Förderprojekte

Förderbeginn 01.01.2015

Schnelle Bildregistrierung für schnelle Strahlentherapie

Prof. Dr. Andreas Maier
Friedrich-Alexander-Universität Erlangen-Nürnberg
Lehrstuhl für Informatik 5 (Mustererkennung)

Prof. Dr. Billy Loo
Stanford University
School of Medicine - Dept. of Radiation Oncology

Ein grundlegendes Hindernis für die präzise, genaue, hoch konforme Strahlentherapie ist Patienten-, Tumor- und Organbewegung, die während der Behandlung erfolgt. Konventionelle Bestrahlungszeiten sind im Vergleich zu physiologischer Bewegung lang und erfordern zwischen zwei und 90 Minuten. Die Stanford University entwickelt neue Hardware-Ansätze, die die Anwendung einer vollen Strahlendosis innerhalb einer Sekunde ermöglichen. Diese grundlegend anderen Ansätze würden es ermöglichen physiologische Bewegung während der Behandlung "einzufrieren". Die erfolgreiche Umsetzung dieser Technologie stellt eine neue und einzigartige Herausforderung für die Bildverarbeitung: sehr schnelle Registrierung mit der aktuellen physikalischen Position des Patienten. Dazu sind Echtzeit-Bildverarbeitungsverfahren erforderlich, die an der Universität Erlangen-Nürnberg untersucht werden. In diesem Projekt wollen wir Methoden des Manifold-Learnings verwenden, um schnell eine Behandlung zu planen.

Abschlussbericht
In diesem Projekt wurde die schnelle Poseverifikation für die Strahlentherapie an einem neuen Hochgeschwindigkeitsstrahlungsgerät besprochen. Das PHASER-System folgt der Idee der CT- Bildgebung der 4. Generation und ermöglicht eine schnelle 360-Grad-Behandlung mit einem steuerbaren Elektronenstrahl. Dadurch ist die Abgabe der Dosis in wenigen Sekunden möglich. Ein großes Problem ist jedoch die schnelle Überprüfung der Patientenhaltung während der Behandlung. In diesem Projekt schlagen wir vor, einen projektionsbasierten Ansatz zu verwenden, der schnell ausgewertet werden kann und eine Genauigkeit von unter 1 mm ermöglicht, wie unsere Simulationsstudie zeigt, die auf Planungsdaten aus sechs 4-D CT- Datensätzen basiert.

1. Einleitung

Patientenbewegung ist ein großes Problem für die Bildgebung [1] und Strahlentherapie [2]. In der Strahlentherapie wird die Dosisabgabe typischerweise auf einem 3-D-CT-Bild geplant [3] und es wird große Aufmerksamkeit darauf verwendet, die tatsächliche Position des Patienten am Behandlungsort mit dem Planungsscan in Übereinstimmung zu bringen [4]. Bei Tumoren im Kopf- und Halsbereich kann dies durch die Verwendung einer Immobilisationsmaske [5] erreicht werden, die eine Kopfbewegung durch Fixieren des Patienten auf der Liege verhindert. Aufgrund der langen Dauer der Strahlenbehandlung gibt es auch Bewegungen, die nicht vollständig vermieden werden können. Insbesondere kann die Atembewegung dazu führen, dass sich das Zielgebiet um bis zu 2 cm bewegt [6]. Ohne Kompensation würde dies dazu führen, dass die Dosis an den falschen Ort abgegeben wird, wodurch gesundes Gewebe geschädigt wird und, was noch wichtiger ist, das potentielle Überleben des bösartigen Tumors selbst verursacht wird [7]. Um dies zu kompensieren, wurden viele Ansätze vorgeschlagen, die von implantierten Goldmarkern [8] bis zur Verwendung von Respirationssurrogatsignalen [9, 10] und der Vorhersage von dichten Deformationsfeldern reichen [11, 12]. Zusammenfassend sind diese Methoden durchführbar, erfordern jedoch erhebliche zusätzliche Anstrengungen und sind oft nicht Echtzeit-fähig.

In diesem Projekt konzentrieren wir uns auf ein anderes Behandlungsgerät, das von Maxim und Loo vorgeschlagen wurde [13]. Das pluridirektionale hochenergetische, agile Scanning-Elektron- Strahlentherapie-System (PHASER) ist in der Lage, die gesamte Behandlungsdosis innerhalb weniger Sekunden zu liefern und bietet daher einen Behandlungsdauerbereich, der Atembewegungen durch einen einfachen Atemanhaltebefehl effektiv kompensieren kann. Zusätzlich werden im Gegensatz zur herkömmlichen Strahlentherapie Elektronen anstelle von Photonen zur Abgabe der Strahlendosis verwendet. Auf diese Weise kann Energie mit weniger Partikeln und höherer Genauigkeit viel schneller abgeschieden werden [14].

2. Materialien und Methoden

2.1 PHASER System

Während die Abgabe solch hoher Dosismengen in so kurzer Zeit viele Vorteile bietet, stellt sie auch besondere Anforderungen an die Bildgebung. Um den Patienten schnell abzubilden, wurde eine spezielle CT-Gantry entwickelt [15]. Der zugehörige Detektor ist auf einem Kreissegment mit einem Durchmesser von 1300 mm, einer Bogenlänge von 1024 mm und einer Detektorhöhe von 192 mm gekrümmt. Der Detektor bietet eine hohe Auflösung in der Mitte des Sichtfelds (FOV), während er größere Pixel in Richtung der Außenseite des FOV bietet, was für die Strahlentherapie von geringerem Interesse ist.

2.2 Lageverifikation

Im Gegensatz zu einer typischen Strahlentherapie erlaubt das PHASER-System nur wenig Zeit, um die Pose des Patienten zu überprüfen und die Dosis abzugeben. Der gesamte Prozess muss in einem einzigen Atemzug abgeschlossen werden. Da Patienten häufig an einer eingeschränkten Lungenfunktion leiden, gehen wir davon aus, dass diese Zeit im Bereich von 12 bis 16 Sekunden liegt [16]. Daher sind rechenintensive Ansätze, die Rekonstruktion und Bewegungskompensation erfordern, nicht anwendbar [6]. Darüber hinaus wollen wir den Patienten keine zusätzliche Belastung auferlegen, indem sie z. implantierte Goldmarker [5].

Der aktuelle Arbeitsablauf des PHASER-Systems umfasst einen hochwertigen CT-Scan, eine Registrierung in der Planungs-CT und eine Anpassung des Behandlungsplans [15] an die aktuelle Patientenposition. Daher erwarten wir, dass die Bewegung während der Behandlung nur aus der Atmungsbewegung hervorgeht.

Um den aktuellen Bewegungszustand zu kompensieren, schlagen wir vor, nur Projektions- basierte Bildgebung basierend auf Projektionen der 4-D-Planungs-CT zu verwenden. Darüber hinaus verwenden wir eine Lungensegmentierung, die während des Planungsprozesses für den Lage-Verifizierungsprozess erstellt wird. Dabei berechnen wir aus den Projektionsdaten ein Ähnlichkeitsmaß im Lungenbereich.

3. Ergebnisse

Von der relativen Veränderung des Lungenvolumens ist zu beobachten, dass Zustände mit ähnlichem Lungenvolumen ähnliche Werte in unserem Maß aufweisen. Wir beobachteten eine ähnliche Beziehung bei den anderen fünf Patienten.

In einem zweiten Experiment schlossen wir eine der Atmungsphasen aus den Daten aus und führten eine Leave-One-Out-Bewertung durch, um die Genauigkeit der unbekannten Atmungsbewegung zu schätzen. Wir beobachten, dass der durchschnittliche Fehler weit unter der maximalen Tumorbewegung liegt. Dies führt zu einem durchschnittlichen Fehler von 0,80 ± 0,25 mm im Vergleich zu einer maximalen Tumorbewegung von 2,50 ± 2,10 mm. Bei der größten Tumorbewegung von 7 mm reduziert sich der Fehler auf 0,83 mm.

4. Diskussion

Aus den experimentellen Ergebnissen haben wir festgestellt, dass die Lokalisierungsgenauigkeit im Durchschnitt unter 1 mm liegt. Im Vergleich zu aktuellen klinischen Sicherheitsmargen von ca. 7 mm, auch bei bewegungskompensierter Behandlung, ist dies eine deutliche Reduktion. Allerdings muss man bei der Interpretation der Ergebnisse vorsichtig sein, da die durchschnittliche Bewegung bei unseren Patienten nur 2,50 ± 2,10 mm betrug. Somit liegt unser Fehler deutlich unter der maximalen Bewegung, aber auch höher, als man erwarten würde, wenn man bedenkt, dass die Bewegung zehn Mal abgetastet wurde. Dies hängt mit der Auflösung unseres 4-D-CT-Scans zusammen, bei der eine Voxelgröße von 0,98 × 0,98 × 2,0 mm ^ 3 vor lag. Im Falle unserer Patienten ist die Bewegung entlang der z-Achse auf, d. H. Unsere Ergebnisse liegen unter der Genauigkeit eines Voxels. In zukünftigen Studien werden wir überprüfen müssen, ob diese geringe Menge an Bewegung bei mehr Patienten mit Lungenkrebs auftritt. Als Ergebnis müssten wir die Auflösung des Planungs-CT in den betroffenen Richtungen erhöhen, um das Problem zu lindern. Eine mögliche Lösung für dieses Problem wäre das adaptive Detector Binning [17]. Nichtsdestotrotz profitieren Patienten mit einer großen Tumorbewegung auch bei der derzeitigen Einrichtung in hohem Maße von der Methode. Bei einem Patienten mit einer großen Tumorbewegung von 7 mm konnte der Fehler auf 0,8 mm reduziert werden, wodurch eine falsche Ablagerung der Strahlungsdosis verhindert wurde.

Eine weitere Herausforderung, die wir in der zukünftigen Arbeit untersuchen werden, ist die kontinuierliche Behandlung mit vorberechneten 4-D-Behandlungsplänen für Patienten wie kleine Kinder, die keine Atemkommandos befolgen können. Mit dem aktuellen System-Setup könnten wir den richtigen Behandlungsplan für den aktuellen Bewegungszustand in Echtzeit auswählen.

Referenzen

[1] Nehmeh SA, Erdi YE. Respiratory Motion in Positron Emission Tomogra- phy/Computed Tomography: A Review. Seminars in Nuclear Medicine: Devel- opments in Instrumentation. 2008;38(3):167 – 176.
[2] Korreman SS. Motion in radiotherapy: photon therapy. Physics in Medicine and Biology. 2012;57(23):R161.
[3] Censor Y, Altschuler MD, Powlis WD. A computational solution of the inverse problem in radiation-therapy treatment planning. Applied Mathematics and Com- putation. 1988;25(1):57 – 87.
[4] Bauer S, Wasza J, Haase S, Marosi N, Hornegger J. Multi-modal Surface Registra- tion for Markerless Initial Patient Setup in Radiation Therapy using Microsoft’s Kinect Sensor. In: IEEE International Conference on Computer Vision (ICCV) Workshops; 2011. p. 1175–1181.
[5] Chen S, Lu Y, Hopfgartner C, Su ?hling M, Steidl S, Hornegger J, et al. 3-D Print- ing Based Production of Head and Neck Masks for Radiation Therapy Using Ct Volume Data: A Fully Automatic Framework. In: IEEE International Symposium on Biomedical Imaging: From Nano to Macro. Prague, Czech Republic; 2016. p. 403–406.
[6] Bögel M, Hofmann HG, Hornegger J, Fahrig R, Britzen S, Maier A. Respira- tory motion compensation using diaphragm tracking for cone-beam c-arm CT: a simulation and a phantom study. Journal of Biomedical Imaging. 2013;2013:6.
[7] Shepard DM, Ferris MC, Olivera GH, Mackie TR. Optimizing the Delivery of Radiation Therapy to Cancer Patients. SIAM Review. 1999;41(4):721–744.
[8] Huang CY, Tehrani JN, Ng JA, Booth J, Keall P. Six degrees-of-freedom prostate and lung tumor motion measurements using kilovoltage intrafraction monitoring. International Journal of Radiation Oncology*Biology*Physics. 2015;91(2):368–375.
[9] Bögel M, Maier A, Hofmann HG, Hornegger J, Fahrig R. Diaphragm tracking in cardiac C- Arm projection data. In: Bildverarbeitung fu ?r die Medizin 2012. Springer Berlin Heidelberg; 2012. p. 33–38.
[10] Wasza J,Fischer P,Leutheuser H,Oefner T,Bert C,Maier A, et al. Real-TimeRespiratory Motion Analysis Using 4-D Shape Priors. IEEE Transactions on Biomed- ical Engineering. 2016;63(3):485–495.
[11] Taubmann O, Wasza J, Forman C, Fischer P, Wetzl J, Maier A,