Sommation spatio-temporelle d’images 4D du thorax pour le cumul rétrospectif des doses en radiothérapie du poumon

Sommation spatio-temporelle d’images 4D du thorax pour le cumul rétrospectif des doses en radiothérapie du poumon

• Laurent ZAGNI,

• INSA, département Informatique, 5ème année

• MASTer Recherche InformAtique de Lyon,

• mention Informatique Graphique et Images

• Encadrant : David SARRUT

Plan

• Introduction

• Laboratoire d’accueil
• Contexte de la recherche

• Contexte scientifique

• Travaux

• Conclusion et perspectives

I. Introduction (1/3) Mon laboratoire d’accueil

• Centre Léon-Bérard

• Centre régional de lutte contre le cancer, 1000 employés, 150 chercheurs, établissement privé à but non lucratif.
• Trois missions : les soins, la recherche et l’enseignement

• Equipe Rayonnement, Images, Oncologie

• Equipe pluridisciplinaire (physiciens médicaux, médecins, informaticiens).
• 3 axes
• 1. Acquisition d'images TDM 4D
• 2. Prédiction de la dose portale par simulation Monte Carlo
• 3. Modélisation du thorax respirant par recalage déformable et dosimétrie 4D

I. Introduction (2/3) Contexte de recherche

• La radiothérapie :
• Technique de traitement du cancer (2/3 des malades du cancer)
• Délivrer au moyen de photons et/ou d’électrons une dose (énergie déposée par unité de masse) dans un volume tumoral tout en épargnant au maximum les tissus sains

I. Introduction (3/3) Contexte de recherche

• On cherche à prévoir les doses déposées dans le thorax du patient pendant son traitement

• Etat actuel : on est capable de simuler un traitement sur des cibles (tumeurs) statiques.
• Objectif : simuler sur des cibles dynamiques -> Distribution Dynamique de Doses
• Méthode : sommer les doses connues à des instants intermédiaires du cycle respiratoire

• Mise en jeu de plusieurs travaux précédents de l'équipe :

• Acquisition d’images 4D représentant explicitement le mouvement
• Simulation de traitement par méthodes Monte Carlo
• Recalage d'images scanner 4D (3D+T) du thorax pour connaître les déformations induites par la respiration.

Plan

• Introduction

• Contexte scientifique

• Images tomodensitométriques 4D
• Champs de déformation du thorax
• Signaux respiratoires
• Cumul de doses

• Travaux

• Conclusion et Perspectives

II. Contexte scientifique (1/7)

II. Contexte (2/7) Images TDM 4D

• Image TDM 4D = n images 3D au long d’un cycle respiratoire

• Un moyen de visualiser le mouvement des cibles en radiothérapie (Keall, 2004)

• Acquisition scanner + signal respiratoire (Vedam et al., 2003)

II. Contexte (3/7) Images TDM 4D

II. Contexte (4/7) Champ de déformation du thorax

• Recalage déformable:

• Thorax : mouvement complexe et irrégulier
• Calcule déformations locales - le mouvement de déformation des différents organes au cours de la respiration.

• Les champs de déformation entre

• les images sur lesquelles les distributions de doses statiques ont été calculées,
• l’image de référence sur laquelle on va sommer les doses.

II. Contexte (5/7) Champ de déformation du thorax

II. Contexte (6/7) Signaux respiratoires

II. Contexte (7/7) Cumul de doses

• Prise en compte des déplacements et des déformations des voxels (éléments tissulaires) pendant le traitement.

• Matériel:
• Image TDM 4D de la respiration du patient à différentes phases
• Champs de déformation entre les images
• Calcul de doses dynamiques par suivi de voxels:
• Direct -> Monte Carlo 4D (Paganetti et al. 2004, Heath et Seuntjens, 2006)
• Rétrospectif (Shaly et al., 2004 et Rosu et al., 2005)

Plan

• Introduction

• Contexte

• Etudes

• Pondération temporelle d’images à partir d’un signal respiratoire irrégulier
• Intégration spatiale des images – conservation des masses pendant la déformation

• Conclusion et perspectives

III. Etude A (1/11)

• Pondération temporelle d’images à partir d’un signal respiratoire irrégulier

• Pondération temporelle :

• pour chaque image -> temps passé par le patient dans la position correspondante à cette image

• = probabilité que le patient soit dans cette position

• Objectif : Evaluer le nombre minimal de cycles pour pouvoir considérer la pondération de façon statistique.

III. Etude A (2/11) Signaux modélisés

• Modèle de Lujan et al. (1999):

• Sinusoïde asymétrique:

• Etude de George et al. (2005): calcule les 3 paramètres sur plusieurs cycles de 24 patients (n fixé à 1)

III. Etude A (3/11) Génération aléatoire d’un signal continu irrégulier

• relation entre b et z0 -> paramètres non indépendants

IV. Etude A (5/11) Calcul du poids d’une image triée en amplitude

IV. Etude A (6/11) Calcul du poids d’une image triée en phase

IV. Etude A (7/11) Calcul du poids d’une image triée en phase

IV. Etude A (8/11) Expérimentations

• On évalue sur un signal de 1 à 1000 cycles, les poids pour chaque cycle (10 images)

• Moyenne des écarts types des poids en fonction du nombre de cycles

IV. Etude A (9/11) Résultats convergence

• Moyenne des écarts types des poids en fonction du nombre de cycles

IV. Etude A (10/11) Résultats convergence

IV. Etude A (11/11) Conclusion

IV. Etude B (1/7)

• Intégration spatiale des images – conservation des masses pendant la déformation

• Conservation des masses  conservation des doses

• Objectif : Evaluer le respect des masses dans les anatomies entre les images avant et après la déformation.
• Utilité du Jacobien du champ de déformation pour le calcul des nouvelles valeurs des voxels.

IV. Etude B (2/7) Conservation des doses pendant la déformation

• Deux approches pour estimer la dose reçue à l’inspiration par chaque voxel de la grille d’expiration (Rosu et al., 2005)

• Approximation directe
• Approximation affinée

IV. Etude B (3/7) Conservation des masses pendant la déformation

• Matériel :

• Image TDM 4D (Massachusetts General Hospital, Boston)

• 398*256*88 voxels (dx = 0.97656, dy = 0.97656 et dz = 2.5)
• 6 images = 1 image de fin d’inspi + 1 image de fin d’expi + 4 d’expiration

• Champ de déformation

• Backward mapping, lissage gaussien

IV. Etude B (4/7) Conservation des masses

• Méthode :

• Jacobien du champ de déformation :

• Valeurs des Jacobiens :

• >1 : dilatation
• < 1 : contraction
• =1 : volume identique
• = ou < 0 : valeur fausse, affectation de valeur par défaut (0)

• Utilisation du Jacobien pour le calcul de l’image déformée (en HU pour les images TDM)

IV. Etude B (5/7) conservation des masses

IV. Etude B (6/7) Conservation des masses

IV. Etude B (7/7) Conclusion

• Apport du Jacobien pour la conservation des masses

• Amélioration montrée sur une séquence d’images d’un patient (6 images d’expiration)
• Influence du mode d’interpolation sur la conservation des masses encore inconnue -> nécessité de tester d’autres interpolateurs (Lehmann et al., 1999, Rosu et al.)
• les bornes du Jacobien nécessiteraient aussi une étude supplémentaire

Plan

• Introduction

• Contexte

• Etat de l’Art

• Etudes

• Conclusion et perspectives

• Conclusion générale
• Perspectives

V. Conclusion (1/2)

• Contexte :

• Cumul rétrospectif de doses

• Etude A :

• Etude quantitative du nombre de cycles pour que les poids convergent sur un signal irrégulier
• Tri en phase ou en pourcentage d'amplitude : autour de 120 cycles, tri en amplitude : autour de 600 cycles.
• Signal régulier (Craig et al., 2001) : environ 350 cycles.

• Etude B :

• Conservation des masses  conservation des doses
• Apport du Jacobien montré sur une séquence d’images d’un patient (6 images d’expiration)

V. Conclusion (2/2) Perspectives

• Etude A

• Valider l’étude des erreurs sur les poids pour un nombre de cycles correspondant à quelques fractions ou à tout le traitement.

• Etude B

• Valider l’hypothèse de la meilleure conservation des masses avec un échantillon plus grand de patients.
• Influence de l’interpolateur? (Rosu et al., 2005)
• Approche locale de l’étude du Jacobien

• Travail sur les doses : nombre de doses statiques minimum pour construire une dose dynamique (Flampouri et al., 2006)

Références