患者位置決めシステム
【課題】撮像面内だけでなく撮像面外の位置ずれ量を的確に推定することができ、短時間かつ高精度の位置決めが可能な患者位置決めシステムを提供する。
【解決手段】患者位置決めシステムは、患部の３次元ＣＴデータを取得するためのＣＴデータ取得装置１と、患部のＸ線ＴＶ画像を取得するためのＸ線ＴＶ画像取得装置２と、取得したＣＴデータに基づいて２次元ＤＲＲ画像を生成するとともに、生成したＤＲＲ画像および取得したＸ線ＴＶ画像に基づいてＣＴデータ取得時の第１患部位置とＸ線ＴＶ画像取得時の第２患部位置との間のずれ量を算出する画像処理装置３とを備え、画像処理装置３は、３次元ＣＴデータに関して３次元的な特徴量を抽出する３次元解析処理と、ＤＲＲ画像およびＸ線ＴＶ画像に関して２次元的な特徴量を抽出する２次元解析処理と、抽出した特徴量を評価する特徴評価処理と、評価した特徴量が存在する領域を選択する領域限定処理と、選択した領域に関して第１患部位置と第２患部位置との間のずれ量を推定する移動量推定処理とを実行する。
【解決手段】患者位置決めシステムは、患部の３次元ＣＴデータを取得するためのＣＴデータ取得装置１と、患部のＸ線ＴＶ画像を取得するためのＸ線ＴＶ画像取得装置２と、取得したＣＴデータに基づいて２次元ＤＲＲ画像を生成するとともに、生成したＤＲＲ画像および取得したＸ線ＴＶ画像に基づいてＣＴデータ取得時の第１患部位置とＸ線ＴＶ画像取得時の第２患部位置との間のずれ量を算出する画像処理装置３とを備え、画像処理装置３は、３次元ＣＴデータに関して３次元的な特徴量を抽出する３次元解析処理と、ＤＲＲ画像およびＸ線ＴＶ画像に関して２次元的な特徴量を抽出する２次元解析処理と、抽出した特徴量を評価する特徴評価処理と、評価した特徴量が存在する領域を選択する領域限定処理と、選択した領域に関して第１患部位置と第２患部位置との間のずれ量を推定する移動量推定処理とを実行する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、放射線や粒子線などを患者の病巣部に照射して治療を行う放射線治療において好適な患者位置決めシステムに関する。
【背景技術】
【０００２】
患者位置決めシステムでは、始めに、断層像撮影装置（例えば、Ｘ線ＣＴ(Computed Tomography)装置）を用いて患者の病巣部を撮影した治療計画用３次元ＣＴデータを取得し、このＣＴデータの診断結果に基づいて治療計画を立てる。このとき３次元ＣＴデータに基づいて腫瘍患部の位置や形状を特定し、放射線を照射する方向や照射線量などを決める。
【０００３】
次に、決定した治療計画に基づいて放射線治療を行うことになる。しかし、ＣＴ撮影時から放射線治療までの間にかなりの時間が経過していると、治療時における治療台の患者の位置や体位が治療計画作成時の患者の位置や体位と異なっていることが多い。そのため放射線治療を行う前に、現在の患者位置と治療計画時の患者位置のずれを補正する必要がある。
【０００４】
このずれの補正量を算出するために必要な基準画像を、治療計画時の３次元治療計画用データから再構成し、基準ＤＲＲ（Digitally Reconstructed Radiograph：デジタル再構成ラジオグラフ）画像を生成する。一方、現在の患者位置は、Ｘ線ＴＶ画像撮影装置を用いて取得する。そして、取得したＸ線ＴＶ画像と再構成して得られたＤＲＲ画像とを比較し、画像処理を施すことによって補正量を算出する。治療ビームが患部の適切な位置を照射するように、算出した補正量に基づいて治療台の３次元位置と姿勢を調整する。以上の処理を行う装置が患者位置決めシステムである。こうした患者位置決めシステムでは、患者位置決めの精度向上や速度向上が要望されている。
【０００５】
特に、近年の放射線治療では、たとえば粒子線など、体内で線量を集中させることが可能である。治療ビームのエネルギーを調節して腫瘍の深さ方向の位置に合わせることによって、高い線量部分を腫瘍患部に一致させることが可能である。つまり、腫瘍だけに高い線量を照射しつつ、周囲の正常組織に対する影響を低減できる。この性質を活かすためには、腫瘍患部のみに粒子線を照射するための、高精度な患者の位置決め技術が重要になってくる。
【０００６】
現行の患者位置決めシステムでは、予め患者の体内に位置決めの指標となる体内マーカを埋め込み、腫瘍とマーカの３次元的位置情報を含むＣＴデータを断層撮影装置で取得している。そして、マーカを埋め込んだ状態で治療計画を立てる。
【０００７】
治療時には、治療計画で用いたＣＴデータから再構成して得られる画像を生成する。そして、Ｘ線ＴＶ画像診断装置を用いて腫瘍とマーカの３次元的位置を含んだＸ線ＴＶ画像を投影し、現在の患者の位置および姿勢を特定する。
【０００８】
この２つの画像、即ち、ＤＲＲ画像とＸ線ＴＶ画像の上で実際の体内マーカ位置を計画マーカ位置に重ねることにより、患者位置決めを行っている。こうした位置決め手法としては、画像間のパターンマッチングが用いられる。
【０００９】
この現行の手法では、Ｘ線ＴＶ画像撮像装置で得られるＸ線ＴＶ画像上で、位置決め指標になるマーカが死角となる可能性が残る。例えば、下記特許文献１ではこの問題に関する試みが行われている。また、下記特許文献２では、体内マーカを用いて患者の十分な位置決め精度を確保することが提案されている。また、下記非特許技術文献１では、体内マーカを使用せずに患者の位置決めを行う手法が提案されている。
【００１０】
さらに特許文献６では、初回のみ特徴点を与えユーザが与え、初回以降はその特徴点を検出して自動に患者位置合わせを行っている。
【先行技術文献】
【特許文献】
【００１１】
【特許文献１】特開２０００−１４０１３７号公報
【特許文献２】特開２００６−２１８３１５号公報
【特許文献３】特開２００７−２８２８７７号公報
【特許文献４】特開１０−２１３９３号公報
【特許文献５】特許第３３６０４６９号公報
【特許文献６】特開２００８−２２８９６６号公報
【非特許文献】
【００１２】
【非特許文献１】A GPGPU Approach for Accelerating 2-D/3-D Rigid Registration of Medical Images (LECTURE NOTES IN COMPUTER SCIENCE 2006, NUMB 4330, pages 939-950)
【非特許文献２】Improvement of depth position in 2-D/3-D registration of knee implants using single-plane fluoroscopy (Medical Imaging, IEEE Transactions, May 2004, Vol. 23, Issue 5, pp. 602-612)
【発明の概要】
【発明が解決しようとする課題】
【００１３】
特許文献１及び特許文献２では、体内マーカなどの特徴を用いて位置決めを行っている。しかしながら、体内マーカを埋め込んだ場合、身体への侵襲性という課題だけでなく、ＣＴ撮影時から放射線治療までの間に時間が経過していると、体内マーカがずれてしまう可能性がある。また、患部の状態によってはマーカを埋めることができない場合がある。
【００１４】
非特許文献１では、ランドマークとなる体内マーカを使用せずに、ＤＲＲ画像のエッジ特徴とＸ線ＴＶ画像のエッジ特徴との正規化相互相関を用いて両者間のずれ量を算出している。この方法は、２次元的な撮像面内の回転は算出できるが、３次元的補正量である撮像面外の回転を算出するのが難しい。
【００１５】
本発明の目的は、ＤＲＲ画像生成過程において予めＣＴデータおよびＤＲＲ画像の解析を行うことにより、撮像面内だけでなく撮像面外の位置ずれ量を的確に推定することができ、短時間かつ高精度の位置決めが可能な患者位置決めシステムを提供することである。
【課題を解決するための手段】
【００１６】
上記目的を達成するために、本発明に係る患者位置決めシステムは、患部の３次元ＣＴデータを取得するためのＣＴデータ取得装置と、
患部のＸ線ＴＶ画像を取得するためのＸ線ＴＶ画像取得装置と、
取得したＣＴデータに基づいて２次元ＤＲＲ画像を生成するとともに、生成したＤＲＲ画像および取得したＸ線ＴＶ画像に基づいてＣＴデータ取得時の第１患部位置とＸ線ＴＶ画像取得時の第２患部位置との間のずれ量を算出する画像処理装置とを備え、
画像処理装置は、３次元ＣＴデータに関して３次元的な特徴量を抽出する３次元解析処理と、ＤＲＲ画像およびＸ線ＴＶ画像に関して２次元的な特徴量を抽出する２次元解析処理と、抽出した特徴量を評価する特徴評価処理と、評価した特徴量が存在する領域を選択する領域限定処理と、選択した領域に関して第１患部位置と第２患部位置との間のずれ量を推定する移動量推定処理とを実行することを特徴とする。
【発明の効果】
【００１７】
本発明によれば、３次元的な特徴抽出処理、特徴評価処理、領域限定処理を行うことによって、患者の位置決めを撮像面内だけでなく、撮像面外のずれ量を的確に推定することが可能になる。また、注目領域のみを用いてずれ量を推定するため、短時間かつ高精度の患者の位置決めが可能になる。
【図面の簡単な説明】
【００１８】
【図１】本発明の実施の形態１に係る患者位置決めシステムを示す構成図である。
【図２】患者位置決め画像処理装置の構成を示すブロック図である。
【図３】断層像撮像装置を用いて３次元ＣＴデータを取得する様子を示す説明図である。
【図４】患者のＸ線ＴＶ画像を取得する様子を示す説明図である。
【図５】レイキャスティングアルゴリズムを用いてＤＲＲ画像を生成する手法を示す説明図である。
【図６】患者位置決め画像処理装置の動作の一例を示す処理フロー図である。
【図７】２次元画像の圧縮（階層化）処理を示す説明図である。
【図８】３次元ボリュームデータの圧縮（階層化）処理を示す説明図である。
【図９】ＣＴ画像から抜き出し領域の限定を示す説明図である。
【図１０】限定領域のみのレイキャスティング処理を示す説明図である。
【図１１】レイキャスティングアルゴリズムにおいて特徴点が重複する様子を示す説明図である。
【図１２】レイキャスティングアルゴリズムでの加算項の説明図である。
【図１３】患者位置決め画像処理装置の動作の他の例を示す処理フロー図である。
【図１４】患者位置決め画像処理装置の動作のさらに他の例を示す処理フロー図である。
【発明を実施するための形態】
【００１９】
実施の形態１．
図１は、本発明の実施の形態１に係る患者位置決めシステムを示す構成図である。患者位置決めシステムは、断層像撮影装置１と、Ｘ線ＴＶ画像撮影装置２と、患者位置決め画像処理装置３と、治療台４と、ディスプレイ装置５と、キーボードやマウス等の入力手段（不図示）などで構成される。
【００２０】
断層像撮影装置１は、例えば、Ｘ線ＣＴ(Computed Tomography)装置などで構成され、患部の３次元ＣＴデータを取得する機能を有する。Ｘ線ＴＶ画像撮影装置２は、例えば、Ｘ線蛍光増倍管などで構成され、患部のＸ線ＴＶ画像を取得する機能を有する。こうしたＸ線ＴＶ画像撮影装置２は、通常、放射線治療装置と一体的に設置される。
【００２１】
患者位置決め画像処理装置３は、単一または複数のコンピュータなどで構成され、断層像撮影装置１で取得したＣＴデータに基づいて２次元ＤＲＲ（Digitally Reconstructed Radiograph：デジタル再構成ラジオグラフ）画像を生成するとともに、生成したＤＲＲ画像および、Ｘ線ＴＶ画像撮影装置２で取得したＸ線ＴＶ画像に基づいて、ＣＴデータ取得時の第１患部位置とＸ線ＴＶ画像取得時の第２患部位置との間のずれ量を算出する。
【００２２】
治療台４は、放射線治療の際に、放射線や粒子線など治療ビームが患部の適切な位置を照射するように、３次元位置および姿勢が調整可能な機構を備える。ディスプレイ装置５は、３次元ＣＴデータおよびＸ線ＴＶ画像を表示したり、患者位置決め画像処理装置３の処理結果を表示する。
【００２３】
以下、患者の治療計画から実際の放射線治療までの流れに沿って説明する。まず、治療計画を立てるために、図３に示すように、患者１１が撮像台１０の上に寝た状態で、断層像撮像装置１を用いて患者の３次元治療計画用診断データである３次元ＣＴデータ１２を取得する。そして、このＣＴデータの診断結果に基づいて治療計画を立てる。
【００２４】
治療計画を立てた後、放射線治療を開始する。このとき治療時の患者の位置を特定するために、図４に示すように、患者１１が放射線治療装置の治療台４に寝た状態で、Ｘ線管１３からＸ線１５を照射しながら、Ｘ線ＴＶ画像撮影装置２を用いてＸ線ＴＶ画像１４を取得する。このとき複数のＸ線ＴＶ画像１４を異なる方向で撮影することによって、患者の３次元位置情報が得られる。
【００２５】
なお、図４中の符号１６は治療室の基準座標系を示し、符号１７はＸ線管１３からＸ線１５の照射センタ（アイソセンタ）までの距離を示し、符号１８はＸ線管１３からＸ線ＴＶ画像撮影装置２までの距離を示す。
【００２６】
そして、患者位置決め画像処理装置３は、断層像撮像装置１およびＸ線ＴＶ画像撮影装置２を用いて取得したデータに基づいて現在の患者位置と治療計画時のずれ量を算出する。算出したずれ量に基づいて、治療台４の３次元位置と姿勢を調整することによって、現在の患者位置を治療計画時の位置に一致させることができる。
【００２７】
再度、現在の患者位置が適切か否かを確認するために、もう一度、Ｘ線ＴＶ画像撮影装置２を用いてＸ線ＴＶ画像１４を取得してディスプレイ装置５に表示し、Ｘ線ＴＶ画像１４とＤＲＲ画像２０との重ね合わせにより、画像のずれ量が規定値以下であることで確認する。
【００２８】
図２は、患者位置決め画像処理装置３の構成を示すブロック図である。この画像処理装置３は、治療計画時データ前処理装置６、透過画像生成装置７、治療時データ前処理装置８、最適パラメータ推定装置９などを備える。
【００２９】
治療計画時データ前処理装置６は、断層像撮影装置１で得られた３次元ＣＴデータ１２を入力データとして、各種の画像処理を施す。透過画像生成装置７は、装置６で処理された３次元ＣＴデータ１２を再構成して、ＤＲＲ画像を生成する。治療時データ前処理装置８は、現在の患者位置を表すＸ線ＴＶ画像１４を入力データとして、各種の画像処理を施す。最適パラメータ推定装置９は、生成したＤＲＲ画像およびＸ線ＴＶ画像１４に基づいて、ＣＴデータ取得時の第１患部位置とＸ線ＴＶ画像取得時の第２患部位置との間のずれ量を算出する。算出したずれ量に基づいて、治療台４の３次元位置および姿勢が調整される。
【００３０】
図６は、患者位置決め画像処理装置３の動作を示す処理フロー図である。患者位置決め画像処理装置３は、まず、上述したようにＣＴデータ１２およびＸ線ＴＶ画像１４を取得する。
【００３１】
次に、図６に示していないが、治療時に用いられるＸ線ＴＶ画像装置２のターゲット中心（アイソセンタ）や、治療ビームの照射方向などの照射パラメータ値を取得する。この処理は、放射線治療のターゲット中心（アイソセンタ）の３次元位置、治療室における幾何学的な位置情報（図４）であるＸ線管１３から放射線治療のターゲット中心（アイソセンタ）までの距離１７、Ｘ線管１５からＸ線ＴＶ画像撮影装置２までの（治療ビームの）焦点距離１８、治療室座標系１６などのパラメータも含み、これらはＸ線ＴＶ画像撮影装置２で得られるＸ線ＴＶ画像１４と同じ画像を３次元ＣＴデータ１２から生成するために必要なパラメータでもある。以上の処理は、治療計画時データ前処理装置６および治療時データ前処理装置８で行われる。
【００３２】
次に、治療室座標系１６などのパラメータに基づいてＤＲＲ画像を生成する。この手法は、例えば、レイキャスティング(Ray Casting)アルゴリズムを用いて行われる。このレイキャスティングアルゴリズムとは、図５に示すように、ボリュームデータ（ここではＣＴデータ１２）に対して視点１９とボリュームデータとを通過する光線２２を仮定する。次に、この光線２２上にあるボクセルの密度（輝度値）を合計し、最終的に到達する合計輝度値に基づいて半透明な透過画像面２１からＤＲＲ画像２０を生成するものである。ここで、図５の符号２３はＤＲＲ画像生成の視点と対象物の距離、符号２４はＤＲＲ画像を生成する座標系を示している。なお、図６の符号２０は、既知のパラメータでＤＲＲ画像を生成した結果を表す。以上の処理は、透過画像生成装置７で行われる。
【００３３】
次に、図６の３次元特徴解析手段３０を用いて、ＣＴデータ１２の３次元的特徴を解析する。これは、治療計画時データ前処理装置６により行われる。この３次元特徴を解析する手法として具体的に、以下のものがある。本実施形態では何れの特徴量を適用してもよい。
【００３４】
始めに、基本的な特徴量として、注目ボリュームの輝度値、領域（ゲートサイズ）内の平均輝度、領域内の輝度自乗和平均、領域内の分散、領域内の標準偏差、生起確率の自乗和、生起確率を用いたエントロピーなどが採用できる。
【００３５】
また、他の特徴量として、ＣＴデータ１２をブロックごとに分割し、そのブロックごとに頂点の法線ベクトルの向きなどの分散を解析することにより得られる特徴量、予め曲面などを張り、曲面の曲がり具合を表す量である曲率を用いる特徴量、マーチングキューブなどにより表面形状を求め、表面を張るＣＴデータの輝度値を用いる特徴量、任意の２視点を決めスピンイメージなどにより得られる特徴量、テクスチャパターンである局所２値パターン（Local Binary Pattern）や立体高次局所自己相関（Cubic-Higher-order Local Auto Correlation）などを用いる特徴量、ＳＨＩＦＴ（Scale Invariant Feature Transform）を３次元的に拡張し用いる方法、３次元ボリュームデータの３軸方向のそれぞれの固有値を求め固有値から内部組織の形状を評価して得られる特徴量、単純にＣＴ画像値そのものを用いる特徴量、３次元ハフ(Hough)変換による特徴量、３次元ARTフィルタの特徴、３次元的な輝度勾配方向ヒストグラム(Histogram of oriented gradients)の特徴量、３Ｄガウスフィルタによる特徴量、３Ｄ−ＦＦＴフィルタ特徴、最後に、上記に示した特徴量を組み合わせて評価し、最適な特徴量の組み合わせを用いる特徴量などが採用できる。
【００３６】
また、ＣＴデータでは輝度値の変化が少ないために、特徴量を評価するのが困難なことがある。そこで、図８に示すように、ＣＴデータを圧縮することにより明確化した特徴を利用することが好ましい。これらの特徴量を用いて３次元データの特徴を分析することができる。例えば、骨の密度（輝度）が高いところやそうでないところ、腫瘍の周辺の特徴などを３次元的に分析できる効果がある。または解剖学的情報を利用してもよい。その処理結果が３次元特徴解析データ３１である。そして、この処理結果３１によりＤＲＲ画像３２を生成する。ここでのＤＲＲ生成処理とは、ＣＴデータ１２から３次元特徴解析処理せずにＤＲＲ画像２０を生成し、後から３次元特徴解析手段で得られた特徴量および、通過する光線２２との視線方向から得られる透過面の画素値や画素の３次元的位置を記憶して生成する。または、特徴解析結果３１によって得る特徴の領域そのものを用いてＤＲＲ画像３２を生成してもよい。
【００３７】
２次元解析処理手段３３では、Cannyオペレータ、Harris Corner Detector、Good Featuresなどのフィルタを用いて、ＤＲＲ画像２０、特徴解析結果によるＤＲＲ画像３２およびＸ線ＴＶ画像１４に対してフィルタ処理を行う。または、３次元特徴解析手段で用いた特徴抽出を２次元処理として用いてもよい。図６のＤＲＲ処理結果画像２７、３次元解析を施したＤＲＲ画像２８、Ｘ線ＴＶ処理結果画像２５は処理結果を表す。ただし、２次元解析処理手段３３では、同じフィルタをそれぞれの画像に行わなくても良い。つまり、ＤＲＲ画像２０、特徴解析結果によるＤＲＲ画像３２には、画像に応じてフィルタを変えても良い。この処理は治療計画データ前処理装置８で行われる。
【００３８】
特徴評価処理手段２６では、ＤＲＲ画像処理結果画像２７と３次元解析によるＤＲＲ画像処理画像２８との画像間で、３次元特徴が保存されているかについて評価を行う。評価方法は、両画像のピクセル値が一致する所やその周辺での特徴量の評価を行う。評価手法では、領域内での相関、相互情報量、ラスタ操作での一致点などを用いて行う。さらに、図６には示していないが、一致する領域やピクセル値が多く出るように３次元解析手段で用いたフィルタにフィードバックをかけて評価してもよい。例えば、ニューラルネットワーク、SVMやBoosting、確率モデルを用いた識別手法を用いて、最適なフィルタの組み合わせを予めこのフィードバック処理により学習を行ってもよい。または、既知量の面外回転を行い、連続的に複数のＤＲＲ画像を生成する。そして、その複数の画像上の特徴量の変化の評価や、フィードバック処理による学習により面外回転に強いフィルタを評価する。ただし、フィードバックで用いられる評価画像が３次元解析によるＤＲＲ画像処理画像２８だけではなく、Ｘ線ＴＶ処理結果画像２５を用いてもよい。その場合は、Ｘ線ＴＶ処理結果画像２５とＤＲＲ画像処理結果画像２７とが同じ条件のパラメータ、患者位置で作られている必要がある。この処理は、治療計画時データ前処理装置６および治療時データ前処理装置８で行われる。
【００３９】
領域限定処理手段２９では、３次元特徴解析手段３０、２次元解析処理手段３３により得られる結果の領域のみを限定する。つまり、図９のように、抽出領域だけをＣＴ画像１２から抜き出し領域の限定をする。そして、この限定領域４２のみを用いて、図１０に示すようなレイキャスティング処理をする。この結果、計算コスト削減につながる。
【００４０】
さらに、図１０の領域限定４２では、医者が指定する腫瘍患部よりも領域を少し大きめの広げた領域、または、腫瘍として指定される輪郭情報を領域指定してもよい。この処理により、移動量推定３４での計算コストや、パラメータ推定の収束をかなり早くする効果がある。ただし、図１０の符号４３は、限定領域のみを用いて生成されるＤＲＲ画像を表し、限定領域を光線２２が通過するボリューム領域である。この処理は、治療計画時データ前処理装置６で行われる。
【００４１】
移動量推定手段３４では、特許文献５のように、テンプレートマッチングを行う。または、単純な画素と画素との比較による評価し、最適なパラメータを推定する。つまり、移動量推定手段３４は、ＤＲＲ画像座標系２４におけるＣＴデータ１２の位置と治療座標系１６における患者の位置との位置合わせを、ＤＲＲ画像２０およびＸ線ＴＶ画像１４を用いて行う。また評価値として、相互情報量を用いて評価してもよい。推定方法では、共役勾配法やアニーリングなど一般的に用いられている最適化手法を用いる。または、特徴量を画像の画素値で行うのではなく、３次元ＤＣＴにおけるボリュームデータ（ＣＴデータ１２）をそのままレイキャスティングの積分計算をおこない、ＤＲＲ画像２０と異なる透過特徴空間を生成する。そしてＸ線ＴＶ画像１４により得られる画像をＤＣＴ変換（離散コサイン変換）し、その特徴量で最適パラメータ推定手段３１を行う手法でもよい。これにより、雑音に強いパラメータ推定が可能になり、計算コストを抑えることも可能になる。また、ずれ量推定を複数のフィルタを用いて行ってもよい。この処理は最適パラメータ推定装置９で行われる。
【００４２】
また、図示していないが、位置決め出力で、移動量推定手段３４により得られる３次元の並進・回転パラメータの移動量（ずれ量）を放射線照射条件に反映して、ＤＲＲ画像２０を再生成し、同じ評価を繰り返す。最終的に任意に設定する閾値よりも小さくなるまでコンピュータ上でずれ量を算出し処理を終了する。得られるずれ量を反映したＤＲＲ画像２０とＸ線ＴＶ画像１４をディスプレイ装置５に出力し、ずれ量を治療台４に反映させる。この処理は患者位置決め画像処理装置３で行われる。
【００４３】
以上の処理を行うことにより、３次元的位置ずれ量を効率的に推定できる。
【００４４】
実施の形態２．
本実施形態では、実施の形態１の図６の処理フローにおいて、データを圧縮してずれ量を算出する。この処理は、ＣＴデータ１２の３次元的特徴を損なわないでデータの圧縮をする。そしてこの圧縮したデータを用いて位置決めを行う。この３次元的特徴を損なわない圧縮方法は、３次元特徴解析手段３０を用いる。
【００４５】
これは、特許文献４のように、図７に示すような２次元画像の処理を、図８に示すように、３次元ボリュームデータに拡張して行う。まず、全体のＣＴデータ１２をブロック分割しておき、分割領域を圧縮する前と後での領域である高解像度ボリュームデータ３９、低解像度ボリュームデータ４０を用いて、３次元的特徴を損なわないように圧縮する。または、ＣＴデータ１２の３次元特徴解析処理３０を行わないで圧縮してもよい。
【００４６】
ここでの圧縮率は、圧縮する前（高解像度ボリュームデータ３９）と後（低解像度ボリュームデータ４０）を、高解像度と低解像度のボクセル数が異なるので、確率モデルを用いる方法（相互情報量）、単純に特徴量を平均する方法などを用いて評価する。
【００４７】
そして、あらかじめ設定していた閾値を用いてデータの圧縮率を決定する。ここで、予め任意に治療時にユーザにより圧縮率を指定してもよい。この解析によりＣＴデータ１２の圧縮する前と後での三次元データの特徴を保存する効果がある。３次元特徴解析に用いるフィルタ処理の選択により、データ圧縮するときの任意の特徴、たとえば、骨や腫瘍部位などが損なわないように特徴量を選択することが可能となる。
【００４８】
ここで、図７は、画像を階層化してデータを圧縮することを模式的に表している。つまり、図７は、高解像度画像３７を低解像度画像３８に圧縮していることを示している。同様に、図８は、高解像度ボリュームデータ３９を低解像度ボリュームデータ４０に圧縮していることを示している。ここで得られた圧縮率を基に、近傍のボクセルごとに、データの階層化を行う。この処理を３次元ＤＣＴ変換により周波数領域で処理・圧縮を行った後に、逆ＤＣＴ変換を行って処理をしてもよい。この処理により、データの削減、雑音の影響を除去、などが可能になる。さらに、Ｘ線ＴＶ画像１４をＤＲＲ画像２０と同じ画像サイズになるように圧縮する。この処理は患者位置決め画像処理装置３で行われる。
【００４９】
以上のデータ圧縮をすることにより、ずれ量算出の計算コストを削減することが可能となる。
【００５０】
実施の形態３．
本実施形態では、実施の形態１の図６の処理フローにおいて、３次元特徴解析手段３０、特徴評価処理手段２６、領域限定処理手段２９を行わないで、特徴評価処理手段２６により得られる特徴量のみを用いて移動量推定を行う。収束した後に、面外回転のパラメータである移動量を振る。
【００５１】
パラメータの振り方は以下の方法である。ここでの生成法はランダム（メルセデスツイスタ等）にパラメータを振る。または、面外の回転軸に対して、パラメータの振り幅を（＋５°〜−５°）など任意の刻み幅で変化させパラメータを振る。ここでの振り幅の限界値は治療台が面外回転に対応する稼動の最大値である。または、Ｘ線ＴＶ画像に映る対象部位が移動する想定される範囲内に対応する面外回転のパラメータに設定する。刻み幅は、画像の解像度により決定する。つまり得られるＸ線ＴＶ画像のピクセル間の幅が推定する移動量の限界値であるため、それに対応した精度でステップ幅を決める。または、パラメータ推定で用いられる、共役勾配法でのステップ幅の値をそのまま用いてもよい。または、面外回転のパラメータを任意に変化させる事により、動かす前のＤＲＲ画像（または既知の座標系でとられたＸ線ＴＶ画像）と面外回転させたＤＲＲ画像やＸ線ＴＶ画像との画像の相関（相互相関・相互情報量）をとり誤差の曲線をプロットする。そのプロットした曲線が鋭角になるような２次元特徴フィルタの評価を行う。例えば評価方法は、曲線が極小解が一つであるような変化を示すフィルタを用いる。または曲線の変化量（１次微分や２次微分）により変化するフィルタを選択する。ここで問題なのは、曲線をプロットする間隔により曲線の評価に大きく異なるため、ランダムで刻み幅を設定するかまたは、画像の解像度を考慮して決定する。
【００５２】
そして、移動推定パラメータとして、画像間で濃度勾配ベースのフロー検出および隣接角度要素間を評価する。例えば、勾配法などで評価を行い最適なパラメータを推定する。この処理は、移動量の推定後に、面外回転の評価を行い実際の一致度を評価して行うことである。
【００５３】
実施の形態４．
本実施形態では、実施の形態３に係る手法を以下のように拡張している。まず実施の形態１の処理フローの移動推定手段３４において以下の処理を行う。移動推定における収束過程で、特徴評価処理手段２６で得られた特徴点や領域が存在するかなどを毎回評価する。ここでの評価方法は、例えば、トラッキングなどを行い、特徴点や特徴領域が面外回転で消失するかなどを評価とする。または、毎回２次元解析手段３３や特徴量解析手段２６を行い、全体の特徴量の数を評価とする。そして、注目している特徴点や領域（アイソセンタの付近の特徴領域とアイソセンタより遠い特徴領域）が収束過程で消失したところで、以下の処理を行う。ここでトラッキングは一般的に知られている、KLTや確率モデルを用いたCondensationなどである。
【００５４】
移動推定パラメータとして、画像間で濃度勾配ベースのフロー検出および隣接角度要素間を評価することにより、面外回転のパラメータを振る。または、アニーリングのように、移動推定パラメータとして、面外回転のパラメータを振る。そして、その評価に関して、消失しなかった特徴領域で相関値を求め、面外回転で振ったパラメータ値を移動量推定に反映する。または、消失しなかった特徴領域は、並進・回転の座標系の原点から遠いもので評価する。つまり、並進・回転座標系の原点から遠い特徴領域よりも原点に近い領域の方が、面外回転に大きく影響する。そこで、並進・回転座標系の原点から遠い特徴領域を用いて評価する。または、並進・回転座標系の原点から遠い特徴領域から近い領域にかけて重み付けして評価しても良い。この処理により、面外回転に強い推定を可能とする。
【００５５】
実施の形態５．
本実施形態では、実施の形態１〜３でＤＲＲ画像２０を生成する際、任意のＣＴデータ１２の輝度値を用いてＤＲＲ画像２０を作る。一般に、レイキャスティングアルゴリズムを用いるときＣＴ値は、−１０００〜１０００の値である。しかし、実際の骨などのＣＴ値は４００前後である。そこで、ＤＲＲ画像を生成するときは、所定範囲の輝度値を有するＣＴデータだけに限定して処理する。その結果、例えば、ＤＲＲがＣＴ値４００前後の値、例えば、３９０〜４１０の輝度値を有するＣＴデータだけに限定することによって、骨などが強調された画像が得られる。これは、ＣＴ値が−１０００〜１０００の全体で作られたＤＲＲに対してエッジフィルタで処理した結果のようなものに相当する。この処理により、２次元解析手段３３で行われるエッジ処理と同じ効果が得られる。
【００５６】
実施の形態６．
本実施形態では、実施の形態２のように３次元ボリュームデータの解像度を変えて移動量を推定するのではなく、以下の処理を段階的に行う。
【００５７】
実施の形態４の限定特徴領域を、並進・回転の座標系の原点から遠いもので最初は評価する。そして、徐々に原点近い領域のみで評価を行う。または、最初は原点から遠い領域だけに注目し、徐々に全体の限定領域を用いて評価を行う。これにより計算量を削減することが可能になるとともに、局所解に陥りにくくなるため、位置決め精度が向上する。また、低解像度のデータを生成する必要がなくなるため、計算量を低減できる。
【００５８】
実施の形態７．
本実施形態では、実施の形態１に係る手法と実施の形態２に係る手法の両方を組み合わせて実施している。つまり圧縮した低解像度のデータで大まかに位置決めを行い、解像度を上げることにより、詳細にずれ量推定を行う。これは、ずれ量推定する過程において、局所解に陥りにくくするとともに、位置決め精度が向上する効果がある。
【００５９】
実施の形態８．
本実施形態では、図１３の処理フロー図に示すように、実施の形態１における特徴評価処理手段２６と領域限定処理手段２９との間に特徴安定評価手段５０を追加している。この特徴安定評価手段５０による処理は、特徴評価処理手段２６においてＣＴデータ１２からＤＲＲ２０を写像した際に特徴点の保存性の課題を解決するものである。例えば、図１１のように、ある視点方向に沿ってＤＲＲ４７にレイキャスティングアルゴリズムで写像した際に、３次元特徴解析より得られた３次元特徴点４５，４９がその視点方向で重複していると、２次元特徴点４６は重複した特徴点として保存される。一方、ＤＲＲ４８を生成したときの視点１９ａであれば、良い２次元特徴点５１を含むＤＲＲ４８が得られる。
【００６０】
なお、図１１で示した関係は簡易化して示しているが、実際はレイキャスティングにより３次元データを２次元データに写像するため複雑な処理となる。この問題を解決する手段が特徴安定評価手段５０である。ここで処理の流れを説明するために簡易的にレイキャスティングアルゴリズムを以下に定式化する。式（１）のＩ（ｘ，ｙ）は、ＤＲＲ２０の座標軸（ｘ，ｙ）の画素値を表す。同様に、Ｒ（Ｘ，Ｙ，Ｚ）はＣＴデータ値１２やＣＴデータ値１２の間で補間されて得られる座標（Ｘ，Ｙ，Ｚ）のＣＴ値である。従って、視点１９の方向にあるＣＴデータ値の加算によりＩ（ｘ，ｙ）が定義されることを式（１）が示している。ただし、αは透過率を表している。
【００６１】
【数１】
【００６２】
ここで、式（１）で得られるＩ（ｘ，ｙ）について、式（１）の右辺の加算項の割合を評価する。例えば、図１１のＤＲＲ４７のＲ値の例を図１２に示す。図１２中の横軸が視点からの距離である。縦軸が式（１）中のＲの値を正規化した値になっている。従って、式（１）の右辺の加算項が横軸の要素になっている。この処理はヒストグラムや確率モデルで表現したのと同じことであり、確率モデルやヒストグラムで表現しても良い。そして評価では、例えば、図１２中の特徴点４５の正規化した割合が閾値以上（例えば、８０％以上）であればＩ（ｘ，ｙ）を算出する際に大きな割合を占めていることを示している。このような処理を行う事により特徴点の取捨選択を行い、ＣＴデータ（３次元データ）から２次元のＤＲＲに写像する際の特徴点の安定化をする。
【００６３】
ただし、この評価だけでは微小の視点変換によりＩ（ｘ，ｙ）値が大きく変化する可能性がある。そこで、以下の条件式を追加したり組み合わせたりする。まず、特徴点４５を中心に視点変換を行う。これは、図１１のＤＲＲ４７からＤＲＲ４８への視点変換である。この変換は極端であるが、微小の視点変換に対して特徴点４６の画素値と特徴点５１の画素値が変化しないという条件を設けることにより、視点変換に関しても３次元の特徴点４５が保存されるような条件の特徴点を抽出する。この処理はトラッキングで行われている、オプティカルフローと同じ考え方である。この画素値の変化が小さいという評価方法とは別に確率モデルで表現をしても良い。例えば、図１２を確率密度として定義し、微小に視点変換を行った分布との相互情報量により評価を行う方法である。これは、相互情報量が閾値以上であれば、視点変化に対しても微小であり、図１２のような確率分布の変化は小さく、特徴点４５が保存される。または、３次元特徴解析手段３０で得られた特徴点に対して、３次元的にガウス分布をそれぞれの特徴点を中心として付加する。その空間において視点変換を行い、図１２のような視点位置の混合ガウス値の確率密度分布を生成する。その確率密度上で評価を行ってもよい。または、２次元ヘッセ行列と３次元ヘッセ行列の関係を用いて、ＤＲＲ４７とＤＲＲ４６のヘッセ行列をそれぞれ求めて、その固有値の変化を評価する事により、安定的な特徴点を選択してもよい。
【００６４】
さらに、３次元特徴解析手段３０の特徴点の間隔が広いほど、位置決めにおいてよい精度が得られる傾向にある。従って、３次元特徴解析手段３０で得られた特徴点の距離の間隔が大きいほど良い特徴点である。そこで、特徴点の距離の分散を求めて評価に用いる。この処理は２次元であるＤＲＲに落としこんだ時の距離の関係なども評価する。
【００６５】
以上の評価方法の組み合わせにより、安定的な特徴点の抽出を可能とする。
【００６６】
実施の形態９
本実施形態では、実施の形態８で行った処理においてディスプレイ装置５により視覚的なサポートを行う。例えば、図１２で得られる結果を、ＤＲＲ４７やＤＲＲ４８の特徴点５１，４６上での点滅や色の濃度などにより表示する。視点変化により３次元解析手段３０から得られた特徴が、特徴安定化手段５０により視覚的に位置決めするための特徴点を表示ができる。その結果、例えば、実施の形態８でのそれぞれの閾値を調節することによって、割合を濃度や点滅速度などにより表示し、位置決めに適した特徴点が視覚的に容易に理解できる。また、はずれ値のように患者が存在しない領域など、位置決めに適さない特徴点などの削除を自動的に行う。その結果、特徴安定評価手段５０で抽出された特徴点が位置決めに適した特徴の選択が可能になる。
【００６７】
実施の形態１０
本実施形態では、実施の形態９における画像表示において、解剖学的情報を位置決めに反映する。例えば、位置決めの部位（例えば頭頚部、肺、肝臓、前立腺）により解剖的情報が予め分かっていることが多い。これは、年齢・性別などの統計情報が予め分かっているためである。そこで、解剖学的な情報を特徴点抽出に反映し、位置決めに適した特徴点の選択を行う。例えば、医者やＸ線技師などの画像診断により、ある部位の一部分を注目して位置決めを行うことがある。その領域情報を解析手段により予め解析し情報を取得する。この結果、医師が必要とする領域での位置合わせなどが可能となる。
【００６８】
実施の形態１１
実施の形態１〜１０において、Ｘ線ＴＶ画像１４を図４のように２方向または多方向の視点より位置合わせを行うことがある。そこで、他方向の軸と依存関係が少ない軸に対して以下の処理を、図４のように２方向の処理を例で示す。Ｘ軸方向とＹ軸方向の直交２方向にＸ線ＴＶ画像を得られるとすると、面外の軸であるＺ軸の並進回転についての位置決めが難しい。そこで、面外回転の軸に対して以下の評価を行う。ここで、ｘ軸，ｙ軸，ｚ軸の回転角をθ，ψ，φとする。そして、３次元特徴解析手段３０により得られた特徴点において、ｚ軸の並進・回転を微小区間で動かす。その結果、ＤＲＲ４７の特徴点４６がＤＲＲ４８の特徴点５１に対して動くとする。この画像上での移動量が大きくなるような特徴点を選択することにより、安定した特徴点を抽出する。その結果、面外回転に強い特徴点を抽出できる。
【００６９】
実施の形態１２
本実施形態では、実施の形態８，９により得られた特徴点を用いて移動量推定手段３４を行わずに、以下の処理を行う。実施の形態８で得られる最も安定する６点以上の特徴点を用いて位置決めを行う。例えば、図１４のように、Ｘ線ＴＶ画像１４とＤＲＲ２１との間でＳＨＩＦＴなどによる特徴点解析を行う。その結果、一致した特徴点５１と特徴点４６が得られる。ここで、画像は６自由度のアフィン変換で表現できるので、６点以上であれば、一意にＸ線ＴＶ１４とＤＲＲ２１との間の患者位置の差分が得られる。しかし、このＸ線ＴＶ画像１４とＤＲＲ２１の間では３次元情報が含まれていない。そこで、予め実施の形態８により特徴点がＤＲＲ２１とＣＴデータ１２の間の安定性のある特徴点を複数求める。この結果、得られる特徴点４６は特徴点４５の３次元座の情報を持っていることと等しい。この特徴点４５が、先ほど得られたＸ線ＴＶ画像１４とＤＲＲ２１で一致した特徴点を用いて６自由度の患者のずれ量を算出する。以上の処理により、一意に位置推定が可能となり、移動量推定手段３４で行われている最適計算を行わなくてもよい。その結果、計算時間の短縮になる。また、この移動量推定手段３４と組み合わせにより位置決めを行ってもよい。その結果、高精度の位置決め推定が可能となる。
【００７０】
実施の形態１３
実施の形態１２で用いた特徴点４５と特徴点４６における信頼性（図１２）の割合を、統計処理を行い、データとして保存する。例えば、ある部位での患者位置合わせを行った際に、実施の形態８，９で得られた特徴点の領域と特徴点の保存性の割合をデータとして保存する。この処理を複数の患者において統計的処理を行う。この処理により、患者位置合わせに適した特徴点や領域、位置決め精度などを事前情報として保存され、後の患者位置あわせに反映する。例えば、治療計画のデータに位置決め情報として付加し、過去の履歴などから特徴点や領域の関係を確率分布モデルとして、表示や位置決めに用いる特徴点の過去の履歴の利用割合や位置決め精度の結果を点滅速度や濃度で表示する。さらに、自動位置決めの特徴点抽出の評価に用いる。この処理により、統計的に実施の形態８，９で得られる特徴点の信頼性を評価でき、特定の患者だけでなく一般モデルの特徴点が得られ、位置決めの精度の信頼性が得られる。
【００７１】
以上説明した各実施形態において、ＧＰＵ（Graphic Processing Unit）を用いて並列計算を行うことが好ましく、これにより高速処理が図られる。
【符号の説明】
【００７２】
１ 断層像撮影装置、 ２ Ｘ線ＴＶ画像撮影装置、
３ 患者位置決め画像処理装置、 ４ 治療台、 ５ ディスプレイ装置、
６ 治療計画時データ前処理装置、 ７ 透過画像生成装置、
８ 治療時データ前処理装置、 ９ 最適パラメータ推定装置、 １０ ＣＴ撮影台、
１１ 患者、 １２ ＣＴデータ、 １３ Ｘ線管、１４ Ｘ線ＴＶ画像、
１５ Ｘ線、 １６ 治療室座標系、
１７ Ｘ線管と放射線焦点距離（アイソセンタ）の距離、
１８ Ｘ線管とＸ線ＴＶ画像撮影装置との距離、 １９ 視点、
２０ ＤＲＲ画像（透視画像）、 ２１ 透過画像面（ＤＲＲ画像生成面）、
２２ 光線、 ２３ ＤＲＲ画像生成の視点と対象物の距離、
２４ ＤＲＲ画像生成座標系、 ２５ Ｘ線ＴＶ処理結果、
２６ 特徴評価処理手段、 ２７ ＤＲＲ処理結果画像、
２８ ３次元特徴解析を施したＤＲＲ画像、 ２９ 領域限定手段、
３０ ３次元特徴解析手段、 ３１ ３次元特徴解析処理データ、
３２ 解析処理により得られるＤＲＲ画像、
３３ ２次元解析手段、 ３４ 移動量推定手段、
３７ 高解度像画像、 ３８ 低解像度画像、
３９ 高像度ボリュームデータ、 ４０ 低解像度ボリュームデータ、
４２ 限定領域、 ４３ 限定領域のみを用いて生成されるＤＲＲ画像、
４４ 限定領域４３を光線２２が通過するボリューム領域、
４５ ３次元特徴点、 ４６ ＤＲＲ上の特徴点画像、 ４７ ＤＲＲ画像、
４８ ＤＲＲ画像、 ４９ ３次元特徴点、 ５０ 特徴安定評価手段、
５１ ＤＲＲ上の特徴点画像。
【技術分野】
【０００１】
本発明は、放射線や粒子線などを患者の病巣部に照射して治療を行う放射線治療において好適な患者位置決めシステムに関する。
【背景技術】
【０００２】
患者位置決めシステムでは、始めに、断層像撮影装置（例えば、Ｘ線ＣＴ(Computed Tomography)装置）を用いて患者の病巣部を撮影した治療計画用３次元ＣＴデータを取得し、このＣＴデータの診断結果に基づいて治療計画を立てる。このとき３次元ＣＴデータに基づいて腫瘍患部の位置や形状を特定し、放射線を照射する方向や照射線量などを決める。
【０００３】
次に、決定した治療計画に基づいて放射線治療を行うことになる。しかし、ＣＴ撮影時から放射線治療までの間にかなりの時間が経過していると、治療時における治療台の患者の位置や体位が治療計画作成時の患者の位置や体位と異なっていることが多い。そのため放射線治療を行う前に、現在の患者位置と治療計画時の患者位置のずれを補正する必要がある。
【０００４】
このずれの補正量を算出するために必要な基準画像を、治療計画時の３次元治療計画用データから再構成し、基準ＤＲＲ（Digitally Reconstructed Radiograph：デジタル再構成ラジオグラフ）画像を生成する。一方、現在の患者位置は、Ｘ線ＴＶ画像撮影装置を用いて取得する。そして、取得したＸ線ＴＶ画像と再構成して得られたＤＲＲ画像とを比較し、画像処理を施すことによって補正量を算出する。治療ビームが患部の適切な位置を照射するように、算出した補正量に基づいて治療台の３次元位置と姿勢を調整する。以上の処理を行う装置が患者位置決めシステムである。こうした患者位置決めシステムでは、患者位置決めの精度向上や速度向上が要望されている。
【０００５】
特に、近年の放射線治療では、たとえば粒子線など、体内で線量を集中させることが可能である。治療ビームのエネルギーを調節して腫瘍の深さ方向の位置に合わせることによって、高い線量部分を腫瘍患部に一致させることが可能である。つまり、腫瘍だけに高い線量を照射しつつ、周囲の正常組織に対する影響を低減できる。この性質を活かすためには、腫瘍患部のみに粒子線を照射するための、高精度な患者の位置決め技術が重要になってくる。
【０００６】
現行の患者位置決めシステムでは、予め患者の体内に位置決めの指標となる体内マーカを埋め込み、腫瘍とマーカの３次元的位置情報を含むＣＴデータを断層撮影装置で取得している。そして、マーカを埋め込んだ状態で治療計画を立てる。
【０００７】
治療時には、治療計画で用いたＣＴデータから再構成して得られる画像を生成する。そして、Ｘ線ＴＶ画像診断装置を用いて腫瘍とマーカの３次元的位置を含んだＸ線ＴＶ画像を投影し、現在の患者の位置および姿勢を特定する。
【０００８】
この２つの画像、即ち、ＤＲＲ画像とＸ線ＴＶ画像の上で実際の体内マーカ位置を計画マーカ位置に重ねることにより、患者位置決めを行っている。こうした位置決め手法としては、画像間のパターンマッチングが用いられる。
【０００９】
この現行の手法では、Ｘ線ＴＶ画像撮像装置で得られるＸ線ＴＶ画像上で、位置決め指標になるマーカが死角となる可能性が残る。例えば、下記特許文献１ではこの問題に関する試みが行われている。また、下記特許文献２では、体内マーカを用いて患者の十分な位置決め精度を確保することが提案されている。また、下記非特許技術文献１では、体内マーカを使用せずに患者の位置決めを行う手法が提案されている。
【００１０】
さらに特許文献６では、初回のみ特徴点を与えユーザが与え、初回以降はその特徴点を検出して自動に患者位置合わせを行っている。
【先行技術文献】
【特許文献】
【００１１】
【特許文献１】特開２０００−１４０１３７号公報
【特許文献２】特開２００６−２１８３１５号公報
【特許文献３】特開２００７−２８２８７７号公報
【特許文献４】特開１０−２１３９３号公報
【特許文献５】特許第３３６０４６９号公報
【特許文献６】特開２００８−２２８９６６号公報
【非特許文献】
【００１２】
【非特許文献１】A GPGPU Approach for Accelerating 2-D/3-D Rigid Registration of Medical Images (LECTURE NOTES IN COMPUTER SCIENCE 2006, NUMB 4330, pages 939-950)
【非特許文献２】Improvement of depth position in 2-D/3-D registration of knee implants using single-plane fluoroscopy (Medical Imaging, IEEE Transactions, May 2004, Vol. 23, Issue 5, pp. 602-612)
【発明の概要】
【発明が解決しようとする課題】
【００１３】
特許文献１及び特許文献２では、体内マーカなどの特徴を用いて位置決めを行っている。しかしながら、体内マーカを埋め込んだ場合、身体への侵襲性という課題だけでなく、ＣＴ撮影時から放射線治療までの間に時間が経過していると、体内マーカがずれてしまう可能性がある。また、患部の状態によってはマーカを埋めることができない場合がある。
【００１４】
非特許文献１では、ランドマークとなる体内マーカを使用せずに、ＤＲＲ画像のエッジ特徴とＸ線ＴＶ画像のエッジ特徴との正規化相互相関を用いて両者間のずれ量を算出している。この方法は、２次元的な撮像面内の回転は算出できるが、３次元的補正量である撮像面外の回転を算出するのが難しい。
【００１５】
本発明の目的は、ＤＲＲ画像生成過程において予めＣＴデータおよびＤＲＲ画像の解析を行うことにより、撮像面内だけでなく撮像面外の位置ずれ量を的確に推定することができ、短時間かつ高精度の位置決めが可能な患者位置決めシステムを提供することである。
【課題を解決するための手段】
【００１６】
上記目的を達成するために、本発明に係る患者位置決めシステムは、患部の３次元ＣＴデータを取得するためのＣＴデータ取得装置と、
患部のＸ線ＴＶ画像を取得するためのＸ線ＴＶ画像取得装置と、
取得したＣＴデータに基づいて２次元ＤＲＲ画像を生成するとともに、生成したＤＲＲ画像および取得したＸ線ＴＶ画像に基づいてＣＴデータ取得時の第１患部位置とＸ線ＴＶ画像取得時の第２患部位置との間のずれ量を算出する画像処理装置とを備え、
画像処理装置は、３次元ＣＴデータに関して３次元的な特徴量を抽出する３次元解析処理と、ＤＲＲ画像およびＸ線ＴＶ画像に関して２次元的な特徴量を抽出する２次元解析処理と、抽出した特徴量を評価する特徴評価処理と、評価した特徴量が存在する領域を選択する領域限定処理と、選択した領域に関して第１患部位置と第２患部位置との間のずれ量を推定する移動量推定処理とを実行することを特徴とする。
【発明の効果】
【００１７】
本発明によれば、３次元的な特徴抽出処理、特徴評価処理、領域限定処理を行うことによって、患者の位置決めを撮像面内だけでなく、撮像面外のずれ量を的確に推定することが可能になる。また、注目領域のみを用いてずれ量を推定するため、短時間かつ高精度の患者の位置決めが可能になる。
【図面の簡単な説明】
【００１８】
【図１】本発明の実施の形態１に係る患者位置決めシステムを示す構成図である。
【図２】患者位置決め画像処理装置の構成を示すブロック図である。
【図３】断層像撮像装置を用いて３次元ＣＴデータを取得する様子を示す説明図である。
【図４】患者のＸ線ＴＶ画像を取得する様子を示す説明図である。
【図５】レイキャスティングアルゴリズムを用いてＤＲＲ画像を生成する手法を示す説明図である。
【図６】患者位置決め画像処理装置の動作の一例を示す処理フロー図である。
【図７】２次元画像の圧縮（階層化）処理を示す説明図である。
【図８】３次元ボリュームデータの圧縮（階層化）処理を示す説明図である。
【図９】ＣＴ画像から抜き出し領域の限定を示す説明図である。
【図１０】限定領域のみのレイキャスティング処理を示す説明図である。
【図１１】レイキャスティングアルゴリズムにおいて特徴点が重複する様子を示す説明図である。
【図１２】レイキャスティングアルゴリズムでの加算項の説明図である。
【図１３】患者位置決め画像処理装置の動作の他の例を示す処理フロー図である。
【図１４】患者位置決め画像処理装置の動作のさらに他の例を示す処理フロー図である。
【発明を実施するための形態】
【００１９】
実施の形態１．
図１は、本発明の実施の形態１に係る患者位置決めシステムを示す構成図である。患者位置決めシステムは、断層像撮影装置１と、Ｘ線ＴＶ画像撮影装置２と、患者位置決め画像処理装置３と、治療台４と、ディスプレイ装置５と、キーボードやマウス等の入力手段（不図示）などで構成される。
【００２０】
断層像撮影装置１は、例えば、Ｘ線ＣＴ(Computed Tomography)装置などで構成され、患部の３次元ＣＴデータを取得する機能を有する。Ｘ線ＴＶ画像撮影装置２は、例えば、Ｘ線蛍光増倍管などで構成され、患部のＸ線ＴＶ画像を取得する機能を有する。こうしたＸ線ＴＶ画像撮影装置２は、通常、放射線治療装置と一体的に設置される。
【００２１】
患者位置決め画像処理装置３は、単一または複数のコンピュータなどで構成され、断層像撮影装置１で取得したＣＴデータに基づいて２次元ＤＲＲ（Digitally Reconstructed Radiograph：デジタル再構成ラジオグラフ）画像を生成するとともに、生成したＤＲＲ画像および、Ｘ線ＴＶ画像撮影装置２で取得したＸ線ＴＶ画像に基づいて、ＣＴデータ取得時の第１患部位置とＸ線ＴＶ画像取得時の第２患部位置との間のずれ量を算出する。
【００２２】
治療台４は、放射線治療の際に、放射線や粒子線など治療ビームが患部の適切な位置を照射するように、３次元位置および姿勢が調整可能な機構を備える。ディスプレイ装置５は、３次元ＣＴデータおよびＸ線ＴＶ画像を表示したり、患者位置決め画像処理装置３の処理結果を表示する。
【００２３】
以下、患者の治療計画から実際の放射線治療までの流れに沿って説明する。まず、治療計画を立てるために、図３に示すように、患者１１が撮像台１０の上に寝た状態で、断層像撮像装置１を用いて患者の３次元治療計画用診断データである３次元ＣＴデータ１２を取得する。そして、このＣＴデータの診断結果に基づいて治療計画を立てる。
【００２４】
治療計画を立てた後、放射線治療を開始する。このとき治療時の患者の位置を特定するために、図４に示すように、患者１１が放射線治療装置の治療台４に寝た状態で、Ｘ線管１３からＸ線１５を照射しながら、Ｘ線ＴＶ画像撮影装置２を用いてＸ線ＴＶ画像１４を取得する。このとき複数のＸ線ＴＶ画像１４を異なる方向で撮影することによって、患者の３次元位置情報が得られる。
【００２５】
なお、図４中の符号１６は治療室の基準座標系を示し、符号１７はＸ線管１３からＸ線１５の照射センタ（アイソセンタ）までの距離を示し、符号１８はＸ線管１３からＸ線ＴＶ画像撮影装置２までの距離を示す。
【００２６】
そして、患者位置決め画像処理装置３は、断層像撮像装置１およびＸ線ＴＶ画像撮影装置２を用いて取得したデータに基づいて現在の患者位置と治療計画時のずれ量を算出する。算出したずれ量に基づいて、治療台４の３次元位置と姿勢を調整することによって、現在の患者位置を治療計画時の位置に一致させることができる。
【００２７】
再度、現在の患者位置が適切か否かを確認するために、もう一度、Ｘ線ＴＶ画像撮影装置２を用いてＸ線ＴＶ画像１４を取得してディスプレイ装置５に表示し、Ｘ線ＴＶ画像１４とＤＲＲ画像２０との重ね合わせにより、画像のずれ量が規定値以下であることで確認する。
【００２８】
図２は、患者位置決め画像処理装置３の構成を示すブロック図である。この画像処理装置３は、治療計画時データ前処理装置６、透過画像生成装置７、治療時データ前処理装置８、最適パラメータ推定装置９などを備える。
【００２９】
治療計画時データ前処理装置６は、断層像撮影装置１で得られた３次元ＣＴデータ１２を入力データとして、各種の画像処理を施す。透過画像生成装置７は、装置６で処理された３次元ＣＴデータ１２を再構成して、ＤＲＲ画像を生成する。治療時データ前処理装置８は、現在の患者位置を表すＸ線ＴＶ画像１４を入力データとして、各種の画像処理を施す。最適パラメータ推定装置９は、生成したＤＲＲ画像およびＸ線ＴＶ画像１４に基づいて、ＣＴデータ取得時の第１患部位置とＸ線ＴＶ画像取得時の第２患部位置との間のずれ量を算出する。算出したずれ量に基づいて、治療台４の３次元位置および姿勢が調整される。
【００３０】
図６は、患者位置決め画像処理装置３の動作を示す処理フロー図である。患者位置決め画像処理装置３は、まず、上述したようにＣＴデータ１２およびＸ線ＴＶ画像１４を取得する。
【００３１】
次に、図６に示していないが、治療時に用いられるＸ線ＴＶ画像装置２のターゲット中心（アイソセンタ）や、治療ビームの照射方向などの照射パラメータ値を取得する。この処理は、放射線治療のターゲット中心（アイソセンタ）の３次元位置、治療室における幾何学的な位置情報（図４）であるＸ線管１３から放射線治療のターゲット中心（アイソセンタ）までの距離１７、Ｘ線管１５からＸ線ＴＶ画像撮影装置２までの（治療ビームの）焦点距離１８、治療室座標系１６などのパラメータも含み、これらはＸ線ＴＶ画像撮影装置２で得られるＸ線ＴＶ画像１４と同じ画像を３次元ＣＴデータ１２から生成するために必要なパラメータでもある。以上の処理は、治療計画時データ前処理装置６および治療時データ前処理装置８で行われる。
【００３２】
次に、治療室座標系１６などのパラメータに基づいてＤＲＲ画像を生成する。この手法は、例えば、レイキャスティング(Ray Casting)アルゴリズムを用いて行われる。このレイキャスティングアルゴリズムとは、図５に示すように、ボリュームデータ（ここではＣＴデータ１２）に対して視点１９とボリュームデータとを通過する光線２２を仮定する。次に、この光線２２上にあるボクセルの密度（輝度値）を合計し、最終的に到達する合計輝度値に基づいて半透明な透過画像面２１からＤＲＲ画像２０を生成するものである。ここで、図５の符号２３はＤＲＲ画像生成の視点と対象物の距離、符号２４はＤＲＲ画像を生成する座標系を示している。なお、図６の符号２０は、既知のパラメータでＤＲＲ画像を生成した結果を表す。以上の処理は、透過画像生成装置７で行われる。
【００３３】
次に、図６の３次元特徴解析手段３０を用いて、ＣＴデータ１２の３次元的特徴を解析する。これは、治療計画時データ前処理装置６により行われる。この３次元特徴を解析する手法として具体的に、以下のものがある。本実施形態では何れの特徴量を適用してもよい。
【００３４】
始めに、基本的な特徴量として、注目ボリュームの輝度値、領域（ゲートサイズ）内の平均輝度、領域内の輝度自乗和平均、領域内の分散、領域内の標準偏差、生起確率の自乗和、生起確率を用いたエントロピーなどが採用できる。
【００３５】
また、他の特徴量として、ＣＴデータ１２をブロックごとに分割し、そのブロックごとに頂点の法線ベクトルの向きなどの分散を解析することにより得られる特徴量、予め曲面などを張り、曲面の曲がり具合を表す量である曲率を用いる特徴量、マーチングキューブなどにより表面形状を求め、表面を張るＣＴデータの輝度値を用いる特徴量、任意の２視点を決めスピンイメージなどにより得られる特徴量、テクスチャパターンである局所２値パターン（Local Binary Pattern）や立体高次局所自己相関（Cubic-Higher-order Local Auto Correlation）などを用いる特徴量、ＳＨＩＦＴ（Scale Invariant Feature Transform）を３次元的に拡張し用いる方法、３次元ボリュームデータの３軸方向のそれぞれの固有値を求め固有値から内部組織の形状を評価して得られる特徴量、単純にＣＴ画像値そのものを用いる特徴量、３次元ハフ(Hough)変換による特徴量、３次元ARTフィルタの特徴、３次元的な輝度勾配方向ヒストグラム(Histogram of oriented gradients)の特徴量、３Ｄガウスフィルタによる特徴量、３Ｄ−ＦＦＴフィルタ特徴、最後に、上記に示した特徴量を組み合わせて評価し、最適な特徴量の組み合わせを用いる特徴量などが採用できる。
【００３６】
また、ＣＴデータでは輝度値の変化が少ないために、特徴量を評価するのが困難なことがある。そこで、図８に示すように、ＣＴデータを圧縮することにより明確化した特徴を利用することが好ましい。これらの特徴量を用いて３次元データの特徴を分析することができる。例えば、骨の密度（輝度）が高いところやそうでないところ、腫瘍の周辺の特徴などを３次元的に分析できる効果がある。または解剖学的情報を利用してもよい。その処理結果が３次元特徴解析データ３１である。そして、この処理結果３１によりＤＲＲ画像３２を生成する。ここでのＤＲＲ生成処理とは、ＣＴデータ１２から３次元特徴解析処理せずにＤＲＲ画像２０を生成し、後から３次元特徴解析手段で得られた特徴量および、通過する光線２２との視線方向から得られる透過面の画素値や画素の３次元的位置を記憶して生成する。または、特徴解析結果３１によって得る特徴の領域そのものを用いてＤＲＲ画像３２を生成してもよい。
【００３７】
２次元解析処理手段３３では、Cannyオペレータ、Harris Corner Detector、Good Featuresなどのフィルタを用いて、ＤＲＲ画像２０、特徴解析結果によるＤＲＲ画像３２およびＸ線ＴＶ画像１４に対してフィルタ処理を行う。または、３次元特徴解析手段で用いた特徴抽出を２次元処理として用いてもよい。図６のＤＲＲ処理結果画像２７、３次元解析を施したＤＲＲ画像２８、Ｘ線ＴＶ処理結果画像２５は処理結果を表す。ただし、２次元解析処理手段３３では、同じフィルタをそれぞれの画像に行わなくても良い。つまり、ＤＲＲ画像２０、特徴解析結果によるＤＲＲ画像３２には、画像に応じてフィルタを変えても良い。この処理は治療計画データ前処理装置８で行われる。
【００３８】
特徴評価処理手段２６では、ＤＲＲ画像処理結果画像２７と３次元解析によるＤＲＲ画像処理画像２８との画像間で、３次元特徴が保存されているかについて評価を行う。評価方法は、両画像のピクセル値が一致する所やその周辺での特徴量の評価を行う。評価手法では、領域内での相関、相互情報量、ラスタ操作での一致点などを用いて行う。さらに、図６には示していないが、一致する領域やピクセル値が多く出るように３次元解析手段で用いたフィルタにフィードバックをかけて評価してもよい。例えば、ニューラルネットワーク、SVMやBoosting、確率モデルを用いた識別手法を用いて、最適なフィルタの組み合わせを予めこのフィードバック処理により学習を行ってもよい。または、既知量の面外回転を行い、連続的に複数のＤＲＲ画像を生成する。そして、その複数の画像上の特徴量の変化の評価や、フィードバック処理による学習により面外回転に強いフィルタを評価する。ただし、フィードバックで用いられる評価画像が３次元解析によるＤＲＲ画像処理画像２８だけではなく、Ｘ線ＴＶ処理結果画像２５を用いてもよい。その場合は、Ｘ線ＴＶ処理結果画像２５とＤＲＲ画像処理結果画像２７とが同じ条件のパラメータ、患者位置で作られている必要がある。この処理は、治療計画時データ前処理装置６および治療時データ前処理装置８で行われる。
【００３９】
領域限定処理手段２９では、３次元特徴解析手段３０、２次元解析処理手段３３により得られる結果の領域のみを限定する。つまり、図９のように、抽出領域だけをＣＴ画像１２から抜き出し領域の限定をする。そして、この限定領域４２のみを用いて、図１０に示すようなレイキャスティング処理をする。この結果、計算コスト削減につながる。
【００４０】
さらに、図１０の領域限定４２では、医者が指定する腫瘍患部よりも領域を少し大きめの広げた領域、または、腫瘍として指定される輪郭情報を領域指定してもよい。この処理により、移動量推定３４での計算コストや、パラメータ推定の収束をかなり早くする効果がある。ただし、図１０の符号４３は、限定領域のみを用いて生成されるＤＲＲ画像を表し、限定領域を光線２２が通過するボリューム領域である。この処理は、治療計画時データ前処理装置６で行われる。
【００４１】
移動量推定手段３４では、特許文献５のように、テンプレートマッチングを行う。または、単純な画素と画素との比較による評価し、最適なパラメータを推定する。つまり、移動量推定手段３４は、ＤＲＲ画像座標系２４におけるＣＴデータ１２の位置と治療座標系１６における患者の位置との位置合わせを、ＤＲＲ画像２０およびＸ線ＴＶ画像１４を用いて行う。また評価値として、相互情報量を用いて評価してもよい。推定方法では、共役勾配法やアニーリングなど一般的に用いられている最適化手法を用いる。または、特徴量を画像の画素値で行うのではなく、３次元ＤＣＴにおけるボリュームデータ（ＣＴデータ１２）をそのままレイキャスティングの積分計算をおこない、ＤＲＲ画像２０と異なる透過特徴空間を生成する。そしてＸ線ＴＶ画像１４により得られる画像をＤＣＴ変換（離散コサイン変換）し、その特徴量で最適パラメータ推定手段３１を行う手法でもよい。これにより、雑音に強いパラメータ推定が可能になり、計算コストを抑えることも可能になる。また、ずれ量推定を複数のフィルタを用いて行ってもよい。この処理は最適パラメータ推定装置９で行われる。
【００４２】
また、図示していないが、位置決め出力で、移動量推定手段３４により得られる３次元の並進・回転パラメータの移動量（ずれ量）を放射線照射条件に反映して、ＤＲＲ画像２０を再生成し、同じ評価を繰り返す。最終的に任意に設定する閾値よりも小さくなるまでコンピュータ上でずれ量を算出し処理を終了する。得られるずれ量を反映したＤＲＲ画像２０とＸ線ＴＶ画像１４をディスプレイ装置５に出力し、ずれ量を治療台４に反映させる。この処理は患者位置決め画像処理装置３で行われる。
【００４３】
以上の処理を行うことにより、３次元的位置ずれ量を効率的に推定できる。
【００４４】
実施の形態２．
本実施形態では、実施の形態１の図６の処理フローにおいて、データを圧縮してずれ量を算出する。この処理は、ＣＴデータ１２の３次元的特徴を損なわないでデータの圧縮をする。そしてこの圧縮したデータを用いて位置決めを行う。この３次元的特徴を損なわない圧縮方法は、３次元特徴解析手段３０を用いる。
【００４５】
これは、特許文献４のように、図７に示すような２次元画像の処理を、図８に示すように、３次元ボリュームデータに拡張して行う。まず、全体のＣＴデータ１２をブロック分割しておき、分割領域を圧縮する前と後での領域である高解像度ボリュームデータ３９、低解像度ボリュームデータ４０を用いて、３次元的特徴を損なわないように圧縮する。または、ＣＴデータ１２の３次元特徴解析処理３０を行わないで圧縮してもよい。
【００４６】
ここでの圧縮率は、圧縮する前（高解像度ボリュームデータ３９）と後（低解像度ボリュームデータ４０）を、高解像度と低解像度のボクセル数が異なるので、確率モデルを用いる方法（相互情報量）、単純に特徴量を平均する方法などを用いて評価する。
【００４７】
そして、あらかじめ設定していた閾値を用いてデータの圧縮率を決定する。ここで、予め任意に治療時にユーザにより圧縮率を指定してもよい。この解析によりＣＴデータ１２の圧縮する前と後での三次元データの特徴を保存する効果がある。３次元特徴解析に用いるフィルタ処理の選択により、データ圧縮するときの任意の特徴、たとえば、骨や腫瘍部位などが損なわないように特徴量を選択することが可能となる。
【００４８】
ここで、図７は、画像を階層化してデータを圧縮することを模式的に表している。つまり、図７は、高解像度画像３７を低解像度画像３８に圧縮していることを示している。同様に、図８は、高解像度ボリュームデータ３９を低解像度ボリュームデータ４０に圧縮していることを示している。ここで得られた圧縮率を基に、近傍のボクセルごとに、データの階層化を行う。この処理を３次元ＤＣＴ変換により周波数領域で処理・圧縮を行った後に、逆ＤＣＴ変換を行って処理をしてもよい。この処理により、データの削減、雑音の影響を除去、などが可能になる。さらに、Ｘ線ＴＶ画像１４をＤＲＲ画像２０と同じ画像サイズになるように圧縮する。この処理は患者位置決め画像処理装置３で行われる。
【００４９】
以上のデータ圧縮をすることにより、ずれ量算出の計算コストを削減することが可能となる。
【００５０】
実施の形態３．
本実施形態では、実施の形態１の図６の処理フローにおいて、３次元特徴解析手段３０、特徴評価処理手段２６、領域限定処理手段２９を行わないで、特徴評価処理手段２６により得られる特徴量のみを用いて移動量推定を行う。収束した後に、面外回転のパラメータである移動量を振る。
【００５１】
パラメータの振り方は以下の方法である。ここでの生成法はランダム（メルセデスツイスタ等）にパラメータを振る。または、面外の回転軸に対して、パラメータの振り幅を（＋５°〜−５°）など任意の刻み幅で変化させパラメータを振る。ここでの振り幅の限界値は治療台が面外回転に対応する稼動の最大値である。または、Ｘ線ＴＶ画像に映る対象部位が移動する想定される範囲内に対応する面外回転のパラメータに設定する。刻み幅は、画像の解像度により決定する。つまり得られるＸ線ＴＶ画像のピクセル間の幅が推定する移動量の限界値であるため、それに対応した精度でステップ幅を決める。または、パラメータ推定で用いられる、共役勾配法でのステップ幅の値をそのまま用いてもよい。または、面外回転のパラメータを任意に変化させる事により、動かす前のＤＲＲ画像（または既知の座標系でとられたＸ線ＴＶ画像）と面外回転させたＤＲＲ画像やＸ線ＴＶ画像との画像の相関（相互相関・相互情報量）をとり誤差の曲線をプロットする。そのプロットした曲線が鋭角になるような２次元特徴フィルタの評価を行う。例えば評価方法は、曲線が極小解が一つであるような変化を示すフィルタを用いる。または曲線の変化量（１次微分や２次微分）により変化するフィルタを選択する。ここで問題なのは、曲線をプロットする間隔により曲線の評価に大きく異なるため、ランダムで刻み幅を設定するかまたは、画像の解像度を考慮して決定する。
【００５２】
そして、移動推定パラメータとして、画像間で濃度勾配ベースのフロー検出および隣接角度要素間を評価する。例えば、勾配法などで評価を行い最適なパラメータを推定する。この処理は、移動量の推定後に、面外回転の評価を行い実際の一致度を評価して行うことである。
【００５３】
実施の形態４．
本実施形態では、実施の形態３に係る手法を以下のように拡張している。まず実施の形態１の処理フローの移動推定手段３４において以下の処理を行う。移動推定における収束過程で、特徴評価処理手段２６で得られた特徴点や領域が存在するかなどを毎回評価する。ここでの評価方法は、例えば、トラッキングなどを行い、特徴点や特徴領域が面外回転で消失するかなどを評価とする。または、毎回２次元解析手段３３や特徴量解析手段２６を行い、全体の特徴量の数を評価とする。そして、注目している特徴点や領域（アイソセンタの付近の特徴領域とアイソセンタより遠い特徴領域）が収束過程で消失したところで、以下の処理を行う。ここでトラッキングは一般的に知られている、KLTや確率モデルを用いたCondensationなどである。
【００５４】
移動推定パラメータとして、画像間で濃度勾配ベースのフロー検出および隣接角度要素間を評価することにより、面外回転のパラメータを振る。または、アニーリングのように、移動推定パラメータとして、面外回転のパラメータを振る。そして、その評価に関して、消失しなかった特徴領域で相関値を求め、面外回転で振ったパラメータ値を移動量推定に反映する。または、消失しなかった特徴領域は、並進・回転の座標系の原点から遠いもので評価する。つまり、並進・回転座標系の原点から遠い特徴領域よりも原点に近い領域の方が、面外回転に大きく影響する。そこで、並進・回転座標系の原点から遠い特徴領域を用いて評価する。または、並進・回転座標系の原点から遠い特徴領域から近い領域にかけて重み付けして評価しても良い。この処理により、面外回転に強い推定を可能とする。
【００５５】
実施の形態５．
本実施形態では、実施の形態１〜３でＤＲＲ画像２０を生成する際、任意のＣＴデータ１２の輝度値を用いてＤＲＲ画像２０を作る。一般に、レイキャスティングアルゴリズムを用いるときＣＴ値は、−１０００〜１０００の値である。しかし、実際の骨などのＣＴ値は４００前後である。そこで、ＤＲＲ画像を生成するときは、所定範囲の輝度値を有するＣＴデータだけに限定して処理する。その結果、例えば、ＤＲＲがＣＴ値４００前後の値、例えば、３９０〜４１０の輝度値を有するＣＴデータだけに限定することによって、骨などが強調された画像が得られる。これは、ＣＴ値が−１０００〜１０００の全体で作られたＤＲＲに対してエッジフィルタで処理した結果のようなものに相当する。この処理により、２次元解析手段３３で行われるエッジ処理と同じ効果が得られる。
【００５６】
実施の形態６．
本実施形態では、実施の形態２のように３次元ボリュームデータの解像度を変えて移動量を推定するのではなく、以下の処理を段階的に行う。
【００５７】
実施の形態４の限定特徴領域を、並進・回転の座標系の原点から遠いもので最初は評価する。そして、徐々に原点近い領域のみで評価を行う。または、最初は原点から遠い領域だけに注目し、徐々に全体の限定領域を用いて評価を行う。これにより計算量を削減することが可能になるとともに、局所解に陥りにくくなるため、位置決め精度が向上する。また、低解像度のデータを生成する必要がなくなるため、計算量を低減できる。
【００５８】
実施の形態７．
本実施形態では、実施の形態１に係る手法と実施の形態２に係る手法の両方を組み合わせて実施している。つまり圧縮した低解像度のデータで大まかに位置決めを行い、解像度を上げることにより、詳細にずれ量推定を行う。これは、ずれ量推定する過程において、局所解に陥りにくくするとともに、位置決め精度が向上する効果がある。
【００５９】
実施の形態８．
本実施形態では、図１３の処理フロー図に示すように、実施の形態１における特徴評価処理手段２６と領域限定処理手段２９との間に特徴安定評価手段５０を追加している。この特徴安定評価手段５０による処理は、特徴評価処理手段２６においてＣＴデータ１２からＤＲＲ２０を写像した際に特徴点の保存性の課題を解決するものである。例えば、図１１のように、ある視点方向に沿ってＤＲＲ４７にレイキャスティングアルゴリズムで写像した際に、３次元特徴解析より得られた３次元特徴点４５，４９がその視点方向で重複していると、２次元特徴点４６は重複した特徴点として保存される。一方、ＤＲＲ４８を生成したときの視点１９ａであれば、良い２次元特徴点５１を含むＤＲＲ４８が得られる。
【００６０】
なお、図１１で示した関係は簡易化して示しているが、実際はレイキャスティングにより３次元データを２次元データに写像するため複雑な処理となる。この問題を解決する手段が特徴安定評価手段５０である。ここで処理の流れを説明するために簡易的にレイキャスティングアルゴリズムを以下に定式化する。式（１）のＩ（ｘ，ｙ）は、ＤＲＲ２０の座標軸（ｘ，ｙ）の画素値を表す。同様に、Ｒ（Ｘ，Ｙ，Ｚ）はＣＴデータ値１２やＣＴデータ値１２の間で補間されて得られる座標（Ｘ，Ｙ，Ｚ）のＣＴ値である。従って、視点１９の方向にあるＣＴデータ値の加算によりＩ（ｘ，ｙ）が定義されることを式（１）が示している。ただし、αは透過率を表している。
【００６１】
【数１】
【００６２】
ここで、式（１）で得られるＩ（ｘ，ｙ）について、式（１）の右辺の加算項の割合を評価する。例えば、図１１のＤＲＲ４７のＲ値の例を図１２に示す。図１２中の横軸が視点からの距離である。縦軸が式（１）中のＲの値を正規化した値になっている。従って、式（１）の右辺の加算項が横軸の要素になっている。この処理はヒストグラムや確率モデルで表現したのと同じことであり、確率モデルやヒストグラムで表現しても良い。そして評価では、例えば、図１２中の特徴点４５の正規化した割合が閾値以上（例えば、８０％以上）であればＩ（ｘ，ｙ）を算出する際に大きな割合を占めていることを示している。このような処理を行う事により特徴点の取捨選択を行い、ＣＴデータ（３次元データ）から２次元のＤＲＲに写像する際の特徴点の安定化をする。
【００６３】
ただし、この評価だけでは微小の視点変換によりＩ（ｘ，ｙ）値が大きく変化する可能性がある。そこで、以下の条件式を追加したり組み合わせたりする。まず、特徴点４５を中心に視点変換を行う。これは、図１１のＤＲＲ４７からＤＲＲ４８への視点変換である。この変換は極端であるが、微小の視点変換に対して特徴点４６の画素値と特徴点５１の画素値が変化しないという条件を設けることにより、視点変換に関しても３次元の特徴点４５が保存されるような条件の特徴点を抽出する。この処理はトラッキングで行われている、オプティカルフローと同じ考え方である。この画素値の変化が小さいという評価方法とは別に確率モデルで表現をしても良い。例えば、図１２を確率密度として定義し、微小に視点変換を行った分布との相互情報量により評価を行う方法である。これは、相互情報量が閾値以上であれば、視点変化に対しても微小であり、図１２のような確率分布の変化は小さく、特徴点４５が保存される。または、３次元特徴解析手段３０で得られた特徴点に対して、３次元的にガウス分布をそれぞれの特徴点を中心として付加する。その空間において視点変換を行い、図１２のような視点位置の混合ガウス値の確率密度分布を生成する。その確率密度上で評価を行ってもよい。または、２次元ヘッセ行列と３次元ヘッセ行列の関係を用いて、ＤＲＲ４７とＤＲＲ４６のヘッセ行列をそれぞれ求めて、その固有値の変化を評価する事により、安定的な特徴点を選択してもよい。
【００６４】
さらに、３次元特徴解析手段３０の特徴点の間隔が広いほど、位置決めにおいてよい精度が得られる傾向にある。従って、３次元特徴解析手段３０で得られた特徴点の距離の間隔が大きいほど良い特徴点である。そこで、特徴点の距離の分散を求めて評価に用いる。この処理は２次元であるＤＲＲに落としこんだ時の距離の関係なども評価する。
【００６５】
以上の評価方法の組み合わせにより、安定的な特徴点の抽出を可能とする。
【００６６】
実施の形態９
本実施形態では、実施の形態８で行った処理においてディスプレイ装置５により視覚的なサポートを行う。例えば、図１２で得られる結果を、ＤＲＲ４７やＤＲＲ４８の特徴点５１，４６上での点滅や色の濃度などにより表示する。視点変化により３次元解析手段３０から得られた特徴が、特徴安定化手段５０により視覚的に位置決めするための特徴点を表示ができる。その結果、例えば、実施の形態８でのそれぞれの閾値を調節することによって、割合を濃度や点滅速度などにより表示し、位置決めに適した特徴点が視覚的に容易に理解できる。また、はずれ値のように患者が存在しない領域など、位置決めに適さない特徴点などの削除を自動的に行う。その結果、特徴安定評価手段５０で抽出された特徴点が位置決めに適した特徴の選択が可能になる。
【００６７】
実施の形態１０
本実施形態では、実施の形態９における画像表示において、解剖学的情報を位置決めに反映する。例えば、位置決めの部位（例えば頭頚部、肺、肝臓、前立腺）により解剖的情報が予め分かっていることが多い。これは、年齢・性別などの統計情報が予め分かっているためである。そこで、解剖学的な情報を特徴点抽出に反映し、位置決めに適した特徴点の選択を行う。例えば、医者やＸ線技師などの画像診断により、ある部位の一部分を注目して位置決めを行うことがある。その領域情報を解析手段により予め解析し情報を取得する。この結果、医師が必要とする領域での位置合わせなどが可能となる。
【００６８】
実施の形態１１
実施の形態１〜１０において、Ｘ線ＴＶ画像１４を図４のように２方向または多方向の視点より位置合わせを行うことがある。そこで、他方向の軸と依存関係が少ない軸に対して以下の処理を、図４のように２方向の処理を例で示す。Ｘ軸方向とＹ軸方向の直交２方向にＸ線ＴＶ画像を得られるとすると、面外の軸であるＺ軸の並進回転についての位置決めが難しい。そこで、面外回転の軸に対して以下の評価を行う。ここで、ｘ軸，ｙ軸，ｚ軸の回転角をθ，ψ，φとする。そして、３次元特徴解析手段３０により得られた特徴点において、ｚ軸の並進・回転を微小区間で動かす。その結果、ＤＲＲ４７の特徴点４６がＤＲＲ４８の特徴点５１に対して動くとする。この画像上での移動量が大きくなるような特徴点を選択することにより、安定した特徴点を抽出する。その結果、面外回転に強い特徴点を抽出できる。
【００６９】
実施の形態１２
本実施形態では、実施の形態８，９により得られた特徴点を用いて移動量推定手段３４を行わずに、以下の処理を行う。実施の形態８で得られる最も安定する６点以上の特徴点を用いて位置決めを行う。例えば、図１４のように、Ｘ線ＴＶ画像１４とＤＲＲ２１との間でＳＨＩＦＴなどによる特徴点解析を行う。その結果、一致した特徴点５１と特徴点４６が得られる。ここで、画像は６自由度のアフィン変換で表現できるので、６点以上であれば、一意にＸ線ＴＶ１４とＤＲＲ２１との間の患者位置の差分が得られる。しかし、このＸ線ＴＶ画像１４とＤＲＲ２１の間では３次元情報が含まれていない。そこで、予め実施の形態８により特徴点がＤＲＲ２１とＣＴデータ１２の間の安定性のある特徴点を複数求める。この結果、得られる特徴点４６は特徴点４５の３次元座の情報を持っていることと等しい。この特徴点４５が、先ほど得られたＸ線ＴＶ画像１４とＤＲＲ２１で一致した特徴点を用いて６自由度の患者のずれ量を算出する。以上の処理により、一意に位置推定が可能となり、移動量推定手段３４で行われている最適計算を行わなくてもよい。その結果、計算時間の短縮になる。また、この移動量推定手段３４と組み合わせにより位置決めを行ってもよい。その結果、高精度の位置決め推定が可能となる。
【００７０】
実施の形態１３
実施の形態１２で用いた特徴点４５と特徴点４６における信頼性（図１２）の割合を、統計処理を行い、データとして保存する。例えば、ある部位での患者位置合わせを行った際に、実施の形態８，９で得られた特徴点の領域と特徴点の保存性の割合をデータとして保存する。この処理を複数の患者において統計的処理を行う。この処理により、患者位置合わせに適した特徴点や領域、位置決め精度などを事前情報として保存され、後の患者位置あわせに反映する。例えば、治療計画のデータに位置決め情報として付加し、過去の履歴などから特徴点や領域の関係を確率分布モデルとして、表示や位置決めに用いる特徴点の過去の履歴の利用割合や位置決め精度の結果を点滅速度や濃度で表示する。さらに、自動位置決めの特徴点抽出の評価に用いる。この処理により、統計的に実施の形態８，９で得られる特徴点の信頼性を評価でき、特定の患者だけでなく一般モデルの特徴点が得られ、位置決めの精度の信頼性が得られる。
【００７１】
以上説明した各実施形態において、ＧＰＵ（Graphic Processing Unit）を用いて並列計算を行うことが好ましく、これにより高速処理が図られる。
【符号の説明】
【００７２】
１ 断層像撮影装置、 ２ Ｘ線ＴＶ画像撮影装置、
３ 患者位置決め画像処理装置、 ４ 治療台、 ５ ディスプレイ装置、
６ 治療計画時データ前処理装置、 ７ 透過画像生成装置、
８ 治療時データ前処理装置、 ９ 最適パラメータ推定装置、 １０ ＣＴ撮影台、
１１ 患者、 １２ ＣＴデータ、 １３ Ｘ線管、１４ Ｘ線ＴＶ画像、
１５ Ｘ線、 １６ 治療室座標系、
１７ Ｘ線管と放射線焦点距離（アイソセンタ）の距離、
１８ Ｘ線管とＸ線ＴＶ画像撮影装置との距離、 １９ 視点、
２０ ＤＲＲ画像（透視画像）、 ２１ 透過画像面（ＤＲＲ画像生成面）、
２２ 光線、 ２３ ＤＲＲ画像生成の視点と対象物の距離、
２４ ＤＲＲ画像生成座標系、 ２５ Ｘ線ＴＶ処理結果、
２６ 特徴評価処理手段、 ２７ ＤＲＲ処理結果画像、
２８ ３次元特徴解析を施したＤＲＲ画像、 ２９ 領域限定手段、
３０ ３次元特徴解析手段、 ３１ ３次元特徴解析処理データ、
３２ 解析処理により得られるＤＲＲ画像、
３３ ２次元解析手段、 ３４ 移動量推定手段、
３７ 高解度像画像、 ３８ 低解像度画像、
３９ 高像度ボリュームデータ、 ４０ 低解像度ボリュームデータ、
４２ 限定領域、 ４３ 限定領域のみを用いて生成されるＤＲＲ画像、
４４ 限定領域４３を光線２２が通過するボリューム領域、
４５ ３次元特徴点、 ４６ ＤＲＲ上の特徴点画像、 ４７ ＤＲＲ画像、
４８ ＤＲＲ画像、 ４９ ３次元特徴点、 ５０ 特徴安定評価手段、
５１ ＤＲＲ上の特徴点画像。
【特許請求の範囲】
【請求項１】
患部の３次元ＣＴデータを取得するためのＣＴデータ取得装置と、
患部のＸ線ＴＶ画像を取得するためのＸ線ＴＶ画像取得装置と、
取得したＣＴデータに基づいて２次元ＤＲＲ画像を生成するとともに、生成したＤＲＲ画像および取得したＸ線ＴＶ画像に基づいてＣＴデータ取得時の第１患部位置とＸ線ＴＶ画像取得時の第２患部位置との間のずれ量を算出する画像処理装置とを備え、
画像処理装置は、３次元ＣＴデータに関して３次元的な特徴量を抽出する３次元解析処理と、ＤＲＲ画像およびＸ線ＴＶ画像に関して２次元的な特徴量を抽出する２次元解析処理と、抽出した特徴量を評価する特徴評価処理と、評価した特徴量が存在する領域を選択する領域限定処理と、選択した領域に関して第１患部位置と第２患部位置との間のずれ量を推定する移動量推定処理とを実行することを特徴とする患者位置決めシステム。
【請求項２】
画像処理装置は、取得した３次元ＣＴデータにデータ圧縮を施して、低解像度の３次元ＣＴデータに変換することを特徴とする請求項１記載の患者位置決めシステム。
【請求項３】
患部の３次元ＣＴデータを取得するためのＣＴデータ取得装置と、
患部のＸ線ＴＶ画像を取得するためのＸ線ＴＶ画像取得装置と、
取得したＣＴデータに基づいて２次元ＤＲＲ画像を生成するとともに、生成したＤＲＲ画像および取得したＸ線ＴＶ画像に基づいてＣＴデータ取得時の第１患部位置とＸ線ＴＶ画像取得時の第２患部位置との間のずれ量を算出する画像処理装置とを備え、
画像処理装置は、ＤＲＲ画像およびＸ線ＴＶ画像に関して２次元的な特徴量を抽出する２次元解析処理と、抽出した特徴量を評価する特徴評価処理と、評価した特徴量に基づいて第１患部位置と第２患部位置との間のずれ量を推定する移動量推定処理と、移動量推定処理後、面外回転のパラメータを振って最適なパラメータを推定する処理とを実行することを特徴とする患者位置決めシステム。
【請求項４】
画像処理装置は、移動量推定処理後、面外回転のパラメータを振って最適なパラメータを推定する処理を実行することを特徴とする請求項１記載の患者位置決めシステム。
【請求項５】
画像処理装置は、面外回転のパラメータを振って最適なパラメータを推定する際、特徴点の消失の有無を判定するトラッキングを行うことを特徴とする請求項４記載の患者位置決めシステム。
【請求項６】
画像処理装置は、移動量推定処理の際、Ｘ線ＴＶ画像取得時のアイソセンタから遠い領域から近い領域の順序で移動量を推定することを特徴とする請求項１記載の患者位置決めシステム。
【請求項７】
２次元解析処理の際、所定範囲の輝度値を有するＣＴデータだけに限定して処理することを特徴とする請求項１記載の患者位置決めシステム。
【請求項８】
画像処理装置は、３次元ＣＴデータの特徴点が２次元ＤＲＲ画像に保存される可能性を表す保存性を評価して投影画像を生成し、保存性がある特徴点や領域の投影画像とＸ線ＴＶ画像とで特徴点が一致する点を抽出し、その特徴点を用いて３次元の位置決めを行うことを特徴とする請求項１記載の患者位置決めシステム。
【請求項９】
画像処理装置は、保存性の評価結果を２次元ＤＲＲ画像上に表示することを特徴とする請求項８記載の患者位置決めシステム。
【請求項１０】
画像処理装置は、解剖学的情報を利用して特徴点を抽出することを特徴とする請求項９記載の患者位置決めシステム。
【請求項１１】
画像処理装置は、座標の移動に伴って２次元ＤＲＲ画像上で大きく変化する特徴点を抽出することを特徴とする請求項８記載の患者位置決めシステム。
【請求項１２】
患部の３次元ＣＴデータを取得するためのＣＴデータ取得装置と、
患部のＸ線ＴＶ画像を取得するためのＸ線ＴＶ画像取得装置と、
取得したＣＴデータに基づいて２次元ＤＲＲ画像を生成するとともに、生成したＤＲＲ画像および取得したＸ線ＴＶ画像に基づいてＣＴデータ取得時の第１患部位置とＸ線ＴＶ画像取得時の第２患部位置との間のずれ量を算出する画像処理装置とを備え、
画像処理装置は、３次元ＣＴデータに関して３次元的な特徴量を抽出する３次元解析処理と、ＤＲＲ画像およびＸ線ＴＶ画像に関して２次元的な特徴量を抽出する２次元解析処理と、抽出した特徴量を評価する特徴評価処理と、３次元ＣＴデータの特徴点が２次元ＤＲＲ画像に保存される可能性を表す保存性を評価する特徴安定評価処理と、保存性のある複数の特徴点を用いて第１患部位置と第２患部位置との間のずれ量を推定する移動量推定処理とを実行することを特徴とする患者位置決めシステム。
【請求項１３】
画像処理装置は、患者位置決め結果に統計処理を施して、治療計画データとして保存することを特徴とする請求項８または１２記載の患者位置決めシステム。
【請求項１】
患部の３次元ＣＴデータを取得するためのＣＴデータ取得装置と、
患部のＸ線ＴＶ画像を取得するためのＸ線ＴＶ画像取得装置と、
取得したＣＴデータに基づいて２次元ＤＲＲ画像を生成するとともに、生成したＤＲＲ画像および取得したＸ線ＴＶ画像に基づいてＣＴデータ取得時の第１患部位置とＸ線ＴＶ画像取得時の第２患部位置との間のずれ量を算出する画像処理装置とを備え、
画像処理装置は、３次元ＣＴデータに関して３次元的な特徴量を抽出する３次元解析処理と、ＤＲＲ画像およびＸ線ＴＶ画像に関して２次元的な特徴量を抽出する２次元解析処理と、抽出した特徴量を評価する特徴評価処理と、評価した特徴量が存在する領域を選択する領域限定処理と、選択した領域に関して第１患部位置と第２患部位置との間のずれ量を推定する移動量推定処理とを実行することを特徴とする患者位置決めシステム。
【請求項２】
画像処理装置は、取得した３次元ＣＴデータにデータ圧縮を施して、低解像度の３次元ＣＴデータに変換することを特徴とする請求項１記載の患者位置決めシステム。
【請求項３】
患部の３次元ＣＴデータを取得するためのＣＴデータ取得装置と、
患部のＸ線ＴＶ画像を取得するためのＸ線ＴＶ画像取得装置と、
取得したＣＴデータに基づいて２次元ＤＲＲ画像を生成するとともに、生成したＤＲＲ画像および取得したＸ線ＴＶ画像に基づいてＣＴデータ取得時の第１患部位置とＸ線ＴＶ画像取得時の第２患部位置との間のずれ量を算出する画像処理装置とを備え、
画像処理装置は、ＤＲＲ画像およびＸ線ＴＶ画像に関して２次元的な特徴量を抽出する２次元解析処理と、抽出した特徴量を評価する特徴評価処理と、評価した特徴量に基づいて第１患部位置と第２患部位置との間のずれ量を推定する移動量推定処理と、移動量推定処理後、面外回転のパラメータを振って最適なパラメータを推定する処理とを実行することを特徴とする患者位置決めシステム。
【請求項４】
画像処理装置は、移動量推定処理後、面外回転のパラメータを振って最適なパラメータを推定する処理を実行することを特徴とする請求項１記載の患者位置決めシステム。
【請求項５】
画像処理装置は、面外回転のパラメータを振って最適なパラメータを推定する際、特徴点の消失の有無を判定するトラッキングを行うことを特徴とする請求項４記載の患者位置決めシステム。
【請求項６】
画像処理装置は、移動量推定処理の際、Ｘ線ＴＶ画像取得時のアイソセンタから遠い領域から近い領域の順序で移動量を推定することを特徴とする請求項１記載の患者位置決めシステム。
【請求項７】
２次元解析処理の際、所定範囲の輝度値を有するＣＴデータだけに限定して処理することを特徴とする請求項１記載の患者位置決めシステム。
【請求項８】
画像処理装置は、３次元ＣＴデータの特徴点が２次元ＤＲＲ画像に保存される可能性を表す保存性を評価して投影画像を生成し、保存性がある特徴点や領域の投影画像とＸ線ＴＶ画像とで特徴点が一致する点を抽出し、その特徴点を用いて３次元の位置決めを行うことを特徴とする請求項１記載の患者位置決めシステム。
【請求項９】
画像処理装置は、保存性の評価結果を２次元ＤＲＲ画像上に表示することを特徴とする請求項８記載の患者位置決めシステム。
【請求項１０】
画像処理装置は、解剖学的情報を利用して特徴点を抽出することを特徴とする請求項９記載の患者位置決めシステム。
【請求項１１】
画像処理装置は、座標の移動に伴って２次元ＤＲＲ画像上で大きく変化する特徴点を抽出することを特徴とする請求項８記載の患者位置決めシステム。
【請求項１２】
患部の３次元ＣＴデータを取得するためのＣＴデータ取得装置と、
患部のＸ線ＴＶ画像を取得するためのＸ線ＴＶ画像取得装置と、
取得したＣＴデータに基づいて２次元ＤＲＲ画像を生成するとともに、生成したＤＲＲ画像および取得したＸ線ＴＶ画像に基づいてＣＴデータ取得時の第１患部位置とＸ線ＴＶ画像取得時の第２患部位置との間のずれ量を算出する画像処理装置とを備え、
画像処理装置は、３次元ＣＴデータに関して３次元的な特徴量を抽出する３次元解析処理と、ＤＲＲ画像およびＸ線ＴＶ画像に関して２次元的な特徴量を抽出する２次元解析処理と、抽出した特徴量を評価する特徴評価処理と、３次元ＣＴデータの特徴点が２次元ＤＲＲ画像に保存される可能性を表す保存性を評価する特徴安定評価処理と、保存性のある複数の特徴点を用いて第１患部位置と第２患部位置との間のずれ量を推定する移動量推定処理とを実行することを特徴とする患者位置決めシステム。
【請求項１３】
画像処理装置は、患者位置決め結果に統計処理を施して、治療計画データとして保存することを特徴とする請求項８または１２記載の患者位置決めシステム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【公開番号】特開２０１０−２４６８８３（Ｐ２０１０−２４６８８３Ａ）
【公開日】平成２２年１１月４日（２０１０．１１．４）
【国際特許分類】
【出願番号】特願２００９−１８５６０７（Ｐ２００９−１８５６０７）
【出願日】平成２１年８月１０日（２００９．８．１０）
【出願人】（０００００６０１３）三菱電機株式会社 (33,312)
【Ｆターム（参考）】
【公開日】平成２２年１１月４日（２０１０．１１．４）
【国際特許分類】
【出願日】平成２１年８月１０日（２００９．８．１０）
【出願人】（０００００６０１３）三菱電機株式会社 (33,312)
【Ｆターム（参考）】
[ Back to top ]