Université de Rennes Patient-specific gating scheme for thoracoabdominal tumor radiotherapy guided by magnetic resonance imaging Schéma de Gating spécifique au patient pour la radiothérapie de tumeur thoracoabdominale guidée par l’imagerie par résonance magnétique MR-LinacgatingSuivi des tumeursPrédiction du mouvement respiratoireSpécifique au patient MR-Linacgatingtumor trackingrespiratory motion predictionpatient-specific TumeursImagerie par résonance magnétique Prédiction séquentielle L’objectif ultime de thèse est de développer un système de synchronisation de bout en bout pour la compensation en temps réel des mouvements lors du traitement du cancer du poumon et du foie sur l’Elekta Unity. Ce système surveillera et localisera automatiquement en temps réel la position spatiale tridimensionnelle de la tumeur, et prédira sa trajectoire dans 0.5 secondes. Un signal de synchronisation sera généré pour contrôler l’activation et la désactivation du faisceau pendant la radiothérapie, réduisant ainsi l’inexactitude dans la délivrance de la dose due au mouvement respiratoire. Pour atteindre cet objectif, les étapes suivantes ont été réalisées : 1. Validation de l’efficacité de KCF dans le suivi des tumeurs en 2D sur des images en IRM cine, plus efficace et précise par rapport aux méthodes traditionnelles (TM). La précision est améliorée en calculant le centroïde des pixels, et la sélection des plans (coronales vs sagittales) pour localiser les tumeurs dans la direction SI. 2. Proposition d’un modèle C-NLSTM spécifique au patient qui combine la préformation du modèle C-NLSTM et l’optimisation de la cible pour obtenir une meilleure prédiction du mouvement de tumeurs. Le transfer learning, en utilisant efficacement le modèle préformé sur un ensemble de données limité, est une solution pertinente face au manque de données de l’Elekta Unity. Le modèle montre une performance satisfaisante dans la prédiction en temps réel pour la compensation du movement spécifique au patient. 3. Validation de la régression linéaire dans la prédiction du mouvement des organs ou des tumeurs en utilisant des images MR ciné 2D et proposition d’un schéma de prédiction en ligne pour les signaux de gating. Les signaux de gating sont déclenchés àl’aide de modèles prédictifs, prouvant son efficacité dans la MRgRT en comparant avec des modèles RNN. 4. Intégration des travaux susmentionnés, proposition d’une solution complète de compensation des mouvements respiratoires basée sur la IRM cine orthogonale. En optimisant un modèle de pavé et en explorant différents scénarios, des signaux de gating sont générés pour répondre aux besoins de traitement des différents patients. La validation par étude dosimétrique confirme que l’efficacité de la solution proposée dans la protection des organes environnants à risque. En résumé, le système proposé est robuste et fiable, réalisant une adaptation en temps réel au mouvement des tumeurs en MRgRT. Il fournit un solide soutien pour la compensation du mouvement respiratoire dans le traitement des cancers thoraciques et abdominaux, servant d’outil essentiel pour la radiothérapie de précision. The ultimate aim of this paper is to develop an end-to-end gating system for real-time motion compensation during lung cancer and liver cancer treatment on the Elekta Unity. This system will monitor and automatically locate the three-dimensional spatial position of the tumor in real-time, and predict the tumor’s motion trajectory in the Superior-Inferior (SI), Left-Right (LR), and Anterior-Posterior (AP) directions in advance. Based on the set gating rules, a unique gating signal will be generated to control the beam on and off during radiotherapy, thereby compensating for the inaccuracy of dose delivery due to respiratory motion. To achieve this goal, the following steps have been carried out : 1. We proposed a tumor tracking workflow based on KCF, addressing the issues of time consumption and accuracy in tumor tracking using 2D Cine-MRI. Firstly, we verified the efficiency and accuracy of KCF in 2D Cine-MRI tumor tracking. By calculating the centroid, we improved the situation where the fixed-size template generated errors when the tumor shape changed, thus enhancing the tracking accuracy. In particular, we focused on the tracking in the SI direction by optimizing the selection of coronal slices or sagittal slices to determine the optimal position of the tumor in the SI direction. 2. We proposed a patient-specific transfer C-NLSTM model for real-time prediction of tumor motion, addressing the issue of insufficient training data. We constructed a C-NLSTM model, and introduced transfer learning to fully leverage the rich knowledge and feature representation capabilities embedded in the pretrained model, while fine-tuning is conducted based on specific patient data to achieve high-precision prediction of tumor motion. Through this approach, the model can be trained with only two minutes of patient-specific data, effectively overcoming the challenge of data acquisition. 3. We proposed an efficient gating signal prediction method, overcoming the challenge of precise predictions in 2D Cine-MRI with limited sampling frequencies. We validated the effectiveness of linear regression for predicting internal organ or tumor motion in 2D MR cine. And we proposed an online gating signal prediction scheme based on ALR to enhance the accuracy of gating radiotherapy for liver and lung cancers. 4. We proposed an end-to-end gating system based on 2D Cine-MRI for the Elekta Unity MRgRT. It enables real-time monitoring and automatic localization of the tumor’s 3D spatial position, prediction of tumor motion in three directions, and fitting an optimal cuboid (gating threshold) for each patient based on the tumor’s motion range. Additionally, we explored various approaches to derive 3D gating signals based on tumor motion in one, two, or three directions, aiming to cater to different patient treatment needs. Finally, the results of dosimetric validation demonstrate that the proposed system can effectively enhance the protection of OAR. Electronic Thesis or DissertationText en application/pdf1 : 32072 Kohttps://ged.univ-rennes1.fr/nuxeo/site/esupversions/6f70ca54-dc66-4d74-8b10-51490115581c Li Yang 1993-10-13 CN 280149972 yang_li1993@163.com 2024URENS015 http://www.theses.fr/2024URENS015 2024-05-27 Signal, image, vision Université de Rennesthesis.degree.grantor_1 26693823X Southeast university (Nanjing, Chine)thesis.degree.grantor_2 131389971 Doctorat non ouiGeDiintervenant_1241797829LiBaoshengintervenant_2280150393DillensegerJean-Louisintervenant_3131390155GeDiintervenant_1241797829LiBaoshengintervenant_2280150393ChenDaintervenant_4199517908ZhuJianintervenant_5168526263 MATISSEecoleDoctorale_1 267602553 Laboratoire de Traitement du Signal et de l'Image partenaireRecherche_1 177793767 ddc:620 GeDiLiBaoshengDillensegerJean-LouisChenDaZhuJianUniversité de RennesSoutheast university (Nanjing, Chine)MATISSE Laboratoire de Traitement du Signal et de l'Image ASCII PDF 32841963