polito.it
Politecnico di Torino (logo)

Sviluppo di un algoritmo di registrazione non rigida mediante calcolo del campo di deformazione in volumi TC testa-collo = Development of a non-rigid registration algorithm by calculating the deformation field in head-neck CT volumes

Fabio Lobascio

Sviluppo di un algoritmo di registrazione non rigida mediante calcolo del campo di deformazione in volumi TC testa-collo = Development of a non-rigid registration algorithm by calculating the deformation field in head-neck CT volumes.

Rel. Filippo Molinari, Nicola Michielli. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Biomedica, 2020

[img]
Preview
PDF (Tesi_di_laurea) - Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives.

Download (4MB) | Preview
Abstract:

La radioterapia guidata da immagini, che sfrutta le moderne tecniche di imaging per migliorare la localizzazione delle lesioni durante le sessioni di radioterapia. I tessuti infatti sono soggetti a variazioni di forma e localizzazione nel tempo, specie durante i periodi che trascorrono tra le varie sessioni di radioterapia. Il posizionamento del paziente, i processi anatomici che avvengono dopo ogni sessione di radioterapia a fronte del trattamento stesso e i processi di evoluzione dei tessuti patologici, si concretizzano nella problematica definita “organ motion”. Ad ogni nuova sessione, i tessuti risultano deformati rispetto alla precedente, quindi nella fase di pianificazione del trattamento vengono spesso introdotti dei margini di sicurezza entro i quali si ha la certezza di irradiare il tessuto bersaglio a fronte di una somministrazione di una dose non necessaria ai tessuti sani adiacenti. Per compensare l’organ motion si impiegano tecniche di deformable image registration (DIR). La registrazione di immagini prevede una scansione TC del paziente prima di ogni sessione ed il confronto di questa con la scansione acquisita alla sessione precedente. Quello che si ottiene è un campo vettoriale di forze detto deformation vector field (DVF), che quantifica lo spostamento dei tessuti avvenuto durante il periodo che intercorre tra le due sessioni. Nonostante le scansioni a raggi X somministrino una certa quantità di dose ai tessuti sani, le tecniche DIR permettono di ridurre notevolmente i margini di sicurezza, fornendo complessivamente una dose minore. Infatti, la dose fornita da una tecnica di imaging è comunque di diversi ordini di grandezza inferiore ad una dose somministrata tramite radioterapia esterna. Il lavoro proposto mira all’implementazione di un algoritmo basato sul metodo dei ”Demons” , in analogia con la teoria termodinamica di Maxwell, con l’obiettivo di ottenere una registrazione di fette TC del distretto testa-collo mediante il calcolo del DVF diretto e inverso. I campi sono stati calcolati su fantocci forniti dall’azienda Tecnologie Avanzate, in collaborazione con i fisici sanitari dell’ospedale Molinette di Torino. I fantocci utilizzati come training set sono di due tipologie: fantocci geometrici per la prima fase di sviluppo dell’algoritmo, e fantocci testa-collo per l’ottimizzazione e la validazione per casistiche più simili ad un caso reale. L’algoritmo è stato validato con le metriche che valutano la bontà dell’immagine registrata (errore quadratico medio, informazione mutua e coefficiente di cross-correlazione) e della realizzabilità del campo di deformazione (determinante jacobiano del campo, inverse consistency error). Le modifiche apportate al metodo classico presente in letteratura, prevedono un’analisi multi-risoluzione delle immagini per evitare la presenza di punti di singolarità del campo e un’ottimizzazione del calcolo basata sull’inverse consistency error. Sono stati ottenuti dei risultati soddisfacenti sia in termini di qualità dell’immagine registrata (buona sovrapponibilità con l’originale, differenza di intensità trascurabile e distribuzioni di intensità paragonabili) che in termini di realizzabilità del campo (invertibilità, assenza di singolarità). Lo studio può essere aperto a vari miglioramenti, che vanno dall’implementazione di un approccio ROI-based a quello di funzioni di ottimizzazione più complesse, per esempio mediante approcci basati sul deep learning.

Relatori: Filippo Molinari, Nicola Michielli
Anno accademico: 2019/20
Tipo di pubblicazione: Elettronica
Numero di pagine: 58
Soggetti:
Corso di laurea: Corso di laurea magistrale in Ingegneria Biomedica
Classe di laurea: Nuovo ordinamento > Laurea magistrale > LM-21 - INGEGNERIA BIOMEDICA
Aziende collaboratrici: NON SPECIFICATO
URI: http://webthesis.biblio.polito.it/id/eprint/13750
Modifica (riservato agli operatori) Modifica (riservato agli operatori)