Purpose: MRI-guided radiotherapy is spreading thanks to the MRI great soft tissue contrast and the absence of additional ionizing radiations, but no integrated system is clinically available for particle therapy. Nonetheless, the off-line use of MRI may support treatment planning and adaptation through the generation of synthetic CT (sCT). Given the absence of literature studies on abdominal sCT applied to Carbon Ions Radiotherapy (CIRT), we focused on a Deep Learning approach to abdominal sCTs, and its application in an MRI-only workflow for CIRT plans. Methods: 39 abdominal MRI-CT volumes pairs were collected from 24 patients treated with CIRT at the National Centre for Oncological Hadrontherapy (CNAO). The sCTs were generated by a 3-channels cGAN derived from the open source net “pix2pix” [1]. The net was tested to assess the impact of DIR on sCT and to simulate an MRI-only treatment scenario. The sCTs were evaluated by means of similarity metrics (Mean Absolute Error, Normalized Cross Correlation, Structural Similarity Index and Peak Signal to Noise Ratio) and geometrical criteria (Dice Coefficient, Hausdorff Distance, Centre of Mass distance). The CIRT plans were recalculated on the sCT and evaluated through DVH comparison and Gamma analysis. Results: The quality of sCT was independent from DIR, thus DIR was not applied further. All metrics were aligned with the literature, with optimal MAE on bone structures (86.03 ± 10.76 HU) and soft tissues (55.39 ± 3.41 HU). Differently, the results on the MRI-only set got worse (MAEBONE= 154.87 ± 22.90 HU) because of MRI manual segmentation and the lack of a proper ground truth. Despite the inconsistencies of air pockets, DVH metrics were aligned to literature (D95%GTV error = 1.88 ± 2.07 %), with colon being the most affected organ (relative error 12%). The Gamma pass rate reached 94.88 ± 4.9 % in case of 3%/3mm analysis. Conclusions: The 3-channels cGAN can generate good quality sCT of the abdominal site and allow the CIRT dose recalculations to be comparable to the clinical plans. However, the performances of the network should be validated in view of future in-depth analysis on the feasibility of MRI-only workflows in CIRT.

Scopo: La radioterapia guidata da Risonanza Magnetica (RM) garantisce un ottimo contrasto sui tessuti molli e l'assenza di radiazioni ionizzanti aggiuntive, ma ad oggi non esistono sistemi clinicamente utilizzati in adroterapia. Tuttavia, l'utilizzo off-line di RM può supportare il trattamento attraverso la generazione di Tomografie Computerizzate sintetiche (TCS). Questa tesi si occupa della generazione di TCS addominali con una rete neurale cGAN e la loro applicazione in un approccio adroterapico con ioni carbonio basato sulla sola risonanza (RM-only). Metodi: 39 coppie di volumi RM-TC sono state acquisite da 24 pazienti trattati con ioni carbonio al Centro Nazionale di Adroterapia Oncologica (CNAO). Le TCS sono state generate da una rete cGAN a 3 canali derivata dalla rete "pix2pix" [1]. Questa è stata testata per valutare l'impatto della registrazione non rigida dei volumi sulle TCS e per simulare un approccio RM-only. Le TCS sono state valutate con metriche di somiglianza (Errore Assoluto Medio, Cross-Correlazione Normalizzata, Indice di Somiglianza Strutturale e Picco del Rapporto Segnale/Rumore) e criteri geometrici (Coefficiente di Dice, Distanza di Hausdorff, Distanza dei centri di massa). I piani clinici sono stati ricalcolati sulle TCS e valutati tramite gli istogrammi Dose-Volume e l'analisi Gamma. Risultati: La qualità delle TCS era indipendente dalla registrazione dei volumi, che quindi non è stata effettuata. Le metriche erano allineate con la letteratura, con errori promettenti su strutture ossee (86,03 ± 10,76 HU) e tessuti molli (55,39 ± 3,41 HU). Diversamente, i risultati sul dataset RM-only sono peggiorati (MAEOSSA= 154.87 ± 22.90 HU) a causa della mancanza di un ground truth adeguato. Nonostante le incongruenze delle tasche d'aria, le mappe di dose erano comparabili, ma il colon ne è risultato l'organo più colpito (errore relativo 12%). Il gamma pass rate ha raggiunto il 94,88 ± il 4,9% in caso di analisi con 3%/3 mm. Conclusioni: La rete cGAN a 3 canali può generare TCS addominali di buona qualità, permettendo ricalcoli di dose con ioni carbonio paragonabili ai piani originali. Tuttavia, le prestazioni della rete dovrebbero essere validate in vista di future analisi dettagliate sull’approccio RM-only alla radioterapia con ioni carbonio.

A deep learning approach to abdominal synthetic CT for carbon ion radiotherapy

Parrella, Giovanni
2020/2021

Abstract

Purpose: MRI-guided radiotherapy is spreading thanks to the MRI great soft tissue contrast and the absence of additional ionizing radiations, but no integrated system is clinically available for particle therapy. Nonetheless, the off-line use of MRI may support treatment planning and adaptation through the generation of synthetic CT (sCT). Given the absence of literature studies on abdominal sCT applied to Carbon Ions Radiotherapy (CIRT), we focused on a Deep Learning approach to abdominal sCTs, and its application in an MRI-only workflow for CIRT plans. Methods: 39 abdominal MRI-CT volumes pairs were collected from 24 patients treated with CIRT at the National Centre for Oncological Hadrontherapy (CNAO). The sCTs were generated by a 3-channels cGAN derived from the open source net “pix2pix” [1]. The net was tested to assess the impact of DIR on sCT and to simulate an MRI-only treatment scenario. The sCTs were evaluated by means of similarity metrics (Mean Absolute Error, Normalized Cross Correlation, Structural Similarity Index and Peak Signal to Noise Ratio) and geometrical criteria (Dice Coefficient, Hausdorff Distance, Centre of Mass distance). The CIRT plans were recalculated on the sCT and evaluated through DVH comparison and Gamma analysis. Results: The quality of sCT was independent from DIR, thus DIR was not applied further. All metrics were aligned with the literature, with optimal MAE on bone structures (86.03 ± 10.76 HU) and soft tissues (55.39 ± 3.41 HU). Differently, the results on the MRI-only set got worse (MAEBONE= 154.87 ± 22.90 HU) because of MRI manual segmentation and the lack of a proper ground truth. Despite the inconsistencies of air pockets, DVH metrics were aligned to literature (D95%GTV error = 1.88 ± 2.07 %), with colon being the most affected organ (relative error 12%). The Gamma pass rate reached 94.88 ± 4.9 % in case of 3%/3mm analysis. Conclusions: The 3-channels cGAN can generate good quality sCT of the abdominal site and allow the CIRT dose recalculations to be comparable to the clinical plans. However, the performances of the network should be validated in view of future in-depth analysis on the feasibility of MRI-only workflows in CIRT.
GARAU, NOEMI
ING - Scuola di Ingegneria Industriale e dell'Informazione
28-apr-2022
2020/2021
Scopo: La radioterapia guidata da Risonanza Magnetica (RM) garantisce un ottimo contrasto sui tessuti molli e l'assenza di radiazioni ionizzanti aggiuntive, ma ad oggi non esistono sistemi clinicamente utilizzati in adroterapia. Tuttavia, l'utilizzo off-line di RM può supportare il trattamento attraverso la generazione di Tomografie Computerizzate sintetiche (TCS). Questa tesi si occupa della generazione di TCS addominali con una rete neurale cGAN e la loro applicazione in un approccio adroterapico con ioni carbonio basato sulla sola risonanza (RM-only). Metodi: 39 coppie di volumi RM-TC sono state acquisite da 24 pazienti trattati con ioni carbonio al Centro Nazionale di Adroterapia Oncologica (CNAO). Le TCS sono state generate da una rete cGAN a 3 canali derivata dalla rete "pix2pix" [1]. Questa è stata testata per valutare l'impatto della registrazione non rigida dei volumi sulle TCS e per simulare un approccio RM-only. Le TCS sono state valutate con metriche di somiglianza (Errore Assoluto Medio, Cross-Correlazione Normalizzata, Indice di Somiglianza Strutturale e Picco del Rapporto Segnale/Rumore) e criteri geometrici (Coefficiente di Dice, Distanza di Hausdorff, Distanza dei centri di massa). I piani clinici sono stati ricalcolati sulle TCS e valutati tramite gli istogrammi Dose-Volume e l'analisi Gamma. Risultati: La qualità delle TCS era indipendente dalla registrazione dei volumi, che quindi non è stata effettuata. Le metriche erano allineate con la letteratura, con errori promettenti su strutture ossee (86,03 ± 10,76 HU) e tessuti molli (55,39 ± 3,41 HU). Diversamente, i risultati sul dataset RM-only sono peggiorati (MAEOSSA= 154.87 ± 22.90 HU) a causa della mancanza di un ground truth adeguato. Nonostante le incongruenze delle tasche d'aria, le mappe di dose erano comparabili, ma il colon ne è risultato l'organo più colpito (errore relativo 12%). Il gamma pass rate ha raggiunto il 94,88 ± il 4,9% in caso di analisi con 3%/3 mm. Conclusioni: La rete cGAN a 3 canali può generare TCS addominali di buona qualità, permettendo ricalcoli di dose con ioni carbonio paragonabili ai piani originali. Tuttavia, le prestazioni della rete dovrebbero essere validate in vista di future analisi dettagliate sull’approccio RM-only alla radioterapia con ioni carbonio.
File allegati
File Dimensione Formato  
2022_04_Parrella_02.pdf

solo utenti autorizzati dal 02/04/2023

Descrizione: Executive summary
Dimensione 1.18 MB
Formato Adobe PDF
1.18 MB Adobe PDF   Visualizza/Apri
2022_04_Parrella_01.pdf

solo utenti autorizzati dal 02/04/2023

Descrizione: Testo tesi
Dimensione 4.83 MB
Formato Adobe PDF
4.83 MB Adobe PDF   Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/186313