4D PET-based treatment verification in ion beam therapy : reconstruction and optimization strategies

The PhD project is presented as a technological and methodological contribution towards the developments of quantitative image-based treatment verification in ion beam therapy, focused on the optimization and the reconstruction of PET-CT images. The tomographic information provided by the integrated 4D PET-CT imaging system, in perspective of the envisioned in-room 4D PET-CBCT, are exploited to tackle with the issue of target motion as reconstruction and optimization of 4D PET-CT images. The quantification strategy developed for off-line PET imaging, but generally extensible to other PET layouts (i.e., in-beam PET and in-room PET), is the region-based MLEM reconstruction strategy, a noise robust reconstruction algorithm designed to quantify the consistency between the PET measurement induced by treatment and the PET prediction derived by the treatment plan. When envisioning the clinical implementation of the 4D treatment delivery in presence of moving targets, the feasibility of the 4D PET-based treatment verification depends on 4D PET count statistics optimization and 4D PET motion compensation strategies, due to the low count statistics of PET image. The virtual 4D PET strategy and the pre-reconstruction sinogram warping strategy are developed to compensate for motion and optimize the count statistics in 4D PET imaging. Both are based on coregistered anatomical imaging, provided with the multiple points 4D CT sorting method to increase the robustness of the motion model in presence of breathing irregularities or incorrect breathing phase identification.

Il progetto di dottorato è presentato come contributo tecnologico e metodologico allo sviluppo della verifica del trattamento basato sull’imaging PET in ion beam therapy. In particolare la tesi è focalizzata sull’ottimizzazione e la ricostruzione delle immagini PET-CT, sulle quali è attualmente bastata la verifica off-line del trattamento. Le informazioni fornite dall’imaging tomografico integrato 4D PET-CT sono utilizzate allo scopo di affrontare la problematica dei moving target. L’obiettivo è la massimizzazione dell’informazione contenuta nei dati grezzi (i sinogrammi) in termini di ricostruzione e ottimizzazione delle immagini risolte in tempo. La strategia di quantificazione sviluppata per l’imaging PET off-line, ma generalmente estendibile ad altri layout PET (ad esempio, in-beam PET e in-room PET, in prospettiva di un sistema di imaging tomografico integrato in-room 4D PET-CBCT), è basata su una ricostruzione regionale MLEM robusta al rumore. La strategia è progettata per quantificare la coerenza tra la misura PET indotta dal trattamento e la previsione PET calcolata a partire dal piano di trattamento. In prospettiva dell’applicazione clinica della verifica del trattamento in presenza di moving target, la fruibilità delle immagini 4D PET dipende dall’efficacia della strategia di ottimizzazione della statistica di conteggio e di compensazione del movimento, a causa della bassissima statistica di conteggio che caratterizza questo tipo di immagini. La strategia “virtual 4D PET” e la strategia di ottimizzazione del sinogramma pre-ricostruzione sono state appositamente sviluppate per la compensazione del movimento e l’ottimizzazione della statistica di conteggio nell’imaging 4D PET. Entrambe sono basate sulla disponibilità dell’imaging anatomico co-registrato, che per la verifica del trattamento off-line è rappresentato dall’imaging CT. Allo scopo di incrementare la robustezza del modello di movimento in presenza di irregolarità respiratorie o errata identificazione della respiratoria, è stato anche sviluppato un metodo di riordinamento 4D CT basato di molteplici segnali respiratori.