edoc

Respiratory-induced organ motion compensation for MRgHIFU

Arnold, Patrik. Respiratory-induced organ motion compensation for MRgHIFU. 2012, Doctoral Thesis, University of Basel, Faculty of Medicine.

[img]
Preview
PDF
5Mb

Official URL: http://edoc.unibas.ch/diss/DissB_10409

Downloads: Statistics Overview

Abstract

Summary: High Intensity Focused Ultrasound is an emerging non-invasive technology for the precise
thermal ablation of pathological tissue deep within the body. The fitful, respiratoryinduced
motion of abdominal organs, such as of the liver, renders targeting challenging.
The work in hand describes methods for imaging, modelling and managing respiratoryinduced
organ motion. The main objective is to enable 3D motion prediction of liver
tumours for the treatment with Magnetic Resonance guided High Intensity Focused Ultrasound
(MRgHIFU).
To model and predict respiratory motion, the liver motion is initially observed in 3D
space. Fast acquired 2D magnetic resonance images are retrospectively reconstructed
to time-resolved volumes, thus called 4DMRI (3D + time). From these volumes, dense
deformation fields describing the motion from time-step to time-step are extracted using
an intensity-based non-rigid registration algorithm. 4DMRI sequences of 20 subjects,
providing long-term recordings of the variability in liver motion under free breathing,
serve as the basis for this study.
Based on the obtained motion data, three main types of models were investigated and
evaluated in clinically relevant scenarios. In particular, subject-specific motion models,
inter-subject population-based motion models and the combination of both are compared
in comprehensive studies. The analysis of the prediction experiments showed that
statistical models based on Principal Component Analysis are well suited to describe
the motion of a single subject as well as of a population of different and unobserved
subjects. In order to enable target prediction, the respiratory state of the respective
organ was tracked in near-real-time and a temporal prediction of its future position is
estimated. The time span provided by the prediction is used to calculate the new target
position and to readjust the treatment focus. In addition, novel methods for faster
acquisition of subject-specific 3D data based on a manifold learner are presented and
compared to the state-of-the art 4DMRI method.
The developed methods provide motion compensation techniques for the non-invasive
and radiation-free treatment of pathological tissue in moving abdominal organs for
MRgHIFU. ---------- Zusammenfassung: High Intensity Focused Ultrasound ist eine aufkommende, nicht-invasive Technologie
für die präzise thermische Zerstörung von pathologischem Gewebe im Körper. Die
unregelmässige ateminduzierte Bewegung der Unterleibsorgane, wie z.B. im Fall der
Leber, macht genaues Zielen anspruchsvoll. Die vorliegende Arbeit beschreibt Verfahren
zur Bildgebung, Modellierung und zur Regelung ateminduzierter Organbewegung.
Das Hauptziel besteht darin, 3D Zielvorhersagen für die Behandlung von Lebertumoren
mittels Magnetic Resonance guided High Intensity Focused Ultrasound
(MRgHIFU) zu ermöglichen.
Um die Atembewegung modellieren und vorhersagen zu können, wird die Bewegung
der Leber zuerst im dreidimensionalen Raum beobachtet. Schnell aufgenommene 2DMagnetresonanz-
Bilder wurden dabei rückwirkend zu Volumen mit sowohl guter zeitlicher
als auch räumlicher Auflösung, daher 4DMRI (3D + Zeit) genannt, rekonstruiert.
Aus diesen Volumen werden Deformationsfelder, welche die Bewegung von Zeitschritt
zu Zeitschritt beschreiben, mit einem intensitätsbasierten, nicht-starren Registrierungsalgorithmus
extrahiert. 4DMRI-Sequenzen von 20 Probanden, welche Langzeitaufzeichungen
von der Variabilität der Leberbewegung beinhalten, dienen als Grundlage für
diese Studie.
Basierend auf den gewonnenen Bewegungsdaten wurden drei Arten von Modellen
in klinisch relevanten Szenarien untersucht und evaluiert. Personen-spezifische Bewegungsmodelle,
populationsbasierende Bewegungsmodelle und die Kombination beider
wurden in umfassenden Studien verglichen. Die Analyse der Vorhersage-Experimente
zeigte, dass statistische Modelle basierend auf Hauptkomponentenanalyse gut geeignet
sind, um die Bewegung einer einzelnen Person sowie einer Population von unterschiedlichen
und unbeobachteten Personen zu beschreiben. Die Bewegungsvorhersage basiert
auf der Abschätzung der Organposition, welche fast in Echtzeit verfolgt wird. Die durch
die Vorhersage bereitgestellte Zeitspanne wird verwendet, um die neue Zielposition zu
berechnen und den Behandlungsfokus auszurichten. Darüber hinaus werden neue Methoden
zur schnelleren Erfassung patienten-spezifischer 3D-Daten und deren Rekonstruktion
vorgestellt und mit der gängigen 4DMRI-Methode verglichen. Die entwickelten Methoden beschreiben Techniken zur nichtinvasiven und strahlungsfreien
Behandlung von krankhaftem Gewebe in bewegten Unterleibsorganen mittels
MRgHIFU.
Advisors:Cattin, Philippe C.
Committee Members:Lomax, Anthony
Faculties and Departments:03 Faculty of Medicine > Departement Biomedical Engineering > Imaging and Computational Modelling > Center for medical Image Analysis & Navigation (Cattin)
Item Type:Thesis
Thesis Subtype:Doctoral Thesis
Thesis no:10409
Thesis status:Complete
Number of Pages:96 S.
Language:English
Identification Number:
edoc DOI:
Last Modified:23 Feb 2018 13:24
Deposited On:29 Jul 2013 14:10

Repository Staff Only: item control page