Implementation and validation of a computational phantom for lung cancer radiotherapy

In this thesis project, a digital phantom of the thoracic district has been implemented and validated. It is based on a population of CT images of lung-cancer male patients. The implemented method follows three steps: at first, image registration in the rigid, affine and deformable components has been applied in order to map all the CT images on a reference one; after that, manipulation of deformation vector fields (DVFs) allowed to define a phantom presenting the mean characteristics among the starting population, therefore named the “mean” patient; finally, the statistical variability of patients’ anatomy has been investigated through the application of the Principal Component Analysis (PCA). In order to test the validity and the applicability of the implemented computational model, a dataset of synthetic CT images has been generated and employed. Synthetic data provided a ground truth for the whole procedure and demonstrated the accuracy and applicability of the phantom. In conclusion, a computational model has been designed: the phantom can be used for patient-specific simulation studies. Moreover, it has the advantages of computational phantoms, i.e. it allows time- and cost- effective simulations, and it provides an essential ground truth for benchmarking and validating treatment strategies. It represents a powerful tool, which is useful for medical imaging research and for the evaluation and the optimization of treatment in radiotherapy.

In questo progetto di tesi, è stato implementato e validato un fantoccio digitale del distretto toracico; esso si basa su una popolazione di immagini CT di pazienti di sesso maschile affetti da cancro ai polmoni. Il metodo implementato segue tre fasi: inizialmente è stata applicata la registrazione di immagini nelle componenti rigida, affine e di deformazione, per mappare tutte le immagini CT su una di riferimento; successivamente, la manipolazione dei campi vettoriali di deformazione (DVF) ha permesso di definire un fantoccio che presenta le caratteristiche medie della popolazione iniziale, quindi denominato “paziente medio"; infine, la variabilità statistica dell'anatomia dei pazienti è stata studiata attraverso l'applicazione della Principal Component Analysis (PCA). Per testare la validità e l'applicabilità del modello computazionale implementato, è stato generato e utilizzato un set di dati di immagini CT sintetiche. I dati sintetici hanno fornito un “ground truth” fondamentale per l'intera procedura e hanno dimostrato l'accuratezza e l'applicabilità del fantoccio. In conclusione, il fantoccio può essere utilizzato per studi di simulazione paziente-specifici; ha i vantaggi dei fantocci computazionali, ossia consente simulazioni rapide ed economiche e fornisce una verità fondamentale per l'analisi comparativa e la convalida delle strategie di trattamento. Esso rappresenta uno strumento potente, utile per la ricerca di immagini mediche e per la valutazione e l'ottimizzazione dei trattamenti in radioterapia.