Sparen Sie 1.000 Stunden für Ärzte durch die automatische Bestrahlungsplanung - Teil 1/3

Die Welt scheint heutzutage ungeduldig zu sein. Es ist schwer für uns, länger als 8 Sekunden bei einer Instagram-Geschichte zu pausieren oder mehr als 30 Sekunden zu warten, bis der beste Freund reagiert.

Menschen arbeiten jetzt im Sekundenbereich. Wir wollen jetzt Dinge.

Trotzdem warten wir noch Tage oder Wochen auf unseren Bestrahlungsplan für Krebs.

Krebs zu schlagen ist ein Wettlauf gegen die Zeit. Wenn es unannehmbar ist, mehr als 8 Sekunden auf eine Snapchat-Geschichte zu starren, ist es eine äußerst dringende Aufgabe, ein neues Werkzeug zu entwickeln, mit dem wir Bestrahlungspläne für Krebspatienten in Sekunden erstellen können.

Derzeit funktioniert die herkömmliche Strahlentherapie wie folgt:

  • Sie bauen ein virtuelles Patientenmodell auf (dauert Tage)
    • Sie führen eine virtuelle Behandlung mit einer virtuellen Maschine an einem virtuellen Patienten durch. (Dauert Tage)
    • Die gleiche Behandlung wird für viele Fraktionen des menschlichen Körpers angewendet, die durch MRI- oder CT-Scans erhalten wurden. (Dauert Tage)
    • Obwohl es lange dauert, einen Behandlungsplan zu erstellen, ist der Ansatz selbst nicht effektiv.

      Der Grund dafür ist, dass der menschliche Körper ein statisches System ist. Das bedeutet, dass sich Ihr Körper während oder nach der Bestrahlung nicht ändert. In der Realität ist dies nicht der Fall. Unser Tumor erfährt eine Volumenverkleinerung als Reaktion auf die Behandlung. Seine Form verformt sich aufgrund der Änderung des Ablagezustands benachbarter Organe. Dadurch kommt es auch zu einer relativen Positionsänderung des Tumors und anderer Organe.

      Ein allgemeiner Behandlungsplan kostet Zeit und Geld, da er die Behandlungen der Patienten verlängert und den Ressourcenverbrauch erhöht.

      Für uns bedeutet das, dass wir einen neuen Behandlungsplan entwickeln müssen, der an die Tumorveränderungen jedes Patienten angepasst ist.

      Um unser Ziel zu erreichen, den Behandlungsplanungsprozess von Tagen auf Sekunden zu reduzieren, benötigen wir den Plan, um sich in Echtzeit zu verändern, um uns dem menschlichen Körper anzupassen.

      In den vergangenen Jahrzehnten haben Wissenschaftler einen neuen Weg gefunden, um die Zeit für die Erstellung eines Behandlungsplans erheblich zu reduzieren. Durch die Evolution von Physik und Mathematik werden die gesamten Optimierungsprozesse in zwei Hauptschritten unterteilt: Bildregistrierung und Dosisakkumulation.

      In dieser Serie mit drei Artikeln plane ich, den ersten Schritt ausführlich in diesem Artikel zu besprechen (plus Code!) Und den zweiten Artikel für einen anderen Tag zu speichern. Der dritte Artikel konzentriert sich hauptsächlich darauf, wie tiefes Lernen integriert werden kann, um den Prozess zu beschleunigen. Als ich davon erfuhr, gab es buchstäblich null Artikel, der in Laien ausgedrückt wurde und Ihnen helfen kann, das Feld zu durchdringen. Ich hoffe also, dass diese Serie Ihnen einzigartiges, leicht verständliches Wissen vermittelt!
      Ich am Anfang meines Lernprozesses

      Bildregistrierung - Der "Heilige Gral" der Bildverarbeitung

      Stellen Sie sich vor, Sie sind ein Arzt mit vielen Daten von allen Arten von Maschinen wie CT, MR, SPECT oder PET. Jeder dieser Datensätze liefert uns einzigartige Informationen über den Patienten, und alle zusammen ergeben ein ganzheitliches Bild der Anatomie des Patienten.

      Ein Arzt untersucht manuell die MRI-Bilder der Patienten

      Eine Technik, die als Bildregistrierung bezeichnet wird, ermöglicht es uns, verschiedene Bilder zu überlagern, um alle Informationen über den Patienten darzustellen. Sie können sich im Laufe der Zeit vorstellen, dass es viel einfacher ist, ein Bild zur Zeit A aufzunehmen und es mit einem Bild zur Zeit B zu vergleichen, als 1000000 Bilder, die zur Zeit A aufgenommen wurden, und das gleiche Bild mit 1000000 Bildern am Punkt B.

      Während dieses Vorgangs haben Sie zwei Bilder: ein „festes“ und ein „schwebendes“. Unser Ziel ist es, jedes Pixel des schwebenden Bildes dem festen Bild zuzuordnen. Und wenn wir das gleiche Verfahren für die 100000 Bilder wiederholen, über die wir sprechen, dann erhalten wir ein endgültiges Bild, das alle Geheimnisse des menschlichen Körpers enthüllt!

      Fantastisch Wie machen wir das? Es gibt mehrere Rahmen, die dies ermöglichen, von denen einer als "Dämonen" bezeichnet wird. (Was für ein Name für ein Werkzeug, das bei der Krebsbehandlung hilft…)

      Interessante Tatsache: Es heißt "Demons", weil Thirion, der Erfinder dieses Algorithmus im Jahr 1998, der Meinung war, dass die Umwandlung eines Bildes in ein anderes wie ein "Geist" ist, der seine Dämonkraft anwendet, um jedes Pixel des Bildes in die richtige Richtung zu schieben. Es ist ein "Geist", weil es für die meisten Menschen zu dieser Zeit unsichtbar und ziemlich intuitiv ist. Aber gut, es hilft uns bei der Behandlung von Krebs, also macht es mir nichts aus…)

      Vier Gründe, warum wir überhaupt eine Image-Registrierung für die adaptive Planung benötigen

      1. Der Patientenkörper ändert sich täglich. Wir brauchen ein Werkzeug, um diesen Fortschritt über den Behandlungszeitraum hinweg festzuhalten. Die Registrierung von Bildern gibt uns die Möglichkeit, viele tägliche Bilder von verschiedenen Maschinen auf ein einzelnes Bild zu reduzieren. Sobald diese Bilder in eine Reihe gebracht werden, gibt es eine Reihe von Veränderungen im Körper des Patienten. Diese Methode ist genau so, wie Cartoon-Zeichner Cartoons erstellen: Jede Zeichnung stellt einen Moment dar und durch das Zusammenfügen entsteht eine Geschichte.
      1. Es hilft dabei, den Plan und die Dosisverteilung anzupassen, um alle auftretenden Änderungen zu korrigieren.
      1. Es baut ein fortgeschritteneres Modell der Körperdynamik des Patienten auf.
        1. Mit dem geeigneten Algorithmus kann der Planungsprozess für die Online-Behandlung beschleunigt werden, indem die manuelle Arbeit reduziert wird, bei der jedes Bild analysiert werden muss, um Unterschiede festzustellen.
        2. Nun, da Sie wissen, warum es wichtig ist, lassen Sie uns darüber sprechen, wie es funktioniert!

          Der Arbeitsablauf, wie die Registrierung von Bildern funktioniert

          In Demons gibt es drei Grundkomponenten:

          • Eine Ähnlichkeitsmetrik: Misst die Unterschiede zwischen jedem Pixel von zwei Bildvolumen
          • Eine Transformation: Eine mathematische Funktion, mit der Pixel in Bild A Pixeln in Bild B zugeordnet werden
          • Analogie: Stellen Sie sich dies als einen Cocktail aus Chemikalien vor, der den Forscher zu Hulk in Marvel verwandelt
            • Eine Optimierungsfunktion: Woher wissen Sie, dass es Ihrer Transformation gelungen ist, Bild A auf Bild B abzubilden? Es muss die Metrik erfüllen, die in die Optimierungsfunktion eingebettet ist. Normalerweise minimiert die Metrik die Unterschiede zwischen zwei Bildern.
            • Analogie: Woher weiß Banner, dass Hulk ein „erfolgreiches“ Experiment ist? Er misst die Geschwindigkeit und Stärke, die unser riesiger Freund verkörpert. Mit anderen Worten: Geschwindigkeit und Stärke sind die beiden Metriken, für die Banner maximieren möchte. Wenn Hulk schwach und langsam ist, weiß Banner, dass er die Parameter in der Transformationsfunktion aktualisieren muss, um sein Ziel zu erreichen.
              1. Finden der Ähnlichkeitsmetrik
              T: festes Bild; S: schwebendes Bild; x: das Pixel in Bezug

              Um die Ähnlichkeit zwischen zwei verschiedenen Bildern zu bestimmen, neigen Menschen dazu, die Summe der quadratischen Unterschiede (SSD) zu berechnen. Dieser Vorgang ist sehr einfach - Sie nehmen im Grunde die XY-Koordinaten des festen Bildes und subtrahieren die XY-Koordinaten des schwebenden Bildes entsprechend davon.

              2. Erzähle mir von einer Million Möglichkeiten, wie du etwas verwandeln kannst…

              Erinnern Sie sich an die lustige Tatsache, die ich Ihnen oben erzählt habe? Der "Demons" -Algorithmus hat seinen Namen, weil er so wirkt, als würde ein "Geist" eine unsichtbare Kraft verwenden, um jedes Pixel auf das Originalbild zu drücken. Obwohl es magisch erscheint, steckt tatsächlich eine Wissenschaft dahinter.

              Die räumliche Abbildung zwischen zwei Bildern wird direkt durch ein Deformationsvektorfeld (DVF) dargestellt. Dies bedeutet, dass Sie grundsätzlich ein Gitter auf ein Bild anwenden und dieses Gitter so verformen, dass Bild A zu Bild B verzerrt wird. Dieses sogenannte "Gitter" wird durch eine Reihe von Kraftvektoren dargestellt, die die Richtung bestimmen Pixel in Bild A sollten sich bewegen.

              In einem iterativen Prozess wird die Stärke dieser Kraftvektoren anhand von vier Hauptkriterien angepasst:

              • Minimieren Sie die Ähnlichkeitsunterschiede
              • Gitterregulierung: Reduziert das Bildrauschen und maximiert die Allgemeinheit
              • Formbasierter Gitterregelungsausdruck: Steuert die Form der deformierten Struktur (Eine Lunge sollte und wird niemals in ein Rückenmark verformt werden ...)
              • Strafbegriff bei der Verwendung von Kontrollstrukturen: Manchmal scheinen Bilder verschwommen und einheitlich zu sein (Image ein verschwommenes, schwarzes Bild einer Katze), und die Kanten sind durch den Dämon-Algorithmus schwer zu erkennen. Auf diese Weise helfen Menschen, die Kante zu definieren, die die Verformung von Bild A zu Bild B führt.
              Wenn Sie sich nicht an die vier oben genannten Begriffe gehalten haben, ist das in Ordnung. Wir demonstrieren sie anhand eines einfachen Code-Snippets.

              Das Besondere an dem Demon-Algorithmus ist seine Effizienz, da er mit einer GPU in weniger als 40 Sekunden auf Tausenden von Bildern ausgeführt werden kann. Der Algorithmus des Dämons ist doch kein Teufel.

              Schließlich ein einfaches Skript zum Registrieren von Lungenbildern eines Krebspatienten

              MATLAB bietet Ihnen eine erstaunliche Toolbox für die Bildregistrierung. Im Folgenden werde ich Schritt für Schritt erklären, wie der Code tatsächlich funktioniert!

              1 / Datenverarbeitung

              Zuerst müssen wir zwei Lungenbilder importieren, die wir registrieren (oder kombinieren) möchten.

              Compile_c_files ist ein weiteres C-Modul, mit dem wir alle von MATLAB bereitgestellten C-Funktionen lesen können, einschließlich der Transformationsfunktion im Demon-Algorithmus. Dann müssen wir ein Bild als statische Referenz und ein bewegtes Bild festlegen. Wir werden dann weiter nach ihrem Ähnlichkeitsunterschied suchen und versuchen, diesen durch eine Optimierungsfunktion zu reduzieren.

              2 / Berechnen Sie die Ähnlichkeitsunterschiede

              Die for-Schleife durchläuft grundsätzlich alle Pixel innerhalb der Bilder (vorausgesetzt, beide Bilder haben die gleiche Größe) und berechnet die Wertunterschiede für jedes Pixel.

              3 / Anwenden von Dämonen-Kraftvektoren

              Der Kraftvektor wird üblicherweise durch eine mathematische Gleichung dargestellt, die (1) die Unterschiede zwischen zwei Bildern, (2) einen Parameter ALPHA zur numerischen Anpassung der Kraftstärke und (3) den Gradienten von zwei Bildern umfasst. (Der Verlauf zeigt im Wesentlichen die steilsten Änderungen der Bildintensität an, die im Wesentlichen die Bildränder sind).

              Sie geben im Wesentlichen die Gleichung ein, die Thirion, Chachier und He Wang im Jahr 2005 abgeleitet haben, und so wenden Sie die Vektorkraft an!

              Hinweis: Sie müssen sich nicht zu viele Gedanken darüber machen, was die ursprüngliche Ableitung ist. Wenn Sie neugierig auf das Wesentliche sind, können Sie hier mehr darüber lesen. Die Schlüsselintuition lautet: Sobald der Kraftvektor angewendet ist, bewegt sich der Bildpunkt des Bildes A, um mit dem Bild B übereinzustimmen.

              4 / Glättet das Transformationsfeld

              Hsmooth = fspecial (

              Um Rauschen zu reduzieren und die Allgemeingültigkeit unserer zusammengeführten Bilder zu erhöhen, verwenden wir einen Gauß-Filter (ebenfalls eine integrierte Funktion in MATLAB).

              Und das ist das Endergebnis!

              Dies ist der allererste Schritt, um den Planungsprozess für die Patientenbehandlung von Tagen auf Sekunden zu reduzieren. Bleiben Sie dran für meinen zweiten Artikel, wie wir die Dosisverteilung automatisieren können, um den Tumor des Patienten zu behandeln!