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-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. / 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-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.
| Identifer | oai:union.ndltd.org:uni-wuerzburg.de/oai:opus.bibliothek.uni-wuerzburg.de:13744 |
| Date | January 2016 |
| Creators | Vaegler, Sven |
| Source Sets | University of Würzburg |
| Language | deu |
| Detected Language | English |
| Type | doctoralthesis, doc-type:doctoralThesis |
| Format | application/pdf |
| Rights | https://opus.bibliothek.uni-wuerzburg.de/doku/lic_mit_pod.php, info:eu-repo/semantics/openAccess |
Page generated in 0.0024 seconds