Assessment, validation, and optimization of elastic volume-to-volume and volume-to-slice image registration algorithms for the visualization of inverse treatment planning data in MRI interventional sequences for the percutaneous 192Ir-HDR-brachytherapy of liver tumors
Medical Physics, Biomedical Technology
Final Report Abstract
Ziel des Projektes war die Evaluation der Performance existierender elastischer Volume-to- Volume (3D-3D) und Volume-to-Slice (3D-2D) Registrierungsalgorithmen für MRT-Bilddaten der Leber und deren Optimierung für die perkutane 192Iridium-Hochdosisraten- Brachytherapie (192Ir-HDR-BT) von Lebertumoren. Strukturinformationen einer hybriden inversen Bestrahlungsplanungsoptimierung (HIPO), z.B. Zielläsionen, Risikostrukturen sowie optimierte Trajektorien von BT-Applikatoren sollten mittels einer Volume-to-Volume Registrierung von diagnostisch hochwertigen 3D-MRT-Datensätzen auf unmittelbar prätherapeutisch akquirierte 3D-MRT-Planungsdaten transformiert und von diesen mittels einer schnellen und robusten Volume-to-Slice Registrierung in die 2D-Interventionssequenz im Sinne einer „Roadmap“ übertragen werden. Es wurden Mindestanforderungen an Genauigkeit, Robustheit und Geschwindigkeit von Volume-to-Volume und Volume-to-Sclice Registrierungsalgorithmen definiert, 3D und 2D Segmentierungsmasken der Leber, Zielläsionen und korrespondierender Landmarken (LM) manuell annotiert und geeignete Abstandsmaße wie der Dice similarity coefficient (DSC), die durchschnittliche Euklidische und Hausdorff Distanz und der Euklidische Punktabstand berechnet. Um die Performance geeigneter Registrierungsalgorithmen zu validieren wurde das „Insight Segmentation and Registration Toolkit“ (ITK) verwendet. Keiner der existierenden Volume-to-Volume Registrierungsalgorithmen erfüllte die definierten Mindestanforderungen im klinischen Setting, u.a. aufgrund erschwerender Faktoren wie abweichender Patientenpositionierung, substanzieller Biasfeldartefakte und teils deutlich eingeschränktem Signal-Rausch-Verhalten der Interventionssequenz. Auch die Berechnungszeiten waren inakzeptabel lang. Deshalb wurde ein neuartiger Registrierungsalgorithmus implementiert, der im Sinne eines Multi-Resolution-Frameworks Biasfeldkorrekturen (BC) und eine deformierbare Registrierung basierend auf Markov Random Fields (MRFs) kombiniert. Der MRF-BC-Ansatz erfüllte die definierten Anforderungen und erreichte mittlere DSCs von 0,94 für die Leber sowie einen mittleren Registrierungsfehler von 3,7 mm bzgl. der anatomischen LM und Zielläsionen. Die mittlere Berechnungszeit betrug ca. 100s, was für das klinische Anwendungsszenario ausreichend schnell ist. Auch die bekannten Volume-to-Slice Registrierungsalgorithmen erfüllten die definierten Mindestanforderungen nicht, weshalb ein neues Verfahren entwickelt wurde. Dieses berechnet MPR-Volumina der 3D-Planungsdaten anhand der 2D-Interventionsbilder, um so eine Registrierung und Transformation der HIPO-Strukturen in < 1s zu ermöglichen. In Form eines Overlays gibt das System ein Feedback an den Interventionalisten, wie hoch die Genauigkeit der als Roadmap angezeigten HIPO-Strukturdaten einzuschätzen ist. Das entwickelte Volume-to-Slice Registrierungsverfahren erreichte mittlere Registrierungsfehler von 4,77mm und 4,67mm bezüglich anatomischer LM und Zielläsionen. Weiterhin konnte ein mittlerer DSC der Leber von 0,93 erreicht werden. Zusammenfassend lässt sich sagen, dass die entwickelten Volume-to-Volume und Volumeto-Slice Registrierungsalgorithmen die im Projekt definierten Mindestanforderungen an Genauigkeit, Robustheit und Geschwindigkeit erreichen konnten. Folgeuntersuchungen sollten sich vor allem auf die Möglichkeiten der Adaption des klinischen Arbeitsablaufs konzentrieren, um die Genauigkeit der Registrierungsverfahren weiter zu erhöhen. Prinzipiell wäre es möglich, die Algorithmen auf einer separaten Workstation berechnen zu lassen und die HI- PO-Strukturinformationen als sogenannte „Target Locations“ über eine XML-Schnittstelle bzw. als Surface-Meshes (VTK-Format) in die verwendete Interventionssoftware einzuspielen. Dabei würde die Interventionssoftware die Schnittbildebenen automatisch anhand der importierten „Target Locations“, also Applikatortrajektorien, festlegen.
Publications
- “Feasibility of rigid and deformable liver registration for MRI-guided HDR brachytherapy.” 16. Jahrestagung der Deutschen Gesellschaft für Computer- und Roboterassistierte Chirurgie (CURAC), Springer, 2017, 17–23
T. König, M. Rak, S. Fensky, F. Held, K.D. Tönnies and C. Wybranski
- “Joint deformable liver registration and bias field correction for MR-guided HDR brachytherapy.” International Journal of Computer Assisted Radiology and Surgery (IJCARS) (2017), 2169–2180
M. Rak, T. König, K.D. Tönnies, M. Walke, J. Ricke and C. Wybranski
(See online at https://doi.org/10.1007/s11548-017-1633-2)
