An application of multimodal image registration and fusion in a 3D tumor simulation model

Zacharaki, Evangelia I.; Matsopoulos, G. K.; Nikita, Konstantina S.; Stamatakos, Georgios S.

doi:10.1109/iembs.2003.1279856

Cited by 3 publications

(7 citation statements)

References 4 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Similar to CT and MRI, a major application of PET is in radiology studies for brain diagnosis and treatment [47,135,48,208,140,143]. There are a wide range of the application of image fusion using PET, some of which are for cancer treatments [51,223,220,162,222,209,225,229,131], image segmentation and integration [51,259], 3D tumor simulation [191], gynecological cancer diagnosis [190], inertial electrostatic confinement fusion [270], gross tumor volume detection [200,271], diagnosis of local recurrence of rectal cancer [214], tumor detection and treatment [246,220], pediatric solid extracranial tumors [251], telemedicine [201], breast cancer detection [184,252,253], oral cancer treatment [254], lung cancer diagnosis [256,272], cervical cancer treatment [202], esophageal cancer diagnosis [260], and pancreatic tumors characterization [207,261].…”

Section: Positron Emission Tomographymentioning

confidence: 99%

“…There is increased interest in using fusion techniques to improve the imaging quality. The use of PET data in combination with some of the existing modalities using the image fusion techniques include MRI-CT-PET-SPECT-DSA-MEG [47,135], MRI-CT-PET [51,191,200,201,202], MRI-SPECT-PET [48], MRI/CT-PET-SPECT [190], MRI-PET [207,208,140,184,209,143,130,131], FDG-PET-CT [229,251,253], PET-CT [273,248,214,246,220,221,239,29,223,68,254,256,252,222,76,274,261], FDG-PET [272], and PET-CT-ultrasound [260].…”

Section: Positron Emission Tomographymentioning

confidence: 99%

“…There are methodological advancements in the fusion of MR images such as structure similarity match measure (SSIM) [178] that can improve the accuracy of these applications. Other potential applications that incorporate MRI based fusion include image regeneration [179,180,143], potential field visualization [181], lung/liver diagnosis [182], tissue classification [105,20], breast cancer assessment [183,184,185], surgical planning and training [186], multi-dimensional visualization [124], extraction of shape, color and structure of specimen [187], visualization and pattern recognition [188], image registration [125,152,53,127,189,132], MRI guided treatment [152,153], gynecological cancer diagnosis [190] and 3D tumor simulation [191].…”

Section: Magnetic Resonance Imagingmentioning

confidence: 99%

See 2 more Smart Citations

Medical image fusion: A survey of the state of the art

2014

View full text Add to dashboard Cite

Medical image fusion is the process of registering and combining multiple images from single or multiple imaging modalities to improve the imaging quality and reduce randomness and redundancy in order to increase the clinical applicability of medical images for diagnosis and assessment of medical problems. Multi-modal medical image fusion algorithms and devices have shown notable achievements in improving clinical accuracy of decisions based on medical images. This review article provides a factual listing of methods and summarizes the broad scientific challenges faced in the field of medical image fusion. We characterize the medical image fusion research based on (1) the widely used image fusion methods, (2) imaging modalities, and (3) imaging of organs that are under study. This review concludes that even though there exists several open ended technological and scientific challenges, the fusion of medical images has proved to be useful for advancing the clinical reliability of using medical imaging for medical diagnostics and analysis, and is a scientific discipline that has the potential to significantly grow in the coming years.

show abstract

Section: Positron Emission Tomographymentioning

confidence: 99%

Section: Positron Emission Tomographymentioning

confidence: 99%

Section: Magnetic Resonance Imagingmentioning

confidence: 99%

See 1 more Smart Citation

Medical image fusion: A survey of the state of the art

2014

View full text Add to dashboard Cite

show abstract

“…2, 3 In the work of Clatz et al, 4 the patient image is registered with an anatomical atlas, and the finite element method is used to simulate tumor growth. Zacharaki et al 5 applied a multimodal registration and fusion approach to simulate 3D tumor growth, but results are reported only for registered images with no significant temporal gap. A hybrid approach for semi-automated measurement of lung tumor thickness was proposed by Armato et al 6 In their approach, the user indicates initial endpoints along the outer tumor margin; these user-defined endpoints are refined by further processing, and an estimate of the maximum tumor diameter is obtained.…”

Section: Introductionmentioning

confidence: 98%

Interactive Modeling and Evaluation of Tumor Growth

et al. 2009

View full text Add to dashboard Cite

This paper addresses the need to quantify tumor growth and detect changes as this information is relevant to manage the patient treatment and to aid biotechnological efforts to cure cancer (Silva et al. 2008). An interactive tumor segmentation technique is used to recover the shape and size of tumors without imposing shape constraints. This segmentation algorithm provides good convergence, is robust to the initialization conditions, and requires simple and intuitive user interactions. A parametric approach to model tumor growth analytically is proposed in this paper. The preliminary experimental results are encouraging. The segmentation method is shown to be robust and simple to use, even in situations where the tumor boundary definition is challenging. Also, the experiments indicate that the proposed model potentially can be used to extrapolate the available data and help predict the tumor size (assuming unconstrained growth). Additionally, the proposed method potentially can provide a quantitative reference to compare the tumor shrinkage rate in cancer treatments.

show abstract

“…36)nota-se a presença de diversos máximos locais, que podem interromper o processo de otimização para apresentar o resultado da fusão das imagens.FIGURA 36: Máximos locais múltiplos na região de pico do alinhamento das imagens.A presença de muitos máximos locais na curva de IM(FIG. 35)gera um problema para encontrar um posicionamento inicial adequado para o processo de alinhamento, sem risco ser interrompido em uma região de pico, mas longe do máximo local(Zacharaki et al, 2003). A FIG.…”

unclassified

"Fusão de imagens médicas para aplicação em sistemas de planejamento de tratamentos em radioterapia"

Ros¹

View full text Add to dashboard Cite

Tese apresentada como parte dos requisitos para obtenção do Grau de Doutor em Ciências na Área de Tecnologia Nuclear -Aplicações. Orientador: Dra. Laura Natal Rodrigues SÃO PAULO 2006 i Dedico este trabalho aos meus pais, irmãos e esposa, pelo constante incentivo e compreensão. ii AGRADECIMENTOS À Dra. Laura Natal Rodrigues, pela oportunidade de realização deste trabalho e por sua orientação, amizade e incentivo. Ao M. Sc. Armando Alaminos, da MEVIS, por sua amizade, pelos valiosos conhecimentos de imagens médicas e colaboração no desenvolvimento da rotina de programação em linguagem C, que foram fundamentais para a realização deste trabalho. Ao Dr. Miguel Miziara e a todos os demais médicos, físicos, técnicos, residentes e funcionários do Instituto do Câncer Arnaldo Vieira de Carvalho e da clínica de radioterapia CEPRO, pela colaboração em disponibilizar imagens dos pacientes de radioterapia e de radiocirurgia e pelo apoio, amizade e incentivo de todos. À Dra. Linda V. E. Caldas, por sua amizade, incentivo e colaboração. Aos físicos Edilson Pelosi e Cecília Haddad, do Departamento de Radioterapia do Hospital Sírio Libanês, pelas imagens de PET/CT. À Dra. Ramya Balachandran e ao Dr. J. Michael Fitzpatrick, da Vanderbilt University, Nashville, EUA, pela avaliação do método de fusão. À Ilze, Vera Lúcia e Ana Maria, da CPG, pelo auxílio. Ao Instituto de Pesquisas Energéticas e Nucleares (IPEN), pela oportunidade oferecida para a realização deste trabalho. À minha família, pelo inestimável incentivo e compreensão pela minha ausência. A todos que direta ou indiretamente colaboraram com a realização deste trabalho. iii FUSÃO DE IMAGENS MÉDICAS PARA APLICAÇÃO EM SISTEMAS DE PLANEJAMENTO DE TRATAMENTO EM RADIOTERAPIA Renato Assenci Ros RESUMOFoi desenvolvido um programa para fusão de imagens médicas para utilização nos sistemas de planejamento de tratamento de radioterapia CAT3D e de radiocirurgia MNPS. Foi utilizada uma metodologia de maximização da informação mútua para fazer a fusão das imagens de modalidades diferentes pela medida da dependência estatística entre os pares de voxels. O alinhamento por pontos referenciais faz uma aproximação inicial para o processo de otimização não linear pelo método de downhill simplex para gerar o histograma conjugado. A função de transformação de coordenadas utiliza uma interpolação trilinear e procura pelo valor de máximo global em um espaço de 6 dimensões, com 3 graus de liberdade para translação e 3 graus de liberdade para rotação, utilizando o modelo de corpo rígido. Este método foi avaliado com imagens de TC, RM e PET do banco de dados da Universidade Vanderbilt, para verificar sua exatidão pela comparação das coordenadas de transformação de cada fusão de imagens com os valores de referência. O valor da mediana dos erros de alinhamento das imagens foi de 1,6 mm para a fusão de TC-RM e de 3,5 mm para PET-RM, com a exatidão dos padrões de referência estimada em 0,4 mm para TC-RM e 1,7 mm para PET-RM. Os valores máximos de erros foram de 5,3 mm para TC-RM e de 7,4 mm para PET-RM ...

show abstract

An application of multimodal image registration and fusion in a 3D tumor simulation model

Cited by 3 publications

References 4 publications

Medical image fusion: A survey of the state of the art

Medical image fusion: A survey of the state of the art

Interactive Modeling and Evaluation of Tumor Growth

"Fusão de imagens médicas para aplicação em sistemas de planejamento de tratamentos em radioterapia"

Contact Info

Product

Resources

About