本發(fā)明涉及放療領(lǐng)域，特別是涉及放療治療計(jì)劃。

發(fā)明背景

在放療中，目的通常是要向靶標(biāo)(例如腫瘤)傳遞足夠高的劑量，同時(shí)盡可能不傷害周圍正常組織。具體而言，重要的是要最小化接近靶標(biāo)的敏感器官的劑量。治療計(jì)劃，例如利用治療計(jì)劃系統(tǒng)(TPS)創(chuàng)建的治療計(jì)劃，限定了為了達(dá)到這些治療目標(biāo)，每期放療如何進(jìn)行。更具體地說，在逆向治療計(jì)劃中，使用最優(yōu)化算法尋找一組治療參數(shù)，所述參數(shù)將在接受治療者(subject)體內(nèi)產(chǎn)生最密切匹配所需劑量的劑量分布。

放療治療計(jì)劃基于醫(yī)學(xué)圖像，例如三維CT圖像。為了充當(dāng)治療計(jì)劃的基礎(chǔ)，這些圖像必須被分割。圖像分割是指在圖像中定義或重建不同的內(nèi)部結(jié)構(gòu)或其他關(guān)注區(qū)域(regions of interest，ROI)的過程。這些可以是例如圖像中可識(shí)別的具體的內(nèi)部器官。分割的ROI在三維圖像中經(jīng)常表現(xiàn)為實(shí)體或半透明的物體，以便治療計(jì)劃系統(tǒng)的使用者看得見，并且還可能可操控。

在放射治療計(jì)劃領(lǐng)域中，關(guān)注區(qū)域可以是例如風(fēng)險(xiǎn)靶體積或器官(OAR)。所述ROI可以利用各種工具，例如在CT層面中畫輪廓的工具，在圖像中人工勾畫和分割?；蛘撸梢允褂米詣?dòng)或半自動(dòng)方法。例如，這樣的方法可以采用包含已經(jīng)分割的結(jié)構(gòu)的結(jié)構(gòu)模型或圖集，將其轉(zhuǎn)移到新的尚末分割的醫(yī)學(xué)圖像中并自動(dòng)調(diào)整以便與患者的幾何形態(tài)相對(duì)應(yīng)。這種自動(dòng)分割的結(jié)構(gòu)然后人工評(píng)價(jià)并認(rèn)可或修改。

精確分割的ROI對(duì)于得到高質(zhì)量治療計(jì)劃是關(guān)鍵的。然而，關(guān)于所勾畫的ROI輪廓與所述區(qū)域真實(shí)位置相對(duì)應(yīng)的程度，將始終有一定程度的不確定性。這種不確定性程度對(duì)于ROI輪廓的不同部分可能是不同的。例如，與ROI邊界在圖像中由于高對(duì)比度而容易與周圍組織區(qū)分的部分相比，在ROI輪廓中位于低對(duì)比度區(qū)域(即周圍組織的密度與ROI密度相似的區(qū)域)的某個(gè)部分的真實(shí)位置可能是更不確定的。

除輪廓不確定性以外，關(guān)于定義關(guān)注區(qū)域的其他不確定性可由腫瘤醫(yī)師鑒定，例如特定區(qū)域是否實(shí)際上包含疾病的不確定性、或關(guān)于區(qū)域中組織的生物學(xué)反應(yīng)的不確定性。

在腫瘤和其他結(jié)構(gòu)的定義中有巨大的觀察者間變異性，使得由一個(gè)腫瘤醫(yī)師定義的區(qū)域的體積和其他性質(zhì)可以明顯不同于另一個(gè)腫瘤醫(yī)師所定義的那些。這些差異不一定是由于腫瘤醫(yī)師的能力或經(jīng)驗(yàn)水平不同，而經(jīng)常是其他因素例如圖像質(zhì)量不足的結(jié)果(即由于圖像質(zhì)量低不可能精準(zhǔn)定義ROI)。

關(guān)于器官位置和移動(dòng)、患者擺位誤差等的不確定性傳統(tǒng)上通過運(yùn)用ROI裕度來處理。結(jié)果，治療計(jì)劃以擴(kuò)大的體積為基準(zhǔn)，確保了靶標(biāo)的足夠劑量覆蓋度和/或充分不傷害風(fēng)險(xiǎn)器官。然而，這是一種近似法，可能導(dǎo)致治療計(jì)劃中高于必要的劑量被傳遞到健康組織。基于概率法的更先進(jìn)方法也建議了在優(yōu)化放療治療計(jì)劃期間將關(guān)于患者擺位和器官移動(dòng)的不確定性納入考慮。這樣的方法通常包括考慮許多概率或高或低的情況，例如通過不同的靶體積變化限定的情況。

然而，在治療計(jì)劃期間，仍有關(guān)于不確定性的很多參數(shù)沒有以適當(dāng)?shù)姆绞郊右钥紤]。

本發(fā)明的目的是克服或至少緩和上述缺點(diǎn)，特別是提供將能夠產(chǎn)生更優(yōu)治療計(jì)劃的治療計(jì)劃系統(tǒng)。

技術(shù)實(shí)現(xiàn)要素：

根據(jù)本發(fā)明的一個(gè)方面，提供了根據(jù)接受治療者的內(nèi)部圖像產(chǎn)生所述接受治療者的放射治療計(jì)劃的方法。優(yōu)選地，所述方法包括檢索所述圖像中與關(guān)注區(qū)域相關(guān)的至少一個(gè)不確定性度量，其中所述至少一個(gè)不確定性度量反映了關(guān)于定義所述關(guān)注區(qū)域的不確定性程度，和至少部分地根據(jù)所述至少一個(gè)不確定性度量產(chǎn)生所述放射治療計(jì)劃。

根據(jù)本發(fā)明的另一個(gè)方面，提供了計(jì)算機(jī)程序產(chǎn)品。優(yōu)選地，所述計(jì)算機(jī)程序產(chǎn)品包含計(jì)算機(jī)可讀指令，當(dāng)在計(jì)算機(jī)上執(zhí)行所述指令時(shí)，將引起所述計(jì)算機(jī)執(zhí)行所述產(chǎn)生放射治療計(jì)劃的方法。

根據(jù)本發(fā)明的又一個(gè)方面，提供了計(jì)算機(jī)系統(tǒng)。優(yōu)選地，所述計(jì)算機(jī)系統(tǒng)包含與存儲(chǔ)了計(jì)算機(jī)程序的至少一個(gè)存儲(chǔ)器連接的處理器，所述計(jì)算機(jī)程序包含用于產(chǎn)生所述放射治療計(jì)劃的計(jì)算機(jī)可讀指令，其中所述處理器被構(gòu)造成執(zhí)行所述計(jì)算機(jī)可讀指令。

于是，本發(fā)明通過將關(guān)于ROI定義的不確定性的信息納入所述治療計(jì)劃過程中，實(shí)現(xiàn)了上文限定的目的。這將使所述治療計(jì)劃系統(tǒng)能夠確定更優(yōu)的治療計(jì)劃，因?yàn)樗斜匾臋?quán)衡都可以考慮到相關(guān)的ROI定義不確定性來評(píng)定。

根據(jù)一些實(shí)施方式，所述不確定性度量是指關(guān)注區(qū)域的輪廓或部分輪廓的位置的不確定性。于是，關(guān)于ROI勾畫的不確定性，其經(jīng)常可以是顯著的，被納入優(yōu)化治療計(jì)劃的過程中。所述不確定性度量可以由關(guān)注區(qū)域中與普通輪廓寬度相比具有更大寬度的輪廓或部分輪廓來定義。由此，所述不確定性度量可以使用合適的工具容易地定義和/或在所述圖像中清晰顯現(xiàn)。

根據(jù)一些實(shí)施方式，所述不確定性度量是指關(guān)于所述關(guān)注區(qū)域內(nèi)組織的性質(zhì)的不確定性。于是，對(duì)放射治療具有重要性的關(guān)于所述組織性質(zhì)的不確定性被納入優(yōu)化治療計(jì)劃的過程。這樣的性質(zhì)可能例如與該區(qū)域內(nèi)組織的類型有關(guān)。根據(jù)一些實(shí)施方式，所述組織的性質(zhì)與腫瘤性細(xì)胞的存在與否有關(guān)。因此，可以利用在某個(gè)區(qū)域中存在疾病的概率(即風(fēng)險(xiǎn))來確定更優(yōu)的治療計(jì)劃。根據(jù)一些實(shí)施方式，所述組織的性質(zhì)與生物學(xué)反應(yīng)有關(guān)。因此，可以評(píng)估(或以某種其他方式鑒定)生物學(xué)反應(yīng)的不確定性，即由于存在腫瘤性細(xì)胞、或由于來自治療的放射而出現(xiàn)某些不良的患者效應(yīng)(或缺乏所述效應(yīng))的概率，并運(yùn)用在所述治療計(jì)劃過程中。

根據(jù)一些實(shí)施方式，產(chǎn)生放射治療計(jì)劃的步驟包括確定是否治療關(guān)注區(qū)域或一部分關(guān)注區(qū)域。于是，可以確定完全不治療某些靶區(qū)域或部分靶區(qū)域的治療計(jì)劃。這可以是使用各種區(qū)域特異性不確定性(例如與疾病和/或預(yù)期生物學(xué)反應(yīng)的存在有關(guān))作為治療計(jì)劃系統(tǒng)的輸入數(shù)據(jù)、并在其中確定有些特定的不能接受的放射誘導(dǎo)不良效應(yīng)的風(fēng)險(xiǎn)超過與不治療特定的靶區(qū)域或部分靶區(qū)域牽涉的風(fēng)險(xiǎn)的結(jié)果。

根據(jù)一些實(shí)施方式，所述不確定性度量是基于下列的一種或多種：專家意見，圖像數(shù)據(jù)，測(cè)量數(shù)據(jù)，統(tǒng)計(jì)數(shù)據(jù)和模擬。于是，不確定性不一定必須由專家評(píng)估和建議，而是可以用其他方式確定。然而，以自動(dòng)方式確定的不確定性度量將通常在用于治療計(jì)劃過程之前由專家評(píng)價(jià)和認(rèn)可。

根據(jù)一些實(shí)施方式，放射治療計(jì)劃至少部分地根據(jù)下述產(chǎn)生：與第一關(guān)注區(qū)域相關(guān)的不確定性度量、關(guān)于所述第一關(guān)注區(qū)域定義的第一治療目標(biāo)或約束和至少部分與所述第一治療目標(biāo)或約束沖突的第二治療目標(biāo)或約束。因此，治療計(jì)劃是基于沖突性治療目標(biāo)之間的折衷，其中關(guān)于與至少一個(gè)所述治療目標(biāo)有關(guān)而定義的區(qū)域的特定不確定性被納入考慮。于是，鑒于區(qū)域定義不確定性和鑒于沖突性治療目標(biāo)二者來評(píng)定權(quán)衡。

根據(jù)一些實(shí)施方式，產(chǎn)生放射治療計(jì)劃包括最大化滿足對(duì)關(guān)注區(qū)域定義的一個(gè)或多個(gè)臨床目標(biāo)的概率的步驟，其中所述概率至少部分依賴于不確定性度量。放射治療的臨床目標(biāo)通常由臨床醫(yī)生、例如腫瘤醫(yī)師確定。通過采用旨在最大化滿足這些目標(biāo)的概率的治療計(jì)劃過程，任何定義的不確定性度量被有效納入所述過程中，產(chǎn)生概率盡可能高以滿足腫瘤醫(yī)師指示的所有目標(biāo)的治療計(jì)劃。替代或附加地，可以對(duì)滿足與一個(gè)或多個(gè)ROI相關(guān)的一些臨床目標(biāo)的概率施加約束。因而，在治療計(jì)劃過程中，改為可優(yōu)化易受這些約束影響的其他治療目標(biāo)。例如，如果使用的約束定義了滿足特定目標(biāo)的某種最低可接受概率(其中所述概率依賴于所定義的ROI定義不確定性)，所述治療計(jì)劃系統(tǒng)可以確定相對(duì)于其他治療目標(biāo)的最佳可能的治療計(jì)劃，然而仍然滿足預(yù)先定義的對(duì)所述最低可接受概率的約束。

通過考慮詳細(xì)說明和附圖，本發(fā)明的其他方面將變得顯而易見。這些只是為了說明優(yōu)選實(shí)施方式，不應(yīng)被解釋為限制本發(fā)明。

附圖說明

圖1是本發(fā)明方法的流程圖。

圖2是靶區(qū)域的示意圖，對(duì)部分靶輪廓定義了不確定性度量。

圖3是三個(gè)分開的靶區(qū)域和風(fēng)險(xiǎn)器官區(qū)域的示意圖，所述區(qū)域具有定義的不確定性度量，所述度量指示了定義每個(gè)區(qū)域的不確定性。

圖4A示意性地圖示了具有不確定性度量的靶區(qū)域，被定義為具有連續(xù)變動(dòng)的疾病存在概率的區(qū)域。

圖4B示意性地圖示了基于所定義的不確定性在治療計(jì)劃期間所確定的待治療區(qū)域。

圖5示意性地圖示了對(duì)轉(zhuǎn)移到相應(yīng)的PTV的CTV所定義的不確定性度量。

圖6是根據(jù)本發(fā)明的示例實(shí)施方式的計(jì)算機(jī)系統(tǒng)示意圖。

具體實(shí)施方式

在圖2-5中，顯示了診斷患者圖像的二維橫截面(即表現(xiàn)CT掃描的單個(gè)層面)。這僅僅為了說明性目的和便于理解本發(fā)明，要強(qiáng)調(diào)所述診斷圖像通常包括定義接受治療者的三維表示的很多層面。因此，圖中顯示的關(guān)注區(qū)域可以被認(rèn)為是在患者的3D圖像中定義的體積的橫剖面視圖。為了計(jì)算劑量，患者的3D表示可以離散化為許多三維像素。

圖1是顯示本發(fā)明的方法的不同步驟的流程圖。

在步驟11中，檢索接受治療者的內(nèi)部圖像(即顯示身體的內(nèi)部形態(tài)的圖像)。這可以是來自計(jì)算機(jī)斷層(CT)掃描的三維圖像，而且其他成像模式或模式的組合也是可能的，例如，核磁共振成像(MRI)。

在步驟12中，檢索關(guān)于與所述圖像中關(guān)注區(qū)域的定義有關(guān)的某個(gè)方面的至少一個(gè)不確定性度量。例如，所述不確定性度量可以與疾病的存在、生物學(xué)反應(yīng)或ROI輪廓的位置有關(guān)。例如，不確定性度量可以定義可能的輪廓位置的范圍。不確定性度量可以是預(yù)先定義的，例如由腫瘤醫(yī)師在例如勾畫過程期間人工定義的，和/或作為在反復(fù)治療計(jì)劃過程期間的反饋輸入的。

在步驟13中，所述治療計(jì)劃是將一種或多種所述不確定性度量納入考慮產(chǎn)生的。所述治療計(jì)劃使用治療計(jì)劃系統(tǒng)產(chǎn)生，所述治療計(jì)劃系統(tǒng)除所述不確定性度量之外，還采用許多其他參數(shù)來優(yōu)化治療計(jì)劃，例如如下面論述的基于劑量或基于生物學(xué)的治療目標(biāo)或約束。

治療計(jì)劃可以被優(yōu)化以供用于使用任何種類的方式包括光子、質(zhì)子或電子的任何種類的放射治療設(shè)備。所述治療計(jì)劃可以是調(diào)強(qiáng)放射治療(IMRT)計(jì)劃或任何其他放射治療計(jì)劃，例如三維適形放射治療(3DCRT)計(jì)劃或容積弧形調(diào)強(qiáng)治療(VMAT)計(jì)劃。

在逆向治療計(jì)劃中通常的方法是最小化(或最大化)由經(jīng)常受某些計(jì)劃約束影響的所有優(yōu)化函數(shù)組成的目的函數(shù)。所述目標(biāo)函數(shù)可以是所有優(yōu)化函數(shù)f_i的加權(quán)總和，即，

$f=\underset{i}{\Σ}{w}_i{f}_i---\left(1\right)$

其中所述優(yōu)化函數(shù)的權(quán)重w_i對(duì)應(yīng)于比率，一個(gè)優(yōu)化函數(shù)值以該比率減少折衷了第二個(gè)優(yōu)化函數(shù)值增加，后者與另一個(gè)可能沖突的治療目標(biāo)相關(guān)。有可能使用三維像素比權(quán)重反映ROI中不同三維像素的相對(duì)劑量目標(biāo)重要性。

與包含j個(gè)三維像素的ROI相關(guān)的優(yōu)化函數(shù)f_i的簡單例子是：

$f=\underset{j}{\Σ}\mathrm{\Δ}vj{\left(\frac{d_j-d_{ref}}{d_{ref}}\right)}^2---\left(2\right)$

其中d_j是三維像素j中的劑量，d_ref是參考劑量，和Δv_j是三維像素j在所述ROI中的相對(duì)體積。劑量d_j是通過優(yōu)化確定的治療參數(shù)的函數(shù)。通過乘以所述相對(duì)體積Δv_j和除以所述參考劑量d_ref的平方進(jìn)行的歸一化具有下述效果：忽視目標(biāo)權(quán)重，將所有ROI不管體積和參考劑量水平如何，都認(rèn)為是同樣重要的。利用如(2)中定義的優(yōu)化函數(shù)，相對(duì)于所述參考劑量來說劑量不足和劑量過度二者都同樣被罰。這只是一個(gè)例子，并可以使用很多其他優(yōu)化函數(shù)代替或附加于該函數(shù)。這種的例子是最小或最大劑量優(yōu)化函數(shù)、基于優(yōu)化函數(shù)的最小或最大劑量-體積直方圖(DVH)、或基于放射生物學(xué)的優(yōu)化函數(shù)。

當(dāng)優(yōu)化目標(biāo)函數(shù)以達(dá)到治療計(jì)劃時(shí)，可以采用各種不同的優(yōu)化技術(shù)。例如，可以使用基于梯度的方法，例如基于順序二次規(guī)劃算法，或啟發(fā)式方法，例如模擬退火的方法。所述優(yōu)化可以是基于積分通量的，其需要隨后轉(zhuǎn)化成機(jī)器參數(shù)，或基于直接優(yōu)化機(jī)器參數(shù)的直接機(jī)器參數(shù)優(yōu)化(DMPO)，或兩者相結(jié)合。利用優(yōu)化的常規(guī)逆向治療計(jì)劃是本領(lǐng)域公知的并因此將不在本文中進(jìn)一步詳細(xì)描述。

所述不確定性度量納入治療計(jì)劃過程可以用各種不同的方式進(jìn)行，這將主要參考圖3和4在下文論述。通過使用圖1中說明的本發(fā)明方法，優(yōu)化的治療計(jì)劃將依賴于與不同區(qū)域相關(guān)的不確定性度量和覆蓋(或不傷害)這些區(qū)域的成本(即必要的權(quán)衡的程度)二者。

圖2圖示了具有靶輪廓21的靶體積T的2D圖像。不確定性度量已經(jīng)分配給靶輪廓21的特定部分，在這種情況下產(chǎn)生加寬的“近似”輪廓22，其具有內(nèi)邊界23和外邊界24。這種近似輪廓表明所述靶邊界的真實(shí)位置是不確定的但是(至少具有高概率)在被近似輪廓22覆蓋的區(qū)域內(nèi)的某處。因此，所述近似輪廓反映了靶定義的不確定性。所述近似輪廓22的特征，例如寬度，可以是使用者定義的，例如由腫瘤醫(yī)師在勾畫程序期間，或以其他方式定義，例如基于圖像信息自動(dòng)定義，如下文進(jìn)一步描述。

近似輪廓22的內(nèi)邊界23當(dāng)與靶輪廓的剩余部分21相結(jié)合時(shí)定義了可能的最小靶區(qū)域。相應(yīng)地，近似輪廓22的外邊界24當(dāng)與所述靶輪廓的剩余部分21相結(jié)合時(shí)定義了可能的最大靶區(qū)域。如果能實(shí)現(xiàn)，劑量應(yīng)該傳遞到所述較大的靶區(qū)域，因?yàn)橛锌赡芗膊〈嬖谟谡麄€(gè)區(qū)域中。然而，如果不用不可接受的方式向風(fēng)險(xiǎn)器官增加劑量就不可能覆蓋所述較大的靶區(qū)域的話，所述靶區(qū)域的覆蓋度可能不得不折衷。于是，由近似輪廓22定義的區(qū)域指出了靶覆蓋度中應(yīng)該主要做出必要犧牲的地方。例如，如果有可能只覆蓋由所述近似輪廓定義的區(qū)域的內(nèi)半部，依賴于所述靶的真實(shí)輪廓的位置，仍然有機(jī)會(huì)(雖然降低)將治愈全部疾病。

因此，通過使用關(guān)于不確定性的信息，即所述近似輪廓的擴(kuò)展，作為優(yōu)化的輸入數(shù)據(jù)，可以在以前尚不可用于治療計(jì)劃系統(tǒng)的附加信息的基礎(chǔ)上，確定治療計(jì)劃。

圖3圖示了接受治療者的2D圖像表示，所述圖像包含靶區(qū)域T1、T2、T3和風(fēng)險(xiǎn)器官O。在這個(gè)例子中的靶區(qū)域T1表示臨床靶體積(CTV)，其中所述輪廓的一部分的精確位置是不確定的。所述不確定性程度以與對(duì)圖2中圖示的靶同樣的方式確定，即使用具有內(nèi)輪廓邊界33和外輪廓邊界34的寬近似輪廓32，所述真實(shí)的靶邊界位于其中某處。確定關(guān)于CTV輪廓某個(gè)部分的位置的不確定性程度的不確定性度量可以被想象關(guān)于在接近所述CTV邊界的區(qū)域中疾病存在的不確定性，即特定的區(qū)域或三維像素包含疾病的概率。如果將由靶T1的內(nèi)輪廓邊界33定義的最小可能CTV視為腫瘤細(xì)胞存在概率很高(即接近100％)的區(qū)域R₁，并將靶T1的外輪廓邊界34外面的區(qū)域視為腫瘤細(xì)胞存在概率很低(即接近0％)的區(qū)域，那么在所述近似輪廓區(qū)域32內(nèi)部，所述腫瘤存在概率可以被認(rèn)為在0和1之間變化。因此，根據(jù)相對(duì)于所述近似輪廓邊界的三維像素位置，所述近似輪廓區(qū)域32中每個(gè)三維像素可以給出特定的疾病存在概率。所述近似輪廓區(qū)域可以劃分成預(yù)定量的區(qū)域，其中每個(gè)區(qū)域根據(jù)與所述近似輪廓的內(nèi)和外邊界33、34的距離賦值特定的疾病存在概率。根據(jù)圖3中圖示的實(shí)施方式，所述靶T1的近似輪廓區(qū)域被分成兩個(gè)區(qū)域R₂、R₃，其中內(nèi)R₂和外R₃區(qū)域分別被賦值60％和20％的疾病存在概率。通過將所述近似輪廓模擬為具有不同疾病存在概率的離散區(qū)域，所述不確定性信息可以容易地納入治療計(jì)劃優(yōu)化中，如下文將進(jìn)一步描述的。

與關(guān)注區(qū)域的定義有關(guān)的不確定性度量可以，例如基于關(guān)于所述區(qū)域內(nèi)組織的性質(zhì)的不確定性，例如關(guān)于組織類型和/或關(guān)于生物學(xué)反應(yīng)的不確定性，直接分配給區(qū)域。例如，疾病(例如腫瘤性細(xì)胞)存在的概率可以分配給特定的區(qū)域，例如疑似轉(zhuǎn)移的區(qū)域(即可能有疾病但沒有證實(shí)的區(qū)域)。替代或附加地，基于預(yù)期的生物學(xué)反應(yīng)中的不確定性的概率可以分配給區(qū)域。例如，這種概率，當(dāng)針對(duì)包含疾病的靶區(qū)域進(jìn)行確定時(shí)，可以是由于所述疾病發(fā)生的某種特定的不良患者效應(yīng)的評(píng)估風(fēng)險(xiǎn)，例如如果不治療的話患者不存活的風(fēng)險(xiǎn)。相應(yīng)地，當(dāng)針對(duì)風(fēng)險(xiǎn)器官進(jìn)行確定時(shí)，關(guān)于生物學(xué)反應(yīng)的不確定性可以與由于接受了規(guī)定量的放射劑量而發(fā)生某種特定的不良效應(yīng)的評(píng)估風(fēng)險(xiǎn)有關(guān)。

關(guān)于組織性質(zhì)的不確定性度量可以基于專家意見，例如由腫瘤醫(yī)師評(píng)估，或基于測(cè)量數(shù)據(jù)，例如基于活檢或PET掃描，或基于計(jì)算機(jī)模擬和/或來自其他患者的統(tǒng)計(jì)數(shù)據(jù)，等等。

在圖3中，特定的腫瘤存在概率已經(jīng)分配給靶區(qū)域T2和T3，其在這種情況下表示其中可能存在轉(zhuǎn)移的區(qū)域。根據(jù)這個(gè)例子，并且如該圖中的指示，靶區(qū)域T2具有10％的疾病存在概率，而靶區(qū)域T3具有30％的疾病存在概率，所述概率例如由腫瘤醫(yī)師評(píng)估。在所述圖中指示的概率因此表示在所述相應(yīng)的區(qū)域內(nèi)至少一個(gè)三維像素包含疾病的概率。在另一種示例性實(shí)施方式中，假定證實(shí)了在區(qū)域T2和T3中存在疾病，則對(duì)T2和T3區(qū)域的不確定性度量可以基于預(yù)期的生物學(xué)反應(yīng)。因此，根據(jù)這樣一種實(shí)施方式，對(duì)區(qū)域T2和T3定義的概率可以是某種不想要的患者效應(yīng)的概率，所述效應(yīng)例如，如果所述區(qū)域不治療的話，患者不存活。因此，例如，對(duì)區(qū)域T2定義的不確定性度量將相當(dāng)于即使區(qū)域T2不治療的話，所述患者存活概率為90％。

在與圖3有關(guān)的以下例子中，對(duì)區(qū)域T2和T3定義的概率被描述為疾病存在的概率，但是要理解這些種類的概率同樣可以反映關(guān)于如上所述的生物學(xué)反應(yīng)的不確定性(即沒有特別考慮腫瘤性細(xì)胞的存在與否)。

風(fēng)險(xiǎn)器官O的輪廓也具有實(shí)際位置不確定的一部分，由比較寬的近似輪廓段35定義。與考慮不確定的靶區(qū)域T1中腫瘤存在概率類似，所述風(fēng)險(xiǎn)器官O的近似輪廓35反映了實(shí)際上包含所述風(fēng)險(xiǎn)器官特定的組織細(xì)胞的三維像素的概率。因此，在風(fēng)險(xiǎn)器官O的近似輪廓區(qū)域35內(nèi)的三維像素被分配了實(shí)際上包含OAR組織的三維像素的概率。在圖3中圖示的簡化例子中，所述不確定性利用單個(gè)恒定概率(40％)模擬，導(dǎo)致一個(gè)區(qū)域R₄中具有100％概率而另一個(gè)區(qū)域R₅具有40％概率。

所述不確定性度量，在這個(gè)例子中以疾病存在或OAR組織存在的概率的形式，用作治療計(jì)劃系統(tǒng)的輸入數(shù)據(jù)。納入?yún)^(qū)域特定的概率的一個(gè)顯然的方法將是定義用于所述優(yōu)化算法中的一組相應(yīng)區(qū)域或三維像素特定的重要性權(quán)重，使得區(qū)域中更“確定”的三維像素在所述優(yōu)化中給出更高的權(quán)重。然而，這種方法通常將是不合適的。例如，考慮到靶區(qū)域，在這樣一個(gè)目標(biāo)函數(shù)的基礎(chǔ)上優(yōu)化的治療計(jì)劃仍將把劑量傳遞到所述不確定區(qū)域的所有部分，雖然劑量水平降低。這通常將不是滿意的結(jié)果，因?yàn)闉榱藢?shí)現(xiàn)腫瘤控制，包含疾病的所有部分必須接受一定量的劑量。也就是說，靶中可能滿足所述臨床目標(biāo)的所有部分應(yīng)該被處方劑量覆蓋。因此，對(duì)于存在關(guān)于疾病存在的不確定性并且在不違反其他重要治療目的下不可能滿足所述臨床目標(biāo)的靶的部分，寧愿完全不傳遞劑量。因此，下面論述納入所述不確定性信息的其他通常更有利的方法。

作為簡單例子，可以確定許多不同治療計(jì)劃，其中在不同的情況中考慮包括不同的特定不確定性度量的不同區(qū)域組合。例如，可以基于與所述靶內(nèi)覆蓋區(qū)域相關(guān)的不確定性度量、和在所述各個(gè)區(qū)域中靶目標(biāo)的實(shí)現(xiàn)(例如與最小處方劑量有關(guān))、考慮到各種其他沖突性的優(yōu)化目標(biāo)或約束的實(shí)現(xiàn)，例如與不傷害風(fēng)險(xiǎn)器官有關(guān)，來評(píng)價(jià)不同的候選治療計(jì)劃。因此，例如，產(chǎn)生達(dá)到腫瘤控制的最高概率(如基于所述不確定性度量所確定的)同時(shí)也不超過對(duì)風(fēng)險(xiǎn)器官的特定劑量耐受水平的計(jì)劃，是自動(dòng)選擇的。

下面，參考圖3和4，更詳細(xì)地描述在所述治療計(jì)劃過程中如何納入ROI定義不確定性的三個(gè)實(shí)施例。

例子1–離散區(qū)域：

考慮具有包含疾病的概率p₁,...，p_n的區(qū)域R₁,...，R_n的ROI。對(duì)i>1，每個(gè)區(qū)域R_i，在j<i的區(qū)域R_j滿足臨床目標(biāo)之前區(qū)域R_i中沒有滿足臨床目標(biāo)的效益的意義上，依賴于所有j<i的區(qū)域R_j。

對(duì)于圖3中的靶T1，這些區(qū)域是R₁、R₂和R₃，其中R₁是有100％包含疾病概率的區(qū)域，R₂是有60％包含疾病概率的區(qū)域，和R₃是有20％包含疾病概率的區(qū)域。因此，p₁＝1，p₂＝0.6，和p₃＝0.2。所述區(qū)域之間的依賴性意味著考慮到靶T1的臨床目標(biāo)，應(yīng)該首先朝著滿足區(qū)域R₁中的目標(biāo)努力，然后是區(qū)域R₁∪R₂，和然后是R₁∪R₂∪R₃。這意味著如果目標(biāo)是向靶T1傳遞50Gy的劑量，則除非區(qū)域R₁∪R₂接受了50Gy，否則向區(qū)域R₃傳遞50Gy沒有效益，并且除非區(qū)域R₁接受了50Gy，否則向區(qū)域R₂傳遞50Gy沒有效益。如對(duì)技術(shù)人員將是顯而易見的，在另一種實(shí)施方式中，將有可能把不同的區(qū)域視為相互獨(dú)立的。

在具有依賴性區(qū)域R₁,...，R_n的給定ROI中滿足臨床目標(biāo)(例如給靶區(qū)域的最小劑量)的概率可以根據(jù)下面所述計(jì)算：

依次考慮區(qū)域R₁,R₁∪R₂,R₁∪R₂∪R₃,…,。如果這些全部滿足臨床目標(biāo)，那么滿足臨床目標(biāo)的概率是1。否則，讓J表示這些中沒有滿足臨床目標(biāo)的第一個(gè)的指數(shù)，即區(qū)域中沒有滿足臨床目標(biāo)。在這個(gè)區(qū)域中有疾病的概率是它的構(gòu)成部分的最小概率，即min{p₁,...,p_j}＝p_j，其中所述等式是由于所述區(qū)域以概率的降序排序。因此，將沒有滿足臨床目標(biāo)的概率是p_j。

因此，作為參考圖3的實(shí)施例，假定在靶T1的區(qū)域R₁中滿足了臨床目標(biāo)，但在區(qū)域R₁∪R₂中沒有滿足(因此在區(qū)域R₁∪R₂∪R₃中也沒有)。那么R₁∪R₂是沒有滿足臨床目標(biāo)的第一個(gè)區(qū)域，其意味著對(duì)于靶T1有p₂＝0.6的沒有滿足臨床目標(biāo)的概率。此外，如圖3中示出的所有靶T1、T2和T3全部是相互獨(dú)立的。例如，假定靶T2沒有滿足臨床目標(biāo)，但靶T3滿足了臨床目標(biāo)。那么沒有滿足靶T2的臨床目標(biāo)的概率有0.1(因?yàn)樵诎蠺2中有疾病的概率有10％)而靶T3沒有滿足臨床目標(biāo)的概率為0。那么治愈所有腫瘤的總概率是：(1–0.6)×(1–0.1)×(1–0)＝0.36。

類似地，可以計(jì)算各個(gè)OAR、例如圖3中的區(qū)域O滿足所述目標(biāo)的概率。

所述優(yōu)化然后應(yīng)該找到就這些概率而言表現(xiàn)最佳的計(jì)劃。例如可以爭(zhēng)取最大化所有概率的乘積(即滿足所有臨床目標(biāo)的概率)?；蛘?，可以對(duì)一種或多種所述概率施加約束而優(yōu)化一些其他目標(biāo)(例如，與最大劑量、監(jiān)視器單元(MU)的數(shù)量等有關(guān)的治療目標(biāo))。

使用如上所述的優(yōu)化，所述權(quán)衡將依賴于各個(gè)區(qū)域的不確定性度量，以及達(dá)到所述不同區(qū)域的劑量覆蓋度/不傷害的成本。例如，參考圖3，假定有可能在靶區(qū)域T1的區(qū)域R₁以及靶區(qū)域T3中滿足臨床目標(biāo)(如上文所例示的，導(dǎo)致滿足所述靶臨床目標(biāo)的概率為0.36)，同時(shí)對(duì)于OAR O的兩個(gè)區(qū)域R₄和R₅都滿足臨床目標(biāo)(即導(dǎo)致滿足所述OAR臨床目標(biāo)的概率為1)。這將導(dǎo)致滿足所有臨床目標(biāo)的概率為0.36×1＝0.36?，F(xiàn)在，假定滿足了區(qū)域R₄而不是區(qū)域R₅中的OAR臨床目標(biāo)(導(dǎo)致滿足所述OAR臨床目標(biāo)的概率為1–0.4＝0.6)，有可能不僅在區(qū)域R₁和靶T3中而且在區(qū)域R₂中滿足所述靶臨床目標(biāo)(導(dǎo)致滿足所述靶臨床目標(biāo)的概率為(1–0.2)×(1–0.1)×(1–0)＝0.72)。這將導(dǎo)致滿足所有臨床目標(biāo)的概率為0.72×0.6＝0.432。

因此，使用將劑量開給區(qū)域R₁、R₂和T3而不是區(qū)域R₃和T2的治療計(jì)劃，滿足所有臨床目標(biāo)的概率被最大化，表明計(jì)劃將劑量給靶區(qū)域R₃和T2不是有益的，因?yàn)檫@在不傷害風(fēng)險(xiǎn)器官O方面是過于昂貴的。

通過考慮所有可利用的不確定性信息，治療計(jì)劃系統(tǒng)將在具體情況下鑒別最有益的權(quán)衡，產(chǎn)生更好的治療計(jì)劃，例如得到達(dá)到總體腫瘤覆蓋度但沒有正常組織并發(fā)癥的最高可能概率。

例子2–連續(xù)和不分層的區(qū)域：

考慮靶區(qū)域R內(nèi)每個(gè)點(diǎn)具有在(0，1]區(qū)間內(nèi)的包含疾病的定義概率。優(yōu)化的目的是最大化治愈所述疾病的概率。

可按三維像素分開的目標(biāo)(例如，給每個(gè)三維像素的劑量應(yīng)該超過60Gy的目標(biāo))，在有病的所有三維像素中滿足所述目標(biāo)(向有病的所有三維像素傳遞超過60Gy的劑量)的概率可以按下式計(jì)算

$\underset{i\&Element;I}{\&Pi;}(1-p_j)---\left(3\right)$

其中I是屬于沒有滿足所述目標(biāo)的區(qū)域R中的所有三維像素集(R中的三維像素具有低于60Gy的劑量)和p_i是三維像素i包含疾病的概率。如果集I為空，則概率是1。

所述優(yōu)化的目標(biāo)是傳遞將這種概率最大化的劑量，其與以使得組I中三維像素包含疾病的概率盡可能低這種方式傳遞劑量相同。

治療連貫的靶體積可能是理想的。這可以通過對(duì)要治療的體積的形狀引入約束使得所述治療的靶體積始終是連貫的體積。

圖4A圖示了靶體積的2D圖像表示，所述靶體積包含已知存在疾病的內(nèi)區(qū)域41和外“不確定的”區(qū)域42，反映了靶定義不確定性。因此，與上述實(shí)施例類似，區(qū)域42可以對(duì)應(yīng)于近似輪廓，例如由專家定義的。內(nèi)區(qū)域41內(nèi)部的三維像素被認(rèn)為包含疾病的概率為100％，同時(shí)區(qū)域41和42外部的三維像素被認(rèn)為包含疾病的概率為0％。因此，在外區(qū)域42之內(nèi)的每個(gè)三維像素包含疾病的概率從0至1。三維像素的所述概率可以依賴于在外區(qū)域42內(nèi)的三維像素的位置。例如，沿著法線43到內(nèi)區(qū)域41的表面，所述概率可以從在外區(qū)域42的內(nèi)邊界處的三維像素的1線性或指數(shù)性降低到在外區(qū)域42的外邊界處的三維像素的0。顯然，在外區(qū)域42內(nèi)的概率變化可以用很多其他方式定義，例如根據(jù)專家做出的評(píng)價(jià)。例如，可以定義不同地連續(xù)概率變化的多個(gè)區(qū)域。

在如上所述的方法中使用方程(3)，所述治療靶體積被最大化。圖4B圖示了使用這種方法得到的示例性靶體積44。如圖所示，所述治療體積可以具有一定程度的不規(guī)則性。然而，出于與上文根據(jù)實(shí)施例1所討論的類似的原因，對(duì)所述靶體積的形狀施加約束可能是有利的，因?yàn)槿绻咏霭兄行牡泥徑鼌^(qū)域沒有被治療的話，通常對(duì)治療遠(yuǎn)距離區(qū)域?qū)]有效用。

例子3–不可分目標(biāo)：

如前所述，考慮一個(gè)區(qū)域R，在其之內(nèi)每個(gè)三維像素具有在(0，1]區(qū)間內(nèi)的包含疾病的規(guī)定概率(如果所述區(qū)域與靶相關(guān))，或者，如果所述區(qū)域與OAR相關(guān)，則具有所述區(qū)域特異性的某種其他組織類型。在下面，所述區(qū)域R以與靶區(qū)域相關(guān)為例。因此，賦值三維像素的所述概率反映了所述真實(shí)靶體積包含所述三維像素的概率，因此，所述概率從已知包含疾病的區(qū)域中的三維像素的100％降低到已知不包含疾病的區(qū)域中的三維像素的0％?？紤]所有可能的靶體積并且對(duì)于它們的每一個(gè)，考慮它是真實(shí)靶體積的相應(yīng)概率(這些靶體積是非零的，因?yàn)殡x散化為三維像素)。具有100％概率的三維像素將包含在所有這些靶體積中。給出一個(gè)計(jì)劃，讓S是在滿足臨床目標(biāo)的所有靶體積中的指標(biāo)集，并且讓p_i是靶體積i∈S是真實(shí)靶體積的概率。那么，所述優(yōu)化的目標(biāo)是最大化在所述真實(shí)靶體積中滿足臨床目標(biāo)的概率，其意味著最大化

$\underset{i\&Element;S}{\&Sigma;}{p}_i---\left(4\right)$

這通過尋找產(chǎn)生區(qū)域S的劑量分布來實(shí)現(xiàn)，所述區(qū)域S指示了以盡可能的概率包含所述真實(shí)靶體積的靶體積集。當(dāng)使用不可按三維像素分開的目標(biāo)時(shí)，例如當(dāng)使用基于DVH的優(yōu)化函數(shù)(即目標(biāo)要求ROI的X％接受至少Y Gy)時(shí)，可應(yīng)用這種方法。

所有上述實(shí)施方式僅僅是在治療計(jì)劃過程中如何納入ROI定義不確定性的例子，并且很多替代方法是設(shè)想得到的，這對(duì)本領(lǐng)域技術(shù)人員將是顯而易見的。

如上所述，有可能以各種不同的方式定義ROI定義不確定性。例如，同樣如上所論述，亞區(qū)域和相應(yīng)的不確定性度量可以是人工定義、修改和/或認(rèn)可的，例如由專家使用者(例如腫瘤醫(yī)師)在人工或自動(dòng)分割程序期間或之后人工定義、修改和/或認(rèn)可。所述區(qū)域和/或相應(yīng)的不確定性度量可以使用任何合適的用戶界面在圖像中直接定義，所述用戶界面例如包含用于定義指示不同的不確定性程度的輪廓段(例如不同的輪廓寬度)的工具。

使用者也可以向輪廓的特定部分賦值不確定性的數(shù)值度量，所述數(shù)值度量例如定義所述輪廓段每側(cè)的置信區(qū)間。各種種類的數(shù)值不確定性度量，例如由專家賦值的，可以，可能與圖像信息結(jié)合，用于定義與上文論述的亞區(qū)域?qū)?yīng)并在圖3中圖示的多個(gè)亞區(qū)域，或用于定義如上所述和在圖4A中例示的特定區(qū)域內(nèi)連續(xù)變化的不確定性。

圖3中圖示的近似輪廓區(qū)域可以被分成較小亞區(qū)域的大得多的集，具有不同賦值的概率，以便提供治療計(jì)劃的更好基礎(chǔ)(雖然也使所述治療計(jì)劃過程有更多的計(jì)算要求)。區(qū)域的數(shù)量和相應(yīng)的賦值概率可以根據(jù)預(yù)定標(biāo)準(zhǔn)自動(dòng)確定。例如，可以使用固定的預(yù)定的亞區(qū)域數(shù)量，或者亞區(qū)域數(shù)量可以依賴于近似輪廓段的擴(kuò)展(例如寬度)。特定的三維像素的不確定性度量于是將依賴于所述預(yù)定標(biāo)準(zhǔn)和從所述三維像素到所述近似輪廓的內(nèi)和外邊界的相對(duì)距離?；蛘撸梢圆捎枚x亞區(qū)域和相應(yīng)的不確定性度量的其他方法，例如基于分析圖像強(qiáng)度數(shù)據(jù)的方法。例如，定義的輪廓的所有部分可以基于在各個(gè)輪廓部分附近的區(qū)域中的對(duì)比度來賦值不確定性度量。因此，在低對(duì)比度區(qū)域內(nèi)的輪廓段自動(dòng)賦值相對(duì)更高的不確定性。這種自動(dòng)賦值的不確定性度量有利地被評(píng)定和認(rèn)可，或者如有必要的話，由專家修改。

不確定性度量可以用各種方式在圖像中顯現(xiàn)，例如與ROI相關(guān)的元素使用不同的尺寸、顏色、透明度等。不確定性信息，例如關(guān)于特定的區(qū)域是否包含疾病，還可以從測(cè)量數(shù)據(jù)(例如基于活檢或PET掃描等)、計(jì)算機(jī)模擬、來自其他患者的統(tǒng)計(jì)數(shù)據(jù)或以任何其他方式確定。

本發(fā)明的方法可以與任何以前使用的方法相結(jié)合來產(chǎn)生更穩(wěn)健的治療計(jì)劃，例如基于概率法的方法以將擺位不確定性納入考慮。此外，本發(fā)明的方法可以用于任何區(qū)域，例如已經(jīng)使用安全裕度擴(kuò)大的區(qū)域。裕度通常應(yīng)用于靶體積(生成“計(jì)劃靶體積”(PTV))，以便補(bǔ)償在治療期間可能的擺位不確定性或靶移動(dòng)。例如，如果已經(jīng)對(duì)臨床靶體積(CTV)的區(qū)域賦值了特定的不確定性度量，并向所述CTV施加了統(tǒng)一的裕度，定義PTV，那么可以對(duì)所述PTV的相應(yīng)區(qū)域賦值相同的不確定性度量并如上所述用于所述治療計(jì)劃過程。圖5顯示了這樣的PTV51，其中CTV53的近似輪廓段52被轉(zhuǎn)到所述PTV的相應(yīng)近似輪廓段54。

圖6示意性地示出了本發(fā)明的計(jì)算機(jī)系統(tǒng)61的例子。所述系統(tǒng)包括與存儲(chǔ)器63連接的處理器62。此外，所述系統(tǒng)可以包括顯示裝置64(例如用于顯示具有定義的ROI和相應(yīng)的不確定性度量的患者圖像、圖形用戶界面、和與治療計(jì)劃相關(guān)的其他信息)、數(shù)據(jù)輸入裝置65(例如鍵盤、鼠標(biāo)或任何其他合適的數(shù)據(jù)輸入裝置)和讀/寫數(shù)據(jù)裝置66(例如光驅(qū)動(dòng)器、USB接口、或任何其他合適的數(shù)據(jù)讀/寫裝置)。處理器62可以是任何種類的，例如一個(gè)或多個(gè)中央處理器(CPU)或任何種類的并行處理器系統(tǒng)，例如基于一個(gè)或多個(gè)圖形處理單元(GPU)。存儲(chǔ)器63可以是適合于儲(chǔ)存和檢索信息的任何種類的易失性或非易失性存儲(chǔ)器，例如硬盤驅(qū)動(dòng)器。存儲(chǔ)器63具有在其上存儲(chǔ)的計(jì)算機(jī)程序67。計(jì)算機(jī)程序67包含計(jì)算機(jī)可讀指令用于進(jìn)行基于不確定性的優(yōu)化，其中所述計(jì)算機(jī)可讀指令可以轉(zhuǎn)移到處理器62并由所述處理器執(zhí)行。當(dāng)由處理器62執(zhí)行時(shí)，所述計(jì)算機(jī)可讀指令將執(zhí)行如圖1所示的方法，以在定義ROI的不確定性基礎(chǔ)上確定治療計(jì)劃。所確定的治療計(jì)劃可以與患者圖像、ROI、不確定性度量和任何其他治療計(jì)劃相關(guān)信息一起存儲(chǔ)在存儲(chǔ)器63上。計(jì)算機(jī)程序67也可以儲(chǔ)存在非臨時(shí)性計(jì)算機(jī)可讀介質(zhì)68例如USB驅(qū)動(dòng)器、光學(xué)數(shù)據(jù)載體例如CD-ROM、或任何其他合適的便攜式信息存儲(chǔ)裝置上，使得計(jì)算機(jī)程序67可以載入存儲(chǔ)器63和/或轉(zhuǎn)移到不同的計(jì)算系統(tǒng)。參考圖6描述的系統(tǒng)僅僅是例子，并且本發(fā)明的計(jì)算機(jī)系統(tǒng)不一定包括全部所說明的組件，和/或可以包含沒有說明的其他組件。

本發(fā)明已經(jīng)參考許多示例性實(shí)施方式進(jìn)行了描述。要理解這些實(shí)施方式僅僅是說明本發(fā)明的原理和應(yīng)用。因此要理解可以對(duì)所述說明性實(shí)施方式做出許多修改，而且在不背離如權(quán)利要求限定的本發(fā)明的精神和范圍下可以設(shè)計(jì)出其他安排。