CT-Belichtungsautomatik mit patientenspezifischer Echtzeitberechnung der Dosisverteilung durch neuronale Netze und Minimierung der effektiven Dosis
Zusammenfassung der Projektergebnisse
Ziel dieses Projekts war es, eine schnelle patientenspezifische Dosisberechnung vor und nach dem CT-Scan zu ermöglichen und diese für eine patientenspezifische Röhrenstrommodulation die das individuelle Patientenrisko minimiert (riskTCM) zu nutzen. Moderne CT-Scanner verfügen über Techniken zur automatischen Belichtungssteuerung (AEC), einschließlich automatischer Röhrenstromauswahl, automatischer Röhrenspannungsauswahl und Röhrenstrommodulation in Röhrenwinkel- und longitudinaler Richtung (TCM), um die an den Patienten abgegebene Strahlungsdosis bei gleichbleibender Bildqualität zu verringern. Die heutigen TCM-Implementierungen zielen auf die Minimierung des mAs-Produkts als einfaches, aber sehr approximatives Surrogat für die Patientendosis ab, weshalb sie im Folgenden als mAsTCM bezeichnet werden. Es hat sich gezeigt, dass die Verwendung von mAsTCM den mAs-Gesamtwert im Vergleich zu einem Scan mit konstantem Röhrenstrom (noTCM) je nach Körperregion und Scanprotokoll um bis zu 60 % reduzieren kann. Das tatsächliche Patientenrisiko, z.B. in Form von Risikomaßen wie der effektiven Dosis Deff, wird dabei jedoch nicht berücksichtigt. Um die effektive Dosis Deff oder ein anderes biologisch sinnvolles Dosis- oder Risikomaß optimieren zu können, müssen die Organdosen vor dem eigentlichen CT-Scan geschätzt werden. Daher sind Ansätze des maschinellen Lernens unerlässlich, damit riskTCM in der klinischen Praxis angewendet werden kann, da herkömmliche Monte-Carlo-basierte Methoden viel zu langsam sind. Auf der Grundlage des Topogramms muss ein grobes CT-Bild mit Hilfe neuronaler Netze geschätzt werden. Darauf aufbauend muss eine Deep Learning (DL)-Organsegmentierung und eine DL-Dosisverteilungsschätzung für jeden Projektionswinkel durchgeführt werden. Anschließend kann die geschätzte effektive Dosis pro Röhrenwinkel berechnet werden, und auf dieser Grundlage eine neue, das Patientenrisiko minimierende, TCM Kurve berechnet werden. Alle diese Schritte waren Teil dieses Projekts. Die Ergebnisse wurden in einer Simulationsstudie evaluiert und gegen den gängigen TCM Algorithmus mAsTCM und einen konstanten Strom verglichen. Unsere Projektergebnisse zeigen, dass alle anatomischen Regionen von riskTCM profitieren können und mit einer Reduktion der effektiven Dosis von bis zu 30% verglichen zu mAsTCM, abhängig von Körperregion und Spannung, gerechnet werden kann. Die Einführung in die Praxis wäre hinreichend simpel, da nur Software- und keine Hardware-Anpassungen an den CT-Systemen nötig wären.
Projektbezogene Publikationen (Auswahl)
-
A Novel CT Tube Current Modulation Technique That Minimizes Patient Risk. RSNA 2021.
L. Klein, C. Liu, J. Steidel, S. Sawall, A. Maier, M. Lell, J. Maier & M. Kachelrieß
-
Organ-specific vs. patient risk-specific tube current modulation in thorax CT scans covering the female breast. 7th International Conference on Image Formation in X-Ray Computed Tomography, 54. SPIE.
Klein, Laura; Enzmann, Lucia; Byl, Achim; Liu, Chang; Sawall, Stefan; Maier, Andreas; Maier, Joscha; Lell, Michael & Kachelrieß, Marc
-
Patient‐specific radiation risk‐based tube current modulation for diagnostic CT. Medical Physics, 49(7), 4391-4403.
Klein, Laura; Liu, Chang; Steidel, Jörg; Enzmann, Lucia; Knaup, Michael; Sawall, Stefan; Maier, Andreas; Lell, Michael; Maier, Joscha & Kachelrieß, Marc
-
Potential CT Radiation Dose Reduction to the Female Breast by a Novel Risk-Minimizing Tube Current Modulation. RSNA 2022.
L. Klein, E. Baader, A. Byl, C. Liu, S. Sawall, A. Maier, M. Lell, J. Maier & M. Kachelrieß
-
Real‐time estimation of patient‐specific dose distributions for medical CT using the deep dose estimation. Medical Physics, 49(4), 2259-2269.
Maier, Joscha; Klein, Laura; Eulig, Elias; Sawall, Stefan & Kachelrieß, Marc
-
Risk-minimizing tube current modulation (riskTCM) for CT - Potential dose reduction across different tube voltages. ECR 2022.
L. Klein, C. Liu, J. Steidel, L. Enzmann, S. Sawall, J. Maier, A. Maier, M. Lell & M. Kachelrieß
-
Whole-Body Multi-Organ Segmentation Using Anatomical Attention. 2023 IEEE 20th International Symposium on Biomedical Imaging (ISBI), 1-5. IEEE.
Liu, Chang; Denzinger, Felix; Folle, Lukas; Qiu, Jingna; Klein, Laura; Maier, Joscha; Kachelrieβ, Marc; Lell, Micheal & Maier, Andreas
