确定临床靶体积制造技术

公开了一种用于确定用于医学治疗的临床靶体积的医学图像数据处理方法。该方法包括在至少一个计算机(2)的至少一个处理器(3)上执行步骤：a)获取(S1)描述患者的解剖结构的至少一个图像的第一图像数据；b)获取(S2)描述至少一个靶细胞的优选扩散方向或概率分布的指示器的第二图像数据；c)通过使用配准算法在第一图像数据和第二图像数据之间执行共同配准来确定(S3)描述第一图像数据向第二图像数据的配准的配准数据；d)基于第一图像数据来确定(S4)描述解剖结构的至少一个图像中的靶区域的大体靶区域数据；e)基于大体靶区域数据来确定(S5)描述靶区域周围的边缘的边缘区域数据；以及f)基于配准数据、大体靶区域数据和边缘区域数据来确定(S6)描述用于医学治疗的解剖结构中的体积的临床靶体积数据。

Determination of clinical target volume

【技术实现步骤摘要】
【国外来华专利技术】确定临床靶体积本专利技术涉及一种用于确定用于医学治疗的临床靶体积的医学图像数据处理方法、对应的计算机程序、存储此类程序的非暂时性程序存储介质和用于执行该程序的计算机，以及用于确定用于医学治疗的临床靶体积的系统。
技术介绍
为了计划和执行医学治疗，尤其是放射疗法治疗，可以界定要治疗的不同类型的体积。例如，治疗体积可由大体肿瘤的位置和范围(即，能够通过诊断成像法如计算机断层摄影(CT)或磁共振成像(MRI)看到、触诊到或拍摄到的那些内容)来界定。这样的体积也被称为大体肿瘤体积(GTV)。然而，对于成功的放射治疗结果而言，应当根除每一个肿瘤细胞，包括那些已经侵入到可见疾病之外的肿瘤细胞。这样的体积包括大体肿瘤体积加上不能通过标准成像法完全可见的亚临床疾病扩散的边缘。这样的体积也被称为临床靶体积(CTV)。如今存在若干界定CTV边缘的准则，例如从GTV球形延伸5mm这样的几何准则。然而，肿瘤细胞实际上可能扩散到预先界定的边缘之外，且有时扩散惊人的距离。因此，例如用于放射疗法计划或手术切除的通过当前诊断癌症成像评估的肿瘤的实际范围以及靶体积的最终界定可能会明显不同。这同样适用于治疗其它患病细胞，例如感染的细胞。特别地，对大体肿瘤体积(GTV)施加通用安全边缘以界定临床靶体积(CTV)可导致可能无需治疗的组织遭受照射。此外，可能会出现具有高肿瘤细胞扩散风险的区域经受低剂量的可能性。确定代表患病细胞的实际扩散的临床靶体积对于医学治疗的成功而言具有根本的重要性。通过防止患病细胞(例如肿瘤细胞)的扩散，可以提高存活率。此外，通过确定优化的临床靶体积，可以降低治疗(例如通过放射疗法治疗)健康细胞的风险。本专利技术实现了确定优化的临床靶体积。具体地，所确定的临床靶体积更准确地考虑了患病细胞的扩散。以下公开了本专利技术的各方面、示例和示例性步骤及其实施例。只要技术上有利且可行，本专利技术的不同示例性特征可以根据本专利技术进行组合。对本专利技术的示例性简短描述以下给出了对本专利技术的具体特征的简短描述，其不应被理解为使得本专利技术仅限于本部分中描述的特征或这些特征的组合。所公开的方法包括获取描述患者的解剖结构或身体区域的至少一个图像的第一图像数据。此外，获取描述患病细胞的优选扩散方向或概率分布的指示器的第二图像数据。第二图像数据表示与患病细胞的扩散相关的关于代谢、分子、物理或生物参数的信息。通过执行共同配准来共同配准第一图像数据和第二图像数据。通过分割在解剖结构的至少一个图像中定义靶区域。围绕待治疗的靶区域(例如肿瘤)定义安全边缘。基于共同配准数据下的与患病细胞的扩散相关的关于代谢、分子、物理或生物参数的信息，确定优化的临床靶体积。对本专利技术的一般描述本部分例如通过参考本专利技术的可能性实施例给出了对本专利技术的一般特征的描述。所述方法、程序和系统由所附的独立权利要求限定。本专利技术的优点、有利特征、有利实施例以及有利方面在下文得以公开并包含在从属权利要求的主题中。只要技术上有利且可行，不同有利特征可以根据本专利技术进行组合。具体地，与另一实施例的另一特征具有相同或类似功能的一个实施例的特征可以与所述另一特征互换，而将额外功能添加到另一实施例的一个实施例的特征可以被特别地添加到所述另一实施例。所公开的方法，在第一方面，提供用于确定用于医学治疗的临床靶体积(CTV)的医学图像数据处理方法。在一个示例中，该医学治疗是放射治疗(例如，放射疗法治疗)。该方法包括在至少一个计算机的至少一个处理器上执行由所述至少一个处理器执行的以下示例性步骤。在(例如第一)示例性步骤中，获取描述患者的解剖结构或身体区域的至少一个图像的第一图像数据。第一图像数据可通过诊断成像模态(例如磁共振成像(MRI)或计算机断层摄影(CT))获取。第一图像数据可描述患者的解剖结构的结构信息。在一个示例中，第一图像数据描述患者的大脑的至少一部分。在一个实施例中，第一图像数据包括定义图像的外观和/或信息内容的颜色值。在一个示例中，颜色值是多色颜色值(其例如是在RGB颜色空间中定义的)。在另一示例中，颜色值是灰度级颜色值。在一个示例中，第一图像数据允许解剖结构的不同部分(例如，不同类型的组织)之间存在区分。不同类型的组织可由相关联的不同颜色值来表征。在(例如第二)示例性步骤中，获取第二图像数据。第二图像数据描述至少一个靶细胞的优选扩散方向或(位置的)概率分布的指示器。靶细胞可以是患病细胞，例如受感染的细胞。在一个示例中，靶细胞是肿瘤细胞。优选扩散方向可以是靶细胞优选在解剖结构内扩散(例如，移动)的方向。优选扩散方向可以与例如纤维(例如，大脑的)的方向相关联。概率分布可以描述靶细胞的存在相对于解剖结构内的位置的概率。在一个示例中，概率分布是靶细胞在解剖结构内的位置的概率分布。在一个实施例中，通过扩散张量成像(DTI)、扩散峰度成像(DKI)、扩散加权成像(DWI)、扩散光谱成像(DSI)或灌注加权成像(PWI)获取第二图像数据。在一个示例中，通过核成像方法(例如正电子发射断层摄影(PET)或单光子发射计算机断层摄影(SPECT))获取第二图像数据。第一图像数据和第二图像数据可以是2D图像数据或3D图像数据。在执行所公开的方法之前，可以已经生成第一图像数据和/或第二图像数据。可替代地，第一图像数据和/或第二图像数据的生成可作为所公开的方法的步骤来实施。在(例如第三)示例性步骤中，通过使用配准算法在第一图像数据和第二图像数据之间执行共同配准来确定描述第一图像数据向第二图像数据的配准的配准数据。配准(共同配准)可以是刚性配准或弹性配准。在下文中，术语“配准”(“共同配准”)与术语“融合”同义地使用。在(例如第四)示例性步骤中，基于第一图像数据来确定描述解剖结构的至少一个图像中的靶区域的大体靶区域数据。靶区域可以是感兴趣区域(ROI)，例如，肿瘤的至少一部分。在一个实施例中，靶区域包括至少一个肿瘤细胞或至少一个受感染细胞的位置。在一个示例中，确定大体靶区域数据包括分割第一图像数据，具体是手动、半自动或自动分割。可以用手动、半自动或自动勾画轮廓技术来定义解剖结构的至少一个图像中的靶区域。通过确定解剖结构的至少一个图像中的大体靶区域(由靶区域数据描述)，可以确定大体靶体积(GTV)。所述至少一个图像可包括穿过解剖结构的轴向、矢状或冠状重建平面。在一个示例中，可基于通过解剖结构的至少两个平面(例如，正交平面)的大体靶区域(由靶区域数据描述)来确定大体靶体积(GTV)。在(例如第五)示例性步骤中，基于大体靶区域数据来确定描述靶区域周围的边缘的边缘区域数据。在一个实施例中，确定边缘区域数据包括通过距离函数计算描述距靶区域的指定点的距离的安全边缘数据。指定点可以是包括在靶区域的外轮廓中的点。例如，指定点可以位于靶区域的外轮廓上。在一个实施例中，距离函数可描述距靶区域的外轮廓上的点的距离。该距离可以在1mm至50mm的范围内，特别是4mm至10mm。借助于距离函数，可以确定靶区域周围本文档来自技高网...

【技术保护点】
1.一种医学图像数据处理方法，用于确定用于医学治疗的临床靶体积，其中所述方法包括在至少一个计算机(2)的至少一个处理器(3)上执行步骤：/na)获取(S1)描述患者的解剖结构的至少一个图像的第一图像数据；/nb)获取(S2)描述至少一个靶细胞的优选扩散方向或概率分布的指示器的第二图像数据；/nc)通过使用配准算法在所述第一图像数据和所述第二图像数据之间执行共同配准来确定(S3)描述所述第一图像数据向所述第二图像数据的配准的配准数据；/nd)基于所述第一图像数据来确定(S4)描述所述解剖结构的所述至少一个图像中的靶区域的大体靶区域数据；/ne)基于所述大体靶区域数据来确定(S5)描述所述靶区域周围的边缘的边缘区域数据；以及/nf)基于所述配准数据、所述大体靶区域数据和所述边缘区域数据来确定(S6)描述用于所述医学治疗的所述解剖结构中的体积的临床靶体积数据。/n

【技术特征摘要】
【国外来华专利技术】1.一种医学图像数据处理方法，用于确定用于医学治疗的临床靶体积，其中所述方法包括在至少一个计算机(2)的至少一个处理器(3)上执行步骤：
a)获取(S1)描述患者的解剖结构的至少一个图像的第一图像数据；
b)获取(S2)描述至少一个靶细胞的优选扩散方向或概率分布的指示器的第二图像数据；
c)通过使用配准算法在所述第一图像数据和所述第二图像数据之间执行共同配准来确定(S3)描述所述第一图像数据向所述第二图像数据的配准的配准数据；
d)基于所述第一图像数据来确定(S4)描述所述解剖结构的所述至少一个图像中的靶区域的大体靶区域数据；
e)基于所述大体靶区域数据来确定(S5)描述所述靶区域周围的边缘的边缘区域数据；以及
f)基于所述配准数据、所述大体靶区域数据和所述边缘区域数据来确定(S6)描述用于所述医学治疗的所述解剖结构中的体积的临床靶体积数据。


2.根据权利要求1所述的方法，其中确定所述大体靶区域数据包括分割所述第一图像数据，具体是手动、半自动或自动分割。


3.根据权利要求1或2所述的方法，其中确定边缘区域数据包括通过距离函数计算描述距所述靶区域的指定点的距离的安全边缘距离数据。


4.根据前述权利要求中任一项所述的方法，包括：在所述至少一个计算机(2)的所述至少一个处理器(3)上执行步骤：
获取描述由所述第二图像数据描述的值的至少一个阈值的阈值数据，
其中确定所述临床靶体积数据还基于所述阈值数据。


5.根据前述权利要求中任一项所述的方法，包括：在所述至少一个计算机(2)的所述至少一个处理器(3)上执行步骤：
获取描述所述解剖结构的模型的图谱数据。


6.根据权利要求5所述的方法，其中所...

【专利技术属性】
技术研发人员：詹斯·维特，
申请(专利权)人：博医来股份公司，
类型：发明
国别省市：德国;DE