Computer vision guided Monte Carlo dose calculations in interventional radiology

Nick Staut
Bij deze thesis werd een prototype gebouwd en getest dat volledig automatisch, snel en nauwkeurig de stralingsdosis bij interventionele radiologie kan bepalen. Dit door gebruik te maken van Microsoft Kinect camera's en Monte Carlo berekeningen

Stralingsdosis berekenen met behulp van spelcamera’s

Weet uw arts hoeveel stralingsdosis hij u geeft tijdens uw ingreep? Om de patiënt te beschermen wordt de regelgeving betreffende registratie van stralingsdosis steeds strenger. Bij ingrepen op interventionele radiologie is dit belangrijk omdat huidbrandwonden een reëel risico vormen ten gevolge van straling tijdens een ingreep. Bestaande methodes om de stralingsdosis bij dergelijke ingrepen te meten, hebben momenteel grote onzekerheden of zijn erg arbeidsintensief.

Het doel van mijn thesis is dan ook het bouwen van een systeem, genaamd DoseGuard, dat volledig automatisch, snel en zeer nauwkeurig de stralingsdosis van de patiënt kan bepalen. (zie figuur 1)

Figuur 1 - Schematische voorstelling van het DoseGuard systeem, een kort animatiefilmpje ter illustratie kan gevonden worden op https://youtu.be/yG9pjMmbv68

Figuur 1 - Schematische voorstelling van het DoseGuard systeem, een kort animatiefilmpje ter illustratie kan gevonden worden op https://youtu.be/yG9pjMmbv68

Wat is interventionele radiologie?

Het is een vorm van minimaal invasieve chirurgie waarbij medische beeldvorming gebruikt wordt. Deze technieken zijn onmisbaar bij het behandelen van ernstige hart- en vaataandoeningen. Hierbij zal de arts door een kleine incisie een katheter inbrengen en onder begeleiding van röntgenbeelden de aandoening behandelen. Door de complexiteit en de lange behandelingsduur kan de stralingsdosis die de patiënt ontvangt vele malen hoger zijn dan aanbevolen door officiële instanties met mogelijke brandwonden tot gevolg. Daarom is registratie van de door de patiënt ontvangen stralingsdosis bij dergelijke onderzoeken niet enkel bij wet verplicht, maar ook heel belangrijk om een adequate nazorg te kunnen voorzien.

Momenteel bestaan er al technieken om de huiddosis van de patiënt te bepalen door middel van metingen of berekeningen. De metingen worden uitgevoerd door stralingsdetectoren op de huid van de patiënt te plaatsen. Deze zijn echter duur, moeten manueel geplaatst worden, kunnen het medisch personeel hinderen en de dataverwerking ervan is arbeidsintensief. Bij de berekeningen worden grove benaderingen gebruikt die geen rekening houden met de exacte positie van de patiënt ten opzichte van de stralingsbron. Dit leidt snel tot grote onzekerheden op de berekende dosis.

Kunnen de berekeningen even nauwkeurig worden als metingen?

Zeker weten. In de radiotherapie gebruikt men al vele jaren verschillende technieken om de stralingsdosis van het bestralingstoestel te voorspellen. Monte Carlo simulaties zijn hier de gouden standaard voor. Op een microscopische schaal wordt het transport van de stralingsdeeltjes gesimuleerd in de patiënt. Het nadeel van deze methode is dat men heel veel deeltjes moet simuleren. Voor complexe problemen kan de rekentijd hierdoor enorm oplopen. Denk hierbij aan enkele uren tot zelfs dagen. Een bijkomend beperking van deze simulaties is dat de computerprogramma’s hiervoor niet gebruiksvriendelijk zijn en veel informatie over de stralingsbron en de patiënt nodig hebben.

De lange rekentijd in huidige simulaties zijn onaanvaardbaar voor onze toepassing. Door aanpassingen door te voeren aan de manier waarop de deeltjes gesimuleerd worden, kan voor deze specifieke toepassing de rekentijd ingekort worden tot enkele seconden zonder te moeten inboeten aan nauwkeurigheid. Op deze manier kan snel informatie worden vergaard over de stralingsdosis van de huid.

Waar halen we de informatie van de patiënt en de stralingsbron?

Elk modern radiologisch toestel houdt een digitaal logboek bij van wanneer er straling werd gegeven en hoe de instellingen van het toestel op dat moment waren. De onderlinge positie van de patiënt en de stralingsbron is een complex probleem dat niet uit het logboek kan afgeleid worden. De stralingsbron kan vrij bewegen in de ruimte net zoals de patiënt. Om dit waar te nemen werd een opstelling van drie onderling gesynchroniseerde Microsoft Kinect camera’s gebruikt.  Deze spelcamera’s bevatten naast een gewone kleurencamera ook een infraroodcamera die de afstand van een object tot de camera kan bepalen. Door dit camerasysteem is de onzekerheid van de berekening aanzienlijk lager dan bij de huidige systemen.

Het volledige systeem gebruikt de informatie afkomstig van het röntgentoestel en de camera’s om een wiskundig model voor de patiënt en de stralingsbron te genereren. Dit model wordt dan gebruikt om Monte Carlo simulaties op uit te voeren, waardoor in slechts enkele seconden tijd al dosisinformatie kan worden weergegeven op een driedimensionale voorstelling van de patiënt.

Wat zijn nog bijkomende voordelen van deze methode?

Door deze realtime berekeningsmethode wordt de informatie quasi onmiddellijk beschikbaar voor de arts. Hierdoor kan deze meteen aanpassingen doorvoeren indien nodig. Om de arts niet te belasten met de taak om deze dosiswaarden continu te monitoren kunnen er limietwaarden worden ingesteld die een waarschuwing genereren bij overschrijding.

Zowel de huidige berekeningsmethodes als metingen beperkten zich tot enkel en alleen de huiddosis. Dankzij de Monte Carlo berekeningen kan eveneens de stralingsbelasting in verschillende nabijgelegen organen bepaald worden. Hierdoor kunnen stralingseffecten op lange termijn ingeschat worden. Dit is een belangrijk aspect bij de behandeling van (erg) jonge patiënten. Bijkomend kan er meer informatie verzameld worden om de opvolging van een patiënt te verbeteren of om over betere informatie te beschikken bij klinische studies.  

Bovendien werd tijdens deze thesis een volledig werkend prototype gebouwd. In samenwerking met de dienst radiologie van Maastricht UMC+ werden een aantal metingen uitgevoerd op een klinisch toestel en een fantoom (een patiënt nagebootst uit water en plastic waarop meetapparatuur kan bevestigd worden). Uit deze metingen bleek dat het prototype al heel nauwkeurig de dosis kan bepalen. Met afwijkingen van minder dan 5% scoorde het beter dan de oplossingen die momenteel commercieel beschikbaar zijn. Figuur 2 maakt duidelijk dat de berekende dosis (rechts) goede overeenkomst toont met de stralingsgevoelige films (links).

Figuur 2 - Resultaat van eerste metingen met links een stralingsgevoelige film en rechts het resultaat van het prototype op dezelfde kleurschaal om de dosiswaarden weer te geven.

Figuur 2 - Resultaat van eerste metingen met links een stralingsgevoelige film en rechts het resultaat van het prototype op dezelfde kleurschaal om de dosiswaarden weer te geven.

Het werk werd uitgevoerd bij het start-upbedrijf SmART Scientific Solutions dat gespecialiseerd is in medische stralingstoepassingen, met behulp van een EU Interreg Crossroad2 financiering. Door de thesis uit te voeren in samenwerking met de industrie is de kans op verdere doorontwikkeling naar een klinisch product hoog.

Besluit

De toepassing van het ontwikkelde systeem garandeert een betere bescherming van de patiënt.  Onnodige huidbrandwonden worden vermeden. De nauwkeurigheid van de stralingsdosis verbetert significant en helpt om te voldoen aan de steeds strengere regelgeving betreffende dosisregistratie. Bovenop huiddosis kan DoseGuard ook orgaandosissen bepalen.

Bibliografie

[1] W. G. Bradley, “History of Medical Imaging,” Proceedings of the American Philosophical Society,
vol. 152, no. 3, pp. 349-361, 2008.
[2] F. Van Gelderen, “A Brief History of Radiology,” in Understanding X-Rays, Berlin Heidelberg,
Springer-Verlag, 2005, pp. 597-602.
[3] W. Inkret, C. Meinhold and J. Taschner, “Radiation and Risk - A Hard Look At the Data,” Los
Alamos Science, vol. 23, pp. 116-123, 1995.
[4] P.-J. P. Lin, B. A. Scheuler, S. Balter, K. J. Strauss, K. A. Wunderle, T. M. LeFrance, D.-S. Kim, R. H.
Behrman, J. S. Shepard and I. H. Bercha, “Accuracy and calibration of integrated radiation
output indicators in diagnostic radiology: A report of the AAPM Imaging Physics Committee
Task Group 190,” Med Phys, vol. 42, no. 12, pp. 6815-6829, 2015.
[5] E. Bogaert, K. Bacher, K. Lemmens, M. Carlier, M. Desmet, X. De Wagter, D. Dijan, C. Hanet, G.
Heyndrickx, V. Legrand, Y. Taeymans and H. Thierens, “A large-scale multicentre study of
patient skin dosesin interventional cardiology: dose-area product action levels and dose
reference levels,” The Britisch Journal of Radiology, vol. 82, pp. 303-312, 2009.
[6] “Council Directive 2013/59/EURATOM: laying down basic safety standard for protection against
the dangers arising from exposure to ionising radiation, and repealing Directives
89/618/Euratom, 90/641/Euratom, 96/29/Euratom, 97/43/Euratom and 2003/122/Euratom,” 5
December 2013. [Online]. Available: https://eurlex.
europa.eu/LexUriServ/LexUriServ.do?uri=OJ:L:2014:013:0001:0073:EN:PDF. [Accessed 6
October 2018].
[7] N. Fitousi, “Patient dose monitoring systems: A new way of managing patient dose and quality
in the radiology department,” Physica Medica, 2017.
[8] H. Wang, Y. Ma, G. Pratx and L. Xing, “Toward real-time Monte Carlo simulation using a
commercial cloud computing infrastructure,” Phys Med Biol, vol. 56, no. 17, pp. 175-181, 2011.
[9] D. Kessel, “What is Interventional Radiology?,” British Society of Interventional Radiology, 2018.
[Online]. Available: https://www.bsir.org/patients/what-is-interventional-radiology/. [Accessed
2018 12 16].
[10] J. Rösch and F. S. Keller, “Historical Account: Cardiovascular Interventional Radiology,” in
Catheter-Based Cardiovascular Interventions, Berlin Heidelberg, Springer-Verlag, 2013, pp. 15-
26.
[11] T. Teo, B. Tan and K. Tay, “A brief history of interventional radiology in Singapore and its
current status,” Biomedical Imaging and Intervention Journal, vol. 7, no. 2, 2011.
[12] J. Greffier, C. Van Ngoc Ty, G. Bonniaud, G. Moliner, B. Ledermann, L. Schmutz, L. Cornillet, G.
Cayla, J. Beregi and F. Pereira, “Assesment of peak skin dose in interventional cardiology: A
comparison between Gafchromic film and dosimetric software em.dose,” Physica Medica, vol.
38, pp. 16-22, 2017.
58
[13] S. Van De Putte, F. Verhaegen, Y. Taeymans and H. Thierens, “Correlation of patient skin doses
in cardiac interventional radiology with dose-area product,” The British Journal of Radiology,
vol. 73, pp. 504-513, 2000.
[14] A. Jonas, J. Ensor and A. Pasciak, “How accuratly can the peak skin dose in fluoroscopy be
determined using indirect dose metrics?,” Med Phys, vol. 41, 2014.
[15] R. M. Sanchez, E. Vano, J. M. Fernandez Soto and J. I. Ten, “Validation of a quick skin dose map
estimator for interventional cardiology procedures,” in European Congress of Radiology,
Vienna, 2018.
[16] D. R. Bednarek, J. Barbarits, V. K. Rana, S. P. Nagaraja, M. S. Josan and S. Rudin, “Verification of
the performance accuracy of a real-time skin-dose tracking system for interventional
fluoroscopic procedures,” in Proceedings of SPIE, 2011.
[17] M. A. Ozeroglu, T. E. Johnson and S. A. Nemmers, “Verification of Caregraph Peak Skin Dose
Data Using Radiochromic Film,” Department of Preventive Medicine and Miometrics, Bethesda,
2005.
[18] Qaelumn, “Qaelumn Announces Partnership with Virtual Phantoms, Inc to Add Organ Dose
Data to Radiation Dose Monitoring Software,” Qaelumn NV, [Online]. Available:
https://qaelum.com/view/blog/press-release-qaelum-announces-partnership…-
inc-to-add-organ-dose-data-to-radiation-dose-monitoring-software. [Accessed 10
September 2018].
[19] Siemens, “teamplay: The departmental performance management solution for Radiology and
Cardiology,” Siemens, [Online]. Available: https://www.healthcare.siemens.com/infrastructureit/
digital-ecosystem/teamplay#Home. [Accessed 10 September 2018].
[20] Siemens Healthineers, “teamplay data sheet,” Siemens, Erlangen, 2017.
[21] GE Healthcare, “DoseWatch: Radiation Dose in Interventional Radiology,” General Electric
Company, 2013.
[22] D. Fornell, “GE Healthcare to License Duke University's CT Organ Dosimetry Technology,”
Imaging Technology News, 31 July 2017. [Online]. Available:
https://www.itnonline.com/content/ge-healthcare-license-duke-university…-
technology. [Accessed 10 February 2018].
[23] K. O'Reilly, “Philips announces DoseWise Portal 2.0 to manage radiation risk for both patients
and clinicians at RSNA 2015,” Philips, 1 December 2015. [Online]. Available:
https://www.usa.philips.com/a-w/about/news/archive/standard/news/press/…-
Philips-announces-DoseWise-Portal-2-0-to-manage-radiation-risk-for-both-patients-andclinicians-
at-RSNA-2015.html. [Accessed 7 February 2018].
[24] C. Martel and D. Siewko, “DoseWise: The role of dose tracking systems in radiation safety
programs,” Philips, 2016.
[25] Sectra, “Sectra DoseTrack: Cloud-based solution for patient radiation dose monitoring,” Sectra,
[Online]. Available: https://sectra.com/medical/product/sectra-dosetrack/. [Accessed 3
February 2018].
59
[26] Virtual Phantoms, Inc, “Sectra and Virtual Phantoms are Partners!,” 15 May 2015. [Online].
Available: http://www.virtualphantoms.com/sectra-and-virtual-phantoms/. [Accessed 8
February 2018].
[27] Bayer HealthCare, “Radiation Dose Calculations in Radimetric Enterprise Platform by Bayer,”
Bayer, Whippany, 2014.
[28] Bayer HealthCare, “Size Specific Dose Estimate (SSDE) Calculations Including in Release 2.1 of
Bayer Healthcare's Radimetrics Enterprise Platform,” Bayer, Whippany, 2014.
[29] National Institute for Health and Care Excellence, “Radiation dose monitoring software for
medical imaging with ionising radiation,” 2017.
[30] “PACSHealth Partners With Virtual Phantoms to Improve Patient Radiation Dose Monitoring,”
Imaging Technology News, 13 July 2015. [Online]. Available:
https://www.itnonline.com/content/pacshealth-partners-virtual-phantoms-…-
dose-monitoring. [Accessed 8 February 2018].
[31] E. McDonagh, “OpenREM Documentation Release 0.9.0b3,” 2018.
[32] Toshiba, “Visualize your way to better patient safety: Infinix Dose Tracking System,” 2014.
[33] J. Seco and F. Verhaegen, Monte Carlo Techniques in Radiation Therapy, CRC Press, 2016.
[34] A. Kajaria, N. Sharma, S. Sharma, S. Pradhan and L. M. Aggarwal, “Review of Monte Carlo
Simulation in Radio Therapy Treatment Planning System for Modelling of Radiation Transport &
Dose Calculation,” VAICHARIKI, vol. III, no. 4, 2013.
[35] I. Kawrakow, E. Mainagra-Hing, D. Rogers, F. Tessier and B. R. Walters, “The EGSnrc Code
System: Monte Carlo Simulation of Electron and Photon Transport,” National Research Council
of Canada, Ottawa, 2018.
[36] D. W. Rogers, B. Walters and I. Kawrakow, “BEAMnrc Users Manual,” National Research Council
of Canada, Ottawa, 2018.
[37] B. Walters, I. Kawrakow and D. Rogers, “DOSXYZnrc User Manual,” National Research Council of
Canada, Ottowa, 2018.
[38] R. Hartley and A. Zisserman, Multiple View Geometry in Computer Vision, Cambridge:
Cambridge University Press, 2004.
[39] T. S. Huang, “Computer Vision: Evolution and Promise,” 19th Cern Sch. Comput., pp. 21-25,
1996.
[40] K. Dawson-Howe, A Practical Introduction to Computer Vision with OpenCV, Wiley, 2014.
[41] B. Pinnamaneni, “Machine Vision Systems and Image Processing with Applications,” Journal of
Innovation in Computer Science and Engineering, vol. 2, no. 2, 2013.
[42] G. Bradski, “The OpenCV Library,” Dr. Dobb's Journal of Software Tools, 2000.
[43] T. Zhongwei, “High precision camera calibration,” General Mathematics, 2011.
60
[44] Z. Zhang, “A Flexible New Technique for Camera Calibration,” Microsoft Research, Redmond,
1998.
[45] L. Xiang, F. Echtler, C. Kerl, T. Wiedemeyer, L. Hanyazou, R. Gordon, F. Facioni, R. Wareham, M.
Goldhoorn, A. Gaborpapp, S. Fuchs, Imtatsch, J. Blake, Federico, H. Jungkurth, Y. Mingze,
Vinouz, D. Coleman, B. Burns, R. Rawat, S. Mokhov, P. Reynolds, P. Viae, M. Fraissinet-Tachet,
Ludique, J. Billingham and Alistair, “libfreenect2: Release 0.2,” Zenodo, 28 April 2016.
[46] K. Yamaguchi, “mexopencv v3.4.0,” [Online]. Available:
https://github.com/kyamagu/mexopencv. [Accessed 10 April 2018].
[47] A. Maimone and H. Fuchs, “Reducing interference between multiple structured light depth
sensors using motion,” in VR '12 Proceedings of the 2012 IEEE Virtual Reality, Washington,
2012.
[48] O. Wasenmüller and D. Stricker, “Comparison of the Kinect V1 and V2 Depth Images in Terms of
Accuracy and Precision,” in Computer Vision - ACCV 2016 International Workshops, 2016.
[49] Y. He, B. Liang, Y. Zou, J. He and J. Yang, “Depth Errors Analysis and correction for Time-of-Flight
(ToF) Cameras,” Sensors, vol. 17, 2017.
[50] M. Hadad, M. Saeedi-Moghadam and B. Zeinali-Rafsanjani, “Voxel dosimetry: Comparison of
MCNPX and DOSXYZnrc Monte Carlo codes in patient specific phantom calculations,”
Technology and Health Care, vol. 25, pp. 29-35, 2017.
[51] B. K. P. Horn, “Closed-form solution of absolute orientation using unit quaternions,” Journal of
the Optical Society of America, vol. 4, pp. 629-642, 1987.
[52] G. Poludniowski, G. Landry, F. DeBlois, P. Evans and F. Verhaegen, “SpekCalc: a program to
caclulate photon spectra from tungsten anode X-ray tubes,” Phys Med Biol, vol. 54, no. 19, pp.
433-438, 2009.
[53] S. Garrido-Jurado, R. Munoz-Salinas, F. Madrid-Cuevas and M. Marın-Jimenez, “Automatic
generation and detection of highly reliable fiducial markers under occlusion,” Pattern
Recognition, vol. 47, no. 6, pp. 2280-2292, 2014.
[54] P. W. Segars, G. Sturgeon, S. Mendonca, J. Grimes and W. B. Tsui, “4D XCAT phantom for
multimodality imaging research,” Med Phys, vol. 37, no. 9, pp. 4902-4915, 2010.
[55] P. W. Segars, J. Bond, J. Frush, S. Hon and C. Eckersley, “Population of anatomically variable 4D
XCAT adult phantoms for imaging research and optimization,” Med Phys, vol. 40, no. 4, p.
043701, 2013.
[56] B. Van Der Heyden, L. E. Schyns, M. Podesta, A. Vaniqui, I. P. Almeida, G. Landry and F.
Verhaegen, “VOXSI: A voxelized single- and dual-energy CT scenario generator for quantitative
imaging,” Physics and Imaging in Radiation Oncology, vol. 6, pp. 47-52, 2018.
[57] A. Laurent, F. Mistretta, D. Bottigioli, K. Dahel, C. Goujon, J.-F. Nicolas, A. Hennino and P. E.
Laurent, “Echographic measurement of skin thickness in adults by high frequency ultrasound to
asses the appropriate microneedle length for intradermal delivery of vaccines,” Vaccine, vol.
25, pp. 6423-6430, 2007.
61
[58] T. Jost and H. Hügli, “Fast ICP algorithms for shape registration,” in Pattern Recognition (In:
Lecture Notes in Computer Science) 2449, 2002, pp. 91-99.
[59] H. M. Kjer and J. Wilm, Evaluation of surface registation algorithms for PET motion correction,
Lyngby: Technical University of Denmark, 2010.
[60] ICRP, “The 2007 Recommendations of the International Commission on Radiological
Protection,” ICRP Publication 103, Vols. Ann. ICRP 37 (2-4), 2007.
[61] A. Jones, “Chapter 8: Fluoroscopic Imaging Systems,” in Diagnostic Radiology Physics, IAEA,
2014, pp. 183-207.
[62] C.-M. Ma, C. Coffey, L. DeWerd, C. Liu, R. Nath, S. Seltzer and J. Seuntjens, “AAPM protocol for
40-300 kV x-ray beam dosimetry in radiotherapy and radiobiology,” Medical Physics, vol. 28,
no. 6, pp. 868-893, 2001.
[63] B. P. McCabe, M. A. Speidel, T. L. Pike and M. S. Van Lysel, “Calibration of GafChromic XR-RV3
radiochromic film for skin dose measurements using a standardized x-ray spectra and a
commercial flatbed scanner,” Medical Physics, vol. 38, pp. 1919-1930, 2011.
[64] J. Farah, A. Trianni, O. Ciraj-Bjelac, I. Clairand, C. De Angelis, S. Delle Canne, L. Hadid, C. Huet, H.
Jarvinen, A. Negri, L. Novak, M. Pinto, T. Siiskonen, M. Waryn and Z. Knezevic, “Characterization
of XR-RV3 GafChromic films in standard laboratory and in clinical conditions and means to
evaluate uncertainties and reduce errors,” Medical Physics, vol. 42, pp. 4211-4226, 2015.
[65] T. Wiedemeyer, “IAI Kinect2,” Institute for Artifical Intelligence, University of Bremen, 2014.
[Online]. Available: https://github.com/code-iai/iai_kinect2. [Accessed 20 Juli 2018].
[66] F. Dunn and I. Parberry, 3D Math Primer for Graphics and Game Development, Texas:
Wordware Publishing, Inc, 2002.

Universiteit of Hogeschool
Industriele wetenschappen: nucleaire technologie, nucleaire technieken / medisch nucleaire technieken
Publicatiejaar
2019
Promotor(en)
prof. Frank Verhaegen en prof. Brigitte Reniers
Kernwoorden
Share this on: