通过随机分析描绘不确定性在放疗中改进治疗计划评价的制作方法

专利名称：通过随机分析描绘不确定性在放疗中改进治疗计划评价的制作方法
技术领域：
本申请涉及放射治疗领域。其在对放射治疗的方案进行计划中具有特 别的应用，并根据有关其的特定的参考而进行描述。然而将会意识到其在 涉及诊断成像计划的其他治疗中也具有功效。
背景技术：
在放射治疗中，射线从多个方向聚焦在肿瘤或其他目标上。理想地， 所述射束将用所选的辐射剂量照射整个目标，而避免或最低限度地照射到
周围的关键组织。为了计划尽可能靠近理想的放疗期，生成并分割3D诊 断图像。即确定并描绘了目标、关键的周围组织、骨或其他高密度辐射吸 收结构的轮廓和边界。
在放射治疗计划(放疗)中手动勾勒轮廓单调乏味且易于出错。放疗 计划各方面的自动控制如在本领域中以前工作所描述的那样是所期望的。 Monte Carlo技术在强度可调放疗的剂量学领域中是公知的。例如，见 Fix. M.， "Monte Carlo Models for Dosimetry in Photon Beam Radiotherapy"， Dissertation 2001， ETHZ， Zuerich。用于分割的采样算法在计算机视觉的学 术界中是公知的。例如，见Isard,M.和Blake, A. "Condensation-Conditional Density Propagation for Visual Tracking" , International Journal of Computer Vision, vol 28(l)pp5-28。已经建议使用采样算法来分析(心脏)功能参数 中的不确定性。例如，见授予J.S6n6gas的、题目为"Stochastic Analysis of Cardiac Function"的国际公开WO 2005/071615A1 。更多的努力已经投入 到精确的自动和/或半自动分割算法的研发中。然而，不能确定在勾勒轮 廓中需要如何的精确以及在描绘中稍微的变化对所述计划会产生多大的 影响。结果，为了评价从给定计划中获得的度量，必须拓展分割(描绘) 中的不确定性。
即使可得到对目标器官的完美描绘，为了评价所述计划，也要考虑治疗期间由于器官运动(诸如呼吸)引起的误差、设置误差(例如用于治疗
的患者定位)、剂量学的计算(例如，各Hounsfidd值中的误差或者需要
计算剂量的其他患者或放射治疗设备所依赖的参数中的误差)以及输送的 不准确性。在下文中，本申请的说明书关注于描绘的不确定性，除此以外 前述各种不确定性也能以相同的方式进行解决。 通过对从计划的剂量分布中得到的不同度量(例如，累积剂量体积直
方图(DVHs)、等剂量曲线、剂量分布统计等)进行研究，评价放疗中的 治疗计划。然而，这些度量忽略了轮廓勾勒中的不确定性和不准确性。因 此，在计划所依据的初始轮廓中存在小变化的情况下，度量(例如，目标 计划体积中的最小剂量)可能发生相当大地变化。这种变化在报告给放射 肿瘤学家或其他临床医生或保健提供者的度量中可能反映不出来。即使自 动分割算法正在日益发展的情况下，由于前述效果导致的其余不确定性， 仍会影响治疗计划的质量。治疗计划的评价需要反映这些不确定性，从而 最终改进所述治疗计划。

发明内容
本申请为放疗计划提供了新的和改进的方法和装置，其克服了上面提 到的问题以及其他问题。
根据一个方面，提供了一种对放射治疗制定计划的方法。创建患者体 内的目标结构的初始描绘。根据所述目标的初始描绘创建最佳的放疗计划。 生成最佳放疗计划多个备选的描绘。为每种备选的分割(保持确定的计划) 产生诸如剂量体积直方图的目标度量。从各备选描绘的目标度量中计算目 标度量的统计量，诸如均值和标准偏差。给用户显示所述目标度量统计量。
根据另一方面，提供了一种放疗计划装置。计划图像数据存储器存储 在创建对象放疗计划中所用的对象诊断图像。模型数据库含有感兴趣区的 以前构建的模型，诸如器官统计形状模型。放疗计划处理器根据对象的图 像和至少一个感兴趣区的模型构建放疗计划。最后，显示器给放疗计划装 置的用户显示所述放疗计划的至少一个方面。 一种装置提供了新的最优化 标准，从而优化所述治疗计划。例如，用户可准备两套计划，并优选平均 起来性能最佳、或具有最少极端错误结果或具有最好90%置信区间的其中一套。
根据另一方面，提供了一种肿瘤治疗方法。将目标结构进行初始分割， 界定所述目标结构的轮廓。根据所述目标结构的初始分割计算初始治疗计 划。为分割目标结构的每部分计算目标度量。为整个目标结构计算目标度 量的统计量。请求用户批准所述初始治疗计划。在所述计划批准后，用批 准的计划治疗所述目标结构。
一个优势在于放疗计划的改进评价。
另一优势在于量化组织轮廓勾勒和放疗中的不确定性。 另一优势在于拓展分割的不确定性，以便评价放疗计划中的可变性。 在阅读并理解了下列详细说明后，本领域技术人员将会意识到本发明 其他别的优势。


本发明将采取不同的组件和组件安排的形式，以及不同的步骤和步骤 安排的形式。各附图仅为了阐述各优选的实施例，不能解释为限制本发明。
图1是根据本申请的放疗计划设备的图解阐述；
图2是根据本申请的放疗计划创建中各步骤的流程图3是示范性直方图范围显示。
具体实施例方式
通过计算剂量分布度量的概率分布，放疗计划可说明器官轮廓勾勒中 内在的不确定性、由于器官运动、患者定位和输送不准确造成的剂量分布 中内在的不确定性以及剂量分布计算中内在的不确定性。这相当大地改善 了计划的评价和比较。例如，目标体积中最小剂量是50±10格雷(均值± 标准偏差)的计划将比目标体积中最小剂量是48士2格雷的计划差。SP，后 一计划中用至少45格雷碰撞目标的概率较高。此外，这种分析给出了有关 自动分割算法(例如，关于精度)必要条件的重要信息。
当为患者规划放疗时，通常患者接收较长时段上(大约几周)定期(例 如，每天)施予的大剂量辐射。由于几个原因对治疗进行这样的分布。一 个原因是通过在长时期内分布所述剂量，减少系统冲击和对健康组织的间接损害。另外，它给身体一个对死亡的目标细胞进行新陈代谢的机会，更 好地使剩余的目标细胞暴露于辐射。在治疗期间，将患者置于放疗设备的 瞄准区域。该设备有时候称之为线性加速器或"直线性加速器"。对于患者 相对于放疗设备的位置而言，最多只知道给定的准确性。而且，在定位后 患者的运动和/或目标器官的运动是可能的。结果，输送给目标器官的剂量 会不同于最佳计算的剂量。例如，对于在左右方向上随呼吸一同运动的肿 瘤而言，用前后射束进行的治疗比用侧向射束进行的治疗将会导致更差的
目标覆盖。这一误差来源是通过例如在配准的4D CT图像基础上对呼吸运 动进行建模造成的。所述设备通常施予X线射束，但是根据诊断，其他形 式的高能、电离和穿透辐射或加速粒子也是合适的，诸如伽马射线、电子、 阿尔法粒子、质子等。将射线发射器安装在可移动的扫描架上，以便给患 者提供具有恰当角度的宽弧发射器。对象支撑平台优选由辐射透过材料制 造，使得直线性加速器还能从患者的下方以及上方实施治疗。
在放射治疗期间，使用通向目标的几个进路角度。这能够使治疗期内 对患者施予的总剂量在与所述目标相交的几个进路上进行分布。这使向目 标施予的辐射最大，而对沿所述进路的健康组织的间接损害最小。根据患 者的特殊需求，所述辐射发射器可与对象特定准直器进行准直，所述对象 特定准直器进行准直将射束限制成一定的几何形状或将射束分成几个更小 的"子束波"的。对于每个进路的角度可使用不同的准直器，因为根据目 标和任何邻近辐射敏感组织的大小和形状，每个视图可具有所述目标稍微 不同的轮廓视图。用于辐射发射的角度中的其他误差导致了剂量分布中的 不准确。
参考图1，在对患者施予辐射治疗之前，患者首先经受为其特定疾病指 定最佳治疗策略的计划操作。放疗计划通常在与实际放疗设备分离的场所 进行。这能够使所述放疗设备不受干扰地操作，增大患者的通过量。放疗 计划通常在远离放疗机器实际位置的分离成像套间中进行。然而，还在对 已经成形的放疗计划的细微调整中利用适应性计划。在已经为患者创建计 划、但在辐射治疗实际开始之前，物理上将患者带到治疗套间。为了方便， 这一般恰好发生在他们首次安排的治疗之前。在患者位于直线性加速器的 情况下，拍摄一幅或多幅所述区域的低功耗投影图像。这些图像用于校验所述放疗计划，并对所述放疗计划进行微小调整，从而说明患者定位中的 微小差异、由于制定计划导致患者解剖结构中的微小变化等。类似地，放 疗计划可按照正在进行的治疗进行调整。例如，照射后的肿瘤在放射治疗 过程中常常萎縮。在整个治疗中定期拍摄投影图像可用于校验所述治疗的 功效，并可能根据新的肿瘤形状改变射束宽度或形状。
通常，使用一个或多个成像模态(例如，CT、 X射线、MRI、 PET) 10生成在计划操作中使用的支架12上的患者图像。常见地，不止使用一个 模态，以及使用融合图像来完善所述放疗计划。这些模态在物理上可位于 计划套间内，但也可位于它们自己指定的套间内。例如，CT扫描器在物理 上可位于计划套间内，但是如果放射肿瘤学家需要来自不同模态的附加图 像以帮助制定计划，则这些图像也可在其他地方产生。在需要之前，可将 计划图像存储在计划图像存储器14中。任选地，图像组合处理器16可将 来自不同模态的图像进行融合，以产生混合图像。PET/CT组合图像是混合 图像的一个示例，但可以理解多个图像合并是可能的。常常，图像的组合 借助于配准算法来实现，其易于出错。所述混合图像常常在有关肿瘤计划 中的使用是有益的，因为多种模态的好处能够使目标更明确，使其与周围 组织形成对照。目标在预治疗计划中界定的越好，其轮廓确定地就越精确 以及关于剂量、射束几何形状、进路等的治疗计划就越准确。
然后计划图像由放疗计划处理器20进行分析。最终结果给放射肿瘤学 家提供治疗计划，并且所述治疗计划可被肿瘤学家按照适用来同意、修改 或拒绝。放疗计划处理器20的更详细讨论如下。
一旦肿瘤学家确定所述治疗计划，可使用以前生成和勾勒的图像或通 过一组补充的患者图像对所述计划进行检验。患者位于放射治疗设备或模 拟器中。在降低的功率操作下，在每个建议的角度投影射线束。探测器位 于患者的另一侧以生成阴影图，即沿每个建议射束角生成兆电子伏(MeV) 图像或投影图像。该阴影图用于对各射束角和横截面进行精细调整。对所 述各角度和横截面进行标记以便在随后的治疗期中使用。在每个治疗期前 或期间使用阴影图进行检验和精细调节。
可确定输送给经分割的器官的剂量。但是输送给所述目标的剂量精度 取决于分割目标轮廓所用的精度。此外，输送的剂量精度受治疗期间器官
ii运动的影响、受辐射期间患者实际位置的影响，以及受辐射系统输送精度
的影响。它还取决于剂量计算系统所用其他输入参数(诸如Hoimsfidd值)
的精度。得到源自剂量分布的度量的概率密度是期望的。所述概率密度反 映了由于器官轮廓勾勒中的不确定性和其他前述不确定性导致的可变性。 剂量分布度量的统计量可从所述概率密度中进行计算。所述可计算的概率
密度包括均值和标准偏差、剂量的分位数(1%、 5%、中间、95%、 99%)、 剂量的置信区间等。这些密度可作为图形或数字展现。它们也可作为叠置 于诊断图像上的彩色绘图展现。为了计算治疗计划的概率密度，分割处理 器24首先对计划图像进行分割。所述分割优选在贝叶斯分割框架内进行， 在所述框架中通过轮廓的先验模型(例如器官模型)和计划图像本身的概 率模型(观察模型)来描述所描绘轮廓的不确定性。在授予McNutt等人的 美国专利6,735,277以及授予Kaus等人的共同未决的临时申请60/807,531 中描述了可能的分割框架。可将这些器官模型和概率模型存储在模型数据 库22中，并在分割处理器24需要时检索。
在对计划图像进行分割后，计划计算处理器25对治疗计划进行计算， 并由目标度量处理器26创建目标度量，例如剂量体积直方图。 一般在贝叶 斯分割框架内，各种当前的自动分割方法利用概率模型。 一般而言，随分 割精度的增加，得到的剂量目标度量在置信度上也将提高。在该框架中， 给定用于分割的计划图像的分割器官概率模型是期望的。这样，使用贝叶 斯框架、先验和似然模型，概率模型生成器28生成概率模型。该概率模型 也称之为后验概率。将有关器官/肿瘤/目标体积的知识嵌入到分割形状的先 验模型中，其例如可在模型数据库24的基础上由先验模型处理器30得出。 此外，在给定分割形状下的观察(图像)的似然模型由似然模型处理器31 进行阐明。如果将来自几种模态的图像用于制定计划中，则所述似然模型 考虑所有可得到的图像，以及有可能说明由于图像组合导致的误差，诸如 配准误差。将先验模型和似然模型进行组合以形成后验概率模型。
其次，样本生成器32从以前生成的概率模型中生成样本。这确保直接 考虑了有关分割的内在不确定性。可将样本生成器32生成的每个样本理解 为似然分割。S卩，存在所述分割将表示实际状况的不可忽略的概率。可使 用不同的方法(诸如重要性采样或马尔可夫链)来生成遵从所述概率模型的样本。见Doucet等人的"Sequential Monte Carlo in Practice",Springer, 2001;禾卩Gilks等人的"Markov Chains Monte Carlo in Practice", Chapman and Hall,1996。例如，在重要性采样中，从先验模型中直接采集所述样本并根据所述似然模型进行加权。此外，对生成的样本可能进行修改以考虑别的误差，诸如辐射散射、运动、设置误差、剂量学和输送的不准确性。这优选由误差核算处理器33来执行。例如，通过为每个样本增加随机扰动(诸如随机平移、旋转等)，可考虑由于患者定位和/或偏移以及器官运动造成的误差。这种随机扰动可由作为误差核算处理器一部分的概率模型进行描述。每个生成的分割存储在分割存储器34中。对于每个生成的样本，由目标度量处理器26计算所述目标度量(例如，剂量体积直方图(DVH)的分位数)。这得到所述目标度量的样本。在这一阶段可说明剂量输送或剂量计算中的不确定性。这可通过使用描述每个所涉及参数(诸如Hounsfield值或辐发射的进路角度)的精度的概率模型来实现。生成遵从所述参数概率模型的数值，并且对于这些数值的每一个而言，计算当前样本的对应剂量分布。从所述剂量分布中，获得目标度量的样本。最后，将所有目标度量的样本反馈给统计处理器47，从而计算直方图(或任何其他统计描述符)。这被称为Monte Carlo积分。所述直方图或其他描述符反映了由于分割中的不确定性导致的目标度量中的可变性。可在显示设备54上给用户显示该描述符。现在参考图2，所述放疗计划将通过参考流程图进行描述。获得目标40 (即，肿瘤、存在风险的器官等)的初始描绘。优选地，这可自动进行，诸如通过使用执行上述分割步骤的算法进行，但在备选方案中，它也可由临床医生通过定点设备用手对区域进行轮廓勾画来手动实现。从该初始轮廓勾勒中，使用恰当的计划软件计算42最佳放疗计划。之后，使用上述概率模型，生成44备选分割的总体。每个样本与概率相结合。从轮廓的初始自动描绘中执行所述采样。在45说明其他误差，诸如辐射散射、运动、设置误差、剂量学和输送的不准确性。这由误差核算处理器33来执行，其相应地修改所述样本。对于每个样本而言，根据初始放疗计划计算46任何合适的目标度量(诸如DVH)。从所述目标度量的样本总体中，由统计处理器47计算体现这一度量的合适的统计量(诸如平均目标度量48)，以及所述目标度量的置信区间。还可估计目标器官中的最小剂量在给定水平以下的概率，或者风险器官中最大剂量在给定阈值50之上的概率。这一附加信
息最终在显示器54上以图表的方式52呈现给临床医生。
图3表现了该信息的示范性显示。将两条曲线呈现给临床医生。第一 曲线60代表剂量最小值，即根据本放疗计划所述目标区域将接受的最小射 线量。第二曲线62代表所述目标区域将接受的最大射线量。所述曲线考虑 了由于在诊断图像中进行器官轮廓勾勒所造成的可能不准确性，以及由误 差核算处理器33分析的其他不准确性。给用户的输出可采用图3的曲线形 式，或者叠置于器官诊断图像上的剂量分布统计图的形式等。目标结构的 累积剂量体积直方图介于最小和最大曲线60， 62之间将是期望的。临床医 生可根据这些统计量决定所述计划是否能够接受。此外，在统计假设检验 的基础上可计算不同的计划。例如，临床医生可研究由所述计划某些方面 稍微地变化产生的统计差异。临床医生可调整所选的进路轨迹、角度、器 官轮廓勾勒的方法等。通过改变这些部件，统计剂量概率同样将稍微地发 生改变。通过研究所述计划中的细微调节，统计假设可帮助临床医生在各 备选计划之间进行选择。例如，临床医生可从统计上评估一个计划是否明 显比另一个计划好(安全、更有效、更得力等)。
在备选方案中，治疗计划可根据生成的轮廓进行调整。在从初始分割 中计算治疗计划并评估所述计划的可行性之后，可结合反馈循环来计算/选 择具有更低可变性的治疗计划。同样，生成的样本以类似于模拟退火的方 式用于治疗计划的优化中。
即使创建放疗计划的整个操作是优选自动进行，但是对所述计划的批 准还是在于放射肿瘤学家或其他健康护理人员。肿瘤学家能够接受所述计 划、修改所述计划或拒绝所述计划。假设所述各项计算严重地依赖于各基 础诊断图像，则肿瘤学家可能希望采用患者新的图像，以试图生成更令人 满意的放疗计划。
参考各优选实施例已经对本发明进行了描述。在阅读并理解了前面详 细描述后，其他人能够想到多种修改或变更。本发明拟解释为包括所有这 种修改和变更，只要它们落在附加权利要求或其等同物的范围内。
权利要求
1、一种对放射治疗制定计划的方法，包括生成患者体内的目标结构的初始描绘；根据所述目标的所述初始描绘创建最佳的放疗计划；创建所述目标的多个备选描绘；针对每个备选描绘产生目标度量；根据所述备选描绘的所述目标度量计算至少一个统计量；向用户显示所述统计量。
2、 如权利要求l所述的方法，还包括通过计算剂量超过给定阈值的概率来评估治疗计划的可行性。
3、 如权利要求2所述的方法，还包括根据所述至少一个统计量，调整所述治疗计划以创建更加可行的治疗 计划。
4、 如权利要求l所述的方法，还包括说明在计算输送剂量、器官运动、设置参数、患者定位和辐射散射中 的至少一种中的误差。
5、 如权利要求l所述的方法，其中，创建多个备选描绘的步骤包括 使每个描绘与概率相关联。
6、 如权利要求l所述的方法，其中，生成初始描绘的步骤包括 用户手动定义所述初始描绘。
7、 如权利要求l所述的方法，其中，生成初始描绘的步骤包括 用自动或半自动分割算法生成所述初始描绘。
8、 如权利要求7所述的方法，其中，所述自动分割算法基于目标的先 验模型和在给定所述目标下图像数据的似然模型而利用所述目标的知识。
9、 如权利要求7所述的方法，其中，所述分割算法使后验分布最大化。
10、 如权利要求9所述的方法，其中，从所述后验分布中生成样本。
11、 如权利要求1所述的方法，其中，计算所述目标度量的至少一个 统计量的步骤包括对所述备选描绘的所述目标度量的值取平均，以获得平均目标度量； 计算所述目标度量的标准偏差、分位数和置信区间；以及 在所计算的目标度量上执行统计检验。
12、 如权利要求ll所述的方法，其中，显示步骤包括为所述至少一个 统计量进行显示图形、显示数值、显示平均剂量等轮廓线的覆盖图、显示 最小剂量等轮 廓线和显示最大剂量等轮廓线的至少其中之一。
13、 一种计算机处理器或介质，将其编程为控制处理器以执行权利要 求1所述的方法。
14、 一种放疗计划装置，包括执行权利要求1每个步骤的器件。
15、 一种放疗计划装置，包括计划图像数据存储器(14)，用于存储对象的诊断图像以在为对象创建 放疗计划中使用；模型数据库(22)，其含有以前构建的感兴趣区的模型；放疗计划处理器(20)，其基于所述对象的所述图像和至少一个所述感 兴趣区的模型构建放疗计划；显示器(54)，用于向所述放疗计划装置的用户显示所述放疗计划的至 少一个方面。
16、 如权利要求15所述的放疗计划装置，其中，所述放疗计划处理器(20)包括分割处理器(24)，其对来自所述计划图像数据存储器(14)的所述诊 断图像进行分割，以生成所述目标的描绘。
17、 如权利要求16所述的放疗计划装置，其中，所述分割处理器(24) 在贝叶斯分割框架内执行分割运算。
18、 如权利要求16所述的放疗计划装置，其中，所述放疗计划处理器 (20)包括概率模型生成器(28)，其产生用于计算所述放疗计划的所述至少一个 方面的统计量的备选分割。
19、 如权利要求16所述的放疗计划装置，其中，所述放疗计划处理器 (20)包括似然模型处理器(34)，其创建在给定的所述分割下描述用于制定计划 的所述诊断图像的可变性的似然模型。
20、 如权利要求19所述的放疗计划装置，其中，所述放疗计划处理器 (20)包括概率模型生成器(28)，其根据给定的先验模型和给定的似然模型生成 概率模型。
21、 如权利要求20所述的放疗计划装置，其中，所述放疗计划处理器 (20)包括样本生成器(32)，其根据所述概率模型生成样本，以说明所述分割处 理中的不确定性。
22、 如权利要求21所述的放疗计划装置，其中，所述放疗计划处理器(20)包括分割存储器(34)，其存储所述目标的每个经处理的描绘。
23、 如权利要求22所述的放疗计划装置，其中，所述统计处理器(47) 根据所述分割存储器(34)中存储的所有所述经处理的描绘，创建所述目 标度量的统计量。
24、 如权利要求15所述的放疗计划装置，其中，所述放疗计划处理器 (20)包括误差核算处理器(33)，其说明器官运动误差、设置误差、患者定位误 差、辐射散射误差和输送误差中的至少一个。
25、 如权利要求15所述的放疗计划装置，其中，所述显示器(54)给 用户显示由所述放疗计划处理器(20)创建的所述目标度量的统计量。
26、 如权利要求15所述的放疗计划装置，还包括 图像组合处理器(16)，其将不同的诊断图像进行组合，以形成用于所述放疗计划的混合图像。
27、 如权利要求26所述的放疗计划装置，其中，所述似然模型处理器 (31)说明由于所述图像组合造成的误差。
28、 如权利要求26所述的放疗计划装置，其中，图像组合处理器(16) 将PET和CT图像进行组合。
29、 一种肿瘤治疗方法，包括对目标结构进行初始分割，界定所述目标结构的轮廓； 根据所述目标结构的所述初始分割计算初始治疗计划； 为经分割的目标结构的每一部分计算目标度量； 为整个目标结构计算平均目标度量的统计量；征求用户批准所述初始治疗计划； 用批准后的计划治疗所述目标结构。
30、如权利要求29所述的方法，还包括根据所计算的统计量，调整所述初始治疗计划，以形成更加可行的治 疗计划。
全文摘要
本申请关注使用采样技术来拓展分割的不确定性，以便对放射计划中的可变性进行评估的思想。放疗计划装置(10)生成对象感兴趣区的诊断图像数据。也可使用来自其他来源的图像数据。将所述图像数据进行分割(44)，并于以前的成像模型数据进行合并。为每个图像数据的分割产生诸如剂量体积直方图的目标度量。这些度量随后合并到所述目标度量的统计量化(图3)中。所述信息呈现(52)给用户，以便给用户放疗计划的可能结果，以及例如这些结果的置信水平。
文档编号A61N5/10GK101663069SQ200880010853
公开日2010年3月3日 申请日期2008年3月6日 优先权日2007年3月30日
发明者J·塞内加, T·维克 申请人:皇家飞利浦电子股份有限公司