gms | German Medical Science

54. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e.V. (GMDS)

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie

07. bis 10.09.2009, Essen

Analyse und Quantifizierung regionaler Lungenbewegungen in 4D-Bilddaten

Meeting Abstract

  • Anabell Heiß - Universitätsklinikum Hamburg-Eppendorf, Hamburg
  • Rene Werner - Universitätsklinikum Hamburg-Eppendorf, Hamburg
  • Jan Ehrhardt - Universitätsklinikum Hamburg-Eppendorf, Hamburg
  • Matthias Raspe - Universität Koblenz-Landau, Koblenz
  • Stefan Müller - Universität Koblenz-Landau, Koblenz
  • Heinz Handels - Universitätsklinikum Hamburg-Eppendorf, Hamburg

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie. 54. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (gmds). Essen, 07.-10.09.2009. Düsseldorf: German Medical Science GMS Publishing House; 2009. Doc09gmds182

DOI: 10.3205/09gmds182, URN: urn:nbn:de:0183-09gmds1828

Veröffentlicht: 2. September 2009

© 2009 Heiß et al.
Dieser Artikel ist ein Open Access-Artikel und steht unter den Creative Commons Lizenzbedingungen (http://creativecommons.org/licenses/by-nc-nd/3.0/deed.de). Er darf vervielfältigt, verbreitet und öffentlich zugänglich gemacht werden, vorausgesetzt dass Autor und Quelle genannt werden.


Gliederung

Text

Einleitung: Atembewegungen sind ein Problem in der Strahlentherapie von Lungentumoren. Detaillierte Informationen über die Atemdynamik sind erforderlich, um z.B. die Bestrahlungsplanung zu optimieren. Gegenstand dieses Beitrages ist daher die computergestützte, bildbasierte Erfassung und Analyse regionaler Lungenbewegungen in 4D-CT-Daten.

Methode: Basis der Untersuchungen sind 17 4D-CT-Bilddaten [1] (10 Lungentumorpatienten, 7 mit Tumoren im Abdominalbereich). Grundlage der Analyse der regionalen Lungenbewegung ist die patientenindividuelle Schätzung der Bewegungsfelder in den 4D-CT-Daten, die mittels nichtlinearer Registrierung berechnet wurden (Genauigkeit im Voxelgrößenbereich). Als Bewegungsparameter wurden Betrag (gesamt und komponentenweise) und Richtung der Verschiebungsvektoren ermittelt. Um eine interspezifische Vergleichbarkeit der Bewegungsmuster zu gewährleisten, wurden die Amplitudenwerte anhand der patientenindividuellen Zwerchfellbewegung normalisiert [2], [3].

Schwerpunkt der Studie war die Analyse des Bewegungsverhaltens in unterschiedlichen Lungenregionen. Die Lungenflügel wurden zunächst analog zu [2] in drei Regionen aufgeteilt, die mittleren Parameterwerte für diese analysiert. Für detailliertere Aussagen wurde diese Aufteilung verfeinert und jede CT-Axialschicht als einzelne Region betrachtet.

Ergebnisse: Die stärkste Bewegung findet im unteren Lungenbereich statt (Bewegungsamplitude untere Lungenhälfte: 20.24+/-4.25mm), die zur Lungenspitze hin abnimmt (oberes Viertel: 0.05+/-0.03mm). Die Craniocaudalbewegung ist in allen Lungenregionen dominant (3.72+/-0.63mm, AP: 1.15+/-0.26mm, ML: 0.25+/-0.22mm). Anhand der anterioposterioren Ausrichtung der Verschiebungsvektoren konnte bei 6/17 Patienten ein Brustatemmuster identifiziert werden.

Insbesondere für Patienten mit kleineren, nicht angewachsenen Lungentumoren (7/17) besteht eine starke Ähnlichkeit der normalisierten Craniocaudalbewegung. Es zeigt sich ein nichtlinearer Zusammenhang zwischen normalisierter Lokalisation und Craniocaudalbewegung, gut genähert über f(x) = x^a mit a=1.82 und 1.62 (linke/rechte Lunge) mit x: normalisierte craniocaudale Position in der Lunge, f: Craniocaudalbewegung (SSE für nicht-linearen Fit: 0.06/0.02; linearer Fit: 0.34/0.21).

Diskussion/Ausblick: Unsere Analysen zielen auf die Verbesserung der Strahlentherapie von Lungentumoren ab. Der Zusammenhang zwischen Bewegung und Lage lungeninterner Voxel und Strukturen kann z.B. zu einer präziseren Dimensionierung von Sicherheitssäumen in der Strahlentherapie genutzt werden. Der beobachtete lokale Einfluss größerer Tumoren auf die Atemdynamik erfordert weitere Analysen.


Literatur

1.
Werner R, et al. Motion Artifact Reducing Reconstruction of 4D CT Image Data for the Analysis of Respiratory Dynamics. Methods of Information in Medicine. 2007;46:254-60.
2.
Liu H, et al. Assessing Respiration-Induced Tumor Motion And Internal Target Volume Using Four-Dimensional Computed Tomography For Radiotherapy Of Lung Cancer. Int J Radiation Oncol Biol Phys. 2007;68:531-40.
3.
Werner R, et al. 3D-Trajektorienberechnung und Bewegungsanalyse in thorakalen 4D-CT-Bilddaten zur optimieren Strahlentherapie von Lungentumorpatienten. CURAC. 2008:119-122.