Bildhantering - med inriktning strålterapi Kurs MR och Strålterapi 12:e november, 2013 Johan Sjöberg, leg. Sjukhusfysiker Johan.sjoberg.ks@gmail.

Bildhantering - med inriktning strålterapi Kurs MR och Strålterapi 12:e november, 2013 Johan Sjöberg, leg. Sjukhusfysiker Johan.sjoberg.ks@gmail.com

Mentometertest Vad är du? 1. MR-fysiker 2. Strålfysiker 3. Onkolog 4. Radiolog 5. Onk-ssk 6. Rtg-ssk 7. Us 8. Annat

Definition Bildinsamling PACS Sekundärgranskning Lagring Andra bildhanteringssystem Forskning Projekt Egna verktyg Kvalitetssäkring Informations- och bildhanteringssystem för strålterapi Segmentering Registrering Dosberäkning Presentation av data

Frågan om sekundärgranskning Bildinsamling MRT-bilderna lagras i PACS och det är viktigt att så sker, de behövs för jämförelse vid senare undersökningar Radiolog KS Sekundärgranskning PACS Lagring Vad skiljer diagnostisk MR från MRiRT (targetdefinition)? Diagnostisk MR Vi söker sjukdomen Patient ligger ej i fixation Dedicerade spolar Många sekvenser av olika karaktär Datainsmaling i olika plan (tra, sag, cor) Geometrisk integritet inte i fokus MR för targetdefinition Vi vet var sjukdomen är Patient ligger i fixation Flex -spolar Få, välvalda sekvenser för ändamålet Endast transversell datainsamling Geometrisk integritet mycket viktigt Process under utveckling behövs göras sekvensoptimering på friska frivilliga skriftlig rutin för sekundärgranskning av radiolog bör finnas

Fixation H&N Process under utveckling behövs göras sekvensoptimering på friska frivilliga skriftlig rutin för sekundärgranskning av radiolog bör finnas

Frågan om sekundärgranskning Bör patientmaterialet också sekundärgranskas av radiolog? 1. Ja, rutinmässigt 2. Ja, under vissa förutsättningar 3. Nej 4. Vet inte

Definition Bildinsamling Informations- och bildhanteringssystem för strålterapi Registrering Segmentering Dosberäkning Presentation av data Första orosmoment: Geometrisk integritet Andra orosmoment: Registreringsosäkerhet Stående orosmoment: Segmentering

Första orosmoment: Geometrisk integritet MR-bilder ljuger alltid: kort om geometrisk distortion 1. Gradientinducerad geometrisk distortion 1 G x Modell Verklighet x 1. Medvetet designade för minska risk för perifer nervstimulering 2. Signal- och positionsdistortion 3. Kan mätas upp med exempelvis grid -fantom a) System (individ)- och sekvensspecifik b) Ej objekt/patientberoende 1 Doran S. J. et al, A complete distortion correction for MR images: I. Gradient Warp Correction, Phys Med Biol 50:1343-131, 2005

Första orosmoment: Geometrisk integritet MR-bilder ljuger alltid: kort om geometrisk distortion 2. Objektinducerade B0-inhomogeniteter 1,2 Magnetfält runt circulär ledare Magnetfält runt spole Idealfallet 1. Designmål motsatta: vettig homogenitet samtidigt som patientvänlig och utrymmesvänlig design 2. Patienten/objektet inducerar ändå inhomogeniteter, trots perfekt statiskt magnetfält 1 Doran S. J. et al, A complete distortion correction for MR images: I. Gradient Warp Correction, Phys Med Biol 50:1343-131, 2005 2 Chang H., Fitzpatrick J. M., Geometrical image transformation to compensate for MRI distortions, Proc. SPIE 1233, Medical Imaging IV,m Image Processing, 116, 1990

Första orosmoment: Geometrisk integritet 2 McFarlane, J. Assessment of geometric distortion as part of quality assurance in multicentre magnetic resonance imaging, IPEM special interest group meeting, 2012

Första orosmoment: Geometrisk integritet 2 McFarlane, J. Assessment of geometric distortion as part of quality assurance in multicentre magnetic resonance imaging, IPEM special interest group meeting, 2012

Första orosmoment: Geometrisk integritet Varför objektinducerade inhomogeniteter? Olika material har olika magnetisk susceptibilitet 3 I gränsskikt mellan material med olika magnetisk susceptibilitet uppstår små lokala magnetfält -> susceptibilitetsartefakt (signaldistortion) Effekten i bilden starkt beroende av sekvenstyp (bandbredd, voxelstorlek, TE, GRE eller SE) Den mest extrema formen är metallartefakten som resulterar i total urfasning av lokala spinn signalförlust 3 Sumanaweera T. S., et al, MR susceptibility misregistration correction, IEEE Trans Med Imaging 12:251-9, 1993

4 Carlsson Å, Susceptibility effects in MRI and 1 H MRS, Doctoral Thesis, University of Gothenburg, ISBN 978-91-628-7688-3, 2009

4 Carlsson Å, Susceptibility effects in MRI and 1 H MRS, Doctoral Thesis, University of Gothenburg, ISBN 978-91-628-7688-3, 2009

Exempel (okorrigerat) 3 Sjöberg J., Dosimetric and geometric evaluation of MRI as the only imaging modality for the radiotherapy treatment process of localized prostate cancer, Master of Science Dissertation, Lund university, 2010 Leverantör A 1,0 T Leverantör B 3,0 T

Vi kan photoshoppa Leverantören erbjuder distortionskorrektion 2D eller 3D Minskar effekten av icke-linjära gradienter Baserar sig på en begränsad teoretisk beskrivning av gradientspolarna Korrigerar inte effekten av patientinducerad inhomogenitet MR-bilder ljuger trots korrektion

Bättre men inte perfekt 2 McFarlane, J. Assessment of geometric distortion as part of quality assurance in multicentre magnetic resonance imaging, IPEM special interest group meeting, 2012

Residual distortion 2 McFarlane, J. Assessment of geometric distortion as part of quality assurance in multicentre magnetic resonance imaging, IPEM special interest group meeting, 2012

Exempel Leverantör A 1,0 T 3 Sjöberg J., Dosimetric and geometric evaluation of MRI as the only imaging modality for the radiotherapy treatment process of localized prostate cancer, Master of Science Dissertation, Lund university, 2010

Exempel (korrigerat) Leverantör B 3,0 T WIP Karolinska

Exempel 5 Karger C. P., et al, Accuracy of device-specific 2D and 3D image distortion correction algorithms for magnetic resonance imaging of the head provided by a manufacturer, Phys Med Biol 51:253-261, 2006

Hur förhåller ni er på eran site till geometrisk distortion för MRiRT? 1. Vi har kvantifierat den och inkorporerat den i PTVmarginalerna 2. Vi har kvantifierat den och inte inkorporerat den i PTVmarginalerna 3. Vi är medvetna om problemet men kör ändå utan ändring av PTVmarginalerna 4. Vi är inte medvetna om problemet och har kört på ändå 5. Arbetar inte med MRiRT (än)

Hur förhålla sig till geometriska felet för MRiRT? Kvantifiera totala geometriska felet a) Mät upp GDC-algoritmens prestanda i tre dimensioner över hela användbara FOV i. Se NEMA-standard MS-12 2010 b) Uppskatta felet (storleksordning) från susceptibilitetsgränsskikt i. Idéer? ii. Enkla fantomstudier med olika geometrier? iii. Studier med antropomorfiska fantom? iv. Simuleringar? Korrigera!

WIP: GEODIST 2D Presentation av data enligt internationell standard Presentation enligt NEMA-standard WIP Karolinska: 50x50x50 cm 3 3D-fantom, 86650 kontrollpunkter

3D och stort FoV Presentation av data enligt internationell standard 2 McFarlane, J. Assessment of geometric distortion as part of quality assurance in multicentre magnetic resonance imaging, IPEM special interest group meeting, 2012

Efterföljande korrigering Två syften med uppmätningen medels fantom QA Input till korrigeringsalgoritm för gradienternas ickelinjäritet, se bl.a. Doran et al, 2005 Patientspecifik korrigering (B0-inhomogeniteter) Reverserad utläsningsgradient, se Chang & Fitzpatrick, 1992 samt Reinsberg et al, 2005 Geometrisk integritet motsvarande CT 3 Reinsberg S. A., et al, A complete distortion correction for MR images: II. Rectification of static-field inhomogeneities by similarity-based profile mapping, Phys Med Biol 50:2651-61, 2005

Andra orosmoment: Registrering CT T2-viktad TSE Definition: Två eller flera bilddataset med olika referenssystem sammanförs i ett gemensamt referenssystem Rigid (translation, rotation) samt deformabel registrering Punktbaserad (markörer, fördefinierade eller av användaren definierade) Signalintensitet och/eller signalgradienter (ex. mutual information) Manuell

Utmaningar CT ideal MR ideal CT real MR real Streckartefakter Photon depletion Beam hardening Olika signalintensiteter för olika vävnader Kortikala benet syns på CT mkt väl Syns inte alls på MR, vi ser fett- och vatteninnehållet i benmärgen Artefakter, falsk information Dancing prostate, olika blås- och tarmfyllnad, patientrörelse Gibbs-ringningar Rörelseartefakter Kemiskt skift Susceptibilitetsartefakter Flödesartefakter Ghosting Interferenslinjer Distortion

Exempel för bäcken

För rigid registrering Registreringsalgoritmen kan inte ta hänsyn till dessa fenomen Falsk information påverkar målfunktionen, optimeringen konvergerar inte mot det optimala resultatet Registreringsosäkerhet Dessutom: Vilken är den optimala volymen att registrera över? Vilka är de optimala registreringsparametrarna? Vilken är den optimala pulssekvensen? Ska vi registrera med markörer för prostata? Andra siter? Registrera på ben? Mjukvävnad? Vilken? Vad är en bra registrering?

Exempel för bäcken Bra registrering Kvalitetssäkring? Dålig registrering Konsekvens: Systematiskt geometriskt fel

Vem bör utföra registreringen och vem bör granska och godkänna den? 1. Doktor/Doktor 2. SSK/Doktor 3. SSK/Fysiker 4. Fysiker/Doktor 5. Fysiker/Fysiker 6. Andra

Registreringsosäkerhet Automatisk rigid registrering Observationer och slutsatser: 1. Tung penalty i optimeringsalgoritmen på felregistreringar av benstrukturer p.g.a. kraftiga signalgradienter I. Bra registreringkvalitet för skelettstrukturer med låg variabilitet 2. Blåsan hopplöst organ 3. Avvikelser i kroppskontur kanske ej av stor vikt idag 4. Mjukvävnadsavvikelser av problematisk storleksordning och variabilitet Blåsa Kroppskontur Fett/muskelgränser Höftkulor Patient # AP [mm] Lat [mm] CC [mm] Max [mm] Max [mm] Max [mm] 1 6 4 4 13 0 0 2 1 8 16 10 7 0 3 6 6 17 10 0 0 4 7 7 6 17 6 0 5 22 11 17 5 7 0 6 20 8 14 9 4 0 7 39 8 10 12 4 0 8 20 17 14 8 4 4 9 1 9 1 14 5 0 10 15 15 22 23 6 0 11 7 6 17 22 27 0 12 13 14 29 37 35 22 10 0 15 20 16 27 26 14 0 16 8 7 21 25 14 0 17 16 17 35 11 6 0 18 12 20 27 9 0 0 19 3 4 2 8 12 2 20 9 5 5 6 4 0 21 12 7 8 8 3 0 22 5 4 14 3 3 0 23 21 7 7 22 7 0 24 30 5 7 10 5 0 25 11 7 29 7 6 0 26 14 7 12 2 7 0 27 1 1 1 3 10 0 28 11 10 8 35 10 0 Medel 13 10 14 13 7 0 SD 10 7 10 8 6 1

Stor signalgradient mellan kortikala benet (urfasat) och omgivande strukturer Registreringsunderlag Karolinska

Preliminära resultat Kroppskontur Fett/muskelgränser Höftkulor Max [mm] Max [mm] Max [mm] Observationer och slutsatser: 1. Registreringskvalitén generellt sämre 13 3 0 11 5 4 20 14 7 7 6 0 7 7 6 33 7 4 15 15 12 7 6 5 Leder till två möjliga utfall: 15 13 12 19 19 10 Medel 15 10 6 SD 8 5 4

Registreringskvalité Courtesy of Ingmar Lax Courtesy of Ingmar Lax Registrering på skelett: Bra, konsekvent registreringskvalitet för skelett, sämre för andra organ Registrering på markörer: Prostata bra överensstämmelse, sämre för allt annat Leder till följande slutsats:

Registreringskvalité Dosfördelningen och strukturerna bör vid dosplanrond alltid visas på det bildunderlag strukturerna är ritade på.

Inte framtidens strategi 1. Registreringsförfarandet CT/MR är en övergångsperiod 2. Framtiden (spekulation): Görs ingen CT alls om inte MR är kontraindicerat MR/PET för targetdefinition samt noninvasiv responsutvärdering (tidig för adaptiv behandling, sen för uppföljning) och MR-Linac med Target Tracking

Segmentering Manuell segmentering aka Paint Onkologen ritar manuellt in strukturer, snitt för snitt Volymer interpoleras Tidskrävande = dyrt Stort operatörsberoende Funktioner utan formell kunskap om radiologi ritar ibland Remittenter Onkologer (utan MR-utb) på MR-bilder

Intra-observatörvariation 3 Nyholm T. et al, Variability in prostate and seminal vesicle delineations defined on magnetic resonance images, a multi-observer, -center and sequence study, Radiat Oncol 8:126, 2013

Segmentering (Semi-) Automatisk segmentering 3-6 : Idé: Låt en dator modellera patienten - Atlasbaserade, region-growing m.fl. - Låt onkologen istället kvalitetssäkra och finjustera vid behov - Enkelt för CT (fyra grundkontraster) - Lite knepigare för MR - Syfte: effektivitet 3 Bondiau P. U. et al, Atlas-based automatic segmentation of MR images: validation study on the brainstem in radiotherapy context, Int J Radiat Oncol Biol Phys 61:289-98, 2005 4 Mikheev A. et al, Fully automatic segmentation of the brain from T1-weighted MRI using Bridge-Burner algorithm, J Magn Reson Imaging 27:1235-1241, 2008 5 Pasquier D. et al, Automatic segmentation of pelvic structures from magnetic resonance images for prostate cancer radiotherapy, Int J Radiat Oncol Biol Phys 68:592-600, 2007 6 Klein S. et al, Automatic segmentation of the prostate in 3D MR images by atlas matching using localized mutual information, Med Phys 35:1407-17, 2008

Kommersiella lösningar

Slutsatser 1. Bra förutsättningar för lyckad integration av MRiRT: Förstå att MRiRT på riktigt är ett relativt nytt fält, finns inget facit, inte självklart, inte bara trycka på knapp, måste kompetensförsörjas, många obesvarade icke-triviala frågeställningar Ha en multidisciplinär arbetsgrupp med prioriterings- och beslutsrätt Radiolog, Onkolog, Strålfysiker, MR-fysiker, ONK/MR-ssk, representation från ledning MEN det är naturligtvis bättre att köpa en MR än att inte göra det! 2. Kvalitetssäkring/rutinetablering för bildflödet/hanteringen får inte förbises Kartläggning av adderade/subtraherade osäkerheter för ställningstagande till PTV-marginaler (riskanalys?) Förankrade, skriftliga rutiner över ansvarsfördelning vad gäller registrering

Tack för mig