FAQ
© 2017 Staats- und Universitätsbibliothek
Hamburg, Carl von Ossietzky

Öffnungszeiten heute10.00 bis 24.00 Uhr alle Öffnungszeiten

Eingang zum Volltext in OPUS

Hinweis zum Urheberrecht

Dissertation zugänglich unter
URN: urn:nbn:de:gbv:18-85762
URL: http://ediss.sub.uni-hamburg.de/volltexte/2017/8576/


Analyse atmungsbedingter Tumor- und Organbewegungen auf der Basis von thorakalen 4D-CT-Daten

Analysis of respiration induced tumor and organ movement on the basis of 4D CT data

Schulz, Benny

pdf-Format:
 Dokument 1.pdf (2.836 KB) 


SWD-Schlagwörter: ct , Computertomografie , Strahlentherapie , Tumor , Bewegungsanalyse , Atmung , Segmentierung
Freie Schlagwörter (Deutsch): 4d-CT-Daten
Basisklassifikation: 44.51 , 44.03 , 44.81 , 44.64
Institut: Medizin
DDC-Sachgruppe: Medizin, Gesundheit
Dokumentart: Dissertation
Hauptberichter: Handels, Heinz (Prof. Dr.)
Sprache: Deutsch
Tag der mündlichen Prüfung: 13.06.2017
Erstellungsjahr: 2016
Publikationsdatum: 14.07.2017
Kurzfassung auf Deutsch: Der klinische Einsatz der Computertomographie umfasst heutzutage unter anderem die Erfassung der Tumorvolumina im Rahmen der Bestrahlungsplanung von Tumorpatienten. In dieser Dissertation erfolgte die Analyse atmungsbedingter Tumor- und Organbewegungen im Thoraxraum auf der Basis von thorakalen 4D-CT-Datensätzen mit der übergeordneten Frage, ob die vierdimensionale Darstellung von thorakal gelegenen Sturkturen gegenüber der dreidimensionalen Darstellung einen Vorteil, z.B. für die Bestrahlungsplanung, erbringen könnte. Hierzu wurden eine Reihe von Korrelationsanalysen zum Bewegungsverhalten zwischen verschiedenen, durch Segmentierung aus den 4D-CT-Datensätzen gewonnenen, anatomischen Strukturen und Tumoren angefertigt. Die Segmentierungsarbeit selbst erfolgte mit dem Programm MeVisLab© von der MeVis Medical Solutions AG und dem Fraunhofer-Institut für Bildgestützte Medizin MEVIS in Bremen.
Eine Reihe von allgemeinen Erkenntnisse konnten im Rahmen dieser Dissertation erarbeiten werden: das Verfahren der halbautomatischen Segmentierung stellt, insbesondere für physiologische Strukturen, ein zuverlässiges Verfahren zur Separierung dar. Bei Tumoren ist das Verfahren nicht vergleichbar valide und hängt vornehmlich von der Güte der rekonstruierten Datensätze sowie von der Expertise des Anwenders ab. Die selbe Aussage gilt für die Masseschwerpunktberechnungen, welche an physiologischen Strukturen, wie der Lunge, sehr gute Ergebnisse erbrachten, bei Tumoren aber massgeblich von der Güte der Segmentierung abhingen. Manuelle Landmarken vermögen zuverlässige Ergebnisse zu erbringen, solange die Zustandsänderungen bei Bewegungen gross genug sind, sind aber berechneten Punkten wie den Masseschwerpunkten unterlegen. Bewegungen ≤ 2 Voxel über einen Atemzyklus resultierten hierbei überwiegend in Rauschen.
Die Analyse der Tumorbewegungen im Rahmen dieser Arbeit ergab, dass diese während des Atemzyklus von der Tumorlage, der Tumorgrösse und etwaigen Verbindung zu anderen Strukturen beeinflusst werden. Die grösste physiologische Einflusskomponente kommt hierbei dem Diaphragma zu. Je weiter entfernt der Tumor sich vom Diaphragma befindet, desto geringer ist dessen Auswirkung auf die Bewegung des Tumors. Tumoren in der Apex pulmonis Region zeigten das geringste Ausmass an Bewegung, wobei allerdings nicht ausgesagt werden kann, dass für alle Tumoren eine linear-gradielle Verringerung des Bewegungsausmasses von diaphragmal nach apikal vorliegt, da die Bewegung, wie bereits erwähnt, von weiteren Einflussfaktoren wie Grösse, Verbindungen oder das Einwachsen in andere Strukturen abhängt. Zur Grösse kann gesagt werden, dass kleine Tumore eine grössere Mobilität besitzen als grosse Tumore. Eine valide Bennenung der Begriffe gross/klein als absolute Zahl war aufgrund der geringen Fallzahl und der anderen Einflussfaktoren auf die Tumorbewegung nicht möglich.
Hinschtlich der Bewegungsrichtung zeigten alle Tumoren, in Analogie zur Lunge, die grösste Bewegungsausdehnung in cranio-caudaler Richtung. Die ipsilaterale Seite des Diaphragmas spielt hierbei eine grössere Rolle bei der Beeinflussung der Tumorbewegung als die Gegenseite. Die ermittelten Bewegungstrajektorien selbst zeigten nicht bei allen Tumoren, respektive Achsen, eine geordnete Bahn. Hierfür waren, neben der Güte der Datensätze und Segmentierung, insbesondere geringe Bewegungsausmasse ≤ 2 Voxel ursächlich.
Die allgemeine Aussage, dass unser Verfahren der halbautomatischen Segmentierung bei physiologischen Strukturen sehr valide Ergebnisse erzeugt, beruht auf zahlreichen Messungen: so zeigte sich eine sehr hohe positive Korrelation zwischen Spirometriewerten und dem, aus der entsprechenden Segmentierung und zugehörigen CT-Datensatz errechneten, AirContent. Genauso erbrachte die Korrelationsanalyse von Segmentierung und AirContent physiologisch sinnvolle Ergebnisse. Ferner konnte gezeigt werden, dass bei dem, aus der Differenz von Segementierung und berechnetem AirContent ermitteltem Parenchymvolumen es in der Regel bei einem Anstieg des Gesamtvolumens der Segmentierung auch zu einem Anstieg des Parenchymvolumens kommt. Dies sehen wir am ehesten in physiologischen Phänomenen, wie dem sogenannten Saug-Druck-Pumpeneffekt, erklärt. Wie bereits Eingangs bei der Zusammenfassung erwähnt, erbrachten die Masseschwerpunktberechnungen der Lunge im Gegensatz zu den Landmarken in allen Achsen sinnvolle Korrelationen. Insgesamt bestätigten sie den, bereits im Landmarken-Abschnitt vermuteten, Eindruck einer in der Regel cranio-caudalen grössten Bewegung. Zusätzlich zeigten sich hier anders als bei den Landmarken, auch anterior-posteriore und laterale Bewegungen als verwertbar. Somit zeigt sich die Bewegungsdetektion mit berechneten Punkten, wie den Masseschwerpunkten, den manuell gesetzten Punkten, wie den Landmarken, insbesondere bei kleinen Bewegungsamplituden überlegen.
Kurzfassung auf Englisch: Modern clinical application of computed tomography includes the planning of target volumes in radiotherapy of tumor patients. In this research project we analyse respiration induced tumor and organ movement within the thorax on the basis of 4D CT data. Our goal is to explore if the additional 4th dimension in the planning of radiotherapy could add benefit to the traditional use of 3D data sets. We therefore analysed the movement of several anatomic structures and tumors, which we separated from the 4D CT data in the first line. This separation (also called segmentation) itself was performed with the MeVisLab© application from MeVis Medical Solutions AG and the Fraunhofer Insitute for Medical Image Computing, Bremen, Germany.
We conclude that semi-automated segmentation is, especially for physiological structures, a valid procedure to separate structures. For tumors, the method crucially depends on the quality of the reconstructed data sets and the expertise of the user. The same statement could be made for the center of mass calculations, where results from physiological structures showed valid results while the results from tumor movement were strongly dependent on the quality of segmentation. Manually set landmarks used for calculation could yield valid results, if the movement is big enough but its results are inferior to calculated points like the center of mass points. Especially movements ≤ 2 voxels in the time of one breathing cycle resulted mostly in noise.
In detail, our analysis of tumor movement showed that the movement during a breathing cycle depends on several factors. Factors which influence tumors movement that could be determined from our data are location, size and connections or infiltration into other structures. The biggest physiological influence on tumors mobility comes from the diaphragm. Tumors located more remotely from the diaphragm tend to be less mobile. Tumors within the region of the apex pulmonis showed the smallest movements, but it could not be concluded that there is a linear gradient of reduction of movement from diaphragm to apex, as this depends on a lot of other aforementioned factors such as size, connection or infiltration.
In terms of size, it can be said that smaller tumors show larger movements than bigger tumors, but an absolute definition of size could not be made owing to the relatively small amount of data and other influencing factors.
Regarding the direction of movement, we found that the main axis for tumor and lung movement is the cranio-caudal axis. The ipsilateral side of the diaphragm shows a stronger influence on the mobility of the tumor than the contralateral side. Trajectories of movement did not show clear paths for all tumor entities or axis respectively. Besides the quality of data, a clear path was especially difficult to detect for movements ≤ 2 voxels.
The general conclusion that our method of semi-automated segmentation offers valid results on physiological structures is based on the following: the analysis from spirometry data and the AirContent that we calculated from our data sets and segmentations was highly positively correlated. Also, the results of the correlation analysis from segmentation and AirContent showed physiologically plausible results. Furthermore, our results from calculated parenchymal tissue showed that its volume rises along the air volume at inspiration, what we associated with physiological phenomenas such as the pressure propulsion pump function of the heart. As stated earlier, center of mass calculations from the lungs showed valid results within all axes, with the biggest movement within the cranio-caudal axis, followed by movement in the anterior-posterior axis and the lateral axis. Compared with this, manually set landmarks only showed valid results in the cranio-caudal axis.

Zugriffsstatistik

keine Statistikdaten vorhanden
Legende