasonography Methods 0.000 description 20
- 238000002595 magnetic resonance imaging Methods 0.000 description 18
- 208000020816 lung neoplasm Diseases 0.000 description 16
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 13
- 201000005202 lung cancer Diseases 0.000 description 13
- 238000004891 communication Methods 0.000 description 10
- 230000015654 memory Effects 0.000 description 10
- 206010027476 Metastases Diseases 0.000 description 9
- 231100000636 lethal dose Toxicity 0.000 description 9
- 238000010801 machine learning Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 208000005718 Stomach Neoplasms Diseases 0.000 description 7
- 206010017758 gastric cancer Diseases 0.000 description 7
- 210000000813 small intestine Anatomy 0.000 description 7
- 201000011549 stomach cancer Diseases 0.000 description 7
- 210000001519 tissue Anatomy 0.000 description 7
- 210000004881 tumor cell Anatomy 0.000 description 7
- 238000002591 computed tomography Methods 0.000 description 6
- 210000002784 stomach Anatomy 0.000 description 6
- 206010061968 Gastric neoplasm Diseases 0.000 description 5
- 230000009401 metastasis Effects 0.000 description 5
- 230000000877 morphologic effect Effects 0.000 description 5
- 239000000284 extract Substances 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000002600 positron emission tomography Methods 0.000 description 4
- 238000009877 rendering Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 239000008280 blood Substances 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 239000000306 component Substances 0.000 description 3
- 239000002131 composite material Substances 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 210000003484 anatomy Anatomy 0.000 description 2
- 201000011510 cancer Diseases 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 208000037841 lung tumor Diseases 0.000 description 2
- 210000002751 lymph Anatomy 0.000 description 2
- 230000004060 metabolic process Effects 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 201000002314 small intestine cancer Diseases 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 239000012503 blood component Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000009535 clinical urine test Methods 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 125000004435 hydrogen atom Chemical class [H]* 0.000 description 1
- 210000000987 immune system Anatomy 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000002563 stool test Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000013518 transcription Methods 0.000 description 1
- 230000035897 transcription Effects 0.000 description 1
- 238000011269 treatment regimen Methods 0.000 description 1
Landscapes
- Radiation-Therapy Devices (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Description
本明細書及び図面に開示の実施形態は、放射線治療システムに関する。 Embodiments disclosed herein and in the drawings relate to radiation therapy systems .
最初に腫瘍が発生した病変は原発巣と呼ばれる。例えば、最初に胃に腫瘍ができて、その腫瘍細胞が血液やリンパの流れに乗って肺に転移した場合、肺に転移した腫瘍の原発巣は胃腫瘍となる。転移先の部位にできたのは肺腫瘍の細胞ではなく、胃腫瘍の細胞からできている。 The lesion where the tumor first develops is called the primary tumor. For example, if a tumor first forms in the stomach and the tumor cells metastasize to the lungs via blood or lymph flow, the primary tumor that has metastasized to the lungs will be the stomach tumor. The metastases that formed at the site were not made from lung tumor cells, but from stomach tumor cells.
放射線治療の治療計画では、ＣＴ画像を利用して腫瘍の輪郭を囲う作業が行われている。腫瘍輪郭の囲い込みは、原発巣と転移巣という区別には配慮されていない。 In radiation therapy treatment planning, CT images are used to enclose the outline of a tumor. Enclosing the tumor outline does not take into account the distinction between primary tumor and metastatic tumor.
本明細書及び図面に開示の実施形態が解決しようとする課題の一つは、治療計画において原発巣と転移巣とを区別することである。ただし、本明細書及び図面に開示の実施形態により解決しようとする課題は上記課題に限られない。後述する実施形態に示す各構成による各効果に対応する課題を他の課題として位置づけることもできる。 One of the problems that the embodiments disclosed in this specification and drawings aim to solve is to distinguish between primary lesions and metastatic lesions in treatment planning. However, the problems to be solved by the embodiments disclosed in this specification and the drawings are not limited to the above problems. Problems corresponding to the effects of each configuration shown in the embodiments described later can also be positioned as other problems.
実施形態に係る放射線治療システムは、特定部と分類部とを有する。特定部は、患者に関する医用画像から少なくとも一つの腫瘍領域を特定する。分類部は、当該腫瘍領域に関する画像特徴量に基づいて当該腫瘍領域を原発巣又は転移巣に分類した結果を含む分類結果情報を出力する。 The radiation therapy system according to the embodiment includes a specific section and a classification section. The identification unit identifies at least one tumor region from a medical image related to a patient. The classification unit outputs classification result information including the result of classifying the tumor region into a primary tumor or a metastatic tumor based on the image feature amount regarding the tumor region.
以下、図面を参照しながら本実施形態に係る放射線治療システム、治療計画支援方法及び治療計画方法を説明する。 Hereinafter, a radiation therapy system, a treatment planning support method, and a treatment planning method according to the present embodiment will be described with reference to the drawings.
（第１実施形態）
図１は、第１実施形態に係る放射線治療システム１の構成を示す図である。図１に示すように、放射線治療システム１は、互いにネットワークを介して接続された治療計画用ＣＴ装置２、ＭＲＩ（磁気共鳴イメージング）装置３、核医学診断装置４、超音波診断装置５、治療計画支援装置６、治療計画装置７及び放射線治療装置８を有する。
(First embodiment)
FIG. 1 is a diagram showing the configuration of a radiation therapy system 1 according to the first embodiment. As shown in FIG. 1, a radiation therapy system 1 includes a treatment planning CT device 2, an MRI (magnetic resonance imaging) device 3, a nuclear medicine diagnostic device 4, an ultrasound diagnostic device 5, and a treatment planning CT device 2, an MRI (magnetic resonance imaging) device 3, a nuclear medicine diagnostic device 4, an ultrasound diagnostic device 5, and It has a planning support device 6, a treatment planning device 7, and a radiation therapy device 8.
治療計画用ＣＴ装置２、ＭＲＩ装置３、核医学診断装置４及び超音波診断装置５は、患者に関する医用画像を生成する医用モダリティである。 The treatment planning CT device 2, MRI device 3, nuclear medicine diagnostic device 4, and ultrasound diagnostic device 5 are medical modalities that generate medical images related to patients.
治療計画用ＣＴ装置２は、治療計画に利用するＣＴ画像を生成するためのＸ線コンピュータ断層撮影装置である。治療計画用ＣＴ装置２は、例えば、Ｘ線管とＸ線検出器とを保持する回転フレームを高速で回転させながらＸ線管から患者にＸ線を照射し、患者を透過したＸ線をＸ線検出器により検出する。そして治療計画用ＣＴ装置２は、Ｘ線検出器からの生データに基づいて、当該Ｘ線の透過経路上にある物質のＸ線減弱係数の空間分布を表現するＣＴ画像を生成する。なお、治療計画に利用するＣＴ画像を治療計画用ＣＴ画像と呼ぶ。 The treatment planning CT device 2 is an X-ray computed tomography device for generating CT images used for treatment planning. For example, the treatment planning CT device 2 irradiates the patient with X-rays from the X-ray tube while rotating a rotating frame that holds an X-ray tube and an X-ray detector at high speed, and converts the X-rays that have passed through the patient into X-rays. Detected by a line detector. Then, the treatment planning CT apparatus 2 generates a CT image representing the spatial distribution of the X-ray attenuation coefficient of a substance on the transmission path of the X-ray, based on the raw data from the X-ray detector. Note that the CT image used for treatment planning is referred to as a treatment planning CT image.
ＭＲＩ装置３は、例えば、ＲＦコイルからＲＦパルスを照射して、静磁場内に載置された患者内に存在する対象原子核を励起させ、当該対象原子核から発生されるＭＲ信号をＲＦコイルにより収集する。そしてＭＲＩ装置３は、ＲＦコイルからのＭＲ信号に基づいて当該対象原子核の空間分布を表現するＭＲ画像を生成する。 The MRI apparatus 3, for example, irradiates an RF pulse from an RF coil to excite a target atomic nucleus existing in a patient placed in a static magnetic field, and collects an MR signal generated from the target atomic nucleus using the RF coil. do. The MRI apparatus 3 then generates an MR image expressing the spatial distribution of the target atomic nucleus based on the MR signal from the RF coil.
核医学診断装置４は、患者内に蓄積された放射性核種の空間分布を表現する核医学診断画像を生成する。核医学診断装置４としては、例えば、ＰＥＴ（positron emission tomography）装置又はＳＰＥＣＴ（single photon emission CT）装置が用いられる。ＰＥＴ装置は、患者内に蓄積された放射性核種から発生される陽電子と当該放射性核種の周囲に存在する電子との対消滅に伴い発生する５１１ｋｅＶの一対のガンマ線を同時計数回路により同時計数し、同時計数回路からの同時計数信号に基づいて、当該放射性核種の空間分布を表現するＰＥＴ画像を生成する。ＳＰＥＣＴ装置は、患者内に蓄積された放射性核種から発生される単光子ガンマ線を放射線検出器により検出し、放射線検出器からの検出信号に基づいて、当該放射性核種の空間分布を表現するＳＰＥＣＴ画像を生成する。 The nuclear medicine diagnostic device 4 generates a nuclear medicine diagnostic image representing the spatial distribution of radionuclides accumulated within a patient. As the nuclear medicine diagnostic device 4, for example, a PET (positron emission tomography) device or a SPECT (single photon emission CT) device is used. A PET device uses a coincidence circuit to simultaneously count a pair of 511 keV gamma rays that are generated due to the annihilation of positrons generated from radionuclides accumulated in the patient and electrons existing around the radionuclides. A PET image representing the spatial distribution of the radionuclide is generated based on the coincidence signal from the counting circuit. A SPECT device uses a radiation detector to detect single photon gamma rays generated from radionuclides accumulated in a patient, and generates a SPECT image representing the spatial distribution of the radionuclides based on the detection signal from the radiation detector. generate.
超音波診断装置５は、超音波プローブを介して患者内に超音波を送信し、患者体内で反射された超音波を超音波プローブを介して受信し、受信された超音波に対応するエコー信号に信号処理を施して超音波画像を生成する。信号処理としては、例えば、Ｂモード処理又はドプラ処理が利用される。超音波診断装置５は、エコー信号にＢモード処理を施すことにより患者内の音響インピーダンス差の空間分布を表現するＢモード画像を生成し、エコー信号にドプラ処理を施すことにより組織の運動情報を表現するドプラ波形又はドプラ画像を生成する。 The ultrasound diagnostic device 5 transmits ultrasound into the patient via an ultrasound probe, receives ultrasound reflected within the patient's body via the ultrasound probe, and generates an echo signal corresponding to the received ultrasound. Signal processing is applied to the images to generate ultrasound images. As the signal processing, for example, B-mode processing or Doppler processing is used. The ultrasound diagnostic device 5 generates a B-mode image that expresses the spatial distribution of acoustic impedance differences within the patient by performing B-mode processing on the echo signal, and obtains tissue motion information by performing Doppler processing on the echo signal. Generate a Doppler waveform or Doppler image to represent.
以下、ＭＲＩ装置３により生成されたＭＲ画像、核医学診断装置４により生成された核医学画像、超音波診断装置５により生成された超音波画像を、治療計画用ＣＴ画像から区別して、他装置画像と総称することにする。治療計画用ＣＴ画像と他装置画像とは、３次元的に配列された複数のボクセルからなるボリュームデータであるとする。本実施形態における患者の体内には少なくとも一つの腫瘍が発生しているものとする。すなわち、治療計画用ＣＴ画像と他装置画像とには、腫瘍に関する画像領域（以下、腫瘍領域）が少なくとも一箇所に存在しているものとする。 Hereinafter, the MR image generated by the MRI device 3, the nuclear medicine image generated by the nuclear medicine diagnostic device 4, and the ultrasound image generated by the ultrasound diagnostic device 5 will be distinguished from CT images for treatment planning, and other devices will be used. We will refer to them collectively as images. It is assumed that the treatment planning CT image and the other device images are volume data consisting of a plurality of voxels arranged three-dimensionally. In this embodiment, it is assumed that at least one tumor has developed in the patient's body. That is, it is assumed that an image area related to a tumor (hereinafter referred to as a tumor area) exists in at least one location in the treatment planning CT image and the other device image.
治療計画支援装置６は、治療計画装置７による治療計画を支援するためのコンピュータである。具体的には、治療計画支援装置６は、治療計画用ＣＴ画像と他装置画像とを利用して患者体内に存在する腫瘍領域を原発巣と転移巣とを区別して特定し、特定された腫瘍領域にマークを付する。腫瘍領域にマークが付された治療計画用ＣＴ画像は、治療計画装置７に供給される。治療計画支援装置６の詳細については後述する。 The treatment planning support device 6 is a computer for supporting treatment planning by the treatment planning device 7. Specifically, the treatment planning support device 6 uses CT images for treatment planning and images from other devices to identify tumor regions existing within the patient's body, distinguishing between primary and metastatic lesions, and identifying the identified tumor region. Mark an area. The treatment planning CT image with the tumor region marked is supplied to the treatment planning device 7. Details of the treatment planning support device 6 will be described later.
治療計画装置７は、ＣＰＵ等のプロセッサ、ＲＯＭやＲＡＭ等のメモリ、ディスプレイ、入力インタフェース、通信インタフェースを含むコンピュータである。治療計画装置７は、腫瘍領域にマークが付された治療計画用ＣＴ画像を利用して当該患者の治療計画を立案するコンピュータである。治療計画の作成方法としては、フォーワード・プランニング（Forward Planning）とインバース・プランニング（Inverse Planning）の２種類がある。フォーワード・プランニングは、放射線治療の照射方向数や各照射角度、各照射の放射線強度、各照射のコリメータ開度、ウェッジフィルター等の放射線治療条件を詳細に設定し、それらの条件で最終的に得られる放射線分布を見て、放射線治療条件を評価する。放射線分布を変更する時は、放射線治療条件の一部あるいは全部を変更して再度放射線分布を求める。このようにフォーワード・プランニングにおいては、放射線治療条件を変えながら、少しずつ放射線分布を変化させ、所望の放射線分布が実現できるまで何度も繰り返し放射線条件が変更される。インバース・プランニングは、腫瘍領域及び適切なマージンを設定し、その領域に照射する放射線量及び許容範囲を設定する。さらにリスク臓器（ＯＡＲ：Organ At Risk）領域を医用画像から抽出し、ＯＡＲ領域に対する放射線量を、所定レベル以上の放射線量にならない安全レベルに設定する。 The treatment planning device 7 is a computer including a processor such as a CPU, a memory such as a ROM or a RAM, a display, an input interface, and a communication interface. The treatment planning device 7 is a computer that draws up a treatment plan for the patient using a treatment planning CT image in which tumor regions are marked. There are two types of treatment plan creation methods: forward planning and inverse planning. Forward planning involves setting detailed radiation treatment conditions such as the number of irradiation directions, each irradiation angle, the radiation intensity for each irradiation, the collimator opening for each irradiation, and the wedge filter. Evaluate the radiation treatment conditions by looking at the resulting radiation distribution. When changing the radiation distribution, change some or all of the radiation treatment conditions and calculate the radiation distribution again. In this way, in forward planning, the radiation distribution is changed little by little while changing the radiation treatment conditions, and the radiation conditions are changed repeatedly until the desired radiation distribution is achieved. Inverse planning sets the tumor area and appropriate margins, and sets the radiation dose and tolerance to irradiate the area. Furthermore, an organ at risk (OAR) region is extracted from the medical image, and the radiation dose to the OAR region is set to a safe level that does not exceed a predetermined level.
放射線治療装置８は、治療計画に従い患者内の標的腫瘍等に放射線を照射することにより、患者を治療する装置である。具体的には、放射線治療装置８は、治療用架台と治療用寝台とコンソールとを有する。治療用架台は、照射ヘッドを回転軸回りに回転可能に支持する。照射ヘッドには、電子銃等により発生された電子等を加速する加速管と、加速管により加速された電子が衝突する金属ターゲットとが搭載される。金属ターゲットに電子が衝突することにより、放射線の一種であるＸ線が発生する。照射ヘッドは、治療計画装置７により計画された治療計画に従い放射線を照射する。治療用寝台は、患者が載置される治療用天板と、治療用天板を移動自在に支持する基台とを有する。患者の治療部位がアイソ・センタに一致するように治療用架台、治療用寝台及び患者が位置合わせされる。 The radiation therapy device 8 is a device that treats a patient by irradiating a target tumor or the like within the patient with radiation according to a treatment plan. Specifically, the radiation therapy apparatus 8 includes a treatment pedestal, a treatment bed, and a console. The treatment pedestal supports the irradiation head rotatably around the rotation axis. The irradiation head is equipped with an acceleration tube that accelerates electrons generated by an electron gun or the like, and a metal target with which the electrons accelerated by the acceleration tube collide. When electrons collide with a metal target, X-rays, a type of radiation, are generated. The irradiation head irradiates radiation according to the treatment plan planned by the treatment planning device 7. The treatment bed includes a treatment top plate on which a patient is placed, and a base that movably supports the treatment top plate. The treatment pedestal, treatment bed, and patient are aligned so that the patient's treatment area coincides with the isocenter.
図２は、図１の治療計画支援装置６の構成を示す図である。図２に示すように、治療計画支援装置６は、処理回路６１、通信インタフェース６２、表示機器６３、入力インタフェース６４及び記憶回路６５を有する。 FIG. 2 is a diagram showing the configuration of the treatment planning support device 6 of FIG. 1. As shown in FIG. As shown in FIG. 2, the treatment planning support device 6 includes a processing circuit 61, a communication interface 62, a display device 63, an input interface 64, and a storage circuit 65.
処理回路６１は、ハードウェア資源として、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Micro Processing Unit）等のプロセッサとＲＯＭ（Read Only Memory）やＲＡＭ（Random Access Memory）等のメモリとを有する。処理回路６１は、治療計画支援に関するプログラム（以下、治療計画支援プログラムと呼ぶ）を実行して、腫瘍特定機能６１１、腫瘍分類機能６１２、ＯＡＲ設定機能６１３、画像生成機能６１４及び表示制御機能６１５を実行する。 The processing circuit 61 includes, as hardware resources, processors such as a CPU (Central Processing Unit) and a GPU (Micro Processing Unit), and memories such as a ROM (Read Only Memory) and a RAM (Random Access Memory). The processing circuit 61 executes a program related to treatment planning support (hereinafter referred to as a treatment planning support program) to perform a tumor identification function 611, a tumor classification function 612, an OAR setting function 613, an image generation function 614, and a display control function 615. Execute.
腫瘍特定機能６１１において処理回路６１は、患者に関する治療計画用ＣＴ画像から少なくとも一つの腫瘍領域を特定する。また、処理回路６１は、同一患者に関する他装置画像から少なくとも一つの腫瘍領域を特定してもよい。 In the tumor identification function 611, the processing circuit 61 identifies at least one tumor region from the treatment planning CT image of the patient. Furthermore, the processing circuit 61 may identify at least one tumor region from images of other devices regarding the same patient.
腫瘍分類機能６１２において処理回路６１は、治療計画用ＣＴ画像に含まれる少なくとも一つの腫瘍領域に関する第一の画素値と、他装置画像に含まれる少なくとも一つの腫瘍領域に関する第二の画素値とに基づいて少なくとも一つの腫瘍領域を原発巣又は転移巣に分類する。原発巣は、最初に腫瘍が発生した病巣である。転移巣は、原発巣の腫瘍細胞の転移先の病巣である。第一の画素値と第二の画素値とは画像特徴量の一例である。 In the tumor classification function 612, the processing circuit 61 calculates a first pixel value related to at least one tumor region included in the CT image for treatment planning and a second pixel value related to at least one tumor region included in the image of another device. At least one tumor region is classified as a primary tumor or a metastatic lesion based on the method. The primary tumor is the lesion where the tumor first developed. A metastatic focus is a focus to which tumor cells from a primary tumor have metastasized. The first pixel value and the second pixel value are examples of image feature amounts.
ＯＡＲ設定機能６１３において処理回路６１は、治療計画用ＣＴ画像に、ＯＡＲに対応する画像領域（以下、ＯＡＲ領域）を設定する。なお処理回路６１は、他装置画像にもＯＡＲ領域を設定してもよい。 In the OAR setting function 613, the processing circuit 61 sets an image area corresponding to the OAR (hereinafter referred to as an OAR area) in the treatment planning CT image. Note that the processing circuit 61 may also set the OAR area in images of other devices.
画像生成機能６１４において処理回路６１は、３次元の治療計画用ＣＴ画像に３次元画像処理を施して２次元の治療計画用ＣＴ画像を生成する。また、処理回路６１は、３次元の他装置画像に３次元画像処理を施して２次元の他装置画像を生成する。３次元画像処理としては、ボリュームレンダリングや、サーフェスレンダリング、画素値投影処理、ＭＰＲ（Multi-Planer Reconstruction）処理、ＣＰＲ（Curved MPR）処理等のレンダリングが利用されればよい。 In the image generation function 614, the processing circuit 61 performs three-dimensional image processing on the three-dimensional treatment planning CT image to generate a two-dimensional treatment planning CT image. Furthermore, the processing circuit 61 performs three-dimensional image processing on the three-dimensional other-device image to generate a two-dimensional other-device image. As the three-dimensional image processing, rendering such as volume rendering, surface rendering, pixel value projection processing, MPR (Multi-Planer Reconstruction) processing, CPR (Curved MPR) processing, etc. may be used.
表示制御機能６１５において処理回路６１は、種々の情報を表示機器６３を介して表示する。具体的には、処理回路６１は、画像生成機能６１４により生成された２次元の治療計画用ＣＴ画像と２次元の他装置画像とを、表示機器６３を介して表示する。この際、処理回路６１は、２次元の治療計画用ＣＴ画像と２次元の他装置画像とにおいて、少なくとも一つの腫瘍領域を、原発巣と転移巣とを視覚的に区別するように表示する。 In the display control function 615, the processing circuit 61 displays various information via the display device 63. Specifically, the processing circuit 61 displays the two-dimensional treatment planning CT image generated by the image generation function 614 and the two-dimensional other device image via the display device 63. At this time, the processing circuit 61 displays at least one tumor region in the two-dimensional treatment planning CT image and the two-dimensional image of another device so as to visually distinguish the primary tumor from the metastatic tumor.
通信インタフェース６２は、図示しない有線又は無線を介して、放射線治療システム１を構成する治療計画用ＣＴ装置２、ＭＲＩ装置３、核医学診断装置４、超音波診断装置５、治療計画装置７及び放射線治療装置８との間でデータ通信を行う。 The communication interface 62 communicates with the treatment planning CT device 2, MRI device 3, nuclear medicine diagnostic device 4, ultrasound diagnostic device 5, treatment planning device 7, and radiation therapy system 1 through a wired or wireless connection (not shown). Data communication is performed with the treatment device 8.
表示機器６３は、表示制御機能６１５により種々の情報を表示する。表示機器６３は、例えば、ＣＲＴディスプレイや液晶ディスプレイ、有機ＥＬディスプレイ、ＬＥＤディスプレイ、プラズマディスプレイ、又は当技術分野で知られている他の任意のディスプレイが適宜利用可能である。表示機器６３は、プロジェクタでもよい。 The display device 63 displays various information using a display control function 615. The display device 63 can be, for example, a CRT display, a liquid crystal display, an organic EL display, an LED display, a plasma display, or any other display known in the art. The display device 63 may be a projector.
入力インタフェース６４は、具体的には、入力機器と入力インタフェース回路とを有する。入力機器は、ユーザからの各種指令を受け付ける。入力機器としては、キーボードやマウス、各種スイッチ等が利用可能である。入力インタフェース回路は、入力機器からの出力信号を介して処理回路６１に供給する。 Specifically, the input interface 64 includes an input device and an input interface circuit. The input device receives various commands from the user. As input devices, a keyboard, mouse, various switches, etc. can be used. The input interface circuit supplies the processing circuit 61 via the output signal from the input device.
記憶回路６５は、種々の情報を記憶するＨＤＤ（hard disk drive）やＳＳＤ（solid state drive）、集積回路記憶装置等の記憶装置である。また、記憶回路６５は、ＣＤ－ＲＯＭドライブやＤＶＤドライブ、フラッシュメモリ等の可搬性記憶媒体との間で種々の情報を読み書きする駆動装置等であっても良い。例えば、記憶回路６５は、治療計画支援プログラムや治療計画用ＣＴ画像、他装置画像等を記憶する。 The storage circuit 65 is a storage device such as an HDD (hard disk drive), an SSD (solid state drive), or an integrated circuit storage device that stores various information. Furthermore, the storage circuit 65 may be a drive device or the like that reads and writes various information to/from a portable storage medium such as a CD-ROM drive, a DVD drive, or a flash memory. For example, the storage circuit 65 stores a treatment planning support program, CT images for treatment planning, images of other devices, and the like.
以下、本実施形態に係る治療計画支援装置６の動作例について説明する。図３は、処理回路６１による治療計画支援プログラムの実行により実現される治療計画支援の典型的な流れを示す図である。 An example of the operation of the treatment planning support device 6 according to this embodiment will be described below. FIG. 3 is a diagram showing a typical flow of treatment planning support realized by execution of the treatment planning support program by the processing circuit 61.
まず処理回路６１は、患者全身の治療計画用ＣＴ画像と他装置画像とを取得する（ステップＳＡ１）。治療計画用ＣＴ画像と他装置画像とは、同一患者の全身を撮像対象とする画像であり、ボリュームデータである。他装置画像としては、治療計画用ＣＴ画像とは異なる撮像原理により生成された画像がよい。例えば、他装置画像としては、核医学診断装置により核医学診断画像や超音波診断装置によるドプラ画像、ＭＲＩ装置によるＭＲ画像がよい。患者は治療計画の対象であり、患者には複数の腫瘍が発生しているものとする。なお、患者全身の画像取得は、必ずしもＣＴ画像である必要はない。他装置画像（例えば核医学診断画像）であっても良い。患者全身の画像が核医学診断画像であった場合、他装置画像は例えばＣＴ画像であったりＭＲ画像であったりする。 First, the processing circuit 61 acquires a CT image for treatment planning of the patient's whole body and an image of another device (step SA1). The treatment planning CT image and the other device image are images that capture the whole body of the same patient, and are volume data. As the other device image, it is preferable to use an image generated using a different imaging principle from that of the CT image for treatment planning. For example, the other device image may be a nuclear medicine diagnostic image by a nuclear medicine diagnostic device, a Doppler image by an ultrasound diagnostic device, or an MR image by an MRI device. It is assumed that the patient is the subject of a treatment plan and has multiple tumors. Note that the image acquisition of the patient's whole body does not necessarily have to be a CT image. It may also be an image from another device (for example, a nuclear medicine diagnostic image). When the image of the patient's whole body is a nuclear medicine diagnostic image, the other device image may be, for example, a CT image or an MR image.
ステップＳＡ１が行われると処理回路６１は、腫瘍特定機能６１１の実現により、ステップＳＡ１において取得された治療計画用ＣＴ画像から複数の腫瘍領域を特定する（ステップＳＡ２）。ステップＳＡ２において処理回路６１は、画像処理により、治療計画用ＣＴ画像から複数の腫瘍領域を抽出する。画像処理としては、例えば、腫瘍領域が有し得るＣＴ値の上限及び下限を閾値とする閾値処理が行われればよい。その他の画像処理としては、解剖学的知識を利用した腫瘍領域の抽出処理でもよいし、機械学習による腫瘍領域の抽出処理でもよい。このように、患者全身の３次元画像を抽出処理対象とするので、腫瘍が体全体に広がっている場合であっても全ての腫瘍領域を抽出することができる。また、画像処理により自動的に腫瘍領域を抽出することにより、漏れなく腫瘍領域を抽出することが期待できる。なお、入力インタフェース６４を介してユーザが指定した画像領域が腫瘍領域として抽出されてもよい。 When step SA1 is performed, the processing circuit 61 implements the tumor identification function 611 to identify a plurality of tumor regions from the treatment planning CT image acquired in step SA1 (step SA2). In step SA2, the processing circuit 61 extracts a plurality of tumor regions from the treatment planning CT image by image processing. As the image processing, for example, threshold processing using the upper and lower limits of the CT value that the tumor region can have as thresholds may be performed. Other image processing may include tumor region extraction processing using anatomical knowledge or tumor region extraction processing using machine learning. In this way, since the three-dimensional image of the patient's whole body is subjected to extraction processing, all tumor regions can be extracted even if the tumor has spread throughout the body. Furthermore, by automatically extracting tumor regions through image processing, it is expected that tumor regions will be extracted without omission. Note that an image region specified by the user via the input interface 64 may be extracted as the tumor region.
ステップＳＡ２において処理回路６１は、治療計画用ＣＴ画像と他装置画像とに基づいて治療計画用ＣＴ画像から複数の腫瘍領域を抽出してもよい。具体的には、処理回路６１は、治療計画用ＣＴ画像と他装置画像とを位置合わせし、位置合わせ後の治療計画用ＣＴ画像と他装置画像との合成画像（フュージョン画像）を生成する。次に処理回路６１は、他装置画像に含まれる腫瘍領域を、治療計画用ＣＴ画像に転写する。具体的には、処理回路６１は、他装置画像についても画像処理を施すことにより複数の腫瘍領域を抽出し、他装置画像の腫瘍領域の位置を特定し、治療計画用ＣＴ画像のうちの、特定された位置と同一座標の位置を腫瘍領域に設定する。例えば、他装置画像の一種である核医学診断画像の画素値は組織の代謝又は活性等の機能を反映しており、ＣＴ値のような形態を反映する指標を画素値とする治療計画用ＣＴ画像とは異なる。治療計画用ＣＴ画像には描出されない腫瘍であっても、核医学診断画像等の他装置画像には描出される場合もある。従って上記転写処理を行うことにより、腫瘍領域を漏れなく特定することができる。 In step SA2, the processing circuit 61 may extract a plurality of tumor regions from the treatment planning CT image based on the treatment planning CT image and the images of other devices. Specifically, the processing circuit 61 aligns the treatment planning CT image and the other device image, and generates a composite image (fusion image) of the aligned treatment planning CT image and the other device image. Next, the processing circuit 61 transfers the tumor region included in the image of another device to the CT image for treatment planning. Specifically, the processing circuit 61 extracts a plurality of tumor regions by performing image processing on the images of other devices, identifies the positions of the tumor regions in the images of other devices, and extracts the tumor regions from among the CT images for treatment planning. A position having the same coordinates as the identified position is set as the tumor region. For example, the pixel values of nuclear medicine diagnostic images, which are a type of images from other devices, reflect functions such as tissue metabolism or activity; Different from the image. Even if a tumor is not depicted in a CT image for treatment planning, it may be depicted in images of other devices such as nuclear medicine diagnostic images. Therefore, by performing the above-mentioned transcription process, the tumor region can be specified without omission.
ステップＳＡ２が行われると処理回路６１は、腫瘍分類機能６１２の実現により、治療計画用ＣＴ画像の画素値と他装置画像の画素値とに基づいて、ステップＳＡ２において特定された腫瘍領域各々を原発巣又は転移巣に分類する（ステップＳＡ３）。治療計画用ＣＴ画像の画素値と他装置画像の画素値とは画像特徴量の一例である。腫瘍の致死量は、腫瘍の種類によって異なることがあるため、腫瘍領域を原発巣又は転移巣に分類することは治療計画を立てるうえで重要である。例えば、最初に胃に腫瘍ができて、その腫瘍細胞が血液やリンパの流れに乗って肺に転移した場合、肺に転移した腫瘍の原発巣は胃腫瘍となる。転移先の部位にできたのは肺腫瘍の細胞ではなく、胃腫瘍の細胞からできている。この場合、腫瘍分類機能６１２によって、腫瘍領域は転移巣に分類される。 When step SA2 is performed, the processing circuit 61 implements the tumor classification function 612 to classify each tumor region identified in step SA2 as a primary tumor based on the pixel values of the CT image for treatment planning and the pixel values of images of other devices. Classify into foci or metastatic foci (step SA3). The pixel values of the CT image for treatment planning and the pixel values of the other device images are examples of image feature amounts. Since the lethal dose of a tumor may vary depending on the type of tumor, it is important to classify the tumor area as a primary tumor or a metastatic tumor in formulating a treatment plan. For example, if a tumor first forms in the stomach and the tumor cells metastasize to the lungs via blood or lymph flow, the primary tumor that has metastasized to the lungs will be the stomach tumor. The metastases that formed at the site were not made from lung tumor cells, but from stomach tumor cells. In this case, the tumor classification function 612 classifies the tumor region as a metastatic focus.
ステップＳＡ３において処理回路６１は、例えば、腫瘍領域に関する画像特徴量に基づいて、腫瘍の位置と腫瘍の種類とを特定し、当該特定した結果に従って、腫瘍領域を原発巣又は転移巣に分類する。例えば、腫瘍の位置が左肺であり、腫瘍の種類が胃がんであれば、腫瘍又は腫瘍領域は転移巣に分類される。 In step SA3, the processing circuit 61 specifies the location and type of the tumor based on the image feature amount related to the tumor region, and classifies the tumor region as a primary tumor or a metastatic tumor according to the identified results. For example, if the tumor is located in the left lung and the type of tumor is stomach cancer, the tumor or tumor region is classified as a metastatic focus.
ステップＳＡ３において処理回路６１は、機械学習を利用して原発巣又は転移巣の分類を行ってもよい。機械学習のアルゴリズムは、ロジスティック回帰やサポートベクターマシン等の線形学習器、ニューラルネットワークやランダムツリー、ランダムフォレスト等の非線形学習器が用いられればよい。以下、機械学習のアルゴリズムはニューラルネットワークの一種であるディープニューラルネットワーク（ＤＮＮ）であるとする。ＤＮＮは、複数の調整可能な関数及びパラメータの組合せにより定義されるパラメータ付きの合成関数により規定される。パラメータは、重み係数及びパラメータの総称である。 In step SA3, the processing circuit 61 may classify the primary tumor or metastatic tumor using machine learning. As a machine learning algorithm, a linear learning device such as a logistic regression or a support vector machine, or a nonlinear learning device such as a neural network, a random tree, or a random forest may be used. Hereinafter, it is assumed that the machine learning algorithm is a deep neural network (DNN), which is a type of neural network. A DNN is defined by a parameterized composite function defined by a combination of multiple tunable functions and parameters. Parameter is a general term for weighting coefficients and parameters.
図４は、原発巣又は転移巣の分類を行う学習済ＤＮＮ９０の入出力関係を模式的に示す図である。学習済ＤＮＮ９０は、治療計画用ＣＴ画像の特徴量と他装置画像の特徴量とを入力とし、腫瘍領域を原発巣又は転移巣に分類した結果を含む分類結果情報を出力するようにパラメータが学習されたＤＮＮである。学習済ＤＮＮ９０は、入力層、中間層及び出力層を有する。中間層としては、例えば、ＣＮＮ（Convolutional Neural Network）と全結合層とを含む。中間層は、少なくとも２層以上を有するとよい。 FIG. 4 is a diagram schematically showing the input/output relationship of the trained DNN 90 that performs classification of primary tumor or metastatic tumor. The trained DNN 90 receives the feature values of the CT image for treatment planning and the feature values of images from other devices as input, and the parameters are trained so as to output classification result information including the result of classifying the tumor region into a primary tumor or a metastatic lesion. This is the DNN. The trained DNN 90 has an input layer, a middle layer, and an output layer. The intermediate layer includes, for example, a CNN (Convolutional Neural Network) and a fully connected layer. The intermediate layer preferably has at least two layers.
処理回路６１は、学習済ＤＮＮ９０に対して、患者の腫瘍領域に関する画像特徴量を入力する。入力層には、治療計画用ＣＴ画像の特徴量（以下、ＣＴ特徴量と呼ぶ）と他装置画像の特徴量（以下、他装置特徴量と呼ぶ）とが入力される。ＣＴ特徴量は治療計画用ＣＴ画像に基づいて算出され、他装置特徴量は他装置画像に基づいて算出される。処理回路６１は、治療計画用ＣＴ画像に含まれる複数の腫瘍領域各々についてＣＴ特徴量を算出し、他装置画像に含まれる複数の腫瘍領域各々について他装置特徴量を算出する。ＣＴ特徴量及び他装置特徴量は、腫瘍の位置（腫瘍が属する臓器）と腫瘍の種類とを特定するための情報である。当該情報としては、例えば、医用画像における腫瘍領域の位置を表す座標、腫瘍が存在する解剖学的部位の名称又は記号、腫瘍領域の画素値、画素値の統計値及び形態的特徴量がある。腫瘍領域の画素値は、腫瘍領域を表す画素値以外に、当該腫瘍領域の周囲の画素値を含んでもよい。画素値の統計値としては、腫瘍領域を構成する複数の画素の画素値の平均値、最大値、最小値、中間値、標準偏差及び分散値等の統計に関する特徴量の少なくとも１つである。形態的特徴量は、腫瘍領域の体積や表面積、空洞数、形状度等の形態に関する特徴量の少なくとも１つである。形状度は、腫瘍領域の円形度や尖鋭度、凹凸数等の形状に関する特徴量の少なくとも１つである。処理回路６１は、例えば、腫瘍領域の画素値、画素値の統計値、形態的特徴量に基づいて、腫瘍の種類を特定する。腫瘍の種類は、胃がんや肺がん等の原発巣の解剖学的部位に関する情報である。また、処理回路６１は、例えば、腫瘍領域の位置を表す座標、腫瘍が存在する解剖学的部位の名称又は記号によって、腫瘍の位置を特定する。腫瘍領域の位置を表す座標は、ステップＳＡ２で特定された腫瘍領域が左肺の位置にあった場合、当該位置を表す座標、左肺（解剖学的部位の名称）が特徴量となる。腫瘍領域の位置を表す座標は、例えば、腫瘍領域の中心点や重心点、特徴点、臨床学的関心点等の代表点の座標でもよいし、腫瘍領域を構成する各画素の座標でもよいし、腫瘍領域の端点又は境界画素の座標（腫瘍の輪郭を表す画素の座標）でもよい。 The processing circuit 61 inputs image features related to the patient's tumor region to the trained DNN 90. Input to the input layer are feature amounts of a CT image for treatment planning (hereinafter referred to as CT feature amounts) and feature amounts of other device images (hereinafter referred to as other device feature amounts). The CT feature amount is calculated based on the CT image for treatment planning, and the other device feature amount is calculated based on the other device image. The processing circuit 61 calculates the CT feature amount for each of the plurality of tumor regions included in the CT image for treatment planning, and calculates the other device feature amount for each of the plurality of tumor regions included in the other device image. The CT feature amount and other device feature amount are information for specifying the location of the tumor (organ to which the tumor belongs) and the type of tumor. The information includes, for example, coordinates representing the position of the tumor region in the medical image, the name or symbol of the anatomical region where the tumor is located, pixel values of the tumor region, statistical values of the pixel values, and morphological features. The pixel values of the tumor region may include pixel values around the tumor region in addition to pixel values representing the tumor region. The statistical value of the pixel value is at least one of the feature amounts related to statistics, such as the average value, maximum value, minimum value, median value, standard deviation, and variance value of the pixel values of a plurality of pixels constituting the tumor region. The morphological feature is at least one feature related to the morphology of the tumor region, such as volume, surface area, number of cavities, degree of shape, and the like. The degree of shape is at least one of the feature quantities related to the shape of the tumor region, such as the degree of circularity, the degree of sharpness, and the number of protrusions and recesses. The processing circuit 61 identifies the type of tumor based on, for example, the pixel value of the tumor region, the statistical value of the pixel value, and the morphological feature amount. The type of tumor is information regarding the anatomical site of the primary tumor, such as stomach cancer or lung cancer. Furthermore, the processing circuit 61 specifies the position of the tumor using, for example, the coordinates representing the position of the tumor region, the name or symbol of the anatomical site where the tumor is present. As for the coordinates representing the position of the tumor region, if the tumor region identified in step SA2 is located in the left lung, the coordinates representing the position and the left lung (name of anatomical region) become the feature amount. The coordinates representing the position of the tumor region may be, for example, the coordinates of a representative point such as the center point, center of gravity, feature point, or point of clinical interest of the tumor region, or may be the coordinates of each pixel constituting the tumor region. , or coordinates of end points or boundary pixels of the tumor region (coordinates of pixels representing the outline of the tumor).
入力層に入力されるＣＴ特徴量及び他装置特徴量各々の種類は一種類のみに限定されず、複数種類が入力されてもよい。例えば、各腫瘍領域について、腫瘍領域の位置を表す座標、腫瘍が存在する解剖学的部位の名称又は記号、当該腫瘍領域の画素値、画素値の統計値及び形態的特徴量が全て入力されてもよいし、これらを選択的に組み合わせた情報が入力されてもよい。また、学習済ＤＮＮ９０は、腫瘍の種類を特定する情報（腫瘍領域の画素値、画素値の統計値、形態的特徴量の少なくとも何れか）のみをＣＴ特徴量及び他装置特徴量として入力し、腫瘍の種類を出力するようにパラメータが学習されたＤＮＮでもよい。この場合、処理回路６１は、当該学習済ＤＮＮ９０により求められた腫瘍の種類と、ステップＳＡ２で行われた特定処理の結果とに基づいて、腫瘍領域を原発巣又は転移巣に分類した結果を含む分類結果情報を取得する。また、入力層に入力される他装置特徴量は一種の他装置画像に基づく特徴量に限定されず、複数種の他装置画像に基づく複数種の特徴量が入力層に入力されてもよい。画素値は、その画像を生成した医用画像診断装置の撮像原理等により、種々の物理的意味を有することになる。例えば、治療計画用ＣＴ画像の画素値は組織のＸ線減弱係数、磁気共鳴イメージング装置の画素値は組織の水素原子核密度、核医学診断装置は組織に集積した薬剤濃度（すなわち、組織の代謝又は活性）、超音波診断装置はドプラモードであれば組織の運動情報（例えば、血流動体）を意味する。様々な画像に基づく特徴量を用いることにより、原発巣又は転移巣の分類の精度を向上させることが可能になる。 The types of CT feature amounts and other device feature amounts input to the input layer are not limited to only one type, and a plurality of types may be input. For example, for each tumor region, the coordinates representing the position of the tumor region, the name or symbol of the anatomical site where the tumor is located, the pixel value of the tumor region, the statistical value of the pixel value, and the morphological feature amount are all input. Alternatively, information that is a selective combination of these may be input. In addition, the trained DNN 90 inputs only information specifying the type of tumor (at least any of the pixel values of the tumor region, statistical values of pixel values, and morphological features) as CT features and other device features, It may also be a DNN whose parameters are learned to output the type of tumor. In this case, the processing circuit 61 includes the result of classifying the tumor region into a primary tumor or a metastatic tumor based on the tumor type determined by the learned DNN 90 and the result of the specific processing performed in step SA2. Obtain classification result information. Further, the other device feature amount input to the input layer is not limited to a feature amount based on one type of other device image, and multiple types of feature amounts based on multiple types of other device images may be input to the input layer. Pixel values have various physical meanings depending on the imaging principle of the medical image diagnostic apparatus that generated the image. For example, the pixel value of a CT image for treatment planning is the X-ray attenuation coefficient of the tissue, the pixel value of a magnetic resonance imaging device is the hydrogen nucleus density of the tissue, and the pixel value of a nuclear medicine diagnostic device is the concentration of drug accumulated in the tissue (i.e., the tissue metabolism or If the ultrasound diagnostic device is in Doppler mode, it means tissue motion information (eg, blood fluid). By using feature amounts based on various images, it is possible to improve the accuracy of classification of primary tumor or metastatic tumor.
学習済ＤＮＮ９０には、ＣＴ特徴量として、治療計画用ＣＴ画像に含まれる各腫瘍領域の画像データが入力され、他装置特徴量として、他装置画像に含まれる各腫瘍領域の画像データが入力されてもよい。各腫瘍領域の画像データは、処理回路６１により任意の画像認識処理等により抽出されてもよいし、ユーザにより入力インタフェース６４等を介して指定された範囲から抽出されてもよい。各腫瘍領域は、当該腫瘍領域の輪郭に沿って抽出されてもよいし、当該腫瘍領域周囲の余剰領域を含めた画像領域が抽出されてもよい。 The trained DNN 90 receives image data of each tumor region included in a CT image for treatment planning as a CT feature, and inputs image data of each tumor region included in an image of another device as a feature of another device. It's okay. The image data of each tumor region may be extracted by the processing circuit 61 through arbitrary image recognition processing, or may be extracted from a range specified by the user via the input interface 64 or the like. Each tumor region may be extracted along the outline of the tumor region, or an image region including a surplus region around the tumor region may be extracted.
分類結果のクラスとしては、原発巣と転移巣とに設定される。例えば、分類結果は、原発巣である確率と転移巣である確率とを含む。分類結果を出力するための学習済ＤＮＮ９０の出力層には、例えば、マックス関数又はソフトマックス関数が使用されればよい。 The classes of the classification results are set to primary tumor and metastatic tumor. For example, the classification result includes the probability that the tumor is a primary tumor and the probability that it is a metastatic tumor. For example, a max function or a soft max function may be used in the output layer of the trained DNN 90 for outputting classification results.
例えば、学習済ＤＮＮ９０は、治療計画用ＣＴ画像に含まれる腫瘍領域毎に、同一の腫瘍領域に関するＣＴ特徴量と他装置特徴量とを入力し、当該腫瘍領域についての分類結果を出力する。処理回路６１は、原発巣である確率が転移巣である確率よりも高い場合、原発巣である事を示すフラグ（以下、原発巣フラグと呼ぶ）を当該腫瘍領域に割り当て、転移巣である確率が原発巣である確率よりも高い場合、転移巣である事を示すフラグ（以下、転移巣フラグと呼ぶ）を当該腫瘍領域に割り当てる。処理回路６１は、同様の処理を全ての腫瘍領域について繰り返すことにより、全ての腫瘍領域について原発巣フラグ又は転移巣フラグが割り当てられる。 For example, the trained DNN 90 inputs the CT feature amount and other device feature amount regarding the same tumor region for each tumor region included in the CT image for treatment planning, and outputs the classification result for the tumor region. If the probability that the tumor is a primary tumor is higher than the probability that it is a metastatic tumor, the processing circuit 61 assigns a flag indicating that the tumor is a primary tumor (hereinafter referred to as a primary tumor flag) to the tumor region, and sets the probability that the tumor is a metastatic tumor. If the probability is higher than that of the primary tumor, a flag indicating that the tumor is a metastatic tumor (hereinafter referred to as a metastatic tumor flag) is assigned to the tumor region. The processing circuit 61 assigns a primary tumor flag or a metastatic tumor flag to all tumor regions by repeating the same process for all tumor regions.
学習済ＤＮＮ９０の生成は、例えば、治療計画支援装置６の処理回路６１により実行される。処理回路６１は、治療計画用ＣＴ画像の特徴量と他装置画像の特徴量とを入力データとし、原発巣又は転移巣の正解分類結果である正解データとを含む訓練データに基づいて、ＤＮＮを教師付機械学習する。訓練データは、様々な患者の様々な腫瘍領域について収集される。例えば、処理回路６１は、一つのＣＴ特徴量と他装置特徴量とにＤＮＮを適用して順伝播処理を行い、推定分類結果を出力する。次に処理回路６１は、推定分類結果と正解分類結果との差分（誤差）に当該機械学習モデルを適用して逆伝播処理を行い、勾配ベクトルを計算する。次に処理回路６１は、勾配ベクトルに基づいて当該ＤＮＮの重み付き行列やバイアス等のパラメータを更新する。多数の訓練データについて順伝播処理及び逆伝播処理を繰り返してパラメータを更新することにより学習済ＤＮＮ９０が完成する。なお、学習済ＤＮＮ９０の生成は、他のコンピュータにより実行されてもよい。 Generation of the learned DNN 90 is executed, for example, by the processing circuit 61 of the treatment planning support device 6. The processing circuit 61 uses the feature quantities of the CT image for treatment planning and the feature quantities of images from other devices as input data, and executes a DNN based on training data including correct data that is the correct classification result of the primary tumor or metastatic tumor. Supervised machine learning. Training data is collected for different tumor regions of different patients. For example, the processing circuit 61 performs forward propagation processing by applying DNN to one CT feature and another device feature, and outputs an estimated classification result. Next, the processing circuit 61 applies the machine learning model to the difference (error) between the estimated classification result and the correct classification result, performs backpropagation processing, and calculates a gradient vector. Next, the processing circuit 61 updates parameters such as the weighted matrix and bias of the DNN based on the gradient vector. The learned DNN 90 is completed by updating parameters by repeating forward propagation processing and backpropagation processing for a large number of training data. Note that the generation of the learned DNN 90 may be executed by another computer.
なお、腫瘍の分類の精度を向上するため、学習済ＤＮＮ９０には、ＣＴ特徴量及び他装置特徴量以外の付加情報が入力されてもよい。付加情報としては、当該患者に関する患者基本情報や生体計測値、遺伝情報、所見情報等が適当である。患者基本情報としては３次元の治療計画用ＣＴ画像にＭＰＲ処理を施して、サジタル断面又はコロナル断面に関する２次元画像を生成する。年齢や性別、身長、体重等が利用可能である。生体計測値としては、血液成分や心電波形、呼吸波形値、呼気検査、検尿、検便等の計測値が利用可能である。所見情報は、当該治療計画用ＣＴ画像又は他装置画像等に対する医師の所見に関する情報である。 Note that in order to improve the accuracy of tumor classification, additional information other than the CT feature amount and other device feature amount may be input to the trained DNN 90. As the additional information, basic patient information, biological measurement values, genetic information, finding information, etc. regarding the patient are appropriate. As patient basic information, MPR processing is performed on a three-dimensional CT image for treatment planning to generate a two-dimensional image regarding a sagittal section or a coronal section. Age, gender, height, weight, etc. are available. As biological measurement values, measurement values such as blood components, electrocardiographic waveforms, respiratory waveform values, breath tests, urine tests, stool tests, etc. can be used. The finding information is information regarding the doctor's findings regarding the treatment planning CT image or other device images.
なお、上記の分類処理は種々の変形が可能である。例えば、学習済ＤＮＮ９０に、ＣＴ特徴量及び他装置特徴量を医用画像から得る処理が組み込まれてもよい。また、上記学習済ＤＮＮ９０は、腫瘍領域毎にＣＴ特徴量及び他装置特徴量を入力として当該腫瘍領域の分類結果を出力するものとした。しかしながら、本実施形態はこれに限定されない。一つの治療計画用ＣＴ画像及び他装置画像に含まれる複数の腫瘍領域の全て又は二つ以上が入力され、入力された全て又は二つ以上の集合の腫瘍領域各々についての分類結果が出力されてもよい。また、分類結果は、原発巣である確率と転移巣である確率との組合せである必要はなく、原発巣である確率と転移巣である確率との何れか一方でもよいし、何れか高い方のクラスの識別子が出力されてもよい。また、確率である必要もなく、原発巣及び転移巣である確からしさを表現可能な如何なる指標が出力されてもよい。また、クラスは原発巣及び転移巣からなる２クラスであるとしたが、原発巣、転移巣及び他の分類からなる３以上のクラスでもよい。 Note that the above classification process can be modified in various ways. For example, the trained DNN 90 may incorporate processing for obtaining CT feature amounts and other device feature amounts from medical images. Further, the trained DNN 90 is configured to input the CT feature amount and other device feature amount for each tumor region and output the classification result of the tumor region. However, this embodiment is not limited to this. All or two or more of a plurality of tumor regions included in one treatment planning CT image and another device image are input, and the classification results for each of the input tumor regions in the set of all or two or more are output. Good too. In addition, the classification result does not need to be a combination of the probability that the tumor is a primary tumor and the probability that it is a metastatic tumor; it may be either the probability that the tumor is a primary tumor or the probability that it is a metastatic tumor, or it may be the higher of the two. The class identifier may be output. Further, it does not have to be a probability, and any index that can express the probability that the tumor is a primary tumor or a metastatic tumor may be output. Further, although the two classes are defined as primary tumor and metastatic tumor, there may be three or more classes consisting of primary tumor, metastatic tumor, and other classifications.
原発巣又は転移巣への分類方法は、機械学習を利用する方法のみに限定されない。データ・インテグレーション（Data Integration）やデータ・マイニング（Data Mining）等の技術が用いられてもよい。例えば、ＣＴ特徴量と他装置特徴量とから原発巣又は転移巣の分類を導き出す、経験的又は理論的な関係式が用いられてもよい。この場合、処理回路６１は、治療計画用ＣＴ画像の画素値と他装置画像の画素値とに当該関係式を適用して、腫瘍領域各々を原発巣又は転移巣に分類する。 The classification method into primary tumor or metastatic tumor is not limited to the method using machine learning. Techniques such as data integration and data mining may also be used. For example, an empirical or theoretical relational expression may be used to derive the classification of primary tumor or metastatic tumor from the CT feature amount and the other device feature amount. In this case, the processing circuit 61 applies the relational expression to the pixel values of the treatment planning CT image and the pixel values of the images of other devices, and classifies each tumor region as a primary tumor or a metastatic tumor.
ステップＳＡ３において処理回路６１は、腫瘍分類機能６１２の実現により、各腫瘍領域についての分類結果情報を出力する。分類結果情報は、ステップＳＡ２において、腫瘍の位置と腫瘍の種類との特定結果に従い処理回路６１により得られたものでもよいし、学習済モデル９０により得られたものでもよい。分類結果情報は、腫瘍領域各々についての識別情報、位置情報及び原発巣情報を含む。識別情報は、当該腫瘍領域が原発巣か転移巣かを示す情報である。例えば、識別情報は、原発巣である事を示す原発巣フラグ、転移巣である事を示す転移巣フラグを含む。位置情報は、当該腫瘍領域の発生部位の位置に関する情報である。例えば、位置情報は、腫瘍が属する臓器（発生部位の解剖学部位）の名称又は記号、治療計画ＣＴ画像における腫瘍領域の位置を表す座標である。原発巣情報は、当該腫瘍領域が原発巣に分類された場合、その旨の情報であり、当該腫瘍領域が転移巣に分類された場合、原発巣を特定する情報である。原発巣を特定する情報としては、原発巣の位置情報でもよいし、原発巣の腫瘍領域に付された識別子でもよい。原発巣の位置情報は、上記の通り、原発巣の解剖学部位の名称又は記号、治療計画ＣＴ画像における腫瘍領域の位置を表す座標である。なお、原発巣の解剖学部位の名称又は記号は、医用画像中に原発巣が含まれていなくても、学習済ＤＮＮ９０によって特定された腫瘍の種類に基づいて示すことができる。例えば、学習済ＤＮＮ９０によって、左肺に胃がんが特定された場合、当該腫瘍領域は転移巣に分類され、原発巣の解剖学的部位の名称は「胃」に分類される。一方、原発巣の座標は、医用画像に原発巣が含まれている場合にのみ示せばよい。 In step SA3, the processing circuit 61 implements the tumor classification function 612 to output classification result information for each tumor region. The classification result information may be obtained by the processing circuit 61 in accordance with the identification results of the tumor position and tumor type in step SA2, or may be obtained by the learned model 90. The classification result information includes identification information, location information, and primary tumor information for each tumor region. The identification information is information indicating whether the tumor region is a primary tumor or a metastatic tumor. For example, the identification information includes a primary tumor flag indicating that the tumor is a primary tumor, and a metastatic tumor flag indicating that the tumor is a metastatic tumor. The location information is information regarding the location of the site of occurrence of the tumor region. For example, the position information is the name or symbol of the organ to which the tumor belongs (anatomical site of the site of occurrence), or coordinates representing the position of the tumor region in the treatment planning CT image. The primary tumor information is information that indicates when the tumor region is classified as a primary tumor, and information that specifies the primary tumor when the tumor region is classified as a metastatic tumor. The information for specifying the primary tumor may be location information of the primary tumor or an identifier attached to the tumor region of the primary tumor. As described above, the position information of the primary tumor is the name or symbol of the anatomical site of the primary tumor, and the coordinates representing the position of the tumor region in the treatment planning CT image. Note that the name or symbol of the anatomical site of the primary tumor can be indicated based on the type of tumor specified by the trained DNN 90 even if the medical image does not include the primary tumor. For example, when stomach cancer is identified in the left lung by the trained DNN 90, the tumor region is classified as a metastatic tumor, and the anatomical site of the primary tumor is classified as "stomach." On the other hand, the coordinates of the primary tumor need only be shown when the primary tumor is included in the medical image.
ステップＳＡ３が行われると処理回路６１は、治療計画用ＣＴ画像の各腫瘍領域に対して原発巣と転移巣とを区別するマークを付する（ステップＳＡ４）。 After step SA3 is performed, the processing circuit 61 attaches a mark to each tumor region of the treatment planning CT image to distinguish between a primary tumor and a metastatic tumor (step SA4).
図５は、治療計画用ＣＴ画像Ｉ１と当該治療計画用ＣＴ画像Ｉ１に含まれる腫瘍領域ＲＣｎ各々に付されるマークＭ１ｍ及びＭ２ｐとを示す図である。ｎ、ｍ及びｐは腫瘍領域の番号である。説明の便宜上、図５に示す治療計画用ＣＴ画像Ｉ１はＡＰ方向に関する全身画像の一部を示している。処理回路６１は、ステップＳＡ３によって出力された分類結果情報に基づき、治療計画用ＣＴ画像Ｉ１に含まれる腫瘍領域ＲＣｎ各々に、当該腫瘍領域ＲＣｎの輪郭を囲む図形のマークＭ１ｍ及びＭ２ｐを付する。図５に示すマークＭ１ｍ及びＭ２ｐは、円形のマークであるが、腫瘍領域ＲＣｎを囲む形状であれば、三角形や四角形等の如何なる形状のマークでもよい。腫瘍領域ＲＣｎにマークＭ１ｍ及びＭ２ｐを付与する処理は囲い込みとも呼ばれる。 FIG. 5 is a diagram showing a treatment planning CT image I1 and marks M1m and M2p attached to each tumor region RCn included in the treatment planning CT image I1. n, m and p are tumor region numbers. For convenience of explanation, the treatment planning CT image I1 shown in FIG. 5 shows a part of the whole body image in the AP direction. Based on the classification result information output in step SA3, the processing circuit 61 attaches graphic marks M1m and M2p surrounding the outline of the tumor region RCn to each tumor region RCn included in the treatment planning CT image I1. Although the marks M1m and M2p shown in FIG. 5 are circular marks, they may have any shape such as a triangle or a square as long as they surround the tumor region RCn. The process of adding marks M1m and M2p to tumor region RCn is also called enclosing.
この際、処理回路６１は、原発巣に対応する腫瘍領域と転移巣に対応する腫瘍領域とで異なるマークを付する。すなわち、原発巣に対応する腫瘍領域のマークと転移巣に対応する腫瘍領域のマークとには異なる属性が割り当てられる。マークの属性としては、色や形状、太さ等が利用されればよい。例えば、図５に示すように、転移巣ＲＣ２及びＲＣ４には一重丸のマークＭ１２及びＭ１３、原発巣ＲＣ１及びＲＣ３には二重丸のマークＭ１１及びＭ２１が付される。また、処理回路６１は、複数の腫瘍領域を原発巣に応じてマークを分類してもよい。原発巣に応じて異なるマークの属性は、原発巣か転移巣かで異なるマークの属性とは異なるのであれば、如何なる属性でもよい。例えば、図５に示すように、原発巣か転移巣かで異なるマークの属性が線の多重度である場合、原発巣に応じて異なるマークの属性は、線種に設定される。例えば、原発巣が肺である場合、実線のマークＭ１１、Ｍ１２及びＭ１３、原発巣が胃である場合、点線のマークＭ２１が付される。 At this time, the processing circuit 61 attaches different marks to the tumor region corresponding to the primary tumor and the tumor region corresponding to the metastatic tumor. That is, different attributes are assigned to the mark of the tumor region corresponding to the primary tumor and the mark of the tumor region corresponding to the metastatic lesion. As attributes of the mark, color, shape, thickness, etc. may be used. For example, as shown in FIG. 5, single circle marks M12 and M13 are attached to the metastatic lesions RC2 and RC4, and double circle marks M11 and M21 are attached to the primary lesions RC1 and RC3. Further, the processing circuit 61 may classify the marks of a plurality of tumor regions according to the primary tumor. The attribute of the mark that differs depending on the primary tumor may be any attribute as long as it is different from the attribute of the mark that differs depending on whether it is a primary tumor or a metastatic tumor. For example, as shown in FIG. 5, if the attribute of the mark that differs depending on whether it is a primary tumor or a metastatic tumor is the multiplicity of the line, the attribute of the mark that differs depending on the primary tumor is set to the line type. For example, if the primary tumor is the lung, solid line marks M11, M12, and M13 are provided, and if the primary tumor is the stomach, a dotted line mark M21 is provided.
ステップＳＡ４が行われると処理回路６１は、画像生成機能６１４の実現により、治療計画用ＣＴ画像に基づいて全身画像を生成する（ステップＳＡ５）。具体的には、処理回路６１は、ステップＳＡ４においてマークが付された３次元の治療計画用ＣＴ画像にＭＰＲ処理を施して、サジタル断面又はコロナル断面に関する２次元画像を生成する。当該２次元画像は、体軸に関して患者の全範囲を包含しているので全身画像を意味する。なお、全身画像は、３次元の治療計画用ＣＴ画像にＭＩＰ等の画素値投影処理を施して生成された２次元画像でもよいし、ボリュームレンダリング処理を施して生成された２次元画像でもよい。また、全身画像は、３次元の他装置画像に３次元画像処理を施すことにより生成された２次元画像でもよいし、治療計画用ＣＴ画像と他装置画像との合成画像に基づいて生成された２次元画像でもよい。これにより１枚の全身画像に、患者全身に存在する腫瘍領域の略全てを描出することができる。 When step SA4 is performed, the processing circuit 61 generates a whole body image based on the treatment planning CT image by realizing the image generation function 614 (step SA5). Specifically, the processing circuit 61 performs MPR processing on the three-dimensional treatment planning CT image marked in step SA4 to generate a two-dimensional image regarding a sagittal section or a coronal section. The two-dimensional image encompasses the entire range of the patient with respect to the body axis, and thus means a whole-body image. Note that the whole body image may be a two-dimensional image generated by subjecting a three-dimensional treatment planning CT image to pixel value projection processing such as MIP, or may be a two-dimensional image generated by subjecting a three-dimensional treatment planning CT image to volume rendering processing. Further, the whole body image may be a two-dimensional image generated by performing three-dimensional image processing on a three-dimensional image of another device, or a two-dimensional image generated based on a composite image of a CT image for treatment planning and an image of another device. A two-dimensional image may also be used. As a result, substantially all tumor regions present in the patient's whole body can be visualized in one whole-body image.
ステップＳＡ５が行われると処理回路６１は、ステップＳＡ５においてマークが付された全身画像を表示する（ステップＳＡ６）。ステップＳＡ６において処理回路６１は、例えば、図５に示す全身画像を、表示機器６３を介して表示する。腫瘍領域を全身画像で表示することにより、腫瘍領域をアキシャル断面画像（スライス画像）で表示する場合に比して、腫瘍領域の一覧性を向上させることが可能になる。また、原発巣と転移巣とでマークを区別することにより、原発巣と転移巣とを一目瞭然に把握することが可能になる。更に、原発巣に応じてマークを区別することにより、各腫瘍領域の原発巣を一目瞭然に把握することができる。 When step SA5 is performed, the processing circuit 61 displays the whole body image marked in step SA5 (step SA6). In step SA6, the processing circuit 61 displays, for example, the whole body image shown in FIG. 5 via the display device 63. By displaying the tumor region as a whole-body image, it is possible to improve the visibility of the tumor region compared to the case where the tumor region is displayed as an axial cross-sectional image (slice image). Furthermore, by distinguishing marks between primary and metastatic lesions, it becomes possible to clearly identify primary and metastatic lesions. Furthermore, by distinguishing the marks according to the primary tumor, the primary tumor in each tumor region can be clearly understood at a glance.
なお、腫瘍領域の表示方法は上記方法のみに限定されない。例えば、全身画像に並行して、あるいは全身画像とは別に、スライス画像が表示されてもよい。処理回路６１は、全身画像に基づいて、当該全身画像に含まれる少なくとも一つの腫瘍領域のうちの同一アキシャル断面（スライス）に含まれる一つ又は複数の腫瘍領域を含む、当該同一スライスに関するスライス画像を生成し、生成されたスライス画像を表示する。 Note that the method for displaying the tumor region is not limited to the above method. For example, slice images may be displayed in parallel with or separately from the whole body image. Based on the whole-body image, the processing circuit 61 generates slice images related to the same slice, including one or more tumor regions included in the same axial section (slice) of at least one tumor region included in the whole-body image. and display the generated slice image.
図６は、全身画像Ｉ１とスライス画像ＩＳｑ（ｑはスライスを示す番号）とを示す図である。図６に示すように、腫瘍領域ＲＣｎが存在するスライス位置毎に、全身画像Ｉ１からスライス画像ＩＳｑが生成される。各スライス画像に含まれる腫瘍領域についても、全身画像に付されたマークと同一のマークが付される。処理回路６１は、全身画像と複数のスライス画像とを一画面に並べて表示するとよい。この場合、各スライス画像に対応するスライス位置を全身画像で確認することができるように、当該スライス位置を示す図形（以下、スライス位置マークと呼ぶ）ＭＳｑ（ｑはスライスを示す番号）が全身画像に付されるとよい。この場合、スライス位置マークに対応する位置に当該スライス位置マークＭＳｑに対応するスライス画像ＩＳｑが表示されるとよい。なお、スライス画像のスライスは、厚みを有さないスライスでも良いし、厚みを有するスライスでもよい。 FIG. 6 is a diagram showing a whole body image I1 and a slice image ISq (q is a number indicating a slice). As shown in FIG. 6, a slice image ISq is generated from the whole body image I1 for each slice position where the tumor region RCn exists. The same mark as the mark given to the whole body image is also given to the tumor region included in each slice image. The processing circuit 61 may display the whole body image and the plurality of slice images side by side on one screen. In this case, so that the slice position corresponding to each slice image can be confirmed in the whole-body image, a figure indicating the slice position (hereinafter referred to as a slice position mark) MSq (q is a number indicating the slice) is attached to the whole-body image. It is recommended that it be attached to In this case, a slice image ISq corresponding to the slice position mark MSq may be displayed at a position corresponding to the slice position mark MSq. Note that the slice of the slice image may be a slice with no thickness or a slice with thickness.
処理回路６１は、全身画像と複数のスライス画像とを選択的に表示してもよい。例えば、全身画像のうちの所望の腫瘍領域が、入力インタフェース６４を介して指定された場合、処理回路６１は、指定された腫瘍領域に対応するスライス画像を表示するとよい。また、全身画像のうちの所望のスライス位置マークが入力インタフェース６４を介して指定された場合、処理回路６１は、指定されたスライス位置マークに対応するスライス画像を表示してもよい。 The processing circuit 61 may selectively display the whole body image and a plurality of slice images. For example, when a desired tumor region in the whole-body image is designated via the input interface 64, the processing circuit 61 may display a slice image corresponding to the designated tumor region. Furthermore, when a desired slice position mark in the whole-body image is designated via the input interface 64, the processing circuit 61 may display a slice image corresponding to the designated slice position mark.
以上により、治療計画支援の動作例の説明を終了する。 This concludes the explanation of the operation example of treatment planning support.
ステップＳＡ４においてマークが付された治療計画用ＣＴ画像は、治療計画装置７に転送される。治療計画装置７は、マークが付された治療計画用ＣＴ画像に基づいて当該患者に関する治療計画を作成する。本実施形態によれば、患者の全身を反映した治療計画用ＣＴ画像に基づいて、原発巣又は転移巣に分類された腫瘍領域各々について治療計画を作成する。すなわち、特定部位のスライス画像に基づいて治療計画を作成する場合に比して、全身画像に基づく治療計画の作成は、発見が困難な転移巣を短時間に容易に発見することができ、転移巣の見落としを低減することができる。また、本実施形態によれば、各腫瘍領域を原発巣又は転移巣に分類し、各腫瘍領域に原発巣又は転移巣に対応するマークが付されているので、原発巣又は転移巣に応じた治療計画を作成することができる。更に、原発巣に応じてマークの属性が分けられているので、原発巣の種類に応じた治療計画を作成することも可能になる。 The treatment planning CT image marked in step SA4 is transferred to the treatment planning device 7. The treatment planning device 7 creates a treatment plan for the patient based on the marked CT image for treatment planning. According to this embodiment, a treatment plan is created for each tumor region classified as a primary tumor or a metastatic tumor based on a treatment planning CT image that reflects the patient's whole body. In other words, compared to creating a treatment plan based on slice images of a specific region, creating a treatment plan based on whole-body images makes it easier to discover metastases that are difficult to find in a short time, and to prevent metastases from occurring. It is possible to reduce the number of nests being overlooked. Furthermore, according to the present embodiment, each tumor region is classified as a primary tumor or a metastatic lesion, and a mark corresponding to the primary tumor or metastatic lesion is attached to each tumor region, so that Able to create a treatment plan. Furthermore, since the attributes of the marks are divided according to the primary tumor, it is also possible to create a treatment plan according to the type of primary tumor.
本実施形態によれば、患者の全身を反映した治療計画用ＣＴ画像に基づいて腫瘍領域の囲い込みが行われるので、患者全身に分布する複数の腫瘍について一度に輪郭の囲い込みを行うことができ、ひいては、輪郭の囲い込みの時間を短縮することが可能になる。 According to the present embodiment, the tumor region is enclosed based on the treatment planning CT image that reflects the patient's whole body, so the contours of multiple tumors distributed throughout the patient's whole body can be enclosed at once. As a result, it becomes possible to shorten the time required to enclose the outline.
なお、上記図３に示した動作例は種々の変形が可能である。例えば、ステップＳＡ４において処理回路６１は、ＯＡＲ領域を加味した腫瘍の囲い込みを行う。 Note that various modifications can be made to the operation example shown in FIG. 3 above. For example, in step SA4, the processing circuit 61 encloses the tumor taking into consideration the OAR region.
図７は、固定形状のマークＭ３による囲い込みを示す図であり、図８は、腫瘍領域の輪郭に沿う形状のマークＭ４による囲い込みを示す図である。図７及び図８に示すように、腫瘍領域ＲＣ５とＯＡＲ領域ＲＯ１とが治療計画用ＣＴ画像又は他装置画像に含まれる。腫瘍領域ＲＣ５は腫瘍特定機能６１１の実現により特定され、ＯＡＲ領域ＲＯ１はＯＡＲ設定機能６１３の実現により設定される。処理回路６１は、医用画像に含まれるＯＡＲ領域を特定し、腫瘍領域の位置を示すマークがＯＡＲ領域に重畳しないようにマークの形状を設定する。処理回路６１は、設定されたマークとＯＡＲ領域とを表示機器６３に表示する。処理回路６１は、図７に示すように、腫瘍領域ＲＣ５とＯＡＲ領域ＲＯ１とが接近している場合、腫瘍領域ＲＣ５が円形等の形状のマークＭ３による囲い込みが行われると、ＯＡＲ領域ＲＯ１の少なくとも一部分がマークＭ３に重畳するおそれがある。ＯＡＲ領域がマークに重畳してしまうと、ＯＡＲ領域に多くの線量が付与される治療計画が作成されるおそれがある。 FIG. 7 is a diagram showing enclosing by fixed-shaped marks M3, and FIG. 8 is a diagram showing enclosing by marks M4 having a shape that follows the outline of the tumor region. As shown in FIGS. 7 and 8, tumor region RC5 and OAR region RO1 are included in the treatment planning CT image or other device image. The tumor region RC5 is specified by implementing the tumor specifying function 611, and the OAR region RO1 is set by implementing the OAR setting function 613. The processing circuit 61 identifies the OAR region included in the medical image and sets the shape of the mark so that the mark indicating the position of the tumor region does not overlap with the OAR region. The processing circuit 61 displays the set mark and OAR area on the display device 63. As shown in FIG. 7, when tumor region RC5 and OAR region RO1 are close to each other, when tumor region RC5 is surrounded by marks M3 having a circular shape or the like, at least one of OAR region RO1 There is a possibility that a part of it may overlap the mark M3. If the OAR region overlaps the mark, there is a risk that a treatment plan will be created in which a large dose is applied to the OAR region.
図８に示すように、処理回路６１は、腫瘍領域ＲＣ５に、当該腫瘍領域ＲＣ５の輪郭に沿う形状のマークＭ５を付する。マークＭ５は、当該腫瘍領域ＲＣ５の輪郭に一致する大きさに設定されてもよいし、当該腫瘍領域ＲＣ５の輪郭から所定の拡大率で拡大した大きさに設定されてもよい。これにより、マークＭ５がＯＡＲ領域ＲＯ１に重畳することを回避することができ、ひいては、ＯＡＲ領域ＲＯ１に多くの線量が付与される治療計画が作成される可能性を低減することができる。 As shown in FIG. 8, the processing circuit 61 attaches a mark M5 having a shape that follows the outline of the tumor region RC5 to the tumor region RC5. The mark M5 may be set to a size that matches the outline of the tumor region RC5, or may be set to a size that is enlarged from the outline of the tumor region RC5 at a predetermined magnification rate. Thereby, it is possible to avoid overlapping the mark M5 with the OAR region RO1, and in turn, it is possible to reduce the possibility that a treatment plan in which a large dose is given to the OAR region RO1 will be created.
処理回路６１は、腫瘍領域が原発巣か転移巣かに応じた治療計画を作成するための支援を行ってもよい。例えば、免疫システムを利用したアブスコパル（Abscopal）効果が注目されている。アブスコパル効果は、原発巣に放射線を照射すると、その効果が、直接照射されていない転移巣にも及ぶ現象である。処理回路６１は、原発巣と転移巣とがアブスコパル効果を考慮した治療計画を推奨するための基準（以下、アブスコパル効果基準と呼ぶ）を満たすか否かを決定する。アブスコパル効果基準を満たすと決定した場合、処理回路６１は、アブスコパル効果を考慮した治療計画を推奨する旨のメッセージを表示する。アブスコパル効果基準は、例えば、一つの原発巣に対し転移巣が複数存在する事、原発巣とその転移巣との距離が閾値よりも離れている事などに設定される。すなわち、処理回路６１は、一つの原発巣に対し、その転移巣が複数存在する場合、アブスコパル効果を考慮した治療計画を推奨する旨のメッセージを表示することを決定する。また、処理回路６１は、原発巣と転移巣との距離が閾値よりも離れている場合、アブスコパル効果を考慮した治療計画を推奨する旨のメッセージを表示することを決定してもよい。 The processing circuit 61 may assist in creating a treatment plan depending on whether the tumor region is a primary tumor or a metastatic tumor. For example, the Abscopal effect, which utilizes the immune system, is attracting attention. The abscopal effect is a phenomenon in which when a primary tumor is irradiated with radiation, the effect extends to metastatic lesions that are not directly irradiated. The processing circuit 61 determines whether the primary tumor and the metastatic tumor satisfy criteria for recommending a treatment plan that takes the abscopal effect into consideration (hereinafter referred to as abscopal effect criteria). If it is determined that the abscopal effect criteria are met, the processing circuit 61 displays a message to the effect that a treatment plan that takes the abscopal effect into consideration is recommended. The abscopal effect criterion is set, for example, that there are multiple metastatic lesions for one primary tumor, or that the distance between the primary tumor and its metastatic tumor is greater than a threshold value. That is, the processing circuit 61 determines to display a message to the effect that a treatment plan that takes the abscopal effect into account is recommended when there are multiple metastatic lesions for one primary tumor. Furthermore, if the distance between the primary tumor and the metastatic tumor is greater than a threshold value, the processing circuit 61 may decide to display a message to the effect that a treatment plan that takes the abscopal effect into consideration is recommended.
図９は、アブスコパル効果を利用した治療計画を推奨する旨のメッセージＭＳを表示する画面Ｉ２の一例を示す図である。図９に示すように、肺癌である原発巣について複数の転移巣が存在しており、アブスコパル効果基準が満たされている。この場合、処理回路６１は、アブスコパル効果を利用した治療計画を推奨する旨のメッセージＭＳを表示する。メッセージＭＳとしては、例えば、「転移巣の数が多いです。アブスコパル効果を利用した放射線治療を勧めます。」等が挙げられる。これにより、ユーザは、アブスコパル効果を利用した放射線治療の治療計画を作成する契機を得ることができる。例えば、図９に示すように、肺癌の原発巣は放射線治療、肺癌の２箇所の転移巣は観察、胃癌の原発巣には投薬治療、というような治療方針を立案することが可能になる。 FIG. 9 is a diagram showing an example of a screen I2 that displays a message MS recommending a treatment plan using the abscopal effect. As shown in FIG. 9, there are multiple metastatic foci regarding the primary tumor, which is lung cancer, and the abscopal effect criteria are met. In this case, the processing circuit 61 displays a message MS to the effect that a treatment plan using the abscopal effect is recommended. Examples of the message MS include "There are a large number of metastatic lesions. I recommend radiation therapy using the abscopal effect." This gives the user an opportunity to create a treatment plan for radiotherapy using the abscopal effect. For example, as shown in FIG. 9, it is possible to formulate a treatment strategy such as radiation therapy for a primary tumor of lung cancer, observation for two metastatic lesions of lung cancer, and drug treatment for a primary tumor of stomach cancer.
また、処理回路６１は、患者に存在する腫瘍の全体に対する推奨線量を表示してもよい。アブスコパル効果を利用した放射線治療の推奨線量は、原発巣と転移巣とに個別に放射線を照射した場合の総線量（以下、オリジナル線量）に比して、所定量だけ低線量に設定される。所定量は、自動的に設定されてもよいし、入力インタフェース６４を介してユーザにより指定されてもよい。オリジナル線量は、複数の腫瘍の総体積や原発巣の種類、その他の腫瘍の生物学的特徴等に基づいて算出されればよい。 The processing circuit 61 may also display the recommended dose for the entire tumor present in the patient. The recommended dose for radiation therapy using the abscopal effect is set to a predetermined amount lower than the total dose (hereinafter referred to as the original dose) when the primary tumor and metastatic tumor are irradiated individually. The predetermined amount may be automatically set or may be specified by the user via the input interface 64. The original dose may be calculated based on the total volume of multiple tumors, the type of primary tumor, other biological characteristics of the tumor, and the like.
処理回路６１は、アブスコパル効果を利用した場合の、放射線治療の推奨線量を表示しても良い。例えば、アブスコパル効果を利用した放射線治療では、原発巣に放射線を照射すると、その効果が、直接照射されていない転移巣にも及ぶ現象であることから、原発巣および転移巣各々に対する推奨線量を表示する。もしくは原発巣に対する推奨線量を表示し、転移巣は観察（放射線治療不要）と表示する。推奨線量は、複数の腫瘍の総体積や原発巣の種類、その他の腫瘍の生物学的特徴等に基づいて自動的に設定されてもよいし、入力インタフェース６４を介してユーザにより指定されてもよい。 The processing circuit 61 may display the recommended dose of radiation therapy when using the abscopal effect. For example, in radiotherapy using the abscopal effect, when radiation is irradiated to the primary tumor, the effect also extends to metastatic lesions that are not directly irradiated, so the recommended dose for each of the primary tumor and metastatic tumor is displayed. do. Alternatively, the recommended dose for the primary tumor is displayed, and metastatic lesions are displayed as observation (no radiation therapy required). The recommended dose may be automatically set based on the total volume of multiple tumors, the type of primary tumor, other biological characteristics of the tumor, etc., or may be specified by the user via the input interface 64. good.
上記実施形態において処理回路６１は、２種以上の医用画像の特徴量に基づいて腫瘍領域を原発巣又は転移巣に分類するとした。しかしながら、本実施形態はこれに限定されない。処理回路６１は、一つの医用画像の特徴量に基づいて腫瘍領域を原発巣又は転移巣に分類してもよい。例えば、処理回路６１は、腫瘍領域に関する画像特徴量に基づいて、腫瘍の位置と腫瘍の種類とを特定し、当該特定した結果に従って、腫瘍領域を原発巣又は転移巣に分類してもよい。分類方法としては、例えば、上記実施形態のように、機械学習やデータ・インテグレーションやデータ・マイニング等の技術が用いられればよい。ここで、機械学習のアルゴリズムがＤＮＮである場合を例に挙げて、当該分類方法について説明する。 In the embodiment described above, the processing circuit 61 classifies a tumor region into a primary tumor or a metastatic tumor based on the feature amounts of two or more types of medical images. However, this embodiment is not limited to this. The processing circuit 61 may classify a tumor region into a primary tumor or a metastatic tumor based on the feature amount of one medical image. For example, the processing circuit 61 may specify the location and type of the tumor based on the image feature amount related to the tumor region, and may classify the tumor region into a primary tumor or a metastatic tumor according to the specified results. As a classification method, techniques such as machine learning, data integration, and data mining may be used, for example, as in the above embodiment. Here, the classification method will be explained using a case where the machine learning algorithm is DNN as an example.
図１０は、原発巣又は転移巣の分類を行う学習済ＤＮＮ９１の入出力関係を模式的に示す図である。学習済ＤＮＮ９１は、一つの医用画像の腫瘍領域に関する画像特徴量の入力によって、腫瘍領域を原発巣又は転移巣に分類した結果を含む分類結果情報を出力するようにパラメータが学習されたＤＮＮである。画像特徴量及び分類結果情報は、上記実施形態と同様である。医用画像は、Ｘ線診断装置、ＣＴ（Ｘ線コンピュータ断層撮影）装置、ＭＲＩ（磁気共鳴イメージング）装置、核医学診断装置及び超音波診断装置等の如何なる医用画像診断装置により生成された画像データであってもよい。例えば、処理回路６１は、学習済ＤＮＮ９１に対して、一つの医用画像に含まれる腫瘍領域に関する画像特徴量を入力し、学習済ＤＮＮ９１により得られた分類結果情報を出力する。なお、学習済ＤＮＮ９１は、医用画像の特徴量を入力とし、原発巣又は転移巣を表す分類結果のみを出力するようにパラメータが学習されたＤＮＮでもよい。また、学習済ＤＮＮ９１に、腫瘍領域に関する画像特徴量を一つの医用画像から得る処理が組み込まれてもよい。また、図４に示す学習済ＤＮＮ９０と同様、学習済ＤＮＮ９１には特徴量以外の付加情報が入力されてもよい。上述したように、付加情報は、患者基本情報や生体計測値、遺伝情報、所見情報等がある。 FIG. 10 is a diagram schematically showing the input/output relationship of the trained DNN 91 that performs classification of primary tumor or metastatic tumor. The trained DNN 91 is a DNN whose parameters have been learned so as to output classification result information including the result of classifying a tumor region into a primary tumor or a metastatic tumor by inputting image feature amounts regarding a tumor region of one medical image. . The image feature amount and classification result information are the same as in the above embodiment. A medical image is image data generated by any medical image diagnostic device such as an X-ray diagnostic device, a CT (X-ray computed tomography) device, an MRI (magnetic resonance imaging) device, a nuclear medicine diagnostic device, or an ultrasound diagnostic device. There may be. For example, the processing circuit 61 inputs image feature amounts regarding a tumor region included in one medical image to the trained DNN 91, and outputs classification result information obtained by the trained DNN 91. Note that the trained DNN 91 may be a DNN whose parameters have been learned so as to input feature amounts of medical images and output only classification results representing primary lesions or metastatic lesions. Further, the trained DNN 91 may incorporate processing for obtaining image feature amounts related to a tumor region from one medical image. Further, similar to the learned DNN 90 shown in FIG. 4, additional information other than the feature amount may be input to the learned DNN 91. As described above, the additional information includes basic patient information, biological measurement values, genetic information, finding information, and the like.
このように学習済ＤＮＮ９１によれば、一つの医用画像のみから分類結果を得ることができるので、医用撮像に関する患者の負担や分類処理に係る処理回路６１の負担等を軽減することができる。 In this way, according to the trained DNN 91, a classification result can be obtained from only one medical image, so it is possible to reduce the burden on the patient related to medical imaging and the burden on the processing circuit 61 related to classification processing.
（第２実施形態）
第２実施形態に係る治療計画装置７は、治療計画支援装置６により得られた、各腫瘍領域の分類結果情報に基づいて放射線治療計画を作成する。以下、第２実施形態に係る放射線治療システム１について説明する。なお以下の説明において、第１実施形態と略同一の機能を有する構成要素については、同一符号を付し、必要な場合にのみ重複説明する。
(Second embodiment)
The treatment planning device 7 according to the second embodiment creates a radiation treatment plan based on the classification result information of each tumor region obtained by the treatment planning support device 6. The radiation therapy system 1 according to the second embodiment will be described below. In the following description, components having substantially the same functions as those in the first embodiment are denoted by the same reference numerals, and will be described repeatedly only when necessary.
一例として、第２実施形態に係る治療計画装置７は、治療計画支援装置６から、患者の医用画像（図５に示したマークが付された医用画像）と、当該医用画像に含まれる腫瘍領域について原発巣又は転移巣に分類した結果を含む分類結果情報とを取得する。治療計画装置７は、取得した分類結果情報に基づいて、患者に対する放射線治療計画を作成する。 As an example, the treatment planning device 7 according to the second embodiment receives a medical image of the patient (the medical image with the mark shown in FIG. 5) from the treatment planning support device 6, and a tumor region included in the medical image. and classification result information including the results of classifying the tumor into primary tumor or metastatic tumor. The treatment planning device 7 creates a radiation treatment plan for the patient based on the acquired classification result information.
図１１は、第２実施形態に係る放射線治療システム１に含まれる治療計画装置７の構成を示す図である。図１１に示すように、治療計画装置７は、処理回路７１Ａ、通信インタフェース７２、表示機器７３、入力インタフェース７４及び記憶回路７５を有する。 FIG. 11 is a diagram showing the configuration of the treatment planning device 7 included in the radiation therapy system 1 according to the second embodiment. As shown in FIG. 11, the treatment planning device 7 includes a processing circuit 71A, a communication interface 72, a display device 73, an input interface 74, and a storage circuit 75.
処理回路７１Ａは、ハードウェア資源として、ＣＰＵ、ＧＰＵ等のプロセッサとＲＯＭやＲＡＭ等のメモリとを有する。処理回路７１Ａは、治療計画に関するプログラム（以下、治療計画プログラムと呼ぶ）を実行して、取得機能７１１、腫瘍区分機能７１２、治療計画機能７１３及び表示制御機能７１４を実行する。 The processing circuit 71A includes a processor such as a CPU or a GPU, and a memory such as a ROM or RAM as hardware resources. The processing circuit 71A executes a program related to treatment planning (hereinafter referred to as a treatment planning program) to perform an acquisition function 711, a tumor classification function 712, a treatment planning function 713, and a display control function 714.
取得機能７１１において処理回路７１Ａは、患者に関する医用画像と当該医用画像に含まれる二つ以上の腫瘍領域各々が原発巣か転移巣かを示す分類結果情報とを取得する。当該医用画像は、Ｘ線診断装置、ＣＴ（Ｘ線コンピュータ断層撮影）装置、ＭＲＩ（磁気共鳴イメージング）装置、核医学診断装置及び超音波診断装置等の如何なる医用画像診断装置により生成された画像データであってもよい。典型的には、当該医用画像は、分類結果情報に生成に用いられた医用画像、具体的には、治療計画用ＣＴ画像である。 In the acquisition function 711, the processing circuit 71A acquires a medical image related to the patient and classification result information indicating whether each of two or more tumor regions included in the medical image is a primary tumor or a metastatic tumor. The medical image is image data generated by any medical image diagnostic device such as an X-ray diagnostic device, a CT (X-ray computed tomography) device, an MRI (magnetic resonance imaging) device, a nuclear medicine diagnostic device, or an ultrasound diagnostic device. It may be. Typically, the medical image is a medical image used to generate classification result information, specifically, a CT image for treatment planning.
腫瘍区分機能７１２において処理回路７１Ａは、分類結果情報に基づいて、腫瘍領域を原発巣別に一つ以上のグループに分ける。以下、当該グループを原発巣グループと呼ぶことにする。 In the tumor classification function 712, the processing circuit 71A divides the tumor region into one or more groups according to the primary tumor, based on the classification result information. Hereinafter, this group will be referred to as the primary tumor group.
治療計画機能７１３において処理回路７１Ａは、一つ以上の原発巣グループ毎に治療計画を作成する。作成される治療計画は、原発巣グループに関する治療計画と、当該原発巣グループに含まれる各腫瘍領域に関する治療計画とを含む。 In the treatment planning function 713, the processing circuit 71A creates a treatment plan for each of one or more primary tumor groups. The treatment plan created includes a treatment plan regarding the primary tumor group and a treatment plan regarding each tumor region included in the primary tumor group.
表示制御機能７１４において処理回路７１Ａは、種々の情報を表示機器７３を介して表示する。具体的には、処理回路７１Ａは、治療計画機能７１３において作成された治療計画を表示する。 In the display control function 714, the processing circuit 71A displays various information via the display device 73. Specifically, the processing circuit 71A displays the treatment plan created by the treatment plan function 713.
通信インタフェース７２は、図示しない有線又は無線を介して、放射線治療システム１を構成する治療計画用ＣＴ装置２、ＭＲＩ装置３、核医学診断装置４、超音波診断装置５、治療計画支援装置６及び放射線治療装置８との間でデータ通信を行う。 The communication interface 72 connects the treatment planning CT device 2, MRI device 3, nuclear medicine diagnostic device 4, ultrasound diagnostic device 5, treatment planning support device 6, and Data communication is performed with the radiation therapy apparatus 8.
表示機器７３は、表示制御機能７１４により種々の情報を表示する。表示機器７３は、例えば、ＣＲＴディスプレイや液晶ディスプレイ、有機ＥＬディスプレイ、ＬＥＤディスプレイ、プラズマディスプレイ、又は当技術分野で知られている他の任意のディスプレイが適宜利用可能である。表示機器７３は、プロジェクタでもよい。 The display device 73 displays various information using a display control function 714. The display device 73 can be, for example, a CRT display, a liquid crystal display, an organic EL display, an LED display, a plasma display, or any other display known in the art. The display device 73 may be a projector.
入力インタフェース７４は、具体的には、入力機器と入力インタフェース回路とを有する。入力機器は、ユーザからの各種指令を受け付ける。入力機器としては、キーボードやマウス、各種スイッチ等が利用可能である。入力インタフェース回路は、入力機器からの出力信号を介して処理回路７１Ａに供給する。 Specifically, the input interface 74 includes an input device and an input interface circuit. The input device receives various commands from the user. As input devices, a keyboard, mouse, various switches, etc. can be used. The input interface circuit supplies the processing circuit 71A via an output signal from the input device.
記憶回路７５は、種々の情報を記憶するＨＤＤやＳＳＤ、集積回路記憶装置等の記憶装置である。また、記憶回路７５は、ＣＤ－ＲＯＭドライブやＤＶＤドライブ、フラッシュメモリ等の可搬性記憶媒体との間で種々の情報を読み書きする駆動装置等であっても良い。例えば、記憶回路７５は、治療計画プログラムや治療計画、治療計画用ＣＴ画像、他装置画像等を記憶する。 The storage circuit 75 is a storage device such as an HDD, SSD, or integrated circuit storage device that stores various information. Further, the storage circuit 75 may be a drive device or the like that reads and writes various information to/from a portable storage medium such as a CD-ROM drive, a DVD drive, or a flash memory. For example, the storage circuit 75 stores treatment planning programs, treatment plans, CT images for treatment planning, images of other devices, and the like.
以下、本実施形態に係る治療計画装置７の動作例について説明する。図１２は、処理回路７１Ａによる治療計画プログラムの実行により実現される治療計画の典型的な流れを示す図である。なお、図１２の処理は、図３の処理が終了した後に行われるものとする。 An example of the operation of the treatment planning device 7 according to this embodiment will be described below. FIG. 12 is a diagram showing a typical flow of a treatment plan realized by execution of a treatment plan program by the processing circuit 71A. Note that the process in FIG. 12 is assumed to be performed after the process in FIG. 3 is completed.
まず処理回路７１Ａは、取得機能７１１の実現により、治療計画用ＣＴ画像と分類結果情報とを取得する（ステップＳＢ１）。ステップＳＢ１において処理回路７１Ａは、例えば、治療計画支援装置６から、通信インタフェース７２等を介して、治療計画用ＣＴ画像と分類結果情報とを取得する。ステップＳＢ１において取得される治療計画用ＣＴ画像は、例えば、図５に示すマークが付された治療計画用ＣＴ画像でもよいし、当該マークが付されていない治療計画用ＣＴ画像でもよい。分類結果情報は、治療計画支援装置６の腫瘍分類機能６１２により生成される。 First, the processing circuit 71A acquires a treatment planning CT image and classification result information by realizing the acquisition function 711 (step SB1). In step SB1, the processing circuit 71A obtains a treatment planning CT image and classification result information from the treatment planning support device 6, for example, via the communication interface 72 or the like. The treatment planning CT image acquired in step SB1 may be, for example, a treatment planning CT image with the marks shown in FIG. 5, or a treatment planning CT image without the marks. The classification result information is generated by the tumor classification function 612 of the treatment planning support device 6.
ステップＳＢ１が行われると処理回路７１Ａは、腫瘍区分機能７１２の実現により、ステップＳＢ１において取得された治療計画用ＣＴ画像に含まれる複数の腫瘍領域を原発巣別にグループ分けする（ステップＳＢ２）。ステップＳＢ２において処理回路７１Ａは、複数の腫瘍領域を、分類結果情報に基づいて、原発巣グループに区分する。具体的には、処理回路７１Ａは、位置情報、識別情報及び原発巣情報に基づいて、複数の腫瘍領域を一つ以上の原発巣グループに区分する。 When step SB1 is performed, the processing circuit 71A realizes the tumor classification function 712 to group the plurality of tumor regions included in the treatment planning CT image acquired in step SB1 by primary tumor (step SB2). In step SB2, the processing circuit 71A classifies the plurality of tumor regions into primary tumor groups based on the classification result information. Specifically, the processing circuit 71A classifies the plurality of tumor regions into one or more primary tumor groups based on the position information, identification information, and primary tumor information.
例えば、図５に示す腫瘍領域ＲＣ１は位置情報が「右肺」であり識別情報が「原発巣」であり原発巣情報が「原発巣」、腫瘍領域ＲＣ２は位置情報が「左肺」であり識別情報が「転移巣」であり原発巣情報が「右肺」、腫瘍領域ＲＣ３は位置情報が「胃」であり識別情報が「原発巣」であり原発巣情報が「原発巣」、腫瘍領域ＲＣ４は位置情報が「小腸」であり識別情報が「転移巣」であり原発巣情報が「右肺」であるとする。原発巣情報が「右肺」である腫瘍領域ＲＣ１を原発巣グループ「右肺がんグループ」、原発巣情報が「胃」である腫瘍領域ＲＣ３を他の原発巣グループ「胃がんグループ」に属させる。そして、識別情報が「転移巣」であり且つ原発巣情報が「右肺」である腫瘍領域ＲＣ２及びＲＣ４を、原発巣グループ「右肺がんグループ」に属させる。 For example, the location information of tumor region RC1 shown in FIG. 5 is "right lung," the identification information is "primary tumor," and the primary tumor information is "primary tumor," and the location information of tumor region RC2 is "left lung." The identification information is "metastasis", the primary tumor information is "right lung", the location information of tumor region RC3 is "stomach", the identification information is "primary tumor", the primary tumor information is "primary tumor", and the tumor region Assume that RC4 has location information of "small intestine," identification information of "metastatic lesion," and primary lesion information of "right lung." The tumor region RC1 whose primary tumor information is "right lung" is made to belong to the primary tumor group "right lung cancer group", and the tumor region RC3 whose primary tumor information is "stomach" is made to belong to another primary tumor group "stomach cancer group". Then, tumor regions RC2 and RC4 whose identification information is "metastasis" and whose primary tumor information is "right lung" belong to the primary tumor group "right lung cancer group."
ステップＳＢ２が行われると処理回路７１Ａは、治療計画機能７１３の実現により、原発巣グループ毎に治療計画を作成する（ステップＳＢ３）。ステップＳＢ３が行われると処理回路７１Ａは、表示制御機能７１４の実現により、ステップＳＢ３において作成された治療計画を表示する（ステップＳＢ４）。 When step SB2 is performed, the processing circuit 71A creates a treatment plan for each primary tumor group by realizing the treatment planning function 713 (step SB3). When step SB3 is performed, the processing circuit 71A displays the treatment plan created in step SB3 by realizing the display control function 714 (step SB4).
また、処理回路７１Ａは、転移巣に分類された腫瘍領域について、当該転移巣に対応する原発巣に基づく治療計画を作成する。この場合、処理回路７１Ａは、分類結果情報に含まれた原発巣情報によって特定される原発巣に基づき、当該腫瘍の種類に対応する致死線量（又は推薦線量）等を考慮した治療計画を作成する。例えば、図５に示した転移巣ＲＣ４は、小腸の位置にあるが、当該腫瘍領域に関する分類結果情報に含まれる原発巣情報によって、原発巣は「肺」であることが特定される。上記実施形態で説明したように、小腸がんの致死線量と肺がんの致死線量とは一致しない。この場合、処理回路７１Ａは、当該腫瘍の種類の致死線量を考慮した治療計画を立てることにより、転移巣ＲＣ４に対して適切な放射線治療を行うことができる。 Furthermore, the processing circuit 71A creates a treatment plan based on the primary tumor corresponding to the metastatic tumor for the tumor region classified as a metastatic tumor. In this case, the processing circuit 71A creates a treatment plan that takes into account the lethal dose (or recommended dose), etc. corresponding to the type of tumor, based on the primary tumor identified by the primary tumor information included in the classification result information. . For example, the metastatic focus RC4 shown in FIG. 5 is located in the small intestine, but the primary focus information included in the classification result information regarding the tumor region specifies that the primary focus is the "lung". As explained in the above embodiment, the lethal dose for small intestine cancer and the lethal dose for lung cancer do not match. In this case, the processing circuit 71A can perform appropriate radiation therapy on the metastatic focus RC4 by formulating a treatment plan that takes into account the lethal dose for the type of tumor.
なお、処理回路７１Ａは、グループに含まれる原発巣を当該グループと同じグループに属する転移巣よりも優先して照射を行う治療計画を作成してもよい。また、処理回路７１Ａは、互いに同じグループに属する原発巣と転移巣との間で、照射線量、照射タイミング及び照射回数の少なくとも何れかが異なる治療計画を作成してもよい。 Note that the processing circuit 71A may create a treatment plan in which primary lesions included in a group are irradiated with priority over metastatic lesions belonging to the same group as the group. Furthermore, the processing circuit 71A may create a treatment plan in which at least any of the irradiation dose, irradiation timing, and number of irradiations are different between a primary tumor and a metastatic tumor that belong to the same group.
図１３は、右肺がんグループの治療計画の構成例を示す図である。図１３に示すように、右肺がんグループの治療計画は、治療計画用ＣＴ画像、全身画像、全体計画、原発巣（右肺）ＲＣ１の治療計画、転移巣（左肺）ＲＣ３の治療計画及び転移巣（小腸）ＲＣ４の治療計画を含む。治療計画用ＣＴ画像、全身画像、全体計画、原発巣（右肺）ＲＣ１の治療計画、転移巣（左肺）ＲＣ３の治療計画及び転移巣（小腸）ＲＣ４の治療計画は互いに関連付けて記憶回路７５に記憶される。治療計画用ＣＴ画像、全身画像、全体計画、原発巣（右肺）ＲＣ１の治療計画、転移巣（左肺）ＲＣ３の治療計画及び転移巣（小腸）ＲＣ４の治療計画は、入力インタフェース７４等を介して選択されることにより表示機器７３に表示可能である。 FIG. 13 is a diagram showing a configuration example of a treatment plan for the right lung cancer group. As shown in Figure 13, the treatment plan for the right lung cancer group includes a CT image for treatment planning, a whole body image, an overall plan, a treatment plan for the primary lesion (right lung) RC1, a treatment plan for the metastatic lesion (left lung) RC3, and a treatment plan for the metastatic lesion (left lung) RC3. Includes treatment plan for focal (small intestine) RC4. The CT image for treatment planning, the whole body image, the overall plan, the treatment plan for the primary lesion (right lung) RC1, the treatment plan for the metastatic lesion (left lung) RC3, and the treatment plan for the metastatic lesion (small intestine) RC4 are stored in a memory circuit 75 in association with each other. is memorized. CT images for treatment planning, whole body images, overall plans, treatment plans for the primary tumor (right lung) RC1, treatment plans for the metastatic lesion (left lung) RC3, and treatment plans for the metastatic lesion (small intestine) RC4 are input to the input interface 74, etc. It can be displayed on the display device 73 by being selected via the screen.
治療計画用ＣＴ画像は、ステップＳＢ１において取得されたものである。全身画像は、画像生成機能６１４により治療計画用ＣＴ画像に基づいて生成されたものである。 The treatment planning CT image is the one acquired in step SB1. The whole body image is generated by the image generation function 614 based on the CT image for treatment planning.
全体計画は、右肺がんグループに含まれる複数の腫瘍領域ＲＣ１，ＲＣ３，ＲＣ４の全体に亘る治療計画の指針を示す情報を含む。例えば、処理回路７１Ａは、分類結果情報に基づいて、互いに同じグループに属する原発巣と転移巣とが、予め定められたアブスコパル効果基準を満たすか否かを判別し、当該判別結果に応じて、同じグループに属する原発巣を当該同じグループに属する転移巣よりも優先して照射を行う治療計画を作成する。また、処理回路７１Ａは、図９に示したように、アブスコパル効果を利用した放射線治療を推奨するメッセージを表示機器７３に表示する。処理回路７１Ａは、腫瘍領域ＲＣ１，ＲＣ３，ＲＣ４に対してアブスコパル効果を利用した放射線治療を行うことを示す文章等を、全体計画として生成する。具体的には、処理回路７１Ａは、転移巣ＲＣ３が原発巣ＲＣ１との間でアブスコパル効果基準を満たすか否かを判定する。転移巣ＲＣ３が原発巣ＲＣ１との間でアブスコパル効果基準を満たすと判定された場合、処理回路７１Ａは、転移巣ＲＣ３については、原発巣ＲＣ１に対する放射線治療の終了後に放射線治療を開始する旨の文章等のデータファイルを全体計画として生成する。あるいは、処理回路７１Ａは、転移巣ＲＣ３については、推奨線量での放射線治療を実行、または、観察（放射線治療不要）とする旨の文章等のデータファイルを全体計画として生成してもよい。転移巣ＲＣ４についても同様に全体計画を生成可能である。全体計画は、例えば、図９に示すように、全身画像Ｉ１等の医用画像に重畳してメッセージＭＳとして表示されてもよいし、メッセージＭＳが単独で表示されてもよい。 The overall plan includes information indicating guidelines for a treatment plan covering the entire plurality of tumor regions RC1, RC3, and RC4 included in the right lung cancer group. For example, the processing circuit 71A determines whether a primary tumor and a metastatic tumor belonging to the same group satisfy a predetermined abscopal effect criterion based on the classification result information, and according to the determination result, A treatment plan is created in which primary lesions belonging to the same group are irradiated with priority over metastatic lesions belonging to the same group. Furthermore, as shown in FIG. 9, the processing circuit 71A displays a message recommending radiation therapy using the abscopal effect on the display device 73. The processing circuit 71A generates, as an overall plan, text indicating that radiation therapy using the abscopal effect will be performed on the tumor regions RC1, RC3, and RC4. Specifically, the processing circuit 71A determines whether the metastatic tumor RC3 and the primary tumor RC1 satisfy the abscopal effect criterion. When it is determined that the metastatic lesion RC3 satisfies the abscopal effect criteria with the primary tumor RC1, the processing circuit 71A generates a text stating that for the metastatic lesion RC3, radiotherapy will be started after the completion of the radiotherapy for the primary tumor RC1. etc. data files are generated as the overall plan. Alternatively, the processing circuit 71A may generate, as an overall plan, a data file containing text indicating that the metastatic lesion RC3 is to be subjected to radiotherapy at a recommended dose or to be observed (no radiotherapy necessary). A general plan can be similarly generated for the metastatic focus RC4. For example, as shown in FIG. 9, the overall plan may be displayed as a message MS superimposed on a medical image such as the whole body image I1, or the message MS may be displayed alone.
原発巣ＲＣ１の治療計画は、原発巣ＲＣ１に対する線量分布等を含む。転移巣ＲＣ３の治療計画は、転移巣である左肺に対する線量分布等を含む。転移巣ＲＣ４の治療計画は、転移巣である小腸に対する線量分布等を含む。例えば、小腸がんの致死線量と肺がんの致死線量とは一致しない。転移巣ＲＣ４については、小腸ではなく、肺がんの致死線量に基づいて線量分布が計算される。アブスコパル効果を利用した放射線治療が行われる場合、原発巣ＲＣ１への放射線治療が行われた後に転移巣ＲＣ３及びＲＣ４への放射線治療が行われるので、転移巣ＲＣ３及びＲＣ４への放射線治療の開始段階において既に転移巣ＲＣ３及びＲＣ４が縮小していることが期待される。従って、処理回路７１Ａは、転移巣ＲＣ３及びＲＣ４については、推奨線量の線量分布を生成、または、観察（放射線治療不要）とするとよい。各線量分布は、入力インタフェース７４を介したユーザによる表示指示等に従い表示機器７３に表示される。 The treatment plan for the primary tumor RC1 includes the dose distribution for the primary tumor RC1. The treatment plan for the metastatic focus RC3 includes dose distribution to the left lung, which is the metastatic focus. The treatment plan for metastatic lesion RC4 includes dose distribution to the small intestine, which is the metastatic lesion. For example, the lethal dose for small intestine cancer is not the same as the lethal dose for lung cancer. For metastatic lesion RC4, the dose distribution is calculated based on the lethal dose of lung cancer, not the small intestine. When radiotherapy using the abscopal effect is performed, radiotherapy is performed on the primary tumor RC1 and then on the metastatic lesions RC3 and RC4, so the starting stage of radiotherapy on the metastatic lesions RC3 and RC4 is It is expected that the metastatic lesions RC3 and RC4 have already shrunk in size. Therefore, it is preferable that the processing circuit 71A generates or observes the recommended dose distribution for the metastatic lesions RC3 and RC4 (radiation treatment is not required). Each dose distribution is displayed on the display device 73 according to a display instruction or the like given by the user via the input interface 74.
なお、アブスコパル効果を利用した放射線治療を行う場合、転移巣ＲＣ３及びＲＣ４の治療計画は、原発巣ＲＣ１の治療計画と共に作成されなくてもよい。例えば、転移巣ＲＣ３及びＲＣ４の治療計画は、原発巣ＲＣ１に対する放射線治療が行われた後に作成されてもよい。この場合、治療計画用ＣＴ装置２は、原発巣ＲＣ１への放射線治療の終了後に、再度、当該患者をＣＴ撮像して当該患者に関する治療計画用ＣＴ画像を生成してもよい。処理回路７１Ａは、新たに生成された治療計画用ＣＴ画像に基づいて治療計画を作成するとよい。これにより、アブスコパル効果による転移巣ＲＣ３及びＲＣ４の縮小を反映した治療計画を作成することが可能になる。 In addition, when performing radiotherapy using the abscopal effect, the treatment plan for the metastatic lesions RC3 and RC4 does not have to be created together with the treatment plan for the primary lesion RC1. For example, the treatment plans for metastatic lesions RC3 and RC4 may be created after radiation therapy has been performed on primary lesion RC1. In this case, the treatment planning CT apparatus 2 may perform CT imaging of the patient again after the radiation therapy to the primary tumor RC1 is completed, and generate a treatment planning CT image regarding the patient. The processing circuit 71A preferably creates a treatment plan based on the newly generated treatment planning CT image. This makes it possible to create a treatment plan that reflects the reduction of metastatic lesions RC3 and RC4 due to the abscopal effect.
その他、処理回路７１Ａは、治療計画支援装置６から取得した、図５に示したマークが付された医用画像を表示機器７３に表示する。 In addition, the processing circuit 71A displays on the display device 73 the medical image with the mark shown in FIG. 5, which is acquired from the treatment planning support device 6.
また、治療計画支援装置６から取得した医用画像にマークが付されていない場合でも、治療計画支援装置６から取得した分類結果情報に基づいてマークを付すことができる。例えば、処理回路７１Ａは、取得した分類結果情報に基づいて、腫瘍領域について原発巣であるか転移巣であるかを、医用画像上で視覚的に区別できるよう、原発巣と転移巣とで異なるマークを付して表示機器７３に表示してもよい。このようなマークとしては、例えば、図５に示した線の多重度を変えたマーク、具体的には、原発巣に対する二重丸マーク、転移巣に対する丸マーク等がある。また、処理回路７１Ａは、取得した分類結果情報に基づいて、腫瘍領域について腫瘍の種類を視覚的に区別できるよう、腫瘍の種類又は原発巣に応じて異なるマークを表示機器７３に表示してもよい。このようなマークとしては、例えば、図５に示した線種を変えたマーク、具体的には、肺がんに対する実線のマーク、胃がんに対する点線のマーク等がある。 Further, even if a medical image obtained from the treatment planning support device 6 is not marked, a mark can be added based on the classification result information obtained from the treatment plan support device 6. For example, based on the acquired classification result information, the processing circuit 71A determines whether the tumor region is a primary tumor or a metastatic tumor, so that it can be visually distinguished on a medical image. It may be displayed on the display device 73 with a mark attached thereto. Such marks include, for example, marks with different multiplicity of the lines shown in FIG. 5, specifically, a double circle mark for a primary tumor, a circle mark for a metastatic tumor, and the like. Furthermore, the processing circuit 71A may display different marks on the display device 73 depending on the type of tumor or the primary tumor so that the type of tumor can be visually distinguished in the tumor region based on the acquired classification result information. good. Examples of such marks include marks with different line types shown in FIG. 5, specifically, solid line marks for lung cancer, dotted line marks for stomach cancer, and the like.
さらに、上記実施形態と同様、処理回路７１Ａは、図６に示したように、医用画像の同一スライスに含まれる腫瘍領域について原発巣であるか転移巣であるかを視覚的に区別できるよう表示機器７３に表示してもよい。また、上記実施形態と同様、処理回路７１Ａは、図７及び図８に示したように、医用画像に含まれるＯＡＲ領域を特定し、腫瘍領域の位置を示すマークがＯＡＲ領域に重畳しないようにマークの形状を設定してもよい。処理回路７１Ａは、設定されたマークとＯＡＲ領域とを表示機器７３に表示してもよい。 Furthermore, as in the above embodiment, the processing circuit 71A displays a display so that it can be visually distinguished whether the tumor region included in the same slice of the medical image is a primary tumor or a metastatic tumor, as shown in FIG. It may also be displayed on the device 73. Further, as in the above embodiment, the processing circuit 71A identifies the OAR region included in the medical image, as shown in FIGS. 7 and 8, and prevents the mark indicating the position of the tumor region from being superimposed on the OAR region. The shape of the mark may also be set. The processing circuit 71A may display the set mark and OAR area on the display device 73.
以上により、治療計画の動作例の説明を終了する。 This concludes the explanation of the operation example of the treatment plan.
本実施形態によれば、医用画像に含まれる腫瘍領域について得られた分類結果情報に基づいて、腫瘍の種類に応じた適切な治療計画を作成することができる。例えば、医用画像に含まれる腫瘍領域が左肺の位置にあっても、当該腫瘍領域について得られた分類結果情報が胃がんの転移巣（すなわち、識別情報が「転移巣」、原発巣情報が「胃」）を表す場合は、胃がんの転移巣に対する致死線量が考慮された治療計画を立てることができる。また、本実施形態によれば、腫瘍領域を原発巣別のグループに区分し、原発巣グループについて治療計画を作成することができる。これにより、原発巣と転移巣とについて個別に治療計画を作成する場合とは異なり、原発巣と転移巣とを同じ原発巣グループの要素として一体で捕らえて治療計画を作成することができる。これにより、例えば、アブスコパル効果を利用した放射線治療をする際、原発巣グループ全体の治療計画を作成することにより、原発巣グループ全体でみて被曝量を低減することが可能になる。また、原発巣の治療計画と転移巣の治療計画とを関連付けて記憶することにより、アブスコパル効果を利用した治療計画を一元的に管理することができる。 According to the present embodiment, it is possible to create an appropriate treatment plan according to the type of tumor based on the classification result information obtained for the tumor region included in the medical image. For example, even if a tumor region included in a medical image is located in the left lung, the classification result information obtained for the tumor region is a gastric cancer metastasis (i.e., the identification information is "metastasis" and the primary tumor information is "metastasis"). ``stomach''), it is possible to create a treatment plan that takes into account the lethal dose for metastatic lesions of gastric cancer. Further, according to the present embodiment, it is possible to divide the tumor region into groups according to the primary tumor and create a treatment plan for the primary tumor groups. This makes it possible to create a treatment plan that considers the primary tumor and metastatic tumor as elements of the same primary tumor group, unlike the case where a treatment plan is created separately for the primary tumor and metastatic tumor. As a result, for example, when performing radiation therapy using the abscopal effect, by creating a treatment plan for the entire primary tumor group, it becomes possible to reduce the radiation dose for the entire primary tumor group. Furthermore, by storing the treatment plan for the primary tumor and the treatment plan for the metastatic tumor in association with each other, it is possible to centrally manage the treatment plan using the abscopal effect.
（第３実施形態）
第１及び第２実施形態においては、原発巣又は転移巣の分類を治療計画支援装置６が行い、治療計画の作成を治療計画装置７が行うものとした。しかしながら、これら処理を治療計画装置７のみで行ってもよい。以下、第３実施形態に係る放射線治療システム１について説明する。なお以下の説明において、第１及び第２実施形態と略同一の機能を有する構成要素については、同一符号を付し、必要な場合にのみ重複説明する。
(Third embodiment)
In the first and second embodiments, the treatment planning support device 6 classifies primary lesions or metastatic lesions, and the treatment planning device 7 creates a treatment plan. However, these processes may be performed only by the treatment planning device 7. The radiation therapy system 1 according to the third embodiment will be described below. In the following description, components having substantially the same functions as those in the first and second embodiments are denoted by the same reference numerals, and will be described repeatedly only when necessary.
図１４は、第３実施形態に係る放射線治療システム１に含まれる治療計画装置７の構成を示す図である。図１４に示すように、治療計画装置７は、処理回路７１Ｂ、通信インタフェース７２、表示機器７３、入力インタフェース７４及び記憶回路７５を有する。処理回路７１Ｂは、ハードウェア資源として、ＣＰＵ、ＧＰＵ等のプロセッサとＲＯＭやＲＡＭ等のメモリとを有する。処理回路７１Ｂは、治療計画プログラムを実行して、腫瘍特定機能６１１、腫瘍分類機能６１２、ＯＡＲ設定機能６１３、画像生成機能６１４、腫瘍区分機能７１２、治療計画機能７１３及び表示制御機能７１４を実行する。各ハードウェア資源や各機能についての説明は省略する。 FIG. 14 is a diagram showing the configuration of the treatment planning device 7 included in the radiation therapy system 1 according to the third embodiment. As shown in FIG. 14, the treatment planning device 7 includes a processing circuit 71B, a communication interface 72, a display device 73, an input interface 74, and a storage circuit 75. The processing circuit 71B includes a processor such as a CPU and a GPU, and a memory such as a ROM and a RAM as hardware resources. The processing circuit 71B executes the treatment planning program to execute a tumor identification function 611, a tumor classification function 612, an OAR setting function 613, an image generation function 614, a tumor classification function 712, a treatment planning function 713, and a display control function 714. . Descriptions of each hardware resource and each function will be omitted.
以下、本実施形態に係る治療計画装置７の動作例について説明する。図１５は、第３実施形態に係る処理回路７１Ｂによる治療計画プログラムの実行により実現される治療計画の典型的な流れを示す図である。 An example of the operation of the treatment planning device 7 according to this embodiment will be described below. FIG. 15 is a diagram showing a typical flow of a treatment plan realized by execution of a treatment plan program by the processing circuit 71B according to the third embodiment.
まず処理回路７１Ｂは、患者全身の治療計画用ＣＴ画像と他装置画像とを取得する（ステップＳＣ１）。ステップＳＣ１の処理はステップＳＡ１の処理と同様である。 First, the processing circuit 71B acquires a CT image for treatment planning of the patient's whole body and an image of another device (step SC1). The processing in step SC1 is similar to the processing in step SA1.
ステップＳＣ１が行われると処理回路７１Ｂは、腫瘍特定機能６１１の実現により、ステップＳＣ１において取得された治療計画用ＣＴ画像から複数の腫瘍領域を特定する（ステップＳＣ２）。ステップＳＣ２の処理はステップＳＡ２の処理と同様である。 When step SC1 is performed, the processing circuit 71B implements the tumor identification function 611 to identify a plurality of tumor regions from the treatment planning CT image acquired in step SC1 (step SC2). The processing in step SC2 is similar to the processing in step SA2.
ステップＳＣ２が行われると処理回路７１Ｂは、腫瘍分類機能６１２の実現により、治療計画用ＣＴ画像の画素値と他装置画像の画素値とに基づいて、ステップＳＣ２において特定された複数の腫瘍領域各々を原発巣又は転移巣に分類する（ステップＳＣ３）。ステップＳＣ３の処理はステップＳＡ３の処理と同様である。ステップＳＣ３において処理回路７１Ｂは、腫瘍領域各々について分類結果情報を生成する。なお、処理回路７１Ｂは、治療計画用ＣＴ画像の画素値又は他装置画像の画素値に基づいて、複数の腫瘍領域各々を原発巣又は転移巣に分類してもよい。 When step SC2 is performed, the processing circuit 71B, by realizing the tumor classification function 612, identifies each of the plurality of tumor regions identified in step SC2 based on the pixel values of the CT image for treatment planning and the pixel values of the images of other devices. The tumor is classified as a primary tumor or a metastatic tumor (step SC3). The processing at step SC3 is similar to the processing at step SA3. In step SC3, the processing circuit 71B generates classification result information for each tumor region. Note that the processing circuit 71B may classify each of the plurality of tumor regions into a primary tumor or a metastatic tumor based on the pixel value of the CT image for treatment planning or the pixel value of the image of another device.
ステップＳＣ３が行われると処理回路７１Ｂは、腫瘍区分機能７１２の実現により、治療計画用ＣＴ画像に含まれる複数の腫瘍領域を原発巣別にグループ分けする（ステップＳＣ４）。ステップＳＣ４の処理はステップＳＢ２の処理と同様である。 When step SC3 is performed, the processing circuit 71B realizes the tumor classification function 712 and groups the plurality of tumor regions included in the treatment planning CT image by primary tumor (step SC4). The process at step SC4 is similar to the process at step SB2.
ステップＳＣ４が行われると処理回路７１Ｂは、治療計画機能７１３の実現により、原発巣グループ毎に治療計画を作成する（ステップＳＣ５）。ステップＳＣ５の処理はステップＳＢ３の処理と同様である。 When step SC4 is performed, the processing circuit 71B creates a treatment plan for each primary tumor group by realizing the treatment planning function 713 (step SC5). The processing at step SC5 is similar to the processing at step SB3.
ステップＳＣ５が行われると処理回路７１Ｂは、表示制御機能７１４の実現により、ステップＳＣ５において作成された治療計画を表示する（ステップＳＣ６）。ステップＳＣ６の処理はステップＳＢ４の処理と同様である。 When step SC5 is performed, the processing circuit 71B displays the treatment plan created in step SC5 by realizing the display control function 714 (step SC6). The processing at step SC6 is similar to the processing at step SB4.
以上により、治療計画の動作例の説明を終了する。 This concludes the explanation of the operation example of the treatment plan.
本実施形態によれば、治療計画装置７により、原発巣又は転移巣の分類（分類結果情報の取得）と、当該分類結果情報に基づいた治療計画（原発巣グループ毎の治療計画）の作成とを行うことができる。 According to this embodiment, the treatment planning device 7 classifies the primary tumor or metastatic tumor (obtains classification result information), and creates a treatment plan (treatment plan for each primary tumor group) based on the classification result information. It can be performed.
なお、上記第１－第３実施形態において、放射線治療システム１は、治療計画用ＣＴ装置２を有するものとした。しかしながら、放射線治療システム１は、治療計画用専用ではない汎用のＸ線コンピュータ断層撮影装置を有してもよく、当該汎用のＸ線コンピュータ断層撮影装置により生成されたＣＴ画像が治療計画用ＣＴ画像として用いられればよい。 In the first to third embodiments described above, the radiation therapy system 1 includes a CT device 2 for treatment planning. However, the radiation therapy system 1 may include a general-purpose X-ray computed tomography device that is not dedicated for treatment planning, and the CT images generated by the general-purpose X-ray computed tomography device are the CT images for treatment planning. It may be used as
以上説明した少なくとも１つの実施形態によれば、治療計画において原発巣と転移巣とを区別することができる。 According to at least one embodiment described above, primary lesions and metastatic lesions can be distinguished in treatment planning.
上記説明において用いた「プロセッサ」という文言は、例えば、ＣＰＵ、ＧＰＵ、或いは、特定用途向け集積回路（Application Specific Integrated Circuit：ＡＳＩＣ））、プログラマブル論理デバイス（例えば、単純プログラマブル論理デバイス（Simple Programmable Logic Device：ＳＰＬＤ）、複合プログラマブル論理デバイス（Complex Programmable Logic Device：ＣＰＬＤ）、及びフィールドプログラマブルゲートアレイ（Field Programmable Gate Array：ＦＰＧＡ））等の回路を意味する。プロセッサは記憶回路に保存されたプログラムを読み出し実行することで機能を実現する。なお、記憶回路にプログラムを保存する代わりに、プロセッサの回路内にプログラムを直接組み込むよう構成しても構わない。この場合、プロセッサは回路内に組み込まれたプログラムを読み出し実行することで機能を実現する。また、プログラムを実行するのではなく、論理回路の組合せにより当該プログラムに対応する機能を実現しても良い。なお、本実施形態の各プロセッサは、プロセッサごとに単一の回路として構成される場合に限らず、複数の独立した回路を組み合わせて１つのプロセッサとして構成し、その機能を実現するようにしてもよい。さらに、図１、図２、図１１及び図１４における複数の構成要素を１つのプロセッサへ統合してその機能を実現するようにしてもよい。 The term "processor" used in the above description refers to, for example, a CPU, GPU, or Application Specific Integrated Circuit (ASIC), or a programmable logic device (for example, a Simple Programmable Logic Device). :SPLD), Complex Programmable Logic Device (CPLD), and Field Programmable Gate Array (FPGA). A processor realizes its functions by reading and executing a program stored in a memory circuit. Note that instead of storing the program in the memory circuit, the program may be directly incorporated into the circuit of the processor. In this case, the processor realizes its functions by reading and executing a program built into the circuit. Furthermore, instead of executing a program, functions corresponding to the program may be realized by combining logic circuits. Note that each processor of this embodiment is not limited to being configured as a single circuit for each processor, but may also be configured as a single processor by combining multiple independent circuits to realize its functions. good. Furthermore, a plurality of components in FIGS. 1, 2, 11, and 14 may be integrated into one processor to realize its functions.
いくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更、実施形態同士の組み合わせを行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。 Although several embodiments have been described, these embodiments are presented by way of example and are not intended to limit the scope of the invention. These embodiments can be implemented in various other forms, and various omissions, substitutions, changes, and combinations of embodiments can be made without departing from the gist of the invention. These embodiments and their modifications are included within the scope and gist of the invention as well as within the scope of the invention described in the claims and its equivalents.
以上の実施形態に関し、発明の一側面および選択的な特徴として以下の付記を開示する。 Regarding the above embodiments, the following additional notes are disclosed as one aspect and optional features of the invention.
（付記１）
患者に関する医用画像から少なくとも一つの腫瘍領域を特定する特定部と、
当該腫瘍領域に関する画像特徴量に基づいて当該腫瘍領域を原発巣又は転移巣に分類した結果を含む分類結果情報を出力する分類部と、
を具備する放射線治療システム。
(Additional note 1)
an identification unit that identifies at least one tumor region from a medical image related to a patient;
a classification unit that outputs classification result information including a result of classifying the tumor region into a primary tumor or a metastatic tumor based on the image feature amount regarding the tumor region;
A radiotherapy system equipped with.
（付記２）
前記特定部は、前記画像特徴量に基づいて、腫瘍の位置と腫瘍の種類とを特定し、前記分類部は、当該特定した結果に従って、前記腫瘍領域を原発巣又は転移巣に分類してもよい。
(Additional note 2)
The identification unit may identify the location of the tumor and the type of tumor based on the image feature amount, and the classification unit may classify the tumor region into a primary tumor or a metastatic tumor according to the identified results. good.
（付記３）
前記分類部は、前記画像特徴量の入力によって前記分類結果情報を得るように学習された学習済モデルを有し、前記学習済モデルに対して、前記患者の腫瘍領域に関する画像特徴量を入力し、前記学習済モデルにより得られた前記分類結果情報を出力してもよい。
(Additional note 3)
The classification unit has a trained model that is trained to obtain the classification result information by inputting the image feature amount, and inputs an image feature amount related to the tumor region of the patient to the trained model. , the classification result information obtained by the trained model may be output.
（付記４）
前記分類部は、前記腫瘍領域が転移巣に分類された場合に、当該転移巣に対応する原発巣を特定する情報を前記分類結果情報に含めてもよい。
(Additional note 4)
When the tumor region is classified as a metastatic focus, the classification unit may include information for specifying a primary tumor corresponding to the metastatic focus in the classification result information.
（付記５）
患者の医用画像に含まれる腫瘍領域について原発巣又は転移巣に分類した結果を含む分類結果情報を取得する取得部と、
当該分類結果情報に基づいて、前記患者に対する放射線治療計画を作成する作成部と、
を具備する放射線治療システム。
(Appendix 5)
an acquisition unit that acquires classification result information including the results of classifying a tumor region included in a patient's medical image into a primary tumor or a metastatic tumor;
a creation unit that creates a radiation treatment plan for the patient based on the classification result information;
A radiotherapy system equipped with.
（付記６）
放射線治療システムは、前記分類結果情報に基づいて、前記腫瘍領域について原発巣別に一以上のグループに分ける区分部を更に備え、
前記作成部は、当該グループ毎に前記放射線治療計画を作成してもよい。
(Appendix 6)
The radiation therapy system further includes a dividing unit that divides the tumor region into one or more groups according to the primary tumor based on the classification result information,
The creation unit may create the radiation treatment plan for each group.
（付記７）
前記作成部は、前記グループに含まれる原発巣を当該グループと同じグループに属する転移巣よりも優先して照射を行う前記放射線治療計画を作成してもよい。
(Appendix 7)
The creation unit may create the radiation treatment plan in which primary lesions included in the group are irradiated with priority over metastatic lesions belonging to the same group as the group.
（付記８）
前記作成部は、互いに同じグループに属する前記原発巣と転移巣との間で、照射線量、照射タイミング及び照射回数の少なくとも何れかが異なる前記放射線治療計画を作成してもよい。
(Appendix 8)
The creation unit may create the radiation treatment plan in which at least any of irradiation dose, irradiation timing, and number of irradiations are different between the primary tumor and metastatic tumor that belong to the same group.
（付記９）
前記作成部は、前記分類結果情報に基づいて、互いに同じグループに属する前記原発巣と転移巣とが、予め定められたアブスコパル効果基準を満たすか否かを判別し、当該判別結果に応じて、前記同じグループに属する原発巣を当該同じグループに属する転移巣よりも優先して照射を行う前記放射線治療計画を作成してもよい。
(Appendix 9)
The creation unit determines whether the primary tumor and the metastatic tumor that belong to the same group satisfy a predetermined abscopal effect criterion based on the classification result information, and according to the determination result, The radiation treatment plan may be created in which primary lesions belonging to the same group are irradiated with priority over metastatic lesions belonging to the same group.
（付記１０）
前記分類結果情報は、転移巣に分類された腫瘍領域について原発巣を特定する原発巣情報を有し、
前記作成部は、前記転移巣に分類された腫瘍領域について、前記原発巣情報によって特定される原発巣に基づき、前記放射線治療計画を作成してもよい。
(Appendix 10)
The classification result information includes primary tumor information that specifies a primary tumor for a tumor region classified as a metastatic tumor,
The creation unit may create the radiation treatment plan for the tumor region classified as the metastatic focus based on the primary tumor specified by the primary tumor information.
（付記１１）
放射線治療システムは、
前記分類結果情報に基づいて、前記腫瘍領域について原発巣であるか転移巣であるかを視覚的に区別できるよう表示機器に表示する表示制御部と、を更に備えてもよい。
(Appendix 11)
The radiation therapy system is
The method may further include a display control unit that displays on a display device whether the tumor region is a primary tumor or a metastatic tumor so that it can be visually distinguished based on the classification result information.
（付記１２）
前記表示制御部は、前記分類結果情報に基づいて、前記腫瘍領域について腫瘍の種類を視覚的に区別できるよう前記表示機器に表示してもよい。
(Appendix 12)
The display control unit may display the tumor region on the display device so that the type of tumor can be visually distinguished based on the classification result information.
（付記１３）
前記表示制御部は、前記分類結果情報に基づいて、前記医用画像の同一スライスに含まれる腫瘍領域について原発巣であるか転移巣を視覚的に区別できるよう前記表示機器に表示してもよい。
(Appendix 13)
The display control unit may display the tumor region included in the same slice of the medical image on the display device so as to visually distinguish whether it is a primary tumor or a metastatic tumor, based on the classification result information.
（付記１４）
前記作成部は、前記分類結果情報に基づいて、互いに同じグループに属する前記原発巣と転移巣とが、予め定められたアブスコパル効果基準を満たすか否かを判別し、
前記表示制御部は、前記判別結果に応じて、アブスコパル効果を利用した放射線治療を推奨するメッセージを前記表示機器に表示してもよい。
(Appendix 14)
The creation unit determines, based on the classification result information, whether the primary tumor and metastatic tumor that belong to the same group satisfy a predetermined abscopal effect criterion,
The display control unit may display a message recommending radiation therapy using the abscopal effect on the display device according to the determination result.
（付記１５）
放射線治療システムは、前記医用画像に含まれるＯＡＲ領域を特定する特定部を更に備え、
前記表示制御部は、前記腫瘍領域の位置を示すマークが前記ＯＡＲ領域に重畳しないよう前記マークの形状を設定し、前記形状の前記マークを前記表示機器に表示してもよい。
(Appendix 15)
The radiation therapy system further includes a specifying unit that specifies an OAR region included in the medical image,
The display control unit may set the shape of the mark so that the mark indicating the position of the tumor region does not overlap with the OAR region, and display the mark having the shape on the display device.
（付記１６）
患者に関する医用画像から少なくとも一つの腫瘍領域を特定し、
当該腫瘍領域に関する画像特徴量に基づいて、当該腫瘍領域を原発巣又は転移巣に分類した結果を含む分類結果情報を出力する、
ことを具備する治療計画支援方法。
(Appendix 16)
identifying at least one tumor region from a medical image related to a patient;
outputting classification result information including the result of classifying the tumor region into a primary tumor or a metastatic tumor based on the image feature amount regarding the tumor region;
A treatment planning support method comprising:
（付記１７）
患者の医用画像に含まれる腫瘍領域について原発巣又は転移巣に分類した結果を含む分類結果情報を取得し、
当該分類結果情報に基づいて、前記患者に関する放射線治療計画を作成する、
ことを具備する治療計画方法。
(Appendix 17)
Obtaining classification result information including the results of classifying a tumor region included in a patient's medical image into a primary tumor or a metastatic tumor,
creating a radiation treatment plan for the patient based on the classification result information;
A treatment planning method comprising:
（付記１８）
患者に関する医用画像から少なくとも一つの腫瘍領域を特定する特定部と、
前記医用画像に含まれる前記少なくとも一つの腫瘍領域に関する特徴量に基づいて前記少なくとも一つの腫瘍領域を原発巣又は転移巣に分類する分類部と、
を具備する放射線治療システム。
(Appendix 18)
an identification unit that identifies at least one tumor region from a medical image related to a patient;
a classification unit that classifies the at least one tumor region as a primary tumor or a metastatic tumor based on a feature amount related to the at least one tumor region included in the medical image;
A radiotherapy system equipped with.
（付記１９）
前記放射線治療システムは、前記少なくとも一つの腫瘍領域を前記原発巣と前記転移巣とを視覚的に区別して表示する表示部を更に備えてもよい。
(Appendix 19)
The radiotherapy system may further include a display unit that displays the at least one tumor region while visually distinguishing between the primary tumor region and the metastatic tumor region.
（付記２０）
前記表示部は、前記少なくとも一つの腫瘍領域各々に前記原発巣に対応する第一のマーク又は前記転移巣に対応する第二のマークを付してもよい。
(Additional note 20)
The display unit may attach a first mark corresponding to the primary tumor or a second mark corresponding to the metastatic tumor to each of the at least one tumor region.
（付記２１）
前記第一のマークと前記第二のマークとは、前記少なくとも一つの腫瘍領域各々の輪郭を囲ってもよい。
(Additional note 21)
The first mark and the second mark may surround each of the at least one tumor region.
（付記２２）
前記表示部は、前記原発巣の腫瘍領域が複数存在する場合、異なる複数の原発巣にそれぞれ対応する複数の腫瘍領域に異なる第一のマークを付してもよい。
(Additional note 22)
When there are a plurality of tumor regions of the primary tumor, the display unit may attach different first marks to the plurality of tumor regions respectively corresponding to the plurality of different primary tumors.
（付記２３）
前記表示部は、前記原発巣及び前記転移巣の腫瘍領域が複数存在する場合、異なる複数の転移巣にそれぞれ対応する複数の腫瘍領域に、原発巣の種類毎に異なる第二のマークを付してもよい。
(Additional note 23)
When there are a plurality of tumor regions of the primary tumor and the metastatic tumor, the display section attaches a second mark that is different for each type of primary tumor to the plurality of tumor regions that respectively correspond to the plurality of different metastatic lesions. It's okay.
（付記２４）
前記表示部は、前記医用画像に基づく、前記患者の全身に関する画像を表示してもよい。
(Additional note 24)
The display unit may display an image of the patient's whole body based on the medical image.
（付記２５）
前記表示部は、前記医用画像に基づく、前記少なくとも一つの腫瘍領域のうちの同一スライスに含まれる一つ又は複数の腫瘍領域を含む、前記同一スライスに関するスライス画像を表示してもよい。
(Additional note 25)
The display unit may display a slice image related to the same slice, including one or more tumor regions included in the same slice of the at least one tumor region, based on the medical image.
（付記２６）
前記表示部は、前記原発巣の腫瘍領域及び前記転移巣の腫瘍領域の双方が存在する場合、アブスコパル効果を利用した放射線治療を推奨するメッセージを表示してもよい。
(Additional note 26)
The display unit may display a message recommending radiotherapy using the abscopal effect when both the primary tumor region and the metastatic tumor region are present.
（付記２７）
前記分類部は、腫瘍領域に関する前記医用画像に基づく特徴量に基づいて当該腫瘍領域が原発巣又は転移巣である旨の分類結果を出力するように学習された学習済モデルを有し、前記少なくとも一つの腫瘍領域各々に関する特徴量を前記学習済モデルに適用して分類結果を出力してもよい。
(Additional note 27)
The classification unit includes a trained model that is trained to output a classification result indicating that the tumor region is a primary tumor or a metastatic tumor based on the feature amount based on the medical image regarding the tumor region, and the at least The classification results may be output by applying the feature amounts for each of one tumor region to the learned model.
（付記２８）
前記放射線治療システムは、前記医用画像にＯＡＲ領域を設定する設定部を更に備え、
前記表示部は、前記ＯＡＲ領域に重畳しないように、前記少なくとも一つの腫瘍領域各々に前記原発巣に対応する第一のマーク又は前記転移巣に対応する第二のマークを付してもよい。
(Additional note 28)
The radiation therapy system further includes a setting unit that sets an OAR region in the medical image,
The display unit may attach a first mark corresponding to the primary tumor region or a second mark corresponding to the metastatic tumor region to each of the at least one tumor region so as not to overlap the OAR region.
（付記２９）
前記医用画像は、第一の医用画像診断装置により生成され、前記少なくとも一つの腫瘍領域を有する第一の医用画像と、前記第一の医用画像診断装置とは異なる第二の医用画像診断装置により生成され、前記少なくとも一つの腫瘍領域を有する第二の医用画像とを有し、
前記分類部は、前記第一の医用画像に含まれる前記少なくとも一つの腫瘍領域に関する第一の特徴量と、前記第二の医用画像に含まれる前記少なくとも一つの腫瘍領域に関する第二の特徴量とに基づいて、前記少なくとも一つの腫瘍領域を原発巣又は転移巣に分類してもよい。
(Additional note 29)
The medical image is generated by a first medical image diagnostic apparatus, the first medical image having the at least one tumor region, and a second medical image diagnostic apparatus different from the first medical image diagnostic apparatus. a second medical image generated and having the at least one tumor region;
The classification unit includes a first feature amount related to the at least one tumor region included in the first medical image, and a second feature amount related to the at least one tumor region included in the second medical image. The at least one tumor region may be classified as a primary tumor or a metastatic tumor based on.
（付記３０）
前記分類部は、腫瘍領域に関する前記第一の医用画像に基づく第一の特徴量と前記第二の医用画像に基づく第二の特徴量とに基づいて当該腫瘍領域が原発巣又は転移巣である旨の分類結果を出力するように学習された学習済モデルを有し、前記少なくとも一つの腫瘍領域各々に関する第一の特徴量と第二の特徴量とを前記学習済モデルに適用して分類結果を出力してもよい。
(Additional note 30)
The classification unit determines whether the tumor region is a primary tumor or a metastatic tumor based on a first feature based on the first medical image and a second feature based on the second medical image regarding the tumor region. a trained model that has been trained to output a classification result, and a first feature amount and a second feature amount regarding each of the at least one tumor region are applied to the trained model to obtain a classification result. may be output.
（付記３１）
前記第一の医用画像は、前記第一の医用画像診断装置であるＸ線コンピュータ断層撮影装置により生成されたＣＴ画像であり、
前記第二の医用画像は、前記第二の医用画像診断装置である磁気共鳴イメージング装置により生成されたＭＲ画像、核医学診断装置により生成された核医学画像又は超音波診断装置により生成された超音波画像でもよい。
(Appendix 31)
The first medical image is a CT image generated by an X-ray computed tomography device that is the first medical image diagnostic device,
The second medical image is an MR image generated by a magnetic resonance imaging device that is the second medical image diagnostic device, a nuclear medicine image generated by a nuclear medicine diagnostic device, or an ultrasonic image generated by an ultrasound diagnostic device. A sound wave image may also be used.
（付記３２）
患者の医用画像と前記医用画像に含まれる二つ以上の腫瘍領域各々が原発巣か転移巣かを示す分類結果情報とを取得する取得部と、
前記医用画像と前記分類結果情報とに基づいて、前記二つ以上の腫瘍領域を原発巣別に一つ以上のグループに分ける区分部と、
前記一つ以上のグループ毎に治療計画を作成する作成部と、
を具備する放射線治療システム。
(Appendix 32)
an acquisition unit that acquires a medical image of a patient and classification result information indicating whether each of two or more tumor regions included in the medical image is a primary tumor or a metastatic tumor;
a segmentation unit that divides the two or more tumor regions into one or more groups based on the primary tumor, based on the medical image and the classification result information;
a creation unit that creates a treatment plan for each of the one or more groups;
A radiotherapy system equipped with.
（付記３３）
前記作成部は、前記グループに含まれる前記原発巣と前記転移巣とが予め定められた条件を満たす場合、前記原発巣を前記転移巣よりも優先して行う事を推奨する情報を含む前記治療計画を作成してもよい。
(Appendix 33)
The creation unit generates the treatment including information that recommends that the primary tumor be given priority over the metastatic tumor when the primary tumor and the metastatic tumor included in the group satisfy predetermined conditions. You may also create a plan.
（付記３４）
前記作成部は、
前記二つ以上の腫瘍領域のうちの前記原発巣であると識別された腫瘍領域に対して、前記原発巣のための前記治療計画を作成し、
前記二つ以上の腫瘍領域のうちの前記転移巣であると識別された腫瘍領域に対して、前記転移巣のための前記治療計画を作成してもよい。
(Appendix 34)
The creation department is
creating the treatment plan for the primary tumor for the tumor region identified as the primary tumor among the two or more tumor regions;
The treatment plan for the metastatic focus may be created for a tumor region identified as the metastatic focus among the two or more tumor regions.
（付記３５）
患者に関する医用画像から少なくとも一つの腫瘍領域を特定し、
前記医用画像に含まれる前記少なくとも一つの腫瘍領域に関する特徴量に基づいて前記少なくとも一つの腫瘍領域を原発巣又は転移巣に分類する、
ことを具備する治療計画支援方法。
(Appendix 35)
identifying at least one tumor region from a medical image related to a patient;
classifying the at least one tumor region as a primary tumor or a metastatic tumor based on feature amounts related to the at least one tumor region included in the medical image;
A treatment planning support method comprising:
（付記３６）
患者の医用画像と前記医用画像に含まれる二つ以上の腫瘍領域各々が原発巣か転移巣かを示す分類結果情報とを取得し、
前記医用画像と前記分類結果情報とに基づいて、前記二つ以上の腫瘍領域を原発巣別に一つ以上のグループに分け、
前記一つ以上のグループ毎に治療計画を作成する、
ことを具備する治療計画方法。
(Appendix 36)
obtaining a medical image of a patient and classification result information indicating whether each of two or more tumor regions included in the medical image is a primary tumor or a metastatic tumor;
dividing the two or more tumor regions into one or more groups according to the primary tumor based on the medical image and the classification result information;
creating a treatment plan for each of the one or more groups;
A treatment planning method comprising:
（付記３７）
コンピュータに、
患者に関する医用画像から少なくとも一つの腫瘍領域を特定する機能と、
前記医用画像に含まれる前記少なくとも一つの腫瘍領域に関する特徴量に基づいて前記少なくとも一つの腫瘍領域を原発巣又は転移巣に分類する機能と、
を実現させる治療計画支援プログラム。
(Additional note 37)
to the computer,
the ability to identify at least one tumor region from a medical image related to a patient;
a function of classifying the at least one tumor region into a primary tumor or a metastatic tumor based on a feature amount related to the at least one tumor region included in the medical image;
A treatment planning support program that makes this possible.
（付記３８）
コンピュータに、
患者の医用画像と前記医用画像に含まれる二つ以上の腫瘍領域各々が原発巣か転移巣かを示す分類結果情報とを取得する機能と、
前記医用画像と前記分類結果情報とに基づいて、前記二つ以上の腫瘍領域を原発巣別に一つ以上のグループに分ける機能と、
前記一つ以上のグループ毎に治療計画を作成する機能と、
を実現させる治療計画プログラム。
(Appendix 38)
to the computer,
A function of acquiring a medical image of a patient and classification result information indicating whether each of two or more tumor regions included in the medical image is a primary tumor or a metastatic tumor;
a function of dividing the two or more tumor regions into one or more groups based on the primary tumor, based on the medical image and the classification result information;
a function of creating a treatment plan for each of the one or more groups;
A treatment planning program that makes this possible.
１…放射線治療システム
２…治療計画用ＣＴ装置
３…ＭＲＩ装置
４…核医学診断装置
５…超音波診断装置
６…治療計画支援装置
７…治療計画装置
８…放射線治療装置
６１…処理回路
６２…通信インタフェース
６３…表示機器
６４…入力インタフェース
６５…記憶回路
６１１…腫瘍特定機能
６１２…腫瘍分類機能
６１３…ＯＡＲ設定領域
６１４…画像生成機能
６１５…表示制御機能
1... Radiation therapy system 2... CT device for treatment planning 3... MRI device 4... Nuclear medicine diagnostic device 5... Ultrasonic diagnostic device 6... Treatment planning support device 7... Treatment planning device 8... Radiation therapy device 61... Processing circuit 62... Communication interface 63...Display device 64...Input interface 65...Storage circuit 611...Tumor identification function 612...Tumor classification function 613...OAR setting area 614...Image generation function 615...Display control function
Claims (13)
当該腫瘍領域に関する画像特徴量に基づいて当該腫瘍領域を原発巣又は転移巣に分類した結果を含む分類結果情報を出力する分類部と、を具備し、
前記特定部は、前記画像特徴量に基づいて、腫瘍の位置と腫瘍の種類とを特定し、
前記分類部は、当該特定した結果に従って、前記腫瘍領域を原発巣又は転移巣に分類する、
放射線治療システム。 an identification unit that identifies at least one tumor region from a medical image related to a patient;
a classification unit that outputs classification result information including a result of classifying the tumor region into a primary tumor or a metastatic tumor based on the image feature amount regarding the tumor region ;
The identification unit identifies the location and type of the tumor based on the image feature amount,
The classification unit classifies the tumor region as a primary tumor or a metastatic tumor according to the identified result.
Radiation therapy system.
前記画像特徴量の入力によって前記分類結果情報を得るように学習された学習済モデルを有し、
前記学習済モデルに対して、前記患者の腫瘍領域に関する画像特徴量を入力し、前記学習済モデルにより得られた前記分類結果情報を出力する、
請求項１記載の放射線治療システム。 The classification section is
comprising a trained model trained to obtain the classification result information by inputting the image feature amount;
inputting image features related to the tumor region of the patient to the trained model, and outputting the classification result information obtained by the trained model;
The radiation therapy system according to claim 1.
前記分類結果情報に基づいて、前記腫瘍領域について原発巣別に一以上のグループに分け、ここで当該グループは、同一の原発巣に関する１個又は複数個の腫瘍領域を含む、区分部と、
当該グループ毎に、当該分類結果情報に基づいて、前記患者に対する放射線治療計画を作成する作成部と、
を具備する放射線治療システム。 an acquisition unit that acquires classification result information including the results of classifying a tumor region included in a patient's medical image into a primary tumor or a metastatic tumor;
a segmentation section in which the tumor region is divided into one or more groups according to the primary tumor based on the classification result information, where the group includes one or more tumor regions related to the same primary tumor;
a creation unit that creates a radiation treatment plan for the patient based on the classification result information for each group ;
A radiotherapy system equipped with.
前記作成部は、前記転移巣に分類された腫瘍領域について、前記原発巣情報によって特定される原発巣に基づき、前記放射線治療計画を作成する、
請求項４記載の放射線治療システム。 The classification result information includes primary tumor information that specifies a primary tumor for a tumor region classified as a metastatic tumor,
The creation unit creates the radiation treatment plan for the tumor region classified as the metastatic focus based on the primary tumor identified by the primary tumor information.
The radiation therapy system according to claim 4 .
前記表示制御部は、当該判別結果に応じて、アブスコパル効果を利用した放射線治療を推奨するメッセージを前記表示機器に表示する、
請求項９記載の放射線治療システム。 The creation unit determines, based on the classification result information, whether the primary tumor and metastatic tumor that belong to the same group satisfy a predetermined abscopal effect criterion;
The display control unit displays a message recommending radiation therapy using the abscopal effect on the display device according to the determination result.
The radiation therapy system according to claim 9 .
前記表示制御部は、前記腫瘍領域の位置を示すマークが前記ＯＡＲ領域に重畳しないよう前記マークの形状を設定し、前記形状の前記マークを前記表示機器に表示する、
請求項９記載の放射線治療システム。 further comprising a specifying unit that specifies an OAR region included in the medical image,
The display control unit sets the shape of the mark so that the mark indicating the position of the tumor region does not overlap with the OAR region, and displays the mark having the shape on the display device.
The radiation therapy system according to claim 9 .
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP20179448.4A EP3751582B1 (en) | 2019-06-13 | 2020-06-11 | Radiotherapy system, and therapy planning method |
| US16/898,526 US20200391053A1 (en) | 2019-06-13 | 2020-06-11 | Radiotherapy system, therapy planning support method, and therapy planning method |
| CN202010535526.5A CN112076398A (en) | 2019-06-13 | 2020-06-12 | Radiation therapy system, treatment planning support method, and treatment planning method |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019110456 | 2019-06-13 | ||
| JP2019110456 | 2019-06-13 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2020203077A JP2020203077A (en) | 2020-12-24 |
| JP7451293B2 true JP7451293B2 (en) | 2024-03-18 |
Family
ID=73838172
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2020085959A Active JP7451293B2 (en) | 2019-06-13 | 2020-05-15 | radiation therapy system |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7451293B2 (en) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024071321A1 (en) * | 2022-09-30 | 2024-04-04 | テルモ株式会社 | Computer program, information processing method, and information processing device |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013223731A (en) | 2000-02-18 | 2013-10-31 | William Beaumont Hospital | Process for on-line cone beam computerized tomography guidance of radiation therapy procedures |
| JP2018029852A (en) | 2016-08-25 | 2018-03-01 | 株式会社東芝 | Medical image processor, care system and medical image processing program |
| JP2018530401A (en) | 2015-10-13 | 2018-10-18 | エレクタ、インク.Elekta, Inc. | Pseudo CT generation from MR data using feature regression model |
-
2020
- 2020-05-15 JP JP2020085959A patent/JP7451293B2/en active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013223731A (en) | 2000-02-18 | 2013-10-31 | William Beaumont Hospital | Process for on-line cone beam computerized tomography guidance of radiation therapy procedures |
| JP2018530401A (en) | 2015-10-13 | 2018-10-18 | エレクタ、インク.Elekta, Inc. | Pseudo CT generation from MR data using feature regression model |
| JP2018029852A (en) | 2016-08-25 | 2018-03-01 | 株式会社東芝 | Medical image processor, care system and medical image processing program |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2020203077A (en) | 2020-12-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3751582B1 (en) | Radiotherapy system, and therapy planning method | |
| JP6220310B2 (en) | Medical image information system, medical image information processing method, and program | |
| WO2018119766A1 (en) | Multi-modal image processing system and method | |
| JP5966112B1 (en) | Detection of bone tissue using magnetic resonance imaging | |
| US9775582B2 (en) | Medical image photographing apparatus and method of processing medical image | |
| US11080895B2 (en) | Generating simulated body parts for images | |
| CN103209736B (en) | Radiation cure information generation device and radiation cure information generating method | |
| US8588498B2 (en) | System and method for segmenting bones on MR images | |
| CN106999138A (en) | Diagnosing image method and apparatus and its recording medium | |
| US20210035340A1 (en) | Ct big data from simulation, emulation and transfer learning | |
| CN108778418A (en) | Composite calulation machine tomographic imaging | |
| Benyó | Identification of dental root canals and their medial line from micro-CT and cone-beam CT records | |
| Khoon et al. | A survey of medical image processing tools | |
| JP7451293B2 (en) | radiation therapy system | |
| EP4150569A1 (en) | Functional imaging features from computed tomography images | |
| EP3867871B1 (en) | System and method for automatic delineation of scanned images | |
| JP2017202031A (en) | Medical information processing device | |
| Kot et al. | U-Net and active contour methods for brain tumour segmentation and visualization | |
| Kularathne et al. | Liver Tumor Identification GUI using MATLAB Image Processing | |
| Raidou | Uncertainty visualization: Recent developments and future challenges in prostate cancer radiotherapy planning | |
| Yong et al. | 3D reconstruction of breast cancer from mammograms using volume rendering techniques | |
| US20240242338A1 (en) | Functional imaging features from computed tomography images | |
| US11955228B2 (en) | Methods and system for simulated radiology studies based on prior imaging data | |
| Krol et al. | Biomedical Applications in Molecular, Structural, and Functional Imaging | |
| Hsu | Three-dimensional computerized breast phantom based on empirical data |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20230106 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230228 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231031 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231227 |
|
| 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: 20240206 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240306 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7451293 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |