English Title: Fast MR Imaging and Tumor Tracking for MR-guided Radiotherapy

Preview

PDF, German - main document Download (17MB) | Terms of use

Abstract

Die Kombination eines Magnetresonanztomographen mit einem Linearbeschleuniger zu einem Hybridsystem (MR-Linac) ermöglicht die Verfolgung der Tumorposition in Echtzeit während einer Strahlentherapieanwendung. Hierdurch kann die Bestrahlung unterbrochen werden, sobald sich ein Tumor aus seinem Zielvolumen herausbewegt, und folglich gesundes Gewebe geschont werden. In der klinischen Anwendung wird hierzu eine kartesische Bildgebung mit 4 Bildern pro Sekunde (fps) verwendet. Ziele dieser Arbeit waren die Erhöhung der Bildrate bei gleichzeitig robustem Tumortracking sowie eine möglichst große räumliche Abdeckung des zu trackenden Objektes. Dabei wurden radiale Aufnahmen, mit kleinen Goldenen Winkelinkrementen, und kartesische Aufnahmen miteinander verglichen. Die Bilder wurden mit einer iterativen SENSE- bzw. GRAPPA-Rekonstruktion berechnet. Eine deformierbare Bildregistrierung (B-spline) bzw. ein neuronales Netzwerk (U-net) detektierten Tumorkonturen für das Tumortracking. Bildartefakte aufgrund von Unterabtastung wurden optional mit einer Rauschunterdrückung durch ein weiteres U-net minimiert. Die beste Tracking-Performance zeigte das U-net. Bei zwei Lebertumoren betrug der mittlere Konturenabstand zwischen computergenerierter und manueller Segmentierung bei ansteigenden Bildraten bis zu 10,6 fps im Durchschnitt jeweils maximal 0,5 Pixel. Nach Anwendung der Rauschunterdrückung konnte bei gleichbleibender Performance die Bildrate deutlich erhöht werden (31,8 fps). Des Weiteren konnte eine große räumliche Abdeckung eines Organs durch eine spezielle bSSFP-Sequenz für Mehrschicht-Aufnahmen erzielt werden. Diese ermöglicht 3D-Bewegungstracking bei 6,0 fps in zwei zeitgleich aufgenommenen Schichten.

Translation of abstract (English)

The development of MR-Linacs, which combine magnetic resonance scanners and linear accelerators, has been a game changer in radiation therapy. This enables real-time tumor tracking, which is used to interrupt irradiation when a tumor moves out of its target volume in order to spare healthy tissue. In clinical applications, Cartesian imaging at 4 frames per second (fps) is used. The goals of this work were to increase the frame rate while maintaining robust tumor tracking and providing large coverage of the tracked object. Radial images, with tiny golden angles, and Cartesian images were compared. Images were computed using an iterative SENSE and GRAPPA reconstruction. A deformable image registration (B-spline) and a neural network (U-net) detected the tumor contours for tumor tracking. Undersampling artifacts were optionally minimized with denoising by another U-net. Best tracking performance was shown by the U-net. For two liver tumors, the mean contour distance between computer-generated and manual segmentation was 0.5 pixels on average up to 10.6 fps. After applying denoising, this performance was achieved at substantially higher rates (31.8 fps). Furthermore, large spatial coverage of an organ was achieved using a special bSSFP sequence for multislice imaging. This enables 3D motion tracking at 6.0 fps in two simultaneously acquired slices.