Generation of realistic computational phantoms for applications in MRI-guided radiotherapy of moving organs

Respiratory motion severely affects radiotherapy therapeutic outcomes when the tumor is located in the thorax or in the abdomen, since the induced tumor motion causes a misalignment between the target and the radiation beam. Several strategies have been proposed in the literature to exploit Magnetic Resonance Imaging to guide the treatment delivery phase. However, this approach suffers from the lack of ground truth validation data, due to the impossibility to acquire real-time 3DMRI images with the current MRI technology. The aim of this work was to generate a 4DMRI ground truth dataset with arbitrary spatial and temporal resolution through computational phantoms, including realistic features in the synthetic images for a patient-like appearance. Respiratory motion trends and 3D GTV masks were available from a real patients’ dataset and used to generate realistic phantoms, that consisted of a total of ~ 150 3D images for 16 patients at a temporal resolution of 460 ms, both in the coronal and in the sagittal view. The phantom dataset generation entailed three steps, i.e. the generation of CT, MRI and realistic CoMBAT data. The first two were accomplished through computational phantoms software, the third one through an artificial neural network implemented in a previous master thesis work. The results suggest that with a phantom dataset realistic motion variability can be reproduced, and that when images are generated in the sagittal view the intensity values are mapped more similarly to a real MRI image than they are in the coronal view.

Il movimento respiratorio influisce gravemente sui risultati terapeutici della radioterapia quando il tumore è localizzato nel torace o nell'addome, poiché il movimento indotto del tumore causa un disallineamento tra il target e il fascio di radiazioni. In letteratura sono state proposte diverse strategie che sfruttano l'imaging a risonanza magnetica per guidare la fase di erogazione del trattamento. Tuttavia, questo approccio manca di dati di validazione ground truth, a causa dell'impossibilità di acquisire immagini di risonanza magnetica 3D in tempo reale con l'attuale tecnologia di RM. L'obiettivo di questo lavoro è stato quello di generare un set di dati ground truth 4DMRI con risoluzione spaziale e temporale arbitraria attraverso fantocci computazionali, includendo caratteristiche realistiche nelle immagini sintetiche per ottenere un aspetto simile a quello del paziente. Gli andamenti del movimento respiratorio e le maschere GTV 3D erano disponibili da un set di dati di pazienti reali e sono state utilizzate per generare fantocci realistici, per un totale di ~ 150 immagini 3D per 16 pazienti a una risoluzione temporale di 460 ms l'una dall'altra, sia nella visione coronale che sagittale. La generazione del set di fantocci ha comportato tre fasi, ovvero la generazione di dati TC, RM e RM realistica. Le prime due sono state realizzate attraverso software di fantocci computazionali disponibili in letteratura, la terza attraverso una rete neurale artificiale implementata in un precedente lavoro di tesi magistrale. I risultati hanno suggerito che con un set di fantocci è possibile riprodurre la variabilità realistica del movimento e che quando le immagini sono generate nella visione sagittale i valori di intensità sono mappati in modo più simile a un'immagine RM reale rispetto alla vista coronale.