JP6557227B2 - 治療計画の自動化 - Google Patents

Description

本願は、概して放射線療法に関する。それは放射線療法計画とともに特定の適用を見出し、特にそれを参照して記載されるであろう。しかしながら、それが他の使用シナリオにおいて適用を見出し、前記適用に必ずしも限定されるわけではないことは理解されるべきである。

放射線療法計画において、患者固有の治療計画をつくることは、時間を浪費し、迂遠なワークフローとなり得る。ステップの一部は冗長であり、患者の間又は計画の間であまり変化がない。これらのステップの一部は、マクロ言語又はスクリプトを使用して自動化されることができるが、論理的表現、ループ、及び他の共通プログラミング関数を記述するためのツールがない場合、一定の態様は困難になる。

過去10年において、線量(ドーズ)デリバリを改善するため、技術の進歩により、強度変調放射線療法（IMRT）及び強度変調陽子療法（IMPT）等の分野における大きな飛躍がもたらされてきた。現在の治療計画において、自動化するのが難しい一つの領域は、強度変調放射線療法（IMRT）又はボリュメトリック変調アーク療法（VMAT）最適化である。近年、研究の関心は、臨床ユーザのワークロード負荷を支援し、低減するために、ビーム配置から始まって線量最適化まで、計画生成に含まれる様々なタスクを自動化する方法にシフトする。最適化は、ユーザが、ターゲット構造に対して理想的な線量、通常均一な線量をもたらし、クリティカルな構造に対して線量を最小化するために、線量又は生物学的目的の形態で計画目標を特定することを試みる、反復プロセスである。

計画評価は、3つの段階：1.身体的評価、2.技術的評価、及び3.臨床評価に分類される。計画の身体的及び技術的局面は、通常、計画の完成の後、技師によって検査される。計画の臨床的局面は、放射線腫瘍医によって検査される。現在、IMRT計画は、計画：1.幾何学的分析、2.線量分布分析、3.線量ボリュームヒストグラム（DVH）分析、4.パラメトリック分析、及び5.デリバビリティ分析の身体的、技術的、及び臨床的局面をカバーする、5つのカテゴリに基づいて評価されている。

幾何学的分析は、ビーム配置の最適性を評価するために実行される。ビーム配置は、非常に重要なステップである。最適化の質は、主にビーム及びそれらの角の数によって影響される。ルールが、IMRT計画の最適性及びデリバビリティを増やす見地から、IMRTにおける最適ビーム配置のために策定された。

線量分布分析は、軸状、冠状、正中線状平面における線量分布の最適性を定性的に検証する。この分析は、2D分析及び3D分析にさらに分けられることができる。2D線量分布分析は、スライス毎の線量分布の評価を意味する。 この種の分析は、各々のスライスにおけるターゲットボリュームに対して、処方された線量の適合性を評価するために用いられる。この種の分析は、ターゲットボリューム内、及びそのまわりにおけるコールド又はホットスポットの分布を明らかにすることもできる。コールド又はホットスポットは、放射線の意図された線量より少なく、又は多く受ける、リスク臓器及びターゲット内のエリアである。3D分布分析は、線量分布が、一組のビーム方向に関して、全ターゲットボリュームに対してどれくらいコンフォーマルかについて決定するとき有用である。

線量ボリュームヒストグラム（DVH）は、計画の最適性を評価するための強力なツールである。DVHは、グラフィカル二次元フォーマットで、三次元線量分布を表す。ターゲットボリュームのためのDVHは、カバレジ、適合性、及び均一性に関して、線量分布の質をグラフィカルに表す。リスク臓器（OARs）のためのDVHカーブは、OARsが、平均及び最大線量に関してスペアされる効率を表す。

パラメトリック分析は、線量の最適性を定量的に検証するために実行される。この分析において使われるパラメータは、(a)OARs及びターゲットボリュームのための、最小、平均、及び最大線量、並びに(b)ターゲットボリュームのための、カバレジ、適合性、及び均一性インデックスになる。計画評価の身体的な計量は別として、生物学的計量の大多数は、計画評価において使われる。これらの生物学的計量は、等効果均一線量（EUD）、腫瘍制御率（TCP）、及び正常組織障害発生確率（NTCP）などを含む。

デリバビリティ分析は、計画が、線量デリバリに関してどれくらいロバストかについて評価するために実行される。この分析は、セグメント、セグメント毎の最少又は平均モニタユニット（MU）、最小セグメントエリア（MSA）の数、及び全デリバリ時間等のようなパラメータの検証を含む。MUは、放射線療法における線形加速器の機械的出力の度合いである。デリバビリティ分析は、計画が、実際に送達可能か否かを明らかにする。

計画生成の様々なステージは、異なる技術を用いて自動化されてきた。これらの技術は、線量目標操作及びIMRT/VMAT最適化のような計画生成プロセスを自動化することによって、臨床ユーザ、すなわち放射線技師の負担を減らす。しかしながら、これらのアプローチのために必要とされる構成時間は依然長く、様々な関心領域（ROI）の慎重なマッピング及び問題解決モデルに対する関連情報が必要とされる。特に、ROIの命名規定及びそれらを問題解決モデルに正しくマッピングすることは、成功をもたらす計画生成に有用である。放射線療法治療計画生成に関係する複雑さがある場合、ユーザが、ある程度のマニュアル制御及びレビューを所望することは避けられないが、同時に、そのことは、これらの技術が完全に自動化されることを妨げる。現在の自動計画及びクラスソリューションは、治療計画を自動的に生成するために、新たな患者に後にもたらされる、ユーザ定義技術のワンタイムコンフィギュレーションを提供する。しかしながら、ユーザは、以下の1）関係するROIの不正確又は欠損マッピング、2）ビーム配置、3）アイソセンタ配置、4）ドーズグリッド配置に関する新たな患者計画のために、矛盾を解決する必要がある。

一つの実施例によれば、ボリューム診断画像を保存する計画画像メモリ(14)と;ユーザが、ボリューム診断画像内において複数の関心領域を規定するデータを入力するように構成されるユーザインタフェースデバイス(32)と;ボリューム診断画像内において示される、複数のユーザ定義された関心領域及びボリューム診断画像を受信し：体アトラス(35)を用いてボリューム診断画像の複数の関心領域を解剖学的構造にマッピングするように構成されるプロセッサを有するROIマッパ(34)と;マッピングされた複数の関心領域を用いて治療計画を生成するように構成される自動計画モジュール(38)とを有する自動治療計画システムがもたらされる。

本願の一つの好ましい方法によれば、治療計画を自動化するための方法であって、画像ボリューム内において示される、複数のユーザ定義された関心領域を含む、患者のボリューム解剖学的画像を受信するステップ(124)と;体アトラス(35)を用いて画像ボリュームの複数の関心領域を解剖学的構造にマッピングするステップと;マッピングされた複数の関心領域を用いて治療計画を生成するステップ(138)とを有する、方法がもたらされる。

一つの実施例によれば、ボリューム診断画像を保存する計画画像メモリ(14)と;ユーザが、ボリューム診断画像内において複数の関心領域を規定するデータを入力し、画像ボリュームにおける、ユーザ定義された関心領域を受信するように構成されるユーザインタフェースデバイス(32)と;ボリューム診断画像内において示される、複数のユーザ定義された関心領域及びボリューム診断画像を受信し：体アトラス(35)を用いてボリューム診断画像の複数の関心領域を解剖学的構造にマッピングし：マッピングされた複数の関心領域を用いて治療計画を生成するように構成される、一つ又はそれより多くのプロセッサとを有する自動治療計画システムがもたらされる。

一つの利点は、ROI名のコンフィグレーション及びマッピングが必要とされないことにある。

他の利点は、最初の制約が、名称付のROIのために自動化されることにある。

更なる利点は、IMRT/VMAT計画の複雑性が減らされることにある。

計画生成を自動化するための、改善された方法を実施するIMRT計画システムを表す。 完全に治療計画を自動化するための方法を表す。

図1を参照すると、強度変調放射線療法（IMRT）システム又はボリュメトリック変調アーク療法（VMAT）システムのような治療システム10は、患者の関心領域の一つ又はそれより多くの計画画像を生成するために、画像処理システム12を含む。画像ボリューム、すなわち計画画像は、ボリュメトリック（すなわち、三次元）であり、通常、治療システム10の計画画像メモリ14に保存される。関心領域は、一つ又はそれより多くのターゲット構造、並びに通常、一つ若しくはそれより多くのクリティカル構造又はリスク臓器（OARs）を含む。ターゲット構造の各々は、照射されるべき、腫瘍のような病変又は他の組織領域である。クリティカル構造の各々は、ターゲット構造を通過し、又はターゲット構造に密に隣接して通過する、ターゲット構造に伝わる放射線のような、ターゲット構造のための放射線からのダメージのリスクを有する、器官又は他の組織領域である。

画像処理システム12は、コンピュータ断層撮影（CT）、陽電子放射断層撮影（PET）、磁気共鳴（MR）、単一フォトン放出コンピュータ断層撮影（SPECT）、コーンビームコンピュータ断層撮影（CBCT）等のような、一つ又はそれより多くのイメージングモダリティを使用して、計画画像を生成する。それゆえに、画像処理システム12は、スキャナからの生画像データを計画画像に再構成するバックエンドシステムだけでなく、イメージングモダリティに対応する、一つ又はそれより多くのスキャナ16を含む。例示されるように、画像処理システム12は、例えばCTを使用して計画画像を生成し、ＣＴスキャナ16を含む。

治療システム10の計画システム18は、計画画像メモリ14から通常受け取られる、計画画像に関して患者のための最適治療計画を生成する。最適治療計画は、ターゲット構造のための計画ターゲットボリューム（PTV）、ターゲット構造のまわりのマージン、ターゲット構造のための線量プロファイル、クリティカル構造のための線量限界、並びに治療ビーム方向及び強度を各々特定する、複数の治療フラクションを適切に含み、治療システム10の治療計画メモリ20に通常保存される。計画システム18は、少なくとも一つのプロセッサ22及び少なくとも一つのプログラムメモリ24を含む。プログラムメモリ24は、プロセッサ22によって実行されるとき、最適治療計画を生成するプロセッサ実行可能なインストラクションを含む。プロセッサ22は、最適治療計画を生成するために、プロセッサ実行可能なインストラクションを実行する。計画システム18は、プロセッサ22を相互接続する少なくとも一つのシステムバス26、プログラムメモリ24、及び計画システム18の何れかの他のコンポーネントを更に含む。

プロセッサ実行可能なインストラクションの制御モジュール28は、最適治療計画の生成を含む、計画システム18の全動作を制御する。制御モジュール28は、計画システム18の表示装置30を用いて、計画システム18のユーザにグラフィカルユーザインタフェース（GUI）を適切に表示する。さらに、制御モジュール28は、ユーザが、計画システム18のユーザ入力デバイス32を用いて、GUIと対話することを適切に可能にする。例えば、ユーザは、最適治療計画の生成を制御する、パラメータを特定するために、GUIと対話することができる。特に、ユーザは、ユーザ入力デバイス32を介して、計画画像メモリ14上において位置される画像ボリューム内において、関心領域を特定する。

プロセッサのROIマッパ34は、計画画像メモリ14から患者の画像ボリュームにアクセスし、関心領域は、ユーザによって画像ボリュームに入力される。ROIマッパ34は、照射されるべき関心領域内において解剖学的構造を決定するために、画像ボリュームにアクセスする。計画画像メモリ14上の画像ボリュームにアクセスした後、ROIマッパ34は、ユーザ定義された関心領域内において解剖学的構造を決定するために、体アトラス35に対して入力関心領域をマッピングする。

体アトラス35は、データベース又は他の情報検索システムである。体アトラス35は、患者数に関する情報を導出し、ラベル付の解剖学的構造から構成される。体アトラス35は、体アトラス35を備える（厳格及び／又は非厳格な）患者の画像をレジストレーションするために用いられる。画像ボリュームにおけるOARsは、体アトラス35からの、対応するOAR定義を用いてマッピングされ、それによって領域内においてすべての解剖学的構造の命名法が提供される。

一つの実施例において、ROIマッパ34は、解剖学的位置を決定するために、画像ボリューム、すなわち、すべてのROIを含む画像マスクにおける複数のROIの、体アトラスへの最初のマッピングによって、関心領域をマッピングする。それから、ROIマッパ34は、対応する解剖学的構造を決定するために、複数の個別ROIの各々を体アトラスにマッピングする。他の実施例において、ROI名が、アトラス名に直接マッチするとき、更なるマッチングは実行されない。

ROIマッパ34は、各々のROI及び体アトラス35における全ての解剖学的構造エントリの間で、類似性計量スコア、例えばダイススコアを計算することによって、対応する解剖学的構造を決定する。ROIマッパ34は、類似性スコアにより体アトラス35における全ての解剖学的構造エントリをランク付けして、最高スコアを備える解剖学的構造を選択する。スコアが特定の閾値を越えない場合、マッピングはもたらされなくてもよい。解剖学的構造はそれから、ROIを構造に関連付けるために用いられる。例えば、最高類似性スコアは、脊柱であると決定される。関心領域はそれから、治療計画の自動生成における使用のために脊柱としてラベル付けされる。問題解決モデルの仕様を満たすために、ユーザが、ROI命名スキームに従う必要はないため、これは有用になる。ユーザは、画像ボリュームにおいてOARsを表す一組のROIを入力し、ROIマッパ34は、体アトラス35における正しい命名マッピングを自動的に見つける。

ROIマッパ34は、解剖学的構造がROI内において規定された後、知識ベース36にアクセスする。知識ベース36は、データベース又は他の情報検索システムである。知識ベース36は、計画テンプレートとして異なる解剖学的構造のために標準化された臨床目標優先及び順位を含む。計画テンプレートは、最初の計画目標及び優先順位をつくるために、ROIマッパによって知識ベース36を通じてアクセスされる。テンプレートはそれから、患者のための治療計画を自動的に生成するために用いられる。関係のあるOARsのための臨床目標及び優先順位は、セットアップエラーを説明するために、拡大マージンと共に知識ベース36から選ばれる。ROIは、入力OARsのための臨床優先順位及び入力ターゲット構造の線量レベル関係に依存して、自動計画ワークフローのためにつくられる。

知識ベース36を使って、ROIマッパ35は、アイソセンタが、キャビティ又は高密度領域の代わりに、均一な組織領域において位置されることを確実にするために、位置の更なる調整及びジオメトリカルセンタにおいて自動配置スキームを使ってターゲット解剖学的構造に対してアイソセンタを選択する。線量グリッドは、1cmのような更なるマージンでOARs及び入力ターゲットをカバーするように自動的に位置される。

一つの実施例において、アイソセンタ配置は、反復アプローチを使って実行される。アイソセンタは、すべてのターゲットROIのユニオンROIのジオメトリックセンタに位置される。 CT番号に基づく閾値化は、アイソセンタが、キャビティ、すなわち空気領域又は高密度、すなわち骨領域の内側に入るかを特定するために用いられる。それが偶然キャビティ又は骨領域に入る場合、それが均一な軟組織領域に入るまで、アイソセンタ位置の反復調整はなされる。この反復調整は、ユニオンROIの境界内においてだけなされ、アルゴリズムが適切な領域を見つけることができない場合、それはジオメトリックセンタ位置に戻る。

プロセッサの治療ビームセットアップモジュール37は、治療デリバリのために使われる一つ又はそれより多くの治療ビームを構成する。これは、自動的に及び／又は手動で実行されることができる。自動治療ビームセットアップに関しては、適切なルーチンが、治療ビームを構成するパラメータを自動的に構成するように使用される。治療ビームセットアップは、自動及び手動治療ビームセットアップの組合せを使って実行されることができることも考えられる。ビーム配置は、例えば、頭及び首のための、標準臨床診療において後続されるビーム構成とともにビーム角最適化法を使用して実現され、標準等間隔7ビームコプレーナ構成が十分である。ユーザから入力されるビームの数を受け入れる、さらなる設備も可能である。その場合、システムはビーム角について最適化するだけである。自動計画結果が所望されない場合、ビーム配置の反復調整も可能である。自動的に構成されたパラメータはそれから、表示デバイス30を使って、ユーザに表示されることができ、ユーザは、ユーザ入力デバイス32を使用して、適切に、パラメータを修正することができる。一つの実施例において、VMAT計画により、開始及び停止ガントリ角の自動決定及び寝台角は、自動的に決定される。

知識ベース36のテンプレートを通じて、入力パラメータは、入力デリバリ制約に基づいて選ばれ、これらは、自動計画結果に基づいて反復的に調整されることもできる。ユーザによって特定される機械固有のデリバリ制約は考慮され、パラメータの残りに対して、システムは、デリバリ目標を満たすのに適切なセッティングを決定する。目標は、ほとんど治療時間、最小セグメントエリア他についてである。

例示的な直接機械パラメータ最適化（DMPO）実施例において、機械パラメータは、最小セグメントエリア、ダイナミックセグメントの最大数、施設の間のセグメント毎の最小MUs変化、並びにプランナ及び機械能力である。パラメータは、計画質及びデリバビリティに影響を与える。より良い線量適合性は、セグメントの増加数で実現される。しかしながら、不所望なことに、モニタユニット及び治療時間も同様に増加し得る。類似性のトレードオフが他のパラメータの場合に存在する。知識ベース36は、自動的に選択された解剖学的構造に固有である、臨床知識ベース36の部分として利用可能なデフォルト「ベスト」セッティングをもたらす。ユーザ定義されたデリバリ制約が満たされていない場合、反復態様で、これらのパラメータは微調整される。一つの実施例において、知識ベース36は、放射線治療腫瘍学グループ（RTOG）プロトコルの標準的な変換を含み、ユーザは、知識ベース36内における目標及び優先順位を微調整する能力を有する。

パラメータが確定すると、自動計画モジュール38は、最適治療計画を生成する。自動計画モジュール38は、知識ベース36を通じてROIマッパ34から治療パラメータの生成のための入力パラメータを受信するステップを含む。入力パラメータは、治療ビームセットアップモジュール36を使用して決定される治療ビーム構成パラメータだけでなく、ROIマッパ34を使用して特定される、計画画像内における構造（すなわち、ターゲット構造及び、通常、クリティカル構造）の境界を含む。一つの実施例において、自動生成最適治療計画は、Bzdusek氏他による米国仮出願番号第61/719,528号に記載のような、アルゴリズムを使用する。それは、線量目標を計画し、それらを反復的に操作することによって、IMRTオプティマイザを自動的にドライブする。線量目標パラメータは、臨床目標及び優先順位を規定する知識ベースに基づいて決定される。

デリバリシステム42は、切除治療、外部ビーム放射線療法、及び／又は近接療法のような治療を患者にもたらす最適治療計画を実行する。治療は通常、一つ又はそれより多くのX線、プロトン、及び高密度焦点式超音波療法（HIFU）等のような放射線を含む。デリバリシステム42は、線形粒子加速器のようなデリバリ装置44、及び最適治療計画に従ってデリバリ装置46を制御する制御システム44を含む。最適治療計画は、治療計画メモリ20から通常受け取られるが、他のソースは考えられる。

図2は、一つ又はそれより多くのプロセッサを使って実行されることができる、放射線療法治療計画生成のためのROI及びOAR定義を自動化するための方法を表す。ステップ124において、患者の画像ボリュームは、例えばスキャナ16から受け取られる。さらに、ユーザは、ユーザ入力デバイス32を通じて、患者ボリューム内においてROI又はOARsを規定する。ユーザは、腫瘍のような、所望のターゲットボリュームに関連する関心領域を描出又は規定するだけでよい。ユーザ、例えば放射線腫瘍医又は技師は、計画仕様及び治療デリバリ制約を処方する。

ステップ126において、ROIにおけるOARsの位置は、体アトラス35にマッピングされる。アトラスマッピングにより、体アトラス35における構造に対して、入力OARsの厳格で変形可能な画像レジストレーションに基づくマッピングが可能になる。アトラスマッピングステップは、入力OARsの命名解剖学的部位関係も使う。

ステップ128において、画像ボリュームのROI内における構造が決定され、知識ベース36を使ってセットアップされる。構造は、臨床診療において回避マージン、並びに自動計画特定残留及び差異構造のような、知識ベースパラメータを考慮して作成される。

ステップ130において、アイソセンタ及び線量グリッド配置が実行される。アイソセンタ平面は、キャビティ及び均一性制約を考慮して決定される。この線量グリッドは、それがROI内におけるターゲット及びすべての入力OARsをカバーするように、位置される。

ステップ132において、ビームは、最適ビーム角に従って位置される。最適ビーム角は、解剖学及び患者ジオメトリ制約に従って決定される。ステップ134において、治療計画パラメータは、デリバリ制約及び機械固有能力に基づいて選ばれる。ステップ136において、治療計画は、知識ベース36からの臨床目標及び優先順位に基づいて、線量目標を使って、自動的に生成される。線量目標の調整及び編成は、最適治療計画を生成するために、自動的になされる。

ステップ138において、生成された治療計画は、ユーザ定義線量及び計画デリバリ制約に対して評価される。デリバリ制約が満たされない場合、自動的に生成された治療計画は、治療計画パラメータ及びビーム配置の再評価に従って、ステップ140において、調整される。デリバリ制約が満たされる場合、方法は完了される142。

ユーザが、いくつか又は全てのステップの後、自動的に決定された選択を確認することによって、自動計画生成の増大する制御を実行してもよいことは評価される。ユーザが、生成された計画又は他の経験に基づいて、知識ベース36のテンプレートを微調整し得ることは評価される。

ここで使用されるとき、メモリは、非一時的コンピュータ可読媒体、磁気ディスク又は他の磁気メモリ媒体；光学ディスク又は他の光学メモリ媒体；ランダムアクセスメモリ（ＲＡＭ）、リードオンリメモリ（ＲＯＭ）、又は他の電子メモリ装置又はチップ又は機能的に相互接続されたチップの組；メモリされた命令がインターネット／イントラネット又はローカルエリアネットワークを通じて取り出されることができるインターネット／イントラネットサーバ；又は、その他、の１又は複数を含む。更に、本明細書で用いられるとき、プロセッサは、マイクロプロセッサ、マイクロコントローラ、グラフィック処理ユニット（ＧＰＵ）、特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、その他の１又は複数を含む；コントローラは、（１）メモリ及びプロセッサを含み、プロセッサは、コントローラの機能を具現化するメモリ上のコンピュータ実行可能な命令を実行し; 又は(2)アナログ及び／又はデジタルハードウェア; ユーザ入力デバイスは、一つ又はそれより多くのマウス、キーボード、タッチスクリーンディスプレイ、一つ又はそれより多くのボタン、一つ又はそれより多くのスイッチ、一つ又はそれより多くのトグル、音声認識エンジン、などを含む; データベースは、一つ又はそれより多くのメモリを含み;及び、ディスプレイデバイスは、液晶ディスプレイ（LCD）、発光ダイオード（LED）ディスプレイ、プラズマディスプレイ、投影ディスプレイ、タッチスクリーンディスプレイ等の１又は複数を含む。

システム及び本開示の方法がその典型的な実施例に関して記述されたが、本開示がそのような実施例に限定されるものではない。 むしろ、ここに開示されるシステム及び方法は、本発明の範囲を逸脱しない範囲で、様々な修正、補強、及び／又はバリエーションに影響されやすい。したがって、本開示は、添付のクレーム主張内において、そのような修正、補強、及び／又はバリエーションを具現化すると共に含む。

Claims (11)

1. ボリューム診断画像を保存するように構成される計画画像メモリと、
   ユーザが、前記ボリューム診断画像内において複数の関心領域を規定するデータを入力するように構成されるユーザインタフェースデバイスと、
   前記ボリューム診断画像内において示される、複数のユーザ定義された関心領域及び前記ボリューム診断画像を受信し、
   体アトラスを用いて前記ボリューム診断画像の前記複数の関心領域を解剖学的構造にマッピングする
   ように構成されるプロセッサを有するROIマッパと、
   前記マッピングされた複数の関心領域を用いて治療計画を生成するように構成される計画モジュールと
   を有し、
   前記ROIマッパは、
   前記複数の関心領域内における解剖学的位置を決定するために、前記複数の関心領域を前記体アトラスにマッピングし、
   正しい対応する解剖学的構造を選択するために、前記複数の関心領域の各々の関心領域を前記体アトラスにマッピングし、
   前記複数の関心領域の各々の関心領域と前記体アトラスの各々の解剖学的構造との間の類似性計量スコアを計算することによって前記正しい対応する解剖学的構造を選択する
   ように更に構成される、自動治療計画システム。
2. 前記計画モジュールは、
   知識ベースから前記マッピングされた関心領域に基づいて治療計画テンプレートを受信し、
   前記治療計画テンプレートにより最適な治療計画を生成する
   ように更に構成される、請求項１に記載のシステム。
3. 前記治療計画テンプレートは、前記複数の関心領域にマッピングされる前記解剖学的構造に固有の自動臨床目標及び優先順位を含む、請求項２に記載のシステム。
4. 前記ユーザインタフェースデバイスは、ユーザから線量及び計画要件を受信するように構成される、請求項１乃至３の何れかの一項に記載のシステム。
5. 前記計画モジュールは、
   前記自動的に生成された計画が、ユーザ入力要件を満たすかを決定し、
   前記ユーザ入力要件が満たされない場合、前記ユーザ入力要件が満たされるように、線量及び計画制約を反復的に調整する
   ように更に構成される、請求項４に記載のシステム。
6. 治療計画を自動化するための自動治療計画システムの作動方法であって、
   画像ボリューム内において示される、複数のユーザ定義された関心領域を含む、患者のボリューム解剖学的画像を受信するステップと、
   体アトラスを用いて前記画像ボリュームの前記複数の関心領域を解剖学的構造にマッピングするステップと、
   前記自動治療計画システムが、前記マッピングされた複数の関心領域を用いて治療計画を生成するステップと、
   前記複数の関心領域内における解剖学的位置を決定するために、前記複数の関心領域を前記体アトラスにマッピングするステップと、
   正しい対応する解剖学的構造を選択するために、前記複数の関心領域の各々の関心領域を前記体アトラスにマッピングするステップと
   を有し、
   前記正しい対応する解剖学的構造の選択は、
   前記複数の関心領域の各々の関心領域と前記体アトラスの各々の解剖学的構造との間の類似性計量スコアを計算するステップ
   を含む、方法。
7. 最も高い類似性計量スコアが閾値計量スコアを超える場合、前記最も高い類似性計量スコアをもつ前記体アトラスの前記解剖学的構造を、前記個々の関心領域に関連付けるステップ
   を更に含む、請求項６に記載の方法。
8. 前記生成するステップは、
   知識ベースから前記マッピングされた関心領域に基づいて治療計画テンプレートを受信するステップと、
   前記治療計画テンプレートにより治療計画を生成するステップと
   を含む、請求項６乃至７の何れかの一項に記載の方法。
9. 前記治療計画テンプレートは、前記複数の関心領域にマッピングされる前記解剖学的構造に固有の自動臨床目標及び優先順位を含む、請求項８に記載の方法。
10. ユーザ入力を介してユーザから線量及び計画要件を最初に受信するステップを更に含み、
    前記計画生成ステップは、
    前記自動的に生成された計画が、ユーザ入力要件を満たすかを決定するステップと、
    前記ユーザ入力要件が満たされない場合、前記ユーザ入力要件が満たされるように、線量及び計画制約を反復的に調整するステップと
    を更に含む、
    請求項６乃至９の何れかの一項に記載の方法。
11. 請求項６乃至１０の何れかの一項に記載の方法を実行するために、一つ又はそれより多くのプロセッサを制御するためのソフトウエアを運ぶ、非一時的なコンピュータ読取り可能な媒体。

Images