使用从规划ct和轮廓生成的模板的用于igrt的肿瘤可见性的前瞻性评价的制作方法
【专利说明】使用从规划CT和轮廓生成的模板的用于IGRT的肿瘤可见性的前瞻性评价
[0001]相关串请的交叉引用
[0002]本申请要求于2013年3月15日提交的题为“Prospective Evaluat1n of TumorVisibility for IGRT Using Templates Generated from Planning CT and Contours，，的美国临时申请序列号61/799，195的优先权，将其公开内容整体通过引用并入本文中。共同拥有的于2012年10月26日提交的美国专利申请序列号13/662，365，将其公开内容整体通过引用并入本文中。
技术领域
[0003]本申请总体涉及医学成像，并且更具体地涉及用于在无标记(markerless)和具有植入标记(marker)的情况下评价图像中的肿瘤可见性的系统和方法。
【背景技术】
[0004]放射治疗已经用于治疗肿瘤，例如肺部和腹部中的肿瘤。在治疗时间期间对肿瘤进行定位允许更加精确的剂量递送，其对于使肿瘤剂量和正常组织剂量之间的比率最大化是至关重要的。由于这些肿瘤可能在治疗期间移动，跟踪(track)肿瘤的能力是重要的并且对于图像引导放射治疗(IGRT)是至关重要的。跟踪肿瘤能够利用包括植入标记以及植入信标(beacon)的多种模态(modalities)来完成。因为一些治疗师不情愿将标记植入到患者中，所以存在无标记跟踪技术。无标记肿瘤跟踪技术能够使用导出的肿瘤位置模板(template)来与X射线生成的图像相匹配。有时，这些X射线生成的图像可以是简单的射线照片(rad1graph)，但是有时可以利用诸如能够去除干扰骨结构的双kV射线照片或数字断层融合图像的其它成像模态来完成更好的跟踪。
【发明内容】
[0005]本公开的实施例涉及具有用于生成单能量(SE)数字重建射线照片(DRR)或双能量(DE)DRR的基于图像的定位优化器引擎的规划计算机断层照相(CT)的方法、计算机系统以及计算机程序产品，SE DRR或DE DRR模拟治疗时间射线照片以便前瞻性地评价针对模板匹配算法的问题存在于其中的角度，并且因此在治疗之前评价肿瘤的可见性。该基于图像的定位优化器引擎被配置为概括为在治疗之前优化模板、模态和角度以使得能够做出对在治疗期间的模态的更明智的选择。
[0006]该基于图像的定位优化器引擎包括输出模块用于接收角度、规划图像、规划数据、模板、模态的输入模块、模板生成器模块、数字重建图像(DRI)生成器模块、优化/搜索模块、模板匹配模块以及用于生成根据角度、模板类型和图像模态的跟踪能力的矩阵。
[0007]该基于图像的定位优化器引擎被配置为使用模板匹配来量化(quantify)来自不同角度或方向的该目标的该跟踪能力。峰值旁瓣比(peak-to-side lobe rat1)用于测量跟踪能力。该过程的结果影响治疗规划。例如，基于该结果，对于其中模板的位置不能够被验证并且因此肿瘤的位置不能够被验证的角度规划更少的剂量或没有剂量。
[0008]该基于图像的定位优化器引擎被配置为使用规划CT以便出于使其在治疗时间时的定位自动化的目的而前瞻性地量化肿瘤可见性。规划CT的系统和方法前瞻性地生成针对该肿瘤在治疗期间要从其被成像的每个角度的模板。这些联机(online)成像角度也用于模拟联机图像。这些能够是SE DRR、DE DRR、数字断层融合(DTS)或兆伏(MV)图像，其模拟可在治疗期间从不同角度获得的治疗时间图像。对这些模拟的联机图像和对应模板的模板匹配用于量化针对该角度、模板类型和联机成像模态的肿瘤可见性。一种用于量化的方法是基于对模板匹配的匹配评分表面输出进行分析并计算峰值旁瓣比(PSR)。
[0009]该基于图像的定位优化器引擎被配置为提供在治疗规划中使用的预测或在瞄准预测肿瘤所处的角度的剂量或治疗中使用的预测；换言之，将剂量放置在肿瘤被定位并且因此被跟踪的高置信度的区域中。利用规划CT，医生对肿瘤、骨和其它风险器官画轮廓。本发明使用这样的构思:双能量DRR作为有效源用于评价双能量是否给予用于肿瘤跟踪治疗的更好图像。本发明使用模板技术以匹配在使用治疗期间可以评价肿瘤的方式。附加地，本发明用于确定单能量数字重建射线照片或双能量数字重建射线照片是否给予更好的结果。
[0010]之前还没有提出用于IGRT的对联机图像中的肿瘤可见性的前瞻性和定量评估，而且也没有使用规划CT和轮廓化作为用于实现该目标的方法的有效实施方式。使用用于优化治疗规划和IGRT过程的该方法结果是新颖的。
[0011]模板匹配已经被开发用于定位移动的对象。对于放射治疗患者，医生开发规划。当开发规划时，医生在3-d规划CT中对许多对象画轮廓。模板匹配算法获取这些轮廓的子集，以及由它们包围的CT体素，并且开发随后与治疗时间射线照相图像进行匹配的模板以用于监控肿瘤在剂量递送期间的位置。
[0012]该方法在没有植入诸如射线不透明标记或RF信标的定位基准(fiducial)的情况下对肿瘤的治疗是特别有效的。该方法也在植入的射线不透明标记假定在植入之后在身体中的不规则形状时是有效的。该匹配在该模板相对于该联机图像的不同偏移处被完成，以便说明在可允许裕度(margin)内的目标的可能运动。
[0013]在不同偏移处的匹配的值被视为“匹配评分表面(match score surface)”。算法工作的能力取决于对应于目标位置的峰值匹配评分对匹配评分表面的旁瓣的比率。更高比率意味着在已经正确地将目标定位在放射照相图像中的更多的置信度。
[0014]当轮廓是规划CT中的三维结构时，该结构能够用于开发针对共面的或非共面的治疗的所有角度的模板。
[0015]广泛地说，一种优化对放射治疗目标的跟踪作为治疗规划的部分的方法，包括:由计算机通过从治疗规划图像和数据来模拟治疗时间图像；由计算机从该规划图像和数据来生成模板；由计算机来在该模板和所模拟的图像之间进行模板匹配以量化肿瘤的跟踪能力作为治疗规划的部分；以及由计算机来优化选择针对在该治疗期间的每个成像角度的模板生成和成像模态以使跟踪能力度量最大化。
[0016]本发明的结构和方法被公开在下面的详细描述中。本
【发明内容】
不意在限定本发明。本发明由权利要求书限定。本发明的这些和其它实施例、特征、方面和优点将参考下面的描述、权利要求书和附图变得更好理解。
【附图说明】
[0017]本发明将参考其具体实施例进行描述，并且将参考附图，在附图中:
[0018]图1是图示了根据本发明的云计算机环境中的云计算机的高级方框图。
[0019]图2是图示了用于实施根据本发明的一个或多个实施例的放射系统的图。
[0020]图3是图示了根据本发明的基于图像的定位优化器引擎的软件系统图。
[0021]图4A是图示了根据本发明的用于前瞻性评价的模板匹配算法的方框图，以及图4B是图示了根据本发明的在治疗期间的模板匹配算法的方框图。
[0022]图5是图示了根据本发明的规划体积图像(CT)和带轮廓结构的实施例的流程图。
[0023]图6是图示了根据本发明的规划计算机断层照相(CT)的方框图。
[0024]图7是图示了根据本发明的规划计算机断层照相(CT)的方框图。
[0025]图8是图示了根据本发明的规划计算机断层照相(CT)的方框图。
[0026]图9是图示了根据本发明的优化模板匹配算法的过程的方框图。
[0027]图10是图示了根据本发明的一些实施例的生成模板的方法的方框图。
[0028]图11是图示了根据本发明的生成模板的方法的方框图。
[0029]图12是图示了根据本发明的一些实施例的处理输入图像的方法的图。
[0030]图13是图示了根据本发明的一些实施例的匹配评分表面的示例的图。
[0031]图14是图示了影响虚假检测概率和丢失目标的概率的阈值参数的图。
[0032]图15是图示了用于在没有使用植入标记的情况下执行跟踪的技术的图。
[0033]图16A图示了根据本发明的一些实施例的用于使用模拟源位置中的体积图像生成数字断层融合图像的技术；图16B和图16C也是用于通过使用模拟源位置中的体积图像来生成数字断层融合图像的技术的示例。
[0034]图17是图示了利用其可以实施本发明的实施例的计算机系统的方框图。
【具体实施方式】
[0035]参考图1-图17来提供本发明的结构化实施例和方法的描述。应理解，不旨在将本发明限于特别公开的实施例，但是本发明可以使用其它特征、元件、方法和实施例来实践。各个实施例中的类似的元件通常指的是具有类似的附图标记。
[0036]图1是图示了可由云客户端12访问以供医师查看并调节多个图像显示的窗口 /水平参数的根据本发明的云计算环境10的系统实施例的高级方框图。运行云操作系统的云计算机14，其可以包括其它附加的云计算机以用于数据通信。云客户端12通过网络16与云计算机14无线地或经由有线连接进行通信。云客户端12宽泛地被定义为包括但不限于台式计算机、移动设备、笔记本电脑、智能TV和智能汽车。各种移动设备可适用于本发明，包括具有处理器、存储器、屏幕、具有无线局域网(WLAN)和广域网(WAN)的连接能力的移动电话、如iPhone的智能电话、如iPad的平板电脑、如Chromebook的基于浏览器的笔记本电脑。该移动设备被配置具有完全或部分操作系统(OS)软件，其提供用于运行基本和高级软件应用的平台。用作云客户端12的该移动设备通过网络浏览器访问云计算机14。
[0037]在该实施例中，云计算机14 (还被称为网络/HTTP服务器)包括处理器18、认证模块20、医学图像的虚拟存储22、用于运行云操作系统26的RAM 24、虚拟客户端28、医学图像控制引擎30以及数据库32。数据库32能够通过通信耦合到网络16被并入作为云计算机14的部分或在云计算机14的外部。云计算机14能够被实施为安装和操作在云计算机中的一个云计算机上的自动计算机器的模块。在一些实施例中，云计算机14的操作系统能够包括用于提供其预期功能特征的若干子模块，诸如虚拟客户端28、医学图像控制引擎30和医学图像的虚拟存储22。
[0038]在备选实施例中，认证模块20能够被实施为认证服务器。认证模块20被配置为认证云客户端12是否是访问与虚拟存储22中的特定患者相关联的一幅或多幅医学图像的授权用户并授予许可。认证服务器20可以采用各种认证协议来对用户进行认证，该认证协议诸如传输层安全性(TLS)或安全套接层(SSL)，其是提供用于通过如互联网的网络的通信的安全性的密码协议。
[0039]医学图像能够被存储在云计算环境10中的云计算机14的虚