kurs ”mr och strålterapi”radiofysik.org/documents/userfiles/pages/2454... · presentation av...
Post on 20-Jul-2020
0 Views
Preview:
TRANSCRIPT
Bildhantering - med inriktning strålterapi
Kurs ”MR och Strålterapi”
12:e november, 2013
Johan Sjöberg, leg. Sjukhusfysiker
Johan.sjoberg.ks@gmail.com
Vad är du?
1. MR-fysiker 2. Strålfysiker 3. Onkolog 4. Radiolog 5. Onk-ssk 6. Rtg-ssk 7. Us 8. Annat
Mentometertest
Definition
Bildinsamling PACS
Informations- och bildhanteringssystem för strålterapi
Sekundärgranskning
Registrering Dosberäkning
Presentation av data
Lagring
Andra bildhanteringssystem
Forskning Projekt Egna verktyg
Segmentering
Kvalitetssäkring
Frågan om sekundärgranskning
Bildinsamling PACS Sekundärgranskning
Lagring
Vad skiljer diagnostisk MR från MRiRT (targetdefinition)?
Diagnostisk MR • Vi söker sjukdomen • Patient ligger ej i fixation • Dedicerade spolar • Många sekvenser av olika karaktär • Datainsmaling i olika plan (tra, sag, cor) • Geometrisk integritet inte i fokus
MR för targetdefinition • Vi vet var sjukdomen är • Patient ligger i fixation • ”Flex”-spolar • Få, välvalda sekvenser för ändamålet • Endast transversell datainsamling • Geometrisk integritet mycket viktigt
Process under utveckling – behövs göras sekvensoptimering på friska frivilliga – skriftlig rutin för sekundärgranskning av radiolog bör finnas
”MRT-bilderna lagras i PACS och det är viktigt att så sker, de behövs för jämförelse vid senare undersökningar” – Radiolog KS
Fixation H&N
Process under utveckling – behövs göras sekvensoptimering på friska frivilliga – skriftlig rutin för sekundärgranskning av radiolog bör finnas
Bör patientmaterialet också sekundärgranskas av radiolog?
1. Ja, rutinmässigt
2. Ja, under vissa förutsättningar
3. Nej
4. Vet inte
Frågan om sekundärgranskning
Definition
Bildinsamling
Informations- och bildhanteringssystem för strålterapi
Registrering
Dosberäkning Presentation av data
Segmentering
Första orosmoment: Geometrisk integritet Andra orosmoment: Registreringsosäkerhet Stående orosmoment: Segmentering
Första orosmoment: Geometrisk integritet
MR-bilder ljuger alltid: kort om geometrisk distortion 1. Gradientinducerad geometrisk distortion1
Gx
x
Modell
”Verklighet”
1. Medvetet designade för minska risk för perifer nervstimulering
2. Signal- och positionsdistortion 3. Kan mätas upp med exempelvis ”grid”-fantom
a) System (individ)- och sekvensspecifik b) Ej objekt/patientberoende
1Doran S. J. et al, ”A complete distortion correction for MR images: I. Gradient Warp Correction”, Phys Med Biol 50:1343-131, 2005
MR-bilder ljuger alltid: kort om geometrisk distortion 2. Objektinducerade B0-inhomogeniteter1,2
1. Designmål motsatta: vettig homogenitet samtidigt som patientvänlig och utrymmesvänlig design
2. Patienten/objektet inducerar ändå inhomogeniteter, trots ”perfekt” statiskt magnetfält
Magnetfält runt circulär ledare Magnetfält runt spole ”Idealfallet”
Första orosmoment: Geometrisk integritet
1Doran S. J. et al, ”A complete distortion correction for MR images: I. Gradient Warp Correction”, Phys Med Biol 50:1343-131, 2005 2Chang H., Fitzpatrick J. M., ”Geometrical image transformation to compensate for MRI distortions”, Proc. SPIE 1233, Medical Imaging IV,m Image
Processing, 116, 1990
Första orosmoment: Geometrisk integritet
2McFarlane, J. ”Assessment of geometric distortion as part of quality assurance in multicentre magnetic resonance imaging”, IPEM special interest group meeting, 2012
Första orosmoment: Geometrisk integritet
2McFarlane, J. ”Assessment of geometric distortion as part of quality assurance in multicentre magnetic resonance imaging”, IPEM special interest group meeting, 2012
Varför objektinducerade inhomogeniteter? • Olika material har olika magnetisk susceptibilitet3 • I gränsskikt mellan material med olika magnetisk
susceptibilitet uppstår små lokala magnetfält -> susceptibilitetsartefakt (signaldistortion)
• Effekten i bilden starkt beroende av sekvenstyp (bandbredd, voxelstorlek, TE, GRE eller SE)
• Den mest extrema formen är metallartefakten som resulterar i total urfasning av lokala spinn signalförlust
Första orosmoment: Geometrisk integritet
3Sumanaweera T. S., et al, ”MR susceptibility misregistration correction”, IEEE Trans Med Imaging 12:251-9, 1993
4Carlsson Å, ”Susceptibility effects in MRI and 1H MRS”, Doctoral Thesis, University of Gothenburg, ISBN 978-91-628-7688-3, 2009
4Carlsson Å, ”Susceptibility effects in MRI and 1H MRS”, Doctoral Thesis, University of Gothenburg, ISBN 978-91-628-7688-3, 2009
Leverantö
r A 1
,0 T
Leverantö
r B 3
,0 T
Exempel (okorrigerat)
3Sjöberg J., ”Dosimetric and geometric evaluation of MRI as the only imaging modality for the radiotherapy treatment process of localized prostate cancer”, Master of Science Dissertation, Lund university, 2010
• Leverantören erbjuder ”distortionskorrektion”
– 2D eller 3D
– Minskar effekten av icke-linjära gradienter
• Baserar sig på en begränsad teoretisk beskrivning av gradientspolarna
• Korrigerar inte effekten av patientinducerad inhomogenitet
• MR-bilder ljuger trots ”korrektion”
Vi kan ”photoshoppa”
Bättre men inte perfekt
2McFarlane, J. ”Assessment of geometric distortion as part of quality assurance in multicentre magnetic resonance imaging”, IPEM special interest group meeting, 2012
Residual distortion
2McFarlane, J. ”Assessment of geometric distortion as part of quality assurance in multicentre magnetic resonance imaging”, IPEM special interest group meeting, 2012
Exempel Leverantö
r A 1
,0 T
3Sjöberg J., ”Dosimetric and geometric evaluation of MRI as the only imaging modality for the radiotherapy treatment process of localized prostate cancer”, Master of Science Dissertation, Lund university, 2010
Leverantör B 3,0 T
Exempel (korrigerat)
WIP Karolinska
Exempel
5Karger C. P., et al, ”Accuracy of device-specific 2D and 3D image distortion correction algorithms for magnetic resonance imaging of the head provided by a manufacturer”, Phys Med Biol 51:253-261, 2006
Hur förhåller ni er på eran site till geometrisk distortion för MRiRT?
1. Vi har kvantifierat den och inkorporerat den i PTV-marginalerna
2. Vi har kvantifierat den och inte inkorporerat den i PTV-marginalerna
3. Vi är medvetna om problemet men kör ändå utan ändring av PTV-marginalerna
4. Vi är inte medvetna om problemet och har kört på ändå
5. Arbetar inte med MRiRT (än)
• Kvantifiera totala geometriska felet a) Mät upp GDC-algoritmens prestanda i tre
dimensioner över hela användbara FOV i. Se NEMA-standard MS-12 2010
b) Uppskatta felet (storleksordning) från susceptibilitetsgränsskikt
i. Idéer? ii. Enkla fantomstudier med olika geometrier? iii. Studier med antropomorfiska fantom? iv. Simuleringar?
• Korrigera!
Hur förhålla sig till geometriska felet för MRiRT?
Presentation av data enligt internationell standard
WIP: GEODIST 2D
Presentation enligt NEMA-standard
WIP Karolinska: 50x50x50 cm3 3D-fantom, 86650 kontrollpunkter
Presentation av data enligt internationell standard
3D och stort FoV
2McFarlane, J. ”Assessment of geometric distortion as part of quality assurance in multicentre magnetic resonance imaging”, IPEM special interest group meeting, 2012
• Två syften med uppmätningen medels fantom
– QA
– Input till korrigeringsalgoritm för gradienternas icke-linjäritet, se bl.a. Doran et al, 2005
• Patientspecifik korrigering (B0-inhomogeniteter)
– Reverserad utläsningsgradient, se Chang & Fitzpatrick, 1992 samt Reinsberg et al, 2005
Efterföljande korrigering
Geometrisk integritet motsvarande CT
3Reinsberg S. A., et al, ”A complete distortion correction for MR images: II. Rectification of static-field inhomogeneities by similarity-based profile mapping”, Phys Med Biol 50:2651-61, 2005
Definition: • Två eller flera bilddataset med olika referenssystem sammanförs i ett
gemensamt referenssystem
• Rigid (translation, rotation) samt deformabel registrering
• Punktbaserad (markörer, fördefinierade eller av användaren definierade)
• Signalintensitet och/eller signalgradienter (ex. mutual information)
• Manuell
CT T2-viktad TSE
Andra orosmoment: Registrering
Utmaningar
CTideal MRideal
– Olika signalintensiteter för olika vävnader – Kortikala benet syns på CT mkt väl – Syns inte alls på MR, vi ser fett- och vatteninnehållet i
benmärgen – Artefakter, falsk information – ”Dancing prostate”, olika blås- och tarmfyllnad,
patientrörelse
Streckartefakter Photon depletion Beam hardening
Gibbs-ringningar Rörelseartefakter Kemiskt skift Susceptibilitetsartefakter Flödesartefakter Ghosting Interferenslinjer Distortion
CTreal MRreal
Exempel för bäcken
– Registreringsalgoritmen kan inte ta hänsyn till dessa fenomen
– Falsk information påverkar målfunktionen, optimeringen konvergerar inte mot det optimala resultatet Registreringsosäkerhet
– Dessutom:
• Vilken är den optimala volymen att registrera över? • Vilka är de optimala registreringsparametrarna? • Vilken är den optimala pulssekvensen? • Ska vi registrera med markörer för prostata? Andra siter? • Registrera på ben? Mjukvävnad? Vilken? • Vad är en bra registrering?
För rigid registrering
”Bra” registrering
”Dålig” registrering Konsekvens: Systematiskt geometriskt fel
Exempel för bäcken
Kvalitetssäkring?
Vem bör utföra registreringen och vem bör granska och godkänna den?
1. Doktor/Doktor
2. SSK/Doktor
3. SSK/Fysiker
4. Fysiker/Doktor
5. Fysiker/Fysiker
6. Andra
Registreringsosäkerhet Automatisk rigid registrering
Blåsa Kroppskontur Fett/muskelgränser Höftkulor
Patient # AP [mm] Lat [mm] CC [mm] Max [mm] Max [mm] Max [mm]
1 6 4 4 13 0 0
2 1 8 16 10 7 0
3 6 6 17 10 0 0
4 7 7 6 17 6 0
5 22 11 17 5 7 0
6 20 8 14 9 4 0
7 39 8 10 12 4 0
8 20 17 14 8 4 4
9 1 9 1 14 5 0
10 15 15 22 23 6 0
11 7 6 17 22 27 0
12
13
14 29 37 35 22 10 0
15 20 16 27 26 14 0
16 8 7 21 25 14 0
17 16 17 35 11 6 0
18 12 20 27 9 0 0
19 3 4 2 8 12 2
20 9 5 5 6 4 0
21 12 7 8 8 3 0
22 5 4 14 3 3 0
23 21 7 7 22 7 0
24 30 5 7 10 5 0
25 11 7 29 7 6 0
26 14 7 12 2 7 0
27 1 1 1 3 10 0
28 11 10 8 35 10 0
Medel 13 10 14 13 7 0 SD 10 7 10 8 6 1
Observationer och slutsatser:
1. Tung penalty i optimeringsalgoritmen på felregistreringar av benstrukturer p.g.a. kraftiga signalgradienter
I. Bra registreringkvalitet för skelettstrukturer med låg variabilitet
2. Blåsan hopplöst organ
3. Avvikelser i kroppskontur kanske ej av stor vikt idag
4. Mjukvävnadsavvikelser av problematisk storleksordning och variabilitet
Registreringsunderlag Karolinska
Stor signalgradient mellan kortikala benet (urfasat) och omgivande strukturer
Preliminära resultat
Kroppskontur Fett/muskelgränser Höftkulor
Max [mm] Max [mm] Max [mm]
13 3 0
11 5 4
20 14 7
7 6 0
7 7 6
33 7 4
15 15 12
7 6 5
15 13 12
19 19 10
Medel 15 10 6
SD 8 5 4
Observationer och slutsatser:
1. Registreringskvalitén generellt sämre
Leder till två möjliga utfall:
Registrering på skelett:
• Bra, konsekvent registreringskvalitet för skelett, sämre för andra organ
Registreringskvalité
Registrering på markörer:
• Prostata bra överensstämmelse, sämre för allt annat
Leder till följande slutsats:
Courtesy of Ingmar Lax Courtesy of Ingmar Lax
Registreringskvalité
Dosfördelningen och strukturerna bör vid dosplanrond alltid visas på det bildunderlag strukturerna är ritade på.
Inte framtidens strategi
1. Registreringsförfarandet CT/MR är en övergångsperiod
2. Framtiden (spekulation):
Görs ingen CT alls om inte MR är kontraindicerat
MR/PET för targetdefinition samt non-invasiv responsutvärdering (tidig för adaptiv behandling, sen för uppföljning) och MR-Linac med ”Target Tracking”
• Manuell segmentering aka ”Paint” – Onkologen ritar manuellt in strukturer, snitt för snitt – Volymer interpoleras
Segmentering
• Tidskrävande = dyrt
• Stort operatörsberoende
• Funktioner utan formell kunskap om radiologi ritar ibland
• Remittenter
• Onkologer (utan MR-utb) på MR-bilder
Intra-observatörvariation
3Nyholm T. et al, ”Variability in prostate and seminal vesicle delineations defined on magnetic resonance images, a multi-observer, -center and –sequence study”, Radiat Oncol 8:126, 2013
(Semi-) Automatisk segmentering3-6:
Segmentering
Idé: Låt en dator modellera patienten
- Atlasbaserade, region-growing m.fl.
- Låt onkologen istället kvalitetssäkra och finjustera vid behov
- ”Enkelt” för CT (fyra grundkontraster)
- Lite knepigare för MR
- Syfte: effektivitet
3Bondiau P. U. et al, ”Atlas-based automatic segmentation of MR images: validation study on the brainstem in radiotherapy context”, Int J Radiat Oncol Biol Phys 61:289-98, 2005
4Mikheev A. et al, ”Fully automatic segmentation of the brain from T1-weighted MRI using Bridge-Burner algorithm”, J Magn Reson Imaging 27:1235-1241, 2008
5Pasquier D. et al, ”Automatic segmentation of pelvic structures from magnetic resonance images for prostate cancer radiotherapy”, Int J Radiat Oncol Biol Phys 68:592-600, 2007
6Klein S. et al, ”Automatic segmentation of the prostate in 3D MR images by atlas matching using localized mutual information”, Med Phys 35:1407-17, 2008
Kommersiella lösningar
1. Bra förutsättningar för lyckad integration av MRiRT: – Förstå att MRiRT på riktigt är ett relativt nytt fält, finns inget facit, inte
självklart, inte bara trycka på knapp, måste kompetensförsörjas, många obesvarade icke-triviala frågeställningar
– Ha en multidisciplinär arbetsgrupp med prioriterings- och beslutsrätt
• Radiolog, Onkolog, Strålfysiker, MR-fysiker, ONK/MR-ssk, representation från ledning
– MEN det är naturligtvis bättre att köpa en MR än att inte göra det!
2. Kvalitetssäkring/rutinetablering för bildflödet/hanteringen får inte förbises – Kartläggning av adderade/subtraherade osäkerheter för
ställningstagande till PTV-marginaler (riskanalys?)
– Förankrade, skriftliga rutiner över ansvarsfördelning vad gäller registrering
Slutsatser
Tack för mig
top related