TU Darmstadt / ULB / TUprints

Graph-matching and FEM-based Registration of Computed Tomographies for Outcome Validation of Liver Interventions

Oyarzun Laura, Cristina :
Graph-matching and FEM-based Registration of Computed Tomographies for Outcome Validation of Liver Interventions.
Technische Universität Darmstadt, Darmstadt
[Ph.D. Thesis], (2016)

[img]
Preview
Text
disstemplate.pdf
Available under Only rights of use according to UrhG.

Download (32MB) | Preview
Item Type: Ph.D. Thesis
Title: Graph-matching and FEM-based Registration of Computed Tomographies for Outcome Validation of Liver Interventions
Language: English
Abstract:

Liver cancer is one of the leading causes of death worldwide. One of the reasons for that is the high tumor recurrence rate. The only way to reduce the recurrence rate is to ensure that all carcinogenic cells are destroyed after intervention. Unfortunately, the information available to assess the outcome of an intervention is limited. In the clinical routine, a pair of pre- and post-operatively gathered computed tomographies (CT) of the abdomen are typically compared to decide whether the patient needs further treatment. However, the post-operative liver will be deformed due to breathing and intervention which will complicate the comparison task by simple inspection of both images.

The results presented in this thesis will support the physician during the outcome validation process after minimally invasive interventions and open liver surgeries. Therefore, the physician is provided with qualitative measures and visualizations that support him in the decision making task. The basis of a reliable outcome validation is an accurate non-rigid registration method.

This thesis proposes to combine internal correspondences at vessel ramifications and landmarks at the surface of the organ to increase the accuracy of the registration results. The internal correspondences are the result of a novel efficient and fully automatic graph matching method. Landmarks at the surface of the liver are given by a method that detects the organs that are adjacent to it at each surface point. Both types of landmarks are incorporated in a FEM-based registration. The registration method has been tested in 25 pairs of pre- and post-operative clinical CT images achieving an average accuracy of 1.22 mm and a positive predictive value of 0.95.

In consequence of the accuracy obtained with the proposed methods the physician is able to determine with certainty if the outcome of the intervention was satisfactory. Hence, he can without delay decide to re-treat the patient if needed to remove the remnant tumor. This fast response could at the end reduce the tumor recurrence rate.

Alternative Abstract:
Alternative AbstractLanguage
Leberkrebs ist eine der größten Todesursachen weltweit. Einer der Gründe dafür ist die hohe Rekurrenz. Um diese zu reduzieren, muss sichergestellt werden, dass alle karzinogenen Zellen nach dem Eingriff zerstört werden. Leider sind die verfügbaren Informationen, um das Resultat eines Eingriffes zu bewerten, begrenzt. Die Entscheidung, ob ein Patient weiter behandelt werden muss, basiert auf dem Vergleich von präoperativen und postoperativen Computertomographien (CT) des Abdomens. Allerdings wird die postoperative Leber aufgrund des Eingriffes und der Atmung stark deformiert, wodurch der visuelle Vergleich erschwert wird. Die Ergebnisse dieser Arbeit unterstützen den Arzt bei der Bewertung minimalinvasiver und offener Lebereingriffe. Dafür werden dem Arzt quantitative Maße und Visualisierungen zur Verfügung gestellt. Eine genaue deformierbare Registrierung bildet die Grundlage für eine zuverlässige Bewertung. Die in dieser Dissertation vorgeschlagene Methode verwendet anatomische Landmarken basierend auf den Gefäßen der Oberfläche der Leber, um eine hohe Genauigkeit zu erreichen. Landmarken innerhalb der Leber werden anhand einer neuartigen, effizienten und voll automatischen Graph-Matching Methode gefunden. Oberflächliche Landmarken werden anhand einer neuen Methode detektiert, die die Leberoberfläche anhand von benachbarten Organen einteilt. Beide Arten von Landmarken wurden in einer FEM-basierten Registrierungsmethode integriert. Für die Evaluierung wurden 25 CT Bildpaare bestehend aus jeweils einem prä- und einem postoperativen Datensatz verwendet. Die vorgestellte Methode erreicht eine mittlere Genauigkeit von 1.22 mm und einen positiven Vorhersagewert (PPV) von 0.95. Aufgrund der hohen Genauigkeit der vorgestellten Methode kann der Arzt über den Erfolg des Eingriffes mit einem hohen Maß an Sicherheit entscheiden und den Patienten unverzüglich weiterbehandeln, falls der Tumor nicht vollständig beseitigt wurde. Dadurch kann letztendlich ein Wiederauftreten des Tumors vermieden oder reduziert werden.German
Place of Publication: Darmstadt
Classification DDC: 000 Allgemeines, Informatik, Informationswissenschaft > 004 Informatik
600 Technik, Medizin, angewandte Wissenschaften > 610 Medizin, Gesundheit
Divisions: 20 Department of Computer Science > Interactive Graphics Systems
Date Deposited: 29 Jan 2016 10:15
Last Modified: 29 Jan 2016 10:15
URN: urn:nbn:de:tuda-tuprints-52709
Referees: Sakas, Prof. Dr. Georgios and Fellner, Prof. Dr. Dieter W. and Bale, Prof. Dr. Reto
Refereed: 9 November 2015
URI: http://tuprints.ulb.tu-darmstadt.de/id/eprint/5270
Export:
Actions (login required)
View Item View Item

Downloads

Downloads per month over past year