Longitudinal alignment for tracking lesion evolution in multiple myeloma

Abstract

Multiples Myelom (MM) ist eine Krebserkrankung des blutbildenden Systems, charakterisiert durch die unkontrollierte Vermehrung von Plasmazellen. Betroffen sind hauptsächlich ältere Patienten, denn das Medianalter bei der Erstellung der Diagnose beträgt 65-70 Jahre. Zu den Symptomen gehören Hyperkalzämie (erhöhter Kalziumwert), Niereninsuffizienz, Anämie und Knochenläsionen, wobei die Beobachtung von Knochenläsionen mit einem großen Risiko einer Progression assoziiert ist. Eine gängige Methode zur Befundung von Läsionen ist die Magnetresonanztomographie (MRT), denn sie erlaubt die Beobachtung dieser bevor der mineralisierte Knochen geschädigt wird. In dieser Arbeit wird eine semi-automatische Methode entwickelt und evaluiert, um Knochenläsionen in MM-Patienten über die Zeit zu verfolgen. Dazu werden longitudinale, annotierte MRT-Daten in ein gemeinsames Koordinatensystem transferiert. Diese werden mittels affiner Transformation entlang des patienteneigenen Ganzkörper-MRT in Position gebracht und lokale Deformationen werden mit Hilfe von symmetrischen Diffeomorphismen ausgeglichen. Um eine passende Parameter-Konfiguration zu finden, werden Experimente auf einem Teilsatz bestehend aus vier Patienten ausgeführt, um die Unterschiede der Maße Mutual Information und Mean Squared Difference in Bezug auf die Genauigkeit der Registrierung zu untersuchen. Die besten Ergebnisse für die affine Registrierung werden mittels Mutual Information mit 10 Histogrammklassen erzielt. Zusätzlich werden Bilddaten, die nicht korrekt am Ganzkörperbild ausgerichtet werden, mittels landmarkenbasierter Registrierung initialisiert. Bei dieser kombinierten Methode liegt der Medianfehler bei 5.6mm auf dem gesamten Datensatz mit 17 Patienten. Die nachfolgende lokale Registrierung mittels Mean Squared Difference mit einem Voxelradius von 1 verbessert diesen Median von 5.6mm auf 3.95mm. Das Läsionen-Tracking wird auf den transformierten Segmentierungen durchgeführt, indem jeder Schwerpunkt einer Annotation über alle Zeitpunkte beobachtet wird. Die Evaluierung des Trackings wird mittels 163 Läsionen von 17 Patienten durchgeführt. Mit der vorgeschlagenen affinen Transformation können 86.5% der Läsionen getrackt werden. Im Vergleich dazu, werden mit Verwendung eines Suchfensters mit einer Größe von 6 6 Pixel, unter Berücksichtigung der benachbarten Schichten, 95.7% der Läsionen korrekt verfolgt. Dabei ist die affine Transformation ausreichend, mit der vorgeschlagenen lokalen Registrierung kann keine Verbesserung der Genauigkeit erzielt werden. Bei der nachfolgenden Analyse der Wachstumsraten von Läsionen in verschiedenen Körperregionen können keine aussagekräftigen Angaben gemacht werden, weil zu wenig vergleichbare Daten vorhanden sind.

Multiple Myeloma (MM) is a plasma cancer disease affecting predominantly older patients, as median age at diagnosis is 65-70 years. Common symptoms include hypercalcemia, renal insufficiency, anemia and bone lesions. During the disease, the observation of bone lesions is associated with a high risk of progression. Magnetic Resonance Imaging (MRI) is an established tool to image und detect these lesions before bone deconstruction takes place. In this thesis, a semi-automatic pipeline for tracking lesions within patients is proposed and evaluated. Longitudinal, annotated MRI data is registered into a common reference space using affine transformation and non-rigid registration based on symmetric diffeomorphisms. The patients wholebody MRI is chosen as the reference space and positions are tracked for each patient by mapping follow-up imaging data to this reference. Experiments for image registration are performed on a subset of four patients investigating the influence of the similarity metrics Mutual Information (MI) and Mean Squared Difference (MSD). Best results for affine registration are achieved using intensity-based registration combined with landmark-based registration. First, MI with 10 bins of histograms is used to align the imaging data along the whole-body MRI. If this fails, an initialization based on landmarks is performed. Thereby, the median registration error is 5.6mm for the used dataset of 17 patients. Deformable registration using MSD with a radius of 1 voxel instead of MI improves the median registration error from 5.6mm to 3.95mm. Lesion tracking is accomplished by observing the center of mass of transformed lesion segmentations and tracking this coordinate over all instances of time. For evaluation of the lesion tracking, 163 lesions from 17 patients are analyzed. Affine transformation based tracking results in 86.5% of lesions correctly tracked. In contrast, with the introduction of a search box with a size of 6 6 pixel considering also neighboring slices 95.7% of the lesions are correctly tracked. Using affine registration is sufficient, as deformable registration does not contribute to increase in accuracy. The subsequent analysis of the lesions tracked and comparing growth in different body regions does not result in meaningful statements due to a low amount of comparable data.