【技术实现步骤摘要】
【国外来华专利技术】用于实时患者运动监测的机器学习方法优先权要求本申请要求于2018年10月25日提交的美国专利申请序列第16/170,807号的优先权的权益,其全部内容通过引用并入本文。
本公开内容的实施方式总体上涉及医学图像和人工智能处理技术。特别地,本公开内容涉及利用机器学习以进行实时患者状态估计。
技术介绍
在放射疗法(radiotherapy)或放射外科(radiosurgery)中,通常基于患者的医学图像来执行治疗计划,并且治疗计划需要医学图像中的靶区和正常关键器官的描绘。当患者正在移动(例如,呼吸)时准确跟踪各种对象(例如,肿瘤、健康组织或者患者剖析结构的其他方面)是一项挑战。当前的技术无法直接地实时测量变化中的患者状态。例如,一些技术使用2D成像例如2DkV投影或2DMRI切片,它们都不能完全跟踪各种对象。其他技术可能依赖于直接或者通过跟踪衣物上或者固定到患者身上的盒子上的标记物来检测表面信息。这些技术假定表面信息与患者内部状态相关,这通常是不准确的。其他技术还可能依赖于植入标记物(例如,磁跟踪标记物)或者使用不透射线标记物的X射线检测。这些技术是侵入性的,并且仅对应于患者体内的有限点。附图说明在不一定按比例绘制的附图中,贯穿若干视图,相同的附图标记描述基本上相似的部件。具有不同字母后缀的相同附图标记表示基本上相似的部件的不同实例。附图通过示例的方式而非通过限制的方式大体上示出了本文献中讨论的各种实施方式。图1示出了适于执行图像患者状态估计处理的示例 ...
【技术保护点】
1.一种用于在放射疗法治疗期间估计实时患者状态的方法,所述方法包括:/n使用处理器识别运动中的患者的初步运动模型;/n利用所述初步运动模型生成扩展的潜在患者测量和对应的潜在患者状态的字典;/n利用机器学习技术使用所述字典来训练将输入的患者测量与输出的患者状态相关联的对应关系运动模型;以及/n使用所述处理器利用所述对应关系运动模型来估计与所述患者的患者测量相对应的患者状态。/n
【技术特征摘要】
【国外来华专利技术】20181025 US 16/170,8071.一种用于在放射疗法治疗期间估计实时患者状态的方法,所述方法包括:
使用处理器识别运动中的患者的初步运动模型;
利用所述初步运动模型生成扩展的潜在患者测量和对应的潜在患者状态的字典;
利用机器学习技术使用所述字典来训练将输入的患者测量与输出的患者状态相关联的对应关系运动模型;以及
使用所述处理器利用所述对应关系运动模型来估计与所述患者的患者测量相对应的患者状态。
2.根据权利要求1所述的方法,其中,对应的患者状态包括3D患者图像。
3.根据权利要求2所述的方法,其中,所述对应的潜在患者状态包括所述3D患者图像的变形。
4.根据权利要求3所述的方法,其中,所述变形包括利用可变形配准算法计算的变形矢量场(DVF)。
5.根据权利要求4所述的方法,其中,所述DVF是应用于所述对应关系运动模型以利用变形生成所述患者状态的3DDVF。
6.根据权利要求3所述的方法,其中,所述变形包括3DDVF的参数化,并且所述初步运动模型包括参考图像。
7.根据权利要求1所述的方法,其中,所述患者测量包括2DMRI切片、MRIk空间数据、1DMRI导航器、2DMRI投影、x射线2D投影数据、PET数据或2D超声切片。
8.根据权利要求1所述的方法,其中,患者数据包括4D图像。
9.根据权利要求8所述的方法,其中,所述4D图像是4DCT、4DCBCT、4DMRI、4DPET或4D超声图像。
10.根据权利要求1所述的方法,其中,所述对应关系运动模型包括作为一个或更多个参数的函数的变形矢量场(DVF),所述一个或更多个参数通过减小在4D图像的两个或更多个相位与参考相位之间计算的初步DVF的维度来确定。
11.根据权利要求1所述的方法,其中,所述扩展的潜在患者测量包括2D投影图像并且通过利用以下中的至少一种生成:从3D图像提取2D切片,通过3D图像进行射线跟踪以生成2D投影图像,利用蒙特卡洛技术来模拟与3D图像的x射线交互作用,利用折叠锥卷积技术,利用叠加和卷积技术,利用生成对抗网络、卷积神经网络或递归神经网络。
12.根据权利要求1所述的方法,其中,利用随机森林回归、线性回归、多项式回归、回归树、核密度估计、支持向量回归算法、卷积神经网络或递归神经网络来生成所述对应关系运动模型。
13.根据权利要求1所述的方法,其中,估计与所述患者测量相对应的患者状态包括:接收所述患者测量作为对所述对应关系运动模型的输入,所述输入包括2D图像的实时流。
14.根据权利要求13所述的方法,其中,所述2D图像的实时流包括立体kV图像或成对的2DMR切片图像。
15.根据权利要求1所述的方法,还包括将所述患者状态输出为显示组织对比度的两个或更多个MR状3D图像。
16.根据权利要求1所述的方法,其中,所述患者状态包括非成像信息。
17.根据权利要求1所述的方法,还包括:基于在所述放射疗法治疗之前获取的4D数据集来生成所述初步运动模型。
18.根据权利要求1至10中任一项所述的方法,还包括:通过对2D输入图像计算2D变形矢量场(DVF)来生成所述扩展的潜在患者测量。
19.根据权利要求1至10中任一项所述的方法,其中,生成所述扩展的潜在患者测量包括执行2D输入图像的主分量分析(PCA)的分析。
20.根据权利要求1至10中任一项所述的方法,其中,生成所述扩展的潜在患者测量包括:将2D输入图像与参考2D图像配准并且利用可变形图像配准技术来计算2DDVF。
21.根据权利要求1至10中任一项所述的方法,其中,生成所述扩展的潜在患者测量包括利用卷积神经网络(CNN)来估计2D输入图像与2D参考图像之间的2D光流以计算2DDVF。
22.一种用于生成实时靶定位数据的方法,所述方法包括:
利用初步运动模型生成扩展的潜在患者测量和对应的潜在患者状态的字典;
利用机器学习技术使用所述字典来训练将输入的患者测量与输出的患者状态相关联的对应关系运动模型;
从图像获取装置接收2D图像的实时流;
使用处理器利用所述对应关系运动模型来估计与所述2D图像的实时流的图像相对应的患者状态;
利用所述患者状态定位患者体内的放射疗法靶;以及
将所述放射疗法靶的位置输出在显示装置上。
23.根据权利要求22所述的方法,其中,所述2D图像的实时流包括立体kV图像或成对的2DMR切片图像。
24.根据权利要求22所述的方法,其中,所述扩展的潜在患者测量包括3D患者图像的变形,并且其中,所述变形包括利用可变形配准算法计算的变形矢量场(DVF)。
25.根据权利要求22所述的方法,其中,所述扩展的潜在...
【专利技术属性】
技术研发人员:马丁·埃米尔·拉歇内,西尔万·贝里奥,
申请(专利权)人:医科达有限公司,
类型:发明
国别省市:美国;US
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。