Medical image registration schemes based on Biomechanical models

Abstract

서로다른 모달리티(modality)를 갖는 의료영상을 정합하고 분석하기 위하여 상호정보량(Mutual Information)이 의료 영상 정합(Medical Image Registration)분야에 적용된 이후로 많은 연구자들에 의해 그 견고성(robustness)과 정확성이 향상되어 왔다. 본 논문에서는 상호정보량을 이용한 전역 영상정합(Rigid-body Image Registration)과 디포머블 영상 정합(Deformable Image Registration) 방법에 있어 기존의 알고리즘들이 갖고 있던 문제들을 분석하고 실제 생명체 안에서 발생하는 기관들의 움직임을 고려한 향상된 영상 정합 알고리즘들을 제시한다. 먼저 전역 영상정합에 있어서는 의료 영상의 특성상 살아있는 생명체의 내부 기관들은 항상 움직임을 갖게 되고, 이러한 지역적인 기관이동은 전역 영상 정합의 신뢰도를 보장하지 못하게 한다. 이를 피하기 위하여 이미지의 특정영역을 제한하여 사용하는 ROI 블록 매칭 방법이 제시되었으나 많은 연구자들이 의료진에게 컴퓨터가 계산해 낸 영상 정합을 직접 눈으로 확인하기 전에 신뢰하지 말도록 경고하고 있다. 이는 블록을 지정하는 방법이 블록의 위치와 크기에 따라 영상 정합의 결과과 현저히 달라지기 때문이다. 따라서 영상 정합의 결과가 실제 치료과정에서 사용되기 위해서는 세심한 사후 확인 및 수동 보정 (Manual adjustment)을 필요로 한다. 전문가가 사후 확인 하는 과정에서는 치료 대상 기관(treatment target)이 정확히 정합되었는지가 1 차적 목표이고, 2 차적으로 주변의 다른 기관들이 치료대상의 정합을 위해 과도하게 부정합(misregister)되지 않았는지를 확인하게 된다. 문제는 상호정보량이 주어진 블록안에 위치한 모든 픽셀(pixel)에 동일한 중요도를 사용함으로써 특정 영역을 포함하거나 제외하는 두가지 선택만을 제공하므로 전문가가 고려하는 절충된 결과를 찾아내기 위한 블록 설정이 불가능하다. 본 논문에서는 수동보정의 필요성을 줄이거나 없앨 수 있도록 하기 위하여 상호정보량의 계산식을 개선하여 공간가중치를 갖는 상호정보량 (Spatially Weighted Mutual Information)을 제안한다. 상호 정보의 계산에 사용되는 결합확률함수(joint probability)가 결합히스토그램(joint histogram)을 계산할 때 영상안에서 공간적 위치에 따라 서로 다른 가중치를 갖고 계수(count) 되도록 하는 방법을 통해 공간 가중치를 갖는 상호정보량을 유도한다. 중요한 오건에 높은 가중치를 부여하고, 올바른 전역영상정합을 방해할 우려가 있지만 무시해서는 안되는 주변 영역에 낮은 가중치를 부여하여 전문가의 절충된 수동 정합을 유도할 수 있도록 한다. 또한 본 논문에서는 공간 가중치를 갖는 상호 정보 (SWMI)의 경사도(Gradient)를 유도하여 새로운 상호 정보가 일반적 최적화 과정에 적용될 수 있도록 한다. 전역 영상정합을 영상유도방사선치료(Image Guided Radiation Therapy)과정에 적용하기 위해 가우시안 가중치 함수 (Gaussian-shaped weight)을 적용한다. 가우시안 가중치를 이용하는 SWMI (SWMI-GW)는 중앙부에 높은 가중치를 부여하고 외곽 방향으로 점진적 감소하는 가중치 형상을 사용한다. 그리하여 치료 대상이 되는 중요기관(organ)에 가우시안 함수의 중앙이 위치하도록 하고 외곽에 무시해서는 안되지만 올바른 영상 정합을 방해할 우려가 있는 인접 기관들이 위치하도록 가우시안 함수의 표준 편차를 설정할 수 있다. 다음으로는 고속 디포머블(deformable) 영상 정합 방법을 제시하였다. 디포머블 영상 정합은 기존의 영상과 새로운 영상 사이에 비균일적인 변화를 추적하기 위해 사용되어 추정해야할 변수가 많아 많은 계산 시간을 소요한다. 또한 대부분의 디포머블영상정합 알고리즘들은 실제 신체기관의 기계적 특성을 반영하지 못하여 실제로는 서로 독립적으로 움직이는 이웃하는 기관이나 뼈와 같이 균일하게 움직이는 신체기관을 추적하는데 오류를 보인다. 본 논문에서는 방사선 치료계획을 비롯한 많은 의료영상들이 전문가에 의해 작성된 윤곽선 정보를 가지고 있고 이러한 윤곽선 정보가 치료과정에 필요한 충분한 정보이며 또한 이러한 기관들이 상당부분 독립적으로 움직인다는 점을 착안하여 기존의 영상에 그려진 윤곽선 정보를 새로운 영상으로 전이하는 고속 알고리즘을 제시한다. 이는 기존의 영상에 그려진 윤곽선정보를 바탕으로 각각의 윤곽선으로 분할된 영상들을 다중 컴퓨터 클러스터에서 병렬로 리지드(rigid) 또는 어파인(affine) 영상 정합을 한 후에 결과를 수집하는 방법을 사용한다. 본 논문에서는 각각의 기관별로 기관의 기계적 특성을 고려하여 영상 정합을 위한 방법을 다르게 선택할 수 있게 함으로써 실제에 가까운 디포머블 영상 정합을 얻을 수 있다. 본논문에서는 개발된 전역 영상 정합과 디포머블 영상 정합 방법을 방사선 종양학과의 실제 치료기록을 이용하여 성능을 확인한다.; In medical image analysis, we usually have to deal with multi modality. Since the mutual information has been employed to medical image registration due to its multi-modal capability, many researchers have improved its robustness and accuracy [1]. In this dissertation, we analyze the drawbacks of existing rigid-body image registration and deformable image registration algorithms which are utilizing mutual information similarity. Therefore, we present two enhanced registration algorithms with considering actual movements of living organs in human body. At first, for a rigid-body image registration, living organ always has local movements and these local organ movements may hinder a proper global rigid-body image registration [2,3]. Though a block matching method with region-of-interest (ROI) has been utilized to avoid these hindrances, many researchers have warned not to trust the computerized image registration result until the expert’s approval [2,4-6]. It is because the location and size of ROI for block matching significantly affects the result of global rigid-body image registration. Therefore, the careful review and manual adjustments are usually necessary to the computerized image registration for real patient treatment processes [4]. When human experts review and adjust the image registration result for radiation treatment, their first priority is checking the accurate registration of the treatment target organ. And the second is checking whether there is excessive misalignment of neighboring critical organs. The problem of the block methods is that they treat all the pixels in the block with the same importance. Since the block method has given only two options (include or not), there is no way to find the compensated registration result like the human expert does. In this dissertation, we develop a new form of mutual information to reduce the necessity of the posterior manual adjustment. We present a Spatially Weighted Mutual Information (SWMI) from Mutual Information. We reformulate the joint probability equation so that it can count with differential weights for the joint histogram. Then we can set the higher weight to the important image region so that it can dominate the registration. If there is an organ which can hinder the proper global registration but which should not be neglected, we can set the lower weight, not exclude them. Therefore, we can get the compensated registration result with the proper selection of weight function. In this dissertation, we also show the derivation of the gradient of SWMI. Therefore, various optimization algorithms can be employed. To apply SWMI for patient repositioning problem in Image-Guided Radiation Therapy (IGRT), we utilize a Gaussian-shaped weight function to SWMI. Rigid-body image registration using SWMI with Gaussian-shaped Weight function (SWMI-GW) sets the higher weight to the centered region and the gradually decreasing weights to the outer region. Therefore, we can set the center of Gaussian function to the treatment target organ and the variance of Gaussian function to include the neighboring organs which should be neither dominated nor neglected. Secondly, we present a fast deformable image registration method. Since deformable image registration is utilized to trace irregular deformation between prior image and the current image, there are many parameters to be estimated [1,7,8]. Therefore, it is a time consuming job. Moreover, most of non-rigid image registration algorithms don’t consider the biomechanical characteristics [1,9-11]. Therefore, there are known drawbacks. When the two neighboring independent organs move different direction (sliding), they cannot trace them. And they show irregular deformation inside the rigid organ such as bones. In this dissertation, we focus that many medical image applications (i.e. Radiation Treatment Plan) are incorporated with the organ contours which are segmented by the experts and these segmented organs are moving individually. And, the organ contour information is sufficientinformation to be utilized for medical treatments [12,13]. Therefore, we develop a fast contour transforming algorithm. We employed divide and conquer strategy. We split the image with contour information by the contour edge and send those split images to the parallel computing nodes. Then each computing node performs rigid-body or affine image registration for each organ and the registration results are collected. Since we utilize different image registration strategies for different organ types with consideration of the biomechanical model, we can get the realistic deformable image registration for the organs. We test the global rigid-body image registration and deformable image registration method with the real patient treatment history of radiation oncology department.