Scale invariant feature transform : validazione del metodo e applicazione alla registrazione non rigida in radioterapia adattativa per pazienti testa collo

A crucial issue of Deformable Registration (DR) is its validation because of the lack of a gold standard in clinical practice. Scale Invariant Feature Transform (SIFT) can provide a new way to solve this problem through its invariance properties. For this purpose we verify SIFT invariance both to rigid and non-rigid transformations on phantom. Experiments evaluate this property, which is essential to find stable points in images with patient’s temporal-anatomical changes. Then we apply it to validate DR in Head&Neck Adaptive Radiation Therapy. The patients study demonstrate SIFT capability as DR validation metric, thus providing a new evaluation index, more accurate and operator-independent than other classical indices based on contours.

Un limite della Registrazione Deformable (DR) è la sua validazione, a causa della mancanza di standard ottimali nella pratica clinica. Scale Invariant Feature Transform (SIFT) può fornire una nuova strada per risolvere questo problema attraverso le sue proprietà di invarianza. A questo scopo si è verificata l'invarianza di SIFT sia rispetto a trasformazioni rigide e non rigide su un fantoccio. Gli esperimenti hanno valutato questa proprietà, che è essenziale per trovare punti in immagini di pazienti soggette a variazioni anatomico-temporali. successivamente si è applicato il metodo a pazienti testa-collo per validare la DR in radioterapia adattativa. Lo studio sui pazienti dimostra le capicità di SIFT di fornire una metrica di validazione della DR, più accurata e operatore-indipendente rispetto agli altri classici indici basati sui contorni.