формирование модели усовершенствованного изображения
Классы МПК: | A61B6/03 томографы с применением вычислительной техники G06F19/00 Устройства или способы цифровых вычислений или обработки данных для специальных применений |
Автор(ы): | САБКЗИНСКИ Йорг (US), РЕНИЧ Штеффен (US), КАРЛСЕН Ингвер-Курт (US), КАБУС Свен (US), ОПФЕР Роланд (US), КАУС Михель (US), БЗДУСЕК Карл Антонин (US), ВЕСЕ Юрген (US), ПЕКАР Владимир (US) |
Патентообладатель(и): | КОНИНКЛЕЙКЕ ФИЛИПС ЭЛЕКТРОНИКС Н.В. (NL) |
Приоритеты: |
подача заявки:
2009-07-22 публикация патента:
27.09.2014 |
Изобретение относится к средствам формирования изображения в позитрон-эмиссионной томографии. Имитатор реакции на терапевтическое лечение содержит моделирующее устройство для формирования модели структуры объекта или субъекта, который подлежит лечению, на основании информации об объекте или субъекте, и прогнозирующее устройство, которое формирует прогнозированную реакцию, указывающую на то, каким образом структура вероятно должна реагировать на лечение, на основании модели и плана терапевтического лечения, и которое формирует параметрическую карту, которая включает в себя количественную информацию, указывающую на прогнозированную реакцию, при этом параметрическая карта количественно описывает накопление изотопного индикатора воспаленной ткани и используется для удаления вклада накопления изотопного индикатора от воспаленной ткани из данных изображения, оставляя накопление изотопного индикатора от опухоли в данных изображения. Использование изобретения позволяет повысить точность прогнозирования реакции структуры объекта или субъекта на лечение. 8 з.п. ф-лы, 11 ил.
![формирование модели усовершенствованного изображения, патент № 2529381](/images/img_patents/2/2529/2529381/2529381.jpg)
![формирование модели усовершенствованного изображения, патент № 2529381](/images/img_patents/2/2529/2529381/2529381-2.jpg)
![формирование модели усовершенствованного изображения, патент № 2529381](/images/img_patents/2/2529/2529381/2529381-3.jpg)
![формирование модели усовершенствованного изображения, патент № 2529381](/images/img_patents/2/2529/2529381/2529381-4.jpg)
![формирование модели усовершенствованного изображения, патент № 2529381](/images/img_patents/2/2529/2529381/2529381-5.jpg)
![формирование модели усовершенствованного изображения, патент № 2529381](/images/img_patents/2/2529/2529381/2529381-6.jpg)
![формирование модели усовершенствованного изображения, патент № 2529381](/images/img_patents/2/2529/2529381/2529381-7.jpg)
![формирование модели усовершенствованного изображения, патент № 2529381](/images/img_patents/2/2529/2529381/2529381-8.jpg)
![формирование модели усовершенствованного изображения, патент № 2529381](/images/img_patents/2/2529/2529381/2529381-9.jpg)
![формирование модели усовершенствованного изображения, патент № 2529381](/images/img_patents/2/2529/2529381/2529381-10.jpg)
![формирование модели усовершенствованного изображения, патент № 2529381](/images/img_patents/2/2529/2529381/2529381-11.jpg)
Формула изобретения
1. Имитатор реакции на терапевтическое лечение, содержащий:
моделирующее устройство (202), которое формирует модель структуры объекта или субъекта, который подлежит лечению, на основании информации об объекте или субъекте; и
прогнозирующее устройство (204), которое формирует прогнозированную реакцию, указывающую на то, каким образом структура вероятно должна реагировать на лечение, на основании модели и плана терапевтического лечения, и которое формирует параметрическую карту, которая включает в себя количественную информацию, указывающую на прогнозированную реакцию, при этом параметрическая карта количественно описывает накопление изотопного индикатора воспаленной ткани, и указанная параметрическая карта используется для удаления вклада накопления изотопного индикатора от воспаленной ткани из данных изображения, оставляя накопление изотопного индикатора от опухоли в данных изображения.
2. Имитатор по п.1, в котором количественная информация включает в себя количественную информацию, указывающую на накопление изотопного индикатора, имеющее отношение к структуре.
3. Имитатор по п.2, в котором структура включает в себя макрофаги, перерабатывающие клетки, убитые лечением.
4. Имитатор по любому из пп.2-3, в котором изотопный индикатор является одним из фтордезоксиглюкозы, фтортимидина, фтортилтирозина, фтормизонидазола и фторазомицинарабинофуранозида.
5. Имитатор по п.3, в котором накопление изотопного индикатора макрофагами подобно накоплению изотопного индикатора опухолью, подвергаемой лечению, при этом макрофаги перерабатывают нормальные клетки вокруг опухоли, которые были убиты лечением.
6. Имитатор по любому из пп.1-3, в котором лечение включает в себя лучевую терапию, химеотерапию, корпускулярную терапию, фокусированный ультразвук высокой интенсивности, абляцию или их комбинации.
7. Имитатор по любому из пп.1-3, в котором информация об объекте или субъекте включает в себя данные изображения, сформированные из данных, полученных до лечения.
8. Имитатор по любому из пп.1-3, в котором информация об объекте или субъекте включает в себя одно или более из гистологических данных, медико-санитарной информации о пациенте, истории болезни, генетики, результатов лабораторных исследований или патологической информации.
9. Имитатор по любому из пп.1-3, в котором по меньшей мере одно из модели, прогноза или параметрической карты формируется компьютерным моделированием.
Описание изобретения к патенту
Последующее в целом относится к формированию изображения и находит практическое применение вместе с позитрон-эмиссионной томографией (PET); однако оно также является подлежащим другим применениям формирования медицинских изображений и формирования немедицинских изображений.
Опухоли после диагностики часто лечатся лучевой терапией. При лучевой терапии доза облучения достаточно высокая, чтобы убивать опухолевые клетки, подается на опухоль. Традиционные системы лучевой терапии, такие как система модулированной по интенсивности лучевой терапии (IMRT), предоставляют возможность точной выдачи предписанной дозы в целевую зону, сохраняют «нормальную» ткань, окружающую целевую зону, и «нормальную» ткань под повышенным риском лучевого поражения. Обычно доза облучения выдается в течение недель несколькими фракциями согласно предписанному плану фракционирования.
Формирование функционального изображения может использоваться для создания изображения накопления глюкозы в живой ткани, в том числе, опухолях, которые обычно демонстрируют повышенную скорость обмена веществ относительно «нормальной» ткани. При опухолях формирование функционального изображения может использоваться для определения местоположения, стадии и контроля роста. Пример такой функциональной процедуры включает в себя 18F-фтордезоксиглюкозу (FDG). С помощью этой процедуры FDG изотопного индикатора вводится в объект или субъект, подлежащий сканированию. По мере того как радиофармацевтический препарат распадается, вырабатываются позитроны. Когда позитрон взаимодействует с электроном при событии позитронной аннигиляции, вырабатывается совпадающая пара гамма-лучей в 511 килоэлектронвольт. Гамма-лучи распространяются в противоположных направлениях вдоль линии реакции, и пара гамма-лучей, детектированная в пределах временного окна совпадения, регистрируется в качестве события аннигиляции. События, накопленные во время сканирования, реконструируются для создания изображения или других данных, указывающих на распределение радиоактивного изотопа, а отсюда, распределение накопления глюкозы тканью и опухолью.
Формирование функционального изображения также может использоваться для контроля реакции опухоли и ткани с риском облучения от лечения облучением. Однако одной из реакций ткани на примененное облучение является гибель клеток и воспаление, обусловленное макрофагами, привлеченными к подвергнутому лечению месту для переработки или удаления клеток, убитых облучением. Эта переработка может приводить к повышенному поглощению глюкозы в облученной ткани. К сожалению, при функциональной PET наведенное воспалением повышенное поглощение глюкозы неотличимо от повышенного поглощения глюкозы в опухоли. Как следствие, реакция опухоли исключительно на лечение облучением не может количественно измеряться функциональной PET, как только началась воспалительная реакция. Вернее, данные изображения показывают поглощение глюкозы как опухоли, так и макрофагов.
Процедуры, такие как CT, MRI или другие процедуры с формированием изображения, которые показывают морфологические изменения, такие как размер опухоли, могут выполняться спустя недели после лечения, после того, как организм получил время, чтобы среагировать на умершие клетки, для того чтобы определить, сократилась или выросла подвергнутая лечению опухоль. К сожалению, такая информация не дает количественной информации и не может использоваться для подтверждения действительности текущих параметров лечения, оказания помощи в изменении параметров или определения, что следует завершить лечение, впредь до нескольких недель позже. В еще одном подходе результаты лечения предполагаются на основании статистических данных, указывающих, каким образом другие среагировали на лечение. К сожалению, подобные опухоли не обязательно реагируют одинаково, делая этот подход восприимчивым к ошибке.
Хотя, как упомянуто выше, опухоли лечились посредством лучевой терапии, другие схемы лечения также использовались для лечения опухолей. К сожалению, выборы лечения часто трудны для осуществления, поскольку отдельный пациент с опухолью зачастую не реагирует, как ожидается, на лечение, и лечение может давать нежелательные побочные эффекты. Поэтому пациент обычно контролируется во время лечения посредством дополнительных обследований, например, формирования изображений, анализов крови, и т.д. Если мониторинг лечения показывает, что лечение не дает ожидаемых результатов, лечение может быть прекращено и/или изменено. В принципе, может быть возможным моделировать развитие реакции на лечение опухоли с помощью компьютерной модели. Однако это может быть трудным в клинической практике и может сопровождаться большим объемом вычислений. Более того, такие модели полагаются на демографические данные в качестве входных данных, которые могут не быть характерными для отдельного пациента.
Перспективное и ретроспективное планирование являются двумя концепциями оптимизации параметров линейного ускорителя для лучевой терапии с внешним пучком. При перспективном планировании, параметры линейного ускорителя, такие как количество пучков и их угловое положение, меняются вручную пользователем до тех пор, пока не удовлетворены параметры плана лечения, например, доза на мишень (цель) и максимальная доза на нормальную ткань. IMRT обычно не может быть адресована посредством перспективного планирования вследствие количества параметров. Ретроспективное планирование предназначено для автоматизации оптимизации параметров благодаря вычислительным подходам, в которых оптимизация большинства параметров выполняется алгоритмически, но некоторые начальные установки, подобные количеству пучков, угловым положениям и объемам дозы или биологическим целевым функциям и ограничениям по-прежнему определяются вручную.
В зависимости от сложности лечения, нескольких итераций оптимизации, анализ результатов и корректировка входных параметров могут требоваться для достижения клинически приемлемого плана. Один из подходов для дополнительной автоматизации этого итерационного процесса состоит в том, чтобы вычислять много возможных решений IMRT, меняя входные параметры ретроспективного планирования в заданном интервале, и впоследствии предоставляя пользователю возможность осуществлять навигацию по планам и выбирать план. Однако этот подход может быть с большим количеством вычислений и требует навигации по пространствам большой размерности, что делает его менее удобным для пользователя. В дополнение по-прежнему необходимо задаваться различным входным параметрам.
Аспекты настоящей заявки направлены на решение вышеупомянутых и других вопросов.
Согласно одному из аспектов, имитатор реакции на терапевтическое лечение включает в себя моделирующее устройство, которое формирует модель структуры объекта или субъекта на основании информации об объекте или субъекте, и прогнозирующее устройство, которое формирует прогноз, указывающий, каким образом структура вероятно должна реагировать на лечение, на основании модели и плана терапевтического лечения.
В еще одном аспекте, терапевтическая система включает в себя имитатор реакции на лечение, который формирует параметрическую карту, которая включает в себя количественную информацию, указывающую на то, каким образом первая структура объекта или субъекта вероятно должна реагировать на лечение, на основании модели объекта или субъекта и плана терапевтического лечения для объекта или субъекта, и систему контроля лечения, которая повышает качество данных изображения, сформированных из данных, полученных после лечения, на основании параметрической карты.
В еще одном аспекте, способ включает в себя формирование модели, указывающей на первую структуру объекта или субъекта, на основании данных изображения, указывающих на структуру, сформированную из данных, полученных до лечения; формирование прогноза, указывающего на то, каким образом первая структура вероятно должна реагировать на лечение, на основании модели и плана терапевтического лечения, и формирование параметрической карты, которая включает в себя количественную информацию о первой структуре на основании прогноза.
В еще одном аспекте, способ включает в себя имитацию первой реакции целевой ткани на лечение, имитацию второй реакции образцовой ткани на лечение, лечение целевой ткани и образцовой ткани, определение третьей реакции целевой ткани на лечение, определение четвертой реакции образцовой ткани на лечение, и нормализацию третьей реакции на основании четвертой реакции.
В еще одном аспекте, способ включает в себя получение информации перед лечением, разработку модели вероятного воздействия терапии на основании информации перед лечением, получение функциональных данных изображения после лечения, и сравнение функционального изображения после лечения с моделью, чтобы определить эффективность терапии.
В еще одном аспекте, система включает в себя компонент обработки, который обрабатывает данные пациента, соответствующие пациенту, и селектор предполагаемых параметров, который выбирает предполагаемый набор параметров моделирования для определяющего лечение компьютерного моделирования для пациента на основании обработанных данных. Имитатор состояния пациента выполняет определяющее состояние пациента компьютерное моделирование для пациента с использованием предполагаемого набора параметров и вырабатывает первый сигнал, указывающий на прогнозированное состояние пациента, на основании моделирования. Компонент принятия решений вырабатывает второй сигнал, указывающий, пригоден ли предполагаемый набор параметров, на основании прогнозированного состояния и известного состояния пациента.
В еще одном аспекте, способ включает в себя выбор набора параметров на основании обработанных данных пациента для первого пациента, при этом, набор параметров соответствует другому пациенту, выполнение первого компьютерного моделирования на основании набора параметров, при этом, результаты моделирования прогнозируют состояние первого пациента.
В еще одном аспекте, способ включает в себя выполнение компьютерного моделирования лечения для пациента на основании набора специфичных пациенту параметров для пациента, которые определены благодаря компьютерному моделированию параметров, в котором набор специфичных пациенту параметров изначально неизвестен и определяется на основании известных параметров и состояний другого пациента.
Кроме того, еще дополнительные аспекты настоящего изобретения будут понятны рядовым специалистам в данной области техники по прочтению и осмыслению последующего подробного описания.
Изобретение может обретать форму различных компонентов и компоновок компонентов, и различных этапов и компоновок этапов. Чертежи предназначены только для целей иллюстрации предпочтительных вариантов осуществления и не должны истолковываться в качестве ограничивающих изобретение.
Фиг.1 иллюстрирует примерную систему формирования медицинских изображений.
Фиг.2 иллюстрирует примерный имитатор реакции на лечение и примерную систему контроля лечения.
Фиг.3 и 4 иллюстрируют способ.
Фиг.5 иллюстрирует примерный определитель параметров.
Фиг.6 иллюстрирует примерный имитатор лечения, который применяет параметры, определенные посредством определителя параметров по фиг.5.
Фиг.7 иллюстрирует способ для определения специфичных входных параметров моделирования посредством компьютерного моделирования лечения.
Фиг.8 иллюстрирует способ для применения специфичных входных параметров моделирования лечения для выполнения компьютерного моделирования лечения.
Фиг.9 иллюстрирует идентификатор плана лечения облучением.
Фиг.10 иллюстрирует способ.
Фиг.11 иллюстрирует сервер планов лечения облучением.
Фиг.1 иллюстрирует систему 100 формирования изображений, которая включает в себя чувствительные к гамма-излучению детекторы 102, расположенные вокруг области 104 обследования вдоль продольной или оси z в пределах в целом кольцевидной или кольцевой компоновки. В этом примере детекторы 102 скомпонованы в многочисленных кольцах вдоль оси z. Детекторы 102 детектируют характеристику гамма-излучения событий позитронной аннигиляции, происходящей в области 104 обследования. Одиночный детектор 102 может включать в себя один или более сцинтиллирующих кристаллов и соответствующих фотодатчиков, таких как фотоэлектронные умножители, фотодиоды и т.д. Кристалл создает свет, когда атакуется гамма-излучением, и свет принимается одним или более фотодатчиками, которые вырабатывают электрические сигналы, характеризующие его.
Система 106 сбора данных обрабатывает сигналы и выдает данные проекции, такие как список событий аннигиляции, обнаруженных детекторами 102 во время получения изображений. Данные проекции в виде списка типично включают в себя список обнаруженных событий с записью в списке, включающей в себя информацию, такую как время, в которое было обнаружено событие. Идентификатор 108 пары идентифицирует пары по существу одновременных или совпадающих обнаружений гамма-лучей, связанных с соответствующими событиями электрон-позитронной аннигиляции, например, посредством обработки методом окна энергии (например, отбрасывания событий вне энергетического диапазона около 511 килоэлектронвольт), детектирования совпадения (например, отбрасывания пар событий, отделенных по времени друг от друга на более чем пороговое значение), или иным образом.
Процессор 110 линий реакции (LOR) обрабатывает пространственную информацию для каждой пары событий, чтобы идентифицировать пространственную LOR, соединяющую два обнаружения гамма-лучей. При конфигурировании с возможностями времени пролета (TOF), процессор TOF анализирует разность между моментами времени каждого события совпадающей пары, чтобы локализовать или оценить местоположение события позитрон-электронной аннигиляции вдоль LOR. В качестве альтернативы, собранные данные могут сортироваться или сохраняться в приемниках рентгенограмм венозных синусов или проекций. Результат, накопленный для большого количества событий позитрон-электронной аннигиляции, включает в себя данные проекций, которые являются указывающими на распределение радиоактивного изотопа в объекте.
Реконструктор 112 реконструирует данные проекций, чтобы сформировать данные изображения, с использованием подходящего алгоритма реконструкции, такого как фильтрованное обратное проецирование, итерационное обратное проецирование с коррекцией, и т.д. Опора 114 поддерживает объект или субъект, который должен подвергаться формированию изображения, такой как человек-пациент. Опора 114 объекта является подвижной в координации с работой системы 100 для позиционирования пациента или субъекта формирования изображения в области формирования изображения. Пульт 116 включает в себя удобочитаемое для человека устройство вывода, такое как монитор или дисплей, и устройства ввода, такие как клавиатура и мышь. Программное обеспечение, присущее в пульте 116, предоставляет оператору возможность взаимодействовать со сканером 100.
В проиллюстрированном примере, система 100 формирования изображений используется в связи с системой терапевтического лечения, которая может включать в себя лучевую терапию, систему химеотерапии, корпускулярную (например, фотонную) терапию, фокусированный ультразвук высокой интенсивности (HIFU), абляцию, их комбинацию и/или другую систему лечения. Система 122 планирования лечения используется для формирования планов лечения для системы 120 терапевтического лечения. В одном из примеров, система 122 планирования лечения использует данные изображения, такие как данные компьютерной томографии (CT), магнитно-резонансной томографии (MR) и/или другие данные изображения, при формировании плана лечения. Такие данные изображения могут включать в себя информацию, такую как информация, которая коррелирует с плотностью электронов отсканированной структуры, которая может использоваться для расчета дозы, которая должна сообщаться системе 120 терапевтического лечения целевой области.
Имитатор 124 реакции на лечение имитирует реакцию и/или развитие подвергнутых лечению и/или не подвергнутых лечению структур, которые должны лечиться в объекте или субъекте, и формирует прогноз, указывающий на то, каким образом одна или более разных структур вероятно должны реагировать и/или развиваться с и/или без лечения. Как более подробно описано ниже, имитатор 124 реакции может формировать одну или более моделей на основании информации, такой как данные изображения, полученные перед лечением, и/или другая информация об объекте или субъекте, и одна или более моделей могут использоваться наряду с информацией о лечении, такой как план лечения и/или информация об объекте или субъекте для формирования прогноза. Прогноз может быть представлен в виде параметрической карты для интересующей структуры, которая дает количественную информацию о реакции. В одном из примеров модель, прогноз и/или параметрическая карта формируется компьютерным моделированием, или выводится компьютером или основанным на компьютере моделированием. Пример пригодной модели компьютерного моделирования может быть найден в Stamatakos, et al., «In Silico Radiation Oncology: Combing Novel Simulation Algorithms with Current Visualization Techniques», Proc IEEE, Vol. 90, № 11, pp. 1764-1771 (2002) (Стаматакос и др., «Радиационная онкология при компьютерном моделировании: комбинирование новейших алгоритмов имитационного моделирования с современными технологиями визуализации», ученые записки IEEE, том 90, № 11, стр. 1764-1771 (2002 год)). В еще одном примере модель дополнительно или в качестве альтернативы может быть определена эмпирически и/или теоретически.
Система 126 контроля лечения может использоваться для контроля развития леченной и/или нелеченной структуры в пределах интересующей сканируемой области объекта или субъекта. Как более подробно описано ниже, система 126 контроля может определять реакцию другой структуры на лечение на основании данных изображения из одного или более сканирований, таких как функциональные или другие сканирования, выполненные после лечения, и прогноз или параметрическая карта того, каким образом одна или более других структур вероятно должны реагировать на лечение, которые предусматривают апертурную коррекцию (или подавление) одной или более из структур в данных изображения. В одном из примеров, это предоставляет возможность независимого контроля реакции по меньшей мере двух разных структур в данных изображения на лечение, где реакция по меньшей мере двух разных структур может быть неразличимой в данных изображения иным образом.
В качестве неограничивающего примера при функциональном сканировании, таком как сканирование FDG-PET, разные структуры могут быть разной тканью у человека-пациента, такой как леченные и/или нелеченные опухолевые клетки, макрофаги, воздействующих на клетки, убитые лечением, и нормальные живые клетки, и стимулирующее воздействие может относиться к лучевой, химической или другой терапии, используемой для лечения опухолевых клеток. В таком случае поглощение изотопного индикатора или глюкозы, идентифицируемое в функциональных данных изображения, может быть от опухолевых клеток и/или макрофагов, воздействующих на клетки, убитые лечением (например, наведенного лечением воспаления). Однако, накопление может не быть различимым между опухолевыми клетками и макрофагами в данных изображения. Прогноз, сформированный имитатором 124 реакции, может описывать, каким образом опухолевые клетки вероятно должны реагировать на лучевую или химеотерапию, как вероятно должны реагировать нормальные клетки, принимающие облучение или химию, и каким образом опухолевые клетки и/или нормальные клетки, не принимающие никакого лечения, вероятно должны развиваться. Из по меньшей мере подпорции этой информации параметрическая карта(ы), включающая в себя количественную информацию, указывающую на накопление изотопного индикатора одной или более конкретными структурами (например, опухолевыми клетками, макрофагами, нормальными живыми клетками, и т.д.), может формироваться и использоваться для акцентирования (или подавления) структуры в данных изображения, сформированных данными, собранными в разные моменты времени после лечения, на основании времени лечения и времени, в которое собраны данные. Например, параметрическая карта, количественно описывающая накопление изотопного индикатора воспаленной ткани, может использоваться для удаления вклада накопления изотопного индикатора от воспаленной ткани из данных изображения, оставляя накопление изотопного индикатора от опухоли в данных изображения, которые могут использоваться для определения информации об эффективности терапии.
Фиг.2 иллюстрирует неограничивающий пример имитатора 124 реакции и системы 126 контроля. Как отмечено выше, одна или более моделей, прогноз и/или параметрические карты могут определяться посредством компьютерного моделирования и/или иным образом. В проиллюстрированном примере имитатор 124 реакции включает в себя моделирующее устройство 202, которое формирует одну или более моделей. Как изображено, формирователь 202 модели формирует одну или более моделей на основании различной информации об объекте или субъекте, таком как пациент, в том числе, но не в качестве ограничения, данных изображения из данных, собранных до лечения по одному или более способов формирования изображений, таких как MRI, CT, SPECT, PET, US, рентгенография, и т.д., гистологических данных, общего состояния пациента, медицинской карты, генетики, результатов лабораторных исследований (например, показателей крови, и т.д.), патологической информации и/или другой информации о пациенте.
Проиллюстрированный имитатор 124 реакции дополнительно включает в себя прогнозирующее устройство 204, которое прогнозирует, каким образом структуры вероятно должны развиваться и/или реагировать на лечение. В одном из примеров прогноз основан на одной или более моделей, сформированных моделирующим устройством 202, и информации, имеющей отношение к пациенту, такой как текущий план лечения (например, временные характеристики, доза, схема фракционирования, вспомогательные лекарственные препараты, и т.д.), информации об объекте или субъекте и/или другой информации. Прогнозирующее устройство 204 обрабатывает эту информацию и вырабатывает выходной сигнал, который является указывающим на то, каким образом одна или более интересующих структур вероятно должны реагировать на лечение. Формирователь 206 параметрической карты формирует одну или более параметрических карт с информацией, указывающей на то, каким образом каждая из множества разных структур вероятно должна реагировать на лечение. В одном из примеров отдельная параметрическая карта формируется для каждой структуры и включает в себя количественную информацию о том, каким образом вероятно должна реагировать соответствующая структура.
Система 126 контроля включает в себя процессор 208 данных изображения, который обрабатывает данные изображения, такие как данные изображения, соответствующие временному ряду данных формирования функциональных изображений, сформированных из данных, собранных после лечения, и апертурный корректор 210 данных, который осуществляет апертурную коррекцию обработанных данных изображения на основании параметрической карты. Например, для того чтобы контролировать реакцию на лечение, система 100 может использоваться для формирования динамических функциональных данных изображения в определенные моменты времени после начала лечения. Из этих данных изображения, процессор 208 данных изображения может выводить количественную информацию о накоплении изотопного индикатора различными структурами. Апертурный корректор 210 данных изображения может осуществлять апертурную коррекцию этих данных для конкретной структуры, вычитая количественную информацию о накоплении изотопного индикатора на основании параметрической карты для другой структуры, которая, в ином случае, может быть неразличимой в данных изображения. Остающееся накопление изотопного индикатора в данных изображения показывает реакцию интересующей структуры на лечение и развитие интересующей нелеченной структуры. Такая информация может использоваться для определения информации об эффективности терапии.
Обсуждены разновидности, альтернативные варианты и/или другие варианты осуществления.
Хотя вышеприведенное в целом описано в контексте (леченных и нелеченных) опухолевых клеток, нормальных клеток, убитых лечением, и нормальных живых клеток, должно быть принято во внимание, что технологии, описанные в материалах настоящей заявки, могут использоваться для проведения различия между другими структурами в сканируемой интересующей области объекта или субъекта, где реакция разных структур на известное стимулирующее воздействие не может быть различена в данных изображения из сканирования с формированием функционального изображения. Подход, описанный в материалах настоящей заявки, также может использоваться с другими системами формирования изображений и соответствующими агентами.
FDG-PET используется в вышеприведенном неограничивающем примере. Однако должно быть понятно, что другие изотопные индикаторы также предполагаются. Например, другие пригодные изотопные индикаторы включают в себя, но не в качестве ограничения, другие изотопные индикаторы, включающие в себя фтор-18, такие как 18 F-фтортимидин (FLT), 18F-фтортилтирозин (FET), 18F-фтормизонидазол (FMISO), и 18F-фторазомицинарабинофуранозид (FAZA), и/или другие изотопные индикаторы с или без фтора-18.
Хотя система 120 лечения, система 122 планирования, имитатор 124 реакции и система 126 контроля показаны в качестве отдельных систем, должно быть понятно, что один или более из этих компонентов может быть частью одной и той же системы.
В еще одном варианте осуществления модель дополнительно или в качестве альтернативы выдает количественные значения поглощения изотопного индикатора в разных типах ткани. В этом случае, может выбираться нормальный объем образцовой ткани. Объем образцовой ткани должен иметь такие же свойства, как объем опухоли, и должен принимать подобное лечение, например, дозу облучения, фракционирование и т.д. Имитационное моделирование выполняется как для опухолевой ткани, так и образцовой ткани. Затем выполняется функциональное сканирование для терапевтического контроля. Результирующий прогноз сравнивается с функциональными данными изображения для обоих типов ткани. Результат для образцовой ткани, который показывает отсутствие повышенного накопления изотопного индикатора вследствие метаболизма опухоли, используется для нормализации прогноза воспаления связанного с сигналом в опухоли. По существу, связанное с опухолью накопления изотопного индикатора может определяться более точно.
Фиг.3 иллюстрирует способ. Должно быть принято во внимание, что нижеприведенные действия не являются ограничивающими, и большее или меньшее количество действий и иное упорядочение действий могут использоваться в других вариантах осуществления. На этапе 302, получается информация перед лечением об объекте или субъекте, который должен лечиться. Как отмечено выше, такая информация может включать в себя данные изображения и/или другую информацию. На этапах 304, 306 и 308, модель, прогноз и параметрическая карта, которая описывает, каким образом интересующая структура вероятно должна реагировать на лечение, соответственно формируются, как описано в материалах настоящей заявки, например, компьютерным моделированием.На этапе 310, объект или субъект подвергается лечению. На этапе 312, леченный объект или субъект подвергается формированию изображения посредством процедуры формирования функционального изображения. На этапе 314, параметрическая карта используется для апертурной коррекции интересующей леченной структуры в данных изображения, сформированных из функциональной процедуры. Подвергнутые апертурной коррекции данные изображения могут использоваться для определения информации об эффективности терапии.
Фиг.4 иллюстрирует способ для прогнозирования ожидаемой эффективности терапии. На этапе 402, получается информация перед лечением. Как отмечено выше, это может включать в себя формирование изображения, а также другую информацию об объекте или субъекте, который подлежит лечению. На этапе 404, модель вероятного воздействия терапии разрабатывается на основании информации перед лечением. На этапе 406, получается информация после лечения, такая как функциональное изображение. На этапе 408, функциональные данные изображения информации после лечения сравниваются с моделью для определения эффективности терапии. Такая информация может отображаться и/или представляться иным образом, например, в виде наложения изображения. Как отмечено выше, лечение может включать в себя лучевую, корпускулярную, фокусированную ультразвуковую с высокой интенсивностью, химическую и/или абляционную терапию.
Вышеприведенные варианты осуществления включают в себя аспекты, имеющие отношение к компьютерному моделированию с использованием известных входных параметров. Последующие варианты осуществления включают в себя определение и/или использование входных параметров для применений, где такие параметры не известны.
Фиг.5 иллюстрирует определитель 500 параметров для определения специфичных параметров для компьютерного моделирования лечения. Определитель 500 параметров может быть частью автономного компьютера, такого как рабочая станция, настольный компьютер, дорожный компьютер, и т.д., пульта 116 или пульта другой системы формирования изображений, распределенной вычислительной системы, и т.д.
Определитель 500 параметров включает в себя компонент 502 обработки, который обрабатывает данные. Пригодные данные включают в себя, но не в качестве ограничения, данные формирования изображения и/или данные без формирования изображения, такие как диагностические данные, зафиксированные до лечения, лабораторные испытания, история болезни, данные терапевтического контроля, зарегистрированные во время или после лечения, изображения, данные изображения и/или другие данные. Такие данные могут быть получены из источников, таких как система HIS, RIS, PACS и т.д., компонент хранения, такой как жесткий диск, портативная память, и т.д., база данных, сервер, электронная медицинская документация, введены вручную, и/или пульта 116, другой системы формирования изображений, и получены иным образом.
Подходящая обработка включает в себя, но не в качестве ограничения, извлечение, вывод, оценку и т.д. информации из таких данных. С основанными на изображении данными, обработка может включать в себя сегментацию, количественное определение, регистрацию и/или другое извлечение информации. Селектор 504 предполагаемых параметров выбирает набор предполагаемых параметров на основании обработанных данных. Набор параметров включает в себя предполагаемые параметры для компьютерного моделирования лечения. Такие параметры могут включать в себя, но не в качестве ограничения, информацию, такую как исходная форма опухоли, анатомия пациента, физиологические показатели и т.д., и/или другую информацию.
Выбранный набор параметров может быть получен из различных источников, в том числе, но не в качестве ограничения, базы данных, сервера, архиватора, или тому подобного, которое хранит информацию из клинических исследований, врачебной практики, и т.д. Такая информация может включать в себя информацию, полученную из анализа компьютерного моделирования, такую как граничные условия и/или начальные значения, реакция на лечение и т.д. Такая информация может включать в себя, но не в качестве ограничения, данные изображения, границы опухоли, клинические симптомы, анализы крови и т.д. Должно быть принято во внимание, что такие параметры известны для каждого из пациентов при клиническом исследовании, и по меньшей мере один из параметров может иметь отношение к развитию заболевания и/или реакции на лечение, и может представлять «типичное» значение для определенного класса пациента.
Имитатор 506 состояния пациента имитирует известное состояние пациента на основании выбранного набора параметров, данных пациента, обработанных данных и/или другой информации.
Анализатор 508 анализирует моделирование. Это может включать в себя сравнение сымитированных результатов, которые прогнозируют текущее состояние пациента на основании входных данных, с известным состоянием пациента. Анализатор 508 вырабатывает сигнал, указывающий на сравнение. Такая информация может включать в себя степень или метрику подобия, такую как метрика, указывающая на значение разности или корреляции между прогнозированным состоянием и известным состоянием. В еще одном варианте осуществления анализатор 508 не включен в состав, и клинический врач анализирует имитационное моделирование.
Компонент 510 принятия решений определяет, пригоден ли выбранный набор параметров, на основании известного состояния пациента. Например, в одном из примеров, компонент 510 принятия решений представляет анализ и принимает пользовательский ввод в отношении того, пригоден ли набор параметров. В еще одном примере применяется автоматический или полуавтоматический подход. Например, компонент 510 принятия решений может сравнивать и/или представлять значения разности или корреляции с предопределенным пороговым значением подобия. Такая информация может использоваться клиническим врачом и/или при выполнении алгоритма принятия решений. Выбранный набор параметров, или набор параметров имитационного моделирования, может сохраняться, представляться и/или использоваться иным образом. В одном из примеров набор параметров, который воспроизводит результаты моделирования, которые наиболее близки к известному состоянию пациента или другим параметрам, выбирается в качестве набора параметров моделирования.
Если имеется в распоряжении более чем один набор параметров, если результаты имитационного моделирования считаются непригодными, и/или иной случай, то может запускаться другое имитационное моделирование с одним или более разных наборов параметров. По существу, итерационная технология может использоваться для выбора набора параметров имитационного моделирования. В дополнение, если ни один из выбранных наборов параметров не приводит к пригодному набору параметров после предопределенных критериев останова, такого как истечение времени, некоторое количество имитационных моделирований, пользовательского завершения и т.д., пользователь может решать использовать один из забракованных наборов и/или иным образом получить набор параметров.
Фиг.6 иллюстрирует устройство 600 определения лечения, которое может применять набор параметров имитационного моделирования и/или другие параметры для содействия определению лечения и/или группы пригодных лечений.
Селектор 602 лечения выдает информацию моделирования для различных типов лечения. В одном из примеров, селектор 602 лечения выбирает лечение на основании состояния пациента. Для целей моделирования, состояние может определяться параметрами модели. Информация о лечении может быть получена из базы данных информации о лечении, сервера и/или другого источника информации.
Имитатор 604 лечения выполняет моделирование лечения посредством компьютерного моделирования с использованием набора параметров модели и информации о лечении. В одном из примеров, это включает в себя выполнение моделирования посредством компьютерного моделирования для прогнозирования будущего состояния пациента на основании текущего состояния пациента, модели при компьютерном моделировании, выбранных параметров модели и выбранного лечения.
В одном из примеров, имитатор 604 лечения представляет результаты моделирования пользователю, при этом пользователь может определять из моделирования, пригодно или нет лечение, на основании моделирования. В еще одном примере, автоматический или полуавтоматический подход может использоваться для содействия пользователю в принятии этого решения. Результаты могут сохраняться и/или использоваться иным образом.
Если имеется в распоряжении более чем одно лечение, другое имитационное моделирование может запускаться для другого лечения. Пользователь, в таком случае, может осуществлять выбор решения на основании многочисленных результатов имитационного моделирования лечения для разных лечений.
Фиг.7 иллюстрирует способ для определения специфичных параметров, основанный на компьютерном моделировании.
На этапе 702, загружаются данные пациента. Такие данные могут включать в себя данные формирования изображения и/или данные без формирования изображения, полученные из различных источников, как обсуждено в материалах настоящей заявки.
На этапе 704, данные предварительно обрабатываются. Как отмечено выше, это может включать в себя сегментирование опухолевой и/или нормальной ткани в данных изображения, определение уровня активности из функциональных изображений и т.д. По выбору эта предварительная обработка может включать в себя ручное и/или итерационное взаимодействие с наборами данных.
На этапе 706, один или более наборов параметров или начальных условий для пациента выбираются на основании предварительно обработанных данных. Как отмечено выше, это включает в себя выбор по меньшей мере одного набора параметров с известными начальными условиями, соответствующими другому пациенту(ам).
На этапе 708, имитационное моделирование выполняется с выбранным набором параметров, чтобы спрогнозировать состояние пациента.
На этапе 710, результаты имитационного моделирования анализируются на основании данных пациента, в том числе известного состояния пациента.
На этапе 712, определяется, должно ли выполняться другое имитационное моделирование. Это может достигаться посредством ручных и/или автоматических технологий. Если так, то этапы 706-712 повторяются.
Если нет, то на этапе 714 последовательность операций определения параметров посредством имитационного моделирования завершается. Один или более из наборов параметров и/или результатов анализа могут сохраняться, представляться и/или использоваться иным образом.
Фиг.8 иллюстрирует способ для применения специфичных определенных компьютерным моделированием параметров.
На этапе 802, загружается набор определенных при компьютерном моделировании специфичных для пациента начальных параметров. Такие параметры могут быть получены посредством способа по фиг.7 или иным образом.
На этапе 804, тип лечения выбирается на основании состояния пациента.
На этапе 806, компьютерное моделирование лечения выполняется для прогнозирования будущего состояния пациента на основании текущего состояния пациента и выбранного лечения.
На этапе 808, определяется, должно ли выполняться другое компьютерное моделирование лечения. Это может определяться на основании результатов компьютерного моделирования и/или иным образом. Если так, этапы с 804 по 808 повторяются.
Если нет, то на этапе 810 лечение для пациента может выбираться на основании моделирований.
Фиг.9 иллюстрирует идентификатор 902 плана лечения в связи с планировщиком 904 лечения облучением. Проиллюстрированный идентификатор 902 плана лечения включает в себя репозиторий 906 данных, механизм 908 поиска планов лечения, один или более фильтров 910, идентификатор 912 предполагаемого плана лечения облучением, банк 914 алгоритмов и профиль 916. В других вариантах осуществления, репозиторий 906 данных является отдельным от идентификатора 902 плана лечения, но идентификатор 902 плана лечения по-прежнему поддерживает связь с репозиторием 906 данных.
Репозиторий 906 данных включает в себя базу данных или тому подобное с информацией планов лечения облучением. Такая информация может включать в себя, но не в качестве ограничения, набор данных изображения (двух, трех и/или четырехмерный), сегментированные данные изображения интересующей области(ей), набор параметров плана лечения, имеющих отношение к пучкам (например, количеству, углу и т.д.), дозиметрическому предписанию, критической целевой функции дозы структуры, описывающей пациента информации, такой как демографические данные, выходные данные, режимы химеотерапии, параметры оптимизации, на основании типа опухоли, стадии и т.д., и/или другой информации.
В одном из примеров, репозиторий 906 данных включает в себя объявленные действительными планы лечения облучением и/или другую информацию, которая представляет клинические знания клинических врачей, которые создавали планы лечения облучением. Это может включать в себя информацию, которая представляет изменчивость по разным местам поражения (легкое, предстательная железа, молочная железа, голова и шея и т.д.), варианты плана лечения (между клиническими центрами, стадиями поражения, схемами фракционирования и т.д.), географические варианты (например, население Азии в сопоставлении с населением Европы или США и т.д.) и/или другую информацию. Такая информация может каталогизироваться или быть каталогизируемой по-разному, например, по типу цели, пораженной болезнью анатомии, возрасту пациента, полу пациента, расе пациента, стадии, истории болезни, генетике и т.д.
Механизм 908 поиска осуществляет поиск в репозитории 906 данных на основании информации из планировщика 904 лечения облучением. Такая информация может выдаваться на основании различных форматов, таких как DICOM (цифровое формирование изображения и связь в медицине) и/или других форматах. Информация, выдаваемая в механизм 908 поиска, может включать в себя данные, выбранные пользователем планировщика 904 лечения облучением и/или благодаря определенному по умолчанию или пользователем профилю на основании имеющейся в распоряжении информации.
Такая информация может включать в себя различную информацию, такую как, но не в качестве ограничения, связанные с опухолью данные (например, тип, размер, стадию и т.д.), данные пациента (например, возраст, пол, анатомический пол, и т.д.), данные изображения (например, сегментированные области целевой ткани, не являющейся мишенью ткани и т.д.), информацию о лечении и/или другую информацию. С этой информацией, механизм 908 поиска отыскивает в репозитории 906 данные для пациента с подобными анатомическими признаками, типом опухоли, информацией о лечении и/или другой информацией.
Проиллюстрированный механизм 908 поиска может использовать различные фильтры 910, одновременно и/или последовательно, для облегчения поиска. Например, первый фильтр из фильтров 910 может применяться для сокращения данных подлежащих поиску на основании типа опухоли. В тех случаях, когда данные в репозитории 906 каталогизированы, это может включать в себя определение местоположения пригодных данных по индексу и/или иным образом. Второй фильтр из фильтров 910 может применяться для дополнительного сокращения данных подлежащих поиску на основании стадии опухоли.
С третьего по N-ый из фильтров 910 могут применяться одновременно, на основании имеющихся в распоряжении интересующих сегментированных областей, например, с идентификацией наборов данных, в которых форма анатомии более подобна форме анатомии текущего пациента. Должно быть понятно, что вышеприведенное описание, имеющее отношение к фильтрам, предусматривается пояснительным, а в некоторых вариантах осуществления, фильтры не применяются и/или не включены в состав. Пользователь также может вручную выбирать данные для поиска и/или данные для исключения из поиска.
Результаты поиска выдаются в идентификатор 912 предполагаемого плана лечения облучением. Идентификатор 912 идентифицирует один или более планов лечения облучением из результатов поиска. В одном из примеров идентификатор 912 идентифицирует один или наилучшим образом подобранные планы лечения на основании алгоритма из банка 914 алгоритмов. Пригодные алгоритмы включают в себя, но не в качестве ограничения, алгоритмы, базирующиеся на основанных на подобии метриках, таких как применяемые в алгоритмах совмещения изображений, таких как полное количество информации, взаимная корреляция и т.д., основанные на структуре метрики подобия, например, на основании сравнения характеристик интересующей области, таких как объем, форма, геометрическая комбинация, ключевые признаки изображения, которые определяют размер, форму и т.д. пациента, и/или другие метрики подобия.
Пригодные алгоритмы также могут включать в себя основанные на распознавании образов алгоритмы, например, использующие многомерные векторы признаков для многообразия признаков, извлеченных из данных пациента, в том числе, демографических показателей, определения стадии опухоли, местоположения опухоли и т.д. В еще одном варианте осуществления, алгоритмы машинного обучения, неявно или явно обучаемые классификаторы, байесовские сети, нейронные сети, функции стоимостей и т.д., могут применяться дополнительно или в качестве альтернативы. Использование таких алгоритмов предусматривает скорее автоматическую идентификацию планов лечений облучением на основании подобий между текущим пациентом и пациентами в базе данных, чем благодаря дорогостоящим с вычислительной точки зрения подходам. Пригодные алгоритмы также могут включать в себя способы для основанного на контенте извлечения изображения из базы данных.
В некоторых вариантах осуществления профиль 916 может использоваться для содействия идентификации плана. Например, профиль 916 может включать в себя предопределенное минимальное и/или максимальное пороговое значение количества планов. Минимальное пороговое значение количества планов может использоваться, чтобы гарантировать, что идентифицирован по меньшей мере план лечения облучением, или что пользователь будет иметь возможность выбора для выбора из планов лечения облучением. Минимальное/максимальное пороговое значение планов может использоваться для ограничения количества планов, которые пользователь будет иметь для выбора из них.
В дополнение, может быть предопределено пороговое значение подобия. Пороговое значение подобия может устанавливать пороговое значение расхождения (ошибки) и/или времени, при котором завершается процесс выбора, независимо от того, сколько планов лечения облучением было идентифицировано. Более того, процесс и/или результаты выбора могут предварительно просматриваться или пересматриваться пользователем, который может вручную останавливать процесс выбора и/или модифицировать параметры выбора.
В одном из примеров, один или более идентифицированных планов лечения облучением выдаются в планировщик 904 лечения облучением. Вновь, передача данных может быть основана на различных форматах, таких как DICOM и/или другие форматы. Пользователь может взаимодействовать с планировщиком 904 для выбора одного из предложенных планов лечения для пациента. Пользователь также может модифицировать один или более из параметров выбранного плана и/или запроса, чтобы определитель 900 плана лечения повторял процесс с использованием тех же самых или других параметров.
Такое взаимодействие может происходить через графический интерфейс пользователя (GUI), интерфейс командной строки и/или другой интерфейс.
Выбранный план лечения облучением может быть реализован подобно традиционному определенному плану. Например, план лечения облучением может использоваться для выдачи единой дозы или фракционной дозы за некоторый период времени. В дополнение план лечения облучением может модифицироваться на основании реакции пациента, реакции опухоли, новой информации и/или иного. Более того, идентификатор 902 плана лечения может использоваться вновь с информацией, полученной во время лечения и/или иным образом для выдачи обновленного плана лечения облучением на основании новой информации.
В еще одном примере, преобразователь 918 плана лечения преобразует выбранный план лечения облучением, чтобы подходил к анатомии и/или другим характеристикам целевого изображения. Это может достигаться с использование многообразия способов, подобных поисковым алгоритмам, обсужденным ранее, в том числе, но не в качестве ограничения, основанных на интенсивности метрик подобия и основанных на структуре способов. Преобразователь 918 плана лечения может быть частью идентификатора 902 плана лечения, планировщика 904 лечения облучением или отдельным компонентом.
Планировщик 904 лечения облучением может быть вычислительной системой, такой как рабочая станция, настольный компьютер, портативный компьютер или тому подобное. По существу, планировщик 904 лечения облучением может включать в себя один или более процессоров и память для хранения машинно-исполняемых команд, данных, которые должны обрабатываться, обрабатываемых данных, обработанных данных и/или другой информации. Проиллюстрированный планировщик 904 лечения облучением включает в себя машинно-исполняемые команды, которые, когда выполняются процессором, снабжают приложение планирования лечения функциональными возможностями, такими как отображение изображения, инструментальные средства ручной и автоматической сегментации, инструментальные средства слияния изображений, планирование трехмерной конформной лучевой терапии (3D CRT), оптимизация инверсной IMRT, расчет дозы и т.д.
Планировщик 904 лечения облучением получает различную информацию, такую как данные изображения, в том числе двух, трех и/или четырехмерные данные изображения. Такие данные изображения могут представлять анатомию, которая должна подвергаться лечению, в том числе целевую ткань, нецелевую ткань или ткань с риском затрагивания лечением, нецелевую ткань без риска и/или другую ткань. Такие данные изображения могут быть получены посредством различных способов формирования изображения, таких как магнитный резонанс (MR) с компьютерной томографией (CT), однофотонная эмиссионная томография (SPECT) и т.д., включая комбинацию системы формирования гибридного изображения, такую как система формирования изображения CT/MR.
Планировщик 904 лечения облучением может принимать изображение из системы формирования изображения, архивной системы, такой как система HIS, RIS или PACS, портативное запоминающее устройство, база данных, сервер, электронная медицинская документация, ручная запись человеком или роботом, и/или иное. Планировщик 904 лечения облучением также получает тип лечения, в том числе лучевую терапию, химеотерапию, корпускулярную терапию, фокусированный ультразвук высокой интенсивности (HIFU), абляцию, направляемую по изображению лучевую терапию, и/или другой тип лечения. Такая информация может вводиться посредством пользователя и/или иным образом.
В еще одном варианте осуществления, идентификатор 902 лечения также может использоваться для определения типа лечения. Например, поиск может не указывать конкретный тип лечения облучением. Например, клинический врач может еще не иметь определенного типа лечения или может не быть способным к нему в этот момент при планировании. В таком случае, идентифицированные планы лечения могут включать в себя разные типы. В еще одном случае идентификатор 902 лечения мог бы использоваться для предоставления информации на тему для оптимального лечения пациента, например, поддержки принятия решения о способе терапевтического воздействия (3D CRT в сопоставлении с IMRT в сопоставлении с VMAT; исключительно EBRT в сопоставлении с EBRT+химеотерапия и т.д.).
Фиг.10 иллюстрирует способ.
На этапе 1002, определяется стадия опухоли для пациента, который диагностирован с опухолью.
На этапе 1004, выбираются альтернативные варианты лечения.
На этапе 1006, формируется изображение опухоли.
На этапе 1008, получается информация о пациенте, лечении, опухоли и/или другая информация. Такая информация может соответствовать данным изображения, таким как интересующие сегментированные области, данным пациента, таким как демографические показатели, данным опухоли, таким как размер, форма, стадия, тип и т.д., данным предшествующего лечения, другой информации, как описанная в материалах настоящей заявки, и/или иной информации.
На этапе 1010, выбирается тип лечения. Как описано в материалах настоящей заявки, в некоторых вариантах осуществления, тип лечения все еще не выбирается.
На этапе 1012, идентификатор 904 плана лечения используется, как описано в материалах настоящей заявки, или по-другому, для идентификации одного или более планов лечения облучением для пациентов. Как обсуждено в материалах настоящей заявки, это включает в себя сопоставление различной информации о текущем пациенте с информацией о пациентах в репозитории 906 данных и идентификацию предполагаемых планов лечения облучением из репозитория 906 данных на основании сопоставления.
На этапе 1014, информация о выбранных одном или более планах лечения представляется клиническому врачу, который может выбирать план, который должен использоваться для пациента. Этот план может приводиться в соответствие текущему пациенту с использованием способов, обсужденных ранее для обзора. Как обсуждено в материалах настоящей заявки, клинический врач может модифицировать параметры плана лечения и/или запрашивать идентификатор 902 плана лечения, чтобы повторить последовательность операций идентификации предполагаемого кандидата.
На этапе 1016, выбираются один или более планов лечения. В одном из примеров, план может выбираться вручную из одного или более представленных планов, и входные параметры выбранного плана могут применяться для оптимизации нового плана лечения. В еще одном случае, несколько планов могут формироваться посредством использования параметров из множества или всех планов, идентифицированных в базе данных, один или более сформированных планов могут представляться пользователю, который может выбирать один или более из них.
На этапе 1018, выбранный план преобразуется в план лечения для пациента, который должен лечиться. В одном из примеров, это может включать в себя подгонку выбранного плана лечения облучением к анатомии и/или другим характеристикам целевого изображения, как описано в материалах настоящей заявки.
В еще одном примере, вместо извлечения плана из репозитория 906 данных, план может выбираться из репозитория 906 данных, и параметры из выбранного плана могут использоваться в качестве входных данных для дополнительной оптимизации IMRT. Это предусматривало бы постепенное наращивание репозитория 906 данных.
Фиг.11 иллюстрирует еще один вариант осуществления. В этом варианте осуществления, клиент лечения облучением (RT), такой как планировщик 904 лечения облучением, и/или по меньшей мере один другой клиент 1102 поддерживает связь со службой или сервером 1104 подписки через сеть 1106. Сервер 1104 подписки предоставляет основанную на подписке услугу в связи с идентификатором 902 плана лечения. В одном из примеров услуга основана на сети Интернет.
В качестве примера, учреждение здравоохранения или другое учреждение может подписываться на сервере 1104 подписки на платной или иной основе. На основе подписки сервер 1104 подписки будет обрабатывать запросы планов лечения от клиента 904 и/или по меньшей мере одного другого клиента 1102. Обработка такого запроса может влечь за собой применение идентификатора 902 плана лечения для идентификации предполагаемых планов лечения, как описано в материалах настоящей заявки.
В примерах, где предполагаемые планы лечения модифицируются, результирующий план лечения может предусматривать включение в репозиторий 906 данных.
Вышеприведенное может быть реализовано посредством компьютерочитаемых команд, которые, когда выполняются процессором(ами) компьютера, побуждают процессор(ы) выполнять описанные технологии. В таком случае, команды хранятся на компьютерочитаемом запоминающем носителе, ассоциативно связанном с или иным образом доступном соответствующему компьютеру. Описанным технологиям не нужно выполняться одновременно со сбором данных.
Изобретение было описано со ссылкой на различные варианты осуществления. Модификации и изменения могут приходить некоторым на ум по прочтению подробного описания. Предполагается, что изобретение будет строиться в качестве включающего в себя все такие модификации и изменения, насколько они подпадают под объем прилагаемой формулы изобретения или ее эквивалентов.
Класс A61B6/03 томографы с применением вычислительной техники
Класс G06F19/00 Устройства или способы цифровых вычислений или обработки данных для специальных применений