Determination of lung tumour motion from PET raw data used for accelerometer based motion prediction

Hürtgen, Gisela; Stahl, Achim; Eble, Michael J.

doi:10.18154/RWTH-2018-223908

Determination of lung tumour motion from PET raw data used for accelerometer based motion prediction = Bestimmung der Bewegung von Lungentumoren aus PET-Rohdaten zur Bewegungsvorhersage mithilfe von Beschleunigungssensoren

Hürtgen, Gisela^RWTH*

2018

Verantwortlichkeitsangabevorgelegt von Gisela Hürtgen, M.Sc. RWTH

ImpressumAachen 2018

Umfang1 Online-Ressource (vii, 105 Seiten) : Illustrationen

Dissertation, RWTH Aachen University, 2018

Veröffentlicht auf dem Publikationsserver der RWTH Aachen University

Genehmigende Fakultät
Fak01

Hauptberichter/Gutachter
Stahl, Achim (Thesis advisor)^RWTH* ; Eble, Michael J. (Thesis advisor)^RWTH*

Tag der mündlichen Prüfung/Habilitation
2018-04-16

Online
DOI: 10.18154/RWTH-2018-223908
URL: http://publications.rwth-aachen.de/record/723009/files/723009.pdf

Einrichtungen

Thematische Einordnung (Klassifikation)
DDC: 530

Kurzfassung
Bei einer hochpräzisen Strahlentherapie von Lungentumoren führt die durch Atmung bedingte Bewegung der Tumore zu einer Unsicherheit bei der Bestrahlung. Zur Berücksichtigung dieser Bewegungen existieren drei verschiedene Techniken. Eine weit verbreitete Technik ist die Berücksichtigung der Tumorbewegung durch eine Bestrahlung mit einem größeren Sicherheitssaum. Dies führt jedoch auch zu einer höheren Dosisbelastung im gesunden Teil der Lunge. Weitere Möglichkeiten zur Berücksichtigung der Tumorbewegungen sind die Gating- oder Tracking-Techniken. Bei der Gating-Technik wird der Tumor nur in einer bestimmten Atemphase bestrahlt. Hierfür ist eine präzise Bestimmung der Tumorposition sowie eine hohe Reproduzierbarkeit dieser Position notwendig. Bei der Tracking-Technik wird hingegen entweder der Patiententisch oder der Strahl entsprechend der Tumorbewegung nachgeregelt. Für die Gating- und insbesondere für die Tracking-Technik wird zur Bestimmung der Tumorposition häufig Fluroskopie in Kombination mit einem implantierten Goldmarker verwendet. Dies führt jedoch zu einer zusätzlichen Dosisbelastung des Patienten durch die Bildgebung. Andere Möglichkeiten zur Bestimmung der Tumorposition sind die Anwendung von Oberflächen-Scannenden-Systemen, die eine Bewegung der Oberfläche des Patienten detektieren. Diese Systeme haben jedoch Limitierungen in der Genauigkeit bei der Bestimmung der Tumorposition. Diese Arbeit präsentiert einen alternativen Ansatz für die Bestimmung der Tumorposition ohne die Nutzung von zusätzlicher Strahlung. Hierfür werden Informationen aus FDG-PET Aufnahmen mit Informationen eines Beschleunigungssensoren-Systems kombiniert und für eine Patienten-individuelle Vorhersage der Tumorposition genutzt. Das Beschleunigungssensoren-System wurde vom Institut für Angewandte Medizintechnik der RWTH Aachen University (Abteilung für Rehabilitations- und Präventionstechnik) entwickelt. In einer klinischen Studie wurde die Atembewegung von zehn Patienten durch sechs Beschleunigungssensoren erfasst, welche auf dem Oberkörper des Patienten positioniert werden. Für jeden Patienten wurden bis zu fünf verschiedene Messungen durchgeführt mit jeweils verschiedenen Atemvorgaben: 'freie Atmung', 'tiefe Brustatmung', 'tiefe Bauchatmung', 'flache Brustatmung' und 'flache Bauchatmung'. Gleichzeitig wurde eine FDG-PET Aufnahme durchgeführt, um später eine Korrelation zwischen den Atemparametern und der Tumorposition erstellen zu können. Es wurden Algorithmen entwickelt, die die Tumor Trajektorie, in allen drei Richtungen, aus den PET Rohdaten rekonstruiert. Die Ergebnisse dieser Algorithmen wurden anschließend mit den Ergebnissen der Beschleunigungssensoren korreliert. Eine Verifizierung der implementierten Algorithmen wurde mit einem im Haus entwickelten Phantom im PET-Scanner durchgeführt. Die Verifizierungsmessungen zeigen eine gute Übereinstimmung zwischen der realen und der rekonstruierten Phantombewegung, wodurch die Algorithmen erfolgreich validiert wurden. Die rekonstruierten Tumortrajektorien der zehn Studienpatienten zeigen plausible Ergebnisse. Die verschiedenen Atemmuster der Patienten wurden analysiert und die Daten wurden auf eine übergreifende Korrelation zwischen den Atemmustern und der Tumorbewegung untersucht. Diese Korrelation konnte nicht gefunden werden, daher ist eine Patienten-individuelle Tumorposition Vorhersage nötig. Diese Methodik wurde exemplarisch demonstriert: Die patientenindividuelle Korrelation kombiniert die Ergebnisse des Beschleunigungssensoren-Systems und der Algorithmen für die Bestimmung der Tumorposition, um so ein Modell aufzustellen und damit die wahrscheinlichste Position für ein gegebenes Signal der Beschleunigungssensoren vorherzusagen. Die getesteten Daten zeigen hierbei gute Ergebnisse für diese Vorhersagemethode.

Breathing induced lung tumour movement is a huge drawback concerning a precise radiotherapy of such tumours. Three different techniques exist for taking these motions into account. A common technique is the application of a larger margin, covering the whole motion area of the tumour. A disadvantage of this technique is the larger amount of dosage to the surrounding healthy lung tissue. Other compensation techniques such as gating or tracking try to avoid this drawback. In a gated radiotherapy, the radiation is applied only in a certain breathing segment of the respiratory cycle. For this treatment, the precise position of the tumour in a certain breathing segment has to be well known and a high reproducability of this position is necessary. A radiotherapy using the tracking technique readjusts the treatment table or the beam depending on the actual tumour position. For the gating and especially the tracking technique often fluoroscopy combined with an implanted gold marker is used for the precise determination of the tumour position. A disadvantage of the fluoroscopy is the additional, non-focused dose for the patient caused by imaging. Other possibilities for the determination of the tumour position are surface scanning systems which observe the movement of the patient's surface, but these systems have limitations in the precision of the tumour position prediction. In this work, an alternative solution to determine the actual tumour position without additional radiation is presented. Combined information from FDG-PET scans and an accelerometer based system, invented by the Institute of Applied Medical Engineering RWTH Aachen University (Department of Rehabilitation- & Prevention Engineering), are used for a patient specific tumour movement prediction. In a clinical trial, the breathing motions of ten patients were measured by placing six tri-axial accelerometers on the patient's thorax and abdomen. Each patient was instructed to breathe using up to five different breathing techniques: `free breathing', `deep thoracic', `at thoracic', `deep abdominal' and `flat abdominal'. Simultaneously, a FDG-PET scan was performed to correlate the patient's respiratory states with the tumour positions afterwards. Algorithms were developed for that reconstruct the tumour trajectory from the PET raw data in all three directions. The results of these algorithms wereafterwards correlated with the information obtained by the accelerometer system. A verification of the developed motion extraction algorithm was performed with an in-house developed phantom. Thus, different measurements were performed with the phantom in the PET scanner. The verification measurements show a good agreement between real and reconstructed phantom motion. Thus, the algorithms were validated successfully. The reconstructed trajectories of the clinical trial show feasible results. The different breathing patterns of the patients were analysed and the data was tested for an overall correlation of the tumour motion and the breathing pattern. This correlation was not found, therefore a patient specic prediction of the tumour prediction is necessary which was exemplary presented by combining the information from the accelerometer system and the tumour trajectories by which a model was obtained to predict the most likely tumour position for a given accelerometer signal. With the tested data this prediction method leads to good results for the tumour motion prediction.

OpenAccess:
PDF
(additional files)