用于放疗治疗的实时解剖定位监测的制作方法

本公开内容的实施方式通常涉及与放射疗法计划和治疗系统结合使用的医学图像和人工智能处理技术。特别地，本公开内容涉及使用机器学习技术来估计在放射疗法阶段期间人类受试者的解剖定位和移动，并且基于这种估计的定位和移动来提供对放疗机器的控制。

背景技术：

1、放射疗法(或“放疗”)可以用于治疗哺乳类动物(例如，人和动物)组织中的癌症或其他疾病。一种这样的放疗技术是使用伽玛刀来提供的，通过该技术患者被大量低强度伽玛射线辐射，这些低强度伽玛射线以高强度和高精度会聚在靶(例如，肿瘤)处。另一种这样的放疗技术是使用线性加速器(linac)来提供的，由此通过高能粒子(例如，电子、质子、离子、高能光子等)辐射肿瘤。必须准确地控制放射束的放置和剂量以确保肿瘤接收到规定的放射，并且束的放置应当如此以使对通常被称为危及器官(oar)的周围健康组织的损伤最小化。

2、在放疗(radiotherapy)中，通常基于患者的医学图像来执行治疗计划，并且治疗计划需要医学图像中的目标体积和正常关键器官的描绘。当患者正在移动(例如，呼吸)时准确跟踪各种对象，例如，肿瘤、健康组织或者患者解剖结构的其他方面是一项挑战。出现这一挑战是因为利用当前的成像硬件无法直接实时测量放疗治疗期间发生的全三维的患者运动。关于常规的linac和mr-linac系统二者，用于获取体积3d图像(例如，3d cbct图像或3d mri图像)的扫描时间太长而不能以足够的时间分辨率捕获人类受试者的呼吸运动，即使人工智能(ai)处理和压缩感测取得最新进展也不能以足够的时间分辨率捕获人类受试者的呼吸运动。

3、已经开发了一些成像技术，以估计指定感兴趣区域中包含的对象的相对运动，即相对于参考体积的相对运动，参考体积包含诸如感兴趣轮廓区域或剂量计划的辅助信息。例如，可以利用实时获取的2d图像，通过瞬时局部测量来估计(推断)潜在的3d患者运动。这些估计技术中的一些使用2d kv投影或2d mri切片来确定二维平面中的移动估计，但是由于2d图像不能完全跟踪三维中各个对象的移动而受到限制。

4、用于放疗的其他运动估计技术依赖于检测指示患者移动的表面信息，例如利用直接放置在患者身上的传感器或者通过跟踪固定至患者的盒子或背心上的标记来检测指示患者移动的表面信息。然而，这些技术假定表面信息与内部患者状态相关，这通常是不准确的。因此，一些解剖定位监测和运动估计可能不完整或不正确。

技术实现思路

1、在一些实施方式中，提供了用于在放疗治疗阶段期间监测人类受试者的解剖定位和移动，并且基于这样的定位和移动来调整放疗治疗的方法、系统和计算机可读介质。例如，可以使用感兴趣区域的相对运动估计来调整或修改由放疗机器执行的放疗治疗。调整或修改放疗治疗可以包括以下中的一项或更多项：提供命令以对由放疗机器正在提供或计划要提供的放疗束进行控制；基于相对运动估计，改变来自放疗机器的放疗束的定位；基于相对运动估计，改变来自放疗机器的放疗束的形状；基于相对运动估计，对放疗束进行选通(例如，停止放疗束的输出或者启动放疗束的输出)。针对放疗治疗控制的其他变型或操作也可以由所得的运动估计触发或影响。

2、在各种示例中，用于监测解剖定位的操作包括：获得与受试者相对应的三维图像数据，该三维图像数据包括：表示三维的患者解剖结构的参考体积、以及在三维内限定的至少一个感兴趣区域；获得与受试者相对应的二维图像数据，该二维图像数据是在放疗治疗阶段期间被捕获的，并且该二维图像数据捕获感兴趣区域的至少一部分；从二维图像数据中提取特征；将所提取的特征作为输入提供给机器学习回归模型，该机器学习回归模型被训练成根据从二维图像数据中提取的特征估计参考体积在三维中的空间变换；以及根据机器学习回归模型的输出，获得至少一个感兴趣区域的相对运动估计，其中相对运动估计指示根据所提取的特征估计的至少一个感兴趣区域相对于参考体积的运动。

3、在另外的示例中，二维图像数据(例如，实时捕获的)包括以第一取向捕获的第一二维图像和以第二取向捕获的第二二维图像。例如，第一二维图像是从第一平面捕获的，并且第二二维图像是从与第一平面正交的第二平面捕获的。此外，第一二维图像可以是在放疗治疗阶段期间的第一时间捕获的，并且第二二维图像可以是在放疗治疗阶段期间的第二时间捕获的。例如，第二时间可以发生在第一时间之后的300毫秒内。

4、此外，在另外的示例中，从二维图像数据中提取的特征包括从第一二维图像中提取的第一特征集和从第二二维图像中提取的第二特征集。第一特征集和第二特征集可以组合成多维特征向量，并且机器学习回归模型被训练成处理作为输入的多维特征向量。此外，第一特征集和第二特征集的提取可以包括在至少一个感兴趣区域内提取相应特征。另外，在至少一个感兴趣区域内提取相应特征可以包括执行可变形图像配准和执行降维技术。

5、此外，在另外的示例中，三维图像数据是在放疗治疗阶段之前捕获的，并且三维图像数据包括三维磁共振(mr)体积或三维计算机断层扫描(ct)体积。此外，第一二维图像和第二二维图像可以是千伏(kv)x射线投影图像，并且提取第一特征集和第二特征集包括从相应的kv x射线投影图像中提取基准定位。利用这些示例中的任一个，训练处理可以包括：在放疗治疗阶段之前训练机器学习回归模型，其中训练还包括利用在图像变换参数与对应的多取向特征(例如，从在放疗治疗阶段之前捕获的体积中提取的)的对之间识别的映射对回归模型进行拟合。

6、在具体示例中，二维图像数据包括磁共振(mr)成像数据，因为参考体积是利用第一mr脉冲获取序列获取的，并且二维图像数据是利用第二mr脉冲获取序列获取的。例如，多重成像对比度的使用可以包括：在放疗治疗阶段之前，使用第二mr脉冲获取序列来捕获中间三维参考体积；以及执行中间三维参考体积到参考体积的配准，对机器学习回归模型的相关训练包括该配准的使用，并且对所提取特征的分析包括该配准的使用。在另一示例中，多重成像对比度的使用包括：从与受试者相对应的附加二维图像数据获得图像模板，该附加二维图像数据是在放疗治疗阶段之前使用第二mr脉冲获取序列获得的；执行图像模板到参考体积的配准，以确定图像模板与参考体积之间的偏移；以及基于偏移修改三维图像数据，使得机器学习回归模型被训练成利用修改后的三维图像数据使用回归。然后，从二维图像数据中提取特征可以包括使用图像模板作为配准目标以用于特征提取；此外，至少一个感兴趣区域的相对运动估计可以包括偏移的使用。

7、基于运动估计的结果，另外的操作可以包括使用感兴趣区域的相对运动估计，利用放疗机器执行放疗治疗。执行放疗治疗可以包括以下中的一项或更多项：基于相对运动估计，改变来自放疗机器的放疗束的定位；基于相对运动估计，改变来自放疗机器的放疗束的形状；基于相对运动估计，对放疗束进行选通(例如，停止放疗束的输出或者启动放疗束的输出)。其他变型或操作也可以由所得的运动估计触发或影响。

8、以上概述旨在提供对本专利申请的主题的概述。并不旨在提供本发明主题的排他性或详尽的说明。包括了具体实施方式以提供关于本专利申请的另外的信息。