Deformabilní registrace medicínských dat

Místo
Anotace

Z důvodu delší doby dožití a velké úspěšnosti onkologické léčby se u stále většího počtu pacientů po několika letech znovu objevují nádory  v místě primární léčby (např. radioterapii). V takových případech je pro správné nastavení nové léčby naprosto zásadní přesně lokalizovat oblast, která byla ozářena při předchozí terapii.

Tato úloha je však velmi náročná, protože:

  • mezi prvním a opakovaným zobrazením může uběhnout několik let,
  • pacient může změnit tělesnou konstituci, může dojít k posunu či změně tvaru orgánů,
  • snímky byly často pořízeny na jiných přístrojích s jiným rozlišením a orientací,
  • změna tkání způsobená léčbou nebo chorobou vede k nelineárním a lokálním deformacím.

Deformabilní registrace MRI a CT snímků pořízených s časovým odstupem je klíčovým nástrojem pro překlenutí těchto změn a umožňuje spolehlivě přenést původní plán ozařování do aktuální anatomie pacienta. Cílem je otestovat implementovat metodu registrace dat založenou na výpočtu SDF (signed-distance function) pro registraci 3D dat, aplikovat ji na data týkající se reiradiace nádoru a porovnat její úspěšnost s jinými, komerčně dostupnými metodami.

Cíle práce (konkrétní zadání se domluví individuálně se studentem):

  1. Seznámit se se základy deformabilní registrace dat, zejména pak s SDF registrační metodou.
  2. Provést implementaci této metody pro zpracování 3D dat v knihovně TNL.
  3. Aplikovat implementovanou metodu na syntetická a reálná data.
  4. Porovnat implementovanou metodu a jinými registračními metodami.

Přínosy pro studenta:

  1. Získá zkušenosti se zpracováním medicínských dat.
  2. Naučí se vytvářet vysoce efektivní kód v jazyce C++ a programování v knihovně TNL s podporou GPU.
  3. Zapojí se do reálného výzkumu nových výpočetních metod v moderní medicíně.

Zdroje:

  1. Škardová K., Oberhuber T., Tintěra J., Chabiniok R., Signed-distance function based non-rigid registration of image series with varying image intensity, Discrete and Continuous Dynamical Systems S, vol. 14, no. 3, pp. 1145-1160, 2021.
  2. Modersitzki, Jan. Numerical methods for image registration. OUP Oxford, 2003.
  3. Mang, Andreas, et al. "PDE-constrained optimization in medical image analysis." Optimization and Engineering 19 (2018): 765-812.
KOS