FR2975886A1 - METHOD OF TARGETING A REGION OF INTEREST OF A BIOLOGICAL TISSUE OF A PATIENT AND ASSOCIATED DEVICE - Google Patents
METHOD OF TARGETING A REGION OF INTEREST OF A BIOLOGICAL TISSUE OF A PATIENT AND ASSOCIATED DEVICE Download PDFInfo
- Publication number
- FR2975886A1 FR2975886A1 FR1154716A FR1154716A FR2975886A1 FR 2975886 A1 FR2975886 A1 FR 2975886A1 FR 1154716 A FR1154716 A FR 1154716A FR 1154716 A FR1154716 A FR 1154716A FR 2975886 A1 FR2975886 A1 FR 2975886A1
- Authority
- FR
- France
- Prior art keywords
- region
- magnetic field
- movement
- estimated
- interest
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000008685 targeting Effects 0.000 title claims abstract description 10
- 230000033001 locomotion Effects 0.000 claims abstract description 98
- 238000002059 diagnostic imaging Methods 0.000 claims abstract description 10
- 238000013507 mapping Methods 0.000 claims abstract description 7
- 238000013139 quantization Methods 0.000 claims abstract description 3
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000006073 displacement reaction Methods 0.000 claims description 14
- 238000011282 treatment Methods 0.000 claims description 13
- 230000005855 radiation Effects 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 8
- 239000004744 fabric Substances 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 238000002595 magnetic resonance imaging Methods 0.000 description 14
- 210000000056 organ Anatomy 0.000 description 10
- 238000003384 imaging method Methods 0.000 description 8
- 238000002604 ultrasonography Methods 0.000 description 8
- 238000001727 in vivo Methods 0.000 description 7
- 239000000523 sample Substances 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 238000010438 heat treatment Methods 0.000 description 5
- 210000003734 kidney Anatomy 0.000 description 4
- 230000003187 abdominal effect Effects 0.000 description 3
- 210000004185 liver Anatomy 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000000241 respiratory effect Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 206010020843 Hyperthermia Diseases 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000000747 cardiac effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 238000002592 echocardiography Methods 0.000 description 2
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 2
- 230000036031 hyperthermia Effects 0.000 description 2
- 238000009217 hyperthermia therapy Methods 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- HPTJABJPZMULFH-UHFFFAOYSA-N 12-[(Cyclohexylcarbamoyl)amino]dodecanoic acid Chemical compound OC(=O)CCCCCCCCCCCNC(=O)NC1CCCCC1 HPTJABJPZMULFH-UHFFFAOYSA-N 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000005347 demagnetization Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000004980 dosimetry Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000002977 hyperthermial effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 230000008560 physiological behavior Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 238000004861 thermometry Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000012285 ultrasound imaging Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
- G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
- G01R33/563—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution of moving material, e.g. flow contrast angiography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
- A61B90/36—Image-producing devices or illumination devices not otherwise provided for
- A61B90/37—Surgical systems with images on a monitor during operation
- A61B2090/374—NMR or MRI
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N7/00—Ultrasound therapy
- A61N7/02—Localised ultrasound hyperthermia
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/24—Arrangements or instruments for measuring magnetic variables involving magnetic resonance for measuring direction or magnitude of magnetic fields or magnetic flux
- G01R33/243—Spatial mapping of the polarizing magnetic field
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/4808—Multimodal MR, e.g. MR combined with positron emission tomography [PET], MR combined with ultrasound or MR combined with computed tomography [CT]
Abstract
L'invention concerne un procédé de ciblage d'une région d'intérêt d'un tissu biologique d'un patient, la région d'intérêt étant placée dans un champ magnétique, le procédé comprenant : - une acquisition simultanée o d'une succession d'images d'une région d'intérêt du patient, au moyen d'un système d'imagerie médicale ; o d'une succession de cartographies de distribution spatiale du champ magnétique dans ladite région, A) une estimation du mouvement de ladite région à partir des images acquises ; - une quantification de la qualité du mouvement estimé comprenant les sous-étapes suivantes : B) la modélisation de cartographies de la distribution du champ magnétique à partir du mouvement estimé ; C) la détermination d'un critère, fondé sur les cartographies de distribution du champ magnétique modélisées et acquises, pour quantifier la qualité du mouvement estimé.The invention relates to a method of targeting a region of interest of a biological tissue of a patient, the region of interest being placed in a magnetic field, the method comprising: - a simultaneous acquisition o a succession images of a region of interest of the patient, by means of a medical imaging system; o a succession of spatial distribution maps of the magnetic field in said region, A) an estimate of the movement of said region from the acquired images; a quantization of the quality of the estimated motion comprising the following substeps: B) the modeling of mappings of the distribution of the magnetic field from the estimated movement; C) the determination of a criterion, based on the modeled and acquired magnetic field distribution maps, to quantify the estimated quality of the motion.
Description
DOMAINE TECHNIQUE GENERAL L'invention concerne le domaine du ciblage d'une région d'un tissu biologique en mouvement par un dispositif ciblage comprenant un système d'imagerie médicale. GENERAL TECHNICAL FIELD The invention relates to the field of targeting a region of a moving biological tissue by a targeting device comprising a medical imaging system.
ETAT DE LA TECHNIQUE Les thérapies par hyperthermie sont des techniques couramment utilisées pour traiter localement des tissus biologiques. Elles consistent à chauffer au moyen d'une source d'énergie (laser, micro-ondes, ondes io radiofréquences, ultrasons) une zone cible du tissu biologique. D'une manière générale, les thérapies par hyperthermie locale permettent des interventions médicales dont la nature invasive est réduite au minimum. Parmi les types d'énergie utilisés, les ultrasons focalisés (en anglais, « Focused Ultrasound », (FUS)) sont particulièrement intéressants 15 puisqu'ils permettent de chauffer une zone cible, de manière non invasive et en profondeur dans les tissus. Avec les systèmes non invasifs, la source d'énergie occupe néanmoins souvent une position fixe alors que les tissus biologiques, et par conséquent les régions cibles à traiter, sont animés de mouvements de 20 toutes natures. Pour que le dispositif de traitement soit totalement non invasif, il sera par exemple possible d'utiliser l'Imagerie par Résonance Magnétique (IRM) qui permet d'obtenir des cartographies anatomiques détaillées, lesquelles permettent d'extraire des informations de positions précises de 25 l'organe ciblé. On connait du document WO 2007/036409 un procédé de traitement d'un tissu biologique en mouvement et un dispositif associé. Dans ce document, il est prévu de déterminer automatiquement le mouvement de la région cible en mouvement par un système IRM puis de générer un signal 30 représentant le mouvement ainsi déterminé, ce signal permettant à un dispositif ultrasons focalisés de haute intensité (en anglais, « High Intensity Focused Ultrasound », (HIFU)) d'émettre un rayonnement dans une région focale suivant la région cible en mouvement. Une estimation fiable du mouvement peut être obtenue à l'aide d'algorithmes de recalage d'images connus. A ce titre, on pourra se référer à l'un ou l'autre des documents suivants : - J.L. Barron, D.J. Fleet, and S.S. Beauchemin : "Performance of optical flow techniques", International Journal of Computer Vision, 12(1):43-77, 1992 ; io - J.B. Maintz and M.A. Viergever : "A survey of medical image registration" Medical Image Analysis, 2(1):1-36, 1998 ; - P. Markelj, D. Tomazevic, B. Likar, and F. Pernus : "A review of 3D/2D registration methods for image-guided interventions" Medical Image Analysis, 2010. 15 Or, la quantification de la qualité du mouvement estimé est difficile sur cible in-vivo car le déplacement réel de l'organe est inconnu. En outre, si le mouvement n'est pas correctement estimé, la source d'énergie n'est pas correctement positionnée sur la zone cible de la région d'intérêt ce qui peut conduire à détruire des tissus sains. 20 PRESENTATION DE L'INVENTION L'invention permet de cibler une région d'un tissu biologique, cette région étant en mouvement. Ainsi, selon un premier aspect, l'invention concerne un procédé de 25 ciblage d'une région d'intérêt d'un tissu biologique d'un patient, la région d'intérêt étant placée dans un champ magnétique, le procédé comprenant : - une acquisition simultanée o d'une succession d'images d'une région d'intérêt du patient, au moyen d'un système d'imagerie médicale ; o d'une succession de cartographies de distribution spatiale du champ magnétique dans ladite région, A) une estimation du mouvement de ladite région à partir des images acquises ; - une quantification de la qualité du mouvement estimé comprenant les sous-étapes suivantes : B) la modélisation de cartographies de la distribution du champ magnétique à partir du mouvement estimé ; C) la détermination d'un critère, fondé sur les cartographies de io distribution du champ magnétique modélisées et acquises, pour quantifier la qualité du mouvement estimé. Le procédé selon le premier aspect de l'invention peut en outre comporte l'un ou l'autre des aspects suivants : - l'étape A) est mise en oeuvre en fonction d'un ou plusieurs 15 paramètre(s) de configuration préalablement fixé(s) ; et le procédé comprend D) une répétition des étapes A) à c) pour obtenir plusieurs valeurs du critère de similarité correspondant à une estimation du mouvement et pour plusieurs valeurs du ou des paramètre(s) de configuration ; E) une sélection du critère 20 de similarité minimal correspondant à la meilleure estimation du mouvement de ladite région et au(x) meilleur(s) paramètre(s) de configuration ; - il comprend une étape de positionnement d'un point de traitement dans la région cible en fonction du mouvement 25 estimé ; - il comprend une étape de recalage d'images en fonction du mouvement estimé ; - il comprend une étape de correction des artefacts liés au mouvement en fonction du mouvement estimé. STATE OF THE ART Hyperthermia therapies are commonly used techniques for locally treating biological tissues. They consist in heating by means of a source of energy (laser, microwave, radiofrequency waves, ultrasound) a target zone of the biological tissue. In general, local hyperthermia therapies allow medical interventions whose invasiveness is minimized. Among the types of energy used, focused ultrasound (Focused Ultrasound, FUS) is of particular interest since it makes it possible to heat a target area non-invasively and deep within the tissues. With non-invasive systems, however, the energy source often occupies a fixed position while the biological tissues, and therefore the target regions to be treated, are animated by all kinds of movements. In order for the treatment device to be totally non-invasive, it will be possible, for example, to use Magnetic Resonance Imaging (MRI) which makes it possible to obtain detailed anatomical mappings, which make it possible to extract information from precise positions of 25 the target organ. Document WO 2007/036409 discloses a method of treating a moving biological tissue and an associated device. In this document, it is intended to automatically determine the movement of the moving target region by an MRI system and then to generate a signal representing the movement thus determined, this signal enabling a high intensity focused ultrasound device (" High Intensity Focused Ultrasound "(HIFU)) emits radiation in a focal region following the moving target region. Reliable estimation of the motion can be obtained using known image registration algorithms. As such, reference may be made to any of the following: - JL Barron, DJ Fleet, and SS Beauchemin: "Performance of optical flow techniques," International Journal of Computer Vision, 12 (1): 43-77, 1992; io - J. B. Maintz and M. A. Viergever: "A survey of medical image registration" Medical Image Analysis, 2 (1): 1-36, 1998; - P. Markelj, D. Tomazevic, B. Likar, and F. Pernus: "A review of 3D / 2D registration methods for image-guided interventions" Medical Image Analysis, 2010. 15 Quantification of the estimated quality of movement is difficult on target in-vivo because the actual displacement of the organ is unknown. In addition, if the motion is not correctly estimated, the energy source is not correctly positioned on the target area of the region of interest which can lead to destroying healthy tissue. PRESENTATION OF THE INVENTION The invention makes it possible to target a region of a biological tissue, this region being in motion. Thus, according to a first aspect, the invention relates to a method of targeting a region of interest of a biological tissue of a patient, the region of interest being placed in a magnetic field, the method comprising: a simultaneous acquisition o of a succession of images of a region of interest of the patient, by means of a medical imaging system; o a succession of spatial distribution maps of the magnetic field in said region, A) an estimate of the movement of said region from the acquired images; a quantization of the quality of the estimated motion comprising the following substeps: B) the modeling of mappings of the distribution of the magnetic field from the estimated movement; C) the determination of a criterion, based on the modeled and acquired magnetic field distribution maps, to quantify the quality of the estimated motion. The method according to the first aspect of the invention may furthermore comprise one or the other of the following aspects: step A) is implemented as a function of one or more configuration parameter (s) beforehand fixed (s); and the method comprises D) repeating steps A) to c) to obtain several values of the similarity criterion corresponding to an estimation of the movement and for several values of the parameter (s) of configuration; E) a selection of the minimum similarity criterion corresponding to the best estimate of the movement of said region and the best configuration parameter (s); it comprises a step of positioning a treatment point in the target region as a function of the estimated movement; it comprises a step of resetting images according to the estimated movement; it comprises a step of correcting the artifacts related to the movement as a function of the estimated movement.
Selon un second aspect, l'invention concerne un dispositif de ciblage d'une région d'intérêt d'un tissu biologique d'un patient, le dispositif comprenant - un instrument ou outil adapté pour appliquer un rayonnement sur une région du patient ; - un générateur de champ magnétique dans lequel le patient a été préalablement placé ; - un système d'imagerie médicale adapté pour acquérir une succession d'images anatomiques de la région d'intérêt du patient ; io - une console de pilotage de l'instrument ou outil comprenant des moyens de calcul pour mettre en oeuvre un procédé selon le premier aspect de l'invention. Le dispositif selon le second aspect de l'invention pourra comprendre l'un ou l'autre des aspects suivants : 15 - les moyens de calcul sont aptes à fournir une description du mouvement de la d'une région du tissu ; - la description du mouvement est un champ de vecteurs de déplacements ; - la description du mouvement est obtenue au moyen d'un 20 algorithme de traitement de l'image mis en oeuvre par les moyens de calcul de la console de pilotage; - l'image est une image anatomique fournie par le système d'imagerie médicale; - les moyens de calcul sont en outre aptes à fournir une 25 cartographie du champ magnétique local d'une région d'un tissu; - les moyens de calcul sont aptes à modéliser la variation du champ magnétique en fonction du mouvement d'une région du tissu ; - la variation du champ magnétique en fonction du mouvement de 30 ladite région est modélisée à partir de la succession d'images de ladite région ; - les moyens de calcul sont aptes à déterminer une position spatiale estimée de la région cible en utilisant un algorithme de traitement de l'image; - les moyens de calcul sont aptes à modéliser les variations de champ magnétique avec le mouvement, en fonction d'un historique de mouvements estimés et de cartographies du champ magnétique ; - la modélisation du mouvement est périodique ; io - les moyens de calcul sont aptes à déterminer une estimation de la distribution spatiale du champ magnétique dans ladite région en utilisant une position spatiale estimée de ladite région ; - les moyens de calcul sont aptes à quantifier l'erreur du mouvement estimé en utilisant une mesure du champ 15 magnétique local et le champ magnétique local modélisé ; - la console de pilotage est apte à positionner le point de traitement dans la région cible en fonction du déplacement estimé ; - il comprend en outre des moyens de régulation d'un 20 rayonnement appliqué sur le point de traitement dans la région cible pour que la distribution spatiale du rayonnement de la région cible soit conforme à une consigne de distribution spatiale prédéfinie ; - les moyens de régulation sont aptes à réguler le rayonnement 25 appliqué en fonction de la distribution spatiale du rayonnement dans la région cible et d'une consigne de distribution spatiale, selon une loi de régulation comprenant un terme Proportionnel-Intégral-Dérivé. According to a second aspect, the invention relates to a device for targeting a region of interest of a biological tissue of a patient, the device comprising - an instrument or tool adapted to apply radiation to a region of the patient; a magnetic field generator in which the patient has been previously placed; a medical imaging system adapted to acquire a succession of anatomical images of the region of interest of the patient; a control console for the instrument or tool comprising calculation means for implementing a method according to the first aspect of the invention. The device according to the second aspect of the invention may comprise one or other of the following aspects: the calculation means are able to provide a description of the movement of a region of the fabric; the description of the movement is a displacement vector field; the description of the movement is obtained by means of an image processing algorithm implemented by the calculation means of the control console; - the image is an anatomical image provided by the medical imaging system; the calculation means are furthermore capable of providing a mapping of the local magnetic field of a region of a fabric; the calculation means are able to model the variation of the magnetic field as a function of the movement of a region of the fabric; the variation of the magnetic field as a function of the movement of said region is modeled from the succession of images of said region; the calculation means are able to determine an estimated spatial position of the target region by using an image processing algorithm; the calculation means are able to model the magnetic field variations with the movement, as a function of a history of estimated motions and magnetic field mappings; - motion modeling is periodic; the calculation means are capable of determining an estimate of the spatial distribution of the magnetic field in said region by using an estimated spatial position of said region; the calculation means are capable of quantifying the estimated motion error by using a measurement of the local magnetic field and the modeled local magnetic field; the control console is able to position the treatment point in the target region according to the estimated displacement; it further comprises means for regulating a radiation applied to the treatment point in the target region so that the spatial distribution of the radiation of the target region is in accordance with a predefined spatial distribution target; the regulation means are able to regulate the radiation applied as a function of the spatial distribution of the radiation in the target region and of a spatial distribution setpoint, according to a regulation law comprising a Proportional-Integral-Derivative term.
Enfin selon un troisième aspect, l'invention concerne un procédé de traitement thermique d'une région cible en mouvement d'un tissu biologique, au moyen d'un dispositif selon le second aspect de l'invention. Le critère de qualité sur le mouvement estimé mis en oeuvre dans l'invention est fondé sur la modélisation de la distribution du champ magnétique en fonction du mouvement de la zone cible. Un tel critère présente l'avantage de se fonder sur un paramètre physique de la zone cible et est plus précis que d'autres critères de type connu du type MIS (en anglais, « Magnitude Image Similarity ») estimant la similarité des images recalées de la région d'intérêt, ces images étant de préférence des images anatomiques 2D. La robustesse du critère de qualité proposé est en outre évaluée à l'aide d'un critère de référence (appelé GSE : en anglais, « Gold Standard Error ») estimant l'erreur du mouvement par rapport à un mouvement de référence. Finally, according to a third aspect, the invention relates to a method of heat treatment of a target region in motion of a biological tissue, by means of a device according to the second aspect of the invention. The criterion of quality on the estimated motion implemented in the invention is based on the modeling of the distribution of the magnetic field as a function of the movement of the target zone. Such a criterion has the advantage of being based on a physical parameter of the target zone and is more precise than other criteria of known type of the MIS type (Magnitude Image Similarity), estimating the similarity of the recalibrated images of the region of interest, these images preferably being 2D anatomical images. The robustness of the proposed quality criterion is further evaluated using a reference criterion (called GSE: Gold Standard Error) estimating the error of movement with respect to a reference movement.
PRESENTATION DES FIGURES D'autres caractéristiques et avantages de l'invention ressortiront encore de la description qui suit laquelle est purement illustrative et non limitative et doit être lue en regard des dessins annexés sur lesquels : - la figure 1 représente de manière schématique les différents éléments constitutifs d'un ensemble de traitement thermique ; - la figure 2 illustre schématiquement un procédé de calibrage selon un mode de réalisation particulier de l'invention ; - les figures 3a et 3b illustrent des courbes pour comparer le critère de similarité mis en oeuvre dans le procédé de l'invention à d'autres critères de similarité connus ; - les figures 4a, 4b et 4c illustrent l'estimation du mouvement selon plusieurs critères de similarité ; - la figure 5 illustre des courbes de différents critères de similarité en fonction du rapport signal à bruit ; - les figures 6a et 6b illustrent les performances comparées de plusieurs critères de similarité. PRESENTATION OF THE FIGURES Other features and advantages of the invention will become apparent from the description which follows, which is purely illustrative and nonlimiting, and should be read with reference to the accompanying drawings, in which: FIG. 1 schematically represents the various elements constituting a heat treatment assembly; - Figure 2 schematically illustrates a calibration method according to a particular embodiment of the invention; FIGS. 3a and 3b illustrate curves for comparing the similarity criterion used in the method of the invention with other known similarity criteria; FIGS. 4a, 4b and 4c illustrate the motion estimation according to several similarity criteria; FIG. 5 illustrates curves of different similarity criteria as a function of the signal-to-noise ratio; FIGS. 6a and 6b illustrate the comparative performances of several similarity criteria.
DESCRIPTION DETAILLEE DE L'INVENTION Système d'imagerie Sur la figure 1 est représenté un ensemble de traitement thermique comprenant un système 1 d'imagerie médical pour l'acquisition d'images d'une région d'intérêt d'un patient et une source d'énergie 10 qui permet de traiter une zone cible Z de la région R d'intérêt du patient (non représenté). io Le système d'imagerie 1 est ici un système d'Imagerie par Résonance Magnétique (IRM) comportant un aimant (non représenté) par exemple de 1,5 Tesla commercialisé par Philips®. Bien entendu, il est possible d'utiliser d'autres types de système d'imagerie, par exemple un échographe un scanner, ou un système d'imagerie optique (caméra). 15 La source d'énergie 10 est ici une sonde thermique adaptée à traiter des tissus biologiques, de la zone cible, par hyperthermie. Il s'agit en particulier d'un transducteur à ultrasons focalisés connecté à un générateur multi-voies 7 (typiquement 256 voies), par l'intermédiaire de fibres optiques 8 pour alimenter le transducteur. 20 Le générateur multivoie comprend 256 voies, chaque voie étant destinée à l'alimentation d'un élément générateur du transducteur à ultrasons thermique. Les signaux générés sur chaque voie sont transmis via des câbles coaxiaux de 5052 par le biais du boitier 9 électronique d'adaptation d'impédance à la sonde 10. Le dispositif électronique 25 d'adaptation d'impédance 9 joue également le rôle de filtre passe-bas pour permettre l'utilisation des ultrasons focalisés et de l'IRM simultanément et sans interférence comme décrit par exemple dans le document US 6 148 225. Le transducteur permet de focaliser une onde ultrasonore typiquement 30 de 1,5Mhz (on note que cette valeur est optimisée en fonction de l'absorption des tissus étudiés) en un point de la taille de la longueur d'onde c'est-à-dire ici d'environ 1 mm. Il est à noter que la pression acoustique au point de focalisation et sa position sont ajustables par l'amplitude et le retard des signaux. DETAILED DESCRIPTION OF THE INVENTION Imaging System FIG. 1 shows a heat treatment assembly comprising a medical imaging system 1 for acquiring images of a region of interest of a patient and a source of energy 10 which makes it possible to treat a target zone Z of the region R of interest of the patient (not shown). The imaging system 1 is here a Magnetic Resonance Imaging (MRI) system comprising a magnet (not shown) for example 1.5 Tesla marketed by Philips®. Of course, it is possible to use other types of imaging system, for example an ultrasound scanner, or an optical imaging system (camera). The energy source 10 is here a thermal probe adapted to treat biological tissues, the target area, by hyperthermia. This is in particular a focused ultrasound transducer connected to a multi-channel generator 7 (typically 256 channels), via optical fibers 8 to supply the transducer. The multi-channel generator comprises 256 channels, each channel being intended for supplying a generator element of the thermal ultrasonic transducer. The signals generated on each channel are transmitted via coaxial cables 5052 through the impedance matching electronic box 9 to the probe 10. The electronic impedance matching device 25 also plays the role of a pass filter. down to allow the use of focused ultrasound and MRI simultaneously and without interference as described for example in US 6 148 225. The transducer is used to focus an ultrasound wave typically 1.5Mhz (note that this value is optimized according to the absorption of the tissues studied) at a point of the size of the wavelength, that is to say here of about 1 mm. It should be noted that the sound pressure at the focus point and its position are adjustable by the amplitude and the delay of the signals.
En outre, pour isoler les éléments de l'ensemble de traitement thermique, ces derniers sont disposés à l'intérieur d'une cage 12 de Faraday. L'ensemble 1 comprend également un reconstructeur d'images 2, une console d'acquisition 3 incluant une unité centrale qui est apte à io recevoir en entrée des données en provenance du reconstructeur d'images 2 et une console de pilotage 5 qui est apte, en fonction de données fournies par la console d'acquisition 3, à commander le générateur multivoie 7 et un système de déplacement 30 de la sonde 10. La console d'acquisition 3 et la console de pilotage 5 peuvent être 15 formées par une seule et même unité comprenant des moyens de calcul pour mettre en oeuvre les opérations pré-citées. Les mesures acquises à l'intérieur de l'aimant dans le cas d'un système IRM sont converties en images par le reconstructeur d'images 2 et transmises à la console d'acquisition 3. La console d'acquisition 3 effectue 20 une transformée de Fourier rapide et des filtrages de l'image acquise et affiche l'image ainsi traitée sur la console d'acquisition 3 qui comprend un écran. Les mesures acquises à l'intérieur de l'aimant dans le cas d'un système IRM sont en outre converties en cartographies du champ 25 magnétique. On rappelle qu'une mesure IRM est un nombre complexe comprenant un module et une phase, le module servant à la construction d'images anatomiques tandis que la phase sert à la construction des cartographies de distribution du champ magnétique. Ces mesures sont transférées vers la console de pilotage de la sonde 30 10. In addition, to isolate the elements of the heat treatment assembly, the latter are disposed inside a Faraday cage 12. The set 1 also comprises an image reconstruction device 2, an acquisition console 3 including a central unit that is able to receive input data from the image reconstruction device 2 and a control console 5 which is capable of , according to data provided by the acquisition console 3, to control the multi-channel generator 7 and a displacement system 30 of the probe 10. The acquisition console 3 and the control console 5 can be formed by a single and same unit comprising calculation means for implementing the above-mentioned operations. The measurements acquired inside the magnet in the case of an IRM system are converted into images by the image reconstruction device 2 and transmitted to the acquisition console 3. The acquisition console 3 performs a transform. fast Fourier and filtering the acquired image and displays the image thus processed on the acquisition console 3 which includes a screen. Measurements acquired inside the magnet in the case of an MRI system are further converted into magnetic field maps. It is recalled that an MRI measurement is a complex number comprising a module and a phase, the module used for the construction of anatomical images while the phase is used for the construction of the distribution maps of the magnetic field. These measurements are transferred to the control console of the probe 10.
Un processeur (moyens de calcul) inclut dans la console de pilotage va permettre, en fonction des images anatomiques et du champ magnétique, de positionner en ligne le point de traitement pour que ce dernier puisse correctement suivre le mouvement de la zone cible de la région d'intérêt pendant le traitement. En particulier, comme cela sera détaillé par la suite, des traitements numériques vont être réalisés pour modéliser la distribution du champ magnétique en fonction du mouvement, pour quantifier, contrôler et assurer la qualité du mouvement estimé. io Procédé de ciblage On illustre schématiquement sur la figure 2 des étapes d'un procédé de ciblage selon un mode de réalisation particulier de l'invention. Comme introduit ci-dessus, au cours du traitement de la zone en tant que telle, il convient de cibler en ligne au moyen du système de 15 positionnement le point de traitement 10. Une estimation fiable du mouvement peut être obtenue à l'aide d'algorithmes de recalage d'images. Or, la configuration optimale du recalage dépend de plusieurs paramètres (comme l'amplitude du mouvement de la cible, le bruit, la complexité de la déformation, la résolution 20 de l'image, ...) et dépend donc de l'application (l'organe ciblé, la localisation de la tumeur, l'orientation du plan d'imagerie, ...). Un calibrage va permettre de déterminer des paramètres de l'algorithme d'estimation du mouvement de la zone cible dans une région d'intérêt du patient. Ce calibrage consiste à déterminer des paramètres d'estimation du mouvement de la cible pour 25 pouvoir, au cours du traitement de la cible, positionner correctement le point de traitement. Pour déterminer ces paramètres, le patient est placé dans un champ magnétique et notamment à l'intérieur d'un aimant d'un système IRM. A processor (calculation means) included in the control console will allow, depending on the anatomical images and the magnetic field, to position online the treatment point so that the latter can correctly follow the movement of the target area of the region of interest during treatment. In particular, as will be detailed later, numerical treatments will be made to model the distribution of the magnetic field according to the movement, to quantify, control and ensure the quality of the estimated movement. TARGETING METHOD FIG. 2 schematically illustrates steps of a targeting method according to a particular embodiment of the invention. As introduced above, during the treatment of the area as such, the processing point 10 should be targeted online by means of the positioning system. A reliable estimate of the movement can be obtained using image registration algorithms. However, the optimal configuration of the registration depends on several parameters (such as the amplitude of the movement of the target, the noise, the complexity of the deformation, the resolution of the image, etc.) and therefore depends on the application (the target organ, the location of the tumor, the orientation of the imaging plan, ...). Calibration will make it possible to determine parameters of the algorithm for estimating the movement of the target zone in a region of interest of the patient. This calibration consists in determining parameters for estimating the movement of the target in order to be able, during the processing of the target, to correctly position the treatment point. To determine these parameters, the patient is placed in a magnetic field and especially inside a magnet of an MRI system.
En outre, on dispose d'un système d'imagerie médicale pour acquérir des images anatomiques de la région d'intérêt du patient dans lesquelles la zone cible est visualisée. On se place ici dans le cas où le système IRM sert à l'acquisition des 5 images anatomiques. En fait, il s'agit des mesures IRM qui sont traitées par la console d'acquisition. Etape INIT : initialisation Dans une étape d'initialisation on procède INIT à l'acquisition d'une io image de référence lo qui inclut la région d'intérêt et qui comprend la zone cible. La seule intervention utilisateur requise est de définir avant l'hyperthermie, sur l'image de référence, une région d'intérêt délimitant la région où le recalage doit être optimisé (on note m le masque binaire 15 associé). On génère à partir de l'image lo un masque m dont les pixels valent 1 ou O. Le masque m est une image binaire. Les pixels ont une valeur 1 dans la région du tissu à cibler délimitée par le radiologue avant l'intervention hyperthermique. En pratique c'est le praticien radiologue grâce à la console de pilotage 20 5 qui va positionner la sonde 10 au niveau de la région d'intérêt pour acquérir cette image Io. ETAPE ACQ, ACQ1 et ACQ1' : Acquisitions Un jeu de données de référence est acquis pour échantillonner la perturbation de la susceptibilité avec le mouvement. 25 Ainsi, on procède au moyen de la console d'acquisition 3, à l'acquisition ACQ1 d'une succession d'images anatomiques I de la région d'intérêt du patient. Dans le même temps, on procède à l'acquisition ACQ1' d'une succession d'images de phase recalées, encodant la variation de la 30 susceptibilité magnétique locale et notées cpr. Cette succession d'images de phase recalées est utilisée pour quantifier la qualité du recalage. Pour cela, toutes les images de phase ont été recalées sur une position de référence commune en utilisant un algorithme de recalage appliqué sur l'image anatomique (c'est à dire l'image de magnitude). La référence commune étant l'image lo acquise à l'étape INIT. De cette façon pour chaque image anatomique acquise, on dispose d'une cartographie du champ magnétique. On acquiert entre K=5 et K=200 images, typiquement 50 images. Pour la plupart des applications thérapeutiques, le mouvement est io causé par le cycle respiratoire ou cardiaque et est donc périodiques. Le nombre d'images K correspond alors à plusieurs cycles respiratoires ou cardiaques pour permettre un échantillonnage suffisant du mouvement. Suite à ces acquisitions, on procède à l'estimation A) du mouvement de la zone cible à partir des Images anatomiques acquises et l'estimation B) de 15 cartographies de distribution du champ magnétique modélisée à partir du mouvement estimé. Enfin, on détermine C) un critère de similarité entre les cartographies de champ magnétique modélisées et les cartographies acquises de manière à évaluer la qualité du mouvement estimé. 20 Ce critère de similarité va permettre de vérifier si le mouvement estimé est correct. En particulier, les étapes A), B) et C) sont répétées D) pour sélectionner E) la meilleure estimation du mouvement en fonction d'un (ou des) paramètre(s) de configuration du mouvement. 25 Suite à l'obtention du meilleur mouvement estimé, on va pouvoir, durant la thérapie, positionner POS correctement le point de traitement en fonction du déplacement de la zone cible de la région d'intérêt. On détaille ci-dessous chacune des étapes A), B) C) et D) du procédé. In addition, a medical imaging system is available to acquire anatomical images of the region of interest of the patient in which the target area is viewed. We place ourselves here in the case where the MRI system is used for the acquisition of the 5 anatomical images. In fact, these are the MRI measurements that are processed by the acquisition console. INIT step: initialization In an initialization step, INIT is used to acquire a reference image lo which includes the region of interest and which comprises the target zone. The only user intervention required is to define, before the hyperthermia, on the reference image, a region of interest delimiting the region where the registration is to be optimized (the associated binary mask is denoted m). From the image lo is generated a mask m whose pixels are 1 or 0. The mask m is a binary image. The pixels have a value 1 in the region of the tissue to be targeted delimited by the radiologist before the hyperthermic intervention. In practice it is the radiologist practitioner with the control console 20 5 which will position the probe 10 at the region of interest to acquire this image Io. STEP ACQ, ACQ1 and ACQ1 ': Acquisitions A reference dataset is acquired to sample the disturbance of susceptibility with motion. Thus, by means of the acquisition console 3, the acquisition ACQ1 of a succession of anatomical images I of the region of interest of the patient is carried out. At the same time, the acquisition ACQ1 'is carried out of a succession of recalibrated phase images, encoding the variation of the local magnetic susceptibility and noted cpr. This succession of recalibrated phase images is used to quantify the quality of the registration. For this, all the phase images were recalibrated to a common reference position using a registration algorithm applied to the anatomical image (ie the magnitude image). The common reference being the image lo acquired in the INIT step. In this way, for each acquired anatomical image, a cartography of the magnetic field is available. We acquire between K = 5 and K = 200 images, typically 50 images. For most therapeutic applications, movement is caused by the respiratory or cardiac cycle and is therefore periodic. The number of images K then corresponds to several respiratory or cardiac cycles to allow sufficient sampling of the movement. Following these acquisitions, we proceed to the estimation A) of the movement of the target zone from the acquired anatomical images and the estimation B) of 15 distribution maps of the magnetic field modeled from the estimated movement. Finally, we determine C) a similarity criterion between the modeled magnetic field maps and the acquired maps in order to evaluate the quality of the estimated motion. This similarity criterion will make it possible to check whether the estimated movement is correct. In particular, the steps A), B) and C) are repeated D) to select E) the best estimate of the movement as a function of one or more parameter (s) of configuration of the movement. After obtaining the best estimated movement, it will be possible, during the therapy, to correctly position POS the treatment point according to the displacement of the target zone of the region of interest. Each of the steps A), B) C) and D) of the process is detailed below.
Etape A) : estimation du mouvement de la zone cible à partir des imaqes anatomiques acquises On considère que les images anatomiques, dans le cas d'images 2D, comportent trois composantes spatio-temporelles, lx, ly, It quantifiant 5 l'intensité des pixels de l'image, liées entre elles par la relation suivante (1) où u et v sont les composantes du mouvement des pixels de l'image. On considère que le mouvement est déterminé à partir de l'image de référence lo acquise (référence temporelle). Au sujet de ce formalisme, on pourra à ce sujet se référer au document io J.L. Barron, D.J. Fleet, S.S. Beauchemin, « Performance of optical flow techniques.» International Journal of Computer Vision, 12(1):43-77, 1992. Comme il n'est pas possible de déterminer directement le mouvement à partir de l'équation (1) une contrainte additionnelle est nécessaire. Cette contrainte consiste à supposer que le mouvement est de faible 15 amplitude (de l'ordre de quelques pixels) comme cela est décrit dans le document B. Horn and B. Schunck, "Determining optical flow", Artificial intelligence, vol. 17, pp. 185-203, 1981. Selon cette méthode, d'après l'équation (1) on obtient la fonctionnelle suivante : dxdy (2) 20 où a z est une constante de régularisation des termes de la fonctionnelle définie par l'équation (2), de faibles valeurs de a 2 permettent d'estimer un mouvement de grande amplitude tandis que de fortes valeurs de a 2 améliorent la robustesse de l'estimation au bruit ou bien aux variations locales de l'intensité des pixels ne provenant pas du mouvement. Le terme 25 a 2 est en outre nommé paramètre de configuration du mouvement dans la suite de la description. Step A): Estimation of the movement of the target zone from acquired anatomical images It is considered that the anatomical images, in the case of 2D images, comprise three spatio-temporal components, lx, ly, It quantifying the intensity of the images. pixels of the image, linked together by the following relation (1) where u and v are the components of the movement of the pixels of the image. Motion is considered to be determined from the acquired reference image lo (time reference). With respect to this formalism, reference may be made to JL Barron, DJ Fleet, SS Beauchemin, "Performance of optical flow techniques." International Journal of Computer Vision, 12 (1): 43-77, 1992. Since it is not possible to directly determine the motion from equation (1), additional stress is required. This constraint is to assume that the motion is of low amplitude (of the order of a few pixels) as described in B. Horn and B. Schunck, "Determining optical flow", Artificial intelligence, vol. 17, pp. 185-203, 1981. According to this method, from equation (1) we obtain the following functional: dxdy (2) where az is a regularization constant of the terms of the functional defined by equation (2) low values of a 2 can be used to estimate a large amplitude motion while high values of a 2 improve the robustness of the noise estimate or the local variations of the non-motion pixel intensity. The term 25 a 2 is further referred to as the motion configuration parameter in the remainder of the description.
Pour déterminer u et v, il est nécessaire en pratique d'effectuer une approche multi-résolution afin de stabiliser la convergence de l'algorithme: l'algorithme de recalage est ainsi appliqué successivement sur une pyramide d'images sous échantillonnées. Le résultat de l'estimation à chaque niveau de résolution est utilisé comme point de départ pour l'estimation à la résolution supérieure. Etape B) : estimation de cartoqraphies (nreco de la distribution du champ maqnétique modélisée à partir du mouvement estimé La phase du signal IRM représente la distribution de la susceptibilité io et la variation du champ magnétique dans l'aimant. Puisque tout changement de phase est induit par le déplacement des organes, nous proposons d'utiliser cette information physique pour quantifier la qualité du mouvement estimé. Deux facteurs principaux, liés au déplacement des organes, peuvent 15 perturber la similarité entre deux images de phase (on pourra se référer au document : J. De Poorter, C. De Wagter, Y. De Deene, C. Thomson, F. Stahlberg, and E. Achten, "The proton resonance frequency shift method compared with molecular diffusion for quantitative measurement of two dimensional time dependent temperature distribution in phantom", Journal of 20 Magnetic Resonance Imaging, vol. 103, pp. 234-241, 1994) : 1) La déformation spatiale induite par le déplacement, qui conduit à une déformation spatiale identique de la distribution de la susceptibilité magnétique. 2) Un biais additionnel de phase généré par une modification de la 25 démagnétisation locale, causée par une modification de la distribution de susceptibilité magnétique. Pour prendre en compte ces biais de phase, une modélisation précise de l'inhomogénéité du champ magnétique in-vivo est requise. Pour cela, une approche récemment proposé assume une relation linéaire simple entre le déplacement de la cible et les variations de phase 30 (on pourra se référer aux documents : G. Maclair, B. Denis de Senneville, M. To determine u and v, it is necessary in practice to perform a multi-resolution approach in order to stabilize the convergence of the algorithm: the registration algorithm is thus successively applied to a pyramid of subsampled images. The result of the estimate at each resolution level is used as the starting point for the estimate at the higher resolution. Step B): estimation of cartoqraphies (nreco of the distribution of the magnetic field modeled from the estimated motion) The phase of the MRI signal represents the distribution of the susceptibility io and the variation of the magnetic field in the magnet. induced by the displacement of the organs, we propose to use this physical information to quantify the quality of the estimated motion.Two main factors, related to the displacement of the organs, can disrupt the similarity between two phase images (we can refer to the document : J. De Poorter, C. De Wagter, Y. De Deene, C. Thomson, F. Stahlberg, and E. Achten, "The proton resonance frequency shift method compared with molecular diffusion for quantitative measurement of two dimensional time dependence temperature distribution in phantom ", Journal of Magnetic Resonance Imaging, Vol 103, pp. 234-241, 1994): 1) Displacement-induced spatial deformation, which leads to to an identical spatial deformation of the distribution of magnetic susceptibility. 2) An additional phase bias generated by a change in local demagnetization, caused by a change in the magnetic susceptibility distribution. To take into account these phase biases, accurate modeling of inhomogeneity of the in-vivo magnetic field is required. For this, a recently proposed approach assumes a simple linear relationship between the displacement of the target and the phase variations (we can refer to the documents: G. Maclair, Denis B. de Senneville, M.
Ries, B. Quesson, P. Desbarats, J. Benois-Pineau, and C. T. W. Moonen, "PCA-based image registration : application to on-line MR temperature monitoring of moving tissues", in ICIP, vol. III. IEEE, 2007, pp. 141-144 et S. Roujol, M. Ries, B. Quesson, C. Moonen, and B. Denis de Senneville, "Real- time MR-thermometry and dosimetry for interventional guidance on abdominal organs", Magnetic Resonance in Medicine, vol. 63, no. 4, pp. 1080-7, 2010). Chaque variation de la position de l'objet conduit donc à une image de phase unique. Si la variation de phase avec le mouvement a été io modélisée, une carte de phase synthétique (cpreco ) peut être construite. Ceci permet de quantifier les erreurs du recalage en évaluant la similarité de phase entre chaque nouvelle acquisition IRM (cpr) et l'image synthétique correspondante cp7ecO . L'estimation des cartographies (p7e.O est effectuée pour chaque pixel d'une image en supposant une variation linéaire de la phase 15 (c'est-à-dire du champ magnétique) en fonction du mouvement. Cela consiste en la résolution de l'équation suivante 4~q'F:é'fp C:F- atrx t f. ,:z° :? (3) où D(x,y,k) est un scalaire traduisant l'amplitude et l'orientation du déplacement du pixel le long d'un axe principal du champ de mouvement 20 estimé. Le scalaire D(x,y,k) est calculé de la manière suivante : J)(r. k) ,___, , t Vii.Vi A.1« (4) où AX and LY sont respectivement les composantes horizontale et verticale du déplacement et V=(V1,V2) est le vecteur propre offrant la meilleure 25 représentation du mouvement (c'est-à-dire, le vecteur propre associé à la plus grande valeur propre). Ries, B. Quesson, P. Desbarats, J. Benois-Pineau, and C. T. W. Moonen, "PCA-based image registration: application to on-line MR temperature monitoring of moving tissues", in ICIP, vol. III. IEEE, 2007, pp. 141-144 and S. Roujol, M. Ries, B. Quesson, C. Moonen, and B. Denis de Senneville, "Real-time MR-thermometry and dosimetry for interventional guidance on abdominal organs," Magnetic Resonance in Medicine, vol. . 63, no. 4, pp. 1080-7, 2010). Each variation of the position of the object therefore leads to a single phase image. If the phase variation with motion has been modeled, a synthetic phase map (cpreco) can be constructed. This makes it possible to quantify the errors of the registration by evaluating the phase similarity between each new MRI acquisition (cpr) and the corresponding synthetic image cp7ecO. The estimation of the maps (p7e.O) is carried out for each pixel of an image by assuming a linear variation of the phase (that is to say of the magnetic field) as a function of the motion. the following equation 4 ~ q'F: é'fp C: F- atrx t f.,: z °:? (3) where D (x, y, k) is a scalar expressing amplitude and orientation the displacement of the pixel along a main axis of the estimated motion field 20. The scalar D (x, y, k) is calculated as follows: J) (r, k), _, t Vii. A.1 "(4) where AX and LY are respectively the horizontal and vertical components of displacement and V = (V1, V2) is the eigenvector with the best representation of motion (i.e., the vector own associated with the greatest eigenvalue).
Les termes a et b sont la pente et l'ordonnée à l'origine de la régression linéaire simple entre la valeur de phase recalée et le déplacement D de la cible, définis de la manière suivante : Dur (a. F : P r t'1 J ~, .tf I (.i y) y e, Y) a (x < .D(r',.y) (5) Etape C) : détermination d'un critère de similarité entre les cartoqraphies 5 estimées et les cartoqraphies acquises de manière à évaluer le mouvement estimé ..{ 'I, `.} r ~E~f,:i. , k)) (6) N est le nombre de pixel égal à 1 dans le masque binaire m (décrivant io la région d'intérêt du patient à cibler définie par le radiologue) précédemment acquis et (x, y) sont les coordonnées des pixels dans l'image 2D et K est le nombre d'images acquises. On rappelle que l'on dispose d'autant d'images que de cartographies de distribution du champ magnétique. 15 Grâce à l'analyse de ce terme PIS on peut vérifier que la valeur a 2 utilisé pour estimer le mouvement dans l'équation (2) conduit à une estimation correcte du mouvement de la zone cible de la région d'intérêt du patient. Etapes D) et E) : sélection de la valeur optimale pour a 2 20 De manière avantageuse, on procède à une répétition D) des étapes A) à c) pour différentes valeurs de a 2 de manière à obtenir pour chaque valeur de a 2 une valeur de critère de similarité PIS. On obtient alors une fonction PIS = f(a 2) et on sélectionne E) la valeur de a 2 qui conduit à la valeur minimale du PIS. C'est cette valeur qui Le critère de similarité, noté PIS (en anglais, « Phase Image Similarity ») est obtenu de la manière suivante : (1 conduit à la meilleure estimation du mouvement de la zone cible de la région d'intérêt du patient. De préférence on teste M=30 valeurs de a 2 comprise entre 0 et 0,75. Le nombre de valeurs testées dépend de la taille de l'intervalle de valeurs à analyser et de l'échantillonnage de cet intervalle. La valeur minimale pour a 2 est O. La valeur maximale dépend essentiellement de l'amplitude maximale et de la complexité de la déformation spatiale de l'organe ciblé. Dans notre étude, l'observation d'un échantillonnage régulier de 30 valeurs de a 2 entre 0 et 0,75 s'est trouvé être adaptée à la io déformation des organes mobiles abdominaux Performances On a testé le critère PIS et on l'a comparé avec d'autres critères de similarité de type connu. Le potentiel de la méthode pour calibrer l'algorithme de recalage d'images décrit à l'étape A) a été d'abord évalué sur 15 une expérience réalisée sur un fantôme. Dans un second temps, l'amélioration des performances pour l'estimation en ligne du déplacement des organes a été démontrée in-vivo sur l'imagerie abdominal (rein et foie individuellement) de douze volontaires humains en respiration libre. Pour réaliser ces tests, le dispositif utilisé pour effectuer une imagerie 20 dynamique des images anatomiques et des cartographies de distribution de champ magnétique est un système IRM avec un aimant de 1,5 T du type Philips® Achieva 1.5 T MR-system (Philips Healthcare, Best, Pays Bas). Les calculs ont été réalisés sur une station de travail équipée d'un double processeur INTEL® 3.1 GHz Penryn avec 4 coeurs (INTEL Santa Clara, CA, 25 USA) avec 8 GO de RAM. Une carte graphique NVIDIA GTX280 avec 1 GB de DRAM a été utilisée et l'implémentation a été réalisée en utilisant la librairie CUDA. Pour les tests réalisés sur fantôme, l'imagerie dynamique IRM a été réalisée en utilisant une séquence echo-planar dual shot avec les 30 paramètres suivants : temps de répétition=30 ms, temps d'écho=l5 ms, taille d'un voxel=2x2x5 mm3, champ de vue=256x104x5 mm, longueur du train d'écho=25, espace entre les échos=1,1 ms, angle de bascule=20°, bande passante dans direction de lecture par pixel=1777 Hz. Pour les tests in-vivo, l'imagerie dynamique IRM a été réalisée en utilisant une séquence écho-planar avec une antenne corps de quatre éléments avec les paramètres suivants : 3000 images sagittales acquises avec un taux de rafraichissement de 10 images/s, une seule coupe, temps de répétition=100 ms, temps d'écho=26 ms, taille d'un voxel=2,3x3,1x6 mm3, champ de vue=300x197x6 mm3, longueur du train d'écho =63, espace io entre les échos =0,8 ms, angle de bascule=35°, bande passante dans direction de lecture par pixel =2085 Hz. Le critère PIS est comparé avec un critère noté MIS (en anglais, « Magnitude Image Similarity ») de type connu et décrit par exemple dans le document : Skerl, B. Likar, and F. Pernus, "A protocol for evaluation of 15 similarity measures for rigid registration", Transactions on Medical Imaging, vol. 25, no. 6, pp. 779-791, 2006 et sur la figure 3b il s'agit du critère PIS comparé avec un critère de référence noté GSE (en anglais, « Gold Standard Error »). Le terme MIS est obtenu en faisant le moyennage temporel de l'erreur 20 moyenne quadratique entre chaque image de magnitude recalée Mr acquise durant l'étape de calibration et l'image de référence Mref de la manière suivante : 1 A 4 7 k,l Le critère GSE (en anglais, « Gold Standard Error ») est un critère absolu qui sert de référence. Dans notre protocole expérimental il est 25 calculé, pour le test sur fantôme, à l'aide d'une information extérieure sur le mouvement (puisque la cible est soumise à un mouvement de translation, le mouvement a pu être entièrement caractérisé en utilisant un écho de navigation) et, pour l'étude in-vivo, à l'aide de marqueurs positionnés et déplacés manuellement par l'utilisateur sur chaque image de la série temporelle. L'étape de positionnement manuel des marqueurs demande à chaque nouvelle série d'images (c'est-à-dire à chaque nouveau patient, ou à chaque modification d'un paramètre de la séquence d'acquisition) le travail en continu d'un utilisateur pendant plusieurs heures. Cette étape, extrêmement lourde, est donc absolument inenvisageable en pratique. Tests sur un fantôme On a mis en oeuvre le procédé sur un fantôme reproduisant le io comportement physiologique d'un rein soumis à un mouvement respiratoire sinusoïdal d'amplitude 20 mm et de période 2s. Le bruit est considéré comme blanc et gaussien et le rapport signal à bruit est égal à 10. Les figures 3a et 3b illustre des courbes de différents critères de similarité en fonction de a 2 . 15 Sur la figure 3a il s'agit du critère PIS comparé au critère MIS et sur la figure 3b il s'agit du critère PIS comparé au critère GSE. On constate que la courbe du PIS est plus proche de la courbe du GSE que ne l'est la courbe du MIS. On en déduit que le critère du PIS est plus robuste que le critère du 20 MIS. En effet, puisqu'il s'agit de déterminer la valeur minimale du PIS pour déterminer la valeur de a 2 qui conduit à la meilleure estimation du mouvement il convient de s'assurer que la tendance du PIS est la plus proche de celle du GSE. 25 On obtient avec le GSE a 2 = 0,475, avec le MIS a 2 =0,175 et avec PIS a 2 =0,475. Suite à l'obtention pour chacun des critères d'une valeur de a 2 on calcule grâce à l'équation (1) le mouvement. The terms a and b are the slope and ordinate at the origin of the simple linear regression between the recalibrated phase value and the displacement D of the target, defined as follows: Hard (a: F: P r t (5) Step (C): determination of a similarity criterion between the estimated maps and the cartoqraphies acquired in such a way as to evaluate the estimated movement .. {'I, `.} r ~ e ~ f,: i. , k)) (6) N is the number of pixels equal to 1 in the binary mask m (describing the region of interest of the patient to be targeted defined by the radiologist) previously acquired and (x, y) are the coordinates of the pixels in the 2D image and K is the number of images acquired. We recall that we have as many images as maps of distribution of the magnetic field. Through the analysis of this PIS term it can be verified that the value a 2 used to estimate motion in equation (2) leads to a correct estimation of the movement of the target area of the patient's region of interest. Steps D) and E): Selection of the optimum value for a 2 Advantageously, steps D) of steps A) to c) are carried out for different values of a 2 so as to obtain for each value of a 2 a similarity criterion value PIS. We then obtain a function PIS = f (a 2) and we select E) the value of a 2 which leads to the minimum value of the PIS. It is this value that the criterion of similarity, noted PIS (in English, "Phase Image Similarity") is obtained in the following way: (1 leads to the best estimate of the movement of the target zone of the region of interest of the preferably M = 30 values of a 2 between 0 and 0.75 The number of values tested depends on the size of the range of values to be analyzed and the sampling of this interval. for a 2 is O. The maximum value depends essentially on the maximum amplitude and the complexity of the spatial deformation of the target organ.In our study, the observation of a regular sampling of 30 values of a 2 between 0 0.75 was found to be adapted to the deformation of the abdominal mobile organs Performance The PIS criterion was tested and compared with other similarity criteria of known type The potential of the method to calibrate the image registration algorithm written in step A) was first evaluated on an experiment performed on a phantom. In a second step, the improvement of the performances for the online estimation of the displacement of the organs was demonstrated in-vivo on the abdominal imaging (kidney and liver individually) of twelve human volunteers in free breathing. To perform these tests, the device used to perform dynamic imaging of anatomical images and magnetic field distribution maps is an MRI system with a 1.5T magnet of the Philips® Achieva 1.5T MR-system type (Philips Healthcare). , Best, Netherlands). The calculations were performed on a workstation equipped with a dual INTEL® 3.1 GHz Penryn processor with 4 cores (INTEL Santa Clara, CA, USA) with 8 GB of RAM. An NVIDIA GTX280 graphics card with 1 GB of DRAM was used and the implementation was performed using the CUDA library. For phantom tests, IRM dynamic imaging was performed using an echo-planar dual shot sequence with the following 30 parameters: repetition time = 30 ms, echo time = 15 ms, voxel size = 2x2x5 mm3, field of view = 256x104x5 mm, length of echo train = 25, space between echoes = 1.1 ms, flip angle = 20 °, bandwidth in reading direction per pixel = 1777 Hz. In-vivo testing, dynamic MRI imaging was performed using an echo-planar sequence with a four-element body antenna with the following parameters: 3000 sagittal images acquired with a refresh rate of 10 fps, one single cut, repetition time = 100 ms, echo time = 26 ms, size of a voxel = 2.3x3,1x6 mm3, field of view = 300x197x6 mm3, length of the echo train = 63, space io between echoes = 0.8 ms, flip angle = 35 °, bandwidth in reading direction per pixel = 2085 Hz. The PIS criterion is compared with a criterion noted MIS (in English, "Magnitude Image Similarity") of known type and described for example in the document: Skerl, B. Likar, and F. Pernus, "A protocol for evaluation of 15 similarity measures for rigid registration", Transactions on Medical Imaging, vol. 25, no. 6, pp. 779-791, 2006 and in Figure 3b it is the criterion PIS compared with a reference criterion noted GSE (in English, "Gold Standard Error"). The term MIS is obtained by averaging the mean squared error between each reset magnitude image M1 acquired during the calibration step and the reference image Mref as follows: ## EQU1 ## The GSE (Gold Standard Error) criterion is an absolute criterion that serves as a reference. In our experimental protocol it is calculated, for the phantom test, with the aid of an external information on the movement (since the target is subjected to a translation movement, the movement could be fully characterized by using an echo navigation) and, for the in-vivo study, using markers positioned and moved manually by the user on each image of the time series. The step of manually positioning the markers requires each new series of images (that is to say, each new patient, or each modification of a parameter of the acquisition sequence) the continuous work of a user for several hours. This step, extremely heavy, is absolutely unthinkable in practice. Ghost Tests The method was carried out on a phantom reproducing the physiological behavior of a kidney subjected to sinusoidal respiratory motion of 20 mm amplitude and 2 s period. The noise is considered as white and Gaussian and the signal-to-noise ratio is equal to 10. Figures 3a and 3b illustrate curves of different similarity criteria as a function of a 2. In Figure 3a it is the PIS criterion compared to the MIS criterion and in Figure 3b it is the PIS criterion compared to the GSE criterion. It is found that the PIS curve is closer to the GSE curve than the MIS curve. It is concluded that the SIP criterion is more robust than the MIS criterion. Indeed, since it is a question of determining the minimum value of the PIS to determine the value of a 2 which leads to the best estimation of the movement, it is advisable to make sure that the trend of the PIS is closest to that of the GSE . GSE at 2 = 0.475, with MIS at 2 = 0.175 and with PIS at 2 = 0.475. Following the obtaining for each of the criteria of a value of a 2 is calculated through equation (1) movement.
Les figures 4a, 4b et 4c illustrent l'estimation du mouvement pour chacune de ces valeurs a 2 . Sur la figure 4a il s'agit du mouvement obtenu avec a 2 issu du critère GSE, sur la figure 4b il s'agit du mouvement obtenu avec a 2 issu du critère MIS, sur la figure 4c il s'agit du mouvement obtenu avec a2 issu du critère PIS. On constate que la meilleure estimation du mouvement est obtenu avec le a 2 issu du PIS. La figure 5 illustre des courbes de différents critères en fonction du io rapport signal sur bruit SNR (en anglais, « Signal to Noise Ratio »). Là encore on constate que a 2 en fonction du SNR obtenu avec le critère PIS suit les variations du critère GSE tandis que le critère MIS est décalé par rapport aux variations du GSE. Tests in-vivo 15 On a mis en oeuvre le procédé sur 12 patients avec comme région d'intérêt le rein et le foie de ces derniers. Les critères de similarité sont identiques à ceux utilisés pour l'application du procédé sur le fantôme. Les figures 6a et 6b illustrent respectivement la valeur du paramètre 20 d'estimation a 2 obtenu in-vivo sur le rein (figure 6a) et le foie (figure 6b). Sur ces figures la boite à moustache 61 correspond au paramètre a 2 en considérant que l'organe ne bouge pas, la boite à moustache 62 correspond au paramètre a2 obtenu avec le critère MIS, la boite à moustache 63 correspond au paramètre a 2 obtenu avec le critère PIS et la 25 boite à moustache 64 correspond au paramètre a 2 obtenu avec le critère PIS. On constate dans les deux cas que le paramètre de configuration a 2 obtenu avec le critère PIS est très proche du GSE et est donc plus robuste que le critère MIS notamment. Figures 4a, 4b and 4c illustrate motion estimation for each of these values a 2. In FIG. 4a, it is the motion obtained with a 2 resulting from the criterion GSE, in FIG. 4b it is the movement obtained with a 2 resulting from the criterion MIS, in FIG. 4c it is the movement obtained with a2 derived from the criterion PIS. It is found that the best estimate of the movement is obtained with the a 2 from the PIS. FIG. 5 illustrates curves of different criteria as a function of the SNR signal-to-noise ratio (in English, "Signal to Noise Ratio"). Again, we find that a 2 according to the SNR obtained with the criterion PIS follows the variations of the criterion GSE while the criterion MIS is shifted with respect to the variations of the GSE. In Vivo Tests The method was carried out on 12 patients with the kidney and liver of the latter as a region of interest. The similarity criteria are identical to those used for applying the method on the phantom. Figures 6a and 6b respectively illustrate the value of the estimation parameter a 2 obtained in-vivo on the kidney (Figure 6a) and the liver (Figure 6b). In these figures the mustache box 61 corresponds to the parameter a 2 considering that the organ does not move, the mustache box 62 corresponds to the parameter a2 obtained with the MIS criterion, the mustache box 63 corresponds to the parameter a 2 obtained with the criterion PIS and box-whisker 64 corresponds to the parameter a 2 obtained with the criterion PIS. It is found in both cases that the configuration parameter 2 obtained with the PIS criterion is very close to the GSE and is therefore more robust than the MIS criterion in particular.
Claims (6)
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR1154716A FR2975886B1 (en) | 2011-05-30 | 2011-05-30 | METHOD OF TARGETING A REGION OF INTEREST OF A BIOLOGICAL TISSUE OF A PATIENT AND ASSOCIATED DEVICE |
| PCT/EP2012/060178 WO2012163982A1 (en) | 2011-05-30 | 2012-05-30 | Method for targeting a region of interest of biological tissue of a patient, and related device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR1154716A FR2975886B1 (en) | 2011-05-30 | 2011-05-30 | METHOD OF TARGETING A REGION OF INTEREST OF A BIOLOGICAL TISSUE OF A PATIENT AND ASSOCIATED DEVICE |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| FR2975886A1 true FR2975886A1 (en) | 2012-12-07 |
| FR2975886B1 FR2975886B1 (en) | 2013-06-28 |
Family
ID=46197267
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FR1154716A Expired - Fee Related FR2975886B1 (en) | 2011-05-30 | 2011-05-30 | METHOD OF TARGETING A REGION OF INTEREST OF A BIOLOGICAL TISSUE OF A PATIENT AND ASSOCIATED DEVICE |
Country Status (2)
| Country | Link |
|---|---|
| FR (1) | FR2975886B1 (en) |
| WO (1) | WO2012163982A1 (en) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1997022015A1 (en) * | 1995-12-14 | 1997-06-19 | Philips Electronics N.V. | Method and device for heating by means of ultrasound guided by magnetic resonance imaging |
| FR2891153A1 (en) * | 2005-09-28 | 2007-03-30 | Centre Nat Rech Scient | Thermal treatment system for moving target region of biological tissue uses control unit to locate treatment point in target region from estimated position and time delay |
| US20070238976A1 (en) * | 2006-02-28 | 2007-10-11 | Kabushiki Kaisha Toshiba | Magnetic resonance imaging system and magnetic resonance imaging apparatus |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE19742379C1 (en) | 1997-09-25 | 1999-02-11 | Siemens Ag | Ultrasonic therapy device operating method |
-
2011
- 2011-05-30 FR FR1154716A patent/FR2975886B1/en not_active Expired - Fee Related
-
2012
- 2012-05-30 WO PCT/EP2012/060178 patent/WO2012163982A1/en active Application Filing
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1997022015A1 (en) * | 1995-12-14 | 1997-06-19 | Philips Electronics N.V. | Method and device for heating by means of ultrasound guided by magnetic resonance imaging |
| FR2891153A1 (en) * | 2005-09-28 | 2007-03-30 | Centre Nat Rech Scient | Thermal treatment system for moving target region of biological tissue uses control unit to locate treatment point in target region from estimated position and time delay |
| US20070238976A1 (en) * | 2006-02-28 | 2007-10-11 | Kabushiki Kaisha Toshiba | Magnetic resonance imaging system and magnetic resonance imaging apparatus |
Non-Patent Citations (2)
| Title |
|---|
| ROUJOL S ET AL: "A new criterion for motion estimation assessment for MR-thermometry applications", BIOMEDICAL IMAGING: FROM NANO TO MACRO, 2010 IEEE INTERNATIONAL SYMPOSIUM ON, IEEE, PISCATAWAY, NJ, USA, 14 April 2010 (2010-04-14), pages 1241 - 1244, XP031693500, ISBN: 978-1-4244-4125-9 * |
| ROUJOL S ET AL: "Robust real time motion estimation for MR-thermometry", 2011 8TH IEEE INTERNATIONAL SYMPOSIUM ON BIOMEDICAL IMAGING: FROM NANO TO MACRO (ISBI 2011), IEEE, UNITED STATES, 30 March 2011 (2011-03-30), pages 508 - 511, XP031944588, ISBN: 978-1-4244-4127-3, DOI: 10.1109/ISBI.2011.5872456 * |
Also Published As
| Publication number | Publication date |
|---|---|
| FR2975886B1 (en) | 2013-06-28 |
| WO2012163982A1 (en) | 2012-12-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CA2678046C (en) | Method for optimising wave focalisation through an aberration insertion member | |
| Rathi et al. | Sparse multi-shell diffusion imaging | |
| US11681001B2 (en) | Deep learning method for nonstationary image artifact correction | |
| US20220196771A1 (en) | Accelerated magnetic resonance thermometry | |
| US11776679B2 (en) | Methods for risk map prediction in AI-based MRI reconstruction | |
| Chaari et al. | Spatio-temporal wavelet regularization for parallel MRI reconstruction: application to functional MRI | |
| US8872515B2 (en) | System and method for diffusion-modulated relaxation magnetic resonance imaging | |
| US20200072928A1 (en) | Cartesian-radial hybrid k-space trajectory for volumetric imaging | |
| EP2988224A1 (en) | Method for locating brain activity associated with a task | |
| US20220018922A1 (en) | Systems and Methods for Rapidly Determining One or More Metabolite Measurements from MR Spectroscopy Data | |
| US11137467B2 (en) | System and method for improved diffusion-weighted imaging | |
| US11204399B2 (en) | System and method for device tracking via magnetic resonance imaging with light-modulated magnetic susceptibility markers | |
| JP6991267B2 (en) | Two-dimensional multilayer thickness measurement using the reconstructed spectrum | |
| US20190029650A1 (en) | Elastography imaging with magnetic resonance imaging guided focused ultrasound | |
| US11266324B2 (en) | System and methods for fast multi-contrast magnetic resonance imaging | |
| FR2975886A1 (en) | METHOD OF TARGETING A REGION OF INTEREST OF A BIOLOGICAL TISSUE OF A PATIENT AND ASSOCIATED DEVICE | |
| US8952693B2 (en) | Method for principal frequency magnetic resonance elastography inversion | |
| WO2022217157A1 (en) | System and method for quantitative magnetic resonance imaging using a deep learning network | |
| Prčkovska et al. | Optimal short-time acquisition schemes in high angular resolution diffusion-weighted imaging | |
| US10401459B2 (en) | Systems and methods for imaging vascular calcifications with magnetic resonance imaging | |
| Chaâri et al. | Multidimensional wavelet-based regularized reconstruction for parallel acquisition in neuroimaging | |
| Alaya et al. | Fast and accurate estimation of the HARDI signal in diffusion MRI using a nearest-neighbor interpolation approach | |
| JP4137822B2 (en) | Image reconstruction method and apparatus, and image reconstruction program | |
| EP4256360A1 (en) | Characterisation of distortions in magnetic resonance imaging | |
| Lüsebrink-Rindsland et al. | Comprehensive ultrahigh resolution whole brain in vivo MRI dataset as a human phantom |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| ST | Notification of lapse |
Effective date: 20150130 |