4D Modeling and Estimation of Respiratory Motion for Radiation Therapy

حرکت تنفسی باعث عدم قطعیت مهم در برنامه ریزی رادیوتراپی قفسه سینه و بالای شکم می شود. هدف اصلی پرتودرمانی، از بین بردن یا کوچک کردن سلول‌های تومور بدون آسیب رساندن به بافت اطراف با ارسال دوز پرتوهای بالا به ناحیه تومور و دوز کمتر ممکن به بافت‌های اندام سالم است. برآورده کردن این نیاز به ویژه در مورد تومورهای ریه به دلیل تومور و حرکت اندام ناشی از تنفس که دامنه حرکت می تواند تا چندین سانتی متر اندازه گیری شود، همچنان یک چالش باقی می ماند. بنابراین، مدل‌سازی حرکت تنفسی در پرتودرمانی اهمیت فزاینده‌ای پیدا کرده است. با تکنیک های تصویربرداری 4 بعدی می توان توالی های تصویر فضایی و زمانی را برای بررسی فرآیندهای پویا در بدن بیمار به دست آورد. علاوه بر این، ثبت تصویر با ایجاد ارتباط بین تصاویر به دست آمده در مراحل مختلف چرخه تنفس، تخمین حرکت ناشی از تنفس و توصیف تغییر زمانی در موقعیت و شکل ساختارهای مورد نظر را ممکن می‌سازد. در پرتودرمانی از این تخمین‌های حرکتی برای تعیین حاشیه‌های درمانی دقیق استفاده می‌شود، به عنوان مثال. برای محاسبه توزیع دوز و توسعه مدل‌های پیش‌بینی برای پرتودرمانی دردار یا روباتیک. در این کتاب، نقش فزاینده الگوریتم‌های ثبت تصویر و تخمین حرکت برای تفسیر توالی‌های پیچیده تصاویر پزشکی 4 بعدی به تصویر کشیده شده است. تکنیک‌های مختلف اکتساب تصویر 4 بعدی و الگوریتم‌های تخمین حرکتی متفاوت ارائه شده‌اند. ارتباط بالینی با استفاده از کاربردهای مثالی که مربوط به پرتودرمانی تومورهای قفسه سینه و شکم است نشان داده شده است. وضعیت هنر و دیدگاه ها با بینشی در زمینه تحقیقات فعلی نشان داده می شود. مخاطب این کتاب مهندسان زیست پزشکی، فیزیکدانان پزشکی، محققان و پزشکانی است که در زمینه های تجزیه و تحلیل تصویر پزشکی، رادیولوژی و پرتودرمانی کار می کنند.

Respiratory motion causes an important uncertainty in radiotherapy planning of the thorax and upper abdomen. The main objective of radiation therapy is to eradicate or shrink tumor cells without damaging the surrounding tissue by delivering a high radiation dose to the tumor region and a dose as low as possible to healthy organ tissues. Meeting this demand remains a challenge especially in case of lung tumors due to breathing-induced tumor and organ motion where motion amplitudes can measure up to several centimeters. Therefore, modeling of respiratory motion has become increasingly important in radiation therapy. With 4D imaging techniques spatiotemporal image sequences can be acquired to investigate dynamic processes in the patient’s body. Furthermore, image registration enables the estimation of the breathing-induced motion and the description of the temporal change in position and shape of the structures of interest by establishing the correspondence between images acquired at different phases of the breathing cycle. In radiation therapy these motion estimations are used to define accurate treatment margins, e.g. to calculate dose distributions and to develop prediction models for gated or robotic radiotherapy. In this book, the increasing role of image registration and motion estimation algorithms for the interpretation of complex 4D medical image sequences is illustrated. Different 4D CT image acquisition techniques and conceptually different motion estimation algorithms are presented. The clinical relevance is demonstrated by means of example applications which are related to the radiation therapy of thoracic and abdominal tumors. The state of the art and perspectives are shown by an insight into the current field of research. The book is addressed to biomedical engineers, medical physicists, researchers and physicians working in the fields of medical image analysis, radiology and radiation therapy.