Vergleichsstudie von Rekonstruktionsalgorithmen für volumetrische Nekrosekarten aus 2D-Multi

Wissenschaftliche Berichte Band 12, Artikelnummer: 11509 (2022) Diesen Artikel zitieren

763 Zugriffe

1 Zitate

Details zu den Metriken

Krebs ist eine Krankheit, die ein hohes Maß an sorgfältiger medizinischer Betreuung erfordert. Bei minimalinvasiven Thermoablationsverfahren ist die Überwachung der Wärmeverteilung eine der größten Herausforderungen. In dieser Arbeit werden drei Ansätze zur volumetrischen Wärmekartenrekonstruktion (Delauney-Triangulation, Minimum Volume Enclosing Ellipsoids (MVEE) und Splines) vorgestellt, die auf gleichmäßig verteilten 2D-MRT-Phasenbildern basieren, die um die Hauptachse des Applikators gedreht werden. Wir vergleichen sie mit unserer bisherigen Temperaturinterpolationsmethode hinsichtlich Genauigkeit, Robustheit und Anpassungsfähigkeit. Alle Ansätze werden während der MWA-Behandlung anhand derselben Datensätze bewertet, die aus 13 Ex-vivo-Bioproteinphantomen bestehen, darunter sechs Phantome mit simulierten Wärmesenkeneffekten. Bezüglich der Genauigkeit zeigen die DSC-Ähnlichkeitsergebnisse einen starken Trend zur MVEE-Methode (\(0,80\pm 0,03\)) und zur Splines-Methode (\(0,77\pm 0,04\)) im Vergleich zur Delauney-Triangulation (\(0,75\pm 0,02). \)) oder die Temperaturinterpolation (\(0,73\pm 0,07\)). Die Robustheit wird für alle drei Ansätze erhöht und die Anpassungsfähigkeit zeigt einen deutlichen Trend hin zur anfänglichen Interpolationsmethode und den Splines. Um lokale Inhomogenitäten in den erfassten Daten zu überwinden, sollte in Zukunft der Einsatz adaptiver Simulationen in Betracht gezogen werden. Darüber hinaus sollte die Übertragung auf in vivo-Tierversuche zur Prüfung der klinischen Anwendbarkeit in Betracht gezogen werden.

Von 2018 bis 2020 stiegen die krebsbedingten Neuerkrankungen und Todesfälle um 6,47 % bzw. 4,21 %1,2. Minimalinvasive Ansätze gelten als sicherer als offene Operationen. Darüber hinaus ist eine offene Operation aufgrund von Komorbiditäten, der Ausbreitung von Tumorläsionen oder anatomischen Einschränkungen nicht immer anwendbar. Eine wachsende Alternative ist der Einsatz minimalinvasiver Ansätze. Neben anderen ist die Mikrowellenablation (MWA) eine vielversprechende Technik zur Behandlung primärer und sekundärer Leberläsionen mit mehreren FDA-zertifizierten Systemen auf dem Markt3. MWA bietet mehrere Vorteile für die Behandlung von Tumorläsionen, wie z. B. eine schnelle Temperaturentwicklung im Gewebe, schnelle Ablationszeiten und die Möglichkeit, mehrere Applikatoren gleichzeitig zu verwenden. Darüber hinaus verringert MWA tendenziell das Trauma des Patienten und erhöht die 5-Jahres-Überlebensrate von Patienten mit z. B. hepatozellulärem Karzinom und Lebermetastasen4. Unabhängig von der verwendeten Ablationstechnik ist es von größter Bedeutung zu beurteilen, ob die gesamte Läsion zerstört wurde, einschließlich eines minimalen Ablationsrandes (MAM). Es wurde festgestellt, dass dieser MAM der einzige wichtige Prädiktor für die lokale Tumorprogression (LTP) bei Leberläsionen ist. Laimer et al.5 zeigten, dass die Chance für LTP mit jedem Millimeter Anstieg des MAM um 30 % sank. Um die Temperatur im Gewebe zu verfolgen und die lebende Koagulationsnekrose zu beurteilen, kann eine Magnetresonanztomographie (MRT)-Thermometrie durchgeführt werden. Der gebräuchlichste Ansatz zur Thermometrieüberwachung mittels MRT ist die Protonenresonanzfrequenzverschiebungsmethode (PRFS) unter Verwendung von Phasenkartierung6,7. In unserer vorherigen Arbeit8 haben wir einen neuartigen Ansatz für die Erstellung einer volumetrischen Thermometriekarte eingeführt, indem wir gängige Gradientenechosequenzen verwenden und eine einfache räumliche Interpolation durchführen. Dennoch hat der Ansatz Nachteile. Die Temperaturinterpolation ist anfällig für Fehler und anatomische Inhomogenitäten. Daher sind a priori Kenntnisse über Risikostrukturen erforderlich. Darüber hinaus ergibt sich bei der Auswertung von Bioprotein-Phantomen eine weitere Verzerrung aufgrund der variablen Schwelle für die Gerinnungsnekrose, basierend auf dem pH-Wert. In dieser Arbeit vergleichen wir drei Ansätze zur Rekonstruktion einer volumetrischen Nekrosekarte. Alle Algorithmen werden anhand derselben Datensätze bewertet, die wir in unserer vorherigen Arbeit8 eingeführt haben, einschließlich aktualisierter Schwellenwerte, um die durch die Phantome verursachte Verzerrung zu minimieren. Wir werden zeigen, dass unsere neuen Ansätze in der Lage sind, die Ähnlichkeit der bisherigen Rekonstruktionsmethode zu übertreffen und gleichzeitig robuster gegenüber Artefakten und Ausreißern sind. Ziel der Evaluierung ist die Identifizierung eines geeigneten Rekonstruktionsansatzes im Hinblick auf Genauigkeit, Robustheit und Anpassungsfähigkeit (Notwendigkeit von A-priori-Wissen).

Bisherige Arbeiten auf dem Gebiet der volumetrischen Nekroseschätzung beschränken sich hauptsächlich auf die Entwicklung einzigartiger MR-Sequenzen unter Verwendung eines Stapels von 2D-Bildern oder einer vollständigen 3D-Sequenz. Abgesehen von der räumlichen und zeitlichen Auflösung unterscheiden sich diese Ansätze stark hinsichtlich der Dimension der erfassten Bilder (2D oder 3D), der Abtastung des k-Raums (kartesisch, Echo-Planar-Imaging (EPI) und andere) und der verwendeten Anzahl der Echos (Single oder Multi).

Für 3D können Einzelechosequenzen in die Verwendung von EPI-Sequenzen10,11 und Stapelspiralen14 unterschieden werden. Multi-Echo-Sequenzen verwenden entweder einen Pseudo-Golden-Angle-Stack-of-Stars13 oder einen True-Golden-Winkel-geordneten Stack-of-Radial15. In Bezug auf einen 2D-Stapel können einzelne Echosequenzen in EPI-Sequenzen9,20 sowie kartesische Sequenzen8,17,19 unterteilt werden. In Bezug auf Multiecho verwenden Marx et al.12 eine Spiralsequenz. Eine detaillierte Analyse der zugehörigen Arbeiten ist in Tabelle 1 zu sehen. Alle zugehörigen Arbeiten wurden hinsichtlich der verwendeten Interventionstechnik, der Dimension der Bildaufnahme, der verwendeten Abtastung, der Anzahl der verwendeten Echos, der Erfassungszeit des Volumens usw. analysiert räumliche Auflösung der Bilder, die Volumenabdeckung, die Temperaturgenauigkeit der verwendeten Thermometrie und die Rekonstruktionszeit des Bildvolumens, sofern verfügbar.

Unsere vorherige Arbeit8 verwendet eine übliche 2D-Einzelecho-Kartesian-Gradienten-Recall-Echo-Sequenz (GRE). Wir haben gezeigt, wie wir ein Volumen von \(256\times 256\times 256\) mm mit der Standardtemperaturgenauigkeit von 1 °C abdecken können. Obwohl die Arbeit von Marx et al.12 diese Parameter übertrifft, indem sie eine Volumenabdeckung von 360 × 360 × 360 mm und eine Temperaturgenauigkeit < 0,5 °C bietet, bieten wir eine Rekonstruktionszeit des gesamten Volumens von 10,4 Sekunden im Gegensatz zu den 16 Sekunden die ihre Arbeit bietet. Hier kann ein einzelnes 2D-Bild mithilfe der GRAPPA-Beschleunigung innerhalb von 1,02 Sekunden aufgenommen werden. Die Rekonstruktion des gesamten Volumens erfolgt für jedes Bild in 0,18 Sekunden, was zu einer vollständigen Abtastung des Volumens in 10,4 Sekunden führt. Die Erfassungszeit der volumetrischen Wärmekarte und die Möglichkeit, Standardsequenzen zu verwenden, ermöglichen eine einfachere und angenehmere Anwendbarkeit und Echtzeitüberwachung während des Eingriffs. Daher konzentriert sich diese Arbeit auf die Echtzeitfähigkeit der Rekonstruktion und die Unabhängigkeit von benutzerdefinierten MR-Sequenzen unter Beibehaltung einer hohen Volumenabdeckung und der Temperaturgenauigkeit, die durch 2D-GRE-Sequenzen bereitgestellt wird21.

Zu den in dieser Arbeit analysierten Rekonstruktionsmethoden gehören die Delaunay-Triangulation, das Minimum Volume Enclosing Ellipsoid (MVEE) und kubische Bezier-Kurven. Bowyer22 und Watson23 führten eine inkrementelle 3D-Delaunay-Triangulation ein. Ihr erster Ansatz hat eine Zeitkomplexität von \(O(N^{3/4})\) bis \(O(N^2)\) und gehört zu den seriellen Strategien. Da die Effizienz bei großen Datensätzen schlecht ist, sind andere Ansätze entstanden, die parallele Strategien verwenden. Marot et al.24 bieten einen 3D-Triangulationsansatz mit paralleler Berechnung an, der in der Lage ist, 55 Millionen Tetraeder in einer Sekunde zu rekonstruieren. Su et al.25 liefern eine detaillierte zugehörige Arbeitsanalyse und einen weiteren Ansatz für einen schnellen 3D-Delaunay-Algorithmus, der die 3D-Hilbert-Kurve und die 3D-Mehrfachgitterteilung anpasst, um die grundlegende Triangulation zu erweitern. Insgesamt soll die Delaunay-Triangulation zur Rekonstruktion homogener Strukturen und konvexer Flächen geeignet sein.

Bezüglich des MVEE bieten Van et al.26 eine detaillierte Analyse des Algorithmus. Sie können zeigen, dass sich der Algorithmus bei affiner Transformation der Datenpunkte ordnungsgemäß verhält und eine effiziente Konvergenzrate liefert. Darüber hinaus wird gezeigt, dass der höchste Zerlegungswert bei etwa 50 % liegt, was als Maximalwert für alle affinen äquivarianten Schätzer wie den MVEE gilt. Abo et al.27 führen andererseits die Verwendung von MVEE für eine endliche Menge von Punkten ein und zeigen, dass das Problem auch durch die Berechnung des MVEE eines durch die konvexe Hülle definierten Polytops gelöst werden kann.

Die Bezier-Splines sind ein effizienter Ansatz, um eine Spline-Kurve an einem bestimmten Punkt auszuwerten und dabei numerisch stabil zu sein. De Boor28 steigerte die Effizienz auch, indem er die Bedingung einführte, dass keine Terme berechnet werden, die garantiert mit Null multipliziert werden. Denk et al.29 führten die Splines ein, um eine Myokardverschiebung und Dehnungsrekonstruktion mithilfe eines neuen B-Spline-Modells mit Zylinderkoordinaten durchzuführen, dessen Berechnung etwa 20 Sekunden dauert. Galassi et al.30 hingegen rekonstruieren die 3D-Koronararterie aus 2D-Röntgenbildern. Sie verwenden nicht-einheitliche rationale Basis-Splines namens NURBS und führen eine gemeinsame Operation an der 2D-Rekonstruktion durch, um am Ende das 3D-Volumen zu berechnen.

In Alpers et al.8 beschreiben wir einen neuen Ansatz zur Erstellung einer volumetrischen Wärmekarte. Wir verwenden eine 2D-GRE-Sequenz (TE = 3,69 ms, TR = 7,5 ms, Flipwinkel = 7\(^\circ \), FOV = \(256\times 256\) mm, Matrix = \(256\times 256\). ), Bandbreite = 40 Hz/Px, Schichtdicke = 5 mm) durch Rotation um die Hauptachse des Applikators und Rekonstruktion der fehlenden Informationen. Da wir uns auf die 3D-Rekonstruktion konzentrieren, haben wir uns für die GRE-Sequenz entschieden, die von Gorny et al.21 inspiriert wurde, die auch eine ausführliche Studie über die zeitliche Auflösung von GRE-Sequenzen während der Verwendung von MWA lieferten. Daher bieten unsere 13 Bioprotein-Phantomdatensätze eine Temperaturgenauigkeit von \(\pm 1\,^\circ \)C und jede Schicht wurde mit einer Auflösung von \(1,0\times 1,0\times 5,0\) mm im Jahr 1.1 erfasst S. In den folgenden Unterabschnitten beschreiben wir kurz die verwendete Temperaturinterpolationsmethode sowie die drei neu entwickelten Ansätze zur Volumenrekonstruktion (Delaunay-Triangulation, MVEE und Splines). Alle Koagulationsnekrosen wurden unter Verwendung des kritischen Temperaturmodells und eines phantomspezifischen Schwellenwerts zwischen \(50\,^\circ \)C und \(60\,^\circ \)C berechnet. Beispiele für die Phantome sind in der ergänzenden Abbildung 1 zu sehen. Für Rapid-Prototyping-Zwecke werden alle drei neuen Ansätze in Python implementiert. Der Quellcode kann über https://github.com/jalpers/ScientificReports2022_ComparisonStudy abgerufen werden.

Ziel der Temperaturinterpolationsmethode ist die Rekonstruktion der Wärmekarte und nicht der geschätzten Nekrosekarte. Dabei wurden die kartesischen 2D-Koordinaten auf die entsprechenden Polarkoordinaten abgebildet. Nach der Erfassung der Phasenreferenzbilder, die für die PRFS-Methode zur Berechnung der Wärmekarte verwendet werden, wird eine Bevölkerungskarte erstellt. Diese Populationskarte enthält die Gewichte für jeden Interpolationspartner für jedes Voxel. Die Gewichte werden mit Gl. berechnet. (1):

wobei \(\theta _{i}\) den Zylinderwinkel des aktuellen Voxels i darstellt und \(\theta _{IP_{left}}\), \(\theta _{IP_{right}}\) den darstellt Orientierungswinkel des linken bzw. rechten Interpolationspartners. Die abschließende Interpolation der Temperatur erfolgt durch Anwenden der Populationskarte auf jede Schicht entlang der Hauptachse des Applikators unter Verwendung von Gleichung. (2):

wobei \(T_i\) die Temperatur des aktuellen Voxels i darstellt und \(T_{IP_{left}}\), \(T_{IP_{right}}\) die Temperatur der benachbarten Interpolationspartner darstellt. Um das durch die Luft außerhalb der Phantome verursachte Hintergrundgeräusch zu reduzieren, wurden die Datensätze auf einen 60 x 60 mm großen Bereich von Interesse (ROI) zugeschnitten. Die morphologische Öffnung zur Reduzierung des verbleibenden Hintergrundrauschens wurde in dieser Version durch eine verbundene Komponentenanalyse ersetzt. Ein Beispiel der Methode aus koronaler, axialer und sagittaler Sicht ist in Abb. 1 zu sehen.

Rekonstruktionsergebnisse für die Temperaturinterpolation und die Delaunay-Triangulation in axialer (A), sagittaler (B) und koronaler (C). (D) zeigt den Farbbalken, der für die Temperaturinterpolationsvisualisierung verwendet wird (0\(^\circ \)C–100\(^\circ \)C). Die schwarze Linie zeigt den Alpha-Wert der LUT an.

Für die Delaunay-Trinagulation, die MVEE- und die Splines-Methode wurde eine Ausreißererkennung entwickelt, um die Robustheit gegenüber einzelnen Ausreißerschichten während der Bildaufnahme zu verbessern. Für diesen Ansatz vergleichen wir das zuletzt erfasste Bild zum Zeitpunkt \(t_i\) mit dem vorherigen Zeitpunkt \(t_{i-1}\) für diese spezifische Ausrichtung unter der Annahme, dass unsere Koagulationsnekrose immer größer wird und nie Schrumpfung. Zunächst wird eine Analyse verbundener Komponenten durchgeführt, um Hintergrundrauschen und kleine Unregelmäßigkeiten zu entfernen. Zweitens wird das prozentuale Wachstum der Gerinnungsnekrose \(\Delta A\) berechnet und zwischen beiden Zeitpunkten verglichen, indem Folgendes verwendet wird:

wobei A den Bereich der Koagulationsnekrose darstellt. Wenn \(\Delta A > 80\%\) wurde ein abnormales Verhalten erkannt. Dieser spezifische Wert wurde empirisch durch Beobachtung aller Phantome ermittelt. Wenn ein Slice als Ausreißer betrachtet wird, wird dieser Slice bei der aktuellen Rekonstruktion nicht berücksichtigt.

Durch die Betrachtung der nekrotischen Voxel als Punktwolke kann eine Triangulation durchgeführt werden, um eine äußere Hülle zu erhalten. Diese Hülle zeichnet sich durch eine globale und glatte Kantenverbindung aus, die die Kontur der geschätzten Koagulationsnekrose ergibt. Darüber hinaus werden Treppenartefakte aufgrund der Berücksichtigung nur einzelner Schichten verhindert und das Polygonnetz eignet sich besser für die Nachbearbeitung und Visualisierung.

Eine standardisierte Methode zur Erzeugung eines geschlossenen Oberflächennetzes aus einer Menge von Punkten ist die Delauny-Triangulation. Es unterteilt eine unstrukturierte Punktmenge in ein ungleichmäßiges Dreiecksgitter. Zur Berechnung der Triangulation verwenden wir die VTK-Implementierung basierend auf den Arbeiten von Watson23 und Bowyer22. Ihr Algorithmus basiert auf einem inkrementellen Ansatz, bei dem jedes Mal ein Punkt zu einer bereits gültigen Delaunay-Triangulation hinzugefügt wird. Daher wird innerhalb der Triangulation ein Ausgangsdreieck platziert, das groß genug ist, um alle Punkte der Ausgangspunktwolke einzuschließen. Diese Punkte werden nun nacheinander zur Triangulation hinzugefügt. Jedes Mal, wenn dies durchgeführt wird, werden alle ungültigen Dreiecke identifiziert. Für diese Dreiecke wird das Polygonloch identifiziert und die Dreiecke aus der Datenstruktur entfernt. Nach dem Entfernen wird das Polygonloch erneut trianguliert und der nächste Punkt aus der Eingabepunktwolke in die Triangulation eingefügt. Abschließend wird für jedes Dreieck bestimmt, ob es einen Eckpunkt enthält, der Teil des Ausgangsdreiecks ist. Wenn ein Scheitelpunkt gefunden wird, wird das entsprechende Dreieck ebenfalls aus der Triangulation entfernt. Der Ansatz von Watson und Bowyer führt außerdem einige Beschleunigungsschritte ein, die dazu führen, dass der Algorithmus schneller ist als die ursprüngliche Methode. Nach der Berechnung der modifizierten Delaunay-Triangulation wird eine konvexe Hülle als Ausgabe generiert. Um eine volumetrische Nekrosezone zu erstellen, werden die Voxel innerhalb des Oberflächennetzes auch als nekrotisch markiert. Ein Beispiel der Delaunay-Rekonstruktion ist in Abb. 1 zu sehen.

Die Konstruktion einer Ellipse um die Hauptachse des Applikators modelliert die idealisierte konzentrische Wärmeverteilung. Der Applikator kann als mehrere Wärmepunktquellen hintereinander interpretiert werden. Das Maximum an Wärme wird in der Elektrode des Applikators erzeugt und nimmt entlang der Hauptachse des Applikators ab. In homogenen Medien nimmt die Wärme einer ebenen Punktquelle exponentiell mit quadratischem Abstand ab. Dadurch entsteht die typische Ellipsoidform der Gerinnungsnekrose. Mit diesem A-priori-Wissen wird ein geeignetes geometrisches Modell bestimmt. Bei unserem Ansatz werden Ellipsen schichtweise senkrecht zur Hauptachse des Applikators gebildet und folgen dabei der Ausdehnung und Ausrichtung der nekrotischen Voxel. Durch Ausnutzung dieses Verhaltens können Unregelmäßigkeiten in der Wärmeverteilung oder unvollständige Daten durch die konvexe Hülle ausgeglichen werden.

Die Implementierung basiert auf der Arbeit von Nima Moshtaghs Algorithmus zur Berechnung des MVEE31. Dieser Algorithmus berechnet die Parameter eines Ellipsoids mit dem kleinsten Volumen, indem er einen Satz von n-dimensionalen Datenpunkten \(P_i\) enthält. Der Algorithmus wird schichtweise auf jede 2D-Voxelschicht senkrecht zur Hauptachse des Applikators angewendet. Der Parameter bestehend aus dem Mittelpunkt c, den beiden Radien \(r_1\) und \(r_2\) und der Rotationsmatrix der Ellipse wird durch Lösung des folgenden Optimierungsproblems berechnet:

so dass

wobei A alle Informationen über die Form der Ellipsen enthält. Diese Informationen können durch eine Singulärwertzerlegung zerlegt werden:

wobei U und V eine erste bzw. zweite Rotationsmatrix der Ellipse definieren. Die Skalierungsmatrix Q enthält die singulären Werte \(\sigma _1\) und \(\sigma _2\), die die große und kleine Halbachse der Ellipse darstellen. Die Radien \(r_i\) können nun berechnet werden durch:

Es wird davon ausgegangen, dass jedes Voxel \(x_i\) innerhalb der generierten Ellipsen koaguliert ist und als nekrotisch gekennzeichnet wird. Auf diese Weise entsteht eine dreidimensionale Gerinnungsnekrose. Ein Beispiel für zwei Schnitte entlang der Hauptachse des Applikators ist in Abb. 2 zu sehen.

MVEE- (A) und Spline-Rekonstruktion (B) für das homogene Phantom Nummer 1. Exemplarisch dargestellt sind Schicht 44 und 58 entlang der Hauptachse des Applikators (gelber Punkt). Zu sehen sind die gedrehten MR-Bilder (gelbe Linien), die als Eingabe verwendeten Datenpunkte (helltürkis) und der entsprechende berechnete Umriss der Rekonstruktion (dunkeltürkis). Beachten Sie, dass die Anzahl der Eingabepunkte aufgrund der Ausreißererkennung variieren kann.

Betrachtet man die nekrotischen Konturvoxel der Live-Daten schichtweise senkrecht zur Hauptachse des Applikators, erfolgt die Verbindung zwischen zwei benachbarten Voxeln durch ein Polynom dritten Grades, um eine glatte, natürlich gekrümmte Form zu erzeugen. Durch diese Methode entsteht ein konkaver und geschlossener Rumpf. Der Effekt, eine enge Hülle um die Daten zu zeichnen, führt nur zu einer lokalen Auswirkung von Ausreißern auf die gesamte Rekonstruktion. Die Interpolation fehlerhafter Live-Daten wird durch die beiden benachbarten Slices bestimmt. Daher führt eine ordnungsgemäße Abtastrate des Volumens zu einer guten Rekonstruktion trotz fehlerhafter oder fehlender Daten.

Das aus den ausgerichteten Nekrosekarten bestehende 3D-Volumen wird senkrecht zur Hauptachse des Applikators geschnitten. Die Reihenfolge der Verbindung der Voxel V wird durch die Größe der Winkel bezüglich ihrer Zylinderkoordinaten \(V_c\) bestimmt:

wobei (x, y) die kartesischen Koordinaten eines Voxels in einem z-Schnitt darstellt, r den Radius darstellt, \(\theta \) den Winkel der Zylinderkoordinaten darstellt und \((x_c, y_c)\) die kartesischen Koordinaten darstellt der Hauptachse des Applikators in jeder Schicht z. Die Voxel werden in aufsteigender Reihenfolge ihrer Winkel in Bezug auf die MRT-Schicht \(0^\circ \) aufgelistet, sodass für zwei Voxel i und j die folgende Nachbarschaftsbedingung gilt:

Anschließend wird der Voxeldatensatz durch eine kontinuierliche geschlossene kubische Bézier-Kurve unter Verwendung des de Boor-Algorithmus28 interpoliert. Der Algorithmus von De Boor bietet eine schnelle und stabile Möglichkeit, einen Punkt auf einer B-Spline-Kurve auszuwerten, indem die B-Spline-Funktionen nicht direkt berechnet werden, sondern die Spline-Kurve durch eine äquivalente Rekursionsformel ausgewertet wird. Um die Voxel innerhalb der geschlossenen Hülle zu bestimmen und sie als nekrotisch zu kennzeichnen, wird der Wicklungszahlenalgorithmus nach der Sunday-Implementierung32 verwendet. Dies ist robuster für Punkte in der Nähe komplexer Polygongrenzen und genauso schnell wie vergleichbare Methoden. Ein Beispiel für die Splines-Methode für zwei Schichten ist in Abb. 2 dargestellt.

Die Evaluierung der erläuterten Rekonstruktionsmethoden wurde anhand derselben 13 Bioprotein-Datensätze durchgeführt, die in unserer vorherigen Arbeit8 vorgestellt wurden, um die Vergleichbarkeit der Ergebnisse sicherzustellen. Die Phantome werden nach Bu Lin et al.33 erstellt. Sieben dieser 13 Phantome waren homogen, während in sechs PVC-Röhren (Durchmesser = 5 mm, Wandstärke = 1 mm) eingesetzt waren, um einen möglichen Kühlkörpereffekt zu simulieren. Um die Temperaturgenauigkeit zu überprüfen, wurden in zwei der homogenen Phantome Temperatursensoren eingesetzt. Zusätzlich zum Artikel von Bu Lin et al.33 wurde zusätzliches Kontrastmittel (\(0,5\,\upmu \mathrm{mol}/\mathrm{L}\) Dotarem) zur besseren Sichtbarkeit der Gerinnungsnekrose in hinzugefügt 3D-Turbo-Spin-Echo-Datensätze nach der Behandlung, die für die manuelle Ground-Truth-Segmentierung der Koagulationsnekrose durch einen medizinischen Experten verwendet werden. Alle Bilder wurden mit einem 1,5-T-MR-Scanner (Siemens Avanto, Siemens Healthineers, Deutschland) aufgenommen und die MWA-Ablation (MedWaves Avecure, Medwaves, San Diego, CA, USA, 14G) wurde mit einer maximalen Antennenleistung von 36 W und einer maximalen Temperatur durchgeführt von \(90\,^\circ \)C und einer Dauer von 15 min. Eine ausführliche Erläuterung des gesamten Bildaufnahmeprotokolls finden Sie in unserer vorherigen Arbeit8. Wir haben alle Methoden im Hinblick auf Folgendes bewertet:

Genauigkeit: Verbesserung des Dice Score Coefficient (DSC) und des Squared Error of the Mean (SEM).

Robustheit: Kompensation von Artefakten und MR-Inhomogenitäten.

Anpassungsfähigkeit: Notwendigkeit von A-priori-Wissen über Schiffe und Echtzeitfähigkeit.

Sofern nicht ausdrücklich erwähnt, wurden alle Ergebnisse ohne Berücksichtigung des A-priori-Wissens über Gefäße ermittelt. Alle Datensätze liefern eine grundlegende Wahrheit, die von einem medizinischen Experten nach dem Eingriff manuell extrahiert wird. Der DSC wurde gemäß unserer vorherigen Arbeit8 unter Verwendung eines SEM mit einem Konfidenzniveau von 95 % (p = 0,05) für alle 13 Phantome berechnet. In den folgenden Abschnitten beziehen sich Ausreißer auf einzelne Schichten im Interventionsprotokoll, die ein sehr niedriges Signal-Rausch-Verhältnis aufweisen. Dies führt dazu, dass der vordefinierte Schwellenwert die Koagulationsnekrose stark überschätzt, selbst wenn er optimiert ist. In Bezug auf die ursprünglich veröffentlichte Temperaturinterpolation führten diese beschädigten Scheiben zum Scheitern der Methode. Daher werden diese Perfusionsphantome 1 und 4 bei der Auswertung sorgfältig untersucht. Beispiele sind in der ergänzenden Abbildung 2 zu sehen.

Rekonstruktionen für Perfusionsphantom 2. Zu sehen sind die Grundwahrheitskonturen (weiß) zusätzlich zur Ausgabekontur (gelb) in axialer, sagittaler und koronaler Richtung. (A) Temperaturinterpolation. (B) Delaunay-Triangulation. (C) MVEE. (D) Splines. (E) 3D-Darstellung ohne Glättung für alle Methoden, einschließlich der Grundwahrheit rechts.

Bei der Prüfung der Genauigkeit haben wir uns den eingeführten Bias zur Schätzung der Gerinnungsnekrose genauer angesehen. Aufgrund der Verwendung von Bioproteinphantomen haben wir uns entschieden, das Modell der kritischen Temperatur anstelle des CEM43- oder Arhenius-Modells34,35 anzuwenden. Diese thermische Schwelle wurde für jedes Phantom einzeln im Bereich von 50°–60° ermittelt. Da sich die Bewertung auf die Rekonstruktionsalgorithmen und nicht auf die Temperaturgenauigkeit der erfassten Bilder konzentriert, wurden die verwendeten Koagulationsschwellenwerte identifiziert, indem die Schwellenwerte in einem Bereich von 0° bis 100° für jede Ausrichtung angewendet wurden. Die Ergebnisse für jeden Wert wurden mit der entsprechenden Bildebene in der Grundwahrheit verglichen und der optimale Schwellenwert für jede Ausrichtung wurde identifiziert. Aufgrund der pH-Wert-Inhomogenitäten in den Phantomen zeigt dieser Ansatz unterschiedliche optimale Schwellenwerte für unterschiedliche Orientierungen, die die Gewebeinhomogenitäten bei einem Menschen widerspiegeln. Leider zeigten die Phantome in den Nachbehandlungsbildern keine richtige subletale Übergangszone. Daher haben wir nur einen Schwellenwert angewendet, um zu definieren, ob ein Voxel koaguliert ist oder nicht, und dabei subletale Schäden am Gewebe vernachlässigt. Allerdings hängt der Schwellenwert für diese Schätzung stark vom pH-Wert der Phantome ab, der laut Bu Lin et al.33 innerhalb jedes Phantoms stark variieren kann. Um dieser Verzerrung entgegenzuwirken, bewerten wir unsere neuen Methoden nicht nur mit dem ursprünglichen globalen Schwellenwert, der in unserer vorherigen Arbeit8 verwendet wurde, sondern führen auch zwei weitere Schwellenwerte ein. Darüber hinaus wollen wir untersuchen, wie gut unsere Methoden unter Berücksichtigung perfekter Eingaben funktionieren. Daher haben wir die gegebene Grundwahrheit für jeden Datensatz neu aufgeteilt und die acht vordefinierten Ausrichtungen extrahiert, die normalerweise während der Live-Bildgebung erfasst werden. Anschließend werden diese acht Slices als Eingabe für die Rekonstruktion verwendet, um eine perfekte Eingabe zu simulieren. Der resultierende Satz getesteter Eingaben besteht aus den folgenden drei Schwellenwerten für die Nekroseschätzung und der neu aufgeteilten Grundwahrheit:

Global: Ursprünglicher Schwellenwert, der in unserer vorherigen Arbeit verwendet wurde.

Median: Der optimale Schwellenwert für jede Ausrichtung wurde empirisch ermittelt. Anschließend wurde der mittlere Schwellenwert aus jeder der acht Orientierungen zur Rekonstruktion verwendet, um Ausreißerschwellen zuverlässig zu entfernen (globale Kompensation von pH-Wert-Inhomogenitäten, die zu unrealistischen Schwellenwerten von z. B. \(25^\circ \) oder \(84 führen können ^\circ \) ).

Lokal: Für die Rekonstruktion (lokaler Ausgleich von pH-Wert-Inhomogenitäten) wird der optimale Schwellenwert für jede Orientierung verwendet.

Ground Truth: Resliced Ground Truth bietet perfekte Eingaben.

Um die Robustheit unserer Methoden zu testen, konzentrieren wir uns auf die Auswertung von Phantomen mit Perfusion, um einen Wärmesenkeneffekt zu simulieren. Hier zeigen die Perfusionsphantome Nr. 1 und 4 starke Artefakte und MR-Inhomogenitäten, die unsere ursprüngliche Methode zum Scheitern bringen. Wir vergleichen alle unsere Methoden mit und ohne diese kritischen Datensätze, um den Einfluss stark beschädigter Daten auf unsere Methoden zu ermitteln. Im Hinblick auf die Anpassungsfähigkeit haben wir jede Rekonstruktion zweimal durchgeführt. Zunächst berücksichtigen wir das A-priori-Wissen, indem wir die segmentierten Gefäßstrukturen als Eingabe für jeden Algorithmus bereitstellen. Nach der Rekonstruktion werden diese Gefäße vom Ergebnis abgezogen, um eine ordnungsgemäße Verformung des rekonstruierten Volumens zu erzwingen. Bei der zweiten Rekonstruktion wird kein A-priori-Wissen als zusätzlicher Input bereitgestellt. Zur Auswertung haben wir das Volumen der falsch positiv klassifizierten Voxelwerte durch Subtraktion der beiden entsprechenden Rekonstruktionen berechnet. So können wir ermitteln, welcher Algorithmus bei Vorhandensein von Gefäßstrukturen am besten funktioniert. Darüber hinaus wurde jede Rekonstruktion 100 Mal durchgeführt, um die mittlere Rechenzeit und die Standardabweichung zu messen. Für die Genauigkeits- und Anpassungsfähigkeitsexperimente wurden zusätzliche einfaktorielle ANOVAs in Bezug auf die verschiedenen verwendeten Algorithmen durchgeführt. Anschließend wurden Post-hoc-Tests mit paarweisen t-Tests mit Bonferroni-Korrektur durchgeführt. Eine beispielhafte Übersicht über die Leistung der getesteten Algorithmen ist in Abb. 3 zu sehen.

Wir haben unsere Methoden hinsichtlich Genauigkeit, Robustheit und Anpassungsfähigkeit bewertet. In den folgenden Unterabschnitten stellen wir unsere Ergebnisse in Bezug auf diese drei Parameter vor. Eine Zusammenfassung der Ergebnisse der ANOVAs finden Sie in Tabelle 2. Statistisch signifikante Post-hoc-Testergebnisse sind in den entsprechenden Abbildungen für Genauigkeits- und Anpassungsfähigkeitstests zu sehen. Alle Boxplots zeigen den Interquartilbereich (Box), das 25. und 75. Perzentil (Ränder jeder Box), den Median (horizontale Linie in der Box), die Minimal- und Maximalwerte (Whisker) und die potenziellen Ausreißer (Punkte).

Ergebnisse der Genauigkeitstests für alle 13 Phantome. DSC-Messungen werden für jede Methode und jeden getesteten Schwellenwert getrennt mit: Global = Schwellenwert, der in unserem alten Ansatz verwendet wird. Median = Medianschwelle aus allen acht Ausrichtungen. Lokal = Individueller Schwellenwert für jede Ausrichtung. Ground Truth = Neu segmentierte Eingabedaten aus der Ground Truth. Horizontale Linien zeigen statistisch signifikante post-hoc paarweise t-Testergebnisse an.

Einen Überblick über die Ergebnisse unserer Genauigkeitstests finden Sie in Abb. 4. Der globale Schwellenwert ist identisch mit dem in unserer vorherigen Arbeit verwendeten8. Die Splines-Methode (\(0,75\pm 0,08\)) und die MVEE-Methode (\(0,74\pm 0,07\)) liefern vergleichbare DSC-Ergebnisse wie die ursprüngliche Temperaturinterpolationsmethode (\(0,73\pm 0,07\)) und die Delaunay-Triangulation schneidet schlechter ab (\(0,69\pm 0,04\)). Die mittleren Schwellenwerte für jeden Datensatz zeigen leicht unterschiedliche Ergebnisse. Die Wirkung der neuen Schwellenwerte betrifft hauptsächlich die beschädigten Datensätze der Perfusionsphantome 1 und 4. Hier führt die Kompensation der durch die pH-Wert-Variationen eingeführten Verzerrung dazu, dass die Splines (\(0,77\pm 0,04\)), MVEE (\ (0,80\pm 0,03\)) und sogar die Delaunay-Triangulation (\(0,75\pm 0,02\)), um unsere vorherige Methode (\(0,73\pm 0,07\)) zu übertreffen. Der lokale Schwellenwert, der für jede der acht Ausrichtungen individuell ist, konnte nicht auf unsere vorherige Methode angewendet werden, da die Nekroseschätzung am rekonstruierten Volumen und nicht an jedem Eingabeobjektträger durchgeführt wurde. Für die neuen Ansätze zeigt der optimierte lokale Schwellenwert, dass die Delaunay-Triangulation (\(0,78\pm 0,02\)) schlechter abschneidet als die beiden anderen. Die Splines-Methode (\(0,81\pm 0,02\)) schneidet hinsichtlich der mittleren DSC etwas schlechter ab als die MVEE (\(0,84\pm 0,02\)), aber immer noch besser als Delaunay und die Temperaturinterpolationsmethode.

Insgesamt zeigen die Ergebnisse hinsichtlich der Genauigkeit einen aussagekräftigen Trend zugunsten der MVEE-Methode gefolgt vom Splines-Ansatz. Die Delaunay-Triangulation schneidet in den meisten getesteten Szenarien am schlechtesten ab. Diese Aussage wird durch die Auswertung der Ground-Truth-Rekonstruktion gestützt, die eine perfekte Eingabe simuliert. Dabei erreicht die Delaunay-Triangulation ein Maximum von \(0,88\pm 0,02\), die Splines von \(0,92\pm 0,01\) und den MVEE von \(0,95\pm 0,01\). Für weitere Tests wird der mittlere Schwellenwert verwendet, da dieser die tatsächlichen klinischen Bedingungen am besten widerspiegelt.

Ergebnisse der Robustheitstests. Der mittlere Schwellenwert wurde für die Nekroseschätzung verwendet und die Fehlerbalken entsprechen der Standardabweichung. Mit Ausreißern = Alle Datensätze wurden berücksichtigt, einschließlich der stark beschädigten Datensätze. Ohne Ausreißer = Perfusionsphantom 1 und 4 wurden aus der Auswertung ausgeschlossen. Es wurde keine statistische Signifikanz gefunden.

Eine grafische Übersicht über die Ergebnisse des Robustheitstests ist in Abb. 5 zu sehen. Nach dem Entfernen der beschädigten Perfusionsphantome Nr. 1 und 4 verbessert sich der mittlere DSC der Interpolationsmethode um 0,05, während die Standardabweichung um 73,61 % abnimmt \(\sim \)0,07 bis \(\sim \)0,02. Die Delaunay-Triangulation verbessert sich bei nahezu identischer Standardabweichung nur um 0,01. Die Spline-Methode zeigt nach Entfernung der Ausreißer einen um 0,04 höheren DSC, während die MVEE-Methode eine Verbesserung von 0,02 zeigt. Bezüglich der Standardabweichung verbessert sich die Splines-Methode um 53,87 % von \(\sim \)0,04 auf \(\sim \)0,02 und die MVEE-Methode um 32,07 % von \(\sim \)0,03 auf \(\sim \). 0,02. Wir haben zwei Beispiel-t-Tests zwischen den Gruppen „Mit Ausreißern“ und „Ohne Ausreißer“ für die Algorithmen Temperaturinterpolation (\(p=0,27\)), Delauney (\(p=0,75\)), Splines (\(p) durchgeführt =0,27\)) und MVEE (\(p=0,40\)). Es konnten keine signifikanten Unterschiede beobachtet werden.

Insgesamt können wir beobachten, dass die neuen Methoden eine geringere Variation der Standardabweichung, einschließlich der beschädigten Datensätze, aufweisen als die ursprüngliche Temperaturinterpolationsmethode. Dennoch konnte keine Signifikanz beobachtet werden. Zwischen den neuen Ansätzen ist kein Trend erkennbar.

Ergebnisse der Anpassungsfähigkeitstests. Für jeden der vier Algorithmen ist das Volumen der falsch klassifizierten Voxel ersichtlich. Darüber hinaus gibt der Boxplot „Maximum“ das tatsächliche von der Gerinnungsnekrose betroffene Gefäßvolumen über alle sechs Perfusionsphantome an. Horizontale Linien zeigen statistisch signifikante post-hoc paarweise T-Testergebnisse an.

Eine Übersicht über den Anpassungsfähigkeitstest ist in Abb. 6 zu sehen. Die ursprüngliche Interpolationsmethode zeigt ein mittleres Volumen von \(0,21\pm 0,10\) ml falsch klassifizierter Voxel, dicht gefolgt von der Splines- und MVEE-Methode mit \(0,52\pm). 0,10\) ml bzw. \(1,18\pm 0,30\) ml. Die Delaunay-Triangulation liefert das schlechteste Ergebnis hinsichtlich der Anpassungsfähigkeit mit einem mittleren Volumen von \(2,12\pm 0,53\) ml falsch-positiver Klassifizierung bezüglich der Gefäße. Das maximale von der Koagulationsnekrose betroffene Gefäßvolumen wurde mit \(1,5\pm 0,42\) ml berechnet.

Insgesamt lässt sich sagen, dass die ursprüngliche Interpolationsmethode die geringste falsch positive Klassifizierung von Gefäßvoxeln zeigt, während die Delaunay-Triangulation bei Gefäßen, die aufgrund einer Überschätzung der Koagulationsnekrose sogar den maximalen Gefäßschnittpunkt überschreiten, am schlechtesten abschneidet. Beim Vergleich der Splines und der MVEE-Methode stellten wir fest, dass die Splines nicht nur einen niedrigeren Mittelwert für die falsch-positive Klassifizierung aufwiesen, sondern auch eine viel geringere Standardabweichung über alle sechs Perfusionsphantome aufwiesen. Hinsichtlich der Robustheit gibt es einen Trend zur Temperaturinterpolation und den Splines.

Bezüglich der Rekonstruktionszeiten ergibt die Methode der Temperaturinterpolation (C++) \(8.02 \,{\rm ms} \pm 5.91\, {\rm ms}\), die Delauney-Trinagulation (Python) \(1.57\,{ \rm s}\pm 0.3\,{\rm s}\), die MVEE-Methode (Python) \(4.5\,{\rm s}\pm 0.6\,{\rm s}\) und die Spline-Methode ( Python) \(6.2\,{\rm s}\pm 0.55\, {\rm ms}\).

Hinsichtlich der Genauigkeit zeigen unsere Ergebnisse einen starken Trend zugunsten der MVEE-Methode. Anscheinend führen MR-Inhomogenitäten und andere Artefakte dazu, dass unsere Daten die Gerinnungsnekrose häufig unterschätzen, wenn sie anhand eines einfachen Schwellenwerts berechnet werden. In diesen Fällen ist die MVEE-Methode in der Lage, diesen Informationsverlust zu kompensieren und eine ordnungsgemäße Rekonstruktion bereitzustellen. Der große Nachteil des MVEE-Ansatzes lässt sich hingegen bei Experimenten mit den Perfusionsphantomen beobachten. Die Kompensation der Unterschätzung der Gerinnungsnekrose führt auch dazu, dass die Gefäße in einem nicht vernachlässigbaren Ausmaß verschwinden. Die Splines-Methode erwies sich als besser geeignet für den Umgang mit Gefäßstrukturen, zeigte aber andererseits insgesamt eine geringere DSC-Ähnlichkeit. Die Delaunay-Triangulation zeigt eine noch schlechtere Leistung als unsere ursprüngliche Methode, was durch den Ansatz selbst verursacht wird. Durch die Anpassung eines Triangulationsnetzes an eine Reihe von Punkten werden jegliche durch Gefäße und andere verursachte Verformungen vollständig vernachlässigt. Auch wenn dieser Ansatz für homogene Wärmeverteilungen ohne Anomalien gut geeignet ist, ist er weit von einem realen Szenario entfernt. Daher wird die Delaunay-Triangulation nicht weiter untersucht.

Die Unterschiede hinsichtlich der Ähnlichkeit sind hauptsächlich auf eine kontinuierliche Unterschätzung der Gerinnungsnekrose zurückzuführen. Diese Unterschätzung wird nicht nur durch die Vorgehensweise bei der Neuberechnung der Wärmekarten, das Rauschen und andere Artefakte in den Bildern verursacht, sondern auch durch die teilweise starken pH-Wert-Schwankungen innerhalb des Phantoms. Hier wäre es sinnvoll, weitere Studien mit Ex-vivo-Organen durchzuführen, um zu sehen, ob diese Variationen einen Einfluss auf die Gesamtähnlichkeit der Rekonstruktion haben. In einem späteren Schritt soll unser Bildaufnahmeprotokoll auch in einem realen klinischen Aufbau getestet werden, beispielsweise unter Verwendung von In-vivo-Tierversuchen. Darüber hinaus kann die Anpassungsfähigkeit unseres Ansatzes durch ein dynamisches Framework erhöht werden, das keine vordefinierten Referenzbilder für die Heatmap-Rekonstruktion benötigt. Um diese referenzfreie Thermometrie zu erreichen, können die von Salomir et al.36 eingeführten Ansätze mit unserem Rahmen kombiniert werden. Eine referenzfreie Thermometrie würde eine lebenslange Anpassung und Veränderung der interessierenden Region ermöglichen, z. B. wenn eine Gefäß- oder Organgrenze während des Eingriffs automatisch erkannt würde (z. B. durch Deep-Learning-Ansätze). Um die zeitliche Wärmeschwankung in einzelnen Voxeln zu überwinden, die durch lokale MR-Inhomogenitäten oder Artefakte verursacht wird, könnte es sinnvoll sein, unseren Ansatz mit Echtzeitsimulationen der Wärmeübertragung zu kombinieren. Ein erster Ansatz wäre die Verwendung der Pennes-Biowärmegleichung37 bei gleichzeitiger Optimierung der Simulationsparameter basierend auf unseren Live-Daten für verschiedene Ausrichtungen. Dieser Ansatz könnte zu einer noch höheren Genauigkeit führen und gleichzeitig ein optisch ansprechenderes Ergebnis liefern, das für einen klinischen Endbenutzer einfacher zu verwenden sein kann. Darüber hinaus kann dieser Ansatz auch durch die Verwendung einer Kalman-Filterung erweitert werden, um eine selbstadaptive hybride Magnetresonanzthermometrie zu erreichen, wie sie von Zhang et al.38 eingeführt wurde. Ihre Methode bietet die Möglichkeit, Temperaturänderungen bei Bewegung zu verfolgen und die zeitliche und räumliche Auflösung der Thermometrie anzupassen. Mithilfe von Kalman-Filtern können die erfassten Daten korrigiert und beschädigte Datenpunkte innerhalb der Bilder entfernt werden. Daher kann dieser Ansatz von Vorteil sein, um Wärmesenken (z. B. durch Gefäße verursacht) besser zu erkennen und ihre Auswirkungen während der Ablation besser zu verstehen.

Mithilfe der resliced Ground Truth haben wir gezeigt, dass unsere Methoden mit geeigneten anfänglichen Eingaben gut funktionieren, die hauptsächlich von der verwendeten 2D-GRE-Sequenz abhängen. Da unser Setup in der Lage ist, jede 2D-Phasen- oder Temperatureingabe mit beliebig vielen Orientierungen zu verarbeiten, können wir neue Bildsequenzen direkt verwenden, sobald sie veröffentlicht werden. Dies ermöglicht die Anwendbarkeit unseres Aufbaus auf ein breites Spektrum klinischer Aufbauten und ermöglicht eine verbesserte Rekonstruktion sowie eine Verbesserung der MR-Sequenzen.

Fazit: In dieser Arbeit haben wir drei neue Ansätze zur Rekonstruktion einer volumetrischen Gerinnungsnekrose zur Überwachung von MWA-Eingriffen vorgestellt. Alle Methoden können jede 2D-MR-Sequenz nutzen, sofern die Sequenz Phasenbilder für die Heatmap-Rekonstruktion liefert. Wir konnten zeigen, dass unser Spline- und MVEE-Ansatz das Potenzial für eine hochpräzise Rekonstruktion des Volumens hat und gleichzeitig unsere ursprünglich vorgeschlagene Methode in einem realistischeren Aufbau hinsichtlich Genauigkeit und Robustheit übertrifft. Um lokale Inhomogenitäten zu überwinden, die durch Rauschen oder MR-abhängige Artefakte verursacht werden, sollte in Zukunft der Einsatz adaptiver Simulationen in Betracht gezogen werden, um eine homogenere volumetrische Karte zu berechnen. Zukünftige Arbeiten sollten auch Studien in Ex-vivo- und In-vivo-Tierversuchen durchführen, um die Übertragbarkeit von den Phantomen auf eine realistischere Umgebung zu überprüfen.

Die im Rahmen der aktuellen Studie verarbeiteten und analysierten Datensätze sind im Open Science Repository für Forschungsdaten und Publikationen der OVGU (Creative Common License 4.0) verfügbar, http://open-science.ub.ovgu.de/xmlui/handle/684882692 /89?locale-attribute=en. Darüber hinaus sind die während der aktuellen Studie generierten und/oder analysierten Datensätze auf begründete Anfrage beim jeweiligen Autor erhältlich. Der Quellcode, der zur Generierung der in dieser Studie präsentierten Ergebnisse verwendet wird, ist öffentlich verfügbar über https://github.com/jalpers/ScientificReports2022_ComparisonStudy.

Bray, F. et al. Globale Krebsstatistik 2018: Globocan-Schätzungen der Inzidenz und Mortalität weltweit für 36 Krebsarten in 185 Ländern. CA Cancer J. Clin. 68, 394–424. https://doi.org/10.3322/caac.21492 (2018).

Artikel PubMed Google Scholar

Sung, H. et al. Globale Krebsstatistik 2020: Globocan-Schätzungen der Inzidenz und Mortalität weltweit für 36 Krebsarten in 185 Ländern. CA Cancer J. Clin. 71, 209–249. https://doi.org/10.3322/caac.21660 (2021).

Artikel PubMed Google Scholar

Ruiter, SJ, Heerink, WJ & de Jong, KP Leber-Mikrowellenablation: Eine systematische Überprüfung verschiedener von der FDA zugelassener Systeme. EUR. Radiol. 29, 4026–4035. https://doi.org/10.1007/s00330-018-5842-z (2019).

Artikel PubMed Google Scholar

Yang, G. et al. Die Wirksamkeit der Mikrowellenablation im Vergleich zur Leberresektion bei der Behandlung von hepatozellulärem Karzinom und Lebermetastasen: Eine systematische Überprüfung und Metaanalyse. Int. J. Surg. 77, 85–93. https://doi.org/10.1016/j.ijsu.2020.03.006 (2020).

Artikel PubMed Google Scholar

Laimer, G. et al. Beurteilung des minimalen ablativen Randes (mam) mit Bildfusion: ein unabhängiger Prädiktor für die lokale Tumorprogression bei hepatozellulärem Karzinom nach stereotaktischer Hochfrequenzablation. EUR. Radiol. 30, 2463–2472. https://doi.org/10.1007/s00330-019-06609-7 (2020).

Artikel PubMed PubMed Central Google Scholar

Zhu, M., Sun, Z. & Ng, CK Bildgesteuerte thermische Ablation mit MR-basierter Thermometrie. Quant. Bildgebung Med. Surg. 7, 356–368. https://doi.org/10.21037/qims.2017.06.06 (2017).

Kägebein, U., Speck, O., Wacker, F. & Hensen, B. Bewegungskorrektur in der protonenresonanzfrequenzbasierten Thermometrie in der Leber. Spitze. Magn. Resonanz. Bildgebung 27, 53–61. https://doi.org/10.1097/RMR.0000000000000157 (2018).

Artikel PubMed Google Scholar

Alpers, J. et al. 2,5-Tage-Thermometriekarten für die MRT-gesteuerte Tumorablation. Internationale Konferenz über medizinische Bildverarbeitung und computergestützte Intervention 311–320, https://doi.org/10.1007/978-3-030-87202-1_30 (2021).

Köhler, MO et al. Volumetrische HIFU-Ablation unter 3D-Anleitung der schnellen MRT-Thermometrie. Med. Physik. 36, 3521–3535. https://doi.org/10.1118/1.3152112 (2009).

Artikel PubMed Google Scholar

Todd, N. et al. Auf dem Weg zur Echtzeitverfügbarkeit von 3D-Temperaturkarten, die mit zeitlich begrenzter Rekonstruktion erstellt wurden. Magn. Resonanz. Med. 71, 1394–1404. https://doi.org/10.1002/mrm.24783 (2014).

Artikel PubMed Google Scholar

Odéen, H., Almquist, S., de Bever, J., Christensen, DA & Parker, DL Mr Thermometrie für fokussierte Ultraschallüberwachung unter Verwendung von modellprädiktiver Filterung und Ultraschallstrahlmodellierung. J. Therap. Ultraschall 4, 1–13. https://doi.org/10.1186/s40349-016-0067-6 (2016).

Artikel Google Scholar

Marx, M., Ghanouni, P. & Butts Pauly, K. Spezialisierte volumetrische Thermometrie zur verbesserten Führung von Mr G Fus im Gehirn. Magn. Resonanz. Med. 78, 508–517. https://doi.org/10.1002/mrm.26385 (2017).

Artikel PubMed Google Scholar

Svedin, BT, Payne, A., Bolster, BD Jr. & Parker, DL Multiecho Pseudo-Golden-Winkel-Stack-of-Stars-Thermometrie mit hoher räumlicher und zeitlicher Auflösung unter Verwendung von k-raumgewichtetem Bildkontrast. Magn. Resonanz. Med. 79, 1407–1419. https://doi.org/10.1002/mrm.26797 (2018).

Artikel CAS PubMed Google Scholar

Fielden, SW et al. Eine spiralbasierte volumetrische Erfassung für die MR-Temperaturbildgebung. Magn. Resonanz. Med. 79, 3122–3127. https://doi.org/10.1002/mrm.26981 (2018).

Artikel PubMed Google Scholar

Zhang, L., Armstrong, T., Li, Magn. Resonanz. Med. 82, 2062–2076. https://doi.org/10.1002/mrm.27883 (2019).

Artikel PubMed Google Scholar

Chen, Q. et al. Ein flexibles 9-Kanal-Spulenarray für die schnelle 3D-MR-Thermometrie in MR-gesteuerten hochintensiven fokussierten Ultraschallstudien (HIFU) an Kaninchen bei 3 t. Magn. Resonanz. Bildgebung 65, 37–44. https://doi.org/10.1016/j.mri.2019.10.008 (2020).

Artikel PubMed Google Scholar

Quah, K., Poorman, ME, Allen, SP & Grissom, WA Simultane Mehrschicht-MRT-Thermometrie mit einer einzelnen Spule unter Verwendung inkohärenten, durch Blipper gesteuerten Aliasing. Magn. Resonanz. Med. 83, 479–491. https://doi.org/10.1002/mrm.27940 (2020).

Artikel PubMed Google Scholar

Jiang, R. et al. Volumetrische MR-Thermometrie in Echtzeit unter Verwendung einer echoverschobenen 3D-Sequenz unter einer Open-Source-Rekonstruktionsplattform. Magn. Resonanz. Bildgebung 70, 22–28. https://doi.org/10.1016/j.mri.2020.04.001 (2020).

Artikel PubMed Google Scholar

Campwala, Z. et al. Vorhersage von Ablationszonen mit mehrschichtiger volumetrischer 2-D-Magnetresonanz-Wärmebildgebung. Int. J. Hyperth. 38, 907–915. https://doi.org/10.1080/02656736.2021.1936215 (2021).

Artikel Google Scholar

de Landro, M. et al. Magnetresonanzbasiertes Messsystem: Vergleich von 2D- und 3D-Echo-Planar-Bildgebungssequenzen für Thermometrieanwendungen. Im Jahr 2021 IEEE International Instrumentation and Measurement Technology Conference (I2MTC), 1–6, https://doi.org/10.1109/I2MTC50364.2021.9460088 (IEEE, 2021).

Gorny, K. et al. Praktische Umsetzung robuster MR-Thermometrie bei klinischen MR-gesteuerten Mikrowellenablationen in der Leber bei 1,5 t. Physica Med. 67, 91–99. https://doi.org/10.1016/j.ejmp.2019.10.020 (2019).

Artikel MathSciNet CAS Google Scholar

Bowyer, A. Berechnung von Dirichlet-Tessellationen. Berechnen. J. 24, 162–166. https://doi.org/10.1093/comjnl/24.2.162 (1981).

Artikel MathSciNet Google Scholar

Watson, DF Berechnung der n-dimensionalen Delaunay-Tessellation mit Anwendung auf Voronoi-Polytope. Berechnen. J. 24, 167–172. https://doi.org/10.1093/comjnl/24.2.167 (1981).

Artikel MathSciNet Google Scholar

Marot, C., Pellerin, J. & Remacle, J.-F. Eine Maschine, eine Minute, drei Milliarden Tetraeder. Int. J. Numer. Meth. Ing. 117, 967–990. https://doi.org/10.1002/nme.5987 (2019).

Artikel MathSciNet Google Scholar

Su, T. et al. Eine adaptive und schnelle 3D-Delaunay-Triangulation für zufällig verteilte Punktwolkendaten. Der visuelle Computer 1–25, https://doi.org/10.1007/s00371-020-02011-3 (2020).

Van Aelst, S. & Rousseeuw, P. Minimales Volumenellipsoid. Interdisziplinäre Rezensionen von Wiley: Computational Statistics 1, 71–82. https://doi.org/10.1002/wics.19 (2009).

Artikel Google Scholar

Abo-Alsabeh, R. & Salhi, A. Ein evolutionärer Ansatz zur Konstruktion des Ellipsoids mit minimalem Volumen, das eine Reihe von Punkten enthält, und des Ellipsoids mit maximalem Volumen, das in eine Reihe von Punkten eingebettet ist. J. Phys.: Conf. Ser. https://doi.org/10.1088/1742-6596/1530/1/012087 (2020) (IOP Publishing).

Artikel Google Scholar

De Boor, C. & De Boor, C. A Practical Guide to Splines Vol. 27 (Springer-Verlag, 1978).

Buchen Sie Google Scholar

Deng, X. & Denney, TS Dreidimensionale Myokardbelastungsrekonstruktion aus markiertem MRT unter Verwendung eines zylindrischen B-Spline-Modells. IEEE Trans. Med. Bildgebung 23, 861–867. https://doi.org/10.1109/TMI.2004.827961 (2004).

Artikel PubMed Google Scholar

Galassi, F. et al. 3D-Rekonstruktion von Koronararterien aus angiographischen 2D-Projektionen unter Verwendung ungleichmäßiger rationaler Basis-Splines (Nurbs) zur genauen Modellierung von Koronarstenosen. PLoS ONE 13, e0190650. https://doi.org/10.1371/journal.pone.0190650 (2018).

Artikel CAS PubMed PubMed Central Google Scholar

Moshtagh, N. et al. Mindestvolumen, das ein Ellipsoid umschließt. Konvexes Optim. 111, 1–9 (2005).

MathSciNet Google Scholar

Sonntag, D. Schneller Zahleneinschluss eines Punktes in ein Polygon. Dostupné z:¡ http://softsurfer. com/Archive/algorithm 0103/algorithm 0103. htm (2004).

Bu-Lin, Z. et al. Ein Polyacrylamid-Gel-Phantom für die Radiofrequenzablation. Int. J. Hyperth. 24, 568–576. https://doi.org/10.1080/02656730802104732 (2008).

Artikel CAS Google Scholar

Breen, MS et al. MRT-gesteuerte Thermoablationstherapie: Modell- und Parameterschätzungen zur Vorhersage des Zelltods anhand von MR-Thermometriebildern. Ann. Biomed. Ing. 35, 1391–1403. https://doi.org/10.1007/s10439-007-9300-3 (2007).

Artikel PubMed Google Scholar

Rempp, H. et al. Schwellenwertbasierte Vorhersage der Gerinnungszone bei der sequentiellen Temperaturkartierung bei der MR-gesteuerten Radiofrequenzablation von Lebertumoren. EUR. Radiol. 22, 1091–1100. https://doi.org/10.1007/s00330-011-2335-8 (2012).

Artikel PubMed Google Scholar

Salomir, R. et al. Referenzfreie PRFS-MR-Thermometrie unter Verwendung einer nahezu harmonischen 2-D-Rekonstruktion der Hintergrundphase. IEEE Trans. Med. Bildgebung 31, 287–301. https://doi.org/10.1109/TMI.2011.2168421 (2011).

Artikel PubMed Google Scholar

Wissler, EH Pennes' Aufsatz von 1948 überarbeitet. J. Appl. Physiol. 85, 35–41. https://doi.org/10.1152/jappl.1998.85.1.35 (1998).

Artikel CAS PubMed Google Scholar

Zhang, Y. et al. Kalman-gefiltertes Bio-Wärmeübertragungsmodell basierend auf selbstadaptiver Hybrid-Magnetresonanz-Thermometrie. IEEE Trans. Med. Bildgebung 36, 194–202. https://doi.org/10.1109/TMI.2016.2601440 (2016).

Artikel ADS PubMed Google Scholar

Referenzen herunterladen

Die Arbeit dieser Arbeit wird vom Bundesministerium für Bildung und Forschung im Rahmen des Forschungscampus STIMULATE unter den Förderkennzeichen „13GW0473A“ und „13GW0473B“ gefördert; Und durch PRACTIS – Clinician Scientist Program, gefördert durch die Deutsche Forschungsgemeinschaft (DFG, ME 3696/3-1).

Open-Access-Förderung ermöglicht und organisiert durch Projekt DEAL.

Diese Autoren haben gleichermaßen beigetragen: Julian Alpers und Bennet Hensen.

Faculty of Computer Science, Otto-von-Guericke University, 39106, Magdeburg, Germany

Julian Alpers, Maximilian Rötzer & Christian Hansen

Fakultät für Elektrotechnik und Informationstechnik, Otto-von-Guericke-Universität, 39106, Magdeburg, Deutschland

Thomas Gerlach & Ralf Vick

Institut für Diagnostische und Interventionelle Radiologie, Medizinische Hochschule Hannover, 30625, Hannover, Deutschland

Bennet Hensen, Daniel L. Reimert, Marcel Gutberlet und Frank Wacker

Research Campus STIMULATE, Otto-von-Guericke University, 39106, Magdeburg, Germany

Julian Alpers, Bennet Hensen, Maximilian Rötzer, Daniel L. Reimert, Thomas Gerlach, Ralf Vick, Marcel Gutberlet, Frank Wacker und Christian Hansen

Sie können diesen Autor auch in PubMed Google Scholar suchen

JA und MR implementierten die Methoden, JA und BH entwarfen die Experimente, MR und DR und TG führten die Experimente durch, JA führte die Ergebnisanalyse durch, JA und BH erstellten das Manuskript. Die technische und klinische Beratung erfolgte durch RV, CH, BH und FW. Das Projekt wurde von FW und CH betreut. Alle Autoren überprüften das Manuskript.

Korrespondenz mit Julian Alpers.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die Originalautor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Alpers, J., Hensen, B., Rötzer, M. et al. Vergleichsstudie von Rekonstruktionsalgorithmen für volumetrische Nekrosekarten aus 2D-Mehrschicht-GRE-Thermometriebildern. Sci Rep 12, 11509 (2022). https://doi.org/10.1038/s41598-022-15712-7

Zitat herunterladen

Eingegangen: 12. Januar 2022

Angenommen: 28. Juni 2022

Veröffentlicht: 07. Juli 2022

DOI: https://doi.org/10.1038/s41598-022-15712-7

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Wissenschaftliche Berichte (2022)

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.