Rak je eden najpomembnejših socialno-ekonomskih izzivov sodobnega časa. Spada med tri vodilne vzroke smrti na svetu in po statističnih podatkih povzroči kar 9,7 milijonov smrti letno. Med najbolj uveljavljene pristope zdravljenja spadajo kirurška odstranitev tumorja, kemoterapija in RT. V primerjavi s kirurškim pristopom, ki je običajno precej invaziven in se uporablja samo za omejen nabor tumorjev, in v primerjavi s kemoterapijo, ki pogosto povzroči sistemske stranske učinke, je zdravljenje z RT bolj lokalno in posledično bolje ohrani okoliške anatomske strukture. Cilj RT je zagotoviti visok odmerek ionizirajočega sevanja v tarčne strukture (v tumor in povezane bezgavke), hkrati pa čim manj obsevati okoliške zdrave organe, za katere se pogosto uporablja izraz kritični organi (ang organs-at-risk, OARs), ki so ključnega pomena za normalno delovanje telesa. Običajni potek načrtovanja RT se začne z zajemom CT slike za načrtovanje, nato pa sledi ročno orisovanje kritičnih organov in tarčnih struktur. Ročne segmentacije se nato skupaj z načrtovalno CT sliko uporabijo v procesu načrtovanja RT, v katerem se s pomočjo programske opreme optimizira konfiguracija žarkov znotraj linearnega pospeševalnika (ang linear accelerator, LINAC) tako, da tarčne strukture dobijo predpisani odmerek sevanja, hkrati pa se v čim večji meri izpolni dozimetrične omejitve za okoliške kritične organe.
Ročno orisovanje kritičnih organov je zamudno, naporno in podvrženo variabilnosti tako med različnimi orisovalci kot tudi med ponovljenimi orisi istega orisovalca. Avtomatizacija postopka segmentacije kritičnih organov lahko zato znatno skrajša postopek načrtovanja RT, zmanjša variabilnosti orisovanja ter odpira možnosti za uporabo adaptivne RT, kjer prav časovna potratnost ročnega orisovanja kritičnih organov predstavlja enega ključnih izzivov. Zaradi morebitnih tveganj, povezanih z napakami pri orisovanju kritičnih organov, se od metod samodejne segmentacije zahteva visoko stopnjo natančnosti in zanesljivosti. To je še posebej zahtevno v anatomsko kompleksnih predelih, kot je področje glave in vratu (ang head and neck), kjer CT slike pogosto ne omogočajo zadostnega kontrasta mehkih tkiv. Zato zdravniki v klinični praksi rutinsko zajamejo pomožne MR slike, ki olajšajo ročno orisovanje le-teh. Enak pristop združevanja slikovnih informacij iz dveh komplementarnih modalitet pa se lahko uporabi tudi za izboljšanje učinkovitosti samodejne segmentacije, zlasti za strukture, ki so na CT slikah slabše vidne.
V doktorski nalogi preučimo hipotezo ali lahko večmodalna segmentacija na podlagi CT in MR slik izboljša kakovost segmentacije kritičnih organov za načrtovanje RT. Problem obravnavamo celovito: najprej predstavimo podatkovno zbirko parov CT in MR slik z referenčnimi orisi kritičnih organov, nato predstavimo razvito metodo za samodejno večmodalno segmentacijo ter primerjalno analizo rezultatov mednarodnega računskega izziva, ter zaključimo s poglobljeno analizo klinične uporabnosti metod samodejne segmentacije kritičnih organov.
|
