移動目標的動態追蹤的製作方法

2023-05-17 09:50:16 2

專利名稱：移動目標的動態追蹤的製作方法
背景技術：
在一些醫學應用中，必須動態追蹤隨時間移動的目標。例如，在放射外科學中，可能需要動態追蹤隨著呼吸和/或心跳移動的人體中的腫瘤和/或損傷。在放射外科學中，通過患者解剖結構(anatomy)到達要治療的損傷或腫瘤的放射束的精確軌跡是關鍵的，以便實現在治療計劃期內計算的放射劑量分布。對於例如由於呼吸或心跳而移動的人體解剖結構的區域，重要的是對這樣的運動加以考慮，計算該運動對要產生的治療計劃的影響。動態追蹤也可以有利於放射外科學之外的其他醫學應用，其中，解剖結構的部分由於呼吸、心跳或其他任何類型的運動而移動。
在過去，已經使用了基準標記以便於追蹤解剖結構的移動區域。出於大量理由，基於基準的追蹤對於患者來說可能是困難的。例如，傾向於通過使用植入骨的基準標記而實現高精確性，而諸如皮膚接觸標記或者解剖位置的較少侵入技術，傾向於不太精確。將基準植入患者通常是痛苦和困難的，尤其對於頸椎，其植入過程頻繁地導致臨床併發症。
在一些使用門控來處理解剖體的運動的方法中，動態追蹤可以通過在內部植入的基準和實時追蹤的外部放置的標記之間建立關係而實現。作為運動周期的函數，這些方法沒有考慮到周圍解剖結構的非剛性運動和變形(deformation)。
因而需要一種解決這些不足的方法和系統。特別地，需要提供一種用於動態追蹤移動目標的可靠並有效的方法和系統。
概要提出了一種用於動態追蹤解剖區域(anatomical region)中的一個或多個目標的方法和系統，從而可以將所需劑量的治療輻射釋放到目標，儘管解剖區域正經歷運動。目標可以是例如腫瘤或損傷。除目標之外，解剖區域可以包括一個或多個參考結構。相對於參考結構，確定移動解剖區域中的目標位置，同時考慮到解剖區域在其運動期間正經歷的變形。解剖區域的變形包括非剛性變形以及剛性變形。
在一個實施例中，解剖區域的運動可以是周期性的。這種周期性運動的範例可以包括，例如呼吸或心跳。周期性運動可以用周期性循環P表徵。在其他實施例中，解剖區域的運動可以是非周期運動，其中循環P可以隨著時間改變，或者對其未定義循環P。貫穿本專利申請，術語「周期性運動」和「具有循環P的周期性運動」包括了具有時間改變的周期P(t)的周期性運動。換句話說，術語「周期性運動」和「具有循環P的周期性運動」應當理解為描述性的，並且指的是人體解剖結構中運動的改變特性。
在一個實施例中，對具有循環P的周期運動的動態追蹤，通過構建4D(四維)數學模型來完成，所述數學模型描述了解剖區域的非剛性變形和非剛性運動，作為循環P的時間中的相對位置的函數。該4D數學模型可以通過產生解剖區域的多幅圖像(包括而不局限於CT圖像)Ij(j＝1，…，p)來構建，其中每幅圖像在循環P中一連串時間點tj(j＝1，…，p)的一個時間點獲取。作為循環P的函數，解剖區域的連續非剛性變形，通過將在時間中一個時刻採集的CT圖像變異(morphing)為在時間中一個後續時刻採集的另一幅CT圖像而數學建模。4D數學模型將目標的3D位置與骨骼結構的3D(三維)位置相關聯，作為循環P中時刻的函數(其可以是例如呼吸循環或心跳循環)。
在一個實施例中，非剛性變形的4D數學模型由治療計劃生成器使用以產生輻射劑量分布，輻射劑量分布規定了將實時釋放到移動解剖區域中的目標的治療輻射的所需量。該輻射劑量分布考慮了移動解剖區域在周期性運動期間的非剛性變形。
周期性運動的循環P可以例如由附著(attach)到皮膚或者解剖區域的外部表面的動態追蹤運動傳感器(例如表面標記器(surface marker)或LED(發光二極體)，作為範例)而確定。在運動循環P中的任意所需時間點，包括獲取第j幅圖像Ij的時間點tj，相對位置可以以這種方式確定。
本專利中，術語「實時」指的是基本上與實際輻射治療和釋放同時的時標。例如，以至少若干Hz或更高的速度發生的追蹤屬於在本專利中描述為「實時」的時標。本專利中，術語「近實時」指的是慢於稱為「實時」的時標的時標，例如約慢一個或多個大小量級。例如，以小於約每秒一次的速度發生的事件，屬於本專利中描述為「近實時」的時標。
在一個實施例中，參考結構的近實時位置通過執行對參考結構的少基準(fiducial-less)追蹤而確定。使用與採集實況x-射線圖像所使用的相同的束投影幾何形狀，從CT數據中產生一組DRR。將手術中近實時採集的實況x-射線圖像對準DRR(數字重建射線照片)。在一個實施例中，可以使用非剛性對準(registration)圖像算法，其中從3D完整運動領域中獲得非剛性轉換參數。完整運動領域可以通過估算許多局部運動矢量而構建。在一個實施例中，可以在非剛性圖像對準算法中使用多水平塊匹配，以及基於圖案亮度的相似性測量。在一個實施例中，可以執行分等級網格(mesh)運動估計。
在一個實施例中，可以實時確定目標的位置，通過使用描述目標的位置如何與參考結構的位置相關的4D數學模型，將參考結構的已知近實時位置(使用非剛性圖像對準算法確定的)與正尋找的目標位置相關，作為在循環P中的時間中的相對位置的函數。可以使用來自運動傳感器的信息以確定在循環P中任何所需時間點的相對位置。
在一個實施例中，根據由治療計劃生成器產生的輻射劑量分布，而將輻射治療釋放到目標的實時位置。輻射束釋放可以被同步到在治療計劃中確定的呼吸循環中的時刻。


圖1提供了用於動態少基準追蹤移動目標的方法的示意性流程圖。
圖2示意性地示出了，在患者呼吸循環中不同時間點獲取的患者解剖結構中移動目標的手術前的圖像(例如，3D CT掃描)的採集。
圖3示意性地示出了追蹤作為患者呼吸循環的函數的目標的3D運動，使用下列之一a)不隨著呼吸移動的剛性參考結構；和b)自身隨著呼吸移動的多個參考結構。
圖4示意性地示出了，通過將目標的2D近實時x-射線圖像對準從在患者呼吸循環中特定時間點獲取的手術前3D掃描產生的Drr，而在治療輻射的釋放期間，對移動目標進行少基準追蹤。
圖5示出了用於在手術前2D DRR和手術中x-射線投影圖像之間的2D/3D對準的非剛性圖像對準算法的流程圖。
圖6示意性地示出了當估計患者中目標內感興趣點的局部運動時塊匹配的使用。
圖7示意性地示出了用於在一個實施例中使用多個備選(candidate)來實施多水平塊匹配的多解析度圖像表示。
圖8示意性地示出用於根據圖案亮度計算相似性測量的鄰域R。
圖9示出了對DRR的圖像中心和對應的x-射線圖像的圖像中心之間的全局平移的估計。
圖10示意性地示出了一個實施例中為目標的DRR建立的網狀柵格和為目標的x-射線圖像建立的相應網狀柵格，在該實施例中該目標位於脊骨的頸部區域。
圖11示出了網格運動估計期間的網格層次，該網格層次從相對粗的網格開始，而發展成更精細的網格。
圖12示意性地示出了節點估計從粗糙網格解析度等級到更精細網格解析度等級的傳遞。
圖13示意性地示出了通過從周圍節點進行內插而確定感興趣點的運動矢量。
圖14示意性地以矢量形式示出了從許多估計的局部運動矢量重建的完整運動領域。
圖15示出了在三維治療目標和兩個正交的2D x-射線投影之間的幾何關係。
圖16示意性地示出了在實時釋放治療輻射期間，通過使用表面標記器(例如，LED)來監視患者的呼吸運動而動態追蹤患者內的移動目標。
圖17提供了用於動態追蹤解剖區域中目標的系統的示意性結構圖，所述區域正經歷周期性運動(例如，呼吸或心跳)並且正釋放治療輻射到移動目標。
具體實施例方式
多種技術用於動態追蹤正經歷運動的患者體內腫瘤/損傷。該方法主要用於放射外科學中，但是也可以用於必須動態追蹤例如由於呼吸或心跳而移動的解剖結構的部分的其他應用中。
以下詳細描述的一些部分以對計算機中的數據位的操作的算法和符號表示來表示。這些算法描述和表示是數據處理領域技術人員使用的方法，以最有效地將它們工作的內容傳遞給本領域其他技術人員。應理解算法是導致所需結果的自身一致的動作序列。這些動作需要對物理量的物理操作。通常，雖然並非必須，這些量可以採用電或磁信號的形式，能夠存儲、傳輸、組合、比較或者以別的方式操作。主要出於常規使用的理由，已經數次證明了將這些信號稱為位、值、元素、符號、字符、術語、數字等是方便的。
然而，應當記住，所有這些和相似的術語與合適的物理量相關，並且僅是應用於這些量的方便標籤。除非另外特別聲明，應當意識到，在下面的說明書全文中，使用諸如「處理」或「用計算機計算」或「計算」或「確定」或「顯示」等術語的討論，指的是計算機系統或相似電子計算設備的動作和處理。該計算機系統將由計算機系統寄存器和存儲器中物理或電子量表示的數據，操作和轉換為相似的由計算機系統存儲器和寄存器中、或者其他這種信息存儲、傳輸或顯示設備中的物理量表示的其他數據。
下面描述的方法和技術可以通過執行下面討論的操作的裝置來實施。這種裝置可以特別構建用於所需目的，或者其可以包括通用計算機，由存儲在計算機中的電腦程式選擇性地激活或重新配置。這種電腦程式可以存儲在計算機可讀存儲介質中，例如，而不局限於任何類型的磁碟，包括軟盤、光碟、CD-ROM和磁光碟、只讀存儲器(ROM)、隨機存取存儲器(RAM)、EPROM、EEPROM、磁或光卡、或者任何類型適於存儲電子指令的介質。每個這種計算機可讀存儲介質可以耦合到計算機系統總線。
在此提出的算法和顯示器並非固有地涉及任何特殊計算機或其他裝置。各種通用系統可以與根據下面的教導而設計的程序一起使用，或者可以證明構建更專用的裝置以執行必需方法和技術是方便的。例如，任何在下面描述的方法可以以硬接線電路，或者通過通用處理器編程來實施，或者由硬體和軟體的任意組合來實施。本領域技術人員將意識到，下面描述的方法和技術可以用各種計算機結構來實踐，包括手持設備、多處理器系統、基於微處理器的或可編程消費電子、網絡PC、小型計算機、大型計算機等。下面描述的方法和技術也可以以分布式計算機環境實踐，其中由通過通訊網絡連接的遠程處理設備執行任務。
下面描述的方法和系統可以使用計算機軟體實施。計算機軟體可以使用不同術語來稱呼，例如程序、過程或應用。如果以符合公認標準的程式語言編寫，設計用以實施這些方法和系統的指令序列可以被編譯，以便在多種硬體平臺上執行，並且與多種作業系統接口。同樣，這些方法和系統並未參考任何特殊程式語言來描述。將意識到，可以使用多種程式語言實施在此描述的本發明的教導。而且，在本領域中也經常以採取一個動作或導致一種結果的形式來提到軟體。這種措辭僅是計算機對軟體的執行導致計算機中一個或多個處理器執行一個動作或產生一個結果的說法的簡寫方式。
圖1提供了描述動態少基準追蹤移動目標的示意性流程圖100。目標位於一解剖區域中。目標可以是腫瘤或損傷，或者例如感興趣的器官。除了目標之外，解剖區域通常包括一個或多個參考結構。在動態追蹤方法和系統的一個實施例中，參考結構可以是骨骼(即，多骨)結構。在另一實施例中，參考結構可以是其他天然解剖結構，包括而不局限於軟骨或其他(通常相當密集)器官。在又一實施例中，參考結構可以是人造結構，例如基準或手術硬體。
如較早提及的，在本說明書全文中，術語「具有循環P的周期性運動」應當理解為包括其中周期性運動的循環P以及運動的幅度和波形隨著時間改變的周期性運動。換句話說，術語「周期性運動」或「具有循環P的周期性運動」應當理解為指的是在人類解剖結構中的運動的改變特性。
如較早提及的，解剖區域在其運動期間可以經歷變形(其可以是非剛性變形)。雖然在圖1中示出的實施例中，解剖區域描述為在經歷非剛性變形的同時周期性地移動，使用在本專利中描述的方法和系統，可以追蹤解剖區域的任何類型的運動(例如，非周期性運動)和任何類型的變形。
概觀之，在圖1中所示的實施例中，在步驟105-160中確定了在周期性移動和非剛性變形的解剖區域中的目標位置。計算輻射劑量分布，該輻射劑量分布由通過非剛性移動和變形的解剖區域的基本連續的輻射釋放產生。最終，在步驟170，根據計算得的輻射劑量分布，將輻射實時釋放到目標。
作為第一步驟，在步驟105中採集了一組CT圖像Ij(j＝1，…，p)，每幅CT圖像在循環P中的一連串時間點tj(j＝1，…，p)的一個點上獲取。在步驟110，建立周期性運動的循環(例如，呼吸循環或心跳循環)，例如通過對附著到解剖區域的皮膚的標記器和其它傳感器的動態追蹤來建立。
在步驟120，從這些CT掃描和獲自傳感器的運動循環信息中構建4D(3D+時間)數學模型。該數學模型描述解剖區域在經歷其周期性運動(例如，呼吸)時的非剛性運動和變形，作為運動循環P中的時刻的函數。該4D數學模型將目標位置與周期性移動解剖區域中參考結構的位置相關，作為循環P中的時間上的相對位置的函數。更一般而言，該4D模型可以描述解剖結構的一個部分或多個部分與將為輻射外科學追蹤的目標之間的3D+時間關係，作為呼吸循環的時間中時刻的函數。
其次，在步驟130、135和140中，使用x-射線成像和2D-至-3D圖像對準，而確定解剖結構的一個部分或多個部分的絕對位置。在這些步驟中，通過使用非剛性圖像對準算法來少基準追蹤參考結構和/或目標，而近實時地確定參考結構和/或目標的位置。
如較早說明的，在本專利中，術語「實時」指的是與實際輻射治療和釋放基本同時的時標。在僅僅示範性的實施例中，通過使用以約30Hz速率追蹤的光學標記器和使用以約80Hz速率更新其預測值的模型，可以實施對目標的手術中實時追蹤。這僅是作為說明性範例，而實時追蹤可以以寬範圍的不同追蹤速度發生，一般高於約1Hz。術語「近實時」指的是比由術語「實時」描述的時標更慢的時標，例如約慢一個或多個大小量級。作為範例，用於採集x-射線圖像的時標，其範圍可以從約一秒的一部分到約數秒，將描述為「近實時」。
在步驟130，從在步驟105採集的CT圖像中產生一組解剖區域的DRR。在步驟135，採集解剖區域的實況x-射線投影圖像。在步驟140，將參考結構的DRR對準參考結構的近實時x-射線圖像。
步驟150描述了4D治療計劃，其中計算輻射劑量分布，其從通過非剛性移動和變形的解剖區域的基本上連續的束釋放產生。在該步驟中，使用對參考結構絕對位置的了解(在步驟140中獲得)和使用將參考結構與呼吸循環中的時刻(如使用來自傳感器的信息而確定的)以及正追蹤其位置的目標相關聯的4D模型，確定輻射束軌跡。
在步驟160，確定目標位置。在一個實施例中，可以使用4D數學模型，和如少基準追蹤所確定的骨骼結構的絕對位置，以及獲自傳感器的關於運動循環的信息，來確定目標位置。在備選實施例中，通過2D/3D非剛性圖像對準可以確定目標位置，在其期間，DRR(在治療計劃階段產生的)被對準到近實時x-射線圖像。最終，在步驟170，根據通過4D治療計劃產生的輻射劑量分布，將輻射釋放到目標。
圖2示意性地示出了對患者解剖結構中的移動目標的手術前圖像(例如，3D CT掃描)的採集。在所示實施例中，目標由於患者的呼吸運動而移動。雖然所示實施例顯示了3D CT掃描，但是可以執行任何類型的3D掃描，包括而不局限於3D MRI(磁共振成像)掃描、3D PET(正電子發射斷層攝影)掃描以及3D超聲掃描。在所示實施例中，在患者的呼吸循環P中不同的時間點tj(j＝1，…，k，…，l，…，m，…，p)獲取一組CT掃描。在所示實施例中，t1＜tk＜tl＜tm＜tp。時間點tj對應於患者呼吸循環中的不同時期。由外部傳感器、例如呼吸傳感器監視循環P。例如，表面標記器(諸如LED)或相似設備可以附著到皮膚。在目標經歷處理呼吸之外的運動的實施例中，可以使用不同類型的傳感器(例如，當監視心跳時使用的心臟監視器)。
在所示實施例中，分別在時間點tk、tl和tp獲取CT圖像。呼吸循環P中的時期或時間點優選選擇為基本上包圍(encompass)周期性運動的全部動態範圍。例如，在一個實施例中，時間點可以包括對應於循環P波谷的時間點tl；對應於循環P波峰的時間點tp；以及位於循環P的波峰和波谷之間中間位置的第三時間點tk。在其他實施例中，選擇用於獲取CT圖像的時間點可以包括除了上述三個時間點tk、tl和tp之外的時間點。
從該組CT研究中，構建了4D數學模型，其將在運動循環中的一個時刻或時間點採集的CT圖像變異為在運動循環中後續時刻或時間點採集的另一CT圖像，為解剖結構的連續非剛性變形提供了模型作為運動循環的函數。在圖像處理中，將一幅圖像變異成另一幅圖像，並且以數學模型描述該變異，在本領域是公知的。可以使用已知的或商業可獲得的任何標準軟體和/或算法。
在一個實施例中，從圖2中所示的CT圖像組構建的4D數學模型用於4D治療計劃，即計算從通過非剛性移動的解剖結構的連續輻射束釋放產生的劑量分布，其中考慮到治療目標的非剛性運動和變形，作為運動循環中時間的位置的函數。在該實施例中，4D治療計劃包括兩部分a)為解剖結構的非剛性變形創建數學模型，作為運動循環中時刻的函數，如上所述；以及b)使用該數學模型計算從通過非剛性移動解剖結構的連續的輻射束釋放產生的劑量分布。
為了計算所需輻射劑量分布，相對於標稱患者坐標系初始界定束軌跡。在一個實施例中，可以相對於圖2中所示的若干幅CT圖像中之一確定標稱患者坐標系的方向，並且該採集的若干圖像覆蓋運動循環。在其他實施例中可以選擇不同的方向。在一個實施例中，每個輻射束從對應於獲取每幅CT圖像的時間點的時間開啟(turn on)，並且保持打開狀態達到選定的持續時間以給出所需劑量分布。計算劑量吸收作為距離初始時間點的時間函數，其中考慮患者解剖結構的非剛性變形。
在一個實施例中，4D數學模型將目標的3D位置與一個或多個參考結構的3D位置關聯，作為運動循環中時刻的函數。在4D模型中，一個或多個所選參考結構關於運動循環可以是靜止的，同時其他所選參考結構相對於運動循環可以經歷非剛性運動。
圖3示意性地示出了追蹤目標的3D運動作為患者運動循環的函數，使用下列之一a)在患者運動中基本靜止的基本剛性的參考結構；以及b)多個參考結構，它們自身隨著患者的運動而移動。兩種模型是可能的(a)目標(例如，腫瘤/損傷)的3D運動，作為運動循環的函數，參考基本上固定的基本剛性的參考結構(包括而不局限於脊椎結構)，或者(b)目標(例如，腫瘤/損傷)的3D運動，作為運動循環的函數，參考自身隨同解剖區域的周期性運動移動的多個參考結構。
在圖3中示出的實施例中，由於解剖區域200的周期性運動，目標210在解剖區域200中移動。使用參考標號230和232示出參考結構。參考結構230自身隨著呼吸移動。另一方面，參考結構232是不隨著呼吸或者解剖區域210的其他周期性運動移動的基本上剛性的參考結構。
多個骨骼結構的3D位置和方向允許畫出從每個骨骼結構指向腫瘤或損傷的矢量。一種描述腫瘤/損傷的3D運動(作為呼吸循環的函數)的模型，參考自身不隨著呼吸移動的剛性骨骼結構(例如使用參考標號210在圖3中指示的骨骼結構)，該模型可以例如與脊椎結構一同用於仰臥進行治療的患者，脊椎結構是這種非移動骨骼結構的實際範例。在另一模型中，其中參考自身隨著呼吸移動的剛性骨骼結構，腫瘤/損傷的3D運動可以描述為下列的複合函數1)呼吸循環，以及2)自身隨著呼吸移動的多個骨骼結構的位置。
一旦由4D模型確定了參考結構的位置和目標位置之間的關係，作為周期性運動循環中時間點的函數，近實時確定參考結構的絕對位置。在一個實施例中，這通過下列步驟而完成1)從示出在圖2並用於產生4D數學模型的3D CT圖像中產生參考結構的DRR；2)獲取參考結構的「實況」或近實時x-射線圖像；以及然後3)執行實況x-射線圖像和DRR之間的非剛性圖像對準。一旦使用非剛性圖像對準確定了參考結構的位置，使用上面所述的4D數學模型可以易於確定目標位置。
圖4示意性地示出了對參考結構的少基準追蹤。在一個實施例中，通過將目標的2D近實時x-射線圖像與從獲自患者運動循環中特定時間點的手術前3D掃描產生的DRR對準，而執行該少基準追蹤。使用2D到3D對準方法，可以相對於CT研究之一中的相應結構而追蹤患者解剖結構中參考結構的位置和方向(在治療釋放時)。在一個實施例中，執行非剛性2D/3D圖像對準，下面對此將詳細描述。
作為在2D/3D非剛性圖像對準處理中第一步驟，產生DRR庫用於將在治療釋放時用於採集實況圖像的投影幾何形狀。在治療釋放期間，使用與用於產生DRR的相同的投影幾何形狀，採集患者的一對實況(或「近實時」)x-射線圖像。用於產生DRR的CT圖像將對應於運動循環中一個時期，通常是在治療計劃期間分配射束的同一個時期。可以為CT圖像的數個平移和方向產生DRR，以便於在治療期間覆蓋患者移動的通常範圍。
使用追蹤參考結構的特徵識別算法將採集的圖像對準DRR。圖像對準算法(下面將詳細描述)可以為多個參考結構重複，以便相對於CT研究(DRR由其形成)中相應結構給出每個結構的位置和方向。在一個實施例中，腫瘤或損傷或鄰近解剖區域的成像特徵的差別可以進一步通過使用高靈敏性x-射線探測器而增強。
在一個實施例中，腫瘤/損傷的位置可以從參考結構的位置獲得，參考結構的位置通過非剛性對準處理而確定。使用從CT研究和4D模型中所學到的、參考結構的位置和腫瘤/損傷的位置之間的對應幾何關係，利用使用少基準算法追蹤的多個參考結構的位置和方向，來內插腫瘤/損傷的位置。在另一實施例中，對目標(例如，腫瘤/損傷)自身執行少基準追蹤。如果正追蹤的目標在x-射線成像特徵上相對於周圍組織充分不同，可以使用下面描述的2D-至-3D對準技術直接追蹤目標自身。
下面描述了一種非剛性2D-至-3D圖像對準技術，其考慮了解剖結構的非剛性變形並且其使用解剖參考結構代替基準。雖然下面描述的非剛性圖像對準算法是在骨骼結構、尤其在人類解剖結構的脊骨區域中的特定骨骼結構的上下文中進行的描述，應當理解，不同於脊骨骨骼結構的參考結構也可以用於該非剛性圖像對準算法。
該非剛性圖像對準技術也描述在下列五個共有專利申請中1)美國專利申請序列號No.10/880486，特徵在於律師記錄號為ACCL-136，題為「Fiducial-less Tracking With Non-Rigid Image Registration」；2)美國專利申請序列號No.10/880486，特徵在於律師記錄號為ACCL-137，題為「Motion Field Generation For Non-rigid Image Registration」；3)美國專利申請序列號No.10/880486，特徵在於律師記錄號為ACCL-146，題為「ROI Selection In Image Registration」；4)美國專利申請序列號No.10/881208，特徵在於律師記錄號為ACCL-147，題為「Image EnhancementMethod and System For Fiducial-less Tracking of Treatment Targets」；5)美國專利申請序列號No.10/880486，特徵在於律師記錄號為ACCL-150，題為「DRR Generation Using A Non-Linear Attenuation Model」。所有的五個共有專利，在此全文引入作為參考。
圖5示出了非剛性圖像對準算法的流程圖400，其可以用於從手術前CT掃描數據重建的解剖區域的2D DRR和手術中解剖區域中目標的近實時x-射線投影圖像之間的2D/3D對準。特別地，DRR從在周期性循環P中特定時間點tj獲取的CT圖像Ij的CT掃描數據表示中重建。
作為第一步驟，在步驟402中，2D DRR可以從CT圖像Ij的手術前3D掃描數據的表示來產生。在一個實施例中，對其執行非剛性圖像對準的圖像(即，DRR和x-射線圖像)是離散的圖像，每幅特徵在於象素陣列，每個象素具有代表在對應於該象素的表面單元面積處的圖像亮度的相關象素值。
在一個實施例中，在步驟402中可以實施改進的DRR產生過程，以顯現出骨骼參考結構，其在圖像中通常不易於顯現，或者甚至可能隱藏。在步驟402，根據強調骨骼結構並且因而提高DRR質量的非線性衰減模型，修改該CT掃描數據。在流程圖400中的步驟403中，也可以對DRR實施圖像增強技術。在該步驟中，使用大禮帽濾波器(top-hat filter)以便在步驟402中產生的DRR中顯現出骨骼結構。
在所示實施例中，在增強DRR中所選的感興趣區域(ROI)中執行圖像對準，以便於提高效率。因此，在步驟404中，在增強DRR之後，在DRR中界定了ROI。在步驟404中執行的ROI選擇過程是基於圖像熵，並且完全是自動的，從而不需要用戶交互作用。然後在步驟410中近實時產生手術中2Dx-射線投影圖像。在步驟415中，使用類似於步驟403的大禮帽濾波器在x-射線圖像上執行圖像增強。
然後，在ROI中的增強x-射線圖像和增強DRR之間執行非剛性圖像對準。特別地，使用相似性測量以比較x-射線圖像和DRR圖像中的象素亮度，以便於確定患者的位置和/或方向和/或生理變形中的任何改變。在步驟420-450中，界定了描述實際的患者移動和人體變形的非剛性變形。為了界定非剛性變形，構建了完整運動領域，其包括許多局部運動領域，即多個局部估計的運動矢量。為了估計在ROI中感興趣的給定點的局部運動，使用基於圖案亮度的相似性測量來比較象素亮度。
包括許多局部運動的完整運動領域可以描述任何所需非剛性變形。此外，以這種方式獲得的完整運動領域可以考慮對象的不同圖像採集之間除了非剛性變形之外的對象的非剛性運動(平移和/或旋轉)。為了有效地在ROI中任何感興趣點計算局部運動矢量，執行分等級網格運動估計和多水平塊匹配(與基於亮度的相似性測量一同執行)。這些方法允許快速計算圖像對準算法400。強加光滑約束以在發生錯配的網格節點處重建運動領域。然後從該完整運動領域中計算用於非剛性圖像對準的非剛性轉換(trahsformtion)參數。
在圖5中所示的實施例中，由完整運動領域描述的非剛性變形，發生在患者中治療目標區域的3D CT掃描數據的採集和目標區域的x-射線投影圖像的採集之間。在步驟420，首先估計整個圖像的全局平移。使用估計的全局平移作為對進一步局部運動估計的初始估計。在下一步驟430中，使用設計用以估計多水平的局部運動的分等級網格結構，執行網格節點運動估計。在下一步驟440中，對其中發生錯配的那些網格節點執行運動領域重建。通過強加光滑約束來執行運動領域的重建，其基於這樣的假設，即由於物質一致性，局部運動是連續的。在步驟450，通過從為圍繞感興趣點的網格節點估計的節點運動進行的內插而獲得任何感興趣點的局部運動矢量。然後，使用為多個所需的感興趣點獲得的局部運動矢量，構建完整運動領域。
圖5中示為步驟455和步驟460的最終步驟中，從完整運動領域獲取非剛性轉換參數。在步驟455，從完整運動領域獲取目標位移。在步驟460，從完整運動領域獲取平均剛性轉換(transformation)。
DRR圖像的質量取決於合適的衰減建模，以及用於內插CT數目的合適內插方案。在一個實施例中，在步驟402(圖2中所示的流程圖中)中，用公式表示改進的x-射線衰減模型用於少基準追蹤，從而DRR變得更像實際x-射線投影圖像。不再假設線性衰減模型，並且修改CT數目以便補償上述在骨-至-組織衰減率中的差別。根據用患者臨床數據傳達的許多經驗，形成下面的經驗公式以修改原始CT數目C(X,Y,Z)=aC0(X,Y,Z)ebC0(X,Y,Z)---(1)]]>其中c(x，y，z)表示位於點(x，y，z)的3D CT體素的經修改CT數目；a和b表示加權係數；而C0(x，y，z)表示，根據線性衰減模型的，具有位置(x，y，z)的3D CT體素的未修改CT數目。
在一個實施例中用於提高DRR質量的內插方案是雙線性內插。在該實施例中，在步驟402執行雙線性內插，以沿著每束投射射線遇到的CT體素(voxel)合計(integrate)CT數目。在一個實施例中，在雙線性內插之後跟隨有三個體素切片(slice)上對每個感興趣體素的1-D多項式內插。該三個體素切片包括了包含感興趣體素的體素切片，以及每個相鄰體素切片。
在一些實施例中，少基準追蹤取決於通常不輕易可見的或者可能隱藏在DRR和x-射線投影圖像中的骨骼參考結構(例如，脊椎結構)。由於必須對準這種骨骼結構，必須增強DRR和x-射線圖像以顯現脊椎結構的細節並提高它們的可見性。因此，在一個實施例中，對DRR和x-射線投影圖像都採取了圖像增強。在大部分胸部和腰部的情況中，骨骼結構不輕易可見，或者甚至隱藏在DRR和X-射線圖像中。因此對這些情況，必須增強DRR和x-射線圖像，以便於盡所有可能執行對準。在頸部的情況中，脊骨的骨骼結構在DRR和x-射線圖像中都較好可見，而這些結構的細節仍然不清晰。因此，在頸部情況中，應當增強DRR和x-射線圖像以改善對準。
在圖5中所示的實施例中，設計和使用大禮帽濾波器以增強x-射線圖像(圖5中的步驟415)和增強DRR圖像(圖5中的步驟403)。特別地，通過對x-射線投影圖像和DRR圖像的像素應用大禮帽濾波器算子(operator)，增強、即顯現出圖像中的骨骼結構。正如所知的，大禮帽濾波器是非線性算子，其在兩個不同尺寸的鄰域中找到最亮的像素，然後保持該極端值。在一個實施例中，大禮帽濾波器如下操作如果較小鄰近區域中的最亮值大於較大鄰域中的最亮值，差異達到用戶輸入的閾值所確定的量，那麼保持該像素，否則消除該像素。作為對圖像應用大禮帽濾波器的結果，可以定位感興趣的特徵。
在一個實施例中，通過使用由特定結構元件打開和關閉的圖像的加權組合，設計了大禮帽濾波器。如下數學地定義了大禮帽濾波器算子fe＝f+w×[f-YB(f)]-b×[B(f)-f](2)＝f+w×WTH(f)-b×BTH(f)其中fe表示從對原始圖像中每個像素應用大禮帽濾波器算子而產生的增強圖像；f表示原始圖像；w和b表示加權係數，YB(f)表示用於打開原始圖像f的結構元件，而B(f)表示用於關閉原始圖像f的結構元件。
在上面的表達式(2)中，WTH(f)＝f-YB(f)稱為白大禮帽濾波器，而BTH(f)＝B(f)-f稱為黑大禮帽濾波器。結構元件YB(f)和B(f)是用於執行基本形態學操作的掩碼(mask)。結構元件的尺寸對於頸部、胸部和腰部應用改變很小。實驗地確定經驗值。加權係數w和b適應性地分別由WTH(f)和BTH(f)的幅度確定。經驗地，已經發現，對於存在較少組織的頸部情況，加權係數w和b的值各自約為1(w＝1，b＝1)。在腰部情況下，其中存在更多組織，已經發現w和b的值各自約大於2(w＞2，b＞2)。在腰部情況下，與頸部情況相比，加權處理將骨骼結構顯現到較大程度。
在一個實施例中，僅在DRR中定義的特定感興趣區域(ROI)中執行圖像對準。該ROI包含治療目標(例如，腫瘤或損傷)。在一個實施例中，在圖5的步驟404中，特別定義了圖像熵。這樣，可以為最優化對準、最小化或甚至消除用戶交互作用而自動選擇ROI。由於圖像對準取決於圖像內容或圖像信息，在該實施例中，ROI最優化以包含儘可能多的信息。
從常規通訊理論中已知，Shannon熵通常用作信號和圖像處理中的信息測量。其定義為H=-1npilogp1,]]>其中H表示概率由p1、p2…pn給出的一組n個符號所提供的平均信息。當應用到每幅圖像的像素(如在圖5中步驟403或415中增強的)時，對於每幅圖像的Shannon熵定義為H＝-∑IP(I)log p(I)，其中I是圖像亮度等級，而p(I)是圖像亮度值I發生在ROI中的概率。在Shannon的原始公式中，如Shannon所觀察到的，在趨向於使概率p1、p2…pn平均化的數據中的任何改變，增加熵。對於給定圖像，Shannon熵常規地從圖像亮度柱狀圖計算而得，其中概率p1、p2…pn是柱狀圖項目。
在一個實施例中，根據骨骼結構發生在亮區域中的事實，修改了Shannon熵H。在該實施例中，經修改的Shannon熵用於每幅圖像，其定義如下H＝-∑IIp(I)log p(I)， (3)其中，I又是圖像亮度等級，而p(I)是圖像亮度值I發生在ROI中的概率。在步驟404(圖5中所示)中，首先為增強的DRR圖像確定經修改的Shannon熵。一旦計算出經修改的Shannon熵H，那麼通過確定DRR中熵H最大化的區域，而自動選擇ROI。在圖像對準處理中的後續步驟(圖5中步驟420-450)僅在ROI中發生。
將圖像對準處理限制在ROI中具有多個優點。一個優點是，由於該對準僅需對ROI執行，這種限制可以加速對準處理。例如，相似性測量僅需要為ROI計算，而塊匹配僅需要在ROI中執行。此外，當限制到ROI中的區域時，對準處理更精確。其中將執行對準的區域越有限，ROI中的結構在手術前CT掃描的時間和醫學治療的時間之間越不可能相對彼此移動。
根據改進和增強的DRR(在圖5的步驟402和403中產生)以及增強的x-射線投影圖像(圖5的步驟415中)，其中骨骼參考結構已經顯現以使得可以進行少基準追蹤，在步驟420-450中確定解剖區域的非剛性變形。在本專利中，不需要進行「剛性體」假設，即在圖像對準中經常進行的假設，並且其假設在圖像採集之間感興趣的解剖和病理結構不變形和扭曲。如果不需要剛性體假設，那麼不需要保持「剛性體」約束，即要求主體為剛性的並且在轉換過程中不經歷任何局部變化。根據在臨床患者數據上的大量觀察和分析，在本專利中假設了非剛性變形來代替剛性轉換，以獲得對真實患者移動和主體變形的改進描述。通過計算非剛性變形領域，在初始調整(alignment)期間以及在整個治療過程中，患者位置/方向可以更可靠的得到監視和校正。
非剛性圖像對準允許在要考慮的不同圖像採集之間存在的固有局部解剖變化，而與不允許克服這些變化的剛性圖像對準形成對比。非剛性對準定義了為圖像中每個像素提供平移或映射的變形領域。在一個實施例中，計算包括許多局部運動向量或領域的完整運動領域，以便獲得非剛性變形領域。
為了消除局部運動領域，在一個實施例中，多水平塊匹配方法和基於圖案亮度的相似性測量協同使用。該方法允許在ROI的大多數部分快速和精確的估計局部運動。在共有申請美國序列號10/652786(「786」申請)中結合剛性對準算法描述了允許計算效率的多水平塊匹配，所述文獻在此全文引入作為參考。與基於剛性轉換的對準算法協同使用的基於圖案亮度的相似性測量，即，由Accuray公司開發的用於Cyberknife放射外科系統中的「快速6D算法」(「FAST 6D algorithm」)，在共有申請美國序列號10/652786(「786」申請)、10/652717(「717」申請)和10/652785(「785」申請)中進行了描述，所述文獻在此全文引入作為參考。在本專利中，基於圖案亮度的相似性測量和多水平塊匹配方法，與基於非剛性(而不是剛性)轉換的對準算法協同使用。最初開發用於剛性圖像對準算法的基於圖案亮度的相似性測量，在非剛性框架(framework)中也提供了一種有力和有效的技術來解決2D/3D圖像對準問題。
在一個實施例中，執行塊匹配，即使用中心圍繞感興趣點的小塊，以便於局部地估計在ROI中每個所需點的位移。正如所知，當使用塊匹配以將第一圖像對準到第二圖像上時，第一圖像分割成不同的塊，通常為相同尺寸的矩形框。每個感興趣點作為一個塊的中心，所述感興趣的點可以是網格節點或者可以是由網格節點圍繞的非節點像素。然後，這些塊平移從而最大化局部相似性標準，其在一個實施例中是上述的基於圖案亮度的相似性測量。
在塊匹配方法中，通常假設塊中的每個像素具有相同的運動，並且塊匹配算法通常用於對每個塊估算運動矢量。在一個實施例中使用的塊匹配算法中，執行搜索第二圖像中的匹配塊，在某種意義上最大化各個塊之間基於圖案亮度的相似性的測量值。該搜索用於相似性測量函數中最大值的定位，該最大值表示在第二圖像中存在匹配塊。該搜索可以在搜索窗口中執行，所述搜索窗口定義在感興趣點周圍並且包含該塊。
在任何塊匹配算法中，最優化搜索策略和選擇合適的塊尺寸是重要的。對於小塊，通常假設平移剛性模型。即使存在剛性旋轉或一些其它複雜變形，剛性體平移模型對於估計塊中心點的平移是有效的。當除了平移之外還存在旋轉或其它變形時，精確度隨著減小塊尺寸而增加，並且隨著增加塊尺寸而減小。然而，隨著使用較小的塊尺寸，錯配的可能性增加了。在一個實施例中，採用塊尺寸選擇策略，其中假設需要較大的塊用於較大的位移，而需要較小的塊用於較小的位移。
圖6示意性地示出了使用塊匹配對患者內目標中感興趣點的局部運動估計。在圖6中示出的實施例中，該目標位於脊椎的頸椎區域，然而再次強調非剛性2D/3D圖像對準技術可以用於脊骨結構追蹤以外的應用。左側和右側圖片分別是DRR和x-射線圖像。小塊203A定義在DRR中感興趣點205周圍。同樣，在DRR中定義了包圍塊203的搜索窗口207。x-射線圖像中的匹配塊在圖6中用參考標號203B指示。在圖6中示出的實施例中，搜索窗口207的尺寸是48mm×48mm，而塊尺寸是15×15mm。簡單通過肉眼檢查，可以看到，感興趣點205正好位於X-射線圖像中。
圖7示意性地示出了當執行多水平塊匹配時使用多個備選的多解析度圖像表示。多水平塊匹配是快速搜索方法，其使用在較低水平進行的位移估計作為後續搜索階段的初始結果。在多水平塊匹配中的基本思想是，接連地在多個解析度水平的每個水平匹配圖像，從最低解析度水平開始並且上升到最高解析度水平。具有最高解析度的實際尺寸(full size)圖像，示出在圖7的底部，作為水平1。上面的圖像(水平2和水平3)具有接連地更低的空間解析度，具有最低解析度的圖像示為水平3。通過低通濾波和對實際尺寸的圖像的子採樣，獲得較低解析度的圖像。
在圖7中，假設實際圖像塊尺寸在水平1中是W×H，在水平2和水平3中分別為W/2×H/2和W/4×H/4，如在附圖中所示。在最低解析度水平(水平3)中，使用大搜索範圍以便能夠估計大位移。在剩下的解析度水平中使用很小的搜索範圍(-2，+2)。
在較低解析度水平的結果用來確定位移的粗略估計。然後，在低水平的輸出傳遞到後續較高解析度水平。使用更高解析度的圖像，接連提純(refine)用於塊的估計運動矢量(在多數情況中，平移矢量)。在最終匹配結果中，估計的平移的精確度取決於最高解析度圖像的空間解析度(在圖7中示為水平1)。
在多水平匹配中存在一些風險。有可能在較低水平的估計可能落在局部最大值，並且遠離正尋找的全局最大值。在這種情況下，在後續更高解析度水平的進一步匹配可能不會聚在其全局最大值。為了克服該風險，在一個實施例中，使用多個備選用於估計。已經顯示最優匹配結果的許多備選從較低水平傳遞到較高解析度水平。使用越多備選，估計值越可靠。在一個實施例中，最優備選由相似性測量函數值分等級。
在一個實施例中，與多水平塊匹配協同使用基於圖案亮度的相似性測量。如較早提及的，該相似性測量是有助於在共有的『786申請、『717申請和『785申請中描述的「快速6D算法「的成功的關鍵元素。在一個實施例中，通過在「實況」(或近實時)x-射線投影圖像和DRR圖像之間形成差別圖像(difference image)，並且在差別圖像的每個像素上應用圖案亮度函數，來確定相似性測量。特別地，通過在ROI中從手術中x-射線投影圖像的每個像素值減去手術前DRR圖像的對應像素值，而形成差別圖像Idiff(i，j)Idiff(i，j)＝ILive(i，j)-IDRR(i，j) (4)在公式(4)中，I(i，j)表示相應圖像的每個像素陣列的第i行和第j列的像素的圖像亮度值。特別地，Idiff(i，j)表示通過從第一幅圖像的每個像素值減去第二幅圖像的對應像素值而形成的差別圖像的像素值陣列。Ilive(i，j)表示對象第一幅圖像的第(i，j)像素值。IDRR(i，j)表示對象第二幅圖像的第(i，j)像素值。相似性測量在該差別圖像上進行，並且表達為鄰域R中像素上的差別圖像梯度的漸近函數的總和
i,jk,lR22+(Idiff(i,j)-Idiff(i+k,j+l))2---(5)]]>在上面的公式(5)中，常數σ是用於圖案亮度函數的加權係數。x-射線圖像的變化的解的靈敏性可以通過謹慎選擇該常數而最小化。加權係數越大，結果越穩定。然而，σ的選擇需要在穩定性和精確性之間權衡。當σ值太大時，圖像中的一些小細節不能反映在相似性測量中。根據實驗，在一個實施例中，σ的經驗值在從約4到約16的範圍中。
圖8示意性地示出了用於根據圖案亮度計算相似性測量的鄰域R。如從圖8中可見，界定了所示實施例中的鄰域R，從而可以在至少四個方向(水平、垂直、45°斜向和-45°斜向)上考慮差別圖像的梯度。當以該方式界定鄰域R時，用於相似性測量的等式(5)變成i,j22+((Idiff(i,j)-Idiff(i,j-1))2+i,j22+((Idiff(i,j)-Idiff(i-1,j))2---(6)]]>i,j22+((Idiff(i,j)-Idiff(i-1,j-1))2+i,j22+((Idiff(i,j)-Idiff(i-1,j+1))2]]>用於圖案亮度的公式(5)和(6)具有多個優點。首先，差別圖像濾出主要由軟組織構成的低頻部分，而保持主要由骨骼結構構成的高頻部分。該特徵使該算法對於實況和DRR圖像之間一些亮度差別強壯。第二，由於漸近函數，測量較少受到亮度值輕微編離其相鄰像素的像素的影響。這些類型的像素認為包含隨機噪聲。第三，由於當變量增加時，漸近函數快速地逼近零，諸如圖像偽像的大亮度差別對相似性具有相同的效果，而不考慮它們的幅度。由於該特徵，圖案亮度對於圖像偽像較不敏感。
使用塊匹配與分等級網格運動估計一同對局部運動領域的估計，以及從多個局部估計的運動領域對完整運動領域的重建，在圖5中所示的流程圖的步驟420-450中執行。完整運動領域的快速產生通過使用分等級網格追蹤和使用SIMD(單指令多數據)技術並行執行圖像計算而實現。
在一個實施例中，首先估計整個圖像的全局平移(測量為圖像的圖像中心的平移)，然後使用其作為對所有進一步局部運動估計的初始估計。換句話說，粗略估計由整個圖像的中心位移形成，並且用作所有局部位移的起始估計。參考回圖5，在產生目標在手術前掃描和手術中治療之間的完整運動領域中的第一步驟(在圖5中用參考標號420指示)，是估計整個圖像的全局平移的步驟，或者等效地是估計圖像的中心位移的步驟。
圖9示出了在DRR的圖像中心和相應x-射線圖像的圖像中心之間的全局運動的估計(在該例子中，僅有平移)。在所示實施例中，圖像中心用作為塊中心。全局平移估計的步驟非常重要，這是因為在該步驟期間的任何失敗都將影響其餘局部運動估計處理。為了阻止錯配的任何可能性，在所示的實施例中使用了非常大的圖像塊。可以計算最大追蹤範圍作為塊尺寸和整個圖像尺寸之間的差別。例如，如果匹配尺寸是80×80mm，最大追蹤的平移是60mm。在圖9中所示的實施例中，使用具有160×160像素(64mm×64mm)的尺寸的塊。所示實施例的搜索窗口是整個圖像。所示實施例的最大追蹤範圍是(-50mm，+50mm)。
在全局運動估計之後，下一步驟430(參見圖5)是網格運動估計。在該步驟中，設計了分等級2D網格結構，以便於在多個水平估計局部運動。正如所知，2D網格(或2D網狀柵格)指的是2D區域鑲嵌為多個多邊形小片或元素，其頂點稱為網格節點。與通常假設僅有平移運動的塊匹配算法不同，2D網格模型允許的空間轉換除對象的平移之外還有模型旋轉、縮放和成像的對象的變形。因此，與塊匹配算法相比，基於網格的方法可以產生對運動領域更精確的表現，例如可以產生連續變化的運動領域。
圖10示意性地示出在其中目標位於脊柱的頸椎區域的實施例中，為目標區域的DRR建立的網狀柵格300和為目標區域的x-射線圖像建立的相應網狀柵格302。對於2D網格，在每個網格元素或小片內的運動補償可以通過獲取圖像之間的空間轉換而完成，其中轉換參數從節點運動矢量、即從對位於網格頂點的網格節點估計的運動矢量中計算。換句話說，基於網格的運動估計包括尋找最優地將第一圖像採集中的一組網格元素映射到第二圖像採集中的另一組網格元素上的空間轉換。
特別地，網格運動估計包括尋找其它圖像中對應網格元素的頂點，即尋找其它圖像中的相應網格節點，以使得在整個運動領域錯誤被最小化。通常，在一幅圖像中選擇多個網格節點，並且估計其它圖像中的相應網格節點。對於位於網格元素中的任何像素(與位於網格元素的頂點相對)，通過內插來執行不同圖像採集之間的映射。對於這種像素的局部運動矢量，通過從為圍繞該像素的網格節點所估計的節點運動矢量進行內插而估算。
在一個實施例中，可以執行分等級網格運動估計。通過分等級網格運動估計，其意味著對於多個網格解析度水平的每一個水平，為界定網格結構的網格節點估計節點運動。使用粗略網格執行的運動估計，為網格的後續(精煉)解析度水平提供初始化。為了估計每個網格節點的運動，可以執行多水平塊匹配。
圖11示出了在網格運動估計期間的網格等級。如從圖11中可見，網格等級從相對粗略的網格320開始，並且發展到精細網格，如322和324所示。使用全局平移(在圖5的步驟420中估計，作為初始估計)，首先計算位於最粗略網格的頂點的網格節點的節點運動。然後，這些估計值傳遞到後續精細網格。在每個水平，使用更小的搜索範圍更新節點運動。最終，精煉了在最終一個網格解析度水平(特徵在於最精細的網格解析度水平)的網格節點的運動矢量。對於所有節點，使用具有多個備選的多水平塊匹配，以及在公式(5)和(6)中給出的基於圖案亮度的相似性測量。
圖12示意性地示出了節點估計從粗略網格解析度水平到較精細的網格解析度水平的傳遞。在第一水平之後的每個網格水平，網格節點包括1)於在先網格解析度水平產生的網格節點；和2)於當前網格解析度水平新添加的網格節點。在圖示實施例中，通過對在先網格解析度水平已有的節點運動矢量的線性內插，而獲得在當前網格新添加節點的節點運動矢量的初始估計值。在該過程中，需要檢測到任何不可靠的網格節點，從而僅將可靠的節點傳遞到後續網格水平中。
圖12示出了如何通過使用在圖12中稱為『節點5』的網格節點，執行這種檢測。在圖示實施例中，獲得節點5的運動矢量(該例子中，平移矢量)和從其9個周圍節點(圖12中的節點1-4，6-9)計算的中值運動(平移)之間的差值。如從圖12中可見，節點2的平移是節點1和節點3的平移的平均值；節點4的平移是節點1和節點7的平移的平均值；節點6的平移是節點3和節點9的平移的平均值；而節點8的平移是節點7和節點9的平移的平均值。節點5的平移是節點1、3、7、9的平移的平均值。如果節點5的平移和從其9個相鄰節點計算得的中值平移之間的差值小於預定義的閾值，那麼認為節點5是可靠的節點。否則，認為是不可靠的節點，並且其平移由中值替換並且傳遞到後續網格。
對於大多數網格節點，運動的估計是可靠和精確的。對於其中可能發生錯配並且估計值可能不可靠的少數節點，需要通過周圍節點的位移而重建位移。因此，圖5的對準算法流程圖中的下一步驟是運動領域重建的步驟440，在此期間，對發生錯配的那些節點，從周圍節點重建運動領域。通過使用3×3中值濾波可以檢測不精確的節點運動矢量。
局部運動估計取決於局部圖像內容。在一些光滑局部區域中，可能發生錯配。在網格運動估計期間，在大多數節點的估計是非常精確的。對於發生錯配的少數節點，需要從它們的周圍節點重建運動。先驗已知的是，骨和組織的物質一致性，以及因此局部運動的光滑性。換句話說，由於物質一致性，認為估計的局部運動矢量應該是光滑和連續的。通過施加該基於人體的光滑性限制，用公式表示了價值函數(cost function)以重建該運動領域。
在一個實施例中，如下數學地表達價值函數E(d)=(d-u)2dxdy+(d,x2+d,y2)dxdy---(7)]]>在上面的公式(7)中，E(d)表示價值函數，d表示在坐標(x，y)的節點運動矢量的期望局部估計，u表示在坐標(x，y)的局部已估計的節點運動矢量，而β表示範圍從0到1的可靠性常數，其中β＝0指示了不可靠的估計，而β＝1指示了可靠的估計。
通過在網狀柵格上執行導數的有限差分，將公式(7)中的價值函數的離散形式表達為E(di，j)＝∑∑βi，j(di，j-ui，j)2+λ∑∑[di，j-di-1，j)2+(di，j-di，j-1)2](8)其中ui，j表示局部估計的平移，di，j是期望的局部運動，如果估計可靠則βi，j＝1，而如果估計不可靠則βi，j＝0。
公式(8)右側第一項反映了在重建中所觀察到的數據的保真度。第二項在兩個空間方向上在運動領域上施加了光滑性限制。
由公式(8)給出的價值函數的最小化產生了聯立線性等式系統E(di,j)di,j=(i,j+4)di,j-(di-1,j+di+1,j+di,j-1+di,j+1)-i,jui,j=0---(9)]]>在一個實施例中，逐次超鬆弛(SOR)的迭代算法，其是快速和收斂的，用於解決下面的公式
di,j(n+1)=di,j(n)-[(i,j+4)di-1,j(n)-(di-1,j(n)+di+1,j(n)di,j-1(n)+di,j+1(n))-i,jui,j]/]]>(i,j+4)---(10)]]>一旦在所有網格節點已經估計了節點運動矢量，ROI中任何點(或像素)的平移可以通過內插而計算。圖13示意性地示出了通過從周圍節點的內插對感興趣點的運動矢量的確定。在圖示實施例中，使用9個最近節點執行二次內插，並且使用九個形狀函數。
假設9個節點的運動矢量(dx(i)，dy(i))，使用下列表達式計算感興趣點的運動矢量(dx，dy)dx=i=19N(i)dx(i),]]>dy=i=19N(i)dy(i),---(11)]]>其中N(i)是節點(i)的形狀函數，並且其中對於i＝1，2，…9的N(i)如下給出N(1)＝(1-ξ)(1-η)/4-(N8+N5)/2，N(2)＝(1-ξ)(1-η)/4-(N5+N6)/2，N(3)＝(1+ξ)(+η)/4-(N6+N7)/2，N(4)＝(1-ξ)(1+η)/4-(N7+N8)/2，N(5)＝(1-ξ2)(1-η)/2，N(6)＝(1-ξ)(1-η2)/2，N(7)＝(1-ξ2)(1+η)/2，N(8)＝(1-ξ)(1-η2)/2，N(9)＝(1-ξ2)(1-η2).
(12)使用上述的步驟420、430和440，可以對ROI中的多個感興趣點估算局部運動矢量。獲得完整運動領域，作為對已經選定用於運動估計的許多感興趣點而估算的所有局部運動矢量的合成或重疊。圖14示意性地以矢量形式示出了，在其中目標位於脊柱的頸椎區域的實施例中的完整運動領域(從許多估計的局部運動矢量重建)。
圖像對準處理中的最終步驟是目標定位，即從已經確定的完整運動領域獲得目標平移和旋轉。在一個實施例中，非剛性圖像對準試圖確定在各個圖像採集的不同坐標系之間的投影映射或轉換，使得每個空間中對應於相同解剖結構點的點互相映射。在一個實施例中，由一組非剛性轉換參數(dxT，dyT，dzT，r，p，w)表示該轉換，其中(dxT，dyT，dzT)表示目標的平移，而(r，p，w)表示目標的旋轉。
在一個實施例中，使用兩個正交的x-射線投影求解這六個參數。在該實施例中，獨立執行每個投影中的對準，並且隨後組合每個投影的對準結果，以獲得六個3D轉換參數。然而在其它實施例中，可以使用不同的投影或其組合求解轉換參數。
圖15示出了在根據一個實施例的非剛性圖像對準方法中，三維治療目標和兩個正交的的2D x-射線投影(圖15中標註為A和B)之間的幾何關係。一對照相機(或圖像接收器)A和B接收來自相應x-射線源(未示出)的它們的x-射線投影。在3D掃描的坐標系中，x-軸指向紙內，在圖15中未示出。如上所解釋的，治療目標位置中的改變，由三個平移和三個全局剛性旋轉(dx，dy，dz，r，p，w)表示。
在圖15中，分別從方向oASA和oBSB觀察正交的2D投影A和B。對於每個投影A和B，圖15示出相應的2D平面坐標系，其相對於表徵每個投影的圖像平面是固定的。因而，由相應坐標系中相互正交的軸界定了投影A和B的圖像平面A和B。這些軸在圖15中示為投影A的(xA，yA)和投影B的(xB，yB)。投影A的2D坐標系中軸xA的方向和在3D掃描坐標系中x-軸的方向，關於彼此相反。投影B的2D坐標系中軸xB的方向和在3D掃描坐標系中軸x的方向，相同。
對於投影A，通過將投影到圖像平面A上的x-射線圖像與對應的參考DRR圖像對準，而估計2D運動領域(dxA，dyA)。對於投影B，通過將投影到圖像平面B上的x-射線圖像對準相應參考DRR圖像，而估計2D運動領域(dxB，dyB)。給定投影A的2D運動領域(dxA，dyA)和投影B的2D運動領域(dxB，dyB)，通過直接的數學操作，可以為投影A和投影B獲得3-D目標平移(dxT，dyT，dzT)以及全局剛性旋轉(r，p，w)。
參考回圖5，在步驟455(示出在圖5中)，給定投影A的2D局部運動領域(dxA，dyA)和投影B的2D局部運動領域(dxB，dyB)，使用下列公式可以容易地獲得3-D目標平移(dxT，dyT，dzT)dxT＝(dxTA+dxTB)/2，dyT＝(dxTA-dyTB)/，dzT＝(dyTA+dyTB)/(13)從投影A的運動領域(dxA，dyA)和投影B的運動領域(dxB，dyB)中可以計算全局剛性旋轉(r，p，w)。使用目標作為旋轉中心，全局剛性旋轉有利於在初始患者調整和治療期間的位置和旋轉校正和補償。由於已經計算了目標平移，不需要計算全局平移。為了得到在3D患者坐標中的三個旋轉，首先計算三個2D平面內旋轉，分別包括投影A和B中的平面內旋轉θA和θB，以及在垂直於下-上軸的平面中的平面內旋轉θx。近似地，全局旋轉可以表達為r＝θx，p＝(θB-θA)/，w＝(θB+θA)/，(14)θA和θB的估計分別直接基於投影A和B的2D運動領域。為了估計θx，首先定義了通過目標點並且垂直於3D患者坐標系中的軸x的平面。然後，分別從投影A和B中的兩個運動領域(xA，yA)和(xB，yB)計算運動領域。
假設(dx，dy)是在相應坐標(x，y)中的運動領域，而θ是全局旋轉，當旋轉很小(＜10°)時，下列轉換公式有效dxdy=0-0xy---(15)]]>給定許多點的(dx，dy)和(x，y)，使用最小平方最小化方法可以容易地計算θ
=i(x(i)dy(i)-y(i)dx(i))i(x(i)x(i)+y(i)y(i))---(16)]]>使用上面的公式(14)和(16)，在圖5所示的步驟160中，可以獲得平均剛性轉換參數。
使用如上所述獲得的非剛性對準的結果，通過使用4D數學模型和通過監視釋放輻射期間的呼吸(或其它運動)循環，可以在治療釋放期間執行對目標的動態追蹤。圖16示意性地示出了使用表面標記器340(例如，紅外LED)監視患者的呼吸運動作為時間的函數，而在釋放治療輻射期間動態追蹤呼吸患者中的移動目標。雖然關於圖16中所示實施例描述了表面標記器，在其它實施例中可以使用其它技術追蹤患者表面。這些技術包括，而不局限於視頻系統；雷射掃描器；超聲(或其它聲學)掃描器；以及當追蹤心跳運動時的心電圖。可以使用本領域中已知的任何方法和設備追蹤患者表面。
在治療釋放期間動態追蹤目標210(例如，腫瘤/損傷210)，可以通過將在4D治療計劃期間獲得的4D數學模型與少基準追蹤提供的對準信息結合，並且使用表面標記器監視患者呼吸運動，而實現。如上所解釋的，在治療計劃期間獲得的4D數學模型使骨骼結構230和232的位置與目標210的位置相關。
當如圖16中所示，使用與4D計劃相關的少基準追蹤和動態追蹤表面標記器時，用於動態追蹤的多種方法是可行的。在第一種方法中，首先使用表面標記器340確定在呼吸循環中的時刻。然後使用非剛性少基準追蹤，可以定位剛性參考結構232。然後，通過從使用非剛性圖像對準確定的參考位置繪製矢量，追蹤腫瘤/損傷210的位置。使用對在呼吸循環中的時刻的了解(通過使用表面標記器340獲得的)，以及從將目標210的位置與剛性骨骼結構232的位置相關的4D治療計劃中獲得的模型，從剛性參考結構232(其位置已經在非剛性圖像對準期間獲得)繪製矢量。
在第二種方法中，使用參考結構232和230的位置(獲自少基準追蹤)和使用獲自4D治療計劃的模型(將參考結構232和230的位置與損傷210相關)，定位腫瘤/損傷210。接著，建立將表面標記器340的運動與損傷210的運動相關的數學模型。在圖像處理中，將對象的第一類型運動與對象的第二類型的運動相關，並且用數學模型描述這種相關，在本領域中是公知的。可以使用已知的和可商業獲得的算法或軟體建立數學模型，其使表面標記器340的運動與損傷210的運動相關。
在第三種方法中，使用從4D模型(在4D治療計劃期間獲得)確定的參考結構的位置，通過內插，來定位損傷。然後建立將表面標記器340的運動與損傷210的運動相關的數學模型。該第三種方法包括對於獲自治療計劃的4-D計劃模型的最少依賴性。
在最後方法中，使用在上面的段落中描述的2D/3D對準技術直接追蹤腫瘤或損傷210。在該方法中，僅使用2D/3D對準的結果，可以直接建立使表面標記器的運動與目標210的位置相關的模型。
一旦使用上述方法中之一已經定位了目標，可以實施輻射束釋放。目標在移動解剖區域中的實時位置(如按照在前述段落中描述而確定)，為束釋放提供了引導。在治療計劃期間，最初關於標稱患者坐標系界定束軌跡，可能選擇相對於採集的數個CT研究之一定向，以便覆蓋運動循環。通過分析表面標記器的運動，確定運動循環中各個輻射束要從之開啟的時期。
圖17提供了用於動態追蹤正經歷具有循環P的周期性運動的解剖區域中的目標210和用於釋放治療輻射到移動目標的裝置500的示意性結構圖。該目標可以包括腫瘤或損傷。除了目標區域210之外，解剖區域包括參考結構。該參考結構可以包括在周期性運動期間不移動的剛性參考結構232，和在解剖區域的周期性運動期間自身移動的參考結構230。
概觀之，裝置500包括目標定位器510，其相對於周期性移動解剖區域中的參考結構230或232，實時確定目標210的位置；4D治療計劃生成器520，其為該移動解剖區域產生4D治療計劃作為在P中時間中的相對位置的函數；以及治療束生成器524，其根據治療計劃實時將治療輻射釋放到目標。該治療計劃規定了將實時釋放到目標的所需輻射劑量分布，同時考慮到周期性運動期間移動解剖區域的變形。治療計劃生成器520可以連接到治療釋放控制器(未示出)，其根據治療計劃生成器520產生的治療計劃，控制輻射的釋放。
同樣包括的可以是機器人系統(robot system)，其通常具有固定基底和其遠端可以安裝治療束生成器(例如，諸如直線加速器的x-射線源)的鉸接臂組件。響應於釋放控制器的指示，機器人系統可以移動(並且定向)治療束生成器(即，x-射線直線加速器)。該機器人系統和治療束生成器，在例如共有的美國專利號5207223和美國專利申請序列號10/814451(特徵在於律師記錄號ACCL-120)中詳細描述，所述兩個文獻在此全文引入作為參考。
在一個實施例中，目標定位器510包括3D掃描器520；DRR生成器530；x-射線成像系統540；圖像對準子系統550；一個或多個運動傳感器560；4D模型生成器570；以及目標位置計算機580。該3D掃描器520，在循環P中一連串時間點tj(j＝1，…p)的每一個時間點，產生解剖區域的多幅3D圖像1j(j＝1，…p)。這些3D圖像可以包括，而不局限於3D CT掃描；3D MRI掃描；3D PET(正電子發射斷層攝影)掃描；以及3D超聲掃描。因此，該3D掃描器520可以是下列之一3D CT掃描器；3DMRI掃描器；3D PET掃描器；以及3D超聲掃描器。
優選地，選擇時間點tj(j＝1，…p)，以便基本上包圍解剖區域的周期性運動的完整範圍。例如，時間點可以包括對應於循環P波峰的第一時間點，對應於循環P的波谷的第二時間點，以及在循環P的波峰和波谷之間的中間位置的第三時間點。例如可以是表面標記器的運動傳感器560，監視解剖區域的周期性運動並且測量循環P。這樣，運動傳感器560產生表示一個或多個所需時間點在P中的相對位置的時間位置數據。
在每個時間點tj，通過從已知的束投影幾何形狀(projectiongeometry)投射假設射線(hypothetical ray)通過體積3D(volumetric 3D)掃描數據，並且沿著每條射線求3D掃描數據的積分，DRR生成器530從該3D掃描數據重建DRR。通過在射束已經穿過至少一部分解剖區域後檢測該x-射線成像束，X-射線成像系統540產生移動解剖區域中的目標210和參考結構230和232的近實時2D x-射線投影圖像。這些x-射線成像束，從用於產生DRR的相同的束投影幾何形狀產生。
該圖像對準子系統550將參考結構和/或目標的近實時x-射線投影圖像對準參考結構和/或目標的DRR，由此確定參考結構和/或目標的位置。在一個實施例中，圖像對準子系統550包括1)ROI選擇器620，配置用於選擇DRR中的ROI(感興趣區域)，該ROI包含治療目標並且優選地包含至少一個參考結構；2)圖像增強器630，配置用以通過施加濾波器算子到DRR和到x-射線圖像而增強DRR和x-射線圖像；3)相似性測量計算器640，配置用以確定DRR和x-射線圖像之間的相似性測量值；4)運動領域生成器650，配置用以通過使用相似性測量值，對多個解析度水平的每一個估計ROI中的一個或多個2D局部運動領域，而產生3D完整運動領域；5)參數確定器660，配置用以從3D完整運動領域中確定一組非剛性轉換參數，其表示x-射線圖像中所示的治療目標的位置和方向與DRR中所示的治療目標的位置和方向相比的差別。
4D模型生成器570產生4D模型，其描述了目標210相對於移動解剖區域中參考結構232的運動，作為在循環P中時間中的相對位置的函數。目標位置計算機580計算一個或多個所需時間點的目標位置。目標位置計算機580使用4D模型生成器570構建的4D模型，將目標的位置與參考結構的已知位置相關，如由圖像對準子系統550所確定的)，並且使用由運動傳感器560獲得的時間位置數據，來確定每個所需時間點在P中的相對位置。
在一個實施例中，4D模型生成器570包括變形模型構建器575，配置用以構建數學模型，所述數學模型描述了解剖區域的變形和運動，作為循環P中時間中相對位置的函數。在該實施例中，4D模型生成器570從變形模型構建器575構建的數學模型中獲得4D模型。該變形模型構建器575從3D掃描器520產生的多幅圖像Ij中提取變形數據，其包含了有關於解剖區域的變形和運動的信息。
在一個實施例中，變形模型構建器575，通過將在P中時間點tj獲取的每幅圖像對準到在P中相繼(consecutive)時間點tj+1獲得的相繼圖像上，而從多幅圖像中提取變形數據。包含在變形數據中的信息包括關於目標相對於參考結構的位置和方向的改變的信息。變形模型構建器575使用變形數據和來自運動傳感器560的時間位置數據一起，對於每個時間點tj，將時間點tj在P中的相對位置與目標在該時間點tj的變形和運動數學相關聯。
使用由4D模型生成器570產生的4D數學模型，由圖像對準子系統550執行的非剛性圖像對準的結果，以及由運動傳感器560確定的在呼吸循環中時間中的相對位置，目標位置計算機580計算腫瘤/損傷的位置。
使用4D模型生成器570產生的4D數學模型，4D治療計劃生成器520產生所需輻射劑量分布，輻射劑量分布從貫穿非剛性移動的解剖區域的連續輻射束釋放中產生。最終，治療束生成器524根據所需輻射劑量分布產生治療束，並將它們實時釋放到目標。
總言之，已經描述了若干技術，用於動態追蹤例如由於諸如呼吸的周期性運動而移動的解剖結構中的腫瘤/損傷。這些技術組合了4D治療計劃、對骨骼結構或目標的少基準追蹤，以及使用有關數學模型對表面標記器的動態追蹤，以實現對感興趣的腫瘤/損傷的動態追蹤。
雖然已經參考特定實施例，特別地示出和描述了本發明，本領域技術人員應當理解的是，可以對在此描述和圖示的技術和結構進行形式上和細節上的許多修改和變化，而不背離本發明的精神和範圍。因此，在此描述和圖示的技術和結構應當理解為僅是說明性的，而並非限制本發明的範圍。本發明的範圍由權利要求定義，權利要求包括已知的等價物和在提交該申請的時候不能預見的等價物。
權利要求
1.一種自動追蹤解剖區域中一個或多個目標以便於在解剖區域的運動期間釋放治療輻射到目標的方法，該解剖區域包括一個或多個參考結構，該方法包括相對於移動解剖區域中的參考結構而實時確定目標的位置；以及產生輻射劑量分布，其描述了將實時釋放到移動解剖區域中目標的治療輻射的所需量，該劑量分布考慮了運動期間移動解剖區域的變形。
2.根據權利要求1的方法，其中所述運動包括特徵在於循環P的周期性運動。
3.根據權利要求2的方法，其中相對於移動解剖區域中的參考結構實時確定目標位置的動作包括構建將目標的3D運動相對於參考結構的3D運動相關聯的4D數學模型，作為在循環P中的時間中的相對位置的函數，並且考慮循環P期間解剖區域的非剛性變形；動態追蹤解剖區域的周期性運動，從而可以實時確定一個或多個時間點在循環P中的相對位置；使得參考結構的一幅或多幅近實時圖像對準參考結構的一幅或多幅手術前圖像，以近實時獲取參考結構的位置；以及使用參考結構的近實時位置、4D數學模型和時間點在P中的相對位置，而實時地計算目標的位置。
4.根據權利要求3的方法，其中構建描述解剖區域的變形和運動的4D數學模型的動作包括產生解剖區域的多幅圖像Ij(j＝1，…，p)，每幅圖像在循環P中的一連串時間點tj(j＝1，…，p)的一個時間點獲取；測量循環P，和每個時間點tj在P中的相對位置；以及構建一數學模型，對任何時間點tj從所述數學模型可以獲取圖像Ij，並且從該數學模型可以測量在相應圖像Ij中在任何時間tj目標相對於參考結構的位置。
5.根據權利要求4的方法，其中測量循環P和每個時間點tj在P中的相對位置的動作包括將外部設備附著到解剖區域的至少一部分，以便於感測該部分解剖區域的位置和方向的變化，作為在循環P的時間中該時刻的函數。
6.根據權利要求5的方法，其中解剖區域的運動包括呼吸，其中循環P包括呼吸循環，並且其中外部設備包括呼吸傳感器。
7.根據權利要求5的方法，其中解剖區域的運動包括心跳，其中循環P包括心跳循環，並且其中外部設備包括心跳監視器。
8.根據權利要求4的方法，其中在時間點tj獲取的多幅圖像包括至少下列之一3D CT掃描；3D MRI(磁共振成像)掃描；3D PET(正電子發射斷層攝影)掃描；以及3D超聲掃描。
9.根據權利要求1的方法，還包括根據輻射劑量分布將治療輻射實時釋放到目標的步驟，同時解剖區域經歷所述運動。
10.根據權利要求4的方法，其中所述時間點tj(j＝1，…，p)充分包圍解剖區域的周期性運動的完整範圍。
11.根據權利要求10的方法，其中所述時間點包括至少對應於循環P的波峰的第一時間點和對應於循環P的波谷的第二時間點。
12.根據權利要求4的方法，還包括以下動作在循環P中的每個時間點tj，從多個圖像Ij獲取包含與解剖區域的變形和運動相關的信息的變形數據，以及對於每個時間點tj，使用該變形數據和經測量的循環P，將時間點tj在P中的相對位置與目標在時間點tj的變形和運動數學上相關聯；以及其中從多幅圖像中獲取變形數據的動作包括使在P中時間點tj獲取的每幅圖像變異到在P中相繼時間點tj+1獲取的相繼圖像。
13.根據權利要求4的方法，其中包含在變形數據中的信息包括關於目標相對於參考結構的位置和方向中的變化的信息。
14.根據權利要求1的方法，其中目標包括腫瘤和損傷的至少之一，並且其中參考結構包括骨骼結構。
15.根據權利要求1的方法，其中所需輻射劑量分布指示了在每個所需時間點將釋放到一個或多個目標的輻射的治療學有效劑量。
16.根據權利要求4的方法，其中所述4D數學模型在循環P中任何時間點tj，將參考結構的3D位置與目標的3D位置相關聯。
17.根據權利要求16的方法，其中至少一個參考結構在循環P中基本靜止，並且其中4D數學模型，相對於基本靜止的參考結構描述了目標的3D位置，作為循環P中時間的函數。
18.根據權利要求16的方法，其中至少一個參考結構隨著患者的周期性運動而移動；以及其中4D數學模型描述了目標的3D位置作為下列的複合函數i)循環P的時間；以及ii)移動參考結構的改變位置。
19.根據權利要求4的方法，其中產生輻射劑量分布的動作包括關於在時間點tj獲取的圖像Ij中定義的標稱患者坐標系，定義一個或多個輻射束軌跡；對於每個束，計算如果該束從時間點tj向前都開啟，則導致該束釋放所需的輻射劑量的該束的持續時間；以及計算當解剖區域經歷在數學模型中描述的變形和運動時，從每個束在時間點tj開啟而產生的劑量吸收，作為時間的函數。
20.根據權利要求3的方法，其中動態追蹤解剖區域的周期性運動的動作包括將一個或多個表面標記器附著到解剖區域的至少一部分的表面；以及實時監視表面標記器的運動，以便於測量循環P，從而確定表面標記器的實時位置，並且確定解剖區域的該部分的位置和方向的變化，作為在循環P中的時間中的位置的函數。
21.根據權利要求20的方法，其中所述表面標記器包括LED(發光二極體)。
22.根據權利要求3的方法，其中將參考結構的近實時圖像對準到參考結構的一個或多個手術前3D掃描數據的動作包括a)從手術前3D掃描數據重建多個DRR；b)對於多個圖像解析度水平的每一個，使用DRR和近實時圖像之間的相似性測量，估計多個2D局部運動領域；c)從該多個2D局部運動領域獲得完整運動領域；以及d)從該完整運動領域確定一組非剛性轉換參數，其表示在近實時圖像中所示的參考結構的位置和方向與在DRR中所示的參考結構的位置和方向相比的差別。
23.根據權利要求22的方法，其中確定目標的近實時位置的動作包括構建一個或多個從參考結構的位置的3D領域運動矢量。
24.根據權利要求20的方法，其中計算目標的實時位置的動作包括使用參考結構的近實時圖像和手術前圖像之間的圖像對準的結果，而確定參考結構的位置；使用4D數學模型和由圖像對準的結果確定的參考結構的位置，而尋找目標的相應位置；以及使用在權利要求20中確定的表面標記器的實時位置，而構建標記器-目標關聯模型，其將表面標記器的實時位置與目標的實時位置相關聯。
25.根據權利要求20的方法，其中計算目標的實時位置的動作包括使用參考結構的近實時圖像與手術前圖像之間的圖像對準的結果，而確定參考結構的位置；從參考結構的位置內插，以定位目標；以及使用在權利要求20中實時確定的表面標記器的實時位置，來構建標記器-目標關聯模型，其將表面標記器的實時位置與目標的實時位置相關聯。
26.一種動態追蹤解剖區域中一個或多個目標並且將治療輻射釋放到該目標的方法，同時解剖區域經歷特徵在於運動循環P的周期性運動，該解剖區域包括一個或多個參考結構，該方法包括監視周期性運動以測量循環P；在該移動解剖區域中，實時確定目標相對於參考結構的位置；以及隨著解剖區域經歷周期性運動，實時將輻射治療釋放到目標。
27.根據權利要求26的方法，其中實時確定目標相對於參考結構的位置的動作包括構建描述了解剖區域的非剛性變形的4D數學模型，作為循環P中時間的函數，並且該模型描述了目標相對於參考結構的3D運動，作為循環P中時間的函數；通過將參考結構的近實時圖像與參考結構的手術前圖像對準，在多個時間點ti，i＝1，…，N的每一個確定參考結構的實時位置，並且監視解剖區域的周期性運動以確定每個時間點ti在循環P中的相對位置；以及使用參考結構的近實時位置和每個時間點ti在循環P中的已知位置，計算在每個時間點ti目標的實時位置。
28.一種動態追蹤解剖區域中一個或多個目標並且將治療輻射釋放到目標的方法，同時該解剖區域經歷了特徵在於循環P的周期性運動，該解剖區域包括至少一個參考結構，該方法包括構建4D數學模型作為循環P中時間的函數，所述4D數學模型描述了解剖區域的非剛性變形和目標相對於參考結構的3D運動；使用該數學模型產生所需劑量分布，用於將治療輻射釋放到目標；將參考結構的一幅或多幅近實時圖像與參考結構的一幅或多幅手術前圖像對準，並且動態追蹤解剖區域的周期性運動，以確定所需時間點在循環P中的相對位置，以獲取參考結構的實時位置；使用參考結構的實時位置、該4D模型和對所需時間點在循環P中的相對位置的了解，計算目標的實時位置；以及根據所需劑量分布，將治療輻射釋放到目標的實時位置。
29.一種動態追蹤和將治療輻射釋放到患者的解剖區域中一個或多個目標的方法，同時患者經歷特徵在於循環P的周期性運動，該解剖區域包括至少一個參考結構，該方法包括從目標的手術前掃描數據構建4D數學模型，作為循環P中時間的函數，所述4D數學模型描述了解剖區域的非剛性變形，並且描述了目標相對於參考結構的3D運動；從該數學模型產生輻射劑量分布，用於貫穿循環P將治療輻射釋放到一個或多個目標；執行參考結構的近實時2D圖像與參考結構的手術前3D掃描的非剛性圖像對準；使用附著到解剖區域的至少一部分的一個或多個追蹤設備，確定至少一個時間點在循環P中的相對位置；使用非剛性圖像對準的結果和該4D模型，實時計算目標在至少一個時間點的位置；以及根據所需劑量分布，在循環P中至少一個時間點將治療輻射釋放到目標的實時位置。
30.根據權利要求29的方法，其中追蹤設備包括下列至少一個雷射掃描器；視頻系統；超聲掃描器；以及心電圖。
31.一種用於動態追蹤解剖區域中一個或多個目標以便於將治療輻射釋放到目標的裝置，解剖區域包括一個或多個參考結構並且經歷運動，該裝置包括目標定位器，配置用於在周期性運動的解剖區域中實時確定目標相對於參考結構的位置；
4D治療計劃生成器，配置用以產生用於移動解剖區域的4D治療計劃作為時間的函數，該治療計劃規定了將實時釋放到目標的所需輻射劑量分布，並且考慮了運動期間移動解剖區域的變形。
32.根據權利要求31的裝置，其中所述運動是特徵在於周期性循環P的周期性運動。
33.根據權利要求32的裝置，其中目標定位器包括a)3D掃描器，配置用以在循環P中一連串時間點tj(j＝1，…p)的每一個，產生解剖區域的多幅3D圖像Ij(j＝1，…p)；b)DRR生成器，配置用以在每個時間點tj，通過投射假設射線通過體積3D數據並且沿著每條射線求3D掃描數據的積分，而從3D掃描數據重建DRR；c)x-射線成像系統，配置用以產生移動解剖區域中目標和參考結構的近實時2Dx-射線投影圖像；d)圖像對準子系統，配置用以將參考結構的近實時x-射線投影圖像對準參考結構的DRR，由此確定參考結構的位置；e)一個或多個運動傳感器，配置用以監視解剖區域的周期性運動並且測量循環P，以產生表示一個或多個所需時間點在P中的相對位置的時間位置數據；f)4D模型生成器，配置用以產生4D數學模型作為循環P中時間的函數，所述4D數學模型描述了目標相對於移動解剖區域中參考結構的運動；以及g)目標位置計算機，配置用以通過使用4D模型將目標的位置與參考結構的已知位置相關聯，正如由圖像對準子系統確定的，並且通過使用時間位置數據來確定每個所需時間點在P中的相對位置，而實時計算在一個或多個所需時間點的目標位置。
34.根據權利要求33的裝置，其中4D模型生成器包括變形模型構建器，變形模型構建器配置用以構建數學模型，所述數學模型描述了解剖區域的變形和運動，作為在循環P中時間中位置的函數；其中變形模型構建器配置用以從由3D掃描器產生的多幅圖像Ij中提取包含關於解剖區域的變形和運動的信息的變形數據；以及其中變形模型構建器配置用以使用該變形數據和時間位置數據，對每個時間點tj，將時間點tj在P中的相對位置與在時間點tj的目標的變形和運動數學相關。
35.根據權利要求32的裝置，其中解剖區域的運動包括呼吸，而循環P包括呼吸循環。
36.根據權利要求35的裝置，其中運動傳感器包括呼吸傳感器。
37.根據權利要求32的裝置，其中解剖區域的運動包括心跳，循環P包括心跳循環，而運動傳感器包括心跳監視器。
38.根據權利要求33的裝置，其中在時間點tj獲得的多幅圖像包括下列至少之一3D CT掃描；3D MRI(磁共振成像)掃描；3D PET(正電子發射斷層攝影)掃描；以及3D超聲掃描。
39.根據權利要求32的裝置，還包括治療束生成器，配置用以根據輻射劑量分布將治療輻射實時釋放到目標，同時解剖區域經歷周期性運動。
40.根據權利要求32的裝置，其中傳感器包括下列至少之一表面標記器；雷射掃描器；視頻系統；超聲掃描器；以及心電圖。
41.根據權利要求33的裝置，其中選擇時間點tj(j＝1，…，p)充分包圍解剖區域的周期性運動的完整範圍。
42.根據權利要求41的裝置，其中時間點包括至少對應於循環P的波峰的第一時間點和對應於循環P的波谷的第二時間點。
43.根據權利要求35的裝置，其中從多幅圖像中提取變形數據的動作包括將在P中時間點tj獲取的每幅圖像，對準在P中相繼時間點tj+1獲取的相繼圖像。
44.根據權利要求35的裝置，其中包含在變形數據中的信息包括關於目標相對於參考結構在位置和方向中的改變的信息。
45.根據權利要求32的裝置，其中目標包括腫瘤和損傷中至少一個，並且其中參考結構包括骨骼結構。
46.根據權利要求32的裝置，其中所需輻射劑量分布指示了在每個所需時間點，將釋放到一個或多個目標的輻射的治療學有效劑量。
47.根據權利要求32的裝置，其中3D掃描器包括下列至少之一3D CT掃描器；3D PET掃描器；3D MRI掃描器；以及3D超聲掃描器。
48.一種用於動態追蹤解剖區域中一個或多個目標以便於將治療輻射釋放到目標的裝置，所述解剖區域包括一個或多個參考結構並且經歷特徵在於循環P的周期性運動，從而目標和參考結構之間的相對位置隨著時間周期性地改變，該裝置包括3D掃描數據生成器，配置用以在周期P中一連串時間點Tj的每一個，產生體積3D掃描數據；一個或多個運動傳感器，耦合到掃描數據生成器並且配置用以產生表示每個所需時間點Tj在P中時間中相對位置的輸出信號，從而3D掃描數據生成器可以在P中時間中的預選定位置激活；DRR生成器，配置以在每個時間點Tj，通過投射假設射線通過體積3D掃描數據並且沿著每條射線求掃描數據的積分，而從3D掃描數據重建DRR；4D治療計劃處理器，配置用以為移動解剖區域產生作為P中時間中相對位置的函數的治療計劃，其中目標和參考結構之間的相對位置隨著時間周期性地改變，該治療計劃表示隨著解剖區域經歷周期性運動而將釋放到移動目標的治療輻射的所需劑量分布；其中該4D治療計劃處理器配置用以響應於在每個時間點Tj對DRR的接收，而產生表示如在Tj產生的DRR中所示的解剖區域相比於在Tj-1產生的DRR所示的解剖區域的非剛性變形的參數Pj，並且在數學模型中描述這些參數Pj作為時間點Tj在P中時間中相對位置的函數，x-射線成像系統，配置用以產生移動解剖區域中目標和參考結構的近實時2D x-射線投影圖像；圖像對準處理器，配置用以將近實時x-射線投影圖像對準DRR，從而貫穿解剖區域的周期性運動，參考結構和目標中至少一個的近實時位置可以確定；治療束生成器，配置用以當激活時產生具有足以對目標產生治療效果的強度的一個或多個束x-射線；一個或多個表面標記器，附著到解剖區域的至少一部分外部表面，配置用以感測解剖區域的周期性運動和產生表示一個或多個時間點在周期P中的相對位置時間的輸出信號；控制器，耦合到治療束生成器並響應於4D治療計劃處理器、圖像對準處理器和表面標記器的輸出，其中該控制器配置用以激活治療束生成器，從而根據所需劑量分布將治療輻射的一個或多個束釋放到移動目標，同時該解剖區域經歷周期性運動。
49.根據權利要求1的方法，其中實時確定移動解剖區域中目標相對於參考結構的位置的動作包括構建4D數學模型作為時間的函數，其將目標的3D運動相對於參考結構的3D運動相關聯，並且考慮了運動期間解剖區域的非剛性變形；動態追蹤解剖區域的運動，從而可以實時確定一個或多個時間點在時間間隔中的相對位置；將參考結構的一幅或多幅近實時圖像對準參考結構的一幅或多幅手術前圖像，以獲得參考結構的位置；以及使用參考結構的位置、該4D數學模型以及一個或多個時間點在該時間間隔中的相對位置，而實時計算目標的位置。
50.根據權利要求1的方法，其中移動解剖區域的變形包括非剛性變形和剛性變形中的一種。
51.根據權利要求3的方法，其中動態追蹤解剖區域的周期性運動的動作包括將追蹤設備附著到解剖區域的至少一部分表面；以及實時監視追蹤設備以便於測量循環P，和確定解剖區域的該部分在位置和方向上的改變，作為循環P中時間中位置的函數。
52.根據權利要求51的方法，其中追蹤設備包括下列至少之一雷射掃描器；視頻系統；超聲掃描器；以及心電圖。
全文摘要
對位於經歷運動(其可以是具有循環P的周期性運動)的解剖區域中的諸如腫瘤或損傷的治療目標，進行動態追蹤。從一組CT或其他3D圖像中，為解剖區域的非剛性運動和變形建立4D數學模型。該4D數學模型將解剖區域的部分的3D位置與正追蹤的目標相關聯，作為在P中時間中的位置的函數。使用手術前DRR和手術中x－射線圖像之間的少基準非剛性圖像對準，確定解剖區域的目標和/或其他部分的絕對位置。使用諸如表面標記器的運動傳感器確定循環P。使用下列釋放輻射束1)非剛性圖像對準的結果；2)4D模型；以及3)在P中時間中的位置。
文檔編號A61B5/05GK101076282SQ200580041043
公開日2007年11月21日 申請日期2005年8月22日 優先權日2004年9月30日
發明者E·湯森, J·R·杜利, G·庫杜瓦利, 王晉武, E·伊恩斯特, C·拉恩斯 申請人:安科銳公司