模型增强的成像的制作方法

专利名称：模型增强的成像的制作方法
模型增强的成像下文总体上涉及成像，尤其适用于正电子发射断层摄影(PET)；不过，也可以使其 适应于其他医疗成像和非医疗成像应用。通常在诊断之后通过辐射治疗来处置肿瘤。在辐射治疗中，将高到足以杀死肿瘤 细胞的辐射剂量递送到肿瘤。常规辐射治疗系统，例如强度调制的辐射治疗(IMRT)系统， 能够向靶区域精确地递送处方剂量，避过靶区域周围的“正常”组织并且使“正常”组织免 于受到辐射损伤的更大风险。通常，根据处方给出的分配方案，在数周之内以很多部分剂量 的形式给出辐射剂量。可以使用功能性成像对包括肿瘤的活组织中的葡萄糖摄取进行成像，肿瘤一般表 现出相对于“正常”组织更大的代谢速率。对于肿瘤而言，功能性成像能够用于定位、阶段 划分和监测生长。这种功能性流程的范例包括利用wF-氟代脱氧葡萄糖(FDG)。对于这种 流程而言，将示踪剂FDG引入待扫描的对象或受检者体内。随着放射性药剂的衰变，产生正 电子。当在正电子湮没事件中正电子与电子交互作用时，产生一对重合的511keV Y射线。 Y射线沿着响应线向相反方向行进，将在重合时间窗口之内探测到的、射线对记录为湮 没事件。重建在扫描期间采集的事件以产生表示放射性核素分布，并因此表示组织和肿瘤 摄取的葡萄糖分布的图像或其他数据。还能够使用功能性成像来监测肿瘤以及处于来自辐射处置的辐射风险下的组织 的响应。不过，组织对所加辐射的反应之一是细胞死亡和炎症，这是因为巨噬细胞被吸引到 被处置部位以处理或消除由辐射杀死的细胞。这种处理可能导致被辐射组织中葡萄糖的摄 取增加。令人遗憾的是，对于功能性PET而言，炎症引起的葡萄糖摄取增加无法与肿瘤中的 葡萄糖摄取增加区分开。结果，一旦炎症反应开始，就不能通过功能性PET定量地单独测量 出肿瘤对辐射处置的响应。相反，图像数据示出了肿瘤和巨噬细胞两者的葡萄糖摄取。示出形态变化(例如肿瘤尺寸)的诸如CT、MRI或其他成像流程的流程，能够在处 置之后数周，在身体有时间对死细胞进行响应之后再执行，以便确定被处置的肿瘤是缩小 了还是长大了。令人遗憾的是，除非直到数周之后，否则这样的信息不提供定量信息，不能 用于确认当前处置参数，帮助改变参数或确定终止处置。在另一种方法中，基于指示其他人 如何对处置响应的历史数据假设处置的效果。令人遗憾的是，类似的肿瘤未必做出同样的 响应，导致这种方法容易出现错误。尽管如上所述，通过辐射治疗处置肿瘤，但也使用其他处置方案来处置肿瘤。令人 遗憾的是，常常难以作出处置决定，因为患肿瘤的患者个体常常不会对处置进行预期的响 应，且处置可能产生不期望的副作用。因此，通常在处置期间通过附加检查，例如成像、血液 检查等来监测患者。如果处置监测表明处置未产生预期结果，能够终止和/或更改处置。原 则上，可以在计算机模型的帮助下模拟肿瘤的发展和处置响应。然而，在临床实践中这样做 可能是困难的，可能计算强度大。此外，这种模型依赖于人口数据作为输入，其可能不代表 个体患者。正向和反向规划是对于外部射束辐射治疗的直线加速器参数优化的两个概念。在 正向规划中，由用户手动改变直线加速器的参数，例如射束数量及其角位置，直到满足处置设计参数为止，例如提供给靶的剂量以及提供给正常组织的最大剂量。由于参数数量的原 因，一般不能通过正向规划解决IMRT的问题。反向规划旨在通过计算方法使参数优化实现 自动化，其中，通过算法实现大多数参数的优化，但像射束数量、角坐标、剂量-体积或生物 目标和约束的一些初始设置仍然是手动确定的。根据处置的复杂性，可能需要优化、结果检查和输入参数调节的若干次迭代，以实 现临床可接受的计划。一种进一步使这种迭代过程自动化的方法是通过在给定间隔中改变 反向规划输入参数并接下来允许用户在计划间导航且选择计划来计算很多可能的IMRT方 案。然而，这种方法可能计算强度大，需要在高维度空间中导航，使其用户友好性较低。此 外，仍然需要指定各种输入参数。本申请的各个方面解决上述问题以及其他问题。根据一个方面，一种治疗处置响应模拟器包括建模器，所述建模器基于关于对象 或受检者的信息产生所述对象或受检者的结构的模型；以及预测器，所述预测器基于所述 模型和治疗处置计划产生表示所述结构可能如何对处置进行响应的预测。在另一方面中，一种治疗系统包括处置响应模拟器，所述处置响应模拟器基于对 象或受检者的模型和用于所述对象或受检者的治疗处置计划产生参数图，所述参数图包括 表示所述对象或受检者的第一结构可能如何对处置进行响应的定量信息；以及处置监测 系统，所述处置监测系统基于所述参数图增强从在所述处置之后采集的数据产生的图像数 据。在另一方面中，一种方法包括基于从在处置前采集的数据产生的表示对象或受 检者的第一结构的图像数据产生表示所述结构的模型；基于所述模型和治疗处置计划产生 表示所述第一结构可能如何对处置进行响应的预测；以及基于所述预测产生参数图，所述 参数图包括关于所述第一结构的定量信息。在另一方面中，一种方法包括模拟靶组织对处置的第一响应；模拟参考组织对 所述处置的第二响应；处置所述靶组织和所述参考组织；确定所述靶组织对所述处置的第 三响应；确定所述参考组织对所述处置的第四响应；以及基于所述第四响应对所述第三响 应进行规范化。在另一方面中，一种方法包括获得处置前信息；基于所述处置前信息开发出治疗 的可能效果的模型；获得处置后功能性图像；以及将所述治疗后功能性图像与所述模型比 较以确定治疗功效。在另一方面中，一种系统包括处理部件，所述处理部件处理与患者对应的患者数 据；以及候选参数选择器，所述候选参数选择器基于经处理数据选择对于患者的处置确定 电脑(in silico)模拟的候选模拟参数集。患者状态模拟器使用所述候选参数集为所述 患者执行患者状态确定电脑模拟，并基于所述模拟产生表示所述患者的预测状态的第一信 号。判决部件基于所述预测状态和所述患者的已知状态产生表示所述候选参数集是否适于 所述患者的第二信号。在另一方面中，一种方法包括基于对于第一患者的经处理患者数据选择一参数 集，其中所述参数集与不同患者对应；基于所述参数集执行第一电脑模拟，其中模拟结果预 测所述第一患者的状态。在另一方面中，一种方法包括基于对于患者的一患者特异性参数集为所述患者执行电脑处置模拟，所述患者特异性参数集是通过电脑参数模拟产生的，其中所述患者特异 性参数集开始是未知的，且是基于已知参数和另一患者的状态确定的。在阅读并理解了下述详细说明的情况下，本领域普通技术人员将认识到本发明的 其他方面。本发明可以采用各种部件或部件设置，以及通过各种步骤或步骤设置的形式。附 图的作用在于对优选实施例进行图示，不应认为其对本发明构成限制。

图1示出了一种示范性医疗成像系统。图2示出了范例处置响应模拟器和范例处置监测系统。图3和4示出了一种方法。图5示出了范例参数确定器。图6示出了范例处置模拟器，其采用经图5的参数确定器确定的参数。图7示出了经由电脑模拟确定处置模拟患者特异性输入参数的方法。图8示出了采用处置模拟患者特异性输入参数执行电脑处置模拟的方法。图9示出了辐射处置计划识别器。图10示出了一种方法。图11示出了辐射处置计划服务器。图1示出了成像系统100，其包括以大致环形或轮状布置沿纵轴或ζ轴绕检查区域 104设置的γ辐射敏感探测器102。在本范例中，探测器102沿着ζ轴布置成多个环。探 测器102探测表征发生于检查区域104中的正电子湮没事件的γ辐射。单个探测器102 可以包括一个或多个闪烁晶体和对应的光传感器，例如光电倍增管、光电二极管等。晶体在 被Y射线击中时发光，而光被一个或多个光传感器接收，产生表示其的电信号。数据采集系统106处理信号并产生投射数据，例如在图像采集期间由探测器102 探测的湮没事件列表。列表模式的投射数据通常包括所探测事件的列表，列表中的条目包 括信息，例如探测到事件的时间。对识别器108例如经由能量开窗(例如丢弃511keV能量 范围外的事件)、重合探测(例如，丢弃在时间上彼此分开大于阈值的事件对)或其他方法， 识别属于对应电子-正电子湮没事件的基本同时或重合的Y射线探测对。响应线(L0I )处理器110处理对于每个事件对的空间信息以识别连接两个Y射 线探测的空间L0R。在配置了飞行时间(TOF)能力时，TOF处理器分析重合对的每个事件的 时间之间的时间差，以沿着LOR定位或估计正电子-电子湮没事件的位置。或者，可以将采 集的数据分拣或分装入正弦图或投射分箱中。对于大量正电子-电子湮没事件累积的结果 包括表示放射性核素在对象中分布的投射数据。重建器112使用适当的重建算法，例如过滤反向投射、带校正的迭代反向投射等 重建投射数据以产生图像数据。支撑114支撑着待成像的对象或受检者，例如人类患者。 对象支撑114可以与系统100的操作协同地移动，以在成像区域中定位患者或成像受检者。 控制台116包括诸如监视器或显示器的人可以阅读的输出装置以及诸如键盘和鼠标的输 入装置。存在于控制台116上的软件允许操作员与扫描机100交互。在图示的范例中，结合治疗处置系统使用成像系统100，治疗处置系统可以包括辐 射治疗、化学治疗系统、粒子(例如质子)治疗、高强度聚焦超声(HIFU)、消融、这些的组合 和/或其他处置系统。处置规划系统122用于为治疗处置系统120产生处置计划。在一种情况下，处置规划系统122在产生处置计划时使用图像数据，例如CT、MR和/或其他图像数 据。这样的图像数据可以包括信息，例如与被扫描结构的电子密度相关的信息，其能够用于 计算治疗处置系统120要给予靶区域的剂量。处置响应模拟器IM模拟对象或受检者中经处置结构和/或待处置的未经处置结 构的响应和/或发展，并产生预测，该预测表示一个或多个不同结构在经处置和/或不经处 置的情况下可能会如何响应和/或发展。如下文更详细所述，响应模拟器1 可以基于诸 如在处置前采集的图像数据和/或关于对象或受检者的其他信息的信息产生一个或多个 模型，并可以使用一个或多个模型，连同诸如处置计划的处置信息和/或对象或受检者信 息一起，产生预测。可以通过对于感兴趣结构的参数图形式来表现预测，该参数图提供了关 于响应的定量信息。在一种情况下，通过电脑模拟产生或通过计算机或基于计算机模拟导 出模型、预测和/或参数。能够在Mamatakos等人的“In Silico Radiation Oncology Combing Novel SimulationAlgorithms with Current Visualization Techniques，，,Proc IEEE, Vol. 90，No. 11，pp. 1764-1771(2002)中找到适当电脑模拟模型的范例。在另一种情 况下，可以额外地或备选地通过经验方式和/或理论方式确定模型。能够使用处置监测系统1 监测对象或受检者的被扫描感兴趣区域之内经处置 和/或未经处置结构的发展。如下文更详细所述，监测系统1 能够基于来自一次或多次扫 描的图像数据(例如在处置之后执行的功能性或其他扫描)以及一个或多个不同结构可能 如何对处置进行响应的预测或参数图(其能够对图像数据中一个或多个结构进行增强(或 抑制))来确定不同结构对处置的响应。在一种情况下，这允许独立地监测图像数据中至少 两个不同结构对处置的响应，其中至少两个不同结构的响应本来是不能够在图像数据中区 别的。作为非限制性范例，对于诸如FDG-PET扫描的功能性扫描，不同结构可以是人类 患者体内的不同组织，例如经处置和/或未经处置的肿瘤细胞、处理被处置杀死的细胞的 巨噬细胞和正常的活细胞，并且刺激可以涉及用于处置肿瘤细胞的辐射、化学或其他治疗。 在这种情况下，功能性图像数据中能够识别的示踪剂或葡萄糖摄取可以来自于肿瘤细胞和 /或处理被处置杀死的细胞的巨噬细胞(例如，处置诱发的炎症)。不过，在图像数据中可 能无法在肿瘤细胞和巨噬细胞的摄取之间进行区分。响应模拟器1 产生的预测可以描述 肿瘤细胞可能如何对辐射或化学处置进行响应，接收到辐射或化学处置的正常细胞可能如 何响应，以及未接收到任何处置的肿瘤细胞和/或正常细胞可能如何发展。从这一信息的 至少一个子部分，能够产生包括表示一个或多个特定结构(例如肿瘤细胞、巨噬细胞、正常 活细胞等)示踪剂摄取的定量信息的参数图，并用于基于处置的时间和采集数据的时间， 突出(或抑制)的图像数据中的结构，该图像数据是利用在处置之后的不同时刻采集的数 据产生的。例如，能够使用定量描述发炎组织的示踪剂摄取的参数图从图像数据中去除发 炎组织对示踪剂摄取的贡献，在图像数据中留下肿瘤的示踪剂摄取，这能够用于确定关于 治疗有效性的信息。图2示出了响应模拟器124和监测系统126的非限制性范例。如上所述，能够经由 计算机模拟和/或其他方式在电脑中确定一个或多个模型、预测和/或参数图。在图示的 实施例中，响应模拟器1 包括产生一个或多个模型的建模器202。如图所示，模型发生器 202基于关于诸如患者的对象或受检者的各种信息产生一个或多个模型，该各种信息包括，但不限于来自处置之前从一种或多种成像模态，例如MRI、CT、SPECT、PET、US、X射线等采集 的数据的图像数据、组织学数据、患者健康状况、病史、遗传学信息、实验室测试结果(例如 血液值等)、病理学信息和/或关于患者的其他信息。图示的响应模拟器IM还包括预测结构可能如何发展和/或对处置进行响应的预 测器204。在一种情况下，预测基于由建模器202产生的一个或多个模型以及与患者相关的 信息，例如当前的治疗计划(例如，定时、剂量、分配方案、辅助药物处理等)、关于对象或受 检者的信息和/或其他信息。预测器204处理这种信息并产生表示一个或多个感兴趣结构 可能会如何对处置进行响应的输出信号。参数图发生器206产生一个或多个参数图，参数 图具有表示多个不同结构的每个可能如何对处置进行响应的信息。在一种情况下，为每个 结构产生个体参数图，其包括关于对应结构可能如何响应的定量信息。监测系统1 包括图像数据处理器208和数据增强器210，图像数据处理器208处 理图像数据，例如对应于从在处置后采集的数据产生的功能性成像数据的时间系列的图像 数据，数据增强器210基于参数图增强经处理图像数据。例如，为了监测处置响应，系统100 能够用于在开始处置后的特定时间点产生动态功能性图像数据。从这种图像数据，图像数 据处理器208可以导出关于不同结构的示踪剂摄取的定量信息。对于本来可能在图像数据 中无法区分的不同结构，图像数据增强器210能够通过基于参数图减去定量示踪剂摄取信 息来为特定结构增强该数据。图像数据中剩余的示踪剂摄取示出了感兴趣结构对处置的反 应以及未经处置的感兴趣结构的发展。这种信息能够用于确定关于治疗有效性的信息。讨论变化、备选方案和/或其他实施例。尽管在被处置杀死的(经处置和未经处置的)肿瘤细胞、正常细胞以及正常活细 胞的语境中总体描述了以上内容，但要认识到，能够使用这里描述的技术在对象或受检者 的被扫描感兴趣区域中的其他结构之间进行区分，其中，不能在来自功能性成像扫描的图 像数据中区别不同结构对已知刺激的响应。还能够将这里描述的方法用于其他成像系统和 对应药剂。FDG-PET用于以上非限制性范例中。但是，应当理解，也可以想到其他示踪剂。例 如，其他适当的示踪剂包括，但不限于包括氟-18的其他示踪剂，例如wF-氟代胸腺嘧啶 (18F-f luorothymidine) (FLT)、18F_ 氟代酪氨酸(18F_f luorothyltyrosine) (FET)、18F_ 氟代 甲氧甲基硝基咪唑乙醇(18F-fluoromisonidazole) (FMISO)和18F-氟代氮霉素阿拉伯呋喃 糖苷(18F-fluoroazomycinarabinofuranoside) (FAZA)和 / 或其他有或者没有氟-18 的示 踪剂。尽管处置系统120、规划系统122、响应模拟器IM和监测系统1 被示为独立的 系统，但要理解这些部件中的一个或多个可以是同一系统的部分。在另一实施例中，该模型额外地或备选地提供不同组织类型中示踪剂摄取的定性 值。在这种情况下，能够选择正常参考组织体积。参考组织体积应当与肿瘤体积具有类似 属性，应当接受类似处置，例如辐射剂量、剂量分配等。对肿瘤组织和参考组织都进行模拟。 然后，执行用于治疗监测的功能性扫描。将所得的预测与用于两种组织类型的功能性图像 数据进行比较。参考组织的结果被用于对肿瘤中与炎症相关的信号预测进行规范化，其中 参考组织的结果显示出未因肿瘤新陈代谢而增加示踪剂摄取。这样一来，能够更精确地确 定与肿瘤相关的示踪剂摄取。
图3示出了一种方法。要认识到，以下动作不是限制性的，在其他实施例中可以使 用更多或更少的动作以及不同次序的动作。在302，获得待处置的对象或受检者的处置前信 息。如上所述，这样的信息可以包括图像数据和/或其他信息。在304、306和308，分别如 这里所述，例如通过电脑模拟，产生描述感兴趣结构可能如何对处置进行响应的模型、预测 和参数图。在310，对对象或受检者进行处置。在312，经由功能性成像流程对经处置的对 象或受检者成像。在314，使用参数图增强从功能性流程产生的图像数据中经处置的感兴趣 结构的响应。能够使用增强的图像数据来确定关于治疗有效性的信息。图4示出了用于预测治疗的预期功效的方法。在402，获得处置前信息。如上所 述，这可以包括关于待处置的对象或受检者的成像以及其他信息。在404，基于处置前信息 开发出可能治疗效果的模型。在406，获得诸如功能性图像的处置后信息。在408，将处置 后信息功能性图像与模型比较以确定治疗的功效。例如，这样的信息可以用图像覆盖的形 式显示和/或以其他方式呈现。如上所述，处置可以包括辐射、粒子、高强度聚焦超声、化学 和/或消融治疗。以上实施例包括与使用已知输入参数进行基于电脑的模拟相关的方面。以下实施 例涉及其中这样的参数未知的应用来确定和/或使用输入参数。图5示出了用于为基于电脑的处置模拟确定患者特异性参数的参数确定器500。 参数确定器500能够是诸如工作站、台式计算机、膝上计算机等独立计算机、控制台116或 另一成像系统的控制台、分布式计算系统等的一部分。参数确定器500包括处理数据的处理部件502。适当的数据包括，但不限于成像 和/或非成像数据，例如处置之前获取的诊断数据、实验室检验、患者历史、处置期间或之 后获取的治疗监测数据、图像、图像数据和/或其他数据。这样的数据能够从诸如HIS、RIS、 PACS等系统的源，诸如硬盘驱动器、便携式存储器等的存储部件，数据库、服务器、电子病例 获得，手动输入，和/或从控制台116、另一成像系统获得，以及以其他方式获得。适当的处理包括，但不限于从这种数据中提取、导出、估计信息等。对于基于图像 的数据，处理可以包括分割、量化、配准和/或其他信息提取。候选参数选择器504基于经 处理数据选择一候选参数集。该参数集包括用于电脑处置模拟的候选参数。这样的参数可 以包括，但不限于诸如初始肿瘤形状、患者解剖结构、生理值等信息和/或其他信息。能够从各种源获得所选的一参数集，该各种源包括，但不限于数据库、服务器、归 档器等，其存储来自临床研究、实践等的信息。这样的信息能够包括从电脑模拟分析获得的 信息，例如边界条件和/或起始值、对处置的响应等。这样的信息可以包括，但不限于图像 数据、肿瘤边界、临床症状、血液检查等。要认识到，已知对于临床研究中的每位患者的这样 的参数，参数中的至少一个可以与疾病进展和/或对处置的响应相关，可以代表某一类患 者的“典型”值。患者状态模拟器506基于所选参数集、患者数据、经处理数据和/或其他信息模拟 患者的已知状态。分析器508对模拟进行分析。这可以包括将基于输入数据预测患者当前状态的模 拟结果与患者的已知状态进行比较。分析器508产生表示该比较的信号。这样的信息可以 包括相似性量度或度量，例如表示预测状态和已知状态之间差异或相关值的度量。在另一 实施例中，分析器508被省去，由临床医生分析模拟。
判决部件510基于患者已知状态确定所选参数集是否适当。例如，在一种情况下， 判决部件510呈现分析结果并接收关于该参数集是否适当的用户输入。在另一种情况下， 采用自动或半自动方式。例如，判决部件510可以比较和/或呈现与预定相似性阈值的差 异或相关值。能够通过临床医生和/或通过执行判决算法来使用这种信息。能够存储、呈 现和/或以其他方式使用所选参数集或模拟参数集。在一种情况下，将给出与患者已知状 态或其他参数最接近模拟结果的一参数集选为模拟参数集。如果有超过一参数集，如果认为模拟结果不适宜和/或其他情况，那么可以利用 一个或多个不同的参数集进行另一次模拟。这样一来，能够使用迭代技术来选择模拟参数 集。此外，如果在预定停止标准(例如过去的时间、模拟次数、用户终止等)之后没有任一 所选参数集带来适当的参数集，用户能够确定使用被拒集之一和/或以其他方式获得一参 数集。图6示出了一种处置确定设备600，其能够采用模拟参数集和/或其他参数来促进 确定处置和/或一组适当处置。处置选择器602提供用于各种处置的模拟信息。在一种情况下，处置选择器602 基于患者状态选择处置。为了进行模拟，可以由模型的参数定义状态。能够从处置信息数 据库、服务器和/或其他信息源获得处置信息。处置模拟器604使用模拟参数集和处置信息执行电脑处置模拟。在一种情况下， 这包括基于患者当前状态、电脑模拟模型、所选的模型参数和所选的处置执行电脑模拟以 预测患者的将来状态。在一种情况下，处置模拟器604向用户呈现模拟结果，其中基于模拟用户能够根 据模拟确定处置是否适当。在另一种情况下，能够使用自动或半自动方式来促进用户作出 这种决定。能够存储和/或以其他方式使用结果。如果有超过一种处置可用，能够针对不同处置进行另一次模拟。则用户能够基于 针对不同处置的多个处置模拟结果作出处置决定。图7示出了用于确定患者特异性基于电脑模拟的模拟参数的方法。在702，加载患者数据。这样的数据能够包括从这里所述的各种源获得的成像和/ 或非成像数据。在704，对数据进行预处理。如上所述，这可以包括分割图像数据中的肿瘤和/或 正常组织、从功能性图像确定活动水平等。任选地，这种预处理可以包括与数据集进行手动 和/或迭代交互。在706，基于经预处理的数据选择对于患者的一个或多个参数集或初始条件。如上 所述，这包括选择具有对应于不同患者的已知初始条件的至少一个参数集。在708，利用所选参数集执行电脑模拟以预测患者状态。在710，基于包括患者的已知状态的患者数据，分析模拟结果。在712，确定是否执行另一次模拟。能够通过手动和/或自动技术实现这一目的。 如果执行，则重复动作706-712。否则，则在714，终止经由电脑模拟确定参数的过程。能够存储、呈现和/或以其他 方式使用一个或多个参数集和/或分析结果。图8示出了采用患者特异性电脑模拟确定的参数的方法。
在802，加载一电脑模拟确定的患者特异性初始参数集。能够经由图7的方法或以 其他方式获得这样的参数。在804，基于患者状态选择处置类型。在806，基于患者的当前状态和所选处置执行电脑处置模拟以预测患者的将来状 态。在808，确定是否执行另一次电脑处置模拟。这可以基于电脑模拟的结果和/或以 其他方式进行确定。如果执行，则重复动作804到808。否则，然后在810，能够基于模拟选择对患者的处置。图9示出了与辐射处置规划器904结合的处置计划识别器902。图示的处置计划 识别器902包括数据储存库906、处置计划搜索引擎908、一个或多个过滤器910、候选辐射 处置计划识别器912、算法库914和概况(profile) 916。在其他实施例中，数据储存库906 与处置计划识别器902是分开的，但处置计划识别器902仍然与数据储存库906通信。数据储存库906包括具有辐射处置计划信息的数据库等。这样的信息可以包括， 但不限于图像数据集(二维、三维和/或四维)、感兴趣区域的分割的图像数据、与射束相关 的处置计划参数集(例如，数量、角度等)、剂量测定处方、关键结构剂量目标、诸如人口统 计学数据的患者描述性信息、结果数据、化学治疗群体、基于肿瘤类型、阶段等的优化参数 和/或其他信息。在一种情况下，数据储存库906包括经确认的辐射处置计划和/或代表编制辐射 处置计划的临床医生的临床知识的其他信息。这可以包括代表不同疾病部位(肺、前列腺、 乳房、头和颈等)间变化性、处置设计变化(临床中心、疾病阶段、剂量分配方案等之间)、地 理变化(例如亚洲人相对于欧洲人或美国人等)的信息和/或其他信息。这样的信息可以 通过各种方式编目或能够被编目，例如通过靶类型、受影响解剖结构、患者年龄、患者性别、 患者种族、阶段、患者历史、遗传学信息等。搜索引擎908基于来自辐射处置规划器904的信息搜索数据储存库906。能够基 于诸如DICOM (医学数字成像和通信)和/或其他格式的各种格式提供这种信息。提供给 搜索引擎908的信息能够包括基于可用信息由辐射处置规划器904的用户和/或通过默认 设置或由用户定义的概况所选择的数据。这样的信息可以包括各种信息，例如，但不限于与肿瘤相关的数据(例如类型、尺 寸、阶段等)、患者数据(例如年龄、性、性别等)、图像数据(例如、靶组织的分割区域、非靶 组织等)、处置信息和/或其他信息。利用这种信息，搜索引擎908搜索数据储存库906，查 找具有类似解剖特征、肿瘤类型、处置信息和/或其他信息的患者。图示的搜索引擎908能够同时和/或顺次使用各种过滤器910来辅助搜索。例如， 可以采用过滤器910中的第一过滤器基于肿瘤类型减少可搜索数据。在储存库906中的数 据被编目的情况下，这可以包括通过索引和/或以其他方式定位适当的数据。能够采用过 滤器910中的第二过滤器基于肿瘤阶段进一步减少可搜索数据。能够基于可用的分割的感兴趣区域同时采用过滤器910中的第三到第N过滤器， 例如，识别这样的数据集，其中解剖结构的形状更类似于当前患者解剖结构形状。要理解的 是，以上与过滤器相关的描述是为了解释而提供的，在一些实施例中，不采用和/或省去过 滤器。用户也可以手动选择要搜索的数据和/或要排除到搜索之外的数据。
向候选辐射处置计划识别器912提供搜索结果。识别器912从搜索结果识别一个 或多个辐射处置计划。在一种情况下，识别器912基于来自算法库914的算法识别一个或多 个最佳匹配处置计划。适当的算法包括，但不限于基于如下内容的算法基于图像的相似性 度量，例如在图像配准算法中采用的相似性度量，例如交互信息、互相关等，基于结构的相 似性度量，例如基于诸如体积、形状、几何学构象的感兴趣区域特性的比较，界定患者尺寸、 形状等的图像的关键特征和/或其他相似性度量。适当的算法还可以包括基于模式识别的算法，例如，使用对于从患者数据提取的 各种特征的多维特征矢量，患者数据包括人口统计、肿瘤阶段划分、肿瘤位置等。在另一实 施例中，能够额外地或备选地采用机器学习算法、暗中或明确受过训练的分类器、贝叶斯网 络、神经网络、成本函数等。使用这样的算法能够基于当前患者和数据库中患者之间的相似 性自动识别辐射处置计划，而不是通过计算成本高昂的方法来识别。适当的算法还可以包 括用于从数据库进行基于内容的图像检索的方法。在一些实施例中，概况916可用于促进计划识别。例如，概况916可以包括预定最 小和/或最大计划数量的阈值。可以使用最小计划数量阈值来确保至少识别出辐射处置计 划或用户将具有可选的辐射处置计划以供其从中选择。可以使用最小最大计划阈值来限制 用户必须从中做选择的计划数量。此外，相似性阈值可以是预定的。相似性阈值可以设置误差和/或时间阈值，在该 阈值，无论已经识别了多少辐射处置计划，选择过程都要终止。此外，可以由能够手动终止 选择过程和/或修改选择参数的用户预览或检查选择过程和/或结果。在一种情况下，向辐射处置规划器904提供一个或多个识别的辐射处置计划。同 样，数据传送能够基于各种格式，例如DICOM和/或其他格式。用户能够与规划器904交互 以选择为患者建议的处置计划之一。用户还能够修改所选计划的一个或多个参数和/或请 求处置计划确定器900使用相同或不同参数重复过程。这种交互可以通过图形用户界面 (GUI)、命令行界面和/或其他界面。能够像常规确定的计划那样实施所选辐射处置计划。例如，能够使用辐射处置计 划在一时间段内递送单一剂量或分数剂量。此外，能够基于患者响应、肿瘤响应、新的信息 和/或以其他方式修改辐射处置计划。此外，能够利用处置期间获得的信息和/或以其他 方式再次使用处置计划识别器902以基于新信息提供更新的辐射处置计划。在另一种情况下，处置计划映射器918映射所选辐射处置计划以使其适合靶图像 的解剖结构和/或其他特性。能够使用类似于前面讨论的搜索算法的各种方法完成这一操 作，这些方法包括，但不限于基于强度的相似性度量和基于模式的方法。处置计划映射器 918能够是处置计划识别器902、辐射处置规划器904的一部分，或是独立部件。辐射处置规划器904能够为计算系统，例如工作站、台式计算机、膝上计算机等。 这样，辐射处置规划器904能够包括一个或多个处理器或存储器，存储器用于存储计算机 可执行指令、要处理的数据、正被处理的数据、经处理的数据和/或其他信息。图示的辐射 处置规划器904包括计算机可执行指令，在由处理器执行时，所述计算机可执行指令提供 处置规划应用，具有诸如以下功能图像显示、手动和自动化分割工具、图像融合工具、三维 适形辐射治疗(3D CRT)规划、逆向IMRT优化、剂量计算等。辐射处置规划器904获得各种信息，例如图像数据，包括二维、三维和/或四维图像数据。这样的图像数据可以表示待处置的解剖结构，包括靶组织、存在受到处置影响的风 险的非靶或组织、没有风险的非靶组织和/或其他组织。能够经由各种成像模态获得这样 的图像数据，例如计算断层摄影(CT)、磁共振(MR)、单光子发射断层摄影(SPECT)等，包括 诸如CT/MR成像系统的组合或混合式成像系统。辐射处置规划器904可以从成像系统、诸如HIS、RIS或PACS系统的归档系统、便 携式存储器、数据库、服务器、电子病历、由人或机器人手动输入和/或以其他方式接收图 像。辐射处置规划器904还获得处置类型，包括辐射治疗、化学治疗、粒子治疗、高强度聚焦 超声(HIFU)、消融、图像引导的辐射治疗和/或其他处置类型。能够经由用户和/或以其他 方式输入这样的信息。在另一实施例中，处置识别器902还能够用于确定处置类型。例如，搜索可能不会 指出特定的辐射处置类型。例如，临床医生可能尚未确定处置类型，或者可能在规划中这个 时间点还不能确定。在这种情况下，所识别的处置计划可能包括不同类型。在另一种情况 下，处置识别器902可用于提供关于最佳地处置患者的信息，例如支持关于模态作出决定 的信息(3DCRT还是MRT还是VMAT ；仅EBRT还是EBRT+化学治疗等)。图10示出了一种方法。在1002，为诊断有肿瘤的患者进行肿瘤的阶段划分。在1004，选择处置选项。在1006，对肿瘤成像。在1008，获得关于患者、处置、肿瘤的信息和/或其他信息。这样的信息可以对应 于诸如分割的感兴趣区域的图像数据，诸如人口统计的患者数据，诸如尺寸、形状、阶段、类 型等的肿瘤数据，处置前的数据，这里所述的其他信息和/或其他信息。在1010，选择处置类型。如这里所述，在一些实施例中，尚未选择处置类型。在1012，如这里所述或以其他方式使用处置计划识别器904以为患者识别一个或 多个辐射处置计划。如这里讨论的，这包括将关于当前患者的各种信息与数据储存库906 中的患者信息进行匹配，并基于匹配从数据储存库906识别候选辐射处置计划。在1014，向临床医生呈现关于所选一个或多个处置计划的信息，临床医生能够选 择要为患者使用的计划。可以使用前述方法将这一计划映射到当前患者以供审查。如这里 讨论的，临床医生可以修改处置计划参数和/或请求处置计划识别器902重复候选识别过 程。在1016，选择一个或多个处置计划。在一种情况下，能够从一个或多个所呈现的计 划中手动选择计划，并能够应用所选计划的输入参数来优化新的处置计划。在另一种情况 下，能够使用来自在数据库中识别的多个或所有计划的参数产生若干计划，可以向用户呈 现一个或多个所产生的计划，用户能够选择它们中的一个或多个。在1018，将所选计划映射到对于待处置的患者的处置计划。在一种情况下，这可以 包括如这里所述将所选辐射处置计划配合到靶图像的解剖结构和/或其他特性。在另一种情况下，并不是从数据储存库906检索计划，而是能够从数据储存库906 选择计划，并能够将所选计划的参数用作进一步IMRT优化的输入。这将允许数据储存库 906的递增构建。图11示出了另一实施例。在这一实施例中，诸如辐射处置规划器904和/或至少一个其他客户端1102的辐射处置(RT)客户端经由网络1106与订购服务或服务器1104通 信。订购服务器1104提供与处置计划识别器902相关的基于订购的服务。在一种情况下， 该服务基于因特网。例如，保健设施或其他设施能够付费或依据其他向订购服务器1104订购。根据订 购，订购服务器1104将处置来自客户端904和/或至少一个其他客户端1102的处置计划 请求。处理这样的请求可能需要采用处置计划识别器902以如这里所述那样识别候选处置 计划。在候选处置计划被修改的情况下，可以提供所得处置计划以包括到数据储存库 906 中。可以通过计算机可读指令实现以上内容，在由计算机处理器执行时，所述指令将 使所述处理器执行所描述的技术。在这种情况下，将所述指令存储在与相关计算机关联或 者能够为其所访问的计算机可读存储介质中。所描述的技术不需要与数据获取同时执行。已经参考各实施例描述了本发明。在阅读详细描述后，其他人可以想到修改和变 化。旨在将本发明解读为包括所有此类落在权利要求及其等同要件的范围内的修改和变 化。
权利要求
1.一种治疗处置响应模拟器，包括建模器O02)，所述建模器基于待处置的对象或受检者的信息产生所述对象或受检者 的结构的模型；以及预测器(204)，所述预测器基于所述模型和治疗处置计划产生表示所述结构可能如何 对处置进行响应的预测响应。
2.根据权利要求1所述的模拟器，还包括参数图发生器006)，所述参数图发生器产生包括表示所述预测响应的定量信息的参 数图。
3.根据权利要求2所述的模拟器，其中，所述定量信息包括表示与所述结构相关的示 踪剂摄取的定量信息。
4.根据权利要求3所述的模拟器，其中，所述结构包括处理由所述处置杀死的细胞的 巨噬细胞。
5.根据权利要求3到4中的任一项所述的模拟器，其中，所述示踪剂是氟代脱氧葡萄 糖、氟代胸腺嘧啶、氟代酪氨酸、氟代甲氧甲基硝基咪唑乙醇和氟代氮霉素阿拉伯呋喃糖苷之一。
6.根据权利要求4到5中的任一项所述的模拟器，其中，所述巨噬细胞的示踪剂摄取类 似于被处置肿瘤的示踪剂摄取，其中，所述巨噬细胞处理肿瘤周围的已经被所述处置杀死 的正常细胞。
7.根据权利要求1到6中的任一项所述的模拟器，其中，所述处置包括辐射治疗、化学 治疗、粒子治疗、高强度聚焦超声、消融或其组合。
8.根据权利要求1到7中的任一项所述的模拟器，其中，关于所述对象或受检者的所述 信息包括从在所述处置之前采集的数据产生的图像数据。
9.根据权利要求1到8中的任一项所述的模拟器，其中，关于所述对象或受检者的所述 信息包括组织学数据、患者健康信息、病史、遗传学信息、实验室测试结果或病理性信息中 的一种或多种。
10.根据权利要求1到9中的任一项所述的模拟器，其中，所述模型、所述预测或所述参 数图中的至少一个是在电脑中产生的。
11.一种治疗系统，包括处置响应模拟器(IM)，所述处置响应模拟器基于对象或受检者的模型和对于所述对 象或受检者的治疗处置计划来产生参数图，所述参数图包括表示所述对象或受检者的第一 结构可能如何对处置进行响应的定量信息；以及处置监测系统(1 )，所述处置监测系统基于所述参数图增强从在所述处置之后采集 的数据产生的图像数据。
12.根据权利要求11所述的治疗系统，其中，所述图像数据是从功能性成像扫描产生的。
13.根据权利要求11到12中的任一项所述的治疗系统，其中，所述图像数据包括表示 所述对象或受检者的所述第一结构和至少一个不同结构的示踪剂摄取的信息。
14.根据权利要求13所述的治疗系统，其中，所述示踪剂是氟代脱氧葡萄糖、氟代胸腺 嘧啶、氟代酪氨酸、氟代甲氧甲基硝基咪唑乙醇和氟代氮霉素阿拉伯呋喃糖苷之一。
15.根据权利要求11到14中的任一项所述的治疗系统，其中，所述处置监测系统 (126)包括图像数据处理器008)，所述图像数据处理器处理所述图像数据以产生关于接受处置 的两个或更多个结构的定量信息，其中，被处置的所述两个或更多个结构之一包括所述第 一结构；以及图像数据增强器O10)，所述图像数据增强器通过从所述图像数据减去关于所述第一 结构的所述定量信息来增强所述图像数据中所述两个或更多个结构中的第二结构。
16.根据权利要求11到15中的任一项所述的治疗系统，其中，所述处置响应模拟器 (124)包括建模器O02)，所述建模器基于从在所述处置之前采集的数据产生的图像数据和所述 对象或受检者来产生所述模型；预测器O04)，所述预测器基于所述模型和所述治疗处置计划来产生表示所述第一结 构可能如何对所述处置进行响应的预测；以及参数图发生器O06)，所述参数图发生器基于所述预测产生所述参数图。
17.根据权利要求16所述的治疗系统，其中，所述模型、所述预测或所述参数图中的至 少一个是经由计算机模拟产生的。
18.根据权利要求11到17中的任一项所述的治疗系统，其中，所述处置响应模拟器 (124)基于组织学数据、患者健康信息、病史、遗传学信息、实验室测试结果或病理学信息中 的一种或多种产生所述参数图。
19.一种方法，包括基于从在处置之前采集的数据产生的表示对象或受检者的第一结构的图像数据产生 表示所述结构的模型；基于所述模型和治疗处置计划产生表示所述第一结构可能如何对处置进行响应的预 测；以及基于所述预测产生参数图，所述参数图包括关于所述第一结构的示踪剂摄取的定量信息ο
20.根据权利要求19所述的方法，还包括基于从在所述处置之后执行的成像程序产生的图像数据产生关于两个或更多个被处 置结构的定量信息，其中，所述两个或更多个被处置结构之一包括所述第一结构；以及基于关于所述第一结构的所述定量信息增强所述图像数据中所述两个或更多个被处 置结构中的第二结构。
21.根据权利要求19所述的方法，还包括抑制所述图像数据中关于所述第一结构的所述定量信息。
22.根据权利要求19到21中的任一项所述的方法，其中，所述图像数据包括表示示踪 剂摄取的信息。
23.一种方法，包括模拟靶组织对处置的第一响应；模拟参考组织对所述处置的第二响应；处置所述靶组织和所述参考组织；确定所述靶组织对所述处置的第三响应；确定所述参考组织对所述处置的第四响应；以及基于所述第四响应对所述第三响应进行规范化。
24.根据权利要求23所述的方法，其中，所述参考组织包括与所述靶组织类似的示踪 剂摄取属性。
25.根据权利要求23到M中的任一项所述的方法，其中，利用基本类似的辐射剂量或 分数剂量之一处置所述第一和第二组织。
26.根据权利要求23到25中的任一项所述的方法，其中，基于在所述处置之后执行的 功能性扫描确定所述第三和第四响应。
27.一种确定治疗功效的方法，包括获得处置前信息；基于所述处置前信息开发治疗的可能效果的模型；获得处置后功能性图像数据；以及将所述处置后功能性图像与所述模型比较以确定所述治疗功效。
28.根据权利要求27所述的方法，还包括显示表示所述比较的信息。
29.根据权利要求观所述的方法，其中，所述信息采用图像覆盖的形式。
30.根据权利要求27到四中的任一项所述的方法，其中，所述处置是辐射、粒子、高强 度聚焦超声、化学或消融治疗之一。
31.一种系统，包括处理部件(502)，所述处理部件处理与患者对应的患者数据；候选参数选择器(504)，所述候选参数选择器基于经处理的数据选择用于处置确定电 脑模拟的模拟参数候选集；患者状态模拟器(506)，所述患者状态模拟器使用所述参数候选集执行对于所述患者 的患者状态确定电脑模拟，并基于该模拟产生表示所述患者的预测状态的第一信号；以及判决部件(510)，所述判决部件基于所述预测状态和所述患者的已知状态产生表示所 述参数候选集是否适用于所述患者的第二信号。
32.根据权利要求31所述的系统，其中，所述候选集包括与至少一个其他患者对应的 已知患者特异性模拟参数。
33.根据权利要求31到32中的任一项所述的系统，其中，所述候选集包括与至少一个 其他患者对应的电脑模拟确定的患者特异性模拟边界和初始条件。
34.根据权利要求33所述的系统，其中，所述候选集包括与所述至少一个其他患者对 应的电脑模拟确定的处置响应信息。
35.根据权利要求31到34中的任一项所述的系统，其中，所述候选集是从患者临床试 验获得的。
36.根据权利要求31到34中的任一项所述的系统，其中，所述候选集是从患者信息储 存库获得的。
37.根据权利要求31到36中的任一项所述的系统，还包括分析器(508)，所述分析器 分析所述第一信号，其中，所述判决部件(510)基于所述分析的结果产生所述第二信号。
38.根据权利要求37所述的系统，其中，所述分析包括比较所述患者的所述预测状态和所述患者的所述已知状态。
39.根据权利要求31到38中的任一项所述的系统，其中，所述患者数据包括成像和非 成像数据。
40.根据权利要求31到39中的任一项所述的系统，还包括处置确定设备(600)，所述 处置确定设备至少部分基于所述参数候选集执行电脑处置模拟以预测处置响应。
41.根据权利要求40所述的系统，其中，所述处置确定设备(600)包括处置选择器 (602)，所述处置选择器基于所述患者的所述已知状态选择模拟的处置类型。
42.根据权利要求39到41中的任一项所述的系统，其中，所述处置确定设备(600)包 括呈现处置模拟信息的处置模拟器(604)。
43.一种方法，包括基于对于第一患者的经处理的患者数据选择参数集，其中，所述参数集与不同患者对 应；以及基于所述参数集执行第一电脑模拟，其中，模拟结果预测所述第一患者的状态。
44.根据权利要求43所述的方法，还包括在所预测的状态代表所述第一患者的已知状 态时，采用所述参数集执行基于所述参数集的第二电脑模拟。
45.根据权利要求44所述的方法，其中，所述第二电脑模拟预测所述第一患者的处置 响应。
46.根据权利要求44到45中的任一项所述的方法，还包括将表示所预测的状态的第一值和表示所述已知状态的第二值之间的差异值与预定阈 值进行比较；以及在所述差异小于所述阈值时，采用所述参数集执行第二电脑模拟。
47.根据权利要求44到45中的任一项所述的方法，还包括产生表示所预测的状态和所述已知状态之间的相似性的相似性度量；将所述相似性度量与预定阈值进行比较；以及在所述相似性度量超过所述阈值时，采用所述参数集执行第二电脑模拟。
48.根据权利要求43到46中的任一项所述的方法，其中，所述参数集包括与另一患者 对应的处置后参数和已知边界及初始条件。
49.一种方法，包括基于对于患者的患者特异性参数集为所述患者执行电脑处置模拟，所述患者特异性参 数集是通过电脑参数模拟确定的，其中，所述患者特异性参数集开始是未知的，且是基于已 知参数和另一患者的状态确定的。
50.一种用于识别至少一个候选辐射处置计划的系统，包括数据储存库(906)，所述数据储存库包括对于先前处置的患者的辐射处置计划以及关 于所述先前处置的患者的相关信息；处置计划搜索引擎(908)，所述处置计划搜索引擎基于关于待处置的患者的信息搜索 所述数据储存库(906)以查找辐射处置计划并产生搜索结果；以及候选辐射处置计划识别器(912)，所述候选辐射处置计划识别器基于关于所述待处置 的患者的信息和关于所述先前处置的患者的对应信息之间的相似性在所述搜索结果中识 别至少一个辐射处置计划。
51.根据权利要求50所述的系统，还包括映射器，所述映射器基于可变形图像配准、模 式匹配或参数匹配中的至少一种将所识别的辐射处置计划映射到对于所述待处置的患者 的辐射处置计划。
52.根据权利要求50到51中的任一项所述的系统，其中，所述信息包括图像数据，并且 所述候选辐射处置计划识别器(91 基于所述图像数据之间的相似性识别所述至少一个 辐射处置计划。
53.根据权利要求52所述的系统，其中，所述候选辐射处置计划识别器(912)基于所述 图像数据中对应解剖结构的维度之间的相似性识别所述至少一个辐射处置计划。
54.根据权利要求50到51中的任一项所述的系统，其中，所述信息包括肿瘤特性，并且 所述候选辐射处置计划识别器(91 基于所述肿瘤特性之间的相似性识别所述至少一个 辐射处置计划。
55.根据权利要求50到M中的任一项所述的系统，其中，所述信息包括代表不同疾病 部位之间的组织变化性的数据。
56.根据权利要求50到55中的任一项所述的系统，其中，所述信息包括代表处置源之 间的处置设计变化的数据。
57.根据权利要求50到56中的任一项所述的系统，其中，所述信息包括代表患者人口 统计变化的数据。
58.根据权利要求50到57中的任一项所述的系统，其中，所述处置计划搜索引擎基于 关于所述待处置的患者的信息向所述数据储存库906)应用过滤器(910)以选择所述辐射 处置计划的子集。
59.根据权利要求58所述的系统，其中，所述过滤器(910)识别感兴趣肿瘤特性或感兴 趣患者人口统计中的至少一个。
60.根据权利要求50到59中的任一项所述的系统，其中，所述候选辐射处置计划识别 器(912)基于对于所述待处置的患者和所述先前处置的患者的分割图像中对应感兴趣区 域之间的图像配准来识别所述至少一个辐射处置计划。
61.根据权利要求50到60中的任一项所述的系统，其中，所述候选辐射处置计划识别 器(91 识别与所述信息之间的相似性量度的最大值对应的所述至少一个辐射处置计划。
62.根据权利要求50到61中的任一项所述的系统，其中，选择所述至少一个辐射处置 计划之一作为对于所述待处置的患者的所述辐射处置计划。
63.根据权利要求62所述的系统，其中，所选择的计划包括射束数量、射束角度、剂量 测定处方和剂量目标中的一个或多个。
64.一种用于为辐射处置规划客户端(904,110 识别至少一个候选辐射处置计划的 计算系统，包括经确认的辐射处置计划和相关患者特征的数据储存库(906)；处置计划搜索引擎(908)，所述处置计划搜索引擎基于由所述客户端(904,110 提供 的一个或多个感兴趣患者特征搜索所述数据储存库(906)；以及候选辐射处置计划识别器(912)，所述候选辐射处置计划识别器基于所提供的所述一 个或多个感兴趣患者特征识别辐射处置计划，其中，所述辐射处置计划被提供给所述客户 端(904，1102)。
65.根据权利要求64所述的计算系统，还包括映射器，所述映射器基于可变形图像配 准、模式匹配或参数匹配中的至少一种将所识别的辐射处置计划映射到对于待处置的患者 的辐射处置计划。
66.根据权利要求64到65中的任一项所述的计算系统，其中，所述计算系统是基于订 购的服务，并且所述客户端(904，1102)是辐射处置规划系统(904)。
67.根据权利要求64到66中的任一项所述的计算系统，其中，所述一个或多个患者特 征包括处置类型，该处置类型包括辐射治疗、化学治疗、粒子治疗、高强度聚焦超声(HIFU)、 消融或图像引导的辐射治疗之一。
68.根据权利要求64到67中的任一项所述的计算系统，其中，被提供给所述客户端 (904,1102)的所述辐射处置计划包括射束数量、射束角度、剂量测定处方和剂量目标中的 一个或多个。
69.根据权利要求64到68中的任一项所述的计算系统，其中，所述候选辐射处置计划 识别器(91 基于所述数据储存库(906)中的特征和所述客户端(904,110 提供的特征 之间的相似性识别所述辐射处置计划。
70.一种计算机实施的方法，包括获得第一患者的第一图像数据以及对于所述第一患者的与肿瘤相关的信息；基于对来自所述第一图像数据的所述第一患者的特性与来自第二图像数据的先前处 置的患者的对应特性的匹配来识别用于处置所述第一患者体内的所述肿瘤的处置计划，其 中，所述处置计划是从经确认的处置计划的储存库(906)中选择的；以及基于所述匹配选择用于处置所述先前处置的患者的辐射处置计划以处置所述第一患者ο
71.根据权利要求70所述的计算机实施的方法，还包括基于所选择的计划的参数产生 新的处置计划。
72.根据权利要求71所述的计算机实施的方法，还包括向所述储存库(906)增加所述 新的处置计划。
73.根据权利要求70到72中的任一项所述的计算机实施的方法，还包括选择至少一个额外的辐射处置计划；以及基于所选择的计划的参数产生多个新的处置计划。
74.根据权利要求73所述的计算机实施的方法，还包括呈现所述新的处置计划供用户 选择。
75.一种计算机实施的方法，包括在基于订购的服务器(1104)从客户端辐射处置系统(904,110 接收对于候选辐射处 置计划的请求，所述客户端辐射处置系统通过计算机网络(1106)向所述基于订购的服务 器(1104)进行订购；基于所述请求提供的信息识别满足所述请求的处置计划；以及经由所述计算机网络(1106)向所述客户端辐射处置系统(904,110 提供所识别的辐 射处置计划。
76.根据权利要求75所述的计算系统，还包括将所识别的辐射处置计划映射到对于待 处置的患者的辐射处置计划。
77.根据权利要求76所述的计算系统，其中，映射所识别的辐射处置计划包括基于可 变形图像配准、模式匹配或参数匹配中的至少一种映射所识别的辐射处置计划。
78.一种方法，包括基于对第一患者的特性与先前处置的患者的对应特性的匹配来 识别用于处置所述第一患者体内的肿瘤的候选处置计划，其中，所述候选处置计划是从对 于先前处置的患者的经确认的处置计划的储存库(906)中选择的。
79.根据权利要求78所述的方法，还包括将所识别的候选处置计划的参数映射到对于 所述第一患者的处置计划。
80.根据权利要求78到79中的任一项所述的方法，还包括基于所识别的候选处置计划 执行电脑模拟以预测所述第一患者对所识别的候选处置计划的处置响应。
81.根据权利要求78到80中的任一项所述的方法，还包括基于所识别的候选处置计划 执行电脑模拟以预测所述第一患者的当前状态。
82.根据权利要求78到81中的任一项所述的方法，其中，所述储存库(906)中所述经 确认的处置计划中的至少一个是通过电脑参数模拟确定的。
83.根据权利要求78到82中的任一项所述的方法，其中，所识别的候选处置计划是通 过电脑模拟识别的。
84.根据权利要求78到83中的任一项所述的方法，还包括产生表示所述第一患者的第一结构的模型；以及基于所述模型和所识别的候选处置计划产生表示所述第一结构可能如何对处置进行 响应的预测。
85.根据权利要求84所述的方法，还包括获得处置后数据；以及基于所述处置后数据和所述预测之间的比较确定所述处置的功效。
86.根据权利要求78到83中的任一项所述的方法，还包括基于所述结构的模型和所识别的候选处置计划产生参数图，所述参数图包括表示第一 结构可能如何对处置进行响应的定量信息。
87.根据权利要求86所述的方法，还包括基于所述参数图增强所述第一结构的图像 数据。
全文摘要
一种治疗处置响应模拟器包括建模器(202)，所述建模器基于对象或受检者的信息产生对象或受检者的结构的模型；以及预测器(204)，所述预测器基于所述模型和治疗处置计划产生表示所述结构可能如何对处置进行响应的预测。在另一方面中，一种系统包括使用与另一患者对应的候选参数集为患者执行确定患者状态的电脑模拟并产生表示预测的患者状态的第一信号，以及基于患者的已知状态产生表示所述候选参数集是否适于所述患者的第二信号。
文档编号A61N5/10GK102132280SQ200980131607
公开日2011年7月20日 申请日期2009年7月22日 优先权日2008年8月15日
发明者I-C·卡尔森, J·威斯, J·萨巴奇恩斯基, K·A·布兹杜泽克, M·考斯, R·奥普弗, S·卡布斯, S·雷尼施, V·佩卡尔 申请人:皇家飞利浦电子股份有限公司