Segmentierung von Hirngefäßen und Blutflussanalyse in der 4D-Magnetresonanzangiographie bei zerebralen arteriovenösen Malformationen - Untersuchungen zu Hämodynamik und Gewebemarkern

Zur Planung einer invasiven Therapie für Patienten mit Gefäßfehlbildungen des Gehirns, sog. arteriovenöse Malformationen (Abk.: AVM), ist die Abschätzung des individuellen natürlichen Blutungsrisikos von entscheidender Bedeutung. Im Rahmen des Projektes wurden neue Methoden zur Segmentierung von AVMs in 3D-TOF-MRA-Bilddaten sowie zur Analyse des Blutflsuses in 4D-TREAT-MR-Bilddaten entwickelt und zur Auswertung im Rahmen von Studien in ein Softwaresystem namens AnToNIa (Abk. f.: Analysis Tool for Neuro Imaging Data) integriert.  Mithilfe der hier verfügbaren Bildanalyse- und Visualisierungsmethoden ist eine Quantifizierung und dreidimensionale Darstellung des Blutflusses bei AVM-Patienten in hoher räumlicher und zeitlicher Auflösung möglich (Abb. 1).


Abb. 1: Dynamische Darstellung des Bluteinflusses (a-i) auf einem hochaufgelösten 3D-Oberflächenmodell des zerebralen Gefäßsystems

Zur genauen Darstellung und Analyse der räumlichen Struktur des Gefäßsystems im Gehirn konnte durch das neue vierstufige Segmentierungsverfahren unter Einbeziehung von Form- und Intensitätsinformationen eine deutliche Verbesserung gegenüber etablierten Verfahren erreicht werden (Abb. 2). Für die zeitaufgelöste Magnetresonanzangiographie (TWIST/TREAT) wurde ein neues Verfahren der referenzbasierten Kurvenanpassung zur robusten Quantifizierung der Hämodynamik auf Basis von 4D-MRA-Bildsequenzen mit hoher Genauigkeit entwickelt. Im Rahmen einer Monte Carlo Simulation konnte gezeigt werden, dass die Präzision des neuen Verfahrens gegenüber den etablierten Verfahren um 59% gesteigert und dabei die Laufzeit um 33% reduziert werden konnten. Ein weiterer wesentlicher Vorteil des neuen Verfahrens ist die implizite Berücksichtigung der individuellen physiologischen Charakteristika durch die Verwendung einer Referenzkurve.


Abb. 2: 3D-Oberflächenmodell eines zerebralen Gefäßsystems von einem Patienten mit diagnostizierter AVM.


Abb. 3: Farbcodierte Darstellung der extrahierten Werte der Bolus Arrivial Time (BAT) auf einem 3D-Oberflächenmodell (links) und in einer 3D-TOF-MRA-Schicht (rechts). Anhand der BAT-Werte wird erkennbar, welche Gefäße zuerst und welche später durchflossen werden.

Insgesamt wurden innerhalb des Projektes mehr als 50 Patienten mit der TWIST/TREAT untersucht und die Daten mittels der hier der entwickelten Software analysiert. Zunächst wurde der Zusammenhang zwischen den makrovaskulären Fluss und der mikrovaskulären Perfusion um den Nidus herum untersucht. Die Ergebnisse dieser Untersuchung sprechen für zwei Ebenen der Perfusionsbeeinträchtigung: eine makrovaskulär-territoriale und eine mikrovaskulär-lokale Ebene. Darüber hinaus wurde untersucht, ob sich AVMs mit hohem und niedrigem Blutungsrisiko hinsichtlich ihrer hämodynamischen Parameter unterscheiden. Hierbei zeigte sich statistisch robust, dass hohe arterielle Einflussgeschwindigkeiten einen Risikofaktor für eine AVM-Blutung darstellen. Das visuelle Rating und der Vergleich mit der konventionellen Angiographie sind abgeschlossen. Hierbei zeigte sich, dass die dreidimensionale flusskodierte Sichtweise auf die Daten erhebliche Vorteile bietet. Es wurden drei intranidale Flussmuster identifiziert: homogen, uni¬direktional und heterogen.

Die im Rahmen des Forschungsprojektes entwickelten Verfahren und deren Implementierung in ein benutzerfreundliches Auswertetool bilden zudem die Grundlage für diverse weitere Forschungsarbeiten, insbesondere auf dem Gebiet der Hirngefäßaneurysmen.

Das Projekt wird von der Deutschen Forschungsgemeinschaft gefördert (Ha2355/10-1).

Ausgewählte Publikationen

  1. Forkert N.D.,  Illies T., Goebell E., Fiehler J., Säring D., Handels H.,
    Computer-aided Nidus Segmentation and Angiographic Characterization of Arteriovenous Malformations,
    International Journal of Computer Assisted Radiology and Surgery, 8, 775-786, 2013
  2. Forkert N., Schmidt-Richberg A., Fiehler J., Illies T., Möller D., Säring D., Handels H., Ehrhardt J.,
    3D Cerebrovascular Segmentation combining Fuzzy Vessel Enhancement and Level-sets with Anisotropic Energy Weights,
    Magnetic Resonance Imaging, 31, 2, 262-271, 2013
  3. Forkert N., Fiehler J., Illies T., Möller D., Handels H., Säring D.,
    4D Blood Flow Visualization Fusing 3D and 4D MRA Image Sequences,
    Journal of Magnetic Resonance Imaging, 36, 2, 443-53, 2012
  4. Forkert N., Illies T., Möller D., Handels H., Säring D., Fiehler J.,
    Analysis of the Influence of 4D MRA Temporal Resolution on Time-to-Peak Estimation Accuracy for Different Cerebral Vessel Structures,
    American Journal of Neuroradiology, 33(11), 2103-2109, 2012
  5. Forkert N., Fiehler J., Schönfeld M., Sedlacik J., Regelsberger J., Handels H., Illies T.,
    Intranidal Signal Distribution in Post-contrast Time-of-Flight MRA is Associated with Rupture Risk Factors in Arteriovenous Malformations,
    Clinical Neuroradiology, Epub ahead of print, Aug. 2012, Doi 10.1007/s00062-012-0168-8
  6. Forkert N., Kaesemann P., Treszl A., Siemonson S., Cheng B., Handels H., Fiehler J., Thomalla G.,
    Comparison of 10 TTP and Tmax Estimation Techniques for MR Perfusion-Diffusion Mismatch Quantification,
    American Journal of Neuroradiology, 34, 1697-1703, 2012
  7. Forkert N., Schmidt-Richberg A., Fiehler J., Illies T., Möller D., Handels H., Säring D.,
    Automatic Correction of Gaps in Cerebrovascular Segmentations Extracted from 3D Time-of-Flight MRA Datasets,
    Methods of Information in Medicine, 5, 415-422, 2012
  8. Forkert N. Schmidt-Richberg A., Fiehler J., Illies T., Möller D., Handels H., Säring D.,
    Fuzzy-based Vascular Structure Enhancement in Time-of-Flight MRA Images for Improved Cerebrovascular Segmentation,
    Methods of Information in Medicine, 50, 1, 74-83, 2011
  9. Forkert N., Säring D., Handels H.,
    Automatic Analysis of the Anatomy of Arteriovenous Malformations  using 3D and 4D MRA Image Sequences,
    MedInfo 2010, Kapstadt, South Africa, Studies in Health Technology and Informatics, 160, 1268-72, 2010
  10. Forkert N., Säring D., Fiehler J., Illies T., Möller D., Handels H.,
    Automatic Brain Segmentation in Time-of-Flight MRA Images,
    Methods of Information in Medicine, 48, 5, 399-407, 2009
  11. Dennis Säring, Jens Fiehler, Nils Forkert, Merle Piening, Heinz Handels
    Visualization and Analysis of Cerebral Arteriovenous Malformation Combining 3D and 4D MR Image Sequences,
    International Journal of Computer Assisted Radiology and Surgery, 2, 75-79, 2007

Projektteam

Dipl.-Inf. Nils Folkert (Institut für Medizinische Informatik, UKE Hamburg)
Dr. Dennis Säring (Institut für Medizinische Informatik, UKE Hamburg)
Prof. Dr. Heinz Handels

Kooperationspartner

Prof. Dr. med. Jens Fiehler
Dr. med. Till Illies
Klinik für Neuroradiologische Diagnostik und Intervention, UKE

 

4D-Magentresonanz-icon.jpg
Erstellt am 16. Juli 2014 - 13:37.

4D Medical Image Computing zur bildbasierten Risikoabschätzung in der Strahlentherapie bewegter Tumoren

2. Förderphase des DFG-Projektes „4D Medical Image Computing zur modellbasierten Analyse atmungsbedingter Tumor- und Organbewegungen“

Atmungsbedingte Bewegungen von Organen und Tumoren sind ein zentrales Problem der Strah-lentherapie abdominaler und thorakaler Tumoren. In den vergangenen Jahren sind verschiedene Techniken zur expliziten Berücksichtigung der Atembewegungen während der Strahlentherapie entwickelt worden. Klinisch eingesetzt werden z. B. Verfahren, bei denen der Tumor nur zu bestimmten Atemphasen des Patienten bestrahlt wird (Gating, atemgetriggerte Bestrahlung). Um die Atemphase zu ermitteln, werden oftmals externe Atemsignale bzw. Bewegungsindikatoren (z. B. Bauchgurte, Laser- oder kamerabasierte Abtastung der Haut) gemessen. Diese sind allerdings nur Surrogate bzw. Indikatoren der tatsächlichen Tumorbewegungen. Vor dem Hintergrund individueller intra- und interfraktioneller Variationen von Atemmustern ist es erforderlich zu untersuchen, inwieweit die Bewegungsindikatoren verlässlich zur Prädiktion der Tumorbewegung verwendet werden können.

Anhand von 4D-CT- und 4D-MRT-Bilddaten werden in diesem Projekt die Auswirkungen der intra- und interfraktionellen Bewegungsvariabilität auf die applizierte Dosisverteilung untersucht und die Eignung verschiedener Bewegungsindikatoren zur Prädiktion der Tumorbewegung für die atemgetriggerte Bestrahlung systematisch untersucht. Ziel des Projekts ist eine Risikoabschätzung für den Einsatz der verschiedenen Bewegungsindikatoren. Auf Grundlage der Risikoabschätzung sollen Strategien zur Optimierung und Kombination von Indikatoren entwickelt werden (Abb. 1).

Das Projekt wird durch die Deutsche Forschungsgemeinschaft (DFG) gefördert (HA 2355/9-2).


Abb. 1: Untersuchung der Korrelation zwischen Haut- und Lungentumorbewegung. Rot sind Regionen hoher, grün Regionen niedriger Korrelation dargestellt. Als exemplarischer Bewegungsindikator wurde hier ein Linienlaser betrachtet und anhand der Analyseresultate eine bildbasierte und patientenspezifische Optimierung der Positionierung des Lasers durchgeführt; die idealen Linienpositionen sind eingezeichnet.

Projektteam:

M.Sc. Matthias Wilms
Dipl-Inf. Dipl.-Phys. René Werner

Dr. Jan Ehrhardt
Prof. Dr. Heinz Handels

Kooperationspartner:

Prof. Dr. H.-P. Schlemmer, Dr. M. Eichinger / Dr. R. Floca
Abteilung Radiologie / AG Software development for Integrated Diagnostic and Therapy
Deutsches Krebsforschungszentrum (DKFZ) Heidelberg

Prof. Dr. Dr. J. Debus, Dr. Dr. C. Thieke
Klinik für Radio-Onkologie und Strahlentherapie
Universitätsklinikum Heidelberg

Prof. Dr. C. Petersen, Dr. F. Cremers
Klinik und Poliklinik für Strahlentherapie und Radioonkologie
Universitätsklinikum Hamburg-Eppendorf (UKE)

 

 

 

 

DFG-MIC_2_Icon80.png
Erstellt am 24. Januar 2012 - 13:16 von Kulbe. Zuletzt geändert am 21. Februar 2012 - 11:31.

Integrierte 4D-Segmentierung und Registrierung räumlich-zeitlicher Bilddaten

Die Einführung tomographischer 4D-Bilddaten hat die räumlich-zeitliche Er­fas­sung dynamischer physiologischer Prozesse wie der Herz- oder Lungen­bewegung er­möglicht, jedoch steht die Ausnutzung ihres Potenzials in Diagnostik und Therapie erst am Anfang. Für eine umfassende diagnostische und therapeutische Nutzung der räumlich-zeitlichen Bildinformationen in den 4D-Daten ist einerseits eine Abgrenzung der relevanten Strukturen in den Bilddaten (Segmentierung) und andererseits die ex­pli­zite Modellierung der abgebildeten Bewegungsabläufe (Registrierung) notwendig. Klassische Ansätze versuchen beide Probleme unabhängig voneinander zu lösen. Registrierung und Segmentierung hängen jedoch wechselseitig voneinander ab.

Ziel des Projektes ist die Entwicklung von Methoden zur simultanen Seg­mentierung und Bewegungsschätzung in räumlich-zeitlichen Bilddaten, durch die die wechselseitige Abhängigkeit der Segmentierung und Registrierung voneinander berücksichtigt wird. Durch ge­eig­nete Nebenbedingungen wird verfügbares physiologisches Vorwissen über die Dy­namik der Bewegung in diesen Ansatz  integriert. Die Bereitstellung von Methoden zur automatischen Bestimmung geeigneter Verfahrensparameter soll die flexi­ble An­pas­sung des entwickelten Seg­mentierungs-/Registrierungsmodells an kon­krete medi­zi­ni­sche Pro­blem­stel­lun­gen ermöglichen. Spezielle Interaktionsmechanismen erlauben die be­nutzer­ge­steuerte Anpas­sung des Segmentierungs- bzw. Registrie­rungs­­er­geb­nisses.

Die Grundidee der hier verfolgten Ansätze wird nachfolgend beispielhaft illustriert (siehe Abbildung). Betrachtet werden zwei 3D-Bilder einer zeitlichen Sequenz (Referenz- und Target-Bild genannt), wobei eine Segmentierung des Referenzbildes als bekannt vorausgesetzt wird. Berechnet wird nun zum einen eine Bewegungsschätzung, resp. Registrierung von Referenz- und Target-Bild, zum anderen eine Segmentierung des Target-Bildes. Ein zusätzlich definierter Kraftterm  koppelt dabei die beiden Verfahren, indem eine möglichst hohe Übereinstimmung der Target-Segmentierung und der mit der Bewegungsschätzung transformierten Referenzsegmentierung gefordert wird.

Die entwickelten Methoden werden zur simultanen Segmentierung und Bewegungs­feld­schätzung der Lunge und der Leber eingesetzt und anhand klinischer 4D-CT-Bilddaten evaluiert.

Das Projekt wird von der Deutschen Forschungsgemeinschaft gefördert (DFG:  EH 224/3-1).

Ausgewählte Publikationen:

  1. A. Schmidt-Richberg, H. Handels, J. Ehrhardt:
    Integrated Segmentation and Non-linear Registration for Organ Segmentation and Motion Field Estimation in 4D CT Data.
    Methods Inf Med, 48(4): 334–339, Jan 2009.
  2. A. Schmidt-Richberg, J. Ehrhardt, R. Werner, H. Handels
    Direction-Dependent Regularization for Improved Estimation of Liver and Lung Motion in 4D Image Data.
    In: SPIE Medical Imaging 2010, San Diego, USA, Vol. 7623, 76232Y, 2010.
  3. A. Schmidt-Richberg, J. Ehrhardt, R. Werner, H. Handels
    Slipping Objects in Image Registration: Improved Motion Field Estimation with Direction-dependent Regularization.
    In: G.-Z. Yang et al. (eds.): Medical Image Computing and Computer-Assisted Intervention - MICCAI 2009, London, LNCS Vol. 5761, 755–762, 2009.
  4. J. Ehrhardt, A. Schmidt-Richberg, H. Handels
    Simultaneous Segmentation and Motion Estimation in 4D-CT Data Using a Variational Approach.
    In: J.M. Reinhardt et al. (eds.): Image Processing, SPIE Medical Imaging 2008, San Diego, Vol. 6914, 37-1–37-10, 2008.
  5. J. Ehrhardt, A. Schmidt-Richberg, H. Handels
    A Variational Approach for Combined Segmentation and Estimation of Respiratory Motion in Temporal Image Sequences.
    IEEE International Conference on Computer Vision 2007, ICCV 2007, Rio de Janeiro, Brazil, CD-ROM-Proceedings, IEEE Catalog Number CFP07198-CDR (ISBN 978-1-4244-1631-8), 2007. 

Projektteam:

Dipl.-Inf. Alexander Schmidt-Richberg
Dr. Jan Ehrhardt
Prof. Dr. Heinz Handels

 

IconIntegr4DSegmentierung.png
Erstellt am 1. Juni 2010 - 18:02. Zuletzt geändert am 26. Juni 2014 - 16:44.

Artefaktreduzierte Rekonstruktion von 4D-CT-Bilddatensätzen aus 3D-CT-Datensegmenten

Problemstellung:

Moderne CT-Scanner können mehrere Schichten gleichzeitig aufnehmen. Dennoch ist das in einer Rotation des Scanners aufgenommene Volumen häufig zu klein, um Organbewegungen erfassen zu können. Aber gerade in Gebieten wie der Radioonkologie ist es wichtig, auch Organbewegungen, die z.B. durch die Atmung entstehen, erfassen und vermessen zu können. Aus diesem Grund wurden in den USA Tumorpatienten mehrfach mit einem CT-Scanner untersucht und einzelne 3D-Datensegmente gewonnen. Aus diesen lassen sich 4D-CT Datensätze erzeugen, die zur weitergehenden Analyse der atmungsbedingten Organbewegungen verwendet werden sollen.

Methode:

Ein moderner Mehrzeilen-CT wurde eingesetzt, um bei freier Atmung der Patienten einen bestimmten Körperabschnitt zu scannen (= Datensegment). Die jeweilige Atemlage wurde mit einem Spirometer gemessen, so dass mehrere Datensegment zu unterschiedlichen Phasen des Atemzyklus aufgenommen wurden konnten. Durch Verschieben des CT-Tisches konnten so Datensegmente für den gesamten Thoraxraum gewonnen werden.

Zur Rekonstruktion eines 4D-CT Datensatzes aus den einzelnen Datensegmenten sind die gemessenen 3D-CT Datensegmente aufzubereiten. Hierfür werden Datensegmente an den einzelnen Tischpositionen benötigt, die zum selben Zeitpunkt des Atemzyklus, d.h. mit einem bestimmten Lungenvolumen, aufgenommen worden sind. In  werden zur Erzeugung von 4D-Datensätzen jeweils die Datensegmente ausgewählt, die zu einem Lungenvolumen korrespondieren, das zu dem betrachteten Volumen am ähnlichsten ist (Abb. 1). Dies entspricht einer Nearest-Neighbour-Interpolation. Bei Einsatz dieser Methode treten jedoch Artefakte auf, die in Abb. 1 insbesondere im Bereich des Zwerchfells deutlich zu erkennen sind.

Abb. 1: Ausgewählte 2D-Ansicht mit Artefakten aus dem mit der
Nearest-Neighbour-Interpolation rekonstruierten 4D-Datensatz

Zur Reduktion dieser Artefakte wurde ein Interpolationsverfahren entwickelt, das nicht-lineare Registrierungsalgorithmen verwendet. Hierbei wird eine nicht-lineare Registrierungsmethode eingesetzt, die auf dem "optischen Fluss" basiert. Angewandt auf zwei Datensegmente erhält man hierdurch ein vektorielles Verschiebungsfeld, das die Verschiebung der einzelnen Voxel zwischen den betrachteten Lungenvolumina approximativ beschreibt. Entlang des 3D-Verschiebungsfeldes können nun die Datensegmente zu den gewünschten Lungenvolumina  interpoliert werden. Die so interpolierten 4D-Daten (Abb. 2) enthalten deutlich weniger Artefakte als die mit der Nearest-Neighbour-Strategie interpolierten (vgl. Abb. 1).

Abb. 2: Ausgewählte 2D-Ansicht aus dem unter Verwendung
nicht-linearer Registrierungsverfahren rekonstruierten
4D-Datensatz

Ausgewählte Publikationen:

  1. Jan Ehrhardt, René Werner, Thorsten Frenzel, Dennis Säring, Wei Lu, Daniel Low, Heinz Handels: Optical Flow based Method for Improved Reconstruction of 4D CT Data Sets Acquired During Free Breathing.
    Medical Physics, 34, 2, 711-721, 2007.
  2. René Werner, Jan Ehrhardt, Thorsten Frenzel, Dennis Säring, Wei Lu, Daniel Low, Heinz Handels: Motion Artifact Reducing Reconstruction of 4D CT Image Data for the Analysis of Respiratory
    Dynamics.
    Methods of Information in Medicine, 46, 254-260, 2007.
  3. Heinz Handels, René Werner, Thorsten Frenzel, Dennis Säring, Wei Lu, Daniel Low, Jan Ehrhardt:
    Generation of 4D CT Image Data and Analysis of Lung Tumour Mobility During the Breathing Cycle.
    Stud Health Technol Inform, 124, 977-982, 2006.

Projektteam:

Dr. Jan Ehrhardt
Dipl.-Inf. Dipl.-Phys. René Werner
Prof. Dr. Heinz Handels

Kooperationspartner:

Prof. Daniel Low and Dr. Wei Lu
Mallinckrodt Institute of Radiology
Washington University
St. Louis, USA

Dr. med. Dr. rer. nat. Thorsten Frenzel
Klinik und Poliklinik für Strahlentherapie und Radioonkologie
Universitätsklinikum Hamburg-Eppendorf

 

Icon02.jpg
Erstellt am 11. Mai 2010 - 16:34 von Wrage. Zuletzt geändert am 24. Januar 2012 - 18:12 von Kulbe.

Simulation und Beurteilung des Einflusses der Atmung auf thorakale Dosisverteilungen für unterschiedliche Bestrahlungstechniken unter Verwendung von 4D Datensätzen

Um im Rahmen einer Strahlentherapie das Potential hoch-konformaler Bestrahlungstechniken ausreizen zu können, ist eine präzise Kenntnis der Lage und Form der anatomischen und pathologischen Strukturen erforderlich. Die Planung einer Bestrahlung beruht jedoch in der Regel auf einem 3D-CT des Patienten. Folglich werden etwaige Bewegungen von anatomischen und pathologischen Strukturen nicht abgebildet, wodurch Unsicherheiten hinsichtlich Form und Lage der Strukturen entstehen. Diese werden im Allgemeinen durch Einführung populationsgestützter Sicherheitssäume berücksichtigt (Abb. 1), was sich in verschiedener Weise als problematisch erweist: Zunächst können die Sicherheitssäume für den individuellen Patienten zu groß oder aber zu gering gewählt sein. Zu große Sicherheitssäume bedingen eine unnötig starke Belastung gesunden Gewebes und somit ein erhöhtes Risiko von unerwünschten Komplikationen durch die Strahlentherapie. Zu geringe Sicherheitssäume führen andererseits zu einer reduzierten lokalen Tumorkontrolle, d.h. geringeren Heilungschancen. Weiterhin besteht für eine intensitätsmodulierte Bestrahlung durch das Zusammenspiel von Segmentierung (Applikation von kleinen Strahlenfeldern mit wenigen Monitoreinheiten) und der Targetbewegung die Gefahr von unerwünschten Cold- oder Hotspots, d.h. von lokalen Regionen mit einer im Vergleich zu der geplanten Dosisverteilung zu hohen bzw. zu geringen Dosis.

Jeweilige Probleme nehmen mit der Bewegungsamplitude zu. Es ist bekannt, dass durch die Atmung Tumor- bzw. Targetbewegungen von einigen Zentimetern auftreten können (Abb. 2). Folglich erscheinen atmungsbedingte Bewegungen als besonders problematisch. In diesem Projekt werden deshalb auf Basis von 4D-CT-Daten von Lungentumorpatienten grundlegende Fragen zu der Problematik von atmungsbedingten Bewegungen bei der Strahlentherapie thorakaler Tumoren untersucht. Ausgangspunkt stellt die Analyse der Atemdynamik dar. Assoziierte Fragestellungen sind hierbei: Welche Bewegungsmuster weisen pathologische und anatomische Strukturen überhaupt auf? Inwieweit decken in der klinischen Routine verwendete Sicherheitssäume diese Bewegungen ab? Lassen sich ggf. angemessenere Sicherheitssaumkonzepte herleiten?

Unter Verwendung verschiedener Sicherheitssaumkonzepte werden dann für unterschiedliche Bestrahlungstechniken (sowohl 3D konformale Bestrahlung als auch intensitätsmodulierte Strahlentherapie) und Patienten die Auswirkungen der Bewegungen auf die applizierte Dosis simuliert. Der Einfluss einer atemgetriggerten Bestrahlung auf die jeweiligen Resultate wird untersucht.

Das Projekt wird durch die Deutsche Krebshilfe finanziell gefördert (DKH-Nr. 107899).

Abb. 1: Planungs-CT und geplante Dosisverteilung sowie die zugrunde liegenden Zielvolumina (Planungszielvolumen PTV und makroskopisches Tumorvolumen GTV) für einen Lungentumorpatienten. Die GTV-PTV-Sicherheitssäume sind bewegungsorientiert gewählt.

Abb. 2: Atmungsbedingte Bewegungen, aufgezeichnet mittels 4D-CT. Der zu bestrahlende Lungentumor ist rot hervorgehoben.

Ausgewählte Publikationen:

  1. René Werner, Jan Ehrhardt, Alexander Schmidt-Richberg, Bernd Bodmann, Florian Cremers, Heinz Handels
    Dose Accumulation based on Optimized Motion Field Estimation using Non-Linear Registration in Thoracic 4D CT Image Data
    In: Dössel O., Schlegel W.C. World Congress on Medical Physics and Biomedical Engineering, WC 2009, Springer Verlag, Berlin, IFBME Proceedings 25/IV, 950-953, 2009.
  2. R. Werner, F. Fehlauer, J. Ehrhardt, D. Albers, F. Cremers, R. Schmidt, H. Handels: Impact of Breathing Phase on Thoracic Dose Distribution - an IMRT Treatment Planning Study using 4D CT Image Data. 9th Biennial ESTRO Meeting on Physics and Radiation Technology For Clinical Radiotherapy of the European Society of Therapeutic Radiology, Barcelona, Radiotherapy & Oncology 84(Supplement 1): 153, 2007.

Projektteam:

Dipl.-Inf. Dipl.-Phys. René Werner
Dr. Jan Ehrhardt
Prof. Dr. Heinz Handels

Kooperationspartner:

Dr. rer. nat. Florian Cremers
Klinik und Poliklinik für Strahlentherapie und Radioonkologie
Universitätsklinikum Hamburg-Eppendorf

 

DKH-Button.jpg
Erstellt am 11. Mai 2010 - 16:24 von Wrage. Zuletzt geändert am 24. Januar 2012 - 18:13 von Kulbe.

4D Medical Image Computing zur modellbasierten Analyse atmungsbedingter Tumor- und Organbewegungen

Atmungsbedingte Bewegungen stellen eines der Hauptprobleme der Strahlentherapie thorakaler und abdominaler Tumoren dar. Räumlich-zeitliche Bilddaten, auch 4D-Bilddaten genannt, haben der Strahlentherapie die Möglichkeit eröffnet, die räumlich-zeitliche Bewegung und Verformung von Tumoren und inneren Organen während der Atmung zu erfassen. In diesem Projekt werden unter Verwendung von artefaktreduzierten, räumlich und zeitlich hochaufgelösten 4D-CT-Datensätzen Methoden zur Modellierung, Analyse und Visualisierung dieser Bewegungen entwickelt. Die Methoden sollen als Grundlage einer Verbesserung der strahlentherapeutischen Behandlung durch Einbeziehung der räumlich-zeitlichen Tumorbewegung und Organdeformationen dienen.

Methodische Schwerpunkte des Projektes sind die Entwicklung und Evaluation von optimierten nicht-linearen Registrierungsverfahren zur möglichst genauen Schätzung von 3D-Bewegungsfeldern in 4D-Bilddaten und deren Nutzung zur Bewegungsanalyse und -modellierung von Tumoren und strahlentherapeutischen Risikoorganen (Abb.1 und 2). Auf Basis des verfügbaren Patientenkollektivs werden z.B. Interpatientenvariabilitäten hinsichtlich der auftretenden Bewegungen bestimmt. Hierbei werden die Lungenbewegungen in verschiedenen Lungenregionen betrachtet und regionenbezogene Analysen durchgeführt. Jeweilige Resultate werden genutzt, um z.B. die von dem bewegten Tumor während der Atmung überstrichenen Volumina für die unterschiedlichen Patienten zu vergleichen und Aussagen abzuleiten, ob es möglich ist, für unterschiedliche Lungenregionen typische Atemmuster zu identifizieren.

Das Projekt wird durch die Deutsche Forschungsgemeinschaft (DFG) gefördert (HA 2355/9-1).


Abb. 1: Visualisierung atmungsbedingter Bewegungen der Lunge, basierend auf einer Bewegungsfeldschätzung mittels optischer Fluss basierter Registrierung. Die Bewegungsamplitude ist farbkodiert dargestellt (rote Pfeile: Bewegungen von mehr als 20 mm). Abb. aus Handels et al., IJMI 76S, 433-9, 2007.


Abb. 2: Farbkodierte Visualisierung der Aufenthaltswahrscheinlichkeit von Lungentumoren von zwei Patienten, dargestellt je für ein koronares Schnittbild.

Ausgewählte Publikationen:

  1. Alexander Schmidt-Richberg, Jan Ehrhardt, René Werner, Heinz Handels
    Slipping Objects in Image Registration: Improved Motion Field Estimation with Direction-dependent Regularization
    In: G.-Z. Yang Hawkes D., Reuckert D., Noble A., Taylor C. (eds.), Medical Image Computing and Computer-Assisted Intervention - MICCAI 2009, Part I, LNCS 5761, Springer Verlag, Berlin, 755-762, 2009.
  2. H. Handels, R. Werner, T. Frenzel, D. Säring, W. Lu, D. Low, and J. Ehrhardt:
    4D Medical Image Computing and Visualization of Lung Tumor Mobility in Spatio-temporal CT Image Data, International Journal of Medical Informatics, 76S, S433-S439, 2007.
  3. J. Ehrhardt, R. Werner, T. Frenzel, W. Lu, D. Low,  H. Handels:
    Analysis of Free Breathing Motion Using Artifact Reduced 4D CT Image Data, In: P.W. Pluim, J.M. Reinhardt (eds.), SPIE Medical Imaging 2007: Image Processing, San Diego, Proc. SPIE, Vol. 6512, 1N1-1N11, 2007.
  4. R. Werner, J. Ehrhardt, T. Frenzel, W. Lu, D. Low, H. Handels:
    Analysis of Tumor-influenced Respiratory Dynamics using Motion Artifact Reduced Thoracic 4D CT Images. In: T. Buzug et al. (eds.), Advances in Medical Engineering, Springer Verlag, Berlin, 181-186, 2007.

Projektteam:

Dipl.-Inf. Dipl.-Phys. René Werner
Dr. Jan Ehrhardt
Dipl.-Inf. Alexander Schmidt-Richberg
Prof. Dr. Heinz Handels

Kooperationspartner:

Dr. rer. nat. Florian Cremers
Klinik und Poliklinik für Strahlentherapie und Radioonkologie
Universitätsklinikum Hamburg-Eppendorf (UKE)

Dr. med. Dr. rer. nat. Thorsten Frenzel
Ambulanzzentrum des UKE GmbH
Bereich für Strahlentherapie

Prof. Daniel Low and Dr. Wei Lu
Washington University in St. Louis, School of Medicine
St. Louis, MO, USA

 

lunagandtumor03.jpg
Erstellt am 7. Mai 2010 - 19:58. Zuletzt geändert am 26. Juni 2014 - 16:45.

Anschrift

Institutssekretariat
Susanne Petersen

Tel+49 451 3101 5601
Fax+49 451 3101 5604


Gebäude 64 (Informatik)

Ratzeburger Allee 160
23538 Lübeck
Deutschland