患者定位系统.pdf

本发明提供一种患者定位系统，具备：CT数据取得装置(1)；X射线TV图像取得装置(2)；以及图像处理装置(3)，根据取得的CT数据生成二维DRR图像，并且根据生成的DRR图像以及取得的X射线TV图像，计算出CT数据取得时的第一患部位置与X射线TV图像取得时的第二患部位置之间的偏移量，图像处理装置(3)执行：三维解析处理，关于三维CT数据抽出三维的特征量；二维解析处理，关于DRR图像以及X射线TV图像抽出二维的特征量；特征评价处理，评价所抽出的特征量；区域限定处理，选择所评价的特征量存在的区域；以及移动量推测处理，关于选择的区域推测第一患部位置与第二患部位置之间的偏移量。

1.  一种患者定位系统，其特征在于，具备：
CT数据取得装置，用于取得患部的三维CT数据；
X射线TV图像取得装置，用于取得患部的X射线TV图像；以及
图像处理装置，根据取得的CT数据生成二维DRR图像，并且根据生成的DRR图像以及取得的X射线TV图像，计算出取得CT数据时的第一患部位置与取得X射线TV图像时的第二患部位置之间的偏移量，
图像处理装置执行如下处理：
三维解析处理，关于三维CT数据抽出三维的特征量；
二维解析处理，关于DRR图像以及X射线TV图像抽出二维的特征量；
特征评价处理，评价所抽出的特征量；
区域限定处理，选择所评价的特征量存在的区域；以及
移动量推测处理，关于选择的区域推测第一患部位置与第二患部位置之间的偏移量。

2.  根据权利要求1所述的患者定位系统，其特征在于，
图像处理装置对取得的三维CT数据实施数据压缩，变换成低分辨率的三维CT数据。

3.  一种患者定位系统，其特征在于，具备：
CT数据取得装置，用于取得患部的三维CT数据；
X射线TV图像取得装置，用于取得患部的X射线TV图像；以及
图像处理装置，根据取得的CT数据生成二维DRR图像，并且根据生成的DRR图像以及取得的X射线TV图像，计算出取得CT数据时的第一患部位置与取得X射线TV图像时的第二患部位置之间的偏移量，
图像处理装置执行如下处理：
二维解析处理，关于DRR图像以及X射线TV图像抽出二维的特征量；
特征评价处理，评价所抽出的特征量；
移动量推测处理，根据评价的特征量，推测第一患部位置与第二患部位置之间的偏移量；以及
在移动量推测处理之后，改变面外旋转的参数而推测最佳的参数的处理。

4.  根据权利要求1所述的患者定位系统，其特征在于，
图像处理装置在移动量推测处理之后，执行改变面外旋转的参数而推测最佳的参数的处理。

5.  根据权利要求4所述的患者定位系统，其特征在于，
图像处理装置在改变面外旋转的参数而推测最佳的参数时，进行判定特征点是否消失的跟踪。

6.  根据权利要求1所述的患者定位系统，其特征在于，
图像处理装置在移动量推测处理时，按照取得X射线TV图像时的从远离等中心的区域到靠近等中心的区域的顺序推测移动量。

7.  根据权利要求1所述的患者定位系统，其特征在于，
在二维解析处理时，仅限定于具有规定范围的亮度值的CT数据而处理。

8.  根据权利要求1所述的患者定位系统，其特征在于，
图像处理装置对表示三维CT数据的特征点被保存在二维DRR图像中的可能性的保存性进行评价而生成投影图像，抽出具有保存性的特征点或在区域的投影图像与X射线TV图像中特征点一致的点，使用该特征点进行三维的定位。

9.  根据权利要求8所述的患者定位系统，其特征在于，
图像处理装置将保存性的评价结果显示在二维DRR图像上。

10.  根据权利要求9所述的患者定位系统，其特征在于，
图像处理装置利用解剖学的信息抽出特征点。

11.  根据权利要求8所述的患者定位系统，其特征在于，
图像处理装置抽出伴随坐标的移动而在二维DRR图像上大幅变化的特征点。

12.  一种患者定位系统，其特征在于，具备：
CT数据取得装置，用于取得患部的三维CT数据；
X射线TV图像取得装置，用于取得患部的X射线TV图像；以及
图像处理装置，根据取得的CT数据生成二维DRR图像，并且根据生成的DRR图像以及取得的X射线TV图像，计算出取得CT数据时的第一患部位置与取得X射线TV图像时的第二患部位置之间的偏移量，
图像处理装置执行如下处理：
三维解析处理，关于三维CT数据抽出三维的特征量；
二维解析处理，关于DRR图像以及X射线TV图像抽出二维的特征量；
特征评价处理，评价所抽出的特征量；
特征稳定评价处理，对表示三维CT数据的特征点保存在二维DRR图像中的可能性的保存性进行评价；以及
移动量推测处理，使用具有保存性的多个特征点，推测第一患部位置与第二患部位置之间的偏移量。

13.  根据权利要求8或12所述的患者定位系统，其特征在于，
图像处理装置对患者定位结果实施统计处理，保存为治疗计划数据。

患者定位系统
技术领域
本发明涉及适合于对患者的病灶部照射放射线、粒子线等而进行治疗的放射线治疗中的患者定位系统。
背景技术
在患者定位系统中，首先，使用断层像摄像装置(例如X射线CT(Computed Tomography)装置)取得摄影了患者的病灶部的治疗计划用三维CT数据，根据该CT数据的诊断结果来建立治疗计划。此时，根据三维CT数据，确定肿瘤患部的位置、形状，决定照射放射线的方向、照射线量等。
接下来，根据决定的治疗计划进行放射线治疗。但是，如果在从CT摄影时到放射线治疗的期间经过较长时间，则治疗时的治疗台的患者的位置、体位与制作治疗计划时的患者的位置、体位不同的情况较多。因此，在进行放射线治疗之前，需要校正当前的患者位置与治疗计划时的患者位置的偏移。
根据治疗计划时的三维治疗计划用数据，重构为了计算出该偏移的校正量而所需的基准图像，生成基准DRR(Digitally Reconstructed
Radiograph：数字重构射线照片)图像。另一方面，使用X射线TV图像摄影装置，取得当前的患者位置。然后，对取得的X射线TV图像与重构而得到的DRR图像进行比较，并实施图像处理，从而计算出校正量。根据计算出的校正量，调整治疗台的三维位置和姿势，以使治疗波束照射到患部的适当位置。进行以上处理的装置就是患者定位系统。在这样的患者定位系统中，要求患者定位的精度提高、速度提高。
特别，在近年来的放射线治疗中，对于例如粒子线等，能够将线量集中到体内。调节治疗波束的能量，而与肿瘤的深度方向的位置匹配，从而可以使高的线量部分与肿瘤患部一致。即，可以在仅对肿瘤照射高的线量的同时，降低针对周围的正常组织的影响。为了灵活应用该性质，用于仅对肿瘤患部照射粒子线的高精度的患者定位技术变得重要。
在现有的患者定位系统中，预先在患者的体内埋入成为定位的标识的体内标记，通过断层摄影装置取得包括肿瘤和标记的三维位置信息的CT数据。然后，在埋入了标记的状态下建立治疗计划。
在治疗时，生成根据治疗计划中使用的CT数据重构而得到的图像。然后，使用X射线TV图像诊断装置，投影包括肿瘤和标记的三维位置的X射线TV图像，确定当前的患者的位置以及姿势。
在该两个图像、即DRR图像和X射线TV图像上，使实际的体内标记位置重叠到计划标记位置，从而进行患者定位。作为这样的定位方法，使用图像间的图案匹配。
在该现有的方法中，在由X射线TV图像摄像装置得到的X射线TV图像上，成为定位标识的标记有可能成为死角。例如，在下述专利文献1中，进行了与该问题相关的尝试。另外，在下述专利文献2中，提出了使用体内标记确保患者的充分的定位精度的方法。另外，在下述非专利技术文献1中，提出了不使用体内标记而进行患者的定位的方法。
进而，在专利文献6中，用户仅在初次提供特征点，初次以后是检测该特征点而自动地进行患者位置对准。
【专利文献1】日本特开2000-140137号公报
【专利文献2】日本特开2006-218315号公报
【专利文献3】日本特开2007-282877号公报
【专利文献4】日本特开10-21393号公报
【专利文献5】日本专利第3360469号公报
【专利文献6】日本特开2008-228966号公报
【非专利文献1】A GPGPU Approach for Accelerating 2-D/3-DRigid Registration of Medical Images(LECTURE NOTES INCOMPUTER SCIENCE 2006，NUMB 4330，pages 939-950)
【非专利文献2】Improvement of depth position in 2-D/3-Dregistration of knee implants using single-plane fluoroscopy(MedicalImaging，IEEE Transactions，May 2004，Vol.23，Issue 5，pp.602-612)
在专利文献1以及专利文献2中，使用体内标记等特征来进行定位。但是，在埋入了体内标记的情况下，不仅存在对身体的侵袭性这样的课题，而且如果在从CT摄影时到放射线治疗的期间经过了时间，则体内标记有可能偏移。另外，有时根据患者的状态而无法埋入标记。
在非专利文献1中，不使用成为界标(landmark)的体内标记，而使用DRR图像的边缘特征与X射线TV图像的边缘特征的标准化互相关来计算出两者间的偏移量。该方法虽然可以计算出二维的摄像面内的旋转，但难以计算出作为三维的校正量的摄像面外的旋转。
发明内容
本发明的目的在于提供一种患者定位系统，在DRR图像生成过程中预先进行CT数据以及DRR图像的解析，从而不仅对摄像面内，而且还可以对摄像面外的位置偏移量进行可靠推测，可以实现短时间并且高精度的定位。
为了达成上述目的，本发明的患者定位系统的特征在于，具备：
CT数据取得装置，用于取得患部的三维CT数据；
X射线TV图像取得装置，用于取得患部的X射线TV图像；以及
图像处理装置，根据取得的CT数据生成二维DRR图像，并且根据生成的DRR图像以及取得的X射线TV图像，计算出取得CT数据时的第一患部位置与取得X射线TV图像时的第二患部位置之间的偏移量，
图像处理装置执行如下处理：
三维解析处理，关于三维CT数据抽出三维的特征量；
二维解析处理，关于DRR图像以及X射线TV图像抽出二维的特征量；
特征评价处理，评价所抽出的特征量；
区域限定处理，选择所评价的特征量存在的区域；以及
移动量推测处理，关于选择的区域推测第一患部位置与第二患部位置之间的偏移量。
根据这样的结构，通过进行三维的特征抽出处理、特征评价处理、区域限定处理，对于患者的定位，不仅对摄像面内，而且还可以对摄像面外的偏移量进行可靠推测。另外，仅使用注视区域来推测偏移量，所以可以实现短时间并且高精度的患者的定位。
附图说明
图1是示出本发明的实施方式1的患者定位系统的结构图。
图2是示出患者定位图像处理装置的结构的框图。
图3是示出使用断层像摄像装置取得三维CT数据的样子的说明图。
图4是示出取得患者的X射线TV图像的样子的说明图。
图5是示出使用射线投射算法(ray casting algorithm)生成DRR图像的方法的说明图。
图6是示出患者定位图像处理装置3的动作的一个例子的处理流程图。
图7是示出二维图像的压缩(分级化(layering))处理的说明图。
图8是示出三维体(volume)数据的压缩(分级化)处理的说明图。
图9是示出从CT图像的抽取区域的限定的说明图。
图10是示出仅限定区域的射线投射处理的说明图。
图11是示出在射线投射算法中特征点重复的样子的说明图。
图12是射线投射算法中的加法项的说明图。
图13是示出患者定位图像处理装置的动作的另一例子的处理流程图。
图14是示出患者定位图像处理装置的动作的又一例子的处理流程图。
具体实施方式
本申请将2009年3月27日在日本申请的日本特愿2009-79275号作为优先权的基础，通过相应参照，在本申请中包括其公开内容。
以下，参照附图对优选的实施方式进行说明。
实施方式1
图1是示出本发明的实施方式1的患者定位系统的结构图。患者定位系统包括断层像摄像装置1、X射线TV图像摄影装置2、患者定位图像处理装置3、治疗台4、显示装置5、以及键盘、鼠标等输入单元(未图示)等。
断层像摄像装置1例如由X射线CT(Computed Tomography)装置等构成，具有取得患部的三维CT数据的功能。X射线TV图像摄影装置2例如由X射线荧光倍增管等构成，具有取得患部的X射线TV图像的功能。这样的X射线TV图像摄影装置2通常与放射线治疗装置一体设置。
患者定位图像处理装置3由单一或多个计算机等构成，根据由断层像摄像装置1取得的CT数据生成二维DRR(DigitallyReconstructed Radiograph，数字重构射线照片)图像，并且根据生成的DRR图像以及由X射线TV图像摄影装置2取得的X射线TV图像，计算出取得CT数据时的第一患部位置与取得X射线TV图像时的第二患部位置之间的偏移量。
治疗台4具备如下机构：可以调整三维位置以及姿势，以在放射线治疗时，使放射线、粒子线等治疗波束照射到患部的适当的位置。显示装置5显示三维CT数据以及X射线TV图像、或显示患者定位图像处理装置3的处理结果。
以下，沿着从患者的治疗计划到实际的放射线治疗的流程进行说明。首先，为了建立治疗计划，如图3所示，在患者11躺在摄像台10上的状态下，使用断层像摄像装置1取得作为患者的三维治疗计划用诊断数据的三维CT数据12。然后，根据该CT数据的诊断结果来建立治疗计划。
在建立了治疗计划之后，开始放射线治疗。此时，为了确定治疗时的患者的位置，如图4所示，在患者11躺在放射线治疗装置的治疗台4上的状态下，一边从X射线管13照射X射线15，一边使用X射线TV图像摄影装置2取得X射线TV图像14。此时，通过在不同的方向上摄影多个X射线TV图像14，得到患者的三维位置信息。
另外，图4中的标号16表示治疗室的基准座标系，标号17表示从X射线管13到X射线15的照射中心(等中心(isocenter))的距离，标号18表示从X射线管13到X射线TV图像摄影装置2的距离。
患者定位图像处理装置3根据使用断层像摄像装置1以及X射线TV图像摄影装置2取得的数据，计算出当前的患者位置与治疗计划时的偏移量。通过根据计算出的偏移量，调整治疗台4的三维位置和姿势，可以使当前的患者位置与治疗计划时的位置一致。
再次，为了确认当前的患者位置是否适当，再次使用X射线TV图像摄影装置2取得X射线TV图像14并显示在显示装置5中，根据X射线TV图像14与DRR图像20的重合(overlay)，确认为图像的偏移量为规定值以下。
图2是示出患者定位图像处理装置3的结构的框图。该图像处理装置3具备治疗计划时数据预处理装置6、透射图像生成装置7、治疗时数据预处理装置8、以及最佳参数推测装置9等。
治疗计划时数据预处理装置6将由断层像摄像装置1得到的三维CT数据12作为输入数据，实施各种图像处理。透射图像生成装置7重构由装置6处理后的三维CT数据12，生成DRR图像。治疗时数据预处理装置8将表示当前的患者位置的X射线TV图像14作为输入数据，实施各种图像处理。最佳参数推测装置9根据生成的DRR图像以及X射线TV图像14，计算出取得CT数据时的第一患部位置与取得X射线TV图像时的第二患部位置之间的偏移量。根据计算出的偏移量，调整治疗台4的三维位置以及姿势。
图6是示出患者定位图像处理装置3的动作的处理流程图。患者定位图像处理装置3首先如上所述取得CT数据12以及X射线TV图像14。
接下来，在图6中虽然未图示，但取得治疗时使用的X射线TV图像装置2的目标中心(等中心)、治疗波束的照射方向等照射参数值。该处理还包括放射线治疗的目标中心(等中心)的三维位置、作为治疗室中的几何学位置信息(图4)的从X射线管13到放射线治疗的目标中心(等中心)的距离17、从X射线管15到X射线TV图像摄影装置2的(治疗波束的)焦距18、以及治疗室坐标系16等参数，这些也是为了根据三维CT数据12生成与由X射线TV图像摄影装置2取得的X射线TV图像14相同的图像而所需的参数。由治疗计划时数据预处理装置6以及治疗时数据预处理装置8进行以上处理。
接下来，根据治疗室坐标系16等参数生成DRR图像。该方法例如使用射线投射算法来进行。该射线投射算法是指，相对体数据(此处是CT数据12)假设光线22，该光线22如图5所示通过视点19和体数据。接下来，合计位于该光线22上的体素(voxel)的密度(亮度值)，根据最终到达的合计亮度值，从半透明的透射图像面21生成DRR图像20。此处，图5的标号23表示DRR图像生成的视点与对象物的距离，标号24表示生成DRR图像的坐标系。另外，图6的标号20表示通过已知的参数生成了DRR图像的结果。由透射图像生成装置7进行以上处理。
接下来，使用图6的三维特征解析单元30，对CT数据12的三维特征进行解析。这由治疗计划时数据预处理装置6进行。作为对该三维特征进行解析的方法，具体而言有以下方法。在本实施方式中可以应用任何特征量。
首先，作为基本的特征量，可以采用注视体(volume)的亮度值、区域(门限尺寸(gate size))内的平均亮度、区域内的亮度平方和平均、区域内的分散、区域内的标准偏差、发生概率的平方和、使用了发生概率的熵(entropy)等。
另外，作为其他特征量，可以采用：通过针对每个块分割CT数据12，并针对每个该块对顶点的法线矢量的朝向等的分散进行解析而得到的特征量；预先展开曲面等，使用表示曲面的弯曲状况的量即曲率的特征量；通过移动立方体算法(marching cube)等求出表面形状，使用展开表面的CT数据的亮度值的特征量；决定任意的两个视点并通过自旋图像(spin image)等得到的特征量；使用作为纹理图案(texture pattern)的局部二值图案(Local Binary Pattern)、立体高次局部自相关(Cubic-Higher-order Local Auto Correlation)等的特征量；三维地扩展使用SHIFT(Scale Invariant Feature Transform，尺度不变特征变换)的方法；求出三维体数据的三轴方向各自的固有值并根据固有值评价内部组织的形状而得到的特征量；单纯地使用CT图像值本身的特征量；基于三维哈夫(Hough)变换的特征量；三维ART滤波器的特征；三维的亮度梯度方向直方图(Histogram oforiented gradients)的特征量；基于3D高斯(Gaussian)滤波器的特征量；3D-FFT滤波器特征；最后，组合上述示出的特征量而评价，使用最佳的特征量的组合的特征量等。
另外，由于在CT数据中亮度值的变化较少，所以有时难以评价特征量。因此，优选利用通过如图8所示压缩CT数据而明确化的特征。可以使用这些特征量来分析三维数据的特征。例如，具有可以三维地分析骨的密度(亮度)高的部分或不高的部分、肿瘤的周边的特征等的效果。或者，也可以利用解剖学的信息。其处理结果是三维特征解析数据31。然后，利用该处理结果31生成DRR图像32。此处的DRR生成处理是指，不进行三维特征解析处理而根据CT数据12生成DRR图像20，然后，使用由三维特征解析单元得到的特征量，并且存储从光线22通过的视线方向得到的透射面的像素值、像素的三维位置，由此生成DRR图像32。或者，也可以使用利用特征解析结果31得到的特征的区域本身来生成DRR图像32。
在二维解析处理单元33中，使用Canny算子(operator)、HarrisCorner Detector、Good Features等滤波器，对DRR图像20、基于特征解析结果的DRR图像32以及X射线TV图像14进行滤波处理。或者，也可以作为二维处理，而使用由三维特征解析单元使用的特征抽出。图6的DRR处理结果图像27、实施了三维解析的DRR图像28、X射线TV处理结果图像25显示处理结果。但是，也可以在二维解析处理单元33中，针对各个图像不使用相同的滤波器。即，对DRR图像20、基于特征解析结果的DRR图像32，也可以根据图像来改变滤波器。由治疗计划数据预处理装置8进行该处理。
在特征评价处理单元26中，在DRR图像处理结果图像27与基于三维解析的DRR图像处理图像28的图像间，评价是否保存了三维特征。在评价方法中，进行两个图像的象素(pixel)值一致的位置、其周边处的特征量的评价。在评价方法中，使用区域内的相关、互信息量、光栅(raster)操作中的一致点等来进行。进而，虽然在图6中未示出，但也可以对三维解析单元中使用的滤波器施加反馈来评价，以较多地出现一致的区域、象素值。例如，也可以利用使用了神经网络(neural network)、SVM或Boosting、以及概率模型的识别方法，预先通过该反馈处理来学习最佳的滤波器的组合。或者，进行已知量的面外旋转，连续地生成多个DRR图像。然后，根据该多个图像上的特征量的变化的评价、通过反馈处理进行的学习来评价针对面外旋转方面的能力强的滤波器。其中，反馈中使用的评价图像不仅是使用基于三维解析的DRR图像处理图像28，而且也可以使用X射线TV处理结果图像25。在该情况下，需要通过相同条件的参数、患者位置，来制作X射线TV处理结果图像25和DRR图像处理结果图像27。由治疗计划时数据预处理装置6以及治疗时数据预处理装置8进行该处理。
在区域限定处理单元29中，仅限定由三维特征解析单元30、二维解析处理单元33得到的结果的区域。即，如图9所示，仅将抽出区域从CT图像12中抽取而进行区域的限定。然后，仅使用该限定区域42，进行如图10所示那样的射线投射处理。其结果，削减计算成本。
进而，在图10的区域限定42中，也可以对与医生指定的肿瘤患部相比将区域扩展为稍微更大的区域、或被指定成肿瘤的轮廓信息进行区域指定。通过该处理，具有降低移动量推测34中的计算成本、大幅加快参数推测的收敛的效果。其中，图10的标号43表示仅使用限定区域生成的DRR图像，是光线22通过限定区域的体区域。由治疗计划时数据预处理装置6进行该处理。
在移动量推测单元34中，如专利文献5所述，进行模板匹配。或者，通过单纯的像素与像素的比较来评价，推测最佳的参数。即，移动量推测单元34使用DRR图像20以及X射线TV图像14，来进行DRR图像坐标系24中的CT数据12的位置与治疗坐标系16中的患者的位置的位置对准。另外，作为评价值，也可以使用互信息量来评价。在推测方法中，使用共轭梯度法、退火(annealing)等一般使用的最佳化方法。或者，并非通过图像的像素值来求出特征量，而针对三维DCT中的体数据(CT数据12)直接进行射线投射的积分计算，生成与DRR图像20不同的透射特征空间。而且，也可以是对利用X射线TV图像14得到的图像进行DCT变换(离散余弦变换)，使用该特征量采用最佳参数推测单元31的方法。由此，可以进行抗噪声能力强的参数推测，还可以抑制计算成本。另外，也可以使用多个滤波器来进行偏移量推测。由最佳参数推测装置9进行该处理。
另外，虽然未图示，但通过定位输出，将由移动量推测单元34得到的三维的并进·旋转参数的移动量(偏移量)反映到放射线照射条件中，再生成DRR图像20，反复进行相同的评价。直到最终变得小于任意设定的阈值为止，在计算机上计算出偏移量后，结束处理。向显示装置5输出反映了得到的偏移量的DRR图像20和X射线TV图像14，将偏移量反映在治疗台4上。由患者定位图像处理装置3进行该处理。
通过进行以上处理，可以高效地推测三维的位置偏移量。
实施方式2
在本实施方式中，在实施方式1的图6的处理流程中，压缩数据而计算出偏移量。在该处理中，不损失CT数据12的三维的特征而压缩数据。然后，使用该压缩的数据来进行定位。该不损失三维的特征的压缩方法使用三维特征解析单元30。
其中，如专利文献4所述，将图7所示那样的二维图像的处理如图8所示扩展到三维体数据而进行。首先，对整体的CT数据12进行块分割，使用对分割区域进行压缩前和后的区域即高分辨率体数据39、低分辨率体数据40，以不损失三维的特征的方式进行压缩。或者，也可以不进行CT数据12的三维特征解析处理30而压缩。
关于此处的压缩率，对于压缩前(高分辨率体数据39)与后(低分辨率体数据40)，由于高分辨率与低分辨率的体素数不同，所以利用使用概率模型的方法(互信息量)、单纯地对特征量进行平均的方法等来评价。
还有，使用预先设定的阈值来决定数据的压缩率。此处，也可以由用户在治疗时预先任意地指定压缩率。通过该解析，具有保存CT数据12的压缩前与后的三维数据的特征的效果。可以通过三维特征解析中使用的滤波处理的选择，来选择数据压缩时的任意特征，例如不使骨或肿瘤部位等损失那样地选择特征量。
此处，图7示意地示出对图像进行分级化而压缩数据的情形。即，图7示出将高分辨率图像37压缩成低分辨率图像38的情形。同样地，图8示出将高分辨率体数据39压缩成低分辨率体数据40的情形。根据此处得到的压缩率，针对每个附近的体素，进行数据的分级化。对于该处理，也可以通过三维DCT变换在频域中进行了处理·压缩之后，进行反DCT变换来进行处理。可以通过该处理削减数据、去除噪声的影响等。进而，将X射线TV图像14压缩成与DRR图像20相同的图像尺寸。由患者定位图像处理装置3进行该处理。
通过进行以上的数据压缩，可以削减偏移量计算的计算成本。
实施方式3
在本实施方式中，在实施方式1的图6的处理流程中，不进行三维特征解析单元30、特征评价处理单元26、以及区域限定处理单元29，而仅使用由特征评价处理单元26得到的特征量来进行移动量推测。在收敛之后，改变(一点一点地改变)作为面外旋转的参数的移动量。
参数的改变方法是以下的方法。在此处的生成法中，随机(马特赛特旋转演算法(Mersenne twister)等)地改变参数。或者，相对面外的旋转轴，使参数的改变宽度以(+5°～-5°)等任意的节距宽度变化而改变参数。此处的改变宽度的界限值是治疗台与面外旋转对应的运行的最大值。或者，设定成与映射到X射线TV图像中的对象部位所移动的假设的范围内对应的面外旋转的参数。由图像的分辨率决定节距宽度。即，由于得到的X射线TV图像的象素间的宽度是推测的移动量的界限值，所以按照与其对应的精度决定步进(step)宽度。或者，也可以原样地使用参数推测中使用的共轭梯度法中的步进宽度的值。或者，通过使面外旋转的参数任意地变化，取得移动前的DRR图像(或者在已知的坐标系中得到的X射线TV图像)、与面外旋转后的DRR图像或X射线TV图像之间的图像相关(互相关·互信息量)，描绘误差的曲线。对该描绘的曲线成为锐角那样的二维特征滤波器进行评价。例如，在评价方法中，使用曲线表示极小解是一个那样的变化的滤波器。或者，选择根据曲线的变化量(一次微分、二次微分)而变化的滤波器。此处成为问题的是，由于随着描绘曲线的间隔，在曲线的评价中出现大幅区别，所以随机地设定节距宽度、或者考虑图像的分辨率来决定。
于是，作为移动推测参数，在图像间基于浓度梯度进行流(flow)检测以及对邻接角度要素间进行评价。例如，通过梯度法等进行评价而推测最佳的参数。在该处理中，在推测移动量之后，对面外旋转进行评价，评价实际的一致度而进行。
实施方式4
在本实施方式中，如下所述扩展了实施方式3的方法。首先，在实施方式1的处理流程的移动推测单元34中进行以下处理。在移动推测中的收敛过程中，每次评价是否存在由特征评价处理单元26得到的特征点、区域等。在此处的评价方法中，例如，进行跟踪(tracking)等，而评价特征点、特征区域在面外旋转中是否消失等。或者，每次操作二维解析单元33、特征量解析单元26，评价整体的特征量的数量。当注视的特征点、区域(等中心的附近的特征区域和远离等中心的特征区域)在收敛过程中消失时，进行以下处理。此处，跟踪是一般已知的使用了KLT、概率模型的Condensation等。
通过作为移动推测参数，在图像间基于浓度梯度进行流检测以及对邻接角度要素间进行评价，而改变(一点一点地改变)面外旋转的参数。或者，如退火那样，作为移动推测参数，改变(一点一点地改变)面外旋转的参数。然后，关于该评价，在没有消失的特征区域中求出相关值，将在面外旋转中改变(一点一点地改变)的参数值反映到移动量推测中。或者，对于没有消失的特征区域，在远离并进·旋转的坐标系的原点的区域中进行评价。即，与远离并进·旋转坐标系的原点的特征区域相比，靠近原点的区域对面外旋转产生较大影响。因此，使用远离并进·旋转坐标系的原点的特征区域来评价。或者，也可以遍及从远离并进·旋转坐标系的原点的特征区域到靠近并进·旋转坐标系的原点的区域，进行加权来评价。通过该处理，可以实现针对面外旋转方面的能力强的推测。
实施方式5
在本实施方式中，在实施方式1～3中生成DRR图像20时，使用任意的CT数据12的亮度值来制作DRR图像20。一般，在使用射线投射算法时，CT值是-1000～1000的值。但是，实际的骨等的CT值是400左右。因此，在生成DRR图像时，仅限定于具有规定范围的亮度值的CT数据而处理。其结果，例如，DRR仅限定于具有CT值400左右的值、例如390～410的亮度值的CT数据，从而得到强调了骨等的图像。其相当于通过边缘滤波器对在CT值是-1000～1000的整体中制作的DRR进行处理而得到的结果。通过该处理，得到与由二维解析单元33进行的边缘处理相同的效果。
实施方式6
在本实施方式中，并非如实施方式2那样改变三维体数据的分辨率来推测移动量，而阶段性地进行以下处理。
对于实施方式4的限定特征区域，最初在远离并进·旋转的坐标系的原点的区域中进行评价。然后，逐渐仅在靠近原点的区域进行评价。或者，最初仅注视于远离原点的区域，逐渐使用整体的限定区域来进行评价。由此可以削减计算量，并且不易陷入到局部解，所以定位精度提高。另外，由于无需生成低分辨率的数据，所以可以降低计算量。
实施方式7
在本实施方式中，将实施方式1的方法与实施方式2的方法这两方组合来实施。即，通过压缩的低分辨率的数据来大致地进行定位，通过提高分辨率，从而详细地进行偏移量推测。其具有在偏移量推测过程中不易陷入到局部解，并且提高定位精度的效果。
实施方式8
在本实施方式中，如图13的处理流程图所示，在实施方式1中的特征评价处理单元26与区域限定处理单元29之间追加了特征稳定评价单元50。通过该特征稳定评价单元50实现的处理在特征评价处理单元26中从CT数据12映射了DRR20时解决特征点的保存性的课题。例如，如图11所示，在沿着某视点方向对DRR47通过射线投射算法进行了映射时，如果通过三维特征解析而得到的三维特征点45、49在其视点方向上重复，则将二维特征点46保存为重复的特征点。另一方面，如果是生成了DRR48时的视点19a，则得到包括良好的二维特征点51的DRR48。
另外，在图11中简化示出了关系，但实际上通过射线投射将三维数据映射成二维数据，所以成为复杂的处理。解决该问题的单元是特征稳定评价单元50。此处，为了说明处理的流程，以下简易地将射线投射算法公式化。式(1)的I(x，y)表示DRR20的坐标轴(x，y)的像素值。同样地，R(X，Y，Z)是CT数据值12、在CT数据值12之间内插而得到的坐标(X，Y，Z)的CT值。因此，式(1)示出通过在视点19的方向上的CT数据值的相加定义了I(x，y)的情形。其中，α表示透射率。
I(x，y)＝R₀(X，Y，Z)+R₁(X，Y，Z)(1-α₀)+
R2(X,Y,Z)(1-α0)(1-α1)+...+RnΠj=1n(1-αj)...(1)]]>
此处，针对通过式(1)得到的I(x，y)，评价式(1)的右边的加法项的比例。例如，图12示出图11的DRR47的R值的例子。图12中的横轴是距视点的距离。纵轴是对式(1)中的R的值进行标准化而得到的值。因此，式(1)的右边的加法项成为横轴的要素。该处理与通过直方图、概率模型表现的处理相同，也可以通过概率模型、直方图来表现。而且，在评价中，例如，如果图12中的特征点45的标准化的比例是阈值以上(例如80％以上)，则表示在计算I(x，y)时占据大的比例。通过进行这样的处理，进行特征点的取舍选择，实现从CT数据(三维数据)映射到二维的DRR时的特征点的稳定化。
但是，仅通过该评价，I(x，y)值有可能由于微小的视点变换而大幅变化。因此，追加或组合以下的条件式。首先，以特征点45为中心而进行视点变换。其是从图11的DRR47向DRR48的视点变换。该变换虽然极端，但通过设置相对微小的视点变换而特征点46的像素值和特征点51的像素值不变化这样的条件，抽出关于视点变换也保存了三维的特征点45那样的条件的特征点。该处理是与通过跟踪进行的光流(Optical flow)相同的思路。也可以与该像素值的变化小这样的评价方法不同地通过概率模型来表现。例如，是将图12定义成概率密度，通过与微小地进行了视点变换而得到的分布的互信息量来进行评价的方法。其中，如果互信息量是阈值以上，则相对于视点变化也微小，图12那样的概率分布的变化小，保存特征点45。或者，对由三维特征解析单元30得到的特征点，以各自的特征点为中心，三维地附加高斯分布。在该空间中进行视点变换，生成图12那样的视点位置的混合高斯值的概率密度分布。也可以在该概率密度上进行评价。或者，也可以使用二维海赛(Hessian)矩阵与三维海赛矩阵的关系，分别求出DRR47与DRR46的海赛矩阵，评价其固有值的变化，从而选择稳定的特征点。
进而，具有如下倾向：三维特征解析单元30的特征点的间隔越宽，在定位中得到越佳的精度。因此，由三维特征解析单元30得到的特征点的距离的间隔越大，特征点越佳。因此，求出特征点的距离的分散而用于评价中。在该处理中，还评价落入作为二维的DRR时的距离的关系等。
通过以上的评价方法的组合，可以抽出稳定的特征点。
实施方式9
在本实施方式中，在实施方式8中进行的处理中，利用显示装置5进行视觉上的支持。例如，通过DRR47、DRR48的特征点51、46上的点灭、颜色的浓度等，来显示图12中得到的结果。通过视点变化从三维解析单元30得到的特征可以表示用于利用特征稳定化单元50在视觉上定位的特征点。其结果，例如，通过调节实施方式8中的各个阈值，可以通过浓度、点灭速度等来显示比例，而在视觉上容易地理解适合于定位的特征点。另外，自动地删除如脱离值那样不存在患者的区域等、不适合于定位的特征点等。其结果，可以选择由特征稳定评价单元50抽出的特征点适合于定位的特征。
实施方式10
在本实施方式中，在实施方式9中的图像显示中，将解剖学的信息反映到定位。例如，通过定位的部位(例如头颈部、肺、肝脏、前列腺)预先得知解剖学的信息的情况较多。其原因为，预先得知年龄、性别等统计信息。因此，将解剖学的信息反映到特征点抽出，选择适合于定位的特征点。例如，有时通过医生、X射线技师等的图像诊断，注视某部位的一部分而进行定位。利用解析单元预先解析该区域信息而取得信息。其结果，医生可以实现所需的区域中的位置对准等。
实施方式11
在实施方式1～10中，有时针对X射线TV图像14如图4所示根据两个方向或多个方向的视点进行位置对准。因此，针对与其他方向的轴依赖关系少的轴，对于以下的处理，如图4所示举例示出两个方向的处理。如果在X轴方向与Y轴方向的正交的两个方向上得到X射线TV图像，则难以进行关于作为面外的轴的Z轴的并进旋转的定位。因此，对面外旋转的轴进行以下评价。此处，将x轴、y轴、z轴的旋转角设为θ、ψ、φ。在由三维特征解析单元30得到的特征点中，使z轴的并进·旋转在微小区间移动。其结果，DRR47的特征点46相对DRR48的特征点51移动。通过选择该图像上的移动量变大那样的特征点，抽出稳定的特征点。其结果，可以抽出针对面外旋转方面的能力强的特征点。
实施方式12
在本实施方式中，不是使用通过实施方式8、9得到的特征点执行移动量推测单元34，而是进行以下处理。使用通过实施方式8得到的最稳定的六个点以上的特征点来进行定位。例如，如图14所示，在X射线TV图像14与DRR21之间通过SHIFT等来进行特征点解析。其结果，得到一致的特征点51和特征点46。此处，由于可以通过六个自由度的仿射(affine)变换表现图像，所以如果是六个点以上，则唯一地得到X射线TV14与DRR21之间的患者位置的差分。但是，在该X射线TV图像14与DRR21之间不包含三维信息。因此，预先地，在通过实施方式8得到的特征点中，求出多个DRR21与CT数据21之间具有稳定性的特征点。其结果，得到的特征点46等于具有特征点45的三维坐标的信息。对于该特征点45，使用在刚才得到的X射线TV图像14与DRR21中一致的特征点，计算出六个自由度的患者的偏移量。通过以上处理，可以唯一地推测位置，也可以不进行由移动量推测单元34进行的最佳计算。其结果，计算时间缩短。另外，也可以与该移动量推测单元34组合来进行定位。其结果，可以实现高精度的定位推测。
实施方式13
对实施方式12中使用的特征点45和特征点46下的可靠性(图12)的比例，进行统计处理，作为数据进行保存。例如，在进行某部位处的患者位置对准时，将实施方式8、9中得到的特征点的区域和特征点的保存性的比例保存为数据。关于该处理，在多个患者中进行统计性的处理。通过该处理，将适合于患者位置对准的特征点、区域、定位精度等保存为事先信息，反映到后面的患者位置对准。例如，作为定位信息，附加到治疗计划的数据，根据过去的历史等，将特征点、区域的关系设为概率分布模型，通过点灭速度、浓度来表示显示、定位中使用的特征点的过去的历史的利用比例、定位精度的结果。进而，用于自动定位的特征点抽出的评价。通过该处理，可以统计地评价实施方式8、9中得到的特征点的可靠性，得到不仅是特定患者、而且是一般模型的特征点，得到定位的精度的可靠性。
在以上说明的各实施方式中，优选使用GPU(Graphic ProcessingUnit)进行并行计算，由此实现高速处理。
与优选的实施方式以及附图关联地说明了本发明，但对于本领域技术人员来说各种变化、变更是显然的。通过所附的权利要求来定义这样的变化、变更，如果没有脱离则应理解为处于本发明的范围内。