[go: up one dir, main page]

TWI704904B - 用以產生對位影像的系統及方法 - Google Patents

用以產生對位影像的系統及方法 Download PDF

Info

Publication number
TWI704904B
TWI704904B TW108125641A TW108125641A TWI704904B TW I704904 B TWI704904 B TW I704904B TW 108125641 A TW108125641 A TW 108125641A TW 108125641 A TW108125641 A TW 108125641A TW I704904 B TWI704904 B TW I704904B
Authority
TW
Taiwan
Prior art keywords
image
images
cbct
model
contoured
Prior art date
Application number
TW108125641A
Other languages
English (en)
Other versions
TW202007364A (zh
Inventor
陳裕仁
花凱龍
戴宏旗
Original Assignee
台灣基督長老教會馬偕醫療財團法人馬偕紀念醫院
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 台灣基督長老教會馬偕醫療財團法人馬偕紀念醫院 filed Critical 台灣基督長老教會馬偕醫療財團法人馬偕紀念醫院
Publication of TW202007364A publication Critical patent/TW202007364A/zh
Application granted granted Critical
Publication of TWI704904B publication Critical patent/TWI704904B/zh

Links

Images

Classifications

    • 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
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/38—Registration of image sequences
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • 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
    • 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
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
    • 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
    • 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
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/40—Arrangements for generating radiation specially adapted for radiation diagnosis
    • A61B6/4064—Arrangements for generating radiation specially adapted for radiation diagnosis specially adapted for producing a particular type of beam
    • A61B6/4085—Cone-beams
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/501—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of the head, e.g. neuroimaging or craniography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/502—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of breast, i.e. mammography
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10084—Hybrid tomography; Concurrent acquisition with multiple different tomographic modalities
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20076—Probabilistic image processing
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20116—Active contour; Active surface; Snakes
    • 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
    • G06T2207/30008—Bone
    • G06T2207/30012—Spine; Backbone
    • 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
    • G06T2207/30016—Brain
    • 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
    • G06T2207/30092—Stomach; Gastric
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/32—Image data format
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/41—Medical

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Theoretical Computer Science (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • General Physics & Mathematics (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Surgery (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Urology & Nephrology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Optics & Photonics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Biophysics (AREA)
  • Pulmonology (AREA)
  • Quality & Reliability (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本揭示內容是關於用以產生對位影像的方法及系統，其中該對位影像整合了CT及CBCT影像的資訊。醫療人員可利用本揭示內容之方法及系統，將歸劃於CT影像之治療計畫的資訊精確轉換為CBCT影像，藉以準確調控放射治療的劑量及位置。據此，本揭示內容亦提供利用本發明方法及/或系統來治療個體之癌症的方法。

Description

用以產生對位影像的系統及方法
本揭示內容是關於生物影像，特別是關於醫學影像。更具體來說，本揭示內容是關於用以對源自電腦斷層攝影(computed tomography, CT)掃描及錐狀射束電腦斷層攝影(cone-beam computed tomography, CBCT)掃描之影像進行對位處理的系統及方法；以及其於放射治療的應用。
CT掃描亦稱為X射線電腦斷層攝影(X-ray CT)或電腦化斷層掃瞄(computerized axial tomography scan, CAT scan)，是以電腦組合不同角度拍攝的X射線影像，產生掃描物體之特定區域的橫截面(斷層攝影)影像，使習知技藝人士(例如，醫師)可在不進行切剖的情況下，觀看物體的內部。相較於傳統2D醫學放射成像術，CT掃描具有以下優勢：(1)消除特定區域外結構的疊加影像；(2)區分物理密度差異小於1%的組織；以及(3)產生多平面之重組影像。
CBCT亦稱為C-臂CT (C-arm CT)、錐狀體積CT (cone beam volume CT)，或平面CT (flat panel CT)，是一種由X射線電腦斷層攝影所構成的醫學成像技術，其中X射線是呈發散狀照射，形成錐形。CBCT可於較低曝光劑量下，提供足夠的影像品質。相較於CT，CBCT具有低成本、較短的掃描時間，以及低偽影等優勢。
在臨床治療上，放射治療流程通常包含二階段：(1)基於CT資料庫設計一放射治療計畫；以及(2)依據CBCT資料庫定位出準確的治療位置。具體來說，放射治療計畫是由放射腫瘤學家、放射治療師、醫學物理學家及醫學劑量師所組成的團隊，為癌症病患設計適當的外射束放射治療及/或內部放射治療(即，近接治療(brachytherapy))的流程。一般來說，是以源自CT掃描的醫學影像形成一虛擬病患，據以進行由電腦輔助的設計流程。藉由模擬治療來設計治療的幾何、放射及劑量特性。此外，由於CBCT於治療過程中提供了監測放射的三維影像，因此可於各次治療前取得CBCT影像，藉以即時且準確地界定腫瘤及其周圍組織的位置。然而，在實際應用時，計畫CT及CBCT影像的轉換通常具有影像變形的問題，進而造成腫瘤及其周圍組織器官的位移。
有鑑於此，相關領域亟需一種經改良的系統及方法，其可將CT影像準確轉換為CBCT影像，以產生包含治療計畫及CBCT影像數據的即時治療資訊。
發明內容旨在提供本揭示內容的簡化摘要，以使閱讀者對本揭示內容具備基本的理解。此發明內容並非本揭示內容的完整概述，且其用意並非在指出本發明實施例的重要/關鍵元件或界定本發明的範圍。
本揭示內容的第一態樣是關於一種由複數個CT影像及複數個CBCT影像產生一對位影像(registered image)的系統。本發明系統包含一使用者介面，用以接收一使用者的輸入指令，且提供該使用者一輸出訊號；以及一處理單元，其係受該使用者介面所控制，且用以： (a)分別界定該複數個CT影像及該複數個CBCT影像的輪廓，以產生複數個輪廓化CT影像及複數個輪廓化CBCT影像； (b)分別提取步驟(a)之該複數個輪廓化CT影像及該複數個輪廓化CBCT影像，以產生複數個提取CT影像及複數個提取CBCT影像； (c)由步驟(b)之該複數個提取CT影像及該複數個提取CBCT影像分別建構三維(three dimensional, 3D) CT模型及3D CBCT模型； (d)藉由將步驟(c)之該3D CBCT模型與該3D CT模型進行配對(matching)，以產生一對位3D CBCT模型； (e)由步驟(c)之該3D CT模型及步驟(d)之該對位3D CBCT模型分別產生複數個橫切CT影像及複數個橫切CBCT影像； (f)分別由步驟(e)之該複數個橫切CT影像及該複數個橫切CBCT影像篩選一標的橫切CT影像及一標的橫切CBCT影像；以及 (g)將步驟(f)分別篩選之標的橫切CT影像及CBCT影像進行對位處理，以產生該對位影像。
依據本揭示內容某些實施方式，在步驟(b)中，係以式(i)來分別提取該複數個輪廓化CT影像及該複數個輪廓化CBCT影像：
Figure 02_image001
(i)， 其中，在產生各該複數個提取CT影像時，C是輪廓化CT影像，C1 是輪廓化CT影像內圖素強度(pixel intensity)的平均值，C2 是輪廓化CT影像外圖素強度的平均值，μ0 是CT影像，且x是CT影像的座標；以及 在產生各該複數個提取CTCB影像時，C是輪廓化CTCB影像，C1 是輪廓化CTCB影像內圖素強度的平均值，C2 是輪廓化CTCB影像外圖素強度的平均值，μ0 是CBCT影像，且x是CBCT影像的座標。
依據本揭示內容某些實施方式，在步驟(d)中，係以式(ii)來產生該對位3D CBCT模型：
Figure 02_image003
(ii)， 其中，
Figure 02_image005
是該3D CBCT模型的方格原點座標(grid origin coordinate)，
Figure 02_image007
是該3D CBCT模型的i點數值，
Figure 02_image009
是
Figure 02_image011
，
Figure 02_image013
是該3D CT模型的方格原點座標，
Figure 02_image015
是該3D CBCT模型的i點數值，
Figure 02_image017
是
Figure 02_image019
，T是平移向量(translation vector)，且R是使誤差E值最小化的旋轉矩陣(rotation matrix)。
依據本揭示內容某些實施方式，在步驟(f)中，係以式(iii)來篩選該標的橫切CT影像及該標的橫切CBCT影像：
Figure 02_image021
(iii)， 其中，x及y是各該複數個橫切CT影像的座標，x’及y’是各該複數個橫切CBCT影像的座標，且I是使式(iii)值最小化的數值。
依據本揭示內容某些實施方式，在步驟(g)中，係以式(iv)對該分別篩選之標的橫切CT影像及CBCT影像進行對位處理：
Figure 02_image023
(iv)， 其中，dr是該標的橫切CT影像及該標的橫切CBCT影像的立體像素(voxel)，
Figure 02_image025
是該標的橫切CT影像於第k 次迭代的強度，且Is 是該標的橫切CBCT影像。
非必要地，本發明系統可更包含一通訊埠(communication port)，其係與該使用者介面耦接。依據本揭示內容某些實施方式，該通訊埠是一串列埠(serial port)、一通用串列(universal serial bus, USB) 埠，或一微USB (micro-USB)埠。
依據本揭示內容某些實施方式，處理單元更用以分別將該複數個CT影像及該複數個CBCT影像由一第一檔案格式轉換為一第二檔案格式。在一操作實施例中，第一檔案格式是醫學數位影像及通信(digital imaging and communications in medicine, DICOM)格式，且第二檔案格式是帶標影像檔案格式(tagged image file format, TIFF)或聯合圖像專家小組(joint photographic expert group, JPEG)格式。依據一實施例，係利用MATrix LABoratory (MATLAB)程式來進行轉換。
本揭示內容的另一態樣是關於一種由複數個CT影像及複數個CBCT影像產生一對位影像的電腦實施方法。本發明之電腦實施方法包含以下步驟： (a)分別界定該複數個CT影像及該複數個CBCT影像的輪廓，以產生複數個輪廓化CT影像及複數個輪廓化CBCT影像； (b)分別提取步驟(a)之該複數個輪廓化CT影像及該複數個輪廓化CBCT影像，以產生複數個提取CT影像及複數個提取CBCT影像； (c)由步驟(b)之該複數個提取CT影像及該複數個提取CBCT影像分別建構3D CT模型及3D CBCT模型； (d)藉由將步驟(c)之該3D CBCT模型與該3D CT模型進行配對，以產生一對位3D CBCT模型； (e)由步驟(c)之該3D CT模型及步驟(d)之該對位3D CBCT模型分別產生複數個橫切CT影像及複數個橫切CBCT影像； (f)分別由步驟(e)之該複數個橫切CT影像及該複數個橫切CBCT影像篩選一標的橫切CT影像及一標的橫切CBCT影像；以及 (g)將步驟(f)分別篩選之標的橫切CT影像及CBCT影像進行對位處理，以產生該對位影像。
用以產生對位影像的電腦實施方法與上述本發明系統所執行的方法相似；因此，為求簡潔，在此不再贅述。
依據本揭示內容某些實施方式，為產生一具有治療計畫的對位影像，本發明電腦實施方法在步驟(a)之前，更包含一於該複數個CT影像上產生一治療計畫的步驟；因此，習知技藝人士或醫師可依據對位影像上的治療計畫，對有需要的個體投予一適當的治療(例如，放射治療)。
本揭示內容亦提供一種用以治療一個體之癌症的方法。本發明方法包含： (a)由該個體取得複數個CT影像及複數個CBCT影像； (b)於步驟(a)之該複數個CT影像上產生一治療計畫； (c)利用本揭示內容之電腦實施方法，由步驟(b)之該複數個CT影像及步驟(a)之該複數個CBCT影像產生一具有該治療計畫的對位影像；以及 (d)依據步驟(c)之該對位影像，對該個體投予一治療。
依據某些實施方式，該治療是一放射治療。
可利用本發明系統及/或方法治療的癌症包含，但不限於，黑色素瘤、白血病、腦瘤、舌癌、大腸直腸癌、食道癌、胃癌、肺癌、多發性骨髓瘤、膀胱癌、乳癌、胰臟癌、腎臟癌、肝癌、子宮頸癌、卵巢癌、前列腺癌，以及頭頸部鱗狀細胞癌。
該個體是一哺乳動物；較佳地，是一人類。
在參閱下文實施方式後，本發明所屬技術領域中具有通常知識者當可輕易瞭解本發明之基本精神及其他發明目的，以及本發明所採用之技術手段與實施態樣。
為了使本揭示內容的敘述更加詳盡與完備，下文針對了本發明的實施態樣與具體實施例提出了說明性的描述；但這並非實施或運用本發明具體實施例的唯一形式。實施方式中涵蓋了多個具體實施例的特徵以及用以建構與操作這些具體實施例的方法步驟與其順序。然而，亦可利用其他具體實施例來達成相同或均等的功能與步驟順序。
除非本說明書另有定義，此處所用的科學與技術詞彙之含義與本發明所屬技術領域中具有通常知識者所理解與慣用的意義相同。此外，在不和上下文衝突的情形下，本說明書所用的單數名詞涵蓋該名詞的複數型；而所用的複數名詞時亦涵蓋該名詞的單數型。
雖然用以界定本發明較廣範圍的數值範圍與參數皆是約略的數值，此處已盡可能精確地呈現具體實施例中的相關數值。然而，任何數值本質上不可避免地含有因個別測試方法所致的標準偏差。在此處，「約」通常係指實際數值在一特定數值或範圍的正負10%、5%、1%或0.5%之內。或者是，「約」一詞代表實際數值落在平均值的可接受標準誤差之內，視本發明所屬技術領域中具有通常知識者的考量而定。除了實驗例之外，或除非另有明確的說明，當可理解此處所用的所有範圍、數量、數值與百分比（例如用以描述材料用量、時間長短、溫度、操作條件、數量比例及其他相似者）均經過「約」的修飾。因此，除非另有相反的說明，本說明書與附隨申請專利範圍所揭示的數值參數皆為約略的數值，且可視需求而更動。至少應將這些數值參數理解為所指出的有效位數與套用一般進位法所得到的數值。在此處，將數值範圍表示成由一端點至另一段點或介於二端點之間；除非另有說明，此處所述的數值範圍皆包含端點。
一影像(例如，一CT或CBCT影像)與另一影像(例如，一CBCT或CT影像)進行「對位處理」(in register)，是指二影像在視覺上由觀測者的角度定位對準。在本揭示內容中，「對位」(registered)一詞是指由觀測者的視野，在顯示器上調整一影像(例如，一CT或CBCT影像)之對位特徵的尺寸、位置及方向，使其外觀呈現對應影像(例如，一CBCT或CT影像)的尺寸、位置及方向。依據使用目的不同，對位可以是二維(two dimension, 2D)或三維(three dimension, 3D)。「對位影像」(registered image)一詞是指一已與對照影像(例如，一CBCT或CT影像)進行對位處理的樣本影像(例如，一CT或CBCT影像)，以形成或提供對位影像。
「橫切」(transverse)一詞是指大致與緃向及側向平面垂直的方向。在橫切方向±45度內的方向皆可視為「橫切」(transverse)。
「治療」（treat或treatment）在本說明書是指產生一藥學及／或生理的效果，例如抑制癌症生長。該效果可以是預防性的，即完全或部分預防一疾病或其病徵；及／或是治療性的，即部分或完全治癒一疾病及／或其所造成的不適。「治療」一詞在本說明書包含預防、治療或減緩一哺乳類動物(特別是人類)的疾病；該治療包含：(1)預防、治療或減緩一個體罹患一疾病(例如癌症)，其中該個體為罹患該疾病之高風險族群，或是已罹患該疾病而尚未確診斷定；(2)抑制一疾病(例如抑制其發生)；或是(3)減輕一疾病(例如減輕與該疾病相關之徵狀)。
「個體」(subject)一詞是指包含人類的動物，其可接受本發明系統及/或方法的治療。除非特定指出，否則「個體」(subject)一詞同時意指男性及女性。
「腫瘤」(tumor)及「癌症」(cancer或carcinoma)在本揭示內容為可互換的詞彙，意指任何惡性增生的細胞，其喪失正常調控能力而呈現不受控制的生長模式，未分化且具有侵襲周圍組織及轉移的能力。腫瘤可形成於任何器官或組織，且可以是黑色素瘤、白血病、腦瘤、舌癌、大腸直腸癌、食道癌、胃癌、肺癌、多發性骨髓瘤、膀胱癌、乳癌、胰臟癌、腎臟癌、肝癌、子宮頸癌、卵巢癌、前列腺癌，或頭頸部鱗狀細胞癌。
放射治療是一種利用高能照射來控制或殺死惡性細胞的治療方法。基於高能照射可破壞細胞的DNA，進而造成細胞死亡，相關領域需要一適當的治療計畫，在不傷害正常組織(例如，腫瘤周圍的皮膚或器官)的情況下治療腫瘤。臨床上，通常會在進行放射治療之前，取得CT影像；醫療人員可基於該CT影像來設計治療計畫，據以使放射治療達到最佳化的功效。另一方面，由於腫瘤呈指數生長且可能伴隨著轉移，通常在各次治療之前，會藉由CBCT掃描準確界定腫瘤及其周圍組織的位置。為有效整合二系統的資訊，本發明旨在提供一種用以將源自CT掃描及CBCT掃描的影像進行對位處理的方法及系統。據此，臨床醫療人員可依據對位影像準確執行放射治療。
I. 用以由 CT 掃描及 CBCT 掃描產生對位影像的方法
本揭示內容的第一態樣是關於一種由複數個CT影像及複數個CBCT影像產生對位影像的方法。首先參照第1圖，其為依據本揭示內容實施方式所繪示之電腦實施方法100的流程圖。方法100包含： (S110)分別界定該複數個CT影像及該複數個CBCT影像的輪廓，以產生複數個輪廓化CT影像及複數個輪廓化CBCT影像； (S120)分別提取步驟S110之該複數個輪廓化CT影像及該複數個輪廓化CBCT影像，以產生複數個提取CT影像及複數個提取CBCT影像； (S130)由步驟S120之該複數個提取CT影像及該複數個提取CBCT影像分別建構3D CT模型及3D CBCT模型； (S140)藉由將步驟S130之該3D CBCT模型與該3D CT模型進行配對，以產生一對位3D CBCT模型； (S150)由步驟S130之該3D CT模型及步驟S140之該對位3D CBCT模型分別產生複數個橫切CT影像及複數個橫切CBCT影像； (S160)分別由步驟S150之該複數個橫切CT影像及該複數個橫切CBCT影像篩選一標的橫切CT影像及一標的橫切CBCT影像；以及 (S170)將步驟S160分別篩選之標的橫切CT影像及CBCT影像進行對位處理，以產生該對位影像。
在執行方法100之前，先使個體進行CT掃描及CBCT掃描，以分別得到特定部位的CT影像及CBCT影像。依據接受CT及CBCT掃描之個體的病狀及/或病徵，特定部位可以位於腦部、頸部、脊髓、胸部、腹部、骨盆或竇內。在一操作實施例中，特定部位是位於腦部內，因此，分別由CT及CBCT掃描取得腦部的CT及CBCT影像。
非必要地，在步驟S110之前，方法100可更包含將各CT 及CBCT影像(例如，腦部CT及CBCT影像)由第一檔案格式轉換為第二檔案格式的步驟S105。一般來說，CT及CBCT影像皆係以DICOM格式儲存，其為醫院處理、儲存、列印及傳輸醫療資訊的標準格式。通常會將諸如影像、影像模態及個人資料等資訊儲存為未壓縮的原始數據格式(例如，DICOM格式)，在傳輸時，該種格式會佔用相對較大的儲存空間及頻寬。為便於影像處理，可非必要地將CT及CBCT影像由DICOM格式轉換為其他常用於影像處理的檔案格式，舉例來說，TIFF或JPEG格式。在一特定實施方式中，是將CT及CBCT影像分別由DICOM格式轉換為TIFF格式。適用於轉換影像數據(例如，將DICOM格式轉換為TIFF格式)的影像處理程式包含，但不限於，MATLAB、C、C++、Fortran及MATHCAD。依據一特定實施方式，係是MATLAB程式(一種多重典範(multi-paradigm)的數值計算環境及第四代程式語言)來進行轉換。一般來說，MATLAB程式引用電腦編碼，以提供高階語言及互動環境，利於使用者執行計算密集型數據。
亦為非必要地，在步驟S110之前，方法100可更包含基於CT影像產生一治療計畫的步驟S107。據此，醫療人員可依據產生的治療計畫對罹患或疑似罹患腫瘤的個體投予治療(例如，放射治療)。例示性之可以該治療計畫進行治療的腫瘤包含，但不限於，黑色素瘤、白血病、腦瘤、舌癌、大腸直腸癌、食道癌、胃癌、肺癌、多發性骨髓瘤、膀胱癌、乳癌、胰臟癌、腎臟癌、肝癌、子宮頸癌、卵巢癌、前列腺癌，及頭頸部鱗狀細胞癌。
如步驟S110所述，首先以輪廓化模型來界定CT及CBCT影像的輪廓。適用於方法100的輪廓化模型包含，但不限於，圓形模型(circular model)、矩形模型(rectangular model)，以及客製化模型(customized model)。在圓形及矩形模型中，係分別以圓形及矩形邊界來界定影像的輪廓，二種模式皆採用固定且無法改變的結構，缺乏彈性調整。相較之下，客製化模型提供了手動建構輪廓的方式，便於調整及改變輪廓，以與標的物體的形狀進行配對。依據本揭示內容一較佳實施式，係以客製化模型來分別界定CT及CBCT影像的輪廓。
接著，在步驟S120中，分別提取輪廓化CT及CBCT影像，以產生提取CT影像及提取CTCB影像。可以任何習知技藝人士所熟知的方法來進行提取，舉例來說，蛇行演算法或火線演算法(live wire algorithm)。依據本揭示內容一操作實施例，是以蛇行演算法來分別提取輪廓化CT及CBCT影像。蛇行演算法亦稱為主動輪廓化模型(active contour model)，是一種用以由2D影像描繪或提取標的物輪廓的演算法。該演算法是一種能量最小化的可變形樣條(deformable spline)，受約束與影像力(constraint and image forces)以及內力(internal forces)的影響，藉以將其拉向物體輪廓並抵抗變形。蛇行演算法已廣泛應用於物體追蹤、形狀辨識、切割、邊緣偵測及立體配對等不同領域。
依據某些實施方式，可以式(i)來表示方法100使用的蛇行演算法：
Figure 02_image027
Figure 02_image029
(i)， 其中，C是輪廓化影像(即，輪廓化CT影像或輪廓化CTCB影像)，C1 是輪廓化影像內圖素強度的平均值，C2 是輪廓化影像外圖素強度的平均值，μ0 是原始影像(即，CT影像或CBCT影像)，而x則是原始影像的座標。據此，F1 約束輪廓化影像，F2 擴張輪廓化影像，當輪廓化影像位於原始影像的邊緣時，則F1 及F2 會達到平衡。
亦或是，可以式(v)來表示方法100使用的蛇行演算法：
Figure 02_image031
(v)， 其中，C是輪廓化影像(即，輪廓化CT影像或輪廓化CTCB影像)，C1 是輪廓化影像內圖素強度的平均值，C2 是輪廓化影像外圖素強度的平均值，Ω1 是輪廓化影像內的區域，Ω2 是輪廓化影像外的區域，Ω是整體區域(即，Ω1 及Ω2 的總合)，ω是輪廓化影像內的圖素組(pixels set)，μ0 是原始影像(即，CT影像或CBCT影像)，而x及y則是原始影像的座標。
步驟S130是關於處理經提取之CT及CBCT影像，使二者之間的位移(可能源自掃描所產生)最小化。為此，分別基於步驟S120之提取CT及CBCT影像來建構3D CT模型及3D CBCT模型。
之後，如步驟S140所述，將3D CBCT模型的方向及尺寸與3D CT模型的方向及尺寸進行配對，以得到對位3D CBCT模型。依據本揭示內容一實施方式，是以迭代最近點演算法(iterative closest point (ICP) algorithm)來配對3D CBCT模型，藉由迭代計算3D CT模型及3D CBCT模型的參數來調整3D CBCT模型的方向和尺寸。具體來說，ICP是用以使二點雲之間的差異達到最小化的演算法，通常可由不同掃描來建構2D或3D表面。點雲是一組數位化數據點，用來定義2D或3D的物體。在演算法中，固定一作為對照之標的(例如，本發明方法的3D CT模型)點雲，而轉換另一作為來源(例如，本發明方法的3D CBCT模型)的點雲，使其與對照點雲緊密配對。該演算法藉由平移、旋轉或其組合來迭代修改轉換，以使來源及對照點雲之間的距離達到最小化。
依據本揭示內容某些實施方式，可以式(ii)來表示配對本發明3D CBCT模型的ICP演算法：
Figure 02_image003
(ii)， 其中，
Figure 02_image033
是3D CBCT模型的方格原點座標，
Figure 02_image035
是該3D CBCT模型的i點數值，
Figure 02_image009
是
Figure 02_image037
，
Figure 02_image013
是3D CT模型的方格原點座標，
Figure 02_image039
是該3D CBCT模型的i點數值，
Figure 02_image017
是
Figure 02_image019
，T是平移向量，且R是使誤差E值最小化的旋轉矩陣。
接著到步驟S150，其係由步驟S130之3D CT模型，以及步驟S140之對位3D CBCT模型分別產生複數個橫切CT及 CBCT影像。依據本揭示內容某些實施方式，是藉由平行面分割3D CT模型及對位3D CBCT模型來產生該些橫切CT及CBCT影像。
在步驟S160中，分別以平方差配對法(square difference matching method)來評估步驟S150得到之該些橫切CT及CBCT影像，據以篩選最佳的配對影像。依據某些實施方式，是由平方差來決定配對，其中相較於高分數，較低的分數表示較佳的配對。依據本揭示內容一實施方式，是以式(iii)來定義平方差配對法：
Figure 02_image021
(iii)， 其中，x及y是橫切CT影像的座標，x’及y’是橫切CBCT影像的座標，且I是使式(iii)值最小化的數值。基於評估結果，篩選出分別具有最低分數(即，最高配對影像)的標的橫切CT影像及標的橫切CBCT影像。
最後，在步驟S170中，將步驟S160篩選出之標的橫切CT影像及標的橫切CBCT影像進行對位處理，以產生對位影像。依據本揭示內容某些實施方式，是以形變影像對位(deformable image registration, DIR)來進行對位處理。DIR是一種以彈性方式修飾可變形影像的技術，使其與對照影像的相似特徵進行配對。一般來說，該技術是藉由將特定結構之可變形影像與對照影像配對，來決定對位(例如，對準)二影像時必要的轉換。配對過程包含使可變形的影像產生變形，以對準二影像內的該些結構。依據本揭示內容某些實施方式，方法100執行的DIR演算法是基於原始形變對位演算法(original demons algorithm)，其中是對位二影像Im(x) 及Is(x) ，且向量場v(x) 與二影像的關聯性為Im(x+v(x))=Is(x) 。具體來說，在Im 逐漸變形與Is 配對時，將Im 稱為移動影像(即，本發明之標的橫切CT影像)，而將Is 稱為靜止影像(即，本發明之標的橫切CBCT影像)。以迭代式求得向量場v(x) ，且在各迭代計算時，基於立體像素x的影像強度來決定向量場增量dr(x) 。
在本揭示內容某些實施方式中，本發明用以對位標的橫切CT影像及標的橫切CBCT影像的DIR演算法包含三步驟。首先，以式(iv)計算所有立體像素點之移動向量(或位移向量)的增量：
Figure 02_image023
(iv)， 其中，dr=(dx,dy,dz)為二影像(即，標的橫切CT影像，以及標的橫切CBCT影像)的立體像素，上標表示迭代步驟，
Figure 02_image025
為標的橫切CT影像於第k次迭代的強度，Is 是標的橫切CBCT影像。接著，以高斯函數(Gaussian kernel)捲積處理，使得到的增量向量場dr 平滑化。之後，將增量變形場加至整體變形場v(x) ，再更新移動影像(即，標的橫切CT影像)。迭代執行上述三步驟，直到達到收斂(convergence)為止。
依據本揭示內容之實施方式，由方法100產生之對位影像同時包含CT影像的結構資訊(例如，具有治療計畫的CT影像，亦稱為計畫CT影像)及CBCT影像的結構資訊。
II.用以由 CT 影像及 CBCT 影像產生對位影像的系統
本揭示內容的第二態樣是關於系統200，其係用以執行第I部分所述之方法100。系統200包含一使用者介面 210，用以接收一使用者的輸入指令，且提供該使用者一輸出訊號；以及一處理單元 230，其係受該使用者介面210所控制，且用以執行方法100。更具體來說，處理單元 230係用以： (a)分別界定該複數個CT影像及該複數個CBCT影像的輪廓，以產生複數個輪廓化CT影像及複數個輪廓化CBCT影像； (b)分別提取步驟(a)之該複數個輪廓化CT影像及該複數個輪廓化CBCT影像，以產生複數個提取CT影像及複數個提取CBCT影像； (c)由步驟(b)之該複數個提取CT影像及該複數個提取CBCT影像分別建構3D CT模型及3D CBCT模型； (d)藉由將步驟(c)之該3D CBCT模型與該3D CT模型進行配對，以產生一對位3D CBCT模型； (e)由步驟(c)之該3D CT模型及步驟(d)之該對位3D CBCT模型分別產生複數個橫切CT影像及複數個橫切CBCT影像； (f)分別由步驟(e)之該複數個橫切CT影像及該複數個橫切CBCT影像篩選一標的橫切CT影像及一標的橫切CBCT影像；以及 (g)將步驟(f)分別篩選之標的橫切CT影像及CBCT影像進行對位處理，以產生該對位影像。
處理單元 230所執行之步驟(a)-(g)與上述方法100相似；因此，為求簡潔，在此不再贅述其詳細說明。
此外，如第I部分所述之方法100，為便於影像處理，處理單元230可用以將各 CT及CBCT影像由第一檔案格式轉換為第二檔案格式。依據某些實施方式，第一格式是DICOM格式，而第二格式則是TIFF或JPEG格式。依據一實施方式，是利用 MATLAB程式來進行影像轉換。
非必要地，系統200可更包含一通訊埠250，其係與使用者介面210耦接。如此一來，CT及CBCT影像可藉由通訊埠250輸入至系統200，以及/或是輸出對位影像，其中通訊埠250，舉例來說，可以是一串列埠、一USB埠，或是一微USB埠。
亦為非必要地，系統200可更包含一儲存單元，用以儲存輸入的影像(即，CT或CBCT影像)，以及對位影像.
在本揭示內容一實施方式中，系統200更包含一顯示器，其可操作式地與使用者介面210耦接，用以顯示輸入的影像(即，CT及CBCT影像)及對位影像。
下文提出多個實驗例來說明本發明的某些態樣，以利本發明所屬技術領域中具有通常知識者實作本發明，且不應將這些實驗例視為對本發明範圍的限制。據信習知技藝者在閱讀了此處提出的說明後，可在不需過度解讀的情形下，完整利用並實踐本發明。此處所引用的所有公開文獻，其全文皆視為本說明書的一部分。 實施例
在本揭示內容中，是由台灣(R.O.C)台北馬偕紀念醫院收集242份計畫CT影像(即，具有治療計畫資訊的CT影像)及140份CBCT影像。依序利用以下步驟處理收集到的計畫CT影像及CBCT影像，以產生適用於醫學應用(舉例來說，放射治療)的對位影像。
步驟 1. 以 MATLAB 程式來轉換影像
為產生對位影像，以MATLAB程式分別將計畫CT影像及對應之CBCT影像由DICOM格式轉換為TIFF格式。
步驟 2. 以蛇行演算法提取影像
接著以圓形模型、矩形模型或客製化模型來界定經轉換之計畫CT影像及CBCT影像的輪廓。相較於由圓形模型及矩形模型得到的結果，由客製化模型產生的輪廓化影像可與轉換影像相擬合(結果未顯示)。
接著，以式(i)之蛇行演算法來提取輪廓化CT及CBCT影像：
Figure 02_image027
Figure 02_image029
(i)； 在式(i)中，C是輪廓化影像(即，輪廓化CT影像，或輪廓化CTCB影像)，C1 是輪廓化影像內圖素強度的平均值，C2 是輪廓化影像外圖素強度的平均值，μ0 是原始影像(即，計畫CT影像，或CBCT影像)，而x則是原始影像的座標。在演算法中，F1 約束輪廓化影像，F2 擴張輪廓化影像，當輪廓化影像位於原始影像的邊緣時，則F1 及F2 會達到平衡。
結果指出，當F1 (C) > 0且F2 (C) ≈ 0時，輪廓化影像會位於原始影像之外；當F1 (C) ≈ 0且F2 (C) > 0，輪廓化影像會位於原始影像之內；當F1 (C) > 0且F2 (C) > 0時，輪廓化影像會部分位於原始影像之內；而當F1 (C) ≈ 0且F2 (C) ≈ 0時，擬合能量為最小化，且輪廓化影像可與原始影像良好地相互疊加(結果未顯示)。因此，依據蛇行演算法中參數的設定，經提取之影像可以大於、小於或等於原始影像。
第3圖繪示了蛇行演算法執行之前的CT影像(小圖(A))及執行之後的CT影像(小圖(B))。依據第4圖的結果，蛇行演算法可成功提取CT影像(小圖(A))及CBCT影像(小圖(B))。
步驟 3. 以 ICP 演算法配對影像
第5圖繪示了在CT及CTCB掃描過程中所產生的影像位移，其中圈選處標示了CT影像(第5圖之左圖)及CBCT影像(第5圖之右圖)的位移位置。
為校正此位移，分別以步驟2之經提取的CT及CBCT影像來建構3D CT模型(第6圖之小圖(A))及3D CBCT模型(第6圖之小圖(B))。之後，以式(ii)之ICP演算法將3D CBCT模型與3D CT模型配對，其中
Figure 02_image005
是3D CBCT模型的方格原點座標，
Figure 02_image035
是3D CBCT模型的i點數值，
Figure 02_image009
是
Figure 02_image011
，
Figure 02_image013
是3D CT模型的方格原點座標，
Figure 02_image015
是3D CBCT模型的i點數值，
Figure 02_image017
是
Figure 02_image019
，T是平移向量，且R是使誤差E值最小化的旋轉矩陣；
Figure 02_image003
(ii)。
在演算法中，是將3D CT模型設定為對照模型，維持固定，而將3D CBCT模型設定為來源模型，藉由轉換來與對照模型緊密配對。
步驟 4. 篩選最相似之影像
分別切割步驟3之3D CT模型及配對的CBCT模型，以產生橫切CT及CBCT影像；並以平方差配對法來篩選標的橫切CT影像及標的橫切CBCT影像，以得到最佳的配對影像；以式(iii)來表示平方差配對法：
Figure 02_image021
(iii)， 其中，x及y是橫切CT影像的座標，x’及y’是橫切CBCT影像的座標，且I是使公式值最小化的數值。
步驟 5. 將最佳的配對影像進行對位處理
以DIR演算法來對步驟4篩選出的標的橫切CT影像及標的橫切CBCT影像進行對位處理。首先，以式(iv)來計算所有立體像素點之移動向量(或位移向量)的增量：
Figure 02_image023
(iv)， 其中，dr=(dx,dy,dz)為標的橫切CT影像及標的橫切CBCT影像的立體像素，上標表示迭代步驟，
Figure 02_image025
為標的橫切CT影像於第k次迭代的強度，Is 是標的橫切CBCT影像。接著，以高斯函數捲積處理，使得到的增量向量場dr 平滑化。最後，將增量變形場加至整體變形場v(x) ，再更新移動影像(即，標的橫切CT影像)。迭代執行上述三步驟，直到達到收斂為止。
第7圖繪示了對位之前與之後的影像，其中第7圖之小圖(A)及(B)分別闡述對位之前的CT及CBCT影像，而第7圖之小圖(C)則闡述由本發明方法所產生的對位影像。
總結上述，本揭示內容提供用以對位影像的系統及方法，據以整合CT及CBCT影像的資訊。本發明系統及方法可應用於放射治療的領域，藉此改善腫瘤的治療功效。
雖然上文實施方式中揭露了本發明的具體實施例，然其並非用以限定本發明，本發明所屬技術領域中具有通常知識者，在不悖離本發明之原理與精神的情形下，當可對其進行各種更動與修飾，因此本發明之保護範圍當以附隨申請專利範圍所界定者為準。
100‧‧‧方法 200‧‧‧系統 210‧‧‧使用者介面 230‧‧‧處理單元 250‧‧‧通訊埠 S105-S170‧‧‧步驟
為讓本發明的上述與其他目的、特徵、優點與實施例能更明顯易懂，所附圖式之說明如下： 第1圖是依據本揭示內容一實施方式所繪示之流程圖，用以闡述方法100； 第2圖是依據本揭示內容另一實施方式所繪示之流程圖，用以闡述系統200； 第3圖是依據本揭示內容一實施例所繪示之數據，用以闡述CT影像(小圖(A))及由蛇行演算法(Snakes algorithm)所提取的影像(小圖(B))； 第4圖 是依據本揭示內容一實施例所繪示之數據，用以闡述由蛇行演算法提取的CT影像(小圖(A))及CBCT影像(小圖(B))； 第5圖是依據本揭示內容一實施例所繪示之照片，其係分別源自CT掃描(左側照片)及CBCT掃描(右側照片)，據以闡述二影像之間的位移(如框線圈選處所示)； 第6圖是依據本揭示內容一實施例所繪示之代表性3D模型影像，其分別係由經提取之CT及CBCT影像所建構，其中小圖(A)係闡述經提取之CT影像的3D模型，而小圖(B)則係闡述經提取之CTCB影像的3D模型；以及 第7圖是依據本揭示內容一實施例所繪示之照片，其分別闡述CT影像(小圖(A))、CBCT影像(小圖(B))，以及對位影像(小圖(C))。
根據慣常的作業方式，圖中各種特徵與元件並未依比例繪製，其繪製方式是為了以最佳的方式呈現與本發明相關的具體特徵與元件。此外，在不同圖式間，以相同或相似的元件符號來指稱相似的元件/部件。
無

Claims (13)

  1. 一種由複數個電腦斷層攝影(computed tomography, CT)影像及複數個錐狀射束電腦斷層攝影(cone-beam computed tomography, CBCT)影像產生一對位影像的電腦實施方法，包含： (a)分別界定該複數個CT影像及該複數個CBCT影像的輪廓，以產生複數個輪廓化CT影像及複數個輪廓化CBCT影像； (b)分別提取步驟(a)之該複數個輪廓化CT影像及該複數個輪廓化CBCT影像，以產生複數個提取CT影像及複數個提取CBCT影像； (c)由步驟(b)之該複數個提取CT影像及該複數個提取CBCT影像分別建構三維(three dimensional, 3D) CT模型及3D CBCT模型； (d)藉由將步驟(c)之該3D CBCT模型與該3D CT模型進行配對，以產生一對位3D CBCT模型； (e)由步驟(c)之該3D CT模型及步驟(d)之該對位3D CBCT模型分別產生複數個橫切CT影像及複數個橫切CBCT影像； (f)分別由步驟(e)之該複數個橫切CT影像及該複數個橫切CBCT影像篩選一標的橫切CT影像及一標的橫切CBCT影像；以及 (g)將步驟(f)分別篩選之標的橫切CT影像及CBCT影像進行對位處理，以產生該對位影像。
  2. 如請求項1所述之電腦實施方法，其中在步驟(b)中，係以式(i)來分別提取該複數個輪廓化CT影像及該複數個輪廓化CBCT影像：
    Figure 03_image027
    Figure 03_image029
    (i)， 其中，在產生各該複數個提取CT影像時，C是輪廓化CT影像，C1 是輪廓化CT影像內圖素強度的平均值，C2 是輪廓化CT影像外圖素強度的平均值，μ0 是CT影像，且x是CT影像的座標；以及 在產生各該複數個提取CTCB影像時，C是輪廓化CTCB影像，C1 是輪廓化CTCB影像內圖素強度的平均值，C2 是輪廓化CTCB影像外圖素強度的平均值，μ0 是CBCT影像，且x是CBCT影像的座標。
  3. 如請求項1所述之電腦實施方法，其中在步驟(d)中，係以式(ii)來產生該對位3D CBCT模型：
    Figure 03_image003
    (ii)， 其中，
    Figure 03_image005
    是該3D CBCT模型的方格原點座標，
    Figure 03_image007
    是該3D CBCT模型的i點數值，
    Figure 03_image009
    是
    Figure 03_image011
    ，
    Figure 03_image013
    是該3D CT模型的方格原點座標，
    Figure 03_image015
    是該3D CBCT模型的i點數值，
    Figure 03_image017
    是
    Figure 03_image019
    ，T是平移向量，且R是使誤差E值最小化的旋轉矩陣。
  4. 如請求項1所述之電腦實施方法，其中在步驟(f)中，係以式(iii)來篩選該標的橫切CT影像及該標的橫切CBCT影像：
    Figure 03_image021
    (iii)， 其中，x及y是各該複數個橫切CT影像的座標，x’及y’是各該複數個橫切CBCT影像的座標，且I是使式(iii)值最小化的數值。
  5. 如請求項1所述之電腦實施方法，其中在步驟(g)中，係以式(iv)對該分別篩選之標的橫切CT影像及CBCT影像進行對位處理：
    Figure 03_image023
    (iv)， 其中，dr是該標的橫切CT影像及該標的橫切CBCT影像的立體像素，
    Figure 03_image025
    是該標的橫切CT影像於第k 次迭代的強度，且Is 是該標的橫切CBCT影像。
  6. 如請求項1所述之電腦實施方法，於步驟(a)之前，更包含分別將該複數個CT影像及該複數個CBCT影像由一第一檔案格式轉換為一第二檔案格式。
  7. 如請求項6所述之電腦實施方法，其中 該第一檔案格式是醫學數位影像及通信(digital imaging and communications in medicine, DICOM)格式，且 該第二檔案格式是帶標影像檔案格式(tagged image file format, TIFF)或聯合圖像專家小組(joint photographic expert group, JPEG)格式。
  8. 如請求項1所述之電腦實施方法，於步驟(a)之前，更包含於該複數個CT影像上產生一治療計畫。
  9. 一種由複數個CT影像及複數個CBCT影像產生一對位影像的系統，包含： 一使用者介面，用以接收一使用者的輸入指令，且提供該使用者一輸出訊號；以及 一處理單元，其係受該使用者介面所控制，且用以執行請求項1所述之電腦實施方法。
  10. 如請求項9所述之系統，更包含一通訊埠，其係與該使用者介面耦接。
  11. 如請求項10所述之系統，其中該通訊埠是一串列埠、一通用串列(universal serial bus, USB) 埠，或一微USB (micro-USB)埠。
  12. 如請求項9所述之系統，其中該處理單元更用以分別將該複數個CT影像及該複數個CBCT影像由一第一檔案格式轉換為一第二檔案格式。
  13. 如請求項12所述之系統，其中 該第一檔案格式是DICOM，且 該第二檔案格式是TIFF或JPEG。
TW108125641A 2018-07-20 2019-07-19 用以產生對位影像的系統及方法 TWI704904B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201862700920P 2018-07-20 2018-07-20
US62700920 2018-07-20

Publications (2)

Publication Number Publication Date
TW202007364A TW202007364A (zh) 2020-02-16
TWI704904B true TWI704904B (zh) 2020-09-21

Family

ID=69163158

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108125641A TWI704904B (zh) 2018-07-20 2019-07-19 用以產生對位影像的系統及方法

Country Status (2)

Country Link
US (1) US10929991B2 (zh)
TW (1) TWI704904B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113450299B (zh) * 2020-03-09 2024-10-29 深圳中科飞测科技股份有限公司 图像匹配方法、计算机装置及可读存储介质
TWI781438B (zh) * 2020-09-03 2022-10-21 倍利科技股份有限公司 醫療影像分析系統及其訓練方法
CN113041515A (zh) * 2021-03-25 2021-06-29 中国科学院近代物理研究所 三维图像引导运动器官定位方法、系统及存储介质
US12033740B2 (en) * 2021-12-04 2024-07-09 Vasileios K. Papaioannou Systems and methods for robust and automatic face de-identification for CT and MRI
CN114612533A (zh) * 2022-03-11 2022-06-10 苏州雷泰医疗科技有限公司 头部多模态ct图像配准方法、装置及放射治疗设备
CN117078612B (zh) * 2023-08-09 2024-06-14 中山大学肿瘤防治中心（中山大学附属肿瘤医院、中山大学肿瘤研究所） 一种基于cbct图像的快速三维剂量验证方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140037173A1 (en) * 2011-01-12 2014-02-06 Brainlab Ag Determination of a change of position of a bony structure in radiation therapy
US20140272772A1 (en) * 2013-03-14 2014-09-18 Ormco Corporation Registering shape data extracted from intra-oral imagery to digital reconstruction of teeth for determining position and orientation of roots

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2616316A1 (en) * 2005-07-22 2007-02-01 Tomotherapy Incorporated Method and system for adapting a radiation therapy treatment plan based on a biological model
EP3474227B1 (en) * 2017-10-22 2021-05-05 RaySearch Laboratories AB A method, computer program product and computer system for correcting a ct image
US10902621B2 (en) * 2018-03-25 2021-01-26 Varian Medical Systems International Ag Deformable image registration based on masked computed tomography (CT) image

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140037173A1 (en) * 2011-01-12 2014-02-06 Brainlab Ag Determination of a change of position of a bony structure in radiation therapy
US20140272772A1 (en) * 2013-03-14 2014-09-18 Ormco Corporation Registering shape data extracted from intra-oral imagery to digital reconstruction of teeth for determining position and orientation of roots

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Xuejun Gu, Hubert Pan, Yun Liang, Richard Castillo, Deshan Yang, Dongju Choi, Edward Castillo, Amitava Majumdar, Thomas Guerrero and Steve B Jiang, "Implementation and evaluation of various demons deformable image registration algorithms on a GPU", 2010 Institute of Physics and Engineering in Medicine Physics in Medicine & Biology, Volume 55, Number 1, Published 11 December 2009, page 207-219. *

Also Published As

Publication number Publication date
US20200027264A1 (en) 2020-01-23
TW202007364A (zh) 2020-02-16
US10929991B2 (en) 2021-02-23

Similar Documents

Publication Publication Date Title
TWI704904B (zh) 用以產生對位影像的系統及方法
CN113724841B (zh) 用于降低辐射剂量的系统和方法
US10946214B2 (en) Automated anatomy delineation for image guided therapy planning
Fang et al. The impact of training sample size on deep learning-based organ auto-segmentation for head-and-neck patients
US7046831B2 (en) System and method for fusion-aligned reprojection of incomplete data
JP6567179B2 (ja) 特徴回帰モデルを用いたｍｒデータからの疑似ｃｔ生成
JP2021049424A (ja) 組織パラメータ推定を用いたｍｒデータからの疑似ｃｔ生成
EP2992819B1 (en) Weighted surface-to-surface mapping
US10149987B2 (en) Method and system for generating synthetic electron density information for dose calculations based on MRI
US11854232B2 (en) Systems and methods for patient positioning
JP4356831B2 (ja) 複数画像間の非剛体レジストレーション方法
Zhang et al. A kernel-based method for markerless tumor tracking in kV fluoroscopic images
CN108885781A (zh) 用于根据低剂量或低kV计算机断层扫描图像合成虚拟高剂量或高kV计算机断层扫描图像的方法和系统
Vandewinckele et al. Segmentation of head-and-neck organs-at-risk in longitudinal CT scans combining deformable registrations and convolutional neural networks
Dai et al. Volumetric tumor tracking from a single cone-beam X-ray projection image enabled by deep learning
Zhang et al. A 2D/3D non-rigid registration method for lung images based on a non-linear correlation between displacement vectors and similarity measures
Wei et al. A constrained linear regression optimization algorithm for diaphragm motion tracking with cone beam CT projections
Sun et al. Imaging study of pseudo-CT images of superposed ultrasound deformation fields acquired in radiotherapy based on step-by-step local registration
Sun et al. Ct reconstruction from few planar x-rays with application towards low-resource radiotherapy
Wu et al. Deformable image registration of CT images for automatic contour propagation in radiation therapy
Whitmarsh et al. 3D bone mineral density distribution and shape reconstruction of the proximal femur from a single simulated DXA image: an in vitro study
Salimi et al. Fully Automated Multi-Organ Segmentation in CT Images via Deep Neural Networks
Zhou et al. A Laplacian surface deformation and optimization based 3D registration algorithm for image guided prostate radiotherapy
Arjmandi et al. Deep learning-based automated liver contouring using a small sample of radiotherapy planning computed tomography images
Santos et al. Multimodality image integration for radiotherapy treatment: an easy approach