Καταχώρηση και Σύντηξη Εικόνων στην Ακτινοθεραπεία

Transcript

1 Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Σχολή Θετικών Επιστημών Τμήμα Φυσικής Καταχώρηση και Σύντηξη Εικόνων στην Ακτινοθεραπεία Ανδρουλάκης Ιωάννης

2 Περιεχόμενα Περίληψη... 4 Abstract... 5 Πρόλογος Εισαγωγή Η Εικονικά Καθοδηγούμενη Ακτινοθεραπεία Ο Ρόλος της Απεικόνισης στην Ακτινοθεραπεία Απεικονιστικές Μέθοδοι στην Ακτινοθεραπεία Αξονικός τομογράφος (CT Computed Tomography) Μαγνητικός Τομογράφος (MRI Magnetic Resonance Imaging) Τομογράφοι Εκπομπής (Απεικονιστικές Μέθοδοι Πυρηνικής Φυσικής) Η ανάγκη για ενοποίηση των δεδομένων Η Καταχώρηση Εικόνων Ορισμός και Βασικές Λειτουργίες Μοντέλα μετασχηματισμών Χρήση των μετασχηματισμών στην ακτινοθεραπεία Κοινή Πληροφορία και Βάση Δεδομένων της Καταχώρησης Κοινή πληροφορία Η Βάση Δεδομένων της Καταχώρησης Διαδικασία Βελτιστοποίησης Καταχώρηση Εικόνων Στην Ακτινοθεραπεία Η Σύντηξη Δεδομένων Χαρτογράφηση Δομών Σύντηξη Εικόνων Ποιοτική Αξιολόγηση της Καταχώρησης Η Σημασία της Αξιολόγησης Τα εργαλεία και οι Μέθοδοι σε Λογισμικό Ακτινοθεραπείας Πειραματική Εργασία Ποσοτικής Αξιολόγησης Αλγορίθμων Καταχώρησης Εισαγωγικά Τα Χαρακτηριστικά των Αλγορίθμων Καταχώρηση με τη χρήση των δεδομένων των pixel Καταχώρηση με τη Χρήση Σημείων Μέθοδος Αξιολόγησης

3 5.4 Καταχώρηση σε Head and Neck Τα Δεδομένα Αποτελέσματα Καταχώρηση στην Περιοχή του Θώρακα Τα Δεδομένα Αποτελέσματα Σχολιασμός Αποτελεσμάτων Παράρτημα Α. Το Πρωτόκολλο DICOM A.1 Picture Archiving and Communications Systems (PACS) A.2 Digital Imaging and Communication in Medicine (DICOM) Β. Window Center και Window Width Βιβλιογραφία

4 Περίληψη Αυτή η πτυχιακή, έπειτα από μια εκτενή ανάλυση της θεωρίας και των εξελίξεων στην καταχώρηση ιατρικών εικόνων, εξετάζει το ποιοτικό αποτέλεσμα ενός αλγορίθμου καταχώρησης βασισμένη στα χαρακτηριστικά των voxel, ο οποίος χρησιμοποιείται από εμπορικό λογισμικό πλάνου θεραπείας. Αυτό πραγματοποιείται με μια εναλλακτική μέθοδο, η οποία χρησιμοποιεί τον όγκο αλληλοεπικάλυψης των σχεδιασμένων όγκων των οργάνων ενδιαφέροντος. Παίρνοντας δύο ακραίες περιπτώσεις οργάνων με την έννοια της μεταβλητότητας της απεικονιζόμενης σωματοδομής, δηλαδή του εγκεφάλου και του αριστερού πνεύμονα, μπορέσαμε να διερευνήσουμε με ποσοτικό τρόπο την επιρροή της σωματικής μεταβολής στην ποιότητα της μη παραμορφωτικής καταχώρησης. Σημειώνοντας ότι είναι απαραίτητη η ακριβής ευθυγράμμιση των δομών για την εφαρμογή του πεδίου και την δοσιμέτρηση του σώματος του ασθενή, είναι πολύ σημαντικό να γνωρίζουμε τους περιορισμούς του αλγορίθμου που χρησιμοποιείται. Το μέτρο ποιότητας που χρησιμοποιείται είναι ο όγκος αλληλοεπικάλυψης των όγκων ενδιαφέροντος σε κάθε εικόνα. Στην περίπτωση του εγκεφάλου, σε ένα δείγμα πέντε περιπτώσεων, το αποτέλεσμα της αλληλοεπικάλυψης είναι πολύ υψηλό (Q=98.07%, σ=0.41%) ενώ η απόκλιση θεωρείται κυρίως αποτέλεσμα της σχεδίασης των περιγραμμάτων παρά σφάλματος του αλγορίθμου καταχώρησης. Στην περίπτωση του αριστερού πνεύμονα αντίστοιχα, σε δείγμα δεκατριών περιπτώσεων, η αλληλοεπικάλυψη είναι κατά πολύ χαμηλότερη και με μεγάλη τυπική απόκλιση (Q=87.33%, σ=12.67%). Η μελέτη επιβεβαιώνει την υπόθεση ότι αν και η μη παραμορφωτική καταχώρηση μπορεί να εφαρμοστεί με επιτυχία σε μη παραμορφωμένα απεικονιζόμενα σώματα, είναι πολύ λιγότερο αποτελεσματική στην ευθυγράμμιση αρκετά μεταβλητών μερών του σώματος, όπως στην περιοχή των περιοδικά μεταβαλλόμενων πνευμόνων. Αυτό το αποτέλεσμα μεγαλώνει την ανάγκη για εισαγωγή παραμορφωτικών μεθόδων καταχώρησης στις εφαρμογές της ακτινοθεραπείας. 4

5 Abstract This dissertation, after an extended analysis of the theory and the recent advances of medical image registration, investigates the output quality of a voxel based rigid registration algorithm that is being used in commercial radiotherapy treatment planning systems, when it is applied on monomodal intersubject CT images. This is being done by introducing a method which uses the contoured volume of the organ of interest, as it is displayed on the two registered images. Taking two extreme cases in terms of body movement and as a consequence of alterations in the imaged body part, namely the brain and the left lung, we are able to quantitatively evaluate the significance of body motion on the quality of rigid image registration. Indicating that accurately aligned structures are necessary in order to proceed to the field setup and the dose adjustment on the patient s body, it is very important to know the limitations of the algorithm which is being used. The quality metric (Q) which is being used is the overlap volume percentage of the contoured organs of interest in each image. In the case of the brain, on a sample of five cases, the outcome of the overlap is very high (Q=98.07%, σ=0.41%) and the deviation is considered to be mainly a consequence of the brain contouring rather than the registration. In the case of the left lung respectively, on a sample of 13 cases, the overlap is much lower and with a large standard deviation value (Q=87.33%, σ=12.67%). The study confirms the statement that although rigid registration can successfully be applied at non deformable parts of the imaged body, it is much less successful in aligning highly deformable parts of the body, as is the case with the periodically moving lung. This outcome enlarges the need for deformable registration algorithms to become available for clinical use in the radiation therapy environment. 5

6 Πρόλογος Αυτή η εργασία είναι προϊόν της συνεργασίας του τμήματος Φυσικής του Αριστοτελείου Πανεπιστημίου Θεσσαλονίκης και του τμήματος Ιατρικής Φυσικής του Αντικαρκινικού Νοσοκομείου Θεσσαλονίκης, Θεαγένειο. Το θέμα προέκυψε στην προσπάθεια του τμήματος ιατρικής φυσικής του ΑΝΘ να εισάγει νέες τεχνικές και δυνατότητες στην διαδικασία του σχεδιασμού της ακτινοθεραπείας. Στη παρούσα φάση πιστεύω ότι πλέον έχουν τεθεί οι κατάλληλες βάσεις και υπάρχουν οι κατάλληλες γνώσεις στο τμήμα, ώστε να γίνεται συστηματική χρήση καταχώρησης και σύντηξης εικόνων σε κλινικό επίπεδο. Βρίσκομαι λοιπόν στην ευχάριστη θέση να μπορώ να πω, βλέποντας και την υπόλοιπη ομάδα φοιτητών που εκπονούν πτυχιακές εργασίες στο πλαίσιο συνεργασίας αυτής, ότι μπορούμε να προσφέρουμε και να δεχθούμε μεγάλη ποσότητα και ποιότητα γνώσης στο πλαίσιο τέτοιων συνεργασιών. Το θέμα της εργασίας είναι η καταχώρηση και η σύντηξη εικόνων στην ακτινοθεραπεία. Αν και η καταχώρηση είναι αντικείμενο της ιατρικής πληροφορικής, η σύντηξη εικόνων είναι εργαλείο που χρειάζεται και αξιοποιεί ο φυσικός σε συνεργασία με τον ιατρό στην κλινική πράξη. Δίχως επαρκής κατανόηση, όμως, της καταχώρησης εικόνων, είναι δύσκολο να εφαρμοστεί σωστά ένας τέτοιος αλγόριθμος. Ο ρόλος του φυσικού εδώ είναι να διερευνήσει τα διαθέσιμα εργαλεία ώστε να τα αξιοποιήσει με τον κατάλληλο τρόπο. Για τον λόγο αυτό δίνεται ιδιαίτερη έμφαση στην ανάλυση της λειτουργίας των αλγορίθμων καταχώρησης και δευτερευόντως στις εφαρμογές την σύντηξη της πληροφορίας των εικόνων. Με αυτή τη βάση είμαστε σε θέση να αξιολογήσουμε την απόδοση ενός αλγορίθμου, πράγμα το οποίο επιχειρούμε στην παρούσα εργασία. Στο σημείο αυτό θεωρώ σημαντικό να ευχαριστήσω όλους όσους συνέβαλαν στην διεκπεραίωση της εργασίας αυτής, τόσο από το ΑΠΘ όσο και από το ΑΝΘ για την πολύτιμη βοήθειά τους παρά τις δυσκολίες που παρουσιάζει ένα θέμα τέτοιο. 6

7 1. Εισαγωγή 1.1 Η Εικονικά Καθοδηγούμενη Ακτινοθεραπεία Η ακτινοθεραπεία είναι σήμερα μία από τις τρεις βασικές μεθόδους θεραπείας των καρκινικών παθήσεων (οι άλλες δύο είναι η χημειοθεραπεία και η χειρουργική). Η ακτινοθεραπεία χρησιμοποιεί ιονιστική ακτινοβολία για την νέκρωση καρκινικών κυττάρων. Η εφαρμογή της ακτινοβολίας γίνεται με τη χρήση μιας συσκευής ακτινοβόλησης, η οποία μπορεί να είναι εκτός του σώματος του ασθενούς (γραμμικός επιταχυντής) αλλά και τοποθετημένη εντός του σώματος του ασθενούς (βραχυθεραπεία). Οι σύγχρονες μέθοδοι ακτινοθεραπείας, τόσο στην εξωτερική ακτινοβόληση όσο και στην βραχυθεραπεία, χρησιμοποιούν στο σύνολό τους την εικόνα ως οδηγό εφαρμογής της ακτινοβολίας του ασθενούς. Όλες οι μέθοδοι αυτοί που χρησιμοποιούν εικόνες από τομογράφους μπορούν να συνοψιστούν και να αποκαλεστούν ως 3D Conformal Radiotherapy, ή 3DCRT. Γενικά όσο πιο πολύπλοκες και προχωρημένες μέθοδοι εμφανίζονται, τόσο η εικόνα γίνεται περισσότερο σημαντική στην ακτινοθεραπεία. Για παράδειγμα η εισαγωγή και χρήση των κατευθυντήρων πολλαπλών φύλλων (multi-leaf collimators) στην ακτινοθεραπεία με γραμμικό επιταχυντή έκανε επιτακτική τη χρήση των εικόνων ως βάση στο σχεδιασμό της θεραπείας (ΕΙΚΟΝΑ 1, ΔΕΞΙΑ). Όχι μονάχα ως τρόπος εντόπισης του όγκου, αλλά και ως τη βάση πάνω στην οποία σχεδιάζεται ολόκληρη η θεραπεία του ασθενούς. Επίσης, η εισαγωγή μεθόδων διαμορφωμένης (μεταβλητής) έντασης στην ακτινοθεραπεία, έκανε ακόμη πιο σημαντική την ποιότητα της εικόνας στην ακτινοθεραπεία (1). Επιπλέον έρχεται να προστεθεί το Image-Guided Radiation Therapy, ή IGRT όπου η τοποθέτηση του ασθενή στη θέση θεραπείας γίνεται με την βοήθεια εικόνων (ΕΙΚΟΝΑ 1) που δημιουργούνται εκείνη τη στιγμή. Εικόνα 1 Αριστερά και Μέση: Γραμμικός επιταχυντής. Δεξιά: Κατευθυντήρας πολλαπλών φύλλων. (από την ιστοσελίδα Σήμερα η γενική σειρά με την οποία γίνεται η ακτινοθεραπεία μπορούμε να πούμε ότι χωρίζεται στα εξής στάδια: 7

8 - Απεικόνιση - Εντοπισμός στόχου - Καθορισμός δομών και κρίσιμων οργάνων - Σχεδιασμός πλάνου θεραπείας - Εξομοίωση της θεραπείας - Ακτινοβόληση - Εξακρίβωση της θεραπείας. Παρατηρεί κανείς εύκολα ότι η απεικόνιση του ασθενούς εμπλέκεται σχεδόν σε όλα τα στάδια από τα οποία καλείται να περάσει ο ασθενής. 1.2 Ο Ρόλος της Απεικόνισης στην Ακτινοθεραπεία Η θεραπεία του καρκίνου και η απεικόνισή του αποτελούν αλληλένδετα πεδία, τόσο επιστημονικά, όσο και κλινικά. Οι περισσότεροι όγκοι ανιχνεύονται αρχικά από κάποια απεικονιστική μέθοδο, είτε μέσω εξετάσεων ρουτίνας, είτε έπειτα από εμφάνιση συμπτωμάτων σε ασθενείς. Η απεικόνιση ξεκίνησε ιστορικά, με την ανακάλυψη των ακτινών-χ από τον Roentgen, φτάνοντας σήμερα να περιλαμβάνει ένα μεγάλο εύρος φυσικών εφαρμογών, όπως τον μαγνητισμό στο MRI, την εκπομπή πυρηνικών ακτινοβολιών στις γ-camera s, PET και SPECT, τα ηχητικά κύματα στο υπερηχογράφημα. Αν και οι ακτίνες-χ παίζουν ακόμη κυρίαρχο ρόλο στον εντοπισμό του καρκίνου, γίνεται κατανοητό ότι οι απεικονιστικές μέθοδοι έχουν επεκταθεί σε μεγάλο βαθμό, κυρίως τα 40 τελευταία χρόνια. Η Αξονική Τομογραφία ακτινών-χ έχει συνεισφέρει σε πολύ μεγάλο βαθμό στην κλινική ανίχνευση, τον εντοπισμό και την απεικόνιση του καρκίνου. Οι αλγόριθμοι, που αρχικά αναπτύχθηκαν από τον Hounsfield, για την παραγωγή τομογραφικών εικόνων ακτινών-χ, έχουν επεκταθεί στην πυρηνική ιατρική με την εμφάνιση των PET και SPECΤ. Η Μαγνητική Τομογραφία (ΜRI) έχει επιτύχει δυνατότητες μεγάλων επιπέδων αντίθεσης σε διάφορους ιστούς σε αρκετά μέρη του σώματος, και μάλιστα με μεγάλα επίπεδα ανάλυσης. Στις παραπάνω τεχνικές έχουν προστεθεί και τα υπερηχογραφήματα, ενώ ακόμα πιο πρόσφατα νέες οπτικές μέθοδοι. Κάθε μέθοδος απεικόνισης έχει τις δικές της δυνατότητες και τους δικούς του περιορισμούς. Λόγω αυτού, ένας ασθενής χρειάζεται να υποβληθεί συχνά από παραπάνω από μία μέθοδο απεικόνισης, ώστε να παρθούν οι απαραίτητες πληροφορίες για έναν όγκο (2). Για παράδειγμα, μια απλή ακτινογραφία μπορεί να οδηγήσει σε υποψίες για ενδεχόμενο καρκίνο, ο οποίος θα επιβεβαιωθεί και θα εντοπιστεί με μια 8

9 εικόνα αξονικού τομογράφου, θα απεικονιστεί η φυσιολογία του με απεικόνιση PET σε ενδεχόμενο καρκίνο στην περιοχή του θώρακα, ή με MRI θα απεικονιστεί η οργανική βλάβη στον εγκέφαλο. Η ιατρική απεικόνιση είναι, λοιπόν, θεμελιώδες εργαλείο στην ακτινοθεραπεία. Για τους Ιατρικούς Φυσικούς είναι το βασικό εργαλείο στον σχεδιασμό της θεραπείας των ασθενών. Χρειάζονται ανατομικές εικόνες υψηλής ανάλυσης και ποιότητας για την ακριβή οριοθέτηση των εντάσεων και των τρόπων ακτινοβόλησης του στόχου στον σχεδιασμό της θεραπείας. Κατά τη διάρκεια της θεραπείας των ασθενών οι απεικονίσεις μπορούν να χρησιμοποιηθούν για την διάγνωση, την παρατήρηση της εξέλιξης μιας θεραπείας, τον σχεδιασμό της θεραπείας και την χορήγησή της, ακόμη και την μετέπειτα παρακολούθηση των ασθενών. Ο σχεδιασμός της θεραπείας που αναφέραμε, αναφέρεται στην διαδικασία της δοσιμέτρησης, που αφορά τον υπολογισμό της έντασης της ακτινοβολίας στην οποία θα υποβληθεί ένας ασθενής, καθώς και τον στόχο στον οποίο θα γίνει αυτό. Οι Ιατρικοί Φυσικοί στην ακτινοθεραπεία, χρησιμοποιούν τις γνώσεις τους στη φυσική, την ραδιοβιολογία και την ανατομία ώστε να αποφευχθεί η ακτινοβόληση των υγιών ιστών και οργάνων, όσο αυτό είναι δυνατό, ακτινοβολώντας όμως κατά την καθορισμένη δόση τον ιστό-στόχο. Η καταχώρηση εικόνων στην περίπτωση της ακτινοθεραπείας, έχει συντελέσει σε μεγάλο βαθμό στην βελτιστοποίηση της ακτινοθεραπείας και της σωστότερης κατανομής της δόσης. Συγκεκριμένα, η καταχώρηση εικόνων επιτρέπει τον ακριβέστερο εντοπισμό του όγκου, αναφορικά με τον όγκο, το σχήμα και την θέση του όγκου-στόχου, όπως συμβαίνει και για τους κοντινούς ιστούς και τα γύρω όργανα. Οι επιπλέον πληροφορίες από τις συγχωνευμένες εικόνες συνηθίζεται να μεταφέρονται στις εικόνες του αξονικού τομογράφου (CT) ως ανατομικές δομές, οι οποίες στη συνέχεια χρησιμοποιούνται στον σχεδιασμό της θεραπείας (3). 1.3 Απεικονιστικές Μέθοδοι στην Ακτινοθεραπεία Ο αξονικός τομογράφος είναι η κύρια απεικονιστική μέθοδος για τον δοσιμετρικό σχεδιασμό της θεραπείας. Άλλες απεικονιστικές μέθοδοι, όπως ο Μαγνητικός Τομογράφος (MRI Απεικόνιση Μαγνητικού Συντονισμού), το PET (τομογράφος εκπομπής ποζιτρονίων), το SPECT (Αξονικός τομογράφος εκπομπής μονού φωτονίου), χρησιμοποιούνται για την βελτιστοποίηση του σχεδιασμού της θεραπείας. Οι τελευταίες μέθοδοι δεν μπορούν να προσφέρουν όλες τις γεωμετρικές, φυσικές, ανατομικές και φυσιολογικές πληροφορίες που χρειαζόμαστε στον σχεδιασμό της θεραπείας. Η συγχώνευση των απεικονιστικών αυτών μεθόδων μας προσφέρει πληροφορίες που πολλές φορές χρειάζονται στον σχεδιασμό της θεραπείας και δεν είναι δυνατόν να απεικονιστούν με την εικόνα του αξονικού τομογράφου. 9

10 Εικόνα 2 - Απεικονιστικές μέθοδοι και το εύρος απεικονιστικών δυνατοτήτων τους (2) Αξονικός τομογράφος (CT Computed Tomography) Ο αξονικός τομογράφος ακτινών-χ (CT) αποτελεί το βασικό σύνολο δεδομένων στις περισσότερες εφαρμογές συγχώνευσης εικόνων στον σχεδιασμό της θεραπείας. Τα δεδομένα από το CT χρησιμοποιούνται στην κατασκευή γεωμετρικών και φυσικών μοντέλων του ασθενή. Τα γεωμετρικά μοντέλα χρησιμοποιούνται για τον καθορισμό των ανατομικών δομών του ασθενή, τον εντοπισμό του όγκου και την βοήθεια στην τοποθέτηση και τον σχηματισμό των δεσμών ακτινοβόλησης. Τα φυσικά μοντέλα προσφέρουν μοντέλα πυκνότητας των ιστών, τα οποία είναι απαραίτητα στους περισσότερους αλγόριθμους υπολογισμού της δόσης. Τα δεδομένα από το CT χρησιμοποιούνται επίσης στην δημιουργία γραφικών βοηθημάτων όπως την απεικόνιση Beam s-eye-view και τα Digital Reconstructed Radiographs (DRR) που χρησιμεύουν στην επαλήθευση του σχεδιασμού και της θεραπείας. Το μεγαλύτερο ελάττωμα του Αξονικού Τομογράφου είναι η περιορισμένη του δυνατότητα να συγκρίνει (contrast) μαλακούς ιστούς, κάτι που οδηγεί σε μη-ακριβείς διαχωρισμούς μεταξύ των ιστών αυτών (3) και επιλύεται μερικώς μόνο με την ενδοφλέβια και από του στόματος χορήγηση σκιαγραφικών ουσιών ή παραγόντων αντίθεσης (contrast agents). Επιπλέον δεν μπορεί να απεικονίσει την φυσιολογία και τον μεταβολισμό του ασθενούς (ΕΙΚΟΝΑ 2) Μαγνητικός Τομογράφος (MRI Magnetic Resonance Imaging) To MRI παίζει σημαντικό ρόλο στον σχεδιασμό θεραπείας για πολλαπλές καρκινικές περιοχές καθώς διαθέτει αρκετά πλεονεκτήματα σε σχέση με τον αξονικό 10

11 τομογράφο. Η άριστη αντίθεση μεταξύ μαλακών ιστών που προσφέρει το MRI, επιτρέπει καλύτερο διαχωρισμό μεταξύ υγιών και των καρκινικών ιστών. Ένα μεγάλο εύρος ακολουθιών παλμών (pulse sequences), οι οποίες έχουν αναπτυχθεί, μπορούν να βελτιώσουν σε μεγάλο βαθμό την αντίθεση μεταξύ ιστών, ενισχύοντας ή ελαττώνοντας συγκεκριμένους ιστούς όπως πχ. το λίπος ή καταστάσεις όπως το οίδημα. Επιπλέον, οι απεικονίσεις του MRI μπορούν να ληφθούν απ ευθείας από τοξοειδή ή στεφανιαία επίπεδα προσφέροντας έτσι καλύτερη απεικόνιση συγκεκριμένων ιστών. Αν και τα παραπάνω πλεονεκτήματα θα μπορούσαν να καταστήσουν το ΜRI ως μια καλή επιλογή για το βασικό σύνολο δεδομένων στην ακτινοθεραπεία, ένα σύνολο από άλλους παράγοντες εμποδίζουν το MRI να παίξει τον ρόλο αυτό. Οι παράγοντες αυτοί, συμπεριλαμβάνουν την μεγαλύτερη ευαισθησία του MRI σε χωρικές ανωμαλίες, η έλλειψη σήματος από συμπαγή οστά, καθώς και περιπτώσεις εντάσεων που δεν έχουν κάποια σχέση με ηλεκτρονική ή σωματική πυκνότητα. (3) Εικόνα 3 Πάνω Αριστερά: CT ακτινοθεραπείας, Πάνω Δεξιά: Διαγνωστικό MRI, Κάτω Αριστερά: Διαγνωστικό PET-CT, Κάτω Δεξιά: Διαγνωστικό SPECT-CT (από Τομογράφοι Εκπομπής (Απεικονιστικές Μέθοδοι Πυρηνικής Φυσικής) 11

12 Το SPECT και το PET επιτρέπουν την απεικόνιση της μεταφοράς και συγκέντρωσης βιολογικά ενεργών ιχνηθετών (tracers). Οι πληροφορίες που μπορούν να προσφέρουν αυτές οι μέθοδοι απεικόνισης είναι περισσότερο πληροφορίες φυσιολογίας παρά ανατομίας, σε αντίθεση με τις προηγούμενες μεθόδους. Τα δεδομένα των μεθόδων αυτών, μπορούν να προσφέρουν σημαντικές πληροφορίες για τον μεταβολισμό των όγκων, και την λειτουργία των επιμέρους ιστών. (3) SPECT (Single Photon Emission Computed Tomography) To σύστημα SPECT παράγει εγκάρσιες μεταξύ τους εικόνες οι οποίες απεικονίζουν την παραγωγή ακτινών Χ και γάμμα από νουκλίδια στο σώμα του ασθενή. Οι εικόνες αυτές παράγονται συνήθως από δύο κάμερες σκέδασης, σε διαφορετική μεταξύ τους γωνία (συνήθως 90⁰ ή 180⁰) (4). Ο υπολογιστής του συστήματος SPECT πραγματοποιεί ανασυγκρότηση των δεδομένων των εικόνων ώστε να παραχθεί μια εικόνα τριών διαστάσεων. Παραδείγματα ιχνηθέτη SPECT αποτελούν το 131 Ι και το 99m Tc. Το SPECT χρησιμοποιείται στον σχεδιασμό της θεραπείας. Συγκεκριμένα χρησιμοποιείται στην απεικόνιση των λειτουργιών των περιφερειών του πνεύμονα, που βοηθάει στον καλύτερο καθορισμό της διεύθυνσης της δέσμης και στην ποσοτικοποίηση της παραγωγής των ραδιοσημασμένων μονοκλωνικών αντισωμάτων. (3) PET (Positron Emission Tomography) Το σύστημα PET παράγει εικόνες που απεικονίζουν την δημιουργία νουκλιδίων που εκπέμπουν ποζιτρόνια. Ένα σύστημα PET αποτελείται από ένα δακτύλιο ανιχνευτών οι οποίοι έχουν την ικανότητα να ανιχνεύουν ακτίνες γάμμα (4). Οι μεταπτώσεις σε ραδιενεργούς πυρήνες με αντίδραση β + παράγουν ποζιτρόνια. Η εξαΰλωση των ποζιτρονίων, η οποία πραγματοποιείται πολύ σύντομα και σε πολύ μικρή απόσταση από το σημείο εκπομπής του, μπορεί να παραγάγει δύο φωτόνια κινούμενα σε αντίθετη κατεύθυνση με ενέργεια 511 ΚeV. Η ταυτόχρονη ανίχνευσή τους από δύο από τους ανιχνευτές οδηγούν στην καταχώρηση της πληροφορίας. Ένα σύνολο πολλών τέτοιων καταγραφών οδηγούν σε μια τρισδιάστατη εικόνα η οποία απεικονίζει την διασπορά των ιχνηθετών στο σώμα του ασθενούς. Παράδειγμα ιχνηθέτη PET αποτελεί το 18 F-fluorodeoxyglucose ( 18 F-FDG) και το 82 Rb. Για την παρακολούθηση των ασθενών, η απεικόνιση με PET έχει χαρακτηριστεί χρήσιμη στον διαχωρισμό επανεμφανιζόμενου όγκου και νεκρωμένου ιστού λόγω ακτινοβόλησης. (ΕΙΚΟΝΑ 4) 12

13 Εικόνα 4 Ιχνηθέτες και η χρήση τους Η έλλειψη ανατομικών πληροφοριών στα συστήματα των τομογράφων εκπομπής έχουν οδηγήσει σε συστήματα όπως το PET-CT το SPECT-CT και το PET- MRI. Πρόκειται για συστήματα τα οποία παράγουν ταυτόχρονα εικόνες και από συστήματα πυρηνικής απεικόνισης αλλά και από αξονικούς τομογράφους ακτινών Χ (είτε MRI) χωρίς να χρειάζεται να μετακινηθεί ο ασθενής. Το αποτέλεσμα είναι να έχουμε δύο απεικονίσεις που απεικονίζουν τον ασθενή στην ίδια ακριβώς στάση σώματος Η ανάγκη για ενοποίηση των δεδομένων Γίνεται κατανοητό στα παραπάνω, ότι τα δεδομένα από πολλαπλές απεικονίσεις, μπορούν να εμπλουτίσουν τις γνώσεις μας για τον ασθενή και επομένως αποτελούν κυρίαρχο εργαλείο στην διαχείριση του ασθενή και τον σωστό σχεδιασμό της θεραπείας, είτε μιλάμε για διαφορετικές μεθόδους απεικόνισης, είτε απεικονίσεις της ίδιας μεθόδου σε διαφορετικό στάδιο της θεραπείας. Μέχρι πρόσφατα η σύντηξη των πληροφοριών γινόταν με τρόπο νοητικό που είχε ως αποτέλεσμα την ύπαρξη υποκειμενικότητας και μιας αυξημένης πιθανότητας σφάλματος. Η ακρίβεια της πληροφορίας μειωνόταν από την ύπαρξη γεωμετρικών διαταραχών όπως κινήσεις του ασθενούς, τεχνικά σφάλματα των απεικονιστικών συστημάτων, φυσιολογικές κινήσεις όπως αναπνοή ή καρδιακοί παλμοί, αλλά και λόγω διαφορετικών μεθόδων τοποθέτησης ασθενών (πχ. χέρια πάνω από το κεφάλι, χέρια σε θέση ανάπαυσης). 1 Οι παραγόμενες εικόνες έχουν κοινό σύστημα αναφοράς και είναι τοποθετημένες επάνω σε αυτό ώστε να υπάρχει αντιστοίχηση των δεδομένων της μιας εικόνας ως προς την άλλη. Οι σχετικές συντεταγμένες μεταξύ των εικόνων είναι γνωστές, οπότε μπορεί με πολύ απλή διαδικασία να γίνει συντηγμένη προβολή των πληροφοριών χωρίς να χρειαστεί καταχώρηση. Τα συνδυαστικά αυτά συστήματα είναι προφανώς πιο αξιόπιστα ως προς την συντηγμένη πληροφορία που μας δίνουν για λόγους που θα γίνουν περισσότερο κατανοητοί στη συνέχεια. 13

14 Πλέον μπορούμε να ενοποιήσουμε τα δεδομένα με την μέθοδο της καταχώρησης (registration) και σύντηξης (fusion) ιατρικών δεδομένων. Αυτό μπορεί να συμβεί τόσο σε απεικονίσεις διαφορετικών απεικονιστικών μεθόδων (multimodal), όσο και σε απεικονίσεις ίδιας απεικονιστικής τεχνικής (monomodal). Στην δεύτερη περίπτωση, μπορούμε να παρατηρήσουμε για παράδειγμα, χρησιμοποιώντας μία δεύτερη αξονική τομογραφία, τις διαφοροποιήσεις στην ανατομία του ασθενή κατά τη διάρκεια της θεραπείας του (πχ. πριν και μετά τη θεραπεία) και να γίνει σύγκριση δεδομένων της ίδιας απεικονιστικής τεχνικής (ΕΙΚΟΝΑ 5). Εικόνα 5 - παράδειγμα CT-CT σύντηξης σε διαφορετικό στάδιο θεραπείας ασθενούς. Προέρχεται από την εφαρμογή Eclipse της Varian. Για να καταφέρουμε να αξιοποιήσουμε τις πληροφορίες που μας δίνουν οι πολλαπλές απεικονίσεις κατά ενοποιημένο τρόπο, τα δεδομένα θα πρέπει να είναι γεωμετρικά καταχωρημένα σε ένα κοινό σύστημα συντεταγμένων. Η διαδικασία κατά την οποία γίνεται η καταχώρηση και η αντιστοίχηση των δεδομένων ονομάζεται Καταχώρηση Εικόνων (image registration). Από τη στιγμή που θα γίνει η καταχώρηση των εικόνων, μπορεί πλέον να γίνει αντιστοίχηση κάθε πληροφορίας που αυτές εμπεριέχουν, συμπεριλαμβανομένων των ορίων των διαφόρων ιστών, των καταχωρημένων κατανομών δόσης κτλ. Η διαδικασία αυτή ονομάζεται Σύντηξη πληροφοριών (Data Fusion) και προφανώς εμπεριέχει και την σύντηξη ολόκληρων εικόνων. Υπάρχουν διάφορες τεχνικές και μέθοδοι τόσο για την Καταχώρηση εικόνων όσο και για την συγχώνευση πληροφοριών. H μέθοδος που τελικά επιλέγεται έναντι των άλλων διαφέρει ανάλογα με την εφαρμογή στην οποία θέλουμε να προβούμε, καθώς και τα είδη εικόνων που διαχειριζόμαστε. 14

15 2. Η Καταχώρηση Εικόνων 2.1 Ορισμός και Βασικές Λειτουργίες Η σύντηξη δεδομένων είναι δυνατή εφόσον οι γεωμετρικές αντιστοιχίες ανάμεσα στις δύο εικόνες είναι οι ίδιες (όταν υπάρχει δηλαδή αντιστοιχία Voxel προς Voxel 2 ). Η καταχώρηση εικόνων έχει ως στόχο την πραγματοποίηση αυτής της αντιστοιχίας, υπολογίζοντας τον γεωμετρικό μετασχηματισμό που θα χαρτογραφήσει τα ομόλογα σημεία μεταξύ δύο απεικονίσεων. «Η καταχώρηση εικόνων μπορεί να οριστεί ως η αντιστοίχηση (mapping) μεταξύ δύο εικόνων στο χώρο με σεβασμό στην ένταση» (5). Αν παραστήσουμε τις εικόνες στον 3D χώρο με τους πίνακες γνωστών διαστάσεων I Α και Ι Β όπου I A (x,y,z) και Ι Β (x,y,z), τότε η αντιστοίχηση μπορεί να παραστεί από την παρακάτω έκφραση, ( ))) όπου η f(x,y,z) είναι μία συνάρτηση μετασχηματισμού των χωρικών συντεταγμένων (πχ. f(x,y,z)=(x,y,z )), ενώ η g είναι μια συνάρτηση που ρυθμίζει την διαφορά εντάσεων μεταξύ των I Α και Ι Β. Αυτές οι δύο συναρτήσεις παίρνουν διαφορετικές μορφές ανάλογα με την μέθοδο καταχώρησης που χρησιμοποιείται (1). Μπορούμε λοιπόν να πούμε ότι η καταχώρηση των εικόνων είναι η διαδικασία της εύρεσης των δύο μεταβλητών f και g. Αν και υπάρχουν πολλοί διαφορετικοί αλγόριθμοι καταχώρισης εικόνων, η διαδικασία της καταχώρησης περιλαμβάνει τρεις κύριες δραστηριότητες (ΕΙΚΟΝΑ 6). Η πρώτη περιλαμβάνει το ίδιο το μοντέλο μετασχηματισμού. Αυτό μπορεί να αποτελείται από μια απλή μετατόπιση και στροφή σε κάθε έναν από τους 3 άξονες (6 βαθμοί ελευθερίας), μέχρι και πολύ περίπλοκους μετασχηματισμούς παραμόρφωσης, όπου οριακά φτάνουν μέχρι και τρεις φορές τον αριθμό των voxel. Η δεύτερη δραστηριότητα αποτελεί την μετρική σύμφωνα με την οποία γίνεται η αξιολόγηση του μετασχηματισμού, ενώ ως τρίτη δραστηριότητα ορίζεται ο μηχανισμός βελτιστοποίησης του μετασχηματισμού (6). 2 Voxel: η στοιχειώδης μονάδα δεδομένων στις 3D απεικονίσεις (ανάλογο του pixel στις 2 διαστάσεις). 15

16 Εικόνα 6 (6) Αν και αρκετές φορές θέλουμε να καταχωρήσουμε περισσότερες των δύο εικόνων μεταξύ τους, στην πράξη, μπορούμε να πραγματοποιήσουμε την καταχώρηση μονάχα μεταξύ δύο εικόνων. Για αυτό τον λόγο είναι σημαντικό να γίνει ορισμός της πρωτεύουσας εικόνας, που θα χρησιμοποιηθεί ως βάση των μετασχηματισμών των άλλων εικόνων. Η εικόνα αυτή θα παραμείνει αμετάβλητη, ενώ όλες οι άλλες εικόνες που θα καταχωρηθούν, θα μετασχηματίζονται ως προς αυτήν. Επομένως εάν καταχωρήσουμε για παράδειγμα τις εικόνες Α, Β, Γ μεταξύ τους, με βάση την Α, τότε θα πάρουμε τις μετασχηματισμένες εικόνες Β και Γ των Β και Γ αντίστοιχα, και τελικά θα καταχωρηθούν οι Α, Β, Γ μεταξύ τους. Στην ακτινοθεραπεία, είναι ευρέως διαδεδομένη η χρήση της αξονικής τομογραφίας θεραπείας, ως πρωτεύουσας εικόνας. Σε αυτήν γίνεται το πλάνο θεραπείας και η δοσιμέτρηση, ενώ όλες οι άλλες απεικονίσεις καταχωρούνται ως προς αυτήν. Ως προς τη φύση της βάσης πάνω στην οποία γίνεται η καταχώρηση εικόνων, αυτή μπορεί να χωριστεί σε δύο κύρια είδη μεθόδων. Στις εξωγενείς μεθόδους, όπου η καταχώρηση γίνεται με βάση ξένων στο απεικονιζόμενο σώμα αντικειμένων και στις ενδογενείς μεθόδους, όπου βάση της αντιστοίχησης είναι τα δεδομένα του ίδιου του απεικονιζόμενου σώματος (7). Στην πρώτη περίπτωση τα αντικείμενα χωρίζονται σε επεμβατικά και μη-επεμβατικά. Ενδεικτική τέτοια μέθοδος είναι τα στερεοτακτικά πλαίσια (stereotactical frames), τα οποία χρησιμοποιούνται ευρέως και μέχρι πρόσφατα ήταν η πιο ακριβής μέθοδος. Στις ενδογενείς μεθόδους οι οποίες θα μας απασχολήσουν περισσότερο βασιζόμαστε σε έναν πεπερασμένο αριθμό προσδιορισμένων εμφανών σημείων (landmark based), στην ευθυγράμμιση τμημάτων δομών που απεικονίζονται και στις δύο εικόνες (segmentation based), είτε απευθείας στις μετρήσεις υπολογισμένων εντάσεων (αποχρώσεων του γκρι) των voxel (voxel property based). Στους αλγόριθμους καταχώρησης εικόνων αναγνωρίζονται τρείς βαθμίδες αλληλεπίδρασης. Στην αυτοματοποιημένη καταχώρηση, ο χρήστης εισάγει μονάχα τις 16

17 απεικονίσεις και ίσως κάποιες βασικές πληροφορίες του απεικονιζόμενου σώματος στον αλγόριθμο (πχ. Ποιο μέρος του σώματος απεικονίζεται). Στην διαδραστική διαδικασία, ο χειριστής πραγματοποιεί μόνος του την καταχώρηση εικόνων, και ο αλγόριθμος που υπάρχει λειτουργεί ως βοηθητικό εργαλείο, προσφέροντας απεικονιστικές και αριθμητικές πληροφορίες στον χειριστή, ή σε κάποιες καταστάσεις και κάποιο προτεινόμενο μετασχηματισμό. Ως ενδιάμεση κατάσταση, έχουμε τις ημιαυτοματοποιημένες μεθόδους, όπου ναι μεν ο αλγόριθμος πραγματοποιεί μόνος του την διαδικασία αντιστοίχησης, όμως απαιτεί τον προσδιορισμό κάποιων παραμέτρων από τον χρήστη, ή δίνει την δυνατότητα στον χρήστη να καθοδηγήσει τον αλγόριθμο, για παράδειγμα αποδεχόμενος ή όχι κάποιους προτεινόμενους μετασχηματισμούς. 2.2 Μοντέλα μετασχηματισμών Οι μετασχηματισμοί των συντεταγμένων των εικόνων, χωρίζονται σε τέσσερα είδη. Το πρώτο είδος μετασχηματισμού και ο πιο απλός παράλληλα, είναι ο άκαμπτος μετασχηματισμός (rigid), καθώς περιλαμβάνει μονάχα μετατοπίσεις και περιστροφές. Όταν ο μετασχηματισμός χαρτογραφεί παράλληλες γραμμές σε παράλληλες γραμμές, τότε μιλάμε για αφινικό (affine) μετασχηματισμό. Όταν χαρτογραφεί γραμμές σε γραμμές ονομάζεται προβολικός (Projective) μετασχηματισμός ενώ όταν χαρτογραφεί γραμμές σε καμπύλες ελαστικός ή καμπυλωτός (curved/elastic). Παρατηρούμε, στα παραπάνω, κάθε μετασχηματισμός είναι ειδική περίπτωση των επόμενων που αναφέρθηκαν. Επιπλέον, όλοι εκτός του άκαμπτου μετασχηματισμού μετασχηματισμοί είναι παραμορφωτικοί, δηλαδή παραμορφώνουν το απεικονιζόμενο σώμα. Ως προς τον τόπο δράσης των μετασχηματισμών μπορούμε να χωρίσουμε τους μετασχηματισμούς σε δύο είδη. Όταν ο τόπος δράσης του μετασχηματισμού είναι όλη η εικόνα, τότε ο μετασχηματισμός καλείται καθολικός (global) ενώ όταν δρα σε περιορισμένο χώρο της εικόνας ονομάζεται τοπικός (local). (7) (ΕΙΚΟΝΑ 4) Στην καταχώρηση εικόνων, οι τοπικοί μετασχηματισμοί σπάνια χρησιμοποιούνται απευθείας στην εικόνα. Αυτό γίνεται διότι η απευθείας χρήση τους μπορεί να παραβιάσει την τοπική συνέχεια των μετασχηματισμών. Επιπλέον σε αρκετές δημοσιεύσεις, ως κανόνας, γραμμικοί και αφινικοί μετασχηματισμοί εφαρμόζονται μόνο καθολικά ενώ οι καμπυλωτοί μετασχηματισμοί εφαρμόζονται μονάχα τοπικά. Οι προβολικοί μετασχηματισμοί δεν έχουν κάποια ιδιαίτερη χρησιμότητα στην αντιστοίχηση εικόνων, παρά μόνο σε αντιστοιχίσεις 2D/3D, αλλά και εκεί εμφανίζονται σπάνια. (7) 17

18 Εικόνα 7 (7) - Παραδείγματα μετασχηματισμών σε 2D Για τους καμπυλωτούς μετασχηματισμούς, επειδή χρειάζονται πληροφορίες για την τοπική ανατομία, για την σωστή πραγματοποίησή τους, οι εφαρμογές στις οποίες χρησιμοποιούνται είναι σχεδόν πάντοτε ενδογενείς και συνήθως χρησιμοποιούν την βάση των παραμορφωτικών μοντέλων ή χρησιμοποιώντας την πλήρη πληροφορία εικόνας (ΒΛ. ΜΕΘΟΔΟΙ ΒΑΣΙΣΜΕΝΟΙ ΣΤΑ ΧΑΡΑΚΤΗΡΙΣΤΙΚΑ ΤΩΝ VOXEL). Επιπλέον οι διαδικασίες αυτές είναι συνήθως ημιαυτοματοποιημένες και εφαρμόζονται σχεδόν αποκλειστικά σε ανατομικές απεικονίσεις της περιοχής του κρανίου (CT, MRI). Τέλος θεωρούνται πολύ χρήσιμες σε διατομικές αντιστοιχήσεις και σε αντιστοιχίες άτλαντα. (7) Αν θεωρήσουμε την απλή περίπτωση του ολικού άκαμπτου μετασχηματισμού για παράδειγμα, εφαρμοζόμενο σε δύο εικόνες σε μορφή πίνακα εντάσεων, θα έχουμε 3 μετατοπίσεις και 3 περιστροφές. Θεωρώντας ότι εφαρμόζεται στο 3D σύστημα (x,y,z), το μοντέλο μετασχηματισμών θα προσδιορίζεται από τους τελεστές T x, T y, T z, R x, R y, R z, όπου T i οι τελεστές μετατόπισης και R i οι τελεστές περιστροφής. Η σειρά με την οποία δρουν οι τελεστές σε έναν πίνακα έχει σημασία, για αυτό θα πρέπει οι μετασχηματισμοί που εφαρμόζονται να υπακούουν σε μια ιεραρχική δομή. Επομένως αν έχουμε έναν πίνακα εντάσεων Ι Β μιας απεικόνισης Β και μέσω των μετασχηματισμών T x, T y, T z, R x, R y, R z (με την σειρά που τους αναφέραμε) αυτός ταυτίζεται με τον πίνακα 18

19 εντάσεων I A της απεικόνισης Α, τότε για τον μετασχηματισμό ισχύει η παρακάτω σχέση, εφόσον τα I A, Ι Β είναι ορισμένα με βάση τις ίδιες μεταβλητές x,y,z Χρήση των μετασχηματισμών στην ακτινοθεραπεία Στα εμπορικά λογισμικά ακτινοθεραπείας, μέχρι πρόσφατα οι αλγόριθμοι καταχώρησης που χρησιμοποιούνταν, περιείχαν μονάχα καθολικούς άκαμπτους και αφινικούς μετασχηματισμούς (6). Εφόσον στα προηγούμενα έγινε κατανοητό ότι σε κάθε διαφορετικό είδος μετασχηματισμού γίνεται παραμόρφωση της εικόνας, μπορούμε εύκολα να καταλάβουμε, ότι τα υπόλοιπα είδη μετασχηματισμών μπορούν να μεταβάλουν την πραγματική θέση των στοιχείων της καταχωρημένης εικόνας. Αυτό έχει ως αποτέλεσμα την αλλαγή της απεικονιζόμενης ανατομίας. Στην περίπτωση που η μεταβολή της απεικονιζόμενης ανατομίας αφορά εύκαμπτα σημεία του σώματος και ουσιαστικά μας δίνει την δυνατότητα να ξεπεράσουμε προβλήματα που αφορούν σφάλματα λόγω διαφορετικής τοποθέτησης του ασθενούς στο απεικονιστικό μηχάνημα, οι παραμορφωτικοί μετασχηματισμοί μπορούν να φανούν πολύ χρήσιμοι. Προφανώς όμως πρέπει να αποφευχθούν παραμορφώσεις σταθερών δομών του ασθενή, όπως για παράδειγμα το κρανίο. Επομένως οι αλγόριθμοι που θα χρησιμοποιήσουν τέτοιους μετασχηματισμούς, θα πρέπει προφανώς να είναι πολύ πιο πολύπλοκοι και σε θέση να αναγνωρίζουν το είδος των δομών, είτε οι δομές αυτές θα πρέπει να δίδονται από τον χειριστή. Θέλουμε να καταλήξουμε στο ότι οι πληροφορίες που χρειάζεται ένας αλγόριθμος για την εικόνα που επεξεργάζεται, στην περίπτωση χρήσης μετασχηματισμών παραμόρφωσης, είναι πολύ μεγαλύτερος. 19

20 2.3 Κοινή Πληροφορία και Βάση Δεδομένων της Καταχώρησης Κοινή πληροφορία Η καταχώρηση εικόνων είναι ένα πρόβλημα χωρίς ιδανική λύση. Ο λόγος για τον οποίο δεν υπάρχει ιδανική λύση είναι το γεγονός ότι δεν είναι δυνατών να προσδιοριστεί το ακριβές αντικείμενο το οποίο πρέπει να ευθυγραμμιστεί. Οι αλγόριθμοι συνήθως χρησιμοποιούν τα λεγόμενα μέτρα ομοιότητας (similarity measures) τα οποία είναι μια ποσοτικοποιημένη έκφραση της ομοιότητας μεταξύ δύο αντικειμένων (1). Είναι όμως κατανοητό ότι η ομοιότητα δεν μπορεί να ποσοτικοποιηθεί απόλυτα. Για αυτόν τον λόγο υπάρχουν διαφορετικές προσεγγίσεις του προβλήματος, χρησιμοποιώντας κάθε φορά μια άλλη βάση δεδομένων και ένα διαφορετικό μέτρο ομοιότητας, εξυπηρετώντας κάθε φορά κάποιον συγκεκριμένο σκοπό. Μερικά από τα πιο συχνά χρησιμοποιούμενα σε αλγορίθμους μέτρα ομοιότητας είναι το άθροισμα τετραγώνων διαφορών (sum of squared differences) και Κανονικοποιημένη Αλληλοσυσχέτηση (normalized cross correlation) για καταχώρηση ίδιας απεικονιστικής μεθόδου (πχ. CT-CT, MRI-MRI), Συντελεστής Αμοιβαίας Πληροφορίας (mutual information metric) και συναρτήσεις ταιριάσματος βασισμένες σε Βαθμωτά πεδία (Similarity measures based on normalized gradient fields) για απεικονίσεις διαφορετικών μεθόδων (1). Άλλα μέτρα ομοιότητας είναι τα Αθροίσματα απολύτων διαφορών, αποστάσεις σημείων/επιφανειών καθώς και στοχαστικές μεταβολές προσήμου (SSC). (8) Για να έχουμε μια πιο εποπτική εικόνα και για να γίνει πιο κατανοητή η έννοια του μέτρου ομοιότητας παρουσιάζουμε πιο αναλυτικά δύο περιπτώσεις. Ίσως το πιο δεδομένο μέτρο ομοιότητας είναι το άθροισμα τετραγώνων διαφορών (SSD), η μετρική του οποίου ορίζεται ως: [ ] [ ( )) )] Όπου το [ ] είναι το μέτρο SSD των ομοιοτήτων μεταξύ της μετασχηματισμένης εικόνας και της σταθερής, με την εφαρμογή του μετασχηματισμού ). Πρόκειται για ένα ολοκλήρωμα σε όλο τον όγκο της τρισδιάστατης εικόνας των τετραγώνων διαφορών. Είναι μια μετρική απλή και λειτουργική, όμως δεν μπορεί να χρησιμοποιηθεί για εικόνες διαφορετικής απεικονιστικής μεθόδου. Αντίθετα, η πιο συνηθισμένη μετρική που χρησιμοποιείται σε καταχώρηση διαφορετικών μεθόδων απεικόνισης είναι ο συντελεστής αμοιβαίας πληροφορίας (MI), ο οποίος είναι βασισμένος στη θεωρία της πληροφορίας και είχε προταθεί από τους Viola και Wells (9). Ορίζεται ως: 20

21 [ ] ) ) όπου η συνάρτηση Η είναι η εντροπία Shannon που ορίζεται ως: ) [ ) ) ] και όπου p(i) το μέτρο πιθανότητας της Ι να έχει ένταση i και όπου το i περνάει από όλα τα επίπεδα εντάσεων. Το ) παριστάνει την δεσμευμένη πιθανότητα ένα pixel να έχει ένταση i 2 στο Ι 2 αν μας δίνεται ότι η I 1 έχει ένταση i 1. Για να μπορέσει να γίνει παρατήρηση της σχέσης μεταξύ της κοινής πληροφορίας και της σωστής καταχώρησης μπορούμε να κατασκευάσουμε ένα ιστόγραμμα κοινών εντάσεων δύο καταχωρημένων εικόνων, όπως αυτό στην ΕΙΚΟΝΑ 8. Εδώ βλέπουμε τις δύο εικόνες (a) και (b) αρχικά σωστά καταχωρημένες (c), με αποτέλεσμα το ιστόγραμμα να παρουσιάζει μια ευθεία συμπαγή γραμμή από κοινά σημεία, ενώ στην δεύτερη περίπτωση (d), βλέπουμε ότι οι κοινές πληροφορίες παρουσιάζουν μεγαλύτερη διασπορά και επομένως διασκορπίζονται σε ολόκληρο το χώρο του ιστογράμματος. Η διασπορά των κοινών πληροφοριών έχει εδώ να κάνει τόσο με την ορθότητα των δύο εικόνων όσο και με την ομοιότητα των εικόνων. Δύο όμοιες εικόνες καταχωρημένες ορθά, θα παρουσιάζουν μηδενική διασπορά, ενώ δύο όχι και τόσο όμοιες εικόνες δεν θα μπορέσουν ποτέ να πετύχουν μικρότερη διασπορά από μια ελάχιστη τιμή, όσο «καλός» κι αν είναι ο αλγόριθμος καταχώρησης. Εικόνα 8 Ιστόγραμμα Καταχώρησης. (a) η εικόνα βάσης, (b) η εικόνα καταχώρησης, (c) ιστόγραμμα ευθύγραμμα καταχωρημένων εικόνων, (d) ιστόγραμμα εικόνων καταχωρημένων με απόκλιση μίας μοίρας Η Βάση Δεδομένων της Καταχώρησης Η βάση δεδομένων είναι αυτή που θα μας δώσει το «υλικό» που θα χρησιμοποιήσουμε. Πάνω σε αυτήν θα ορίσουμε ένα μέγεθος ως μέτρο ομοιότητας που θα μας επιτρέψει να βρούμε τα σημεία που πρέπει να αντιστοιχήσουμε μεταξύ τους. Έχοντας πλέον ένα μέτρο σύγκρισης των δύο εικόνων μπορούμε να προχωρήσουμε στην ελάττωση των αποστάσεων δύο αντίστοιχων σημείων. 21

22 Ως προς τη φύση της βάσης στην οποία πραγματοποιείται η καταχώρηση, υπάρχουν δύο κύριες κατηγορίες, οι εξωγενείς και ενδογενείς μέθοδοι καταχώρηση. Η πρώτη αφορά την καταχώρηση εικόνων με βάση ξένα προς το σώμα του ασθενούς αντικείμενα, τα οποία τοποθετούνται στον χώρο απεικόνισης, ενώ η δεύτερη έχει ως βάση τις πληροφορίες που δημιουργούνται από τον ίδιο τον απεικονιζόμενο. (7) Εξωγενείς Μέθοδοι Καταχώρησης Βασίζονται σε τεχνητά αντικείμενα που έχουν σχεδιαστεί ώστε να παρέχουν καλή ορατότητα και ικανότητα προσδιορισμού της θέσης κατά την απεικόνιση. Όταν η συγχώνευση εικόνων γίνεται ανάμεσα σε διαφορετικές μεθόδους, τα αντικείμενα αυτά πρέπει να είναι ορατά σε όλες τις μεθόδους απεικόνισης που χρησιμοποιούνται. Τα αντικείμενα αυτά εφαρμόζονται στο σώμα του απεικονιζόμενου είτε επιφανειακά, είτε εσωτερικά (πχ. Stereotactical frames) με κάποια επεμβατική μέθοδο. Ως εκ τούτου, η διαδικασία της αντιστοίχησης είναι συνήθως γρήγορη, εύκολη και συνήθως μπορεί να αυτοματοποιηθεί εύκολα. Επιπλέον ο αλγόριθμος βελτιστοποίησης δεν χρειάζεται να είναι ιδιαίτερα περίπλοκος. Τα κύρια μειονεκτήματα είναι η δυσκολία επανατοποθέτησης των αντικειμένων στην ίδια θέση, ώστε να έχει νόημα η διαδικασία, καθώς και η συχνά επεμβατική μέθοδος που χρειάζεται να γίνει, όπως για παράδειγμα τα στερεοτακτικά πλαίσια που χρησιμοποιούνται ευρέως και βιδώνονται στο κρανίο του απεικονιζόμενου. Η τελευταία μέθοδος βέβαια θεωρείται από τις καλύτερες μεθόδους σήμανσης, ως προς την ακρίβεια. Όμως τέτοια διαδικασία, με μόνο σκοπό την αντιστοίχηση δεν είναι επιτρεπτή. Άλλες μέθοδοι είναι η τοποθέτηση βιδωτών σημαδιών(screw-mounted markers) και σημαδιών που επικολλώνται στο δέρμα. (7) Λόγω της φύσης των σηματοδοτών αυτών, η οποία δεν μπορεί να περιλαμβάνει πληροφορίες για το σώμα του ασθενούς, οι μετασχηματισμοί μεταβλητών της διαδικασίας αντιστοίχησης μπορούν να είναι μονάχα άκαμπτοι, δηλαδή αποτελούμενοι από μετατοπίσεις και περιστροφές. Αυτό περιορίζει αρκετά το εύρος εφαρμογών των εξωγενών μεθόδων, με αποτέλεσμα σε συνδυασμό και με άλλες πρακτικές αιτίες η εφαρμογή τους να περιορίζεται κυρίως σε απεικονίσεις εγκεφάλου και σε ορθοπεδικές εφαρμογές. (7) Ενδογενείς Μέθοδοι Καταχώρησης Βασίζονται αποκλειστικά στην παραγόμενη από τον απεικονιζόμενο ασθενή πληροφορία της εικόνας. Η αντιστοίχηση μπορεί να βασίζεται είτε σε μια ομάδα από αναγνωρισμένα διακριτά σημεία (landmark based), είτε στην ευθυγράμμιση διαχωρισμένων δομών στις δύο απεικονίσεις(segmentation based), είτε απευθείας σε μετρήσεις μεταβολών της έντασης χρώματος των εικόνων (voxel property based). (7) Μέθοδοι Διακριτών Σημείων Τα διακριτά σημεία, μπορεί να είναι ανατομικά ή γεωμετρικά. Στην πρώτη περίπτωση αναφερόμαστε σε ανατομικές προεξοχές και σημεία που είναι εύκολα στην 22

23 ανίχνευση και στον προσδιορισμό (ΕΙΚΟΝΑ 10). Στην δεύτερη περίπτωση, αναφερόμαστε σε γεωμετρικές δομές που είναι απεικονισμένες στις διαφορετικές απεικονίσεις και μπορούν να προσδιοριστούν εξίσου καλά στις επιμέρους απεικονίσεις. Και στις δύο περιπτώσεις, οι μέθοδοι αυτές χρησιμοποιούνται κυρίως στην εύρεση γραμμικών και αφινικών μετασχηματισμών. Όταν όμως τα σημεία γίνονται πολλά, τότε μπορεί να γίνουν (θεωρητικά) και πιο περίπλοκοι μετασχηματισμοί. Τα ανατομικά διακριτικά σημεία συχνά χρησιμοποιούνται και σε συνδυασμό με τελείως διαφορετικές βάσεις αντιστοίχησης, για την πραγματοποίηση ενός απλού αρχικού μετασχηματισμού, ο οποίος θα βελτιώνεται στη συνέχεια από άλλες διαδικασίες. Το αρνητικό σε αυτές τις μεθόδους είναι ότι συνήθως χρειάζονται χειροκίνητο εντοπισμό των σημείων. (7) Εικόνα 9 Οπτική Αναπαράσταση της Χρήσης Διακριτών Σημείων στην Καταχώρηση Εικόνων (10) Η μέθοδος των διακριτών σημείων, λόγω του μικρού αριθμού των εντοπισμένων σημείων σε σχέση με το περιεχόμενο των εικόνων, είναι μια σχετικά γρήγορη μέθοδος αντιστοίχησης. Οι αλγόριθμοι που την χρησιμοποιούν, βελτιστοποιούν την μέση απόσταση των σημείων με τα ομόλογα σημεία τους στην άλλη εικόνα, είτε χρησιμοποιούν μεθόδους επαναλαμβανόμενων ελαχίστων αποστάσεων. Οι τελευταίες μέθοδοι (ICP) χρησιμοποιούνται ευρύτατα, κυρίως λόγω της προσαρμοστικότητάς τους, της ταχύτητάς των υπολογισμών και της ευκολίας στην εκτέλεση. Επιπλέον αλγόριθμοι που χρησιμοποιούν αυτή τη μέθοδο, είναι αλγόριθμοι εξέτασης υποθετικών μετασχηματισμών. (7) 23

24 Εικόνα 10 - παράδειγμα χρήσης Διακριτών σημείων σε καταχώρηση CT-MRI σε κρανίο. Προέρχεται από την εφαρμογή Eclipse της Varian. Μέθοδοι Κατάτμησης Οι μέθοδοι που βασίζονται στην κατάτμηση μπορούν να χρησιμοποιούν άκαμπτα μοντέλα μετασχηματισμού, όπου όμοιες ανατομικά δομές (κυρίως επιφάνειες) εξάγονται από τις εικόνες και χρησιμοποιούνται μόνο αυτές ως στοιχεία ευθυγράμμισης των εικόνων. Επιπλέον μπορούν να χρησιμοποιούν μετασχηματισμούς παραμόρφωσης, όπου μια ομάδα δομών εξάγεται από την μια εικόνα (και σε αυτή τη περίπτωση πάλι κυρίως επιφάνειες και καμπύλες) και προσαρμόζεται ώστε να ταιριάξει στην άλλη εικόνα. (7) Η πρώτη μέθοδος (γραμμικών μετασχηματισμών) είναι ίσως η πιο δημοφιλής σε ιατρικές εφαρμογές. (11) Αυτό κυρίως οφείλεται στην μέθοδο Head-hat που αναπτύχθηκε αρχικά από τον Pelizzari (και συνεργάτες). Η μέθοδος αυτή βασίζεται στην κατάτμηση της επιφάνειας δέρματος της κεφαλής από εικόνες CT, MRI και PET. Η δημοτικότητα της μεθόδου οφείλεται στην ευκολία της εφαρμογής της μεθόδου και την χαμηλή υπολογιστική πολυπλοκότητά της, με αποτέλεσμα οι ακολουθούμενες δημοσιεύσεις να έχουν επικεντρωθεί κυρίως στην αυτοματοποίηση και την βελτιστοποίηση της διαδικασίας. Μία άλλη εφαρμογή που έχει οδηγήσει στην 24

25 δημοτικότητα της μεθόδου είναι η τεχνική Chamfer matching (λοξοτομημένη αντιστοίχηση), για την ευθυγράμμιση δυαδικών δομών μέσω μετασχηματισμών απόστασης, που εισήχθη αρχικά από τον Borgefors. Το κύριο μειονέκτημα της μεθόδου κατάτμησης είναι η μειωμένη ακρίβεια που παρατηρείται στην αντιστοίχηση λόγω αστοχιών στο βήμα της κατάτμησης. Η μέθοδος της κατάτμησης είναι θεωρητικά εφαρμόσιμη σε ολόκληρο το σώμα, στην πράξη όμως η μέθοδος χρησιμοποιείται κυρίως στις εφαρμογές της νευροαπεικόνισης και τις ορθοπεδικές απεικονίσεις. Η διαδικασία είναι συνήθως αυτοματοποιημένη σε όλα τα άλλα βήματα της αντιστοίχησης εκτός από την διαδικασία της κατάτμησης η οποία συνήθως είναι ημιαυτοματοποιημένη. (7) Στα παραμορφωτικά μοντέλα, η μέθοδος διαφέρει ως προς τα κριτήρια βελτιστοποίησης, που εδώ είναι ορισμένα τοπικά και η παραμόρφωση πραγματοποιείται με ελαστική μοντελοποίηση επάνω στις καμπύλες και τις επιφάνειες που έχουν εισαχθεί. Τα δεδομένα που εισάγονται για την αντιστοίχηση δεν είναι σημειακά, αλλά αναπαριστούνται από καμπύλες όπως τα Splines και οι παραμορφώσεις πραγματοποιούνται με μικρές επαναληπτικές διαδικασίες. Επιπλέον τα παραμορφωτικά μοντέλα, για να είναι αποτελεσματικά, χρησιμοποιούν πάντοτε πρότυπα μοντέλα, τα οποία θα πρέπει να είναι καθορισμένα σε κάθε διαδικασία και θα αντιστοιχούν στο συγκεκριμένο μέρος του σώματος που απεικονίζεται. Στα μειονεκτήματα, τώρα, της μεθόδου συμπεριλαμβάνεται ότι συνήθως χρειάζεται οι εικόνες να διαθέτουν πολύ καλά καθορισμένα αρχικά σημεία, ώστε η παραμόρφωση να γίνει σωστά. Για τον λόγο αυτό συνήθως χρησιμοποιείται έπειτα από μια αρχική γραμμική μετατόπιση. Επιπλέον, αν το απεικονιζόμενο σώμα έχει μεγάλες διαφορές από το πρότυπο, τότε μπορεί να οδηγήσει σε πολύ μεγάλα σφάλματα. Αυτό μπορεί εύκολα να γίνει σε περίπτωση που ο απεικονιζόμενος έχει κάποιον όγκο, με αποτέλεσμα να διαφέρει αισθητά η απεικόνισή του από τα πρότυπα που βασίζονται σε σώματα με φυσιολογική ανατομία. Στην παρούσα βιβλιογραφία, οι κύριες εφαρμογές της μεθόδου είναι η αντιστοίχηση περιγραμμάτων του σκελετού από εικόνες CT και η φλοιώδης καταχώρηση εικόνων MRI. (7) Μέθοδοι Βασισμένοι Στα Χαρακτηριστικά Των Voxel Οι μέθοδοι αυτες διαφέρουν από τις προηγούμενες λόγω του ότι ενεργούν κατευθείαν στα voxel της εικόνας, χωρίς προηγουμένως να έχει γίνει εξαγωγή συγκεκριμένων πληροφοριών από αυτή. Επομένως ως βάση της καταχώρησης θεωρείται ολόκληρη η εικόνα. Η διαδικασία που ακολουθείται, μπορεί να χωριστεί σε δύο διαφορετικές προσεγγίσεις. Στην μία, αρχικά μειώνονται τα δεδομένα σε ένα αντιπροσωπευτικό σύνολο το οποίο περιέχει βαθμωτά μεγέθη και προσανατολισμούς, ενώ στην δεύτερη χρησιμοποιείται το σύνολο των δεδομένων καθ όλη τη διάρκεια της διαδικασίας. (7) 25

26 Η πρώτη προσέγγιση οδηγεί σε λιγότερο ακριβή αποτελέσματα και δεν μπορεί να χειριστεί σωστά τις διαφορές στις εντάσεις (volumes) ανάμεσα στις διαφορετικές εικόνες, όμως χρησιμοποιείται ευρέως σε περιπτώσεις που δεν χρειάζεται μεγάλη ακρίβεια στην ευθυγράμμιση των εικόνων, καθώς είναι μια διαδικασία αρκετά γρήγορη και αυτοματοποιημένη. Τέτοιες εφαρμογές είναι οι σπινθηρογραφικές μελέτες της καρδιάς και οι προ-αντιστοιχίσεις σε άλλες μεθόδους αντιστοίχησης εικόνων. (7) Η δεύτερη προσέγγιση, που χρησιμοποιεί το σύνολο της πληροφορίας θεωρείται η πιο ευέλικτη μέθοδος καταχώρησης, μιας και χρησιμοποιεί το σύνολο της πληροφορίας που παρέχει η εικόνα, χωρίς να προχωρά σε απευθείας μείωση των δεδομένων, όπως γίνεται σε όλες τις άλλες περιπτώσεις. (7) Λόγω του μεγάλου της υπολογιστικού κόστους άργησε να εφαρμοστεί η μέθοδος αυτή, όμως πλέον λόγω των αυξανόμενων αναγκών σε ακρίβεια στην σύντηξη εικόνων, καθώς και λόγω της όλο και ταχύτερης υπολογιστικής ικανότητας των υπολογιστών, η μέθοδος χρησιμοποιείται ευρύτατα. Οι μέθοδοι λοιπόν που χρησιμοποιούν το σύνολο της πληροφορίας, μπορούν να εφαρμοστούν σε σχεδόν κάθε ιατρική εφαρμογή και χρησιμοποιώντας οποιοδήποτε είδος μετασχηματισμών. Οι μέθοδοι αυτού του τύπου είναι συνήθως αυτοματοποιημένες, αλλά στη βιβλιογραφία συνίσταται να χρησιμοποιούνται μικτά με κάποια άλλη μέθοδο (πχ. με μια μέθοδο αναγνώρισης σημείων, ως προ-καταχώρηση). (7) Αξίζει να αναφέρουμε ένα πρακτικό ζήτημα της μεθόδου αυτής. Στην μέθοδο αυτή, ο χειριστής του προγράμματος καταχώρησης μπορεί να προσαρμόσει την εικόνα κατάλληλα ώστε να φαίνονται καλύτερα κάποιες δομές. 3 Με τον τρόπο αυτό ο αλγόριθμος εκτελείται επάνω σε διαφορετικά δεδομένα εντάσεων των voxel (12). Επομένως ακόμα και σε πλήρη αυτοματοποιημένη διαδικασία, ο χειριστής συνεχίζει να παίζει σημαντικό ρόλο στο αποτέλεσμα της καταχώρισης, καθώς η ικανότητά του να αντιλαμβάνεται την καλύτερη δυνατή απόχρωση των εικόνων, ώστε να φαίνονται το καλύτερο δυνατό κάποιες δομές, μπορεί να συνδράμει στην ποιότητα των αποτελεσμάτων που θα επιφέρει η διαδικασία. 3 Τυπικά οι απεικονίσεις CT διαθέτουν 12bits αποχρώσεων του γκρι, διαμορφώνοντας λοιπόν ένα σύνολο 4096 αποχρώσεων. Όμως οι ηλεκτρονικές συσκευές απεικόνισης (οθόνες) μπορούν να απεικονίσουν μονάχα 8bits αποχρώσεων του γκρι. Επιπλέον το ανθρώπινο μάτι μπορεί να διακρίνει κατά μέσο όρο μονάχα αποχρώσεις του γκρι. Τα 12bits αποχρώσεων λοιπόν πρέπει να μειωθούν κατά την απεικόνιση σε 8bits ώστε να μπορεί να γίνει η απεικόνιση από τις συσκευές. Αυτό λοιπόν μας δίνει την ελευθερία να επιλέξουμε ένα φάσμα αποχρώσεων του γκρι προβολής (γνωστό ως Windowing). Με αυτόν τον τρόπο μπορούμε να προσαρμόσουμε την ευκρίνεια, με μικρότερο φάσμα να δίνει υψηλή ευκρίνεια, ενώ μεγάλο φάσμα να μειώνει την ευκρίνεια. Επιπλέον επιλέγουμε την τιμή των δεδομένων, στην οποία θα αντιστοιχίσουμε το μέσο της απεικονιζόμενης έντασης (γνωστό ως Leveling), αυξομειώνοντας έτσι την φωτεινότητα. Περισσότερες λεπτομέρειες επί του θέματος στο παρ (4) 26

27 2.4 Διαδικασία Βελτιστοποίησης Η διαδικασία αυτή περιλαμβάνει την αξιολόγηση, με βάση το μέτρο ομοιότητας, του μετασχηματισμού που έχει υπολογιστεί από τον αλγόριθμο αντιστοίχησης και η εφαρμογή μιας τεχνικής βελτιστοποίησης, η οποία βελτιστοποιεί την τιμή του μέτρου ομοιότητας στο χώρο των παραμέτρων μετασχηματισμού. Είναι το τελευταίο βήμα του κύκλου καταχώρησης και χρησιμοποιείται για τον βέλτιστο υπολογισμό των παραμέτρων ενός γεωμετρικού μετασχηματισμού. Λόγω του ότι η διαδικασία της καταχώρησης είναι ένα όχι και τόσο καλά ορισμένο πρόβλημα, το μέτρο ομοιότητας συνήθως συνδυάζεται με έναν όρο κανονικοποίησης (regularization term) (1). Υπάρχουν δύο βασικές κατηγορίες τεχνικών βελτιστοποίησης. Οι ολικές τεχνικές και οι τοπικές τεχνικές. Ο διαχωρισμός γίνεται με βάση τον τόπο δράσης της βελτιστοποίησης. Στην πρώτη περίπτωση επιχειρείται η βελτιστοποίηση του μέτρου ομοιότητας στο σύνολο της κάθε εικόνας, ενώ στην δεύτερη γίνεται επιλεγμένη εφαρμογή της βελτιστοποίησης σε ένα συγκεκριμένο όγκο της εικόνας. Ως προς τη στρατηγική που ακολουθείται στην διαδικασία εύρεσης του καλύτερου δυνατού μετασχηματισμού, μπορούμε να πούμε ότι οι διαδικασίες μπορούν να είναι βασισμένες είτε στον απ ευθείας υπολογισμό παραμέτρων αξιολόγησης, είτε σε μια διαδικασία αναζήτησης. Η πρώτη διαδικασία βασίζεται στην απλή επίλυση ενός συστήματος εξισώσεων. Σε μικρά συστήματα είναι αρκετά καλά προσδιορισμένη διαδικασία και γρήγορη. Επιπλέον είναι ακριβής στα αποτελέσματά της, που σημαίνει ότι χρειάζεται πολύ καλό προσδιορισμό των παραμέτρων. Θεωρείται όμως αρκετά χρονοβόρα και έχει μεγάλο υπολογιστικό κόστος σε μεγάλα συστήματα, οπότε εφαρμόζεται συνήθως μόνο σε συστήματα που βασίζονται σε πολύ μικρό αριθμό δεδομένων. Στην διαδικασία αναζήτησης το πρόβλημα καταχώρησης αντιμετωπίζεται με μια συστηματοποιημένης αναζήτησης της καλύτερης τιμής του μέτρου ομοιότητας. Η αναζήτηση της καλύτερης τιμής γίνεται συνήθως με αριθμητικές μεθόδους και κάποιες από αυτές είναι η μέθοδος Powell, η μέθοδος Downhill Simplex, Steepest Descent (τοπικές τεχνικές), τα Generic Algorithms και Simulated Annealing (ολικές τεχνικές). Θεωρείται λιγότερο πολύπλοκη διαδικασία, καθώς και πολύ αποτελεσματική σε αντιστοίχηση μονής απεικονιστικής μεθόδου (monomodal) (7). Πέρα από τις παραπάνω διαφοροποιήσεις ανάμεσα στις μεθόδους βελτιστοποίησης μπορούμε να αναφέρουμε και μεθόδους που προσπαθούν να αντιμετωπίσουν το πρόβλημα της καταχώρισης με διάφορους τρόπους κατακερματισμού του προβλήματος. Πολλές φορές γίνεται χρήση της λεγόμενης πυραμίδας πολλαπλών αναλύσεων (multiresolution pyramid) (10). Η καταχώρηση με χρήση διαφορετικών επιπέδων ανάλυσης της πληροφορίας μπορεί σε κάποιες 27

28 περιπτώσεις να φανεί πολύ χρήσιμη και να απλοποιήσει την διαδικασία της βελτιστοποίησης. Επιπλέον, όπως έχει αναφερθεί και σε άλλη παράγραφο, συχνά γίνεται συνδυασμός διαφορετικών τεχνικών καταχώρησης σε μια προσπάθεια να απλοποιηθεί το πρόβλημα. Για παράδειγμα γίνεται μια προκαταχώρηση με μια μέθοδο που χρησιμοποιεί μικρό όγκο δεδομένων (σε μικρή ανάλυση) και στη συνέχεια σε ένα καλύτερα προετοιμασμένο έδαφος εφαρμόζεται μία μέθοδος που έχει μεγαλύτερο υπολογιστικό κόστος. 28

29 Εικόνα 11 Κατηγοριοποίηση μεθόδων Αντιστοίχησης εικόνων (7) 29

30 2.5 Καταχώρηση Εικόνων Στην Ακτινοθεραπεία (1): Στην ακτινοθεραπεία, οι καταχωρήσεις που μπορούν να χρησιμοποιηθούν είναι -Μεταξύ εικόνων του ίδιου ασθενούς (intrasubject) -Μεταξύ εικόνων διαφορετικών ασθενών (intersubject) Στην πρώτη περίπτωση επίσης μπορούμε να τις χωρίσουμε ως καταχωρήσεις που προέρχονται από: -Εικόνες που δημιουργήθηκαν στην ίδια φάση της θεραπείας (intrafraction) -Εικόνες που δημιουργήθηκαν σε διαφορετικές φάσεις της θεραπείας (interfraction) Στην περίπτωση των εικόνων διαφορετικών ασθενών, πιθανοί λόγοι που οδηγούν στην καταχώρηση είναι η σύγκριση παρόμοιων περιπτώσεων, ή η αντιστοίχηση της εικόνας του ασθενούς σε έναν άτλαντα 4, με στόχο την άντληση πληροφοριών από αυτόν. Τέτοιες χρήσεις όμως δεν είναι ευρέως διαδεδομένες. Πολύ πιο συχνά χρησιμοποιείται η καταχώρηση μεταξύ εικόνων του ίδιου ασθενούς. Σε εικόνες που δημιουργήθηκαν στην ίδια φάση της θεραπείας συνήθως ενδιαφερόμαστε για την αντιστοίχηση εικόνων διαφορετικών απεικονιστικών μεθόδων, με στόχο να αποκτηθεί μια πιο ολοκληρωμένη εικόνα για τις ενδιαφερόμενες περιοχές του σώματος του ασθενούς. Επιπλέον χρησιμοποιείται στην επαλήθευση της σωστής τοποθέτησης του ασθενούς κατά την θεραπεία. Αυτό γίνεται συνήθως με αυτοματοποιημένες 3D/2D καταχωρήσεις σε συστήματα προσομοίωσης της θεραπείας, είτε αμέσως πριν τη θεραπεία, στο μηχάνημα ακτινοθεραπείας στα σύγχρονα συστήματα. Αντίθετα σε εικόνες που δημιουργήθηκαν σε διαφορετικές φάσεις της θεραπείας, συνήθως έχουμε να κάνουμε με εικόνες όμοιου τύπου απεικόνισης και ενδιαφερόμαστε στην παρακολούθηση της διαφοροποίησης της ανατομίας του ασθενούς, την διαφοροποίηση του όγκου όπως και πάλι στην σωστή τοποθέτηση του ασθενούς. Η άκαμπτη καταχώρηση που έχει καθιερωθεί στην πλειοψηφία των λογισμικών ακτινοθεραπείας, είναι πολύ χρήσιμη στον εντοπισμό διαφοροποιήσεων της ανατομίας 4 Άτλαντας εικόνων είναι ένα πρότυπο εικόνας, το οποίο έχει κατασκευαστεί με τη χρήση πολλών διαφορετικών απεικονίσεων ασθενών, με αποτέλεσμα να δημιουργείται ένα «μέσο όρο» όλων των απεικονίσεων. Χρησιμοποιείται συνήθως για μοντελοποίηση της ανατομίας ή των φυσιολογικών χαρακτηριστικών του ανθρωπίνου σώματος. 30

31 (πχ. απώλεια βάρους ή μεταβολή της θέσης ενός οργάνου) και την μεταβολή του μεγέθους του όγκου. Για τον λόγο αυτό μπορεί να χρησιμοποιηθεί πολύ καλά στην πλειοψηφία των καταχωρίσεων σε διαφορετική φάση της θεραπείας, για την παρακολούθηση της προόδου της. Επίσης είναι χρήσιμη στην περίπτωση ελέγχου της τοποθέτησης του ασθενούς. Όμως οι παραμορφωτικές καταχωρήσεις με την ικανότητά τους να προσαρμόζονται στις αλλαγές της ανατομίας μεταξύ δύο διαφορετικών εικόνων μπορούν να προσφέρουν πολλά στις υπόλοιπες περιπτώσεις όπου η εμφάνιση διαφοροποιήσεων μεταξύ των δύο καταχωρημένων εικόνων δεν είναι επιθυμητή. Για αυτό το λόγο γίνεται προσπάθεια να δημιουργηθούν αξιόπιστοι αλγόριθμοι παραμορφωτικών καταχωρήσεων, που ήδη έχουν αρχίσει να εφαρμόζονται και στα εμπορικά λογισμικά. 31

32 3. Η Σύντηξη Δεδομένων Η καταχώρηση δεδομένων, εφόσον εφαρμοστεί, μας δίνει την δυνατότητα να προχωρήσουμε σε αξιοποίηση των πληροφοριών όλων των απεικονίσεων που έχουν καταχωρηθεί, κατά ενιαίο τρόπο, χαρτογραφώντας πληροφορίες προερχόμενα από την μία απεικόνιση στην άλλη. Στο πλαίσιο αυτό, στα λογισμικά ακτινοθεραπείας μπορούμε να κινηθούμε κατά δύο κυρίως διαφορετικούς τρόπους μεταφοράς πληροφορίας από μία απεικόνιση σε μία άλλη. 5 Στην πρώτη περίπτωση μπορούμε να αναγνωρίσουμε και να σχεδιάσουμε δομές ή όγκους ενδιαφέροντος (PTV, CTV) επάνω σε μία εικόνα, μεταφέροντας την πληροφορία αυτή καθαυτή στην εικόνα που μας ενδιαφέρει (συνήθως σχεδιάζουμε στις δευτερεύουσες εικόνες και τις μεταφέρουμε στην απεικόνιση του CT ακτινοθεραπείας). Η μέθοδος αυτή ονομάζεται Χαρτογράφηση Δομών (Structure mapping). (6) Στην δεύτερη περίπτωση μπορούμε να μεταφέρουμε την ίδια τη δεύτερη εικόνα ώστε να προβάλλεται κατά συντηγμένο τρόπο μαζί με την πρώτη. Η μέθοδος αυτή ονομάζεται Σύντηξη Εικόνων (Image Fusion) (6). 3.1 Χαρτογράφηση Δομών Στα λογισμικά ακτινοθεραπείας, δίνεται η δυνατότητα στον χειριστή να σχεδιάσει επάνω στις απεικονίσεις τα περιγράμματα δομών ή όγκων που τον ενδιαφέρουν. Η διαδικασία αυτή ονομάζεται στην αγγλική γλώσσα Contouring και αποτελεί μια από τις βασικές διαδικασίες κατά τη διαμόρφωση του πλάνου θεραπείας ενός ασθενή. Η χρήση της γίνεται για τον εντοπισμό των καρκινωμάτων και τον προσδιορισμό του όγκου που πρέπει να ακτινοβοληθεί. Ακόμη χρησιμοποιείται για την δημιουργία περιγράμματος δομών του σώματος του ασθενή που χρειάζονται προσοχή, είτε επειδή βρίσκονται πολύ κοντά στον όγκο, είτε επειδή αποτελούν ακτινοευαίσθητες δομές, και χρειάζεται να τους δοθεί προσοχή κατά την τοποθέτηση των πεδίων ακτινοβόλησης. Στην περίπτωση που κάποιες από τις δομές ενδιαφέροντος δεν μπορούν να απεικονιστούν κατάλληλα από την απεικόνιση της CT του πλάνου ακτινοθεραπείας, μπορούμε να προβούμε σε κάποια άλλη καταχωρημένη απεικόνιση (πχ. σε MRI στην περίπτωση που θέλουμε να απεικονίσουμε μαλακούς ιστούς) και να πραγματοποιήσουμε το Contouring σε αυτήν την απεικόνιση. Έπειτα μας δίνεται η δυνατότητα να μεταφέρουμε το περίγραμμα στην απεικόνιση την πρωτεύουσας εικόνας. Οι συντεταγμένες της δευτερεύουσας εικόνας, εφόσον έχουν υποστεί τον 5 Εκτός από αυτές τις μεθόδους υπάρχουν και άλλες, οι οποίες όμως είναι διαφοροποιήσεις των ήδη υπαρχόντων μεθόδων ή συνδυασμός τους. Τέτοιες μέθοδοι είναι η σύντηξη εικόνων, όπου η δευτερεύουσα εικόνα απεικονίζεται σε απόχρωση άλλου χρώματος (πχ. PET-CT), η σύντηξη μόνο μιας συγκεκριμένης δομής της δευτερεύουσας εικόνας με την αρχική (πχ. η απεικόνιση εγκεφάλου από MRI μαζί με τον σκελετό από CT). 32

33 σωστό μετασχηματισμό, και επομένως η καταχώρηση έχει γίνει σωστά, οδηγούν το περίγραμμα στην ανάλογη θέση της πρωτεύουσας εικόνας. Ένα πολύ κατατοπιστικό παράδειγμα σύντηξης δομών από διαφορετικές απεικονιστικές μεθόδους για χρήση στην ακτινοθεραπεία παρουσιάζεται στο άρθρο των Marc L Kessler και Kelvin Li (3) το οποίο φαίνεται στην ΕΙΚΟΝΑ 12 και αφορά την μεταφορά δομών από μία απεικόνιση MRI (Study B) στην εικόνα του πλάνου θεραπείας (Study A), την πρωτεύουσα δηλαδή εικόνα. Στο a της εικόνας βλέπουμε το περίγραμμα του όγκου που έχει εντοπιστεί σε μία από τις τομές της εικόνας από μαγνητικό τομογράφο (Study B). Στο b βλέπουμε την μορφή όλων τον περιγραμμάτων στο χώρο. Από τα περιγράμματα αυτά κατασκευάζεται η δομή στο c η οποία τοποθετείται σύμφωνα με τον υπολογισμένο από την καταχώρηση μετασχηματισμό στο χώρο (d) όπου γίνεται η αντιστοίχηση των περιγραμμάτων στις τομές της εικόνας (e). Αποτέλεσμα αυτού είναι η δομή πλέον να φαίνεται επάνω στην εικόνα του CT (Study A) που χρησιμοποιείται στη δημιουργία του πλάνου θεραπείας (f). 3.2 Σύντηξη Εικόνων Εικόνα 12 Παράδειγμα χαρτογράφησης δομών Η άλλη δυνατότητα που μας δίνεται είναι, όπως προαναφέρθηκε, να προβάλουμε δύο καταχωρημένες εικόνες συντηγμένα μεταξύ τους. Με τον τρόπο αυτό γίνεται απ ευθείας χαρτογράφηση της δεύτερης εικόνας στην πρωτεύουσα, ώστε κάθε 33

34 απεικονιζόμενο voxel να περιέχει τις τιμές έντασης και των δύο απεικονίσεων. (6) Στόχος, προφανώς, είναι να απεικονίζονται ταυτόχρονα στο ίδιο σημείο οι εντάσεις που αντιστοιχούν στην ίδια δομή του ασθενή. Οι μέθοδοι εφαρμογής της συνδυασμένης πληροφορίας μπορούν να ποικίλουν. Στις συνδυασμένες απεικονίσεις μεταξύ CT και PET ή SPECT, συνήθως η απεικόνιση του PET εμφανίζεται επάνω σε αυτήν της CT με απόχρωση χρώματος διαφορετικού του γκρι. Σε άλλες περιπτώσεις, μπορούμε να προβούμε σε δυναμικές (13) προβολές δύο απεικονίσεων, αυξομειώνοντας τις εντάσεις προβολής της κάθε μεθόδου (Blended view) (ΕΙΚΟΝΑ 15), ή σε προβολές όπως οι ΕΙΚΟΝΑ 13 (chess view), ΕΙΚΟΝΑ 14 (Split view). Εικόνα 13 - παράδειγμα μεθόδου σύντηξης εικόνας. Προέρχεται από την εφαρμογή Eclipse της Varian. Εικόνα 14 - παράδειγμα μεθόδου σύντηξης εικόνας. Προέρχεται από την εφαρμογή Eclipse της Varian. 34

35 Εικόνα 15 - παραδείγματα μεθόδου σύντηξης εικόνας. Προέρχεται από την εφαρμογή Eclipse της Varian. 35

36 4. Ποιοτική Αξιολόγηση της Καταχώρησης 4.1 Η Σημασία της Αξιολόγησης Σε κάθε καταχώρηση υπάρχει και κάποιο ποσοστό σφάλματος. Είναι σημαντικό λοιπόν να μπορούμε να αναγνωρίζουμε αν η εκάστοτε καταχώρηση μπορεί να μας φανεί χρήσιμη. Δεν είναι άλλωστε σπάνιο το φαινόμενο να έχουμε καλή αντιστοίχηση σε κάποιο κομμάτι της εικόνας αλλά κακή σε άλλα σημεία, ιδιαίτερα σε μη παραμορφωτικές καταχωρίσεις. Οι κύριες αιτίες που οδηγούν σε ανακριβείς καταχωρίσεις είναι οι εξής: -Διαφορές στις εικόνες λόγω διαφορετικής τοποθέτησης του ασθενή, προσανατολισμού και κίνησης του ασθενή κατά την διαδικασία της απεικόνισης -Το πεπερασμένο πάχος των τομών και η ανάλυση της εικόνας -Η παραμόρφωση μιας εικόνας, ή κάποιο αντικείμενο (πχ το κρεβάτι του ασθενή) -Μη ακριβής τοποθέτηση των κοινών σημείων κατά την καταχώρηση Επειδή λοιπόν σε κάθε καταχώρηση υπάρχει και κάποιο σφάλμα, είναι σημαντική εργασία του χειριστή του να αξιολογήσει σωστά, έπειτα από την ολοκλήρωση της καταχώρησης, την ποιότητά της. Η αξιολόγηση αυτή γίνεται με βάση τις γνώσεις του χειριστή για την ανατομίας του απεικονιζόμενου σώματος και είναι διαφορετική ανάλογα με την χρήση για την οποία προορίζεται η συγκεκριμένη διαδικασία καταχώρησης. Τα προγράμματα που υποστηρίζουν την καταχώρηση εικόνων συνήθως εξοπλίζουν τον χειριστή με τα κατάλληλα εργαλεία αξιολόγησης, επομένως η σωστή αξιολόγησή του εξαρτάται κυρίως από τις γνώσεις και την εμπειρία του. Όπως είπαμε και προηγουμένως, η χρήση για την οποία προορίζεται η καταχώρηση κρίνει κατά μεγάλο βαθμό και την διαδικασία τα αξιολόγησης. Για παράδειγμα αν οι προς καταχώρηση εικόνες απεικονίζουν έναν όγκο στην περιοχή του πνεύμονα, και οι εικόνες αυτές θα χρησιμοποιηθούν στην ακτινοθεραπεία του απεικονιζόμενου, τότε θα πρέπει ο χειριστής να είναι ιδιαίτερα απαιτητικός στην περιοχή όπου πρόκειται να ακτινοβοληθεί και να γίνεται όσο γίνεται καλύτερη αλληλοεπικάλυψη των δομών στην περιοχή αυτή. Επιπλέον θα πρέπει να γίνει έλεγχος αν τα ευαίσθητα όργανα της περιοχής είναι αλληλεπικαλυπτόμενα. Είναι πολύ σημαντικό, επίσης, ο χειριστής να γνωρίζει τις δυνατότητες του αλγόριθμου που μόλις χρησιμοποίησε. Ένας αλγόριθμος που πραγματοποιεί μη παραμορφωτικούς μετασχηματισμούς είναι προφανώς λιγότερο πιθανό να μπορέσει να αλληλεπικαλύψει όλες τις δομές ενός απεικονιζόμενου σώματος, ιδιαίτερα σε μεταβλητά μέρη του σώματος, όπως οι απεικονίσεις θώρακα (λόγω αναπνοής). 36

37 Επομένως γίνεται πιο σημαντική η εστίαση στο αντικείμενο ενδιαφέροντος. Αντίθετα, σε αλγορίθμους που χρησιμοποιούν παραμορφωτικούς μετασχηματισμούς πρέπει να είμαστε αυστηρότεροι στο σύνολο της απεικόνισης, καθώς έχουν τη δυνατότητα να κάμπτουν περιοχές που δεν θα μπορούσαν να συμπέσουν υπό την δράση άκαμπτων μετασχηματισμών. 4.2 Τα εργαλεία και οι Μέθοδοι σε Λογισμικό Ακτινοθεραπείας Στο περιβάλλον εργασίας μας δίνονται διάφορα εργαλεία για την ποιοτική αξιολόγηση των απεικονίσεων. Με την βοήθεια των διαφόρων τύπων συντηγμένης προβολής (ΕΙΚΟΝΑ 13,ΕΙΚΟΝΑ 14,ΕΙΚΟΝΑ 15) είμαστε σε θέση να κάνουμε μια ποιοτική αξιολόγηση της καταχώρησης. Τα προγράμματα απεικόνισης μας επιτρέπουν να περνάμε μια προς μια τις τομές των τρισδιάστατων απεικονίσεων και επομένως να είμαστε σε θέση να αναγνωρίσουμε ατέλειες της καταχώρησης. Επιπλέον μας δίνεται η δυνατότητα να δούμε τις απεικονίσεις σε στεφανιαίες (coronal), οβελιαίες (sagittal) και αξονικές (axial) τομές, μέσω ανασύνθεσης των τρισδιάστατων δεδομένων. Αυτό μας επιτρέπει να αξιολογήσουμε την ευθυγράμμιση των εικόνων και σε διαφορετικά επίπεδα. Η μέθοδος που καλείται ο χειριστής να ακολουθήσει δεν είναι συγκεκριμένη, όμως οι βασικές παράμετροι που πρέπει να ακολουθηθούν είναι καθορισμένες (12). Ο χειριστής καλείται να περνάει από όλες τις τομές και να παρατηρεί προσεκτικά την ευθυγράμμιση των δομών που τον ενδιαφέρουν. Επιπλέον καλείται να εφαρμόσει τον έλεγχο σε όλα τα επίπεδα προβολής καθώς μια καταχώριση μπορεί να φαίνεται σωστή σε ένα συγκεκριμένο επίπεδο προβολής, όμως σε ένα άλλο να είναι σημαντική η απόκλιση. Έμφαση πρέπει να δοθεί στις δομές γύρω από τα σημεία ενδιαφέροντος και ιδιαίτερα σε μη παραμορφωτικές διαδικασίες να μην επηρεάζεται ο χειριστής από μεταβλητά μέρη του σώματος μακριά από το σημείο ενδιαφέροντος (πχ. διαφορά στην θέση του ώμου σε απεικόνιση όγκου στον εγκέφαλο). Μονάχα εάν η αξιολόγηση κρίνει ότι η καταχώρηση πληροί τα κριτήρια, αυτή μπορεί να χρησιμοποιηθεί στη διαμόρφωση του πλάνου θεραπείας. 37

38 5. Πειραματική Εργασία Ποσοτικής Αξιολόγησης Αλγορίθμων Καταχώρησης 5.1 Εισαγωγικά Στο κεφάλαιο αυτό θα προσπαθήσουμε να πραγματοποιήσουμε μια ποσοτική αξιολόγηση κάποιων διαθέσιμων αλγορίθμων. Η αξιολόγηση γίνεται κατά την εφαρμογή των αλγορίθμων σε πραγματικά περιστατικά ασθενών. Η πειραματική εργασία πραγματοποιείται σε λογισμικό ακτινοθεραπείας Eclipse της Varian. Το λογισμικό αυτό δίνει την δυνατότητα στον χρήστη να πραγματοποιήσει καταχώρηση εικόνων με τέσσερις διαφορετικές μεθόδους. Υπάρχει ένας αλγόριθμος καταχώρησης βασισμένος στα χαρακτηριστικά των Pixel (ΒΛ. ΜΕΘΟΔΟΙ ΒΑΣΙΣΜΕΝΟΙ ΣΤΑ ΧΑΡΑΚΤΗΡΙΣΤΙΚΑ ΤΩΝ VOXEL), ένας αλγόριθμος που χρησιμοποιεί σημεία (ΒΛ. ΜΕΘΟΔΟΙ ΔΙΑΚΡΙΤΩΝ ΣΗΜΕΙΩΝ), ένας αλγόριθμος βασισμένος στις συντεταγμένες των αρχείων DICOM (ΒΛ. ΣΗΜΕΙΩΣΗ 1) και τέλος διαθέτει τα εργαλεία που δίνουν την δυνατότητα στο χρήστη να πραγματοποιήσει χειροκίνητη καταχώρηση. Στην εργασία που πραγματοποιούμε επικεντρωνόμαστε στην χρήση της πρώτης και δεύτερης μεθόδου. Η τρίτη μέθοδος χρησιμεύει μόνο για συστήματα με προκαταχωρημένες εικόνες που προέρχονται από απεικονιστικά συστήματα όπως το PET-CT, ενώ δεν υπάρχει λόγος να ασχοληθούμε με χειροκίνητες μεθόδους, λόγω του ότι η αποτελεσματικότητα εξαρτάται από τις ικανότητες του χειριστή. 5.2 Τα Χαρακτηριστικά των Αλγορίθμων. Το λειτουργικό που χρησιμοποιούμε επιτρέπει μονάχα μη παραμορφωτικές καταχωρήσεις. Αυτό σημαίνει, όπως πλέον γνωρίζουμε, ότι οι γεωμετρικές διαφορές μεταξύ των προς καταχώρηση εικόνων δεν μπορεί να διορθωθεί. Το σύστημα συντεταγμένων που χρησιμοποιείται είναι αυτό των αρχείων DICOM (βλ. Παράρτημα Α2) των απεικονίσεων (Frame of Reference, FOR) και η καταχώρηση πραγματοποιείται μεταξύ των FOR των δύο εικόνων μέσω ενός μετασχηματισμού συντεταγμένων. Επομένως όταν οι εικόνες έχουν κοινό FOR δεν χρειάζεται να πραγματοποιηθεί καταχώρηση μεταξύ των δύο εικόνων. Αυτό σημαίνει ότι εικόνες που αποκτήθηκαν από την ίδια συνεδρία απεικόνισης είναι ήδη έτοιμα να προβληθούν συντηγμένα. Για παράδειγμα οι στεφανιαίες, οβελιαίες και αξονικές τομές της ίδιας συνεδρίας απεικόνισης MRI δεν χρειάζεται να καταχωρηθούν μεταξύ τους, διότι είναι ορισμένες ως προς το ίδιο FOR. Επιπλέον, όταν μία από τις παραπάνω καταχωρηθεί ως προς μια άλλη εικόνα αυτό σημαίνει ότι θα είναι καταχωρημένη και ως προς όλες τις άλλες εικόνες της ίδιας συνεδρίας. 38

39 5.2.1 Καταχώρηση με τη χρήση των δεδομένων των pixel Η καταχώρηση με βάση τις εντάσεις των pixel είναι η πρώτη που μας απασχολεί. Πρόκειται για μια αυτοματοποιημένη εξ ολοκλήρου διαδικασία, εύκολη λοιπόν στη χρήση. Εφαρμόζει μη παραμορφωτική καταχώρηση με βάση τις εντάσεις των pixel των τομών των δύο εικόνων. Το σύστημα διαθέτει και την δυνατότητα στον χειριστή να επιλέξει ένα μέρος της τρισδιάστατης απεικόνισης ως όγκο ενδιαφέροντος (Volume of Interest) ώστε να δώσει στον όγκο αυτό μεγαλύτερη βαρύτητα στην διαδικασία της καταχώρησης. Επιπλέον δίνεται η δυνατότητα στο χρήστη, εφόσον αυτός έχει δημιουργήσει περιγράμματα δομών του ασθενούς (Contouring) να επιλέξει ένα από αυτά ώστε να δοθεί βαρύτητα στα pixel τα οποία περικλείει η δομή. Τα προηγούμενα δύο μπορούν να γίνουν και συνδυαστικά, με αποτέλεσμα για παράδειγμα σε απεικονίσεις στην περιοχή του κρανίου να μπορεί ο χειριστής να δώσει έμφαση στην περιοχή γύρω από τον όγκο και επιπλέον να δώσει έμφαση σε κάποια δομή, για παράδειγμα το κρανίο ή ένα από τα GTV 6, CTV 7, PTV 8. Οι εντάσεις των pixel αναφέρονται στις εντάσεις του παραθύρου προβολής (βλ. Παραρτημα Β) και αυτό είναι το μόνο που ρυθμίζει ο χειριστής κατά την διαδικασία της καταχώρησης Καταχώρηση με τη Χρήση Σημείων Ο δεύτερος τύπος είναι η καταχώρηση με χρήση σημείων (ΕΙΚΟΝΑ 10 - παράδειγμα χρήσης Διακριτών σημείων σε καταχώρηση CT-MRI σε κρανίο. Προέρχεται από την εφαρμογή Eclipse της Varian.). Αυτή είναι ημιαυτοματοποιημένη διαδικασία και απαιτεί από τη χειριστή να αναγνωρίσει σημεία αντιστοίχησης. Τα δεδομένα των εικόνων δεν λαμβάνονται υπ όψη παρά μόνο τα σημεία που έχουν καταχωρηθεί από τον χειριστή. Ο ελάχιστος αριθμός κοινών σημείων που χρησιμοποιείται είναι τρία σημεία, όμως είναι εμφανές ότι χρειάζονται αρκετά περισσότερα για μια ακριβή καταχώρηση. Επιπλέον είναι πολύ σημαντική η καλή γνώση ανατομίας του χειριστή καθώς λανθασμένες αναγνωρίσεις κοινών σημείων προσθέτουν επιπλέον σφάλμα στην ακρίβεια της καταχώρησης. Ο αλγόριθμος υπολογισμού υπολογίζει τον μετασχηματισμό ψάχνοντας αυτόν για τον οποίο υπάρχει η ελάχιστη απόσταση μεταξύ των κοινών σημείων. 6 gross tumour volume (GTV): όρος με τον οποίο περιγράφεται η περιοχή επί της απεικόνισης στην οποία φαίνεται ο όγκος-στόχος (19) 7 clinical target volume (CTV): όρος με τον οποίο περιγράφεται η περιοχή του όγκου μαζί με μια περιοχή γύρω από αυτόν στην οποία εικάζεται ή γνωρίζουμε ότι έχει επεκταθεί ο όγκος (19) 8 planning target volume (PTV): όρος με τον οποίο περιγράφεται η περιοχή του όγκου και ένα μέρος γύρω την οποία στοχεύουμε να ακτινοβολήσουμε με στόχο να μπορέσει να ακτινοβοληθεί ολόκληρος ο πραγματικός όγκος, λαμβάνοντας υπ όψη σφάλματα που μπορούν να προκύψουν κατά την θεραπεία. (19) 39

40 5.3 Μέθοδος Αξιολόγησης Η αξιολόγηση γίνεται σε απεικονίσεις ασθενών που υποβάλλονται σε ακτινοθεραπεία και απεικονίζονται από αξονικό τομογράφο ακτινών Χ. Συγκεκριμένα, η πρωτεύουσα εικόνα προέρχεται από αξονικό τομογράφο σχεδιασμού θεραπείας, ενώ η δευτερεύουσα εικόνα προέρχεται είτε από διαγνωστικό αξονικό τομογράφο, είτε από αξονικό τομογράφο σχεδιασμού θεραπείας. Οι προς καταχώρηση εικόνες προέρχονται από διαφορετικές χρονικά στιγμές της θεραπείας οπότε αναμένουμε και μεταβολές στην σωματική δομή του ασθενή. Στην παρούσα προσπάθεια αξιολόγησης θεωρούμε έναν (γεωμετρικό) όγκο του σώματος του ασθενούς ως όγκο ενδιαφέροντος και μετράμε το ποσοστό της αλληλοεπικάλυψης του απεικονιζόμενου αυτού όγκου έπειτα από την καταχώρηση. Μέσω contouring γίνεται σχεδιασμός της περιφέρειας του όγκου με μία ημιαυτόματη διαδικασία και στις δύο απεικονίσεις. Η διαδικασία αυτή γίνεται από το ίδιο πρόσωπο για την αποφυγή επιπλέον σφαλμάτων. Έπειτα από την καταχώρηση των εικόνων παίρνουμε την τομή των δύο σχεδιασμένων όγκων. Διαιρώντας το μέγεθος του όγκου αλληλοεπικάλυψης με τον μέσο όρο των δύο όγκων παίρνουμε ουσιαστικά το ποσοστό αλληλοεπικάλυψης του όγκου διαφέροντος και επομένως έχουμε ένα πρακτικό τρόπο αξιολόγησης της ακρίβειας της διαδικασίας και επομένως της χρησιμότητας της σε πρακτικές εφαρμογές στην διαδικασία του σχεδιασμού της ακτινοθεραπείας. Ορίζοντας ως V prim τον όγκο ενδιαφέροντος της πρωτεύουσας εικόνας, V sec τον όγκο ενδιαφέροντος της δεύτερης εικόνας και V overlap τον όγκο της αλληλοεπικάλυψης των V prim και V sec, το ποσοστό αλληλοεπικάλυψης Q για κάθε περιστατικό υπολογίζεται από τον παρακάτω τύπο: Το αποτέλεσμα που παίρνουμε αναμένουμε να περιέχει σφάλμα τόσο σχεδιασμού του όγκου, αλλά και λόγω διαφορετικής ανατομίας του ασθενή και αδυναμίας του αλγορίθμου. 5.4 Καταχώρηση σε Head and Neck Τα Δεδομένα Η πρώτη περιοχή στην οποία επικεντρωνόμαστε είναι αυτή της κεφαλής και τραχήλου του ασθενή. Τεχνικά είναι η περιοχή στην οποία είναι πιο εύκολη η καταχώρηση εικόνων. Αυτό ισχύει κυρίως διότι θεωρείται μικρότερο το σφάλμα λόγω του σχετικά μικρού περιθωρίου κινήσεων του ασθενή. Η μόνη σημαντική κίνηση που μπορεί να επηρεάσει την απεικόνιση είναι αυτή του τραχήλου. Επομένως έχουμε μια περιοχή με σχετικά μικρά σφάλματα λόγω μεταβολής του σώματος. Αυτός είναι και ο ) 40

41 λόγος που οι πρώτες προσπάθειες καταχώρησης έγιναν σε απεικονίσεις του κρανίου και γενικότερα της περιοχής του head and neck Αποτελέσματα Ο όγκος ενδιαφέροντος που διαλέγουμε είναι ολόκληρη η περιοχή του εγκεφάλου στην περίπτωση αυτή. Τα αποτελέσματα των μετρήσεων σε δείγμα 5 ασθενών δίνεται στον παρακάτω πίνακα: V prim Όγκος πρωτεύουσας εικόνας (cm 3 ) V sec Όγκος δευτερεύουσας εικόνας (cm 3 ) V overlap Τομή πρωτεύουσας και δευτερεύουσας (cm 3 ) (V prim+ V sec ) Q Ποσοστό Αλληλοεπικάλυψης (%) Μέσος όρος πρωτεύουσας και δευτερεύουσας (cm 3 ) Μέσο όρο: 98.07% Τυπική απόκλιση σ=0,41% Ποσοστό μη αλληλοεπικάλυψης (%) Μέσος όρο: 1.93% Τυπική απόκλιση σ=0,41% Μετρήσαμε λοιπόν ποσοστό αλληλοεπικάλυψης 98,07±0,41 % των όγκων ενδιαφέροντος. 5.5 Καταχώρηση στην Περιοχή του Θώρακα Τα Δεδομένα Η δεύτερη περιοχή στην οποία επικεντρωνόμαστε είναι αυτή του θώρακα. Εδώ έχουμε σημαντικές μεταβολές στην ανατομία του απεικονιζόμενου σώματος, όχι μόνο λόγω κίνησης του ασθενή ή λόγω προβληματικής τοποθέτησης, αλλά και λόγω των περιοδικών κινήσεων λόγω αναπνοής. Συγκεκριμένα η αναπνοή είναι υπεύθυνη για μεγάλες μεταβολές στον όγκο του πνεύμονα και επομένως κάνει δύσκολη την διαδικασία της καταχώρησης. Ιδίως όταν η μόνη διαθέσιμη μέθοδος καταχώρησης είναι η μη παραμορφωτική, το σφάλμα γίνεται αρκετά μεγάλο. Η απεικόνιση των ασθενών για την διαδικασία της ακτινοθεραπείας γίνεται αφήνοντας τον ασθενή να αναπνέει ελεύθερα. Επομένως, αν και αυτός δεν παίρνει μεγάλες αναπνοές (με συνέπεια ο πνεύμονας να αποκτά μεγάλο όγκο), η απεικόνιση 41

42 μπορεί να πετύχει τον ασθενή σε οποιαδήποτε φάση της διαδικασίας της αναπνοής. Επιπλέον αυτό σημαίνει, επειδή η απεικόνιση σε αξονικές διατάξεις έχει πεπερασμένη διάρκεια, ότι αποκτάμε και σφάλμα λόγω κίνησης κατά τη διάρκεια απεικόνισης, με αποτέλεσμα να έχουμε μικρότερη ευκρίνεια. Κατά τη διαδικασία του σχεδιασμού του πλάνου θεραπείας τα παραπάνω σφάλματα σημαίνουν ότι πρέπει το PTV να περιλαμβάνει μεγαλύτερο όγκο γύρω από το GTV με αποτέλεσμα την αύξηση της δόσης του υγιούς ιστού. Στην περίπτωση της καταχώρησης, λοιπόν, αναμένουμε να γίνει αύξηση του σφάλματος, όπως και στην περίπτωση του υπολογισμού της GTV Αποτελέσματα Εδώ παίρνουμε ως όγκο ενδιαφέροντος τον αριστερό πνεύμονα του ασθενή. Τα αποτελέσματα από δείγμα 13 ασθενών παρουσιάζονται παρακάτω: V prim V sec V overlap (V prim+ V sec ) Q Όγκος Όγκος Τομή Μέσος όρος Ποσοστό Ποσοστό μη πρωτεύουσας εικόνας (cm 3 ) δευτερεύουσας εικόνας (cm 3 ) πρωτεύουσας και δευτερεύουσας πρωτεύουσας και Αλληλοεπικάλυψης αλληλοεπικάλυψης (%) (cm 3 ) δευτερεύουσας (%) Μέσο όρο: Μέσο όρο: 87.33% Τυπική απόκλιση σ=7,50% 12.67% Τυπική απόκλιση σ=7,50% Μετρήσαμε λοιπόν ποσοστό αλληλοεπικάλυψης 87.33±7.50 % των όγκων ενδιαφέροντος. 42

43 Εικόνα 16 Ένα από τα περιστατικά της μελέτης στον εγκέφαλο. πάνω αριστερά: ο όγκος της V sec πάνω στην δευτερεύουσα εικόνα, πάνω δεξιά: ο όγκος της V prim επάνω στην πρωτεύουσα εικόνα, κάτω αριστερά: ο όγκος της V prim της V sec πάνω στην πρωτεύουσα εικόνα μετά την διαδικασία καταχώρησης, κάτω δεξιά: ο όγκος V overlap πάνω στην πρωτεύουσα εικόνα. Εικόνα 17 Ένα από τα περιστατικά της μελέτης στον θώρακα. πάνω αριστερά: ο όγκος της V prim πάνω στην πρωτεύουσα εικόνα, πάνω δεξιά: ο όγκος της V sec επάνω στην δευτερεύουσα εικόνα, κάτω αριστερά: ο όγκος της V prim και της V sec πάνω στην πρωτεύουσα εικόνα μετά την διαδικασία καταχώρησης, κάτω δεξιά: ο όγκος V overlap πάνω στην πρωτεύουσα εικόνα. 43

44 5.6 Σχολιασμός Αποτελεσμάτων Βλέποντας τα αποτελέσματα των δύο διαφορετικών περιπτώσεων και συγκρίνοντάς τα μεταξύ τους, είναι σαφές ότι υπάρχουν μεγάλες διαφορές. Στην πρώτη περίπτωση έχουμε απεικόνιση μιας σχετικά σταθερής δομής ενώ στην δεύτερη περίπτωση μια δομή με μεγάλες περιοδικές μεταβολές σε όγκο και σχήμα. Λαμβάνοντας υπ όψη ότι σε απεικονίσεις στην ακτινοθεραπεία έχουμε να κάνουμε με καρκινογένεσης και επομένως επιπλέον διαφοροποιήσεις στη δομή του απεικονιζόμενου σώματος, μπορούμε να καταλάβουμε ότι μπορούν να προκύψουν μεγάλες διαφοροποιήσεις. Με την μέθοδο της μη παραμορφωτικής καταχώρησης, λοιπόν, η οποία δεν προσαρμόζεται σε διαφοροποιήσεις μεταξύ των εικόνων είναι κατανοητό ότι δεν μπορούν να παρακαμφθούν αυτές οι διαφορές, πράγμα που οδηγεί στη μείωση της μεταβλητής του ποσοστού αλληλοεπικάλυψης Q. Οι διαφοροποιήσεις στην δομή του απεικονιζόμενου σώματος οφείλονται στην κίνηση του ασθενούς, στις περιοδικές κινήσεις (όπως η αναπνοή στην περίπτωσή μας), σε διαφοροποιήσεις της ανατομίας του ασθενή (καρκινογένεση, αδυνάτισμα, εγχείρηση). Οι περιοδικές κινήσεις δεν επηρεάζουν την περίπτωση του εγκεφάλου, όπως επίσης φυσιολογικές διαφοροποιήσεις της ανατομίας στην περιοχή αυτή είναι δύσκολο να υπάρξουν. Επιπλέον, θέτοντας κατάλληλες εντολές στον αλγόριθμο, μπορούν να ελαχιστοποιηθούν διαφοροποιήσεις που οφείλονται στην τοποθέτηση (κίνηση) ασθενή, καθώς η περιοχή γύρω από τον εγκέφαλο δεν έχει κινητές δομές. Αντιθέτως στην περιοχή του θώρακα, έχουμε μεγάλη διαφοροποίηση λόγω περιοδικών κινήσεων. Επιπλέον υπάρχει σαφής επιρροή της κίνησης του ασθενή στην δομή του απεικονιζόμενου σώματος, καθώς μιλάμε για ένα αρκετά μεταβλητό μέρος του σώματος. Η καρκινογένεση επηρεάζει σαφώς και τις δύο περιπτώσεις, ενώ το ίδιο συμβαίνει και στην περίπτωση εγχείρησης, πράγμα το οποίο συμβαίνει συχνά σε ασθενείς που υποβάλλονται σε ακντινοθεραπεία. Από τα προηγούμενα καταλαβαίνουμε ότι το ποσοστό αλληλοεπικάλυψης στην περίπτωση του εγκεφάλου οφείλεται κυρίως σε ενδεχόμενη αδυναμία του προγράμματος σχεδίασης και του σχεδιαστή να σχεδιάσει με ακρίβεια το περίγραμμα του εγκεφάλου του ασθενή, στην καρκινογένεση αλλά και λόγω αδυναμίας του αλγορίθμου καταχώρησης. Αντιθέτως στην άλλη περίπτωση, μεγάλη επιρροή ασκείται από την περιοδική μεταβολή του όγκου του πνεύμονα. Η μεγάλη διαφορά στην τιμή της μεταβλητής Q μεταξύ των δύο περιπτώσεων πρέπει να αποδοθεί στην αναπνοή. Αυτό γίνεται ιδιαίτερα εμφανές αν συγκρίνουμε τους όγκους των σχεδιασμένων πνευμόνων (βλέπε τον πίνακα) μεταξύ της πρωτεύουσας και δευτερεύουσας εικόνας. Βλέπουμε ότι υπάρχει μεγάλη απόκλιση, ιδιαίτερα αν συγκρίνουμε με τις αντίστοιχες αποκλίσεις στην περίπτωση του εγκεφάλου (βλέπε τον πίνακα). 44

45 Το ποσοστό αλληλοεπικάλυψης στην περίπτωση του εγκεφάλου είναι κοντά στο 98%. Η τιμή αυτή μπορούμε να θεωρήσουμε ότι είναι πολύ ικανοποιητική και μας δίνει τη δυνατότητα να χρησιμοποιούμε την μη παραμορφωτική καταχώρηση με τον αλγόριθμο που βασίζεται στις ιδιότητες των voxels σε όλες τις εφαρμογές στην ακτινοθεραπεία. Αντιθέτως, η αλληλοεπικάλυψη που παρατηρείται στον πνεύμονα και η οποία αντιστοιχεί περίπου στο 87% είναι αρκετά μικρή, ιδιαίτερα αν συγκριθεί με την αλληλοεπικάλυψη των εικόνων του εγκεφάλου. Επομένως είναι απαραίτητο να είμαστε πολύ προσεκτικοί στην χρήση της μη παραμορφωτικής καταχώρησης στην περιοχή αυτή. Εφαρμογές, δηλαδή, που απαιτούν καλή αλληλοεπικάλυψη των δομών δεν θα πρέπει να χρησιμοποιούν αυτήν την μέθοδο καταχώρησης. Η λύση στο πρόβλημα της καταχώρησης για μέρη του σώματος με μεγάλη μεταβλητότητα είναι η χρήση παραμορφωτικών τύπων καταχώρησης. Οι αλγόριθμοι που χρησιμοποιούν όμως τέτοιους μετασχηματισμούς παρουσιάζουν κάποια προβλήματα στην αξιολόγηση και επομένως ακόμη δεν χρησιμοποιούνται στο κλινικό περιβάλλον για εργασίες ρουτίνας. Η εισαγωγή όμως τέτοιας μεθόδου καταχώρησης θα έφερνε καινούργιες δυνατότητες στην ακτινοθεραπεία, όπως αναδεικνύει η παρούσα εργασία. Ευελπιστούμε εδώ να δούμε τέτοια εγχειρήματα να γίνονται πράξη. 45

46 Παράρτημα Α. Το Πρωτόκολλο DICOM A.1 Picture Archiving and Communications Systems (PACS) Τα PACS είναι συστήματα αποθήκευσης και μεταφοράς ακτινολογικών εικόνων (4). Το PACS αποτελείται από διεπαφές (interfaces) σε απεικονιστικές συσκευές που παράγουν ψηφιακές εικόνες, ένα ψηφιακό αρχείο απoθήκευσης εικόνων και ένα δίκτυο υπολογιστών το οποίο συνδέει τα παραπάνω. Επιπλέον χρειάζεται ένα πρόγραμμα βάσης δεδομένων το οποίο παρακολουθεί την τοποθεσία των αρχείων, καθώς και το απαραίτητο λογισμικό που μπορεί να αναγνώσει και να επεξεργαστεί τις εικόνες. A.2 Digital Imaging and Communication in Medicine (DICOM) Γίνεται κατανοητό ότι οποιαδήποτε εργασία πάνω στις εικόνες πραγματοποιήσουμε θα έχει άμεση σχέση και με το PACS που θα χρησιμοποιηθεί. Στο παρελθόν ο απεικονιστικός εξοπλισμός χρησιμοποιούσε ιδιόκτητες (proprietary) μορφές διαχείρισης και αποθήκευσης των δεδομένων και απεικονίσεων των ασθενών (PACS). Με αυτόν τον τρόπο όμως η μεταφορά και χρήση από ένα πρόγραμμα ή μια συσκευή σε μια άλλη ήταν αδύνατη σε περίπτωση που ο χρησιμοποιούμενος εξοπλισμός δεν ανήκε στον ίδιο κατασκευαστή. Για τον λόγο αυτό καθιερώθηκε η χρήση του DICOM. Ένα πρωτόκολλο μεταφοράς και αποθήκευσης ιατρικών απεικονίσεων καθώς και άλλων δεδομένων που χρησιμοποιούνται στην ιατρική απεικόνιση. Το DICOM έχει καθορίσει πρωτόκολλα για αντικείμενα δεδομένων όπως ασθενείς, απεικονίσεις και μελέτες (Studies) θεραπείας. Επιπλέον έχει προσδιορίσει πρωτόκολλα διαχείρισης των αρχείων αυτών, όπως την μετακίνηση, την εύρεση κτλ. (4). Στην καταχώρηση εικόνων η χρήση του DICOM είναι πολύ σημαντική. Μας δίνει την δυνατότητα να χρησιμοποιούμε οποιαδήποτε απεικόνιση θέλουμε στην διαδικασία μας χωρίς να αντιμετωπίζουμε προβλήματα συμβατότητας. Η ύπαρξη όμως διαφοροποιήσεων του DICOM τα τελευταία χρόνια σημαίνει ότι παλιά λογισμικά μπορεί να μην είναι σε θέση να αναγνώσουν σωστά όλες τις μορφές αρχείων DICOM. Όμως ένα ενημερωμένο πρόγραμμα μπορεί να χρησιμοποιήσει οποιαδήποτε απεικόνιση υπάρχει. Το πρωτόκολλο DICOM διαθέτει έναν τύπο αποθήκευσης αρχείων εικόνας ο οποίος αποκαλείται συνήθως DICOM format file. Ένα αρχείο τέτοιο αποτελείται από μια κεφαλίδα (header) στην οποία είναι καταχωρημένες πληροφορίες όπως το όνομα του ασθενή, ο τύπος απεικόνισης, οι διαστάσεις της εικόνας κ.α. και επιπλέον από τα 46

47 δεδομένα της απεικόνισης (τα οποία μπορούν να περιέχουν και εικόνες σε τρεις διαστάσεις). Β. Window Center και Window Width Σημαντικοί όροι στις ιατρικές εικόνες είναι το πλάτος παραθύρου (window width) και το κέντρο παραθύρου (window center). Οι προηγούμενοι όροι είναι ουσιαστικά όροι που περιγράφουν την αντίθεση και την φωτεινότητα της εικόνας. Οι τιμές τους είναι ιδιαίτερα σημαντικές στις εικόνες των CT και των ακτινογραφιών αφού οι βαθμονομημένες εντάσεις που παράγονται στις απεικονίσεις αυτές είναι πολύ μεγαλύτερες από το οπτικό φάσμα αποχρώσεων του γκρι στο οποίο προβάλλονται. Επιλέγοντας λοιπόν συγκεκριμένες τιμές για τις παραπάνω μεταβλητές επιτυγχάνεται ευκρίνεια σε διαφορετικά χαρακτηριστικά, κάθε φορά, της απεικόνισης. Αυτό φαίνεται στην ΕΙΚΟΝΑ 18 όπου για παράδειγμα στο αριστερό παράθυρο προβολής έχουμε καλή απεικόνιση των ορίων του κρανίου ενώ στο δεξί παράθυρο προβολής έχουμε μεγάλη ένταση στους μαλακούς ιστούς. Τα περισσότερα προγράμματα απεικόνισης αρχείων DICOM επιτρέπουν την αλλαγή των τιμών του πλάτους και κέντρου παραθύρου καθώς αποτελεί σημαντικό εργαλείο στην ιατρική απεικόνιση. Επιπλέον σε πολλούς αλγόριθμους καταχώρησης με βάση τις εντάσεις των voxel, οι εντάσεις που χρησιμοποιούνται είναι αυτές του επιλεγμένου παραθύρου και όχι όλου του αποθηκευμένου φάσματος. Εικόνα 18 Απεικόνιση των διαφορών κατά την αλλαγή του πλάτους και κέντρου παραθύρου προβολής. 47