Bewegungskompensation in der Strahlentherapie

Projektbeschreibung

CyberKnife
CyberKnife

Seit einigen Jahren ist es möglich, Tumore im gesamten Körper zielsicher zu bestrahlen. Die klinischen Anwendungen auf dem aktuellsten Stand der Technik ermöglichen es, eine letale Strahlungsdosis mit einer Genauigkeit von etwa 2-3 mm in der karzinomatösen Region zu platzieren. Um jedoch eine präzise Bestrahlung durchzuführen, müssen Tumorbewegungen (z.B. durch Atmung, Herzschlag oder Bewegungen des Patienten) kompensiert werden. Konventionelle Techniken basieren auf Gating Verfahren, Bestrahlung des Tumors zu bestimmten Atemphasen oder der Vergrößerung des Zielvolumens, bis sichergestellt ist, dass sich der Tumor nur innerhalb des Zielvolumens bewegt.

Ein von Prof. Schweikard, in Zusammenarbeit mit Accuray Inc., Sunnyvale, CA, entwickeltes Verfahren, behebt dieses Problem durch den Einsatz eines stereoskopischen Infrarot(IR)-Kamerasystems, um die Brust- bzw. Bauchbewegung des Patienten zu erfassen. Basierend auf den äußeren Surrogaten können über ein mathematisches Modell, dem sogenannten Korrelationsmodel, Rückschlüsse auf die eigentliche Tumorbewegung geschlossen werden. Ein roboterisiertes Bestrahlungssystem, z.B. das CyberKnife System, kann mit diesen Informationen Patienten- und Atmungsbewegungen in Echtzeit detektieren und korrigieren.

Forschungsgebiete:

Vorhersage von Atmungsbewegungen:

Fehleroberfläche dreier LMS-basierter Prädiktionsalgorithmen
Fehleroberfläche dreier LMS-basierter Prädiktionsalgorithmen

Ein in diesem Ansatz neu auftretendes Problem ist die Tatsache, dass weder die Aufnahme der Patientenposition noch die Repositionierung des Robotersystems tatsächlich in Echtzeit erfolgen kann. Die momentan im klinischen Einsatz befindlichen Systeme haben Latenzen zwischen 50 und 300 ms. Die dadurch entstehenden Fehler in der Zielfindung können durchaus mehrere Millimeter betragen. Dieser systematische Fehler kann durch die Zeitreihenprädiktion der äußeren Surrogate minimiert werden. Neben klassischen Prädiktionsverfahren, wie dem least mean square (LMS) Verfahren, lag der Forschungsschwerpunkt in jüngster Zeit besonders auf Verfahren aus dem Bereich des maschinellen Lernens (Kernel Methoden, stochastische Lernansätze). Die Weiterentwicklung dieser Algorithmen ist ein Kernthema in diesem Forschungsprojekt.

Kamera zur Erfassung von Atmungsbewegungen
Kamera zur Erfassung von Atmungsbewegungen

In Laborumgebung wurde beispielhaft die menschliche Atmung untersucht. Dazu wurden auf der Brust eines Probanden 20 Infrarot-LEDs befestigt, die mit Hilfe eines Trackingsystems (atracsys accuTrack compact) aufgezeichnet wurden. Die Kamera wurde durch einen Roboterarm getragen, um genaue und stabile Positionierung zu Gewähr leisten. Ein Ausschnitt der aufgezeichneten Atmung wird im folgenden Video dargestellt.

Detektierung der Tumorbewegung (Korrelationsmodelle):

Sobald die Bewegung der Brustkorboberfläche bekannt ist, können daraus Schlüsse über die Tumorposition gezogen werden. Dies geschieht mit Hilfe eines Korrelationsmodells, das die Beziehung zwischen Oberflächen- und Tiefenbewegung simuliert. Wie dieses Modell aufgestellt und validiert werden kann, wird momentan untersucht.

Multimodale Bewegungskompensation:

Derzeitiger klinischer Standard in der bewegungskompensierten Strahlentherapie sind drei IR Marker, die beliebig auf Brust und Bauch des Patienten platziert werden können. Zahlreiche Studien haben belegt, dass die Korrelationsgenauigkeit maßgeblich von der Positionierung der Marker und dem Atmungsverhalten des Patient abhängen. Wir untersuchen, wie diese Abhängigkeiten durch Einsatz von multimodalen Messsystemen, z.B. Beschleunigung, Dehnung, Luftstrom und oberflächlicher Elektromyografie (EMG), reduziert werden können. Ziel dieses Forschungszweiges ist die Entwicklung multimodaler Prädiktions- und Korrelationsmodelle. Ein besonderer Fokus liegt dabei auf Feature Detektionsalgorithmen zur Echtzeitbestimmung der am meisten relevanten und am wenigsten redundanten Sensoren. Durch eine optimale Wahl der Features kann die Robustheit des Gesamtsystems erhöht werden.

a) Messaufbau für eine multimodale Messung mit Luftstromsensor (FLOW),  optischen Marken 1-3 (OM 1-3), Beschleunigungssensor (ACC), Dehnungsgurt (STRAIN) und Ultraschalltransducer (US),
b) Beispiel von einem US Bild mit einer exemplarisch gewählten Zielregion (roter Punkt) in der Leber,
c) mittlere absolute Korrelationkoeffizient und Standardabweichung von allen externen Sensoren bezogen auf OM1, OM3 und US.

Wahrscheinlichkeitsbasierte Modelle:

Surrogat gestützte Bewegungskompensation besteht aus einem Prädiktions- und einem Korrelationsalgorithmus, die sequentiell miteinander verbunden sind. Das bedeutet, der Eingang des zweiten Modells (z.B. Korrelation) ist das Ergebnis des ersten Modells (z.B. Prädiktion). Dadurch können sich Fehler des ersten Modells im zweiten Modell verstärken. In diesem Kontext wurden Multi-task Gaussian Process (MTGP) Modelle untersucht. Sie ermöglichen es erstmalig beide Problemstellungen innerhalb eines Modells zu lösen und somit den Gesamtfehler von Korrelation und Prädiktion zu minimieren. MTGP Modelle stellen eine Erweiterung von Gaussian Processes (GP) Modellen dar, welche häufig im Bereich des maschinellen Lernens für Regressionsaufgaben benutzt werden. MTGPs ermöglichen es mehrere, unterschiedlich abgetastete Signale gleichzeitig zu modellieren und deren Korrelation untereinander zu lernen.

MTGP Toolbox

Der MTGP Ansatz ist sehr flexibel und kann für verschiedenste biomedizinische Probleme verwendet werden, wie z.B. der multimodalen Analyse vitaler Parameter von Krankenhauspatienten. In Kooperation mit dem Computational Health Informatics Lab (University of Oxford) wurde eine Matlab Toolbox entwickelt. Zum besseren Verständnis beinhaltet die Toolbox zahlreiche Beispiele. [Link Toolbox]

Modellierung von multivariaten Signalen mit unterschiedlichen Abtastfrequenzen über MTGP Modelle.
Modellierung von multivariaten Signalen mit unterschiedlichen Abtastfrequenzen über MTGP Modelle.

Veröffentlichungen

2012

Floris Ernst, Lars Richter, Lars Matthäus, Volker Martens, Ralf Bruder, Alexander Schlaefer, and Achim Schweikard,
Non-orthogonal Tool/Flange and Robot/World Calibration for Realistic Tracking Scenarios, International Journal of Medical Robotics and Computer Assisted Surgery , vol. 8, no. 4, pp. 407-420, 2012.
DOI:10.1002/rcs.1427
Datei: rcs.1427
Oliver Blanck, Robert Dürichen, Floris Ernst, Jürgen Dunst, Dirk Rades, Guido Hildebrandt, and Achim Schweikard,
Evaluation of a wavelet-based least mean square motion prediction algorithm for lung and liver patients, Barcelona, Spain , 2012. pp. S12-S13.
Datei: ESTRO31.aspx
Robert Dürichen, Tobias Wissel, and Achim Schweikard,
Efficient SVR model update approaches for respiratory motion prediction, Düsseldorf, Germany , 2012.
Floris Ernst, Ralf Bruder, Alexander Schlaefer, and Achim Schweikard,
Correlation between external and internal respiratory motion: a validation study, International Journal of Computer Assisted Radiology and Surgery , vol. 7, no. 3, pp. 483-492, 2012. Springer.
DOI:10.1007/s11548-011-0653-6
Datei: s11548-011-0653-6
Robert Dürichen, Oliver Blanck, Floris Ernst, and Achim Schweikard,
Evaluation of a wavelet-based least mean square algorithm for prediction of respiratory movements, Carlsbad, CA, USA , 2012. pp. accepted-for publication.

2011

Ralf Bruder, Florian Griese, Floris Ernst, and Achim Schweikard,
High-accuracy ultrasound target localization for hand-eye calibration between optical tracking systems and three-dimensional ultrasound, Handels, Heinz and Ehrhardt, Jan and Deserno, Thomas M. and Meinzer, Hans-Peter and Tolxdorff, Thomas, Eds. Berlin, Heidelberg: Springer, 2011. pp. 179-183.
DOI:10.1007/978-3-642-19335-4_38
ISBN:978-3-642-19335-4
Datei: 978-3-642-19335-4_38
Ralf Bruder, Philipp Jauer, Floris Ernst, Lars Richter, and Achim Schweikard,
Real-time 4D ultrasound visualization with the Voreen framework, Vancouver, BC, Canada; New York, NY, USA: ACM, 2011. pp. 74:1.
DOI:10.1145/2037715.2037798
ISBN:978-1-4503-0971-4
Datei: 2037715.2037798
Floris Ernst, Ralf Bruder, Alexander Schlaefer, and Achim Schweikard,
Performance Measures and Pre-Processing for Respiratory Motion Prediction, Vancouver, BC, Canada , 2011. pp. 3857.
DOI:10.1118/1.3613523
Datei: 1.3613523
Floris Ernst, Alexander Schlaefer, and Achim Schweikard,
Predicting the Outcome of Respiratory Motion Prediction, Medical Physics , vol. 38, no. 10, pp. 5569-5582, 2011.
DOI:10.1118/1.3633907
Datei: 1.3633907
Floris Ernst, Ralf Bruder, Alexander Schlaefer, and Achim Schweikard,
Forecasting Pulsatory Motion for Non-invasive Cardiac Radiosurgery, International Journal of Computer Assisted Radiology and Surgery , vol. 6, no. 1, pp. 93-101, 2011.
DOI:10.1007/s11548-010-0424-9
Datei: s11548-010-0424-9
Floris Ernst,
Compensating for Quasi-periodic Motion in Robotic Radiosurgery., .... New York: Springer, 2011.
DOI:10.1007/978-1-4614-1912-9
ISBN:978-1-4614-1911-2
Datei: 978-1-4614-1912-9
Floris Ernst,
Algorithms for Compensation of Quasi-periodic Motion in Robotic Radiosurgery, 2011.
Datei: 4b54bacdd0374f409563bcdc35fc1a3b
Floris Ernst, and Achim Schweikard,
Adaptive Motion Compensation in Radiotherapy., .... Taylor Francis, 2011.
Ralf Bruder, Floris Ernst, Alexander Schlaefer, and Achim Schweikard,
A Framework for Real-Time Target Tracking in Radiosurgery using Three-dimensional Ultrasound, Berlin, Germany , 2011. pp. S306-S307.
Datei:

2010

Floris Ernst, Christoph Koch, and Achim Schweikard,
A Novel Recording Tool for Education and Quality Assurance in Digital Angiography, Chicago, IL/USA , 2010.
Lars Richter, Floris Ernst, Volker Martens, Lars Matthäus, and Achim Schweikard,
Client/Server Framework for robot control in medical assistance systems, Geneva, Switzerland , 2010. pp. 306-307.
Datei:
Floris Ernst, Ralf Bruder, Alexander Schlaefer, and Achim Schweikard,
Improving the Quality of Biomedical Signal Tracking using Prediction Algorithms, Coventry, United Kingdom; Coventry, UK , 2010. pp. 301-305.
DOI:10.1049/ic.2010.0298
ISBN:978-184600-0386
Datei: ic.2010.0298
Floris Ernst, Ralf Bruder, Melanie Pohl, Alexander Schlaefer, and Achim Schweikard,
Prediction of Cardiac Motion, Geneva, Switzerland , 2010. pp. 273-274.
Datei:
Floris Ernst, Alexander Schlaefer, and Achim Schweikard,
Processing of Respiratory Motion Traces for Motion-Compensated Radiotherapy, Medical Physics , vol. 37, no. 1, pp. 282-294, 2010.
DOI:10.1118/1.3271684
Datei: 1.3271684
Floris Ernst, Birgit Stender, Alexander Schlaefer, and Achim Schweikard,
Using ECG in Motion Prediction for Radiosurgery of the Beating Heart, Yang, Guang-Zhong and Darzi, Ara, Eds. The Royal Society, London , 2010. pp. 37-38.
ISBN:978-0-9563776-1-6

2009

Floris Ernst,
Motion Compensation in Radiosurgery, Lübeck, Germany: Institute for Robotics, University of Lübeck, 2009.
Ralf Bruder, Floris Ernst, Alexander Schlaefer, and Achim Schweikard,
TH-C-304A-07: Real-Time Tracking of the Pulmonary Veins in 3D Ultrasound of the Beating Heart, Anaheim, CA, USA , 2009. pp. 2804.
DOI:10.1118/1.3182643
Datei: 1.3182643
Melanie Pohl,
Prädiktion von Herzbewegungen, 2009.
Floris Ernst, and Achim Schweikard,
Predicting Respiratory Motion Signals using Accurate Online Support Vector Regression (SVRpred), Berlin, Germany , 2009. pp. 255-256.
DOI:10.1007/s11548-009-0340-z
Datei: s11548-009-0340-z
Lisa Senger,
Liver Motion Tracking and Correlation to Surrogate Signals using 3D Ultrasound, 2009.