Область техники
[0001] Настоящее изобретение относится к способу анализа элементов и отношений масс элементов ткани и к способу построения геометрической модели, в частности к способу анализа элементов и отношений масс элементов ткани на основе медицинского изображения и к способу построения геометрической модели на основе медицинского изображения.
Уровень техники
[0002] По мере развития атомной технологии лучевая терапия, такая как кобальт-60, линейные ускорители и электронные пучки, стала одним из основных средств терапии рака. Однако обычная фотонная или электронная терапия подвержена физическим ограничениям радиоактивных лучей; например, многие здоровые ткани на пути пучка могут быть повреждены при разрушении опухолевых клеток. С другой стороны, чувствительность опухолевых клеток к радиоактивным лучам сильно различается, таким образом, в большинстве случаев обычная лучевая терапия неэффективна при лечении стойких к облучению злокачественных опухолей (таких как мультиформная глиобластома и меланома).
[0003] С целью уменьшения радиационного повреждения здоровой ткани, окружающей участок опухоли, в лучевой терапии применяют целевую терапию при химиотерапии. При этом для опухолевых клеток с высокой стойкостью к облучению также были разработаны источники излучения с высокой RBE (относительной биологической эффективностью), включая такие, как протонная терапия, терапия с использованием тяжелых частиц и нейтрон-захватная терапия. Среди них нейтрон-захватная терапия комбинирует целевую терапию с RBE, такую как бор-нейтронозахватная терапия (БНЗТ). Благодаря специальному группированию боронированых фармацевтических препаратов в опухолевых клетках и точной регулировке пучка нейтронов, БНЗТ является лучшим выбором для терапии рака, чем обычная лучевая терапия.
[0004] В БНЗТ используется то преимущество, что борсодержащие (10B) фармацевтические препараты обладают большим сечением захвата нейтрона и производят тяжелые заряженные частицы 4Не и 7Li посредством реакции захвата нейтрона и ядерной реакции деления 10B(n,α)7Li. Общая длина пробега этих двух частиц приблизительно равна размеру клетки. Таким образом, радиационное повреждение живых организмов может быть ограничено на уровне клеток. Когда борсодержащие фармацевтические препараты собираются в опухолевых клетках избирательно, с помощью подходящего источника нейтронов локально разрушаются только опухолевые клетки при условии отсутствия значительного повреждения здоровой ткани.
[0005] В анализе научных экспериментов, в области моделирования научных экспериментов широко используется трехмерная модель. Например, в области ядерного излучения и защиты, для моделирования дозы, поглощаемой живыми организмами при определенных условиях радиоактивного излучения, часто необходимо обрабатывать медицинское изображение с использованием компьютерной технологии, чтобы построить точную решеточную модель, необходимую для программного комплекса на основе метода Монте-Карло, и комбинировать с этим программным комплексом для вычислений с использованием моделирования.
[0006] В настоящее время метод Монте-Карло является инструментом, который может точно моделировать траекторию столкновений и распределение энергии ядерной частицы в трехмерном пространстве облучаемой мишени. Комбинация метода Монте-Карло со сложной трехмерной моделью анатомии человека представляет собой существенный этап в развитии моделирования в компьютерных технологиях. При диагностическом рентгенографическом исследовании точная оценка дозы облучения человеческого органа очень существенна для лучевой терапии. В настоящее время во всем мире были успешно построены различные модели человека, которые были объединены с программой моделирования методом Монте-Карло для оценки точности поглощенной дозы облучения человеческого тела в излучающей среде. Для моделирования методом Монте-Карло это является необходимым предварительным условием для успешного преобразования трехмерной анатомической модели человеческого тела в геометрическое описание, необходимое для программы с использованием метода Монте-Карло. Это также является центральным и сложным моментом моделирования методом Монте-Карло в мире в настоящее время.
[0007] Медицинское изображение, такое как магнитно-резонансная томография (МРТ) или компьютерная томография (КТ), может предоставлять подробную информацию о геометрии ткани для особенностей человеческого тела, обеспечивая основу для данных для физического моделирования внутренних структур человека. При этом, рассматривая компьютерную томографию в качестве примера, данные изображения КТ преобразуются в модель воксельного фантома, сходную с анатомией человека, моделируя, таким образом, историю переноса излучения и воздействие на ткани человека для расчета поглощенной дозы излучения. Таким образом, когда задан состав элементов воксельного фантома, они максимально приближены к реальному состоянию пациента так, чтобы получить наиболее близкий результат к реальному состоянию при вычислении с использованием моделирования. Однако, текущее определение материалов для воксельного фантома обычно определяется тем, что фиксированный диапазон значений КТ соответствует ткани с фиксированным отношением состава элементов, как описано в литературе, опубликованной Vanderstraeten et al. в 2007 г. (более подробно описано ниже), причем значение КТ=-100~20 соответствует жиру, а значение КТ=20~100 соответствует мышцам. Однако ткани человеческого тела должны состоять из определенного отношения масс элементов вместо фиксированного отношения масс элементов в одном интервале. Следует отметить, что в существующем общем способе определения компонентов воксельного фантома все еще существуют широкие возможности для улучшения.
[0008] Таким образом, требуется создать способ анализа отношения масс элементов в ткани и способ построения геометрической модели, включающий в себя способ анализа на основе медицинского изображения для улучшения точности плана лечения.
Раскрытие сущности изобретения
[0009] В одном аспекте настоящего изобретения заявлен способ анализа элементов и отношений масс элементов ткани на основе медицинского изображения, содержащий аппроксимацию ткани, имеющей неизвестные элементы и отношения масс ее неизвестных элементов с использованием данных медицинского изображения, соответствующего ткани, имеющей известные элементы и отношения масс ее известных элементов. Способ использует известные элементы и отношения масс известных элементов ткани для вычисления неизвестных элементов и отношений масс известных элементов других тканей с соответствующими данными медицинского изображения, и предоставляет больше типов тканей для построения воксельного фантома на основе преобразования медицинского изображения. Этот фантом может быть использован в системе планирования лечения методом Монте-Карло для определения правильных данных о физическом воздействии, таких как линейный коэффициент ослабления фотонов, эффективное сечение нейтронов и степень блокировки массы заряженных частиц (протонов, электронов или других заряженных частиц), в вычислениях методом Монте-Карло посредством большой величины отношения масс элементов тканей, и может обеспечивать почти реальную среду переноса частиц.
[0010] Реализации этого аспекта могут включать в себя один или более из следующих признаков.
[0011] В частности, данные медицинского изображения могут относиться к линейному коэффициенту ослабления фотонов, при этом эффективный линейный коэффициент ослабления ткани, имеющей отношение масс известных элементов, может быть получен из данных ее медицинского изображения.
[0012] Дополнительно ткань, имеющую неизвестные элементы и отношения масс ее неизвестных элементов, аппроксимируют с использованием данных медицинского изображения, соответствующего ткани, имеющей известные элементы и отношения масс ее известных элементов посредством:
вычисление среднего линейного коэффициента ослабления μi для пучка медицинского изображения путем определения веса множества линейных коэффициентов ослабления фотонов основных элементов, предоставленных NIST, с использованием энергетического спектра пучка медицинского изображения;
получение весового коэффициента эффективности С в виде произведения эффективности детектора и аддитивного коэффициента медицинского изображения, и корректировка линейного коэффициента ослабления 
каждой из множества тканей с помощью весового коэффициента эффективности С для получения эффективного линейного коэффициента 
ослабления каждой из тканей, где 
получение распределения отношений масс химических элементов mi в живом организме, соответствующем каждым из данных медицинского изображения, с помощью алгоритма деривации с использованием отношений масс элементов ткани со сходными данными медицинского изображения в качестве исходного предположения.
[0013] В частности, данные медицинского изображения могут быть значениями КТ, при этом соотношение между единицей Хаунсфилда (HU) значений КТ и эффективным линейным коэффициентом ослабления μeff составляет HU=1000 (μeff/μwater-l), причем значения КТ могут быть группированы во множество групп с размером n, и диапазон значений КТ от -100 до +1530 может быть разделен на 1630/n групп. Алгоритм деривации может представлять собой алгоритм максимальной аппроксимации.
[0014] В другом аспекте настоящего изобретения заявлен способ построения геометрической модели на основе медицинского изображения, содержащий:
считывание данных медицинского изображения; определение типа ткани в соответствии с соотношением преобразования между данными медицинского изображения и типами ткани или в соответствии с раскрытым выше способом анализа элементов и отношений масс элементов ткани на основе медицинского изображения;
определение количества кластеров ткани; определение плотности ткани с помощью соотношения преобразования между данными медицинского изображения и значениями плотности;
построение трехмерной кодирующей матрицы с информацией о ткани и плотности ткани; и
генерация геометрической модели на основе трехмерной кодирующей матрицы.
[0015] Способ построения геометрической модели основан на соотношении преобразования между данными медицинского изображения и типом ткани. Количество кластеров ткани может быть определено в соответствии с фактическими требованиями, так что тип ткани, состав элементов и плотность устанавливаются более точно, при этом построенная геометрическая модель может быть лучше согласована с реальным состоянием, отраженным в данных медицинского изображения.
[0016] Реализации этого аспекта могут включать в себя один или более из следующих признаков.
[0017] В частности, способ построения геометрической модели может быть применен к нейтрон-захватной терапии и дополнительно содержит задание концентрации бора-10 и построение трехмерной кодирующей матрицы с информацией о концентрации бора-10. Геометрическая модель, относящаяся к информации о концентрации бора-10, ясно показывает, что концентрация борсодержащего лекарственного препарата в каждой ткани, и затем при выполнении моделирования нейтрон-захватной терапии, более реалистично отражает реальное состояние.
[0018] Количество кластеров ткани представляет собой количество кластеров ткани, определяемое пользователем вручную, плюс количество из четырех кластеров ткани, четырнадцати кластеров ткани или семидесяти кластеров ткани, уже существующих в базе данных, или количество 163 кластеров ткани, определяемых с помощью способа анализа отношений масс элементов ткани. Если в существующей базе данных нет установленного соответствующего количества кластеров ткани, новое количество кластеров ткани может быть определено пользователем. Это позволяет избежать состояния, когда могут быть сделаны только приблизительные выборы, если соответствующее количество кластеров ткани не может быть точно подобрано в существующей базе данных, что, таким образом, эффективно улучшает точность моделирования.
[0019] В частности, способ построения геометрической модели дополнительно включает в себя построение трехмерной кодирующей матрицы ткани и построение трехмерной кодирующей матрицы плотности. Согласно срезу данных медицинского изображения, соответствующее кодирование ткани и кодирование плотности строят для каждого среза посредством соответствующих преобразующих соотношений так, чтобы построить трехмерную кодирующую матрицу ткани и трехмерную кодирующую матрицу плотности.
[0020] Геометрическая модель включает в себя карту решетки, карту клеток, карту поверхности и карту материала, необходимые для входного файла программного комплекса MCNP (программный комплекс для расчета нейтронно-физических характеристик методом Монте-Карло). Посредством данных медицинского изображения наконец получают карты решетки, карту клеток, карту поверхности и карту материала, необходимые для входного файла программного комплекса MCNP, которые обеспечивают теоретическую основу для вычисления с использованием моделирования и получения точных результатов моделирования.
[0021] Данные медицинского изображения могут представлять собой магнитно-резонансную томографию (МРТ), компьютерную томографию (КТ), позитронно-эмиссионную томографию (PET), ПЭТ-КТ или рентгенографию. Следующие варианты осуществления описываются на основе данных компьютерной томографии, форматом файла которых обычно является DICOM. Однако специалисту в области техники хорошо известно, что также могут быть использованы другие данные медицинского изображения, причем при условии, что данные медицинского изображения могут быть преобразованы в модель ткани на основе воксельного фантома, это может быть применено к способу анализа отношения масс элементов ткани и к способу построения геометрической модели на основе данных медицинского изображения, раскрытым в настоящем изобретении.
[0022] Способ анализа элементов и отношений масс элементов ткани и способ построения геометрической модели на основе медицинского изображения, раскрытый в настоящем изобретении, анализирует элементы и отношения масс элементов живых тканей посредством данных медицинского изображения известных тканей, при этом он может непосредственно соответствовать составу каждого элемента в живых тканях в соответствии со значениями КТ, так что вексельный фантом может быть более реалистичен по отношению к реальному состоянию при выполнении, что улучшает, таким образом, точность расчета дозы для улучшения качества лечения.
Краткое описание чертежей
[0023] Фиг. 1 - схематический вид реакции захвата нейтрона бором.
[0024] Фиг. 2 - формула ядерной реакции захвата нейтрона 10B(n,α)7Li.
[0025] Фиг. 3 - логическая блок-схема способа анализа отношений масс элементов ткани на основе медицинского изображения согласно варианту осуществления настоящего изобретения.
[0026] Фиг. 4 - логическая блок-схема способа построения геометрической модели на основе медицинского изображения согласно варианту осуществления настоящего изобретения.
[0027] Фиг. 5 - график, показывающий формулу линии регрессии и корреляционный коэффициент значения КТ (HU) и плотности ткани.
Осуществление изобретения
[0028] Ниже со ссылками на прилагаемые чертежи дополнительно подробно описываются варианты осуществления настоящего изобретения, так что специалист в области техники может реализовать технические решения в соответствии с этим описанием.
[0029] Предпочтительно способ анализа элементов и отношений масс элементов ткани и способ построения геометрической модели на основе медицинского изображения для нейтрон-захватной терапии могут быть рассмотрены в качестве вариантов осуществления настоящего изобретения. Ниже кратко описывается нейтрон-захватная терапия, в частности бор-нейтрон-захватная терапия.
[0030] В последние годы нейтрон-захватная терапия (НЗТ) все чаще применяется в качестве эффективного средства для лечения рака, при этом наиболее распространена бор-нейтронозахватная терапия (БНЗТ). Нейтроны для НЗТ могут подаваться ядерными реакторами или ускорителями. Если рассмотреть в качестве примера АВ-БНЗТ, его основные компоненты включают в себя, в целом, ускоритель для ускорения заряженных частиц (таких как протоны и дейтроны), мишень, систему отвода тепла и блок формирования пучка. Ускоренные заряженные частицы взаимодействуют с металлической мишенью с образованием нейтронов. Подходящие ядерные реакции всегда определяются в соответствии с такими характеристиками, как требуемый выход и энергия нейтронов, доступные энергия и поток ускоренных заряженных частиц и реализация металлической мишени, среди которых наиболее обсуждаются две: 7Li(p,n)7Be и 9Be(p,n)9B, причем обе они являются эндотермической реакцией. Их энергетические пороги составляют 1,881 МэВ и 2,055 МэВ, соответственно. Надтепловые нейтроны с уровнем энергии кэВ считаются идеальными источниками нейтронов для БНЗТ. Теоретически бомбардировка с литиевой мишенью с использованием протонов с энергией, немного превышающей эти пороговые значения, может производить нейтроны с относительно низкой энергией, так что эти нейтроны могут быть использованы в медицинских целях без множества замедлений. Однако Li (литий), Be (бериллий) и протоны с пороговой энергией не обладают большим эффективным сечением. Для получения достаточных потоков нейтронов обычно выбирают протоны с высокой энергией для запуска ядерных реакций.
[0031] В БНЗТ используется то преимущество, что борсодержащие (10B) фармацевтические препараты обладают большим сечением захвата нейтрона и производят тяжелые заряженные частицы 4Не и 7Li посредством реакции захвата нейтрона и ядерной реакции деления 10B(n,α)7Li. Как проиллюстрировано на фиг. 1, 2, где показаны схематический вид БНЗТ и формула ядерной реакции захвата нейтрона 10B(n,α)7Li, две заряженные частицы со средней энергией приблизительно 2,33 МэВ имеют линейную передачу энергии (ЛПЭ) и короткодействующие характеристики. ЛПЭ и длина пробега альфа-частицы составляют 150 кэВ/мкм и 8 микрометров соответственно, тогда как эти параметры для тяжелой заряженной частицы 7Li составляют 175 кэВ/мкм и 5 мкм соответственно, при этом общая длина пробега двух частиц приблизительно равна размеру клетки. Таким образом, радиационное повреждение живых организмов может быть ограничено на уровне клеток. Когда борсодержащие фармацевтические препараты собираются в опухолевых клетках избирательно, с помощью подходящего источника нейтронов локально разрушаются только опухолевые клетки при условии отсутствия значительного повреждения здоровой ткани.
[0032] В нейтрон-захватной терапии для моделирования поглощаемой дозы организма при определенных условиях радиоактивного излучения, чтобы помочь врачам разработать план лечения, часто необходимо обрабатывать медицинское изображение с использованием компьютерной технологии, чтобы построить точную решеточную модель, необходимую для программного комплекса на основе метода Монте-Карло, и выполнить вычисления с использованием моделирования, комбинированные с этим программным комплексом. Задача вариантов осуществления настоящего изобретения заключается в построении способа анализа элементов и отношений масс элементов ткани на основе медицинского изображения и способа построения геометрической модели, содержащий в себя способ анализа, который может быть очень сходен со структурой живых тканей, для вычисления, с использованием моделирования, дозы ткани в бор-нейтронозахватной терапии. Данные медицинского изображения могут представлять собой магнитно-резонансную томографию (МРТ), компьютерную томографию (КТ), позитронно-эмиссионную томографию (ПЭТ), ПЭТ-КТ или рентгенографию. Настоящие варианты осуществления описываются на основе данных компьютерной томографии, форматом файла которых обычно является DICOM. Однако специалисту в области техники хорошо известно, что также могут быть использованы другие данные медицинского изображения, причем при условии, что данные медицинского изображения могут быть преобразованы в модель на основе воксельного фантома, это может быть применено к способу анализа элементов и отношений масс элементов ткани и к способу построения геометрической модели на основе медицинского изображения, раскрытым в настоящем изобретении.
[0033] Способ анализа элементов и отношений масс элементов ткани согласно варианту осуществления настоящего изобретения основан на соотношении между распределением отношений масс химических элементов в живых организмах и значением КТ. Значение КТ, также известное как единица Хаунсфилда (HU или Н), представляет собой отношение линейного коэффициента ослабления каждой ткани к линейному коэффициенту ослабления воды и является единицей, представляющей коэффициент ослабления света, которое определяется в виде формулы 1:
[0034] 
[0035] Сумма произведений отношения масс каждого элемента (mi; 0≤mi≤1) и линейного коэффициента ослабления каждого элемента (μi) определяется как линейный коэффициент ослабления каждой ткани 
Используя линейные коэффициенты ослабления фотонов основных элементов, предоставленные Национальным институтом стандартов и технологий (NIST), линейные коэффициенты ослабления каждого элемента в диапазоне энергий рентгеновских лучей, генерируемых КТ, взвешиваются и суммируются для получения среднего линейного коэффициента ослабления в виде линейного коэффициента ослабления (μi) каждого элемента, вычисленного в настоящем варианте осуществления. Произведение эффективности детектора и коэффициента усиления в сканере КТ предоставляется в качестве весового коэффициента эффективности С для корректировки линейного коэффициента ослабления каждой ткани с получением эффективного линейного коэффициента ослабления каждой ткани, т.е., 
Публикация В. Шнайдер и др. в 2000 г. (В. Шнайдер, Т. Бортфельд и В. Шлегель «Корреляция между числами КТ и параметрами ткани, необходимая для моделирования распределений терапевтической дозы по методу Монте-Карло» в журнале «Физика в медицине и биологии» 45, 459-478 (2000)) (W. Schneider, Т. Bortfeld и W. Schlegel, "Correlation between СТ numbers and tissue parameters needed for Monte Carlo simulations of clinical dose distributions", Phys. Med. Biol. 45, 459-478 (2000)), приведена в качестве стандарта, в котором перечислено распределение отношения различных элементов мягкой ткани или костной ткани, соответствующее 70 значениям КТ (эффективный линейный коэффициент ослабления), как показано в таблице 1 ниже. Хотя в этой литературе перечислено отношение масс элементов ткани, соответствующей конкретному значению КТ, количество значений КТ, которое может быть определено, все еще невелико, при этом некоторые числовые интервалы велики, что затрудняет точное определение значений внутри этого интервала. Таким образом, в варианте осуществления настоящего изобретения отношения масс элементов ткани со сходными значениями КТ могут быть приняты в качестве исходного предположения, при этом распределение отношений масс химических элементов, т.е. mi, в живых организмах, соответствующее каждому значению КТ, может быть получено с помощью алгоритма деривации, так что отношение состава элементов, соответствующее каждому элементу вокселя, может быть получено в соответствии с данными изображения КТ, и затем может быть построена трехмерная модель воксельного фантома для выполнения моделирования плана лечения на основе алгоритма Монте-Карло. В этом варианте осуществления для моделирования может быть использован программный комплекс MCNP.
wi
[0036]
[0037] Как показано на фиг. 3, способ анализа элементов и отношений масс элементов ткани на основе медицинского изображения, раскрытый в варианте осуществления настоящего изобретения, в целом включает в себя следующие процессы:
[0038] 1. Линейные коэффициенты ослабления фотонов основных элементов, предоставляемые Национальным институтом стандартов и технологий (NIST), взвешиваются по энергетическому спектру пучка КТ, при этом получают средние линейные коэффициенты ослабления μi и μwater каждого элемента и жидкой воды для пучка КТ.
[0039] 2. Публикация В. Шнайдера и др. (W. Schneider et al.) в 2000 г. используется в качестве стандарта, при этом могут быть получены значения КТ и соответствующие отношения масс элементов 70 мягких тканей и костных тканей. Теоретический линейный коэффициент μ ослабления ткани (любой из тканей в Таблице 1 в этом варианте осуществления) может быть получен путем умножения каждого известного элемента и отношений масс известных элементов ткани (называемой известной тканью) на средний линейный коэффициент ослабления μi элемента и путем суммирования.
[0040] 3. Значение КТ указанной известной ткани преобразуется в эффективный линейный коэффициент ослабления μeff с использованием определения значения КТ HU=1000 (μeff/μwater-1).
[0041] 4. Отношение эффективного и теоретического линейных коэффициентов ослабления С, т.е. С=μeff/μtissue, получают в виде весового коэффициента эффективности, включающего в себя эффективность томографического детектора вычислительного устройства и аддитивный показатель в процессе томографии вычислительного устройства.
[0042] 5. Значения КТ могут быть группированы в множество групп с размером n, причем значения КТ в диапазоне от -100 до +1530 могут быть разделены на 1630/n группы. В этом варианте осуществления n составляет 10, при этом всего 163 групп, начиная с -100. Эффективный линейный коэффициент ослабления μeff значения конечной точки каждого интервала получают с помощью определения значения КТ HU=1000 (μeff/μwater-1), и затем подставляют в формулу С=μeff/μtissue для получения теоретического линейного коэффициента ослабления μtissue ткани, соответствующей значению КТ.
[0043] 6. Используя известные отношения масс элементов ткани, близкие к определенному значению КТ, в качестве исходного предположения, каждое отношение масс элемента умножают на средний линейный коэффициент ослабления μi элемента и затем суммируют.Если в качестве эффективного решения взять теоретический линейный коэффициент ослабления ткани μtissue, соответствующей значению КТ, то каждое отношение масс элемента, соответствующего значению КТ, может быть получено с помощью алгоритма деривации, улучшая, таким образом, отношения масс элементов 163 тканей организма группы. Алгоритм деривации представляет собой алгоритм максимальной аппроксимации в этом варианте осуществления.
[0044] Вкратце, способ построения геометрической модели на основе данных медицинского изображения, раскрытый в вариантах осуществления настоящего изобретения, в целом включает в себя следующие процессы:
[0045] 1. Вводят изображение компьютерной томографии (в формате DICOM), при этом изображение КТ может быть представлено на соответствующем интерфейсе;
[0046] 2. Автоматически считывают границу определенной области интереса (ООИ) в файле DICOM, или также может быть добавлена новая область интереса;
[0047] 3. Программный комплекс может определить местоположение каждого вокселя на изображении КТ и классифицировать все воксели как «находящиеся внутри границы области интереса» и «выходящие за границу области интереса»;
[0048] 4. Для вокселей внутри границы области интереса, в соответствии с фактическими требованиями, пользователь может вручную определить относительный уникальный тип ткани и плотность ткани для каждой области интереса, или значение КТ может быть автоматически согласовано с типом ткани и плотностью для предотвращения ошибки расчета дозы вследствие задания уникального типа ткани (состава элементов) и плотности области интереса, которая охватывает широкий диапазон значений КТ (например, полость слизистой оболочки);
[0049] 5. Для вокселей снаружи границы области интереса тип ткани определяют автоматически, при этом он может быть разделен на 4 или 14 или 70 или 163 ткани, состоящие из разных элементов, в соответствии с разницей значений КТ, причем пользователь может выбрать использование четырех тканей, перечисленных в Форме отчета ICRU-46 (Международная комиссия по радиологическим единицам и измерениям), как подробно описывается ниже, или четырнадцати тканей, состоящих из различных элементов, опубликованных в 2007 г. Вандерстратен и др. (Vanderstraeten et al.), как подробно описывается ниже, или семидесяти тканей, состоящих из различных элементов, в литературе, опубликованной в 2000 г. В. Шнайдер и др., или 163 ткани, полученные описанным выше способом для анализа элементов и отношений масс элементов ткани, раскрытым в настоящем изобретении, в зависимости от фактического решения;
[0050] 6. Для вокселя, плотность которого не была определена вручную, плотность может быть задана автоматически в соответствии с разностью значений КТ, при этом может быть выделено 96 кластеров плотности;
[0051] 7. Пользователь вручную вводит параметры, такие как концентрация борсодержащего лекарственного препарата в здоровой крови, отношение концентраций бора в опухоли и крови, отношение концентрации бора в ткани и крови и т.п., и компонует элемент бора-10 во все воксели;
[0052] 8. Программный комплект может объединять в одно целое информацию, такую как тип ткани (состав элементов), плотность ткани, концентрация бора-10 в ткани и т.п., для генерации трехмерной решеточной модели MCNP и составления карты решетки, карты клеток, карты поверхности и карты материала в формате входного файла MCNP.
[0053] В частности, со ссылкой на фиг. 4, способ построения геометрической модели на основе данных медицинского изображения, раскрытый в настоящем изобретении, включает в себя два варианта осуществления.
[0054] Один аспект настоящего изобретения заключается в создании способа построения геометрической модели на основе данных медицинского изображения, причем этот способ включает в себя: считывание данных медицинского изображения; определение типа ткани с помощью отношения преобразования между данными медицинского изображения и типом ткани; определение количества кластеров ткани; определение плотности ткани с помощью отношения преобразования между данными медицинского изображения и плотностью ткани; построение трехмерной кодирующей матрицы с информацией о ткани и плотности; и генерация геометрической модели.
[0055] В соответствии с отношением преобразования между данными медицинского изображения и типом ткани количество кластеров ткани может быть определено в соответствии с фактическими требованиями, так что тип ткани, состав элементов и плотность могут быть установлены более точно, при этом построенная геометрическая модель может быть лучше согласована с реальным состоянием, отраженным данными медицинского изображения.
[0056] Способ построения геометрической модели дополнительно содержит задание концентрации бора-10 и построение трехмерной кодирующей матрицы с информацией о концентрации бора-10. Геометрическая модель, относящаяся к информации о концентрации бора-10, ясно показывает, что концентрация борсодержащего лекарственного препарата в каждой ткани, и затем при выполнении моделирования нейтрон-захватной терапии, может более реалистично отражать реальное состояние.
[0057] Количество кластеров ткани может представлять собой количество кластеров ткани, определяемое пользователем вручную, плюс четыре кластера ткани или четырнадцать кластеров ткани или семьдесят кластеров ткани, уже существующих в базе данных, или 163 кластера ткани, определяемых с помощью способа анализа элементов и отношений масс элементов ткани согласно настоящему изобретению. Если в существующей базе данных нет установленного соответствующего количества кластеров ткани, новое количество кластеров ткани может быть определено пользователем. Это позволяет избежать состояния, когда могут быть сделаны только приблизительные выборы, если соответствующее количество кластеров ткани не может быть точно подобрано в существующей базе данных, что, таким образом, эффективно улучшает точность моделирования.
[0058] Способ построения геометрической модели дополнительно включает в себя построение трехмерной кодирующей матрицы ткани и построение трехмерной кодирующей матрицы плотности. Согласно срезу данных медицинского изображения, соответствующее кодирование ткани и кодирование плотности могут быть построены для каждого среза посредством соответствующих преобразующих соотношений так, чтобы построить трехмерную кодирующую матрицу ткани и трехмерную кодирующую матрицу плотности.
[0059] Геометрическая модель включает в себя карту решетки, карту клеток, карту поверхности и карту материала, необходимые для входного файла программного комплекса MCNP. Посредством данных медицинского изображения наконец получают карты решетки, карту клеток, карту поверхности и карту материала, необходимые для входного файла программного комплекса MCNP, которые обеспечивают теоретическую основу для вычисления с использованием моделирования и получения точных результатов моделирования.
[0060] Другой аспект настоящего изобретения заключается в создании способа построения геометрической модели на основе данных медицинского изображения, причем этот способ включает в себя: считывание данных медицинского изображения; определение или считывание границы области интереса; определение, находится ли воксель медицинского изображения внутри границы области интереса; если да, выполнение вручную определения типа и плотности ткани путем присвоения конкретной ткани и плотности вокселям внутри каждой границы области интереса или выполнение автоматически определения типа и плотности ткани области интереса посредством отношения преобразования между данными медицинского изображения и типом/плотностью ткани, если нет, выполнение автоматически определения типа ткани с помощью отношения преобразования между данными медицинского изображения и типом ткани и определение плотности ткани с помощью отношения преобразования между данными медицинского изображения и плотностью; построение трехмерной кодирующей матрицы с информацией о ткани и плотности; и генерация геометрической модели.
[0061] Так называемая "ROI" относится к области интереса. Пользователи могут вручную определять тип ткани, состав элементов и плотность области интереса (ROI). Если воксель медицинского изображения не находится внутри границы области интереса, определение типа ткани выполняют в соответствии с отношением преобразования между данными медицинского изображения и типом/плотностью ткани, причем количество кластеров ткани может быть определено в соответствии с фактическими требованиями для более точной установки типа ткани, состава элементов и плотности, при этом построенная геометрическая модель более точно согласована с реальным состоянием, отраженным в данных медицинского изображения.
[0062] Способ построения геометрической модели дополнительно содержит задание концентрации бора-10 и построение трехмерной кодирующей матрицы с информацией о концентрации бора-10. Геометрическая модель, относящаяся к информации о концентрации бора-10, ясно показывает, что концентрация борсодержащего лекарственного препарата в каждой ткани, и затем при выполнении моделирования нейтрон-захватной терапии, может более реалистично отражать реальное состояние.
[0063] Количество кластеров ткани представляет собой количество кластеров ткани, определенное пользователем вручную, плюс количество из четырех кластеров ткани, или четырнадцати кластеров ткани, или семидесяти кластеров ткани, уже существующих в базе данных, или количество из 163 кластеров ткани, определенное раскрытым выше способом анализа элементов и отношений масс элементов ткани согласно настоящему изобретению. Если оно охватывает широкий диапазон значений КТ внутри одной границы области интереса (например, полости слизистой оболочки), значение КТ может быть автоматически согласовано с типом и плотностью ткани для предотвращения ошибки расчета дозы вследствие задания уникального типа ткани (состава элементов) и плотности. Если в существующей базе данных нет установленного соответствующего количества кластеров ткани, новое количество кластеров ткани может быть определено пользователем. Это позволяет избежать состояния, когда могут быть сделаны только приблизительные выборы, если соответствующее количество кластеров ткани не может быть точно подобрано в существующей базе данных, что, таким образом, эффективно улучшает точность моделирования.
[0064] Способ построения геометрической модели дополнительно включает в себя построение трехмерной кодирующей матрицы ткани и построение трехмерной кодирующей матрицы плотности. Согласно срезу данных медицинского изображения, соответствующее кодирование ткани и кодирование плотности могут быть построены для каждого среза посредством соответствующих преобразующих соотношений так, чтобы построить трехмерную кодирующую матрицу ткани и трехмерную кодирующую матрицу плотности.
[0065] Геометрическая модель включает в себя карту решетки, карту клеток, карту поверхности и карту материала, необходимые для входного файла программного комплекса MCNP. Посредством данных медицинского изображения наконец получают карты решетки, карту клеток, карту поверхности и карту материала, необходимые для входного файла программного комплекса MCNP, которые обеспечивают теоретическую основу для вычисления с использованием моделирования и получения точных результатов моделирования.
[0066] Со ссылкой на фиг. 5 ниже описываются графики преобразования значения КТ - типа ткани и значения КТ - плотности ткани в существующей базе данных в способе построения геометрической модели на основе данных медицинского изображения, раскрытом в настоящем изобретении.
[0067] Дана ссылка на литературу, опубликованную Vanderstraeten et al. в 2007 г. (Barbara Vanderstraeten et al, "Conversion of CT numbers into tissue parameters for Monte Carlo dose calculations: a multi-center study", Phys. Med. Biol. 52 (2007) 539-562.), в зависимости от значений КТ они могут быть преобразованы в один тип воздуха, один тип легкого, два типа мягких тканей (жировая и мышечная) и десять типов костей, другими словами, разные значения КТ соответствуют в общей сложности 14 тканям, состоящим из разных элементов, как показано в таблице 2 ниже.
[0068] 
[0069] Дана ссылка на Отчет № ICRU-46 (Международная комиссия по радиационным единицам и измерениям, данным о взаимодействии фотонов, электронов, протонов и нейтронов для тканей тела, ICRU-46, Tech. Rep., 1992.), были взяты четыре основные ткани головного мозга человека, включая воздух, мозг взрослого человека, кожу взрослого человека и череп, с соответствующей плотностью и составом элементов, показанными в таблице 3.
[0070] Та же ссылка дана на литературу Vanderstraeten et al., в которой унифицированы истинные экспериментальные значения из больниц, и отсортирована формула соотношения значения КТ, соответствующая плотности ткани, как показано на фиг. 5; в способе построения геометрической модели на основе данных медицинского изображения, раскрытом в настоящем изобретении, использованы три набора формул регрессии на фиг. 5 для классификации значений КТ (от 1000 до 2000) на 96 кластеров плотности, как показано в таблице 4.
[0071] Способ использует отношения масс известных элементов ткани для вычисления отношений масс элементов других тканей путем использования данных изображения компьютерной томографии, так что при создании воксельного фантома могут быть рассмотрены самые различные данные КТ, обеспечивая больше типов тканей, что делает фантом более реалистичным в реальном состоянии. Этот фантом может быть использован в системе планирования лечения на основе алгоритма Монте-Карло для определения правильных данных о физическом воздействии, таких как линейный коэффициент ослабления фотонов, эффективное сечение нейтронов и степень блокировки массы заряженных частиц (протонов, электронов или других заряженных частиц), в вычислениях методом Монте-Карло посредством большой величины отношений масс элементов тканей, и может обеспечивать почти реальную среду переноса частиц.
[0072] Хотя выше описаны иллюстративные варианты осуществления настоящего изобретения, чтобы дать возможность специалисту в области техники понять настоящее изобретение, следует понимать, что настоящее изобретение не ограничено объемом этих вариантов осуществления. В случае, если различные изменения находятся в пределах сущности и объема, определенных в настоящем изобретении и в прилагаемой формуле изобретения, эти изменения очевидны для специалиста в области техники и находятся в пределах объема правовой охраны, заявленной настоящим изобретением.
Настоящее изобретение относится к медицине и может быть использовано для нейтрон-захватной терапии. Предложен способ, в соответствии с которым: считывают данные медицинского изображения; определяют количество кластеров ткани, причем каждый кластер ткани содержит тип ткани, состав элементов и значение плотности; определяют тип ткани, представленной в медицинском изображении, в соответствии с соотношением преобразования между данными медицинского изображения и типами ткани, выбранными из кластеров ткани. Дополнительно определяют плотность ткани с помощью соотношения преобразования между данными медицинского изображения и значениями плотности, выбранными из кластеров ткани; задают концентрацию бора-10; строят трехмерную (3D) кодирующую матрицу с информацией о ткани, плотности ткани и концентрации бора-10; генерируют геометрическую модель на основе трехмерной кодирующей матрицы; выполняют моделирование нейтрон-захватной терапии на основе сгенерированной геометрической модели для разработки плана лечения и применяют план лечения для выполнения нейтрон-захватной терапии пациента. Изобретение обеспечивает улучшение точности расчета дозы для улучшения качества лечения. 3 з.п. ф-лы, 4 табл., 5 ил.
1. Способ нейтрон-захватной терапии, в соответствии с которым:
считывают данные медицинского изображения;
определяют количество кластеров ткани, причем каждый кластер ткани содержит тип ткани, состав элементов и значение плотности;
определяют тип ткани, представленной в медицинском изображении, в соответствии с соотношением преобразования между данными медицинского изображения и типами ткани, выбранными из кластеров ткани,
отличающийся тем, что
определяют плотность ткани с помощью соотношения преобразования между данными медицинского изображения и значениями плотности, выбранными из кластеров ткани;
задают концентрацию бора-10;
строят трехмерную (3D) кодирующую матрицу с информацией о ткани, плотности ткани и концентрации бора-10;
генерируют геометрическую модель на основе трехмерной кодирующей матрицы;
выполняют моделирование нейтрон-захватной терапии на основе сгенерированной геометрической модели для разработки плана лечения и
применяют план лечения для выполнения нейтрон-захватной терапии пациента.
2. Способ по п. 1, в котором количество кластеров ткани представляет собой количество кластеров ткани, определяемое пользователем вручную, плюс количество из четырех кластеров ткани, четырнадцати кластеров ткани или семидесяти кластеров ткани, уже имеющихся в базе данных.
3. Способ по п. 2, в котором дополнительно:
строят трехмерную кодирующую матрицу ткани и
строят трехмерную кодирующую матрицу плотности.
4. Способ по п. 1, в котором геометрическая модель содержит карту решетки, карту клеток, карту поверхности и карту материала, необходимые для входного файла программного комплекса для расчета нейтронно-физических характеристик методом Монте-Карло (MCNP).
| CN 106474634, A 08.03.2017 | |||
| CN 104267425, A 07.01.2015 | |||
| CN 104537699, A 22.04.2015 | |||
| CN 101751697, A 23.06.2010. |
