Semi-automatic clip identification in radiographic images for setup verification in Ocular Proton Therapy at CNAO

Ocular melanoma is the most frequent intraocular malignancy in adults and the second most common type of melanoma after cutaneous ones, accounting for about 5% of all melanomas. It has a significant impact on life quality and expectancy, with symptoms including blurred vision and visual field defects. Due to the precision of its radiotherapy dosage, ocular proton therapy is considered the treatment choice to minimize damages to surrounding healthy tissues. Since 2016, the National Center for Oncological Hadrontherapy (CNAO) has used proton therapy with an active beam scanning system and a non-dedicated horizontal beamline. The treatment involves the delivery of 60 Gy RBE in four consecutive daily sessions. The size of the ocular lesions and their proximity to functional structures require sub-millimetric positioning to ensure precise and effective irradiation, minimizing risks to the neighboring normal tissues. Radiopaque clips implanted on the sclera are used as geometrical references for treatment planning and positioning verification. A commercial rigid image registration software calculates the distances between the clips centers in radiographic images and the nominal configuration in the treatment plan, providing a correction vector that is applied to the positioning system. The goal of the thesis is to use a combination of template matching, edge detectors, and morphological operators to identify the clips centers in radiographic images acquired during setup verification in ocular proton therapy treatments, addressing some images challenges such as uneven illumination and overlap between the clips and eyelid retractors. Twelve clips images were selected from X-ray images and used as templates for centroids identification. Considering 5442 radiographic images of 80 patients treated at CNAO in 2023, the proposed method showed automatic identification of at least three clips in the images in 70% of the cases. Visual inspection of the centroids was assessed by an experienced operator and manual intervention was required when automatic selection did not correctly identify the clip centers. The correction vectors were then calculated as the differences between the nominal clips positions known from the treatment plan and the clips positions identified in the radiographic images. Finally, the differences between the calculated correction vectors and the clinically applied correction vectors, obtained through the commercial software used in clinical routine, were calculated. The collected data also allowed analyzing the trend of the median correction vector during the treatment fractions. An accurate study on templates selection, for instance, using machine learning techniques, will be necessary in the future to optimize the automatic recognition, as well as the use of artificial intelligence techniques for the extraction of clips to be used as patient-specific templates.

Il melanoma oculare è il tumore intraoculare più frequente negli adulti e il secondo tipo più comune di melanoma dopo quelli cutanei, rappresentando circa il 5% di tutti i melanomi e presenta un impatto significativo sulla qualità e sull'aspettativa di vita, con sintomi che includono visione offuscata e difetti del campo visivo. La protonterapia oculare, grazie alla precisione del suo dosaggio radioterapico, è considerata il trattamento di scelta per minimizzare i danni ai tessuti sani circostanti. Dal 2016, il Centro Nazionale di Adroterapia Oncologica (CNAO) utilizza la protonterapia mediante un sistema di scansione del fascio attivo e una linea di fascio orizzontale non dedicata. Il trattamento prevede la somministrazione di 60 Gy RBE in quattro sessioni giornaliere consecutive. La dimensione delle lesioni oculari e la loro vicinanza a strutture funzionali richiedono un posizionamento sub-millimetrico per garantire un’irradiazione precisa ed efficace, minimizzando i rischi per i tessuti sani circostanti. Delle clip radiopache impiantate sulla sclera vengono utilizzate come riferimento geometrico per la pianificazione del trattamento e per la verifica del posizionamento. Un software commerciale di registrazione rigida delle immagini permette di calcolare la distanza tra i centri delle clip nelle immagini radiografiche e nella configurazione nominale nel piano di trattamento e restituisce un vettore di correzione che viene applicato al sistema di posizionamento. L'obiettivo della tesi è combinare le tecniche di template matching, riconoscimento dei contorni e operatori morfologici per identificare i centri delle clip nelle immagini radiografiche acquisite durante la verifica del setup nei trattamenti di protonterapia oculare, affrontando alcune criticità delle immagini, come l’illuminazione non uniforme e la sovrapposizione tra le clip e retrattori delle palpebre. Dodici immagini di clip sono state selezionate dalle immagini X-ray e utilizzate come template per l’identificazione dei centroidi. Considerando 5442 immagini radiografiche di 80 pazienti trattati al CNAO nel 2023, il metodo proposto ha evidenziato un’identificazione automatica di almeno tre clip nelle immagini nel 70% dei casi. L'ispezione visiva dei centroidi è stata valutata da un operatore esperto e l'intervento manuale è stato necessario nei casi in cui la selezione automatica non ha permesso di individuare in modo corretto il centro delle clip. I vettori di correzione sono stati calcolati quindi come differenze tra le posizioni delle clip nominali note dal piano di trattamento e le posizioni delle clip individuate nelle immagini radiografiche. Infine, sono stati confrontati i vettori di correzione calcolati e i vettori di correzione applicati clinicamente, ottenuti tramite un software commerciale utilizzato nella routine clinica. I dati raccolti hanno anche permesso di analizzare l’andamento dei valori mediani dei vettori di correzione durante le frazioni di trattamento. Uno studio accurato sulla selezione dei template, ad esempio tramite l’utilizzo di tecniche di apprendimento automatico, sarà necessario in futuro per ottimizzare il riconoscimento automatico, così come l’utilizzo di tecniche di intelligenza artificiale per l'estrazione di clip da usare come template paziente-specifico.