Entwicklung eines neuen vorwissensbasierten Bildrekonstruktionsalgorithmus für die Cone-Beam-CT Bildgebung in der Strahlentherapie

Development of a new prior knowledge based image reconstruction algorithm for the cone-beam-CT in radiation therapy

Please always quote using this URN: urn:nbn:de:bvb:20-opus-137445
  • In der heutigen Strahlentherapie kann durch eine am Linearbeschleuniger integrierte Röntgenröhre eine 3D-Bildgebung vor der Bestrahlung durchgeführt werden. Die sogenannte Kegel-Strahl-CT (Cone-Beam-CT, CBCT) erlaubt eine präzise Verifikation der Patientenlagerung sowie ein Ausgleich von Lagerungsungenauigkeiten. Dem Nutzen der verbesserten Patientenlagerung steht jedoch bei täglicher Anwendung eine erhöhte, nicht zu vernachlässigbare Strahlenexposition des Patienten gegenüber. Eine Verringerung des Dosisbeitrages bei der CBCT-BildgebungIn der heutigen Strahlentherapie kann durch eine am Linearbeschleuniger integrierte Röntgenröhre eine 3D-Bildgebung vor der Bestrahlung durchgeführt werden. Die sogenannte Kegel-Strahl-CT (Cone-Beam-CT, CBCT) erlaubt eine präzise Verifikation der Patientenlagerung sowie ein Ausgleich von Lagerungsungenauigkeiten. Dem Nutzen der verbesserten Patientenlagerung steht jedoch bei täglicher Anwendung eine erhöhte, nicht zu vernachlässigbare Strahlenexposition des Patienten gegenüber. Eine Verringerung des Dosisbeitrages bei der CBCT-Bildgebung lässt sich durch Reduzierung des Stroms zur Erzeugung der Röntgenstrahlung sowie durch Verringerung der Anzahl an Projektionen erreichen. Die so aufgenommen Projektionen lassen sich dann aber nur durch aufwendige Rekonstruktionsverfahren zu qualitativ hochwertigen Bilddatensätzen rekonstruieren. Ein Verfahren, dass für die Rekonstruktion vorab vorhandene Vorwissensbilder verwendet, ist der Prior-Image- Constrained-Compressed-Sensing-Rekonstruktionsalgorithmus (PICCS). Die Rekonstruktionsergebnisse des PICCS-Verfahrens übertreffen die Ergebnisse des auf den konventionellen Feldkamp-Davis-Kress-Algorithmus (FDK) basierenden Verfahrens, wenn nur eine geringe Anzahl an Projektionen zur Verfügung steht. Allerdings können bei dem PICCS-Verfahren derzeit keine großen Variationen in den Vorwissensbildern berücksichtigt werden und führen zu einer geringeren Bildqualität. Diese Variationen treten insbesondere durch anatomische Veränderungen wie Tumorverkleinerung oder Gewichtsveränderungen auf. Das Ziel der vorliegenden Arbeit bestand folglich darin, einen neuen vorwissensbasierten Rekonstruktionsalgorithmus zu entwickeln, der auf Basis des PICCS-Verfahrens zusätzlich die Verwendung von lokalen Verlässlichkeitsinformationen über das Vorwissensbild ermöglicht, um damit die Variationen in den Vorwissensbildern bei der Rekonstruktion entsprechend berücksichtigen zu können. Die grundlegende Idee des neu entwickelten Rekonstruktionsverfahrens ist die Annahme, dass die Vorwissensbilder aus Bereichen mit kleinen und großen Variationen bestehen. Darauf aufbauend wird eine Gewichtungsmatrix erzeugt, die die Stärke der Variationen des Vorwissens im Rekonstruktionsalgorithmus berücksichtigt. In Machbarkeitsstudien wurde das neue Verfahren hinsichtlich der Verbesserung der Bildqualität unter Berücksichtigung gängiger Dosisreduzierungsstrategien untersucht. Dazu zählten die Reduktion der Anzahl der Projektionen, die Akquisition von Projektionen mit kleinerer Fluenz sowie die Verkleinerung des Akquisitionsbereiches. Die Studien erfolgten an einem Computerphantom sowie insbesondere an experimentellen Daten, die mit dem klinischen CBCT aufgenommen worden sind. Zum Vergleich erfolgte die Rekonstruktion mit dem Standardverfahren basierend auf der gefilterten Rückprojektion, dem Compressed Sensing- sowie dem konventionellen PICCS-Verfahren. Das neue Verfahren konnte in den untersuchten Fällen Bilddatensätze mit verbesserter bis ausgezeichneter Qualität rekonstruieren, sogar dann, wenn nur eine sehr geringe Anzahl an Projektionen oder nur Projektionen mit starkem Rauschen zur Verfügung standen. Demgegenüber wiesen die Rekonstruktionsergebnisse der anderen Algorithmen starke Artefakte auf. Damit eröffnet das neu entwickelte Verfahren die Möglichkeit durch die Integration von Zuverlässigkeitsinformationen über die vorhandenen Vorwissensbildern in den Rekonstruktionsalgorithmus, den Dosisbeitrag bei der täglichen CBCT-Bildgebung zu minimieren und eine ausgezeichnete Bildqualität erzielen zu können.show moreshow less
  • The treatment of cancer in radiation therapy is achievable today by techniques that enable highly conformal dose distributions and steep dose gradients. In order to avoid mistreatment, these irradiation techniques have necessitated enhanced patient localization techniques. With an integrated x-ray tube at modern linear accelerators kV-projections can be acquired over a sufficiently large angular space and can be reconstructed to a volumetric image data set from the current situation of the patient prior to irradiation. The so-calledThe treatment of cancer in radiation therapy is achievable today by techniques that enable highly conformal dose distributions and steep dose gradients. In order to avoid mistreatment, these irradiation techniques have necessitated enhanced patient localization techniques. With an integrated x-ray tube at modern linear accelerators kV-projections can be acquired over a sufficiently large angular space and can be reconstructed to a volumetric image data set from the current situation of the patient prior to irradiation. The so-called Cone-Beam-CT (CBCT) allows a precise verification of patient positioning as well as adaptive radiotherapy. The benefits of an improved patient positioning due to a daily performed CBCT's is contrary to an increased and not negligible radiation exposure of the patient. In order to decrease the radiation exposure, substantial research effort is focused on various dose reduction strategies. Prominent strategies are the decrease of the charge per projection, the reduction of the number of projections as well as the reduction of the acquisition space. Unfortunately, these acquisition schemes lead to images with degraded quality with the widely used Feldkamp-Davis-Kress image reconstruction algorithm. More sophisticated image reconstruction techniques can deal with these dose-reduction strategies without degrading the image quality. A frequently investigated method is the image reconstruction by minimizing the total variation (TV), which is also known as Compressed Sensing (CS). A Compressed Sensing-based reconstruction framework that includes prior images into the reconstruction algorithm is the Prior-Image-Constrained- Compressed-Sensing algorithm (PICCS). The images reconstructed by PICCS outperform the reconstruction results of the conventional Feldkamp-Davis-Kress algorithm (FDK) based method if only a small number of projections are available. However, a drawback of PICCS is that major deviations between prior image data sets and the follow up reconstructed images are not appropriate considered so far. These deviations may result from changes in anatomy including tumour shrinkage and loss of weight and may result in a degraded image quality of the reconstructed images. Deformable registration methods that adapt the prior images adequately can compensate this shortcoming of PICCS. Such registration techniques, however, suffer from limited accurateness and much higher computation time for the overall reconstruction process. Therefore, the aim of this thesis was to develop a new knowledge-based reconstruction algorithm that incorporates additionally local dependent reliability information about the prior images into reconstruction algorithm. The basic idea of the new algorithm is the assumption that the prior images are composed of areas with large and of areas with small deviations. Accordingly, the areas of the prior image were assigned as variable where substantial deformations due to motion or change in structure over the time series were expected. Hence, these regions were not providing valuable structural information for the anticipated result anymore. In contrast, “a priori” information was assigned to structurally stationary areas where no changes were expected. Based on this composition, a weighting matrix was generated that considers the strength of these variations during reconstruction. The new algorithm was tested in different feasibility studies to common dose reduction strategies. These dose reduction strategies includes the reduction of the number of projections, the acquisition of projections with strong noise and the reduction of the acquisition space. The main aim of this work was to demonstrate the gain of image quality when prior images with major variations are used compared to standard reconstruction techniques. The studies were performed with a computer phantom, and in particular with experimental data that have been acquired with the clinical CBCT. The new reconstruction framework yields images with substantially improved quality even when only a very small number of projections or projections with high noise were available. These images contained less streaking, blurring and inaccurately reconstructed structures compared to the images reconstructed by FDK, CS and conventional PICCS. In conclusion, the new developed reconstruction framework indicate the potential to lowering the radiation dose to the patient due to daily CBCT imaging while maintaining good image quality.show moreshow less

Export metadata

Additional Services

Share in Twitter Search Google Scholar Statistics
Metadaten
Author: Sven Vaegler
URN:urn:nbn:de:bvb:20-opus-137445
Document Type:Doctoral Thesis
Granting Institution:Universität Würzburg, Graduate Schools
Faculties:Graduate Schools / Graduate School of Science and Technology
Referee:Prof. Dr. Otto Sauer, Prof. Dr. Herbert Köstler, Prof. Dr. Bastian von Harrach
Date of final exam:2016/07/08
Language:German
Year of Completion:2016
Sonstige beteiligte Institutionen:Experimental Radiation Oncology, Department of Radiation Oncology, University Medical Center Mannheim
Dewey Decimal Classification:6 Technik, Medizin, angewandte Wissenschaften / 61 Medizin und Gesundheit / 610 Medizin und Gesundheit
GND Keyword:Strahlentherapie; Computertomografie; Bildrekonstruktion
Tag:Komprimierte Abtastung; Vorwissen
Compressed Sensing; Cone Beam CT; PICCS; Prior Knowledge
CCS-Classification:I. Computing Methodologies / I.4 IMAGE PROCESSING AND COMPUTER VISION (REVISED) / I.4.5 Reconstruction / Summation methods**
PACS-Classification:80.00.00 INTERDISCIPLINARY PHYSICS AND RELATED AREAS OF SCIENCE AND TECHNOLOGY / 87.00.00 Biological and medical physics / 87.59.-e X-ray imaging / 87.59.B- Radiography / 87.59.bd Computed radiography
Release Date:2016/08/24
Licence (German):License LogoDeutsches Urheberrecht mit Print on Demand