Simulation of spot mammograms from magnetic resonance images based on biomechanical modeling

by Yu Gao

Thursday Nov 4, 2021, 2:00 PM → 2:45 PM Europe/Berlin

Vortrag zur Masterarbeit von Yu Gao zum Thema Simulation von Mammographie-Zielaufnahmen aus Magnetresonanz-Bildern basierend auf biomechanischer  Modellierung

Brustkrebs ist die häufigste Krebserkrankung und die Früherkennung von Brustkrebs besteht aus Mammographie, MRT und Ultraschall. Zur weiteren Abklärung von Brustkrebs spielt die Brustbiopsie eine wichtige Rolle. Um eine Brustbiopsie durchzuführen, kommen verschiedene bildgestützte Biopsien zum Einsatz. Bei der röntgengesteuerten, MRT-gesteuerten und ultraschallgesteuerten Biopsie hängt die Wahl dieser Biopsien davon ab, in welcher Modalität die Läsion deutlich sichtbar ist. Die MRT-gesteuerte Biopsie muss durchgeführt werden, wenn die Läsion nur im MRT sichtbar ist. Aufgrund der langen Bildgebungszeit ist die MRT- gesteuerte Biopsie kein perfektes Verfahren. Daher ist ein Ersatz für die MRT-gesteuerte Biopsie die röntgengesteuerte Biopsie mit Bildregistrierung zwischen MRT und Spot-Mammogramm. Die röntgengesteuerte Biopsie löst das Problem der langen Bildgebungszeit. Die Bildregistrierung löst das Problem der Unsichtbarkeit der Läsion im Spot-Mammogramm. In früheren Arbeiten wurden bereits zweistufige Bildregistrierungen durchgeführt, die jedoch noch verbessert werden müssen. In dieser Masterarbeit wird eine einstufige Bildregistrierung zwischen MRT und Spot- Mammogramm durch die Simulation des Spot-Mammogramms vorgeschlagen. Um das Spot-Mammogramm zu simulieren, wird der klinische Arbeitsablauf des Spot-Mammogramms analysiert und das Simulationsmodell erstellt. Das Brustmodell basiert auf der MRT- Serie. Für die Kompression der Brust wird das Modell der Kompressionsplatte hergestellt. Die Positionierung der kleinen Kompressionsplatte wird mit drei verschiedenen Methoden untersucht. Nach dem Kompressionsschritt wird das Brustmodell projiziert, um das künstliche Mammogramm zu erhalten. Um den wesentlichen Schritt zu lösen und die Position des kleinen Kompressionsschrittes zu bestimmen, wurde drei verschiedene Verfahren aufgestellt. Das Schätzverfahren schätzt die Position der Läsion basierend auf dem Röntgen-Mammogramm. Die iterative Methode konzentriert sich auf die Annahme, dass sich die Läsion in der Mitte des Fensters befindet. Die Position der kleinenKompressionsplatte wird iterativ aktualisiert, um das Ergebnis zu erhalten, dass sich die Läsion nach der Simulation in der Fenstermitte befindet. Die MI-Methode ersetzt die kleine Kompressionsplatte durch die Kompressionsplatte voller Größe, die auf der Methode der gegenseitigen Information basiert. Die projizierte Brust wird durchsucht, um das entsprechende künstliche Mammogramm zu finden, das dem ursprünglichen Röntgen-mammogramm entspricht, basierend auf zwei verschiedenen Algorithmen: MI-Registrierung und NMI-Registrierung. Das Ergebnis wird mit einem Zielregistrierungsfehler basierend auf der vom Experten markierten Läsion bewertet. Die Simulation wird anhand von 8 Datensätzen ausgewertet. Das beste Ergebnis liefert die iterative Methode mit einem durchschnittlichen TRE von 6,08 mm aus 8 Datensätzen. Dieses Ergebnis ist zufriedenstellend, aber die iterative Methode dauert 40 bis 50 Minuten.

Vortragssprache: Englisch

Lecture to the master thesis from Yu Gao on the Topic Simulation of spot mammograms from magnetic resonance images based on biomechanical modeling

Breast cancer is the most common cancer and the early detection of breast cancer consists of mammogram, MRI and ultrasound. For further determination of breast cancer the breast biopsy is a essential way. To implement a breast biopsy, several image-guided biopsy are put into use. Among x-ray guided, MRI-guided and ultrasound guided biopsy, the choice of these biopsies depends on in which modality the lesion is clearly visible. The MRI-guided biopsy must to be carried out when the lesion is only visible in MRI. Due to the long imaging time, MRI-guided biopsy is not a perfect approach. Therefore, one replacement of MRI guided biopsy is X-ray guided biopsy with image registration between the MRI and spot mammogram. X-ray guided biopsy solves the problem of long imaging time. The image registration solves the problem of the invisibility of lesion in the spot mammogram. In previous work, two step image registration are already done but still needs to be improved. In this thesis, one step image registration between the MRI and spot mammogram is proposed by the simulation of the spot mammogram. In order to simulate the spot mammogram, the clinical workflow of spot mammogram is analysed and the model of the simulation is established. The breast model is completed with the MRI series. The model of compression plate is proposed for the compression of the breast. The positioning of the small compression plate is investigated with three different methods. After the compression step, the breast model is projected to obtain the artificial spot mammogram. To solve the essential step and determinate the position of the small compression step, three different methods are proposed. The estimation method estimates the position of lesion based on the full X- ray mammogram. The iterative method focuses on the assumption that the lesion is located at the center of the window. The position of the small compression plate will be iteratively updated to get the result that the lesion is located at the window center after the simulation. The MI method replaces the small compression plate with the full size compression plate based on mutual information method. The projected breast is searched to find the corresponding artificial spotmammogram to match the original spot mammogram based on two different algorithms: MI registration and NMI registration. The result is evaluated with target registration error based on the lesion which is annotated by expert. The simulation is evaluated based on 8 datasets. The best result comes from the iterative method with an average TRE of 6.08mm from 8 datasets. This result is satisfactory, but the iterative method sill takes 40 to 50 minutes time.

Lecture language: English