[go: up one dir, main page]

CN117350965A - 对象内放射性微球的指标预估装置 - Google Patents

对象内放射性微球的指标预估装置 Download PDF

Info

Publication number
CN117350965A
CN117350965A CN202311286959.1A CN202311286959A CN117350965A CN 117350965 A CN117350965 A CN 117350965A CN 202311286959 A CN202311286959 A CN 202311286959A CN 117350965 A CN117350965 A CN 117350965A
Authority
CN
China
Prior art keywords
tumor
information
radioactive
module
image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202311286959.1A
Other languages
English (en)
Inventor
骆志平
庞洪超
郭金森
汪传高
王薇
李传龙
张燕齐
尹云云
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Institute of Atomic of Energy
Original Assignee
China Institute of Atomic of Energy
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Institute of Atomic of Energy filed Critical China Institute of Atomic of Energy
Priority to CN202311286959.1A priority Critical patent/CN117350965A/zh
Publication of CN117350965A publication Critical patent/CN117350965A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N5/00—Radiation therapy
    • A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
    • A61N5/1001—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy using radiation sources introduced into or applied onto the body; brachytherapy
    • A61N5/1002—Intraluminal radiation therapy
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N5/00—Radiation therapy
    • A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
    • A61N5/1001—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy using radiation sources introduced into or applied onto the body; brachytherapy
    • A61N5/1014—Intracavitary radiation therapy
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N5/00—Radiation therapy
    • A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
    • A61N5/103—Treatment planning systems
    • A61N5/1031—Treatment planning systems using a specific method of dose optimization
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N5/00—Radiation therapy
    • A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
    • A61N5/103—Treatment planning systems
    • A61N5/1039—Treatment planning systems using functional images, e.g. PET or MRI
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30096—Tumor; Lesion

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Pathology (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Epidemiology (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Primary Health Care (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本申请的实施例提供一种对象内放射性微球的指标预估装置，该装置包括：获取模块，用于调用数据接口从数据库中获取对象的多个医疗检测图像；处理器包括：分割模块用于基于预设分割规则对医疗检测图像进行分割处理，得到多个分割图像；确定模块用于根据多个检测指标值确定肿瘤的肿瘤信息；构建模块用于根据肿瘤信息和肿瘤位置信息构建对象的个体化体素三维模型；预估模块用于利用参考计算模型对个体化体素三维模型中肿瘤处的放射性微球的剂量分布进行预估，得到预估结果；得到模块，用于基于预设预估规则，根据预估结果、标记给药方式和放射性微球的直径，得到放射性治疗中肿瘤处的预估指标，其中，预估指标包括放射性微球在肿瘤处的活度。

Description

对象内放射性微球的指标预估装置
技术领域
本申请的至少一种实施例涉及一种指标预估装置，具体涉及一种对象内放射性微球的指标预估装置。
背景技术
微球放射栓塞治疗技术是一种靶向肿瘤放射治疗技术，该项技术被广泛应用于肝脏等恶性肿瘤的选择性体内放射治疗(SIRT)中，即在病灶处通过靶向的大剂量高能量β辐射起到杀死癌细胞的目的，同时可以很好地保护健康的组织器官。
在实现本申请构思的过程中，发明人发现相关技术中至少存在如下问题：现有的预估指标与实际放射性治疗后的实际指标之间的差异度较大，预估指标的可参考性较差，同时现有方法所使用的计算资源较大，计算时间较长。
发明内容
鉴于上述问题，本申请提出了一种克服上述问题或者至少部分地解决上述问题的对象内放射性微球的指标预估装置。
根据本申请实施例，提供一种对象内放射性微球的指标预估装置，包括：
获取模块，用于响应于指标预估请求，调用数据接口从数据库中获取所述对象的多个医疗检测图像；
处理器，包括：
分割模块，用于针对每个上述医疗检测图像，基于预设分割规则对上述医疗检测图像进行分割处理，得到多个分割图像，
其中，至少一个上述分割图像包括上述对象内肿瘤的检测信息，上述检测信息包括肿瘤位置信息和上述分割图像上与上述肿瘤相关的每个像素点的检测指标值；
确定模块，用于基于预设映射规则，根据多个上述检测指标值确定上述肿瘤的肿瘤信息；
构建模块，用于利用上述处理器根据上述肿瘤信息和上述肿瘤位置信息构建上述对象的个体化体素三维模型；
预估模块，用于在假设放射性治疗中对上述对象输入预设剂量的放射性微球的情况下，利用参考计算模型对上述个体化体素三维模型中肿瘤处的放射性微球的剂量分布进行预估，得到预估结果；
得到模块，用于基于预设预估规则，根据上述预估结果、标记给药方式和上述放射性微球的直径，得到上述放射性治疗中肿瘤处的预估指标，其中，上述预估指标包括上述放射性微球在上述肿瘤处的活度。
本申请实施例提供的对象内放射性微球的指标预估装置，通过对对象的医疗检测图像进行识别分割，得到多个分割图像，基于分割图像确定肿瘤信息，并根据肿瘤信息和肿瘤位置信息构建该对象的个体化体素三维模型，在假设利用预设剂量的放射性微球对该对象进行放射性治疗的情况下，利用该个体化体素三维模型预测预测对象内肿瘤处分布情况的预估结果，最后结合标记给药方式对放射性治疗中肿瘤处的预估指标进行预测。由于通过对对象进行个体化体素三维模型的构建，结合假设情况下的预估结果和标记给药方式确定对象在放射性治疗中肿瘤处的预估指标，从而能够降低预测的预估指标与实际放射性治疗后的实际指标之间的差异度，同时能够降低对计算所需的资源量，并提高了计算速度。
附图说明
图1示意性示出了根据本申请实施例的可以应用指标预估方法的示例性系统架构；
图2为根据本申请实施例的指标预估装置的结构框图；
图3为根据本申请的一个实施例的参考计算模型的示意图；
图4为根据本申请的一个实施例的第一映射表的示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请实施例的附图，对本申请的技术方案进行清楚、完整地描述。显然，所描述的实施例是本申请的一个实施例，而不是全部的实施例。基于所描述的本申请的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
需要说明的是，除非另外定义，本申请使用的技术术语或者科学术语应当为本申请所属领域内具有一般技能的人士所理解的通常意义。若全文中涉及“第一”、“第二”等描述，则该“第一”、“第二”等描述仅用于区别类似的对象，而不能理解为指示或暗示其相对重要性、先后次序或者隐含指明所指示的技术特征的数量，应该理解为“第一”、“第二”等描述的数据在适当情况下可以互换。若全文中出现“和/或”，其含义为包括三个并列方案，以“A和/或B”为例，包括A方案，或B方案，或A和B同时满足的方案。
在本实施例的技术方案中，所涉及的数据(如包括但不限于用户个人信息)的收集、存储、使用、加工、传输、提供、公开和应用等处理，均符合相关法律法规的规定，采取了必要保密措施，且不违背公序良俗。
准确了解治疗用放射性微球施用后在人体肿瘤及正常组织器官内的剂量分布是评估治疗效果的关键。目前核医学中内照射的剂量计算可分为两类，第一类是利用预算值进行累加和积分(数值计算)，包括：点源积分，MIRD S因子法和MIRD体素S值法，该类方法优点在于计算速度快，但必须基于均匀组织或虚拟人模型下得出的预算值进行，计算结果与实际值之间存在一定差异；第二类是蒙特卡洛计算方法，该方法优势在于适用于均匀及非均匀组织，无需预算值，计算结果精确，但计算时间长，对计算硬件要求较高。
目前，微球治疗中已有的剂量计算考虑的情况仍比较单一，针对不同的注入方式(经动脉血管灌注和瘤内直接注入)，剂量计算选用的方法也各不相同。其中经肝动脉灌注90Y玻璃微球治疗肝癌中的剂量计算主要有基于体表面积(BSA)的剂量计划方法和基于肝肺分流比的分割MIRD剂量法(即分区建模)，其中BSA法在计算时缺少靶体积可能导致治疗不足或治疗过度，且没有考虑微球在肿瘤和非肿瘤组织之间的分布差异；分割MIRD法能够区分肿瘤和正常肝脏接收的辐射剂量，因此估计的剂量接近实际接收的剂量，但它仍然是一个近似值，如果存在具有不同摄取比的多个病灶，计算不够准确，仅对一个或多个具有恒定肿瘤与正常血流比的病变准确。瘤内直接注入的剂量计算，把微球当作放射点源计算周围的剂量率，误差较大，目前还没有更准确的计算方法。
有鉴于此，本申请提供了一种对象内放射性微球的指标预估装置，该装置包括：获取模块，用于响应于指标预估请求，调用数据接口从数据库中获取对象的多个医疗检测图像；处理器，包括：分割模块，用于针对每个医疗检测图像，基于预设分割规则对医疗检测图像进行分割处理，得到多个分割图像，其中，至少一个分割图像包括对象内肿瘤的检测信息，检测信息包括肿瘤位置信息和分割图像上与肿瘤相关的每个像素点的检测指标值；确定模块，用于基于预设映射规则，根据多个检测指标值确定肿瘤的肿瘤信息；构建模块，用于根据肿瘤信息和肿瘤位置信息构建对象的个体化体素三维模型；预估模块，用于在假设放射性治疗中对对象输入预设剂量的放射性微球的情况下，利用参考计算模型对个体化体素三维模型中肿瘤处的放射性微球的剂量分布进行预估，得到预估结果；得到模块，用于基于预设预估规则，根据预估结果、标记给药方式和放射性微球的直径，得到放射性治疗中肿瘤处的预估指标，其中，预估指标包括放射性微球在肿瘤处的活度。
图1示意性示出了根据本申请实施例的可以应用指标预估装置的示例性系统架构100。需要注意的是，图1所示仅为可以应用本申请实施例的系统架构的示例，以帮助本领域技术人员理解本申请的技术内容，但并不意味着本申请实施例不可以用于其他设备、系统、环境或场景。
如图1所示，根据该实施例的系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线和/或无线通信链路等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端和/或社交平台软件等(仅为示例)。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等。
服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
需要说明的是，本申请实施例所提供的指标预估装置一般可以设置于服务器105中，也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。或者，本申请实施例所提供的指标预估装置也可以由终端设备101、102、或103执行，或者也可以由不同于终端设备101、102、或103的其他终端设备执行。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
图2为根据本申请实施例的指标预估装置的结构框图。图3为根据本申请的一个实施例的参考计算模型的示意图。
本申请实施例提供了一种对象内放射性微球的指标预估装置200，如图2所示，指标预估装置200包括获取模块210和处理器220。
获取模块210，用于响应于指标预估请求，调用数据接口从数据库中获取对象的多个医疗检测图像。
处理器220包括分割模块221、确定模块222、构建模块223、预估模块224、得到模块225。
分割模块221，用于针对每个医疗检测图像，基于预设分割规则对医疗检测图像进行分割处理，得到多个分割图像，其中，
至少一个分割图像包括对象内肿瘤的检测信息，检测信息包括肿瘤位置信息和分割图像上与肿瘤相关的每个像素点的检测指标值。
确定模块222，用于基于预设映射规则，根据多个检测指标值确定肿瘤的肿瘤信息。
构建模块223，用于根据肿瘤信息和肿瘤位置信息构建对象的个体化体素三维模型。
预估模块224，用于在假设放射性治疗中对对象输入预设剂量的放射性微球的情况下，利用参考计算模型对个体化体素三维模型中肿瘤处的放射性微球的剂量分布进行预估，得到预估结果。
得到模块225，用于基于预设预估规则，根据预估结果、标记给药方式和放射性微球的直径，得到放射性治疗中肿瘤处的预估指标，其中，预估指标包括放射性微球在肿瘤处的活度。
本实施例中，指标预估请求可以是响应于工作人员在计算机上输入的指标预估操作所生成的，数据接口可以指API接口，医疗检测图像可以是指核磁共振(CT)图像或者B超图像等，对象可以指人。
本实施例中，预设分割规则可以指沿器官的外边缘进行切割，同时若器官内存在肿瘤，则对该肿瘤的图像进行分割。肿瘤可以指肝部、肺部、胃部等器官上的恶性的癌症肿瘤或者是良性肿瘤。
本实施例中，肿瘤信息可以指肿瘤的元素组成和密度。预设映射规则可以是指不同检测指标值所在的指标区间具有对应的元素组成或者密度计算公式，基于该密度计算公式可以计算该肿瘤处的肿瘤密度。
本实施例中，预设预估规则可以基于当前所得到的数据对实际中的放射性治疗之后的放射性微球在肿瘤处的活度等进行估计，需要说明的是此时并未进行放射性治疗，只是对其结果进行预测。
本实施例中，在工作人员在计算机上输入指标预估操作的情况下，计算机通过调用数据接口以从不同的数据库中获取该对象的医疗检测图像。对每个医疗检测图像进行自动识别和分割，从而使得至少一个分割图像中是该肿瘤的检测信息。
本实施例中，若使用的医疗检测图像为CT图像，此时分割图像中所有的像素点的检测指标值为HU值，基于预设映射规则，可以确定该HU值所对应的肿瘤信息，例如肿瘤的元素组成和密度等。基于上述的肿瘤信息，可以构建对象真实的个体化体素三维模型，该个体化体素三维模型上准确地体现了肿瘤的位置、大小、元素组成等关键性信息。
本实施例中，假设放射性微球作为源项在肿瘤所属人体组织器官内部均匀分布，利用成人曲面型参考计算体模(MRCPs，即本实施例的参考计算模型，如图3所示)对放射性微球注入后对患者患癌目标器官及正常敏感组织器官内的剂量分布进行预测，得到预估结果。其中成人曲面型参考计算体模包括估算对象体内有效剂量所需的所有源区和靶区，不需要体素化，可以快速直接应用于剂量计算，为后续实现对象个体化剂量估算提供初步剂量分布验证。
本实施例中，图3所示的成人曲面型参考计算体模中包括了人体的所有的器官(部分器官图3未示出)，例如在对象确诊肝癌的情况下，可以利用该成人曲面型参考计算体模对放射性微球注入后对患者患癌肝及正常敏感组织器官内的剂量分布进行预测，包括肝部、胃部以及血管内等多个器官的剂量分布进行预测。本实施例通过对目标器官以及正常敏感组织器官内的剂量分布进行预测，能够预估以后放射性治疗中放射性微球在不同器官内的分布情况，从而为医生提供较为准确的参考数据，以便于提高后续治疗的治疗效果。
本实施例中，结合在治疗过程中的标记给药方式所得到的SPECT/CT扫描图像，综合考虑放射性微球的直径，对后续进行放射性治疗后肿瘤处的活度等指标进行预测，得到预估指标。
需要说明的是，本实施例中所得到的预估指标仅作为后续放射性治疗的中间结果，其属于生理参数，具体的放射性治疗需要使用多大剂量的放射性微球可以由专业医师根据本实施例的预估指标结合对象的身体健康状况以及其他指标(例如耐药性等)综合判断，本实施例仅给出用于后续放射性治疗的活度等参考数据，并非是直接作用在人体上进行治疗。
本实施例中，通过对对象的医疗检测图像进行识别分割，得到多个分割图像，基于分割图像确定肿瘤信息，并根据肿瘤信息和肿瘤位置信息构建该对象的个体化体素三维模型，在假设利用预设剂量的放射性微球对该对象进行放射性治疗的情况下，利用该个体化体素三维模型预测预测对象内肿瘤处分布情况的预估结果，最后结合标记给药方式对放射性治疗中肿瘤处的预估指标进行预测。由于通过对对象进行个体化体素三维模型的构建，结合假设情况下的预估结果和标记给药方式确定对象在放射性治疗中肿瘤处的预估指标，从而能够降低预测的预估指标与实际放射性治疗后的实际指标之间的差异度，同时能够降低对计算所需的资源量，并提高了计算速度。
本实施例中，指标预估装置200还包括显示装置。
显示装置，用于显示预估指标。
本实施例中，显示装置可以是显示器，其可以向工作人员或者医生展示该预估指标。
本实施例中，获取模块210包括第一确定单元、第二确定单元、调用单元。
第一确定单元，用于根据指标预估请求确定对象的身份信息；
第二确定单元，用于基于身份信息确定存储地址信息，其中，存储地址信息与不同数据库中对象的医疗检测图像的存储地址相对于；
调用单元，用于根据存储地址信息，调用与每个数据库对应的数据接口，以从数据库中获取对象的医疗检测图像。
本实施例中，身份信息可以指用户的名字、身份证号、医疗编号等。
本实施例中，在确定对象的身份信息之后，需要确定该对象的医疗检测图像存储于哪些数据库中，通过与身份信息对应的存储地址信息，再调用数据接口从对应的数据库中获取该对象的医疗检测图像。
本实施例中，分割模块221包括标记单元、裁剪单元、第三确定单元。
标记单元，用于基于预设器官定位规则，在医疗检测图像上对不同的器官进行标记，得到标记后的医疗检测图像；
裁剪单元，用于对标记后的医疗检测图像进行裁剪，得到多个裁剪图像，其中，每个裁剪图像包括一个器官；
第三确定单元，用于针对每个裁剪图像，在裁剪图像中存在异常占位性结构的情况下，将裁剪图像确定为分割图像。
本实施例中，由于不同的器官具有不同的形状，基于形状可以对不同的器官进行标记，从而得到标记后的医疗检测图像，然后对标记后的医疗检测图像进行裁剪即可得到多个裁剪图像，此后对每个裁剪图像进行异常占位性结构的识别，如果该裁剪图像中包括异常占位性结构，则将该裁剪图像确定为分给图像。
本实施例中，正常人体器官在CT上的表现基本都是一样的，人们了解了正常人体组织器官在CT上的表现后，如果发现了异常的组织结构，特别是占位性的实质肿块(即异常占位性结构)，就要考虑其属于肿瘤了。
本实施例中，至少一个分割图像包括器官，以根据包括肿瘤的分割图像和包括器官的分割图像生成个体化体素三维模型。
本实施例中，分割模块221还包括第四确定单元和第五确定单元。
第四确定单元，用于针对每个裁剪图像，根据裁剪图像中器官与参考器官图像，确定器官相似度。
第五确定单元，用于在器官相似度满足预设相似度阈值的情况下，将裁剪图像确定为分割图像。
本实施例中，器官相似度主要是根据器官的外形轮廓所计算的，在计算得到的器官相似度鳗鱼预设相似度阈值的情况下，可以将包括该器官的裁剪图像确定为分割图像，其中，预设相似度阈值可以根据实际需求具体设定，例如可以设定为0.8。
本实施例中，为了使得构建的个体化体素三维模型与对象的身体更加一致，可以在构建个体化体素三维模型时不仅使用肿瘤的分割图像，还可以使用对象的每个器官的分割图像。
图4为根据本申请的一个实施例的第一映射表的示意图。
本实施例中，肿瘤信息包括目标元素组成信息和肿瘤密度信息。
本实施例中，确定模块222包括第六确定单元、第七确定单元、计算单元。
第六确定单元，用于针对每个检测指标值，利用处理器确定检测指标值所在的第一指标区间。
第七确定单元，用于利用处理器基于第一指标区间在第一映射表中确定与第一指标区间对应的目标元素组成信息，其中，第一映射表包括与不同第一指标区间对应的多个元素组成信息。
计算单元，用于利用处理器根据检测指标值计算肿瘤密度信息。
本实施例中，在获得检测指标值的情况下，首先确定该检测指标值所在的第一指标区间，在第一映射表中确定与该第一指标区间对应的目标元素组成信息。第一映射表如图4所示。同时根据检测指标值计算器肿瘤密度信息。
本实施例中，计算单元包括第一确定子单元、第二确定子单元、第三确定子单元。
第一确定子单元，用于利用处理器确定检测指标值所在的第二指标区间。
第二确定子单元，用于基于第二指标区间在第二映射表中确定与第二指标区间对应的目标密度计算公式，其中，第二映射表包括与不同第二指标区间对应的多个密度计算公式。
第三确定子单元，用于根据目标密度计算公式和检测指标值，确定肿瘤密度信息。
本实施例中，首先根据检测指标值HU确定其所属的第二指标区间，然后基于与该第二指标区间对应的目标密度计算公式计算肿瘤密度信息。
当HU∈[-1000，-98)时，density(肿瘤密度信息)＝0.00121+0.001029700665188*(1000.0+HU)；
当HU∈[-98，15)时，density＝1.018+0.000893*HU；
当HU∈[15，23)时，density＝1.03；
当HU∈[23，101)时，density＝1.003+0.001169*HU；
当HU∈[101，2001)时，density＝1.017+0.000592*HU；
当HU∈[2001，2995)时，density＝2.201+0.0005*(-2000.0+HU)；
当HU∈[2995，2996]时，density＝4.54；
其中，density的单位统一为g/cm3，上述密度计算公式仅作为示例性说明，可以根据实际需求对上述公式中的参数进行修改，上述密度计算公式同样适用于人体各种器官密度的计算。
本实施例中，通过结合器官及肿瘤的不同的密度信息所得到的个体化体素三维模型能够更准确地进行预估指标的预测，从而能够进一步降低预测的预估指标与实际放射性治疗后的实际指标之间的差异度。
本实施例中，构建模块223包括第八确定单元、构建单元、生成单元。
第八确定单元，用于根据肿瘤位置信息确定肿瘤所在的器官以及肿瘤在器官的位置信息。
构建单元，用于利用处理器基于蒙特卡洛程序根据肿瘤所在的器官以及肿瘤在器官的位置信息构建初始三维模型。
生成单元，用于根据初始三维模型和肿瘤信息，生成个体化体素三维模型。
本实施例中，首先利用蒙特卡洛程序对对象的人体进行初次建模，建模中使用的是对象的器官及器官位置信息，从而得到该对象的初始三维模型，然后在该初始三维模型上添加肿瘤信息，从而得到最终的个体化体素三维模型。
本实施例中，预估模块224包括预估单元。
预估单元，用于利用成人曲面型参考计算体模对个体化体素三维模型中肿瘤处的放射性微球的剂量分布进行预估，得到预估结果。
本实施例中，参考计算模型可以是如图3所示的成人曲面型参考计算体模MRCPs。
本实施例中，其中，预估指标还包括放射性微球在肿瘤处的分布信息。
本实施例中，得到模块225包括调整单元、第一得到单元、第二得到单元。
调整单元，用于根据预估结果和对象的健康信息对预设剂量进行调整，得到调整后的预设剂量。
第一得到单元，用于在标记给药方式为动脉血管灌注给药方式的情况下，基于预设预估规则，根据预估结果、肿瘤的给药动脉的血管信息以及放射性微球的直径，得到放射性治疗中肿瘤处的预估指标，其中，标记给药方式采用调整后的预设剂量的标记药物。
第二得到单元，用于在标记给药方式为瘤内直接注入给药方式的情况下，基于预设预估规则，根据预估结果、给药剂量以及给药位置，得到放射性治疗中肿瘤处的预估指标。
本实施例中，对于预测放射性核素栓塞治疗过程中微球在对象体内的活度及其分布，可在进行标记给药方式之后借助SPECT/CT扫描Tc-99m MAA在对象全身分布的模拟数据结果给出。而对放射性微球在肿瘤部位内的活度及其分布情况，若采用动脉血管灌注给药方式进行标记，可结合放射性微球直径，通过标记患癌器官中主要的给药动脉血管栓塞部位预测可能的微球瘤内活度及其分布信息；对于瘤内直接注入给药方式，可通过标记治疗过程中瘤内直接给标记药注入的具体量及准确位置给出可能的微球瘤内活度及其分布信息。
需要说明的是，上述操作均由处理器根据获取的信息，基于预设评估规则所做出的综合性的预测结果，例如处理器根据标记药的具体量、对象内不同位置的血管栓塞部位的权重进行预估指标的计算。
根据本申请的实施例的模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本申请实施例的模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本申请实施例的模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(Field ProgrammableGate Array，FPGA)、可编程逻辑阵列(Programmable Logic Arrays，PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(Application Specific Integrated Circuit，ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，根据本申请实施例的模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
例如，获取模块210、分割模块221、确定模块222、构建模块223、预估模块224、得到模块225中的任意多个可以合并在一个模块/单元/子单元中实现，或者其中的任意一个模块/单元/子单元可以被拆分成多个模块/单元/子单元。或者，这些模块/单元/子单元中的一个或多个模块/单元/子单元的至少部分功能可以与其他模块/单元/子单元的至少部分功能相结合，并在一个模块/单元/子单元中实现。根据本申请的实施例，获取模块210、分割模块221、确定模块222、构建模块223、预估模块224、得到模块225中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，获取模块210、分割模块221、确定模块222、构建模块223、预估模块224、得到模块225中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
上面结合附图和实施例对本发明作了详细说明，但是本发明并不限于上述实施例，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。本发明中未作详细描述的内容均可以采用现有技术。

Claims (10)

1.一种对象内放射性微球的指标预估装置，包括：
获取模块，用于响应于指标预估请求，调用数据接口从数据库中获取所述对象的多个医疗检测图像；
处理器，包括：
分割模块，用于针对每个所述医疗检测图像，基于预设分割规则对所述医疗检测图像进行分割处理，得到多个分割图像，其中，至少一个所述分割图像包括所述对象内肿瘤的检测信息，所述检测信息包括肿瘤位置信息和所述分割图像上与所述肿瘤相关的每个像素点的检测指标值；
确定模块，用于基于预设映射规则，根据多个所述检测指标值确定所述肿瘤的肿瘤信息；
构建模块，用于根据所述肿瘤信息和所述肿瘤位置信息构建所述对象的个体化体素三维模型；
预估模块，用于在假设放射性治疗中对所述对象输入预设剂量的放射性微球的情况下，利用参考计算模型对所述个体化体素三维模型中肿瘤处的放射性微球的剂量分布进行预估，得到预估结果；
得到模块，用于基于预设预估规则，根据所述预估结果、标记给药方式和所述放射性微球的直径，得到所述放射性治疗中肿瘤处的预估指标，其中，所述预估指标包括所述放射性微球在所述肿瘤处的活度。
2.根据权利要求1所述的装置，其中，获取模块包括：
第一确定单元，用于根据指标预估请求确定对象的身份信息；
第二确定单元，用于基于身份信息确定存储地址信息，其中，存储地址信息与不同数据库中对象的医疗检测图像的存储地址相对于；
调用单元，用于根据存储地址信息，调用与每个数据库对应的数据接口，以从数据库中获取对象的医疗检测图像。
3.根据权利要求1所述的装置，其中，分割模块包括：
标记单元，用于基于预设器官定位规则，在医疗检测图像上对不同的器官进行标记，得到标记后的医疗检测图像；
裁剪单元，用于对标记后的医疗检测图像进行裁剪，得到多个裁剪图像，其中，每个裁剪图像包括一个器官；
第三确定单元，用于针对每个裁剪图像，在裁剪图像中存在异常占位性结构的情况下，将裁剪图像确定为分割图像。
4.根据权利要求3所述的装置，其中，至少一个所述分割图像包括所述器官，以根据包括所述肿瘤的分割图像和包括器官的分割图像生成所述个体化体素三维模型；
其中，分割模块还包括：
第四确定单元，用于针对每个裁剪图像，根据裁剪图像中器官与参考器官图像，确定器官相似度；
第五确定单元，用于在器官相似度满足预设相似度阈值的情况下，将裁剪图像确定为分割图像。
5.根据权利要求1所述的装置，所述肿瘤信息包括目标元素组成信息和肿瘤密度信息；
其中，确定模块包括：
第六确定单元，用于针对每个检测指标值，利用处理器确定检测指标值所在的第一指标区间；
第七确定单元，用于利用处理器基于第一指标区间在第一映射表中确定与第一指标区间对应的目标元素组成信息，其中，第一映射表包括与不同第一指标区间对应的多个元素组成信息；
计算单元，用于利用处理器根据检测指标值计算肿瘤密度信息。
6.根据权利要求5所述的装置，其中，计算单元包括：
第一确定子单元，用于利用处理器确定检测指标值所在的第二指标区间；
第二确定子单元，用于基于第二指标区间在第二映射表中确定与第二指标区间对应的目标密度计算公式，其中，第二映射表包括与不同第二指标区间对应的多个密度计算公式；
第三确定子单元，用于根据目标密度计算公式和检测指标值，确定肿瘤密度信息。
7.根据权利要求1所述的装置，其中，构建模块包括：
第八确定单元，用于根据肿瘤位置信息确定肿瘤所在的器官以及肿瘤在器官的位置信息；
构建单元，用于利用处理器基于蒙特卡洛程序根据肿瘤所在的器官以及肿瘤在器官的位置信息构建初始三维模型；
生成单元，用于根据初始三维模型和肿瘤信息，生成个体化体素三维模型。
8.根据权利要求1或7所述的装置，其中，预估模块包括：
预估单元，用于利用成人曲面型参考计算体模对个体化体素三维模型中肿瘤处的放射性微球的剂量分布进行预估，得到预估结果。
9.根据权利要求1所述的装置，其中，所述预估指标还包括放射性微球在所述肿瘤处的分布信息；
其中，得到模块包括：
调整单元，用于根据预估结果和对象的健康信息对预设剂量进行调整，得到调整后的预设剂量；
第一得到单元，用于在标记给药方式为动脉血管灌注给药方式的情况下，基于预设预估规则，根据预估结果、肿瘤的给药动脉的血管信息以及放射性微球的直径，得到放射性治疗中肿瘤处的预估指标，其中，标记给药方式采用调整后的预设剂量的标记药物；
第二得到单元，用于在标记给药方式为瘤内直接注入给药方式的情况下，基于预设预估规则，根据预估结果、给药剂量以及给药位置，得到放射性治疗中肿瘤处的预估指标。
10.根据权利要求1所述的装置，还包括：
显示装置，用于显示所述预估指标。
CN202311286959.1A 2023-10-07 2023-10-07 对象内放射性微球的指标预估装置 Pending CN117350965A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311286959.1A CN117350965A (zh) 2023-10-07 2023-10-07 对象内放射性微球的指标预估装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311286959.1A CN117350965A (zh) 2023-10-07 2023-10-07 对象内放射性微球的指标预估装置

Publications (1)

Publication Number Publication Date
CN117350965A true CN117350965A (zh) 2024-01-05

Family

ID=89362442

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311286959.1A Pending CN117350965A (zh) 2023-10-07 2023-10-07 对象内放射性微球的指标预估装置

Country Status (1)

Country Link
CN (1) CN117350965A (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1649643A (zh) * 2002-05-06 2005-08-03 格尔根·尼尔松 活体剂量测定的方法
CN101271581A (zh) * 2008-04-25 2008-09-24 浙江大学 建立个性化的三维人体模型
CN103025159A (zh) * 2010-03-19 2013-04-03 波士顿生物医学公司 靶向癌症干细胞的新方法
CN104107062A (zh) * 2013-04-17 2014-10-22 深圳市医诺智能科技发展有限公司 一种评估放射治疗效果方法及系统
CN104267425A (zh) * 2014-10-16 2015-01-07 中国科学院合肥物质科学研究院 一种基于CT数据的内照射HPGe探测器探测效率确定方法
CN104258505A (zh) * 2014-09-19 2015-01-07 西安交通大学医学院第一附属医院 肿瘤放射治疗剂量个体化验证仿真体模及其建立和应用
US20150273089A1 (en) * 2012-09-17 2015-10-01 Bruce N. Gray Method of treating cancer
CN111599003A (zh) * 2020-05-18 2020-08-28 东华大学 一种肿瘤细胞三维模型的建立方法和应用
CN111991711A (zh) * 2020-09-07 2020-11-27 杭州珞珈质子科技有限公司 质子治疗的参数监测装置及系统
CN114707416A (zh) * 2022-04-18 2022-07-05 成都理工大学 一种人体内照射剂量检测方法、装置、系统及计算机设备
US20230172428A1 (en) * 2021-12-03 2023-06-08 Ambu A/S Endoscope image processing device

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1649643A (zh) * 2002-05-06 2005-08-03 格尔根·尼尔松 活体剂量测定的方法
CN101271581A (zh) * 2008-04-25 2008-09-24 浙江大学 建立个性化的三维人体模型
CN103025159A (zh) * 2010-03-19 2013-04-03 波士顿生物医学公司 靶向癌症干细胞的新方法
US20150273089A1 (en) * 2012-09-17 2015-10-01 Bruce N. Gray Method of treating cancer
CN104107062A (zh) * 2013-04-17 2014-10-22 深圳市医诺智能科技发展有限公司 一种评估放射治疗效果方法及系统
CN104258505A (zh) * 2014-09-19 2015-01-07 西安交通大学医学院第一附属医院 肿瘤放射治疗剂量个体化验证仿真体模及其建立和应用
CN104267425A (zh) * 2014-10-16 2015-01-07 中国科学院合肥物质科学研究院 一种基于CT数据的内照射HPGe探测器探测效率确定方法
CN111599003A (zh) * 2020-05-18 2020-08-28 东华大学 一种肿瘤细胞三维模型的建立方法和应用
CN111991711A (zh) * 2020-09-07 2020-11-27 杭州珞珈质子科技有限公司 质子治疗的参数监测装置及系统
US20230172428A1 (en) * 2021-12-03 2023-06-08 Ambu A/S Endoscope image processing device
CN114707416A (zh) * 2022-04-18 2022-07-05 成都理工大学 一种人体内照射剂量检测方法、装置、系统及计算机设备

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
EMILIE RONCALI 等: "Personalized Dosimetry for Liver Cancer Y-90 Radioembolization Using Computational Fluid Dynamics and Monte Carlo Simulation", ANNALS OF BIOMEDICAL ENGINEERING, vol. 48, no. 5, 31 May 2020 (2020-05-31), pages 1499 - 1510, XP037091136, DOI: 10.1007/s10439-020-02469-1 *
GUSTAVO COSTA 等: "Radioembolization Dosimetry with Total-Body 90Y PET", JOURNAL OF NUCLEAR MEDICINE, 18 November 2021 (2021-11-18), pages 1 - 29 *
鞠永健 等: "经肝动脉灌注90Y微球治疗肝癌的剂量计算", 中华放射医学与防护杂志, no. 6, 31 December 2002 (2002-12-31), pages 1 - 3 *

Similar Documents

Publication Publication Date Title
Bacon et al. The impact of cancer treatment on quality of life outcomes for patients with localized prostate cancer
Dibble et al. 18F-FDG metabolic tumor volume and total glycolytic activity of oral cavity and oropharyngeal squamous cell cancer: adding value to clinical staging
Fletcher et al. Observer performance in the detection and classification of malignant hepatic nodules and masses with CT image-space denoising and iterative reconstruction
Dialani et al. Prediction of low versus high recurrence scores in estrogen receptor–positive, lymph node–negative invasive breast cancer on the basis of radiologic-pathologic features: comparison with oncotype DX test recurrence scores
EP3376958B1 (en) Water equivalent diameter determination from scout images
Bertolini et al. CT protocol optimisation in PET/CT: a systematic review
Henderson et al. Breast cancer characteristics associated with digital versus film-screen mammography for screen-detected and interval cancers
Keil et al. Target lesion selection: an important factor causing variability of response classification in the Response Evaluation Criteria for Solid Tumors 1.1
Balagopal et al. Characterization of 90Y‐SPECT/CT self‐calibration approaches on the quantification of voxel‐level absorbed doses following 90Y‐microsphere selective internal radiation therapy
Jatoi Screening clinical breast examination
Patel et al. Variability of postsurgical imaging surveillance of breast cancer patients: a nationwide survey study
Lane et al. Time for resolution of COVID-19 vaccine–related axillary lymphadenopathy and associated factors
Jamal et al. Mammographic breast glandularity in Malaysian women: data derived from radiography
van den Broek et al. Comparing CISNET breast cancer incidence and mortality predictions to observed clinical trial results of mammography screening from ages 40 to 49
Vernuccio et al. Local tumor control and patient outcome using stereotactic body radiation therapy for hepatocellular carcinoma: iRECIST as a potential substitute for traditional criteria
Garg et al. 11C-Choline positron emission tomography/computed tomography for detection of disease relapse in patients with history of biochemically recurrent prostate cancer and prostate-specific antigen≤ 0.1 Ng/Ml
Serfling et al. Interobserver agreement rates on fibroblast activation protein inhibitor–directed molecular imaging and therapy
Bahadori et al. Calculation of organ doses for a large number of patients undergoing CT examinations
Chen et al. Clinical study on postoperative triple-negative breast cancer with Chinese medicine: study protocol for an observational cohort trial
Lan et al. Global, reginal, national burden and risk factors in female breast cancer from 1990 to 2021
Dang et al. Automated breast ultrasound with remote reading for primary breast cancer screening: a prospective study involving 46 community health centers in China
Hammarstedt et al. Adrenal lesions: variability in attenuation over time, between scanners, and between observers
Wolfson et al. Breast cancer screening and axillary adenopathy in the era of COVID-19 vaccination
Teng et al. HU-based material conversion for BNCT accurate dose estimation
CN117350965A (zh) 对象内放射性微球的指标预估装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination