Statistical shape model of cervical cancer

Abstract

Zervixkarzinome gehören zu den häufigsten Krebsarten weltweit.<br />Zur Behandlung werden Strahlentherapie und kombinierte Chemotherapie eingesetzt. Ziel dieser Arbeit war es, die Behandlung zu verbessern, indem die Form der Tumore mithilfe von Statistical Shape Models (SSMs) modelliert werden. Für die Form der Tumore wurden die HR-CTV aus der Brachytherapie von 148 im Allgemeinen Krankenhaus der Stadt Wien behandelten Patientinnen verwendet. Ein modifizierter Algorithmus zur Berechnung des Modells mittels Flüssigkeits Regularisierung wurde implementiert. Der Algorithmus wurde auf die Tumordaten und für eine große Anzahl an Datensätzen angepasst. Es ist die erste Implementierung eines Algorithmus für die Erstellung eines SSM, welche die GPU zur Berechnung verwendet und dadurch die Laufzeit um einen Faktor von bis zu 80 verkürzt. Eine numerische Evaluierung des Modells wurde durchgeführt.<br />Es konnte gezeigt werden, dass 10 Eigenmoden ausreichen um 90% der Varianz in den Formen mit dem Modell darzustellen. Das Modell kann in Zukunft als Ausgangspunkt für die Segmentierung und Analyse von Zervixkarzinomen dienen.<br />

Cervical cancer is one of the leading types of cancers worldwide. Treatment consists of different types of radiotherapy and combined chemotherapy. This thesis aims to contribute to the effectiveness of treatment by modelling the shape of the tumours using Statistical Shape Models (SSMs). The HR-CTV taken from brachytherapy of 148 patients treated at the General Hospital of Vienna was used to represent the tumour shapes. An adapted algorithm based on a fluid regularisation approach was implemented for creating the model. The algorithm was optimised for tumour data and generally large numbers of data sets. The implementation is the first of its kind to use the GPU for the construction of a SSM in order to reduce computation time by a factor of about 80. For representing 90% of the variation in shape using the model, 10 eigenmodes are needed. The model was numerically assessed and forms the basis for future segmentation and analysis of cervical cancer.