Precise image guidance for liver cancer stereotactic body radiotherapy using element-resolved motion-compensated cone beam CT

使用元素分辨运动补偿锥形束CT精确引导肝癌立体定向放射治疗

基本信息

  • 批准号:
    10348153
  • 负责人:
  • 金额:
    $ 6.68万
  • 依托单位:
  • 依托单位国家:
    美国
  • 项目类别:
  • 财政年份:
    2018
  • 资助国家:
    美国
  • 起止时间:
    2018-03-15 至 2022-06-10
  • 项目状态:
    已结题

项目摘要

Project Summary Liver cancers, both primary and metastatic, are increasing in incidence and are associated with significant mortality. Stereotactic Body Radiotherapy (SBRT) has been established as an effective, safe, and feasible first- line option in the local control of unresectable hepatic malignancies. Nonetheless, a large margin (typically ~1cm) has to be used in current liver SBRT to accommodate tumor positioning uncertainty under cone-beam CT (CBCT) image guidance. Because of respiratory motion and vanishing tumor contrast, the tumor target cannot be visualized in CBCT. Inferior tumor positioning approach based on anatomical or implanted surrogates are clinical standard, leading to substantial tumor position uncertainty and a typical margin size of ~1cm. Consequently, high dose to a large volume of normal tissue is delivered, causing a toxicity concern, especially in patients with liver dysfunction caused by cancer and/or treatments is more substantial. In addition, normal tissue toxicity limits further dose escalation to improve clinical benefits. This issue is expected to become more severe, when extending SBRT to a wider patient population, e.g. those with a large tumor size. Several emerging imaging approaches have showed potential to improve image guidance accuracy but also encountered challenges. To date, there is no approach that can provide accurate, reliable, and clinically translatable image guidance for liver SBRT. Recently, our group has made a breakthrough towards reconstructing elemental composition image using a standard CBCT platform. Employing a kVp-switching technique, a novel image reconstruction method with spatial and spectral image regularization, as well as a sparse-dictionary based element decomposition method, we achieved ~3% accuracy in elemental composition as tested in phantom studies. We have also accumulated extensive experience in reconstructing high-quality CBCT images under respiratory motion. Armed with these successes, the overall goal of this study is to develop a novel element-resolved and motion-compensated (ERMC-) CBCT to image iodine contrast agent using only 20% contrast injection in a standard treatment planning CT scan for precise (uncertainty <2mm) image guidance in liver SBRT. We will pursue three specific aims (SAs): SA1. Develop the overall ERMC- CBCT system. SA2. Optimize scan parameters via phantom studies. SA3. Perform studies in 10 patient cases to test safety, feasibility, and tumor positioning accuracy of ERMC-CBCT based image guidance. The innovation of this project is a novel ERMC-CBCT system and its application for a clinically significant problem of tumor localization in liver SBRT. Besides the significance of substantially improved localization accuracy and therefore clinical potential of normal tissue sparing and dose escalation, our project also holds the significance of utilizing CBCT to its maximal potential for many other advanced image guidance tasks and quantitative applications. The ERMC-CBCT system is developed on a conventional CBCT platform, the most widely available image-guidance platform in radiotherapy, ensuring its translatability.
项目概要 肝癌,无论是原发性肝癌还是转移性肝癌,其发病率都在增加,并且与显着的癌症相关。 死亡。立体定向放射治疗(SBRT)已被确立为一种有效、安全、可行的首选治疗方法。 不可切除的肝脏恶性肿瘤局部控制的行选项。尽管如此,还是有很大的余量(通常 ~1cm)必须在当前的肝脏 SBRT 中使用,以适应锥束下肿瘤定位的不确定性 CT (CBCT) 图像引导。由于呼吸运动和肿瘤对比消失,肿瘤靶标 无法在 CBCT 中可视化。基于解剖或植入的下肿瘤定位方法 替代物是临床标准,导致肿瘤位置的巨大不确定性和典型的边缘尺寸 〜1厘米。因此,向大量正常组织输送高剂量,引起毒性问题, 尤其是在因癌症和/或治疗引起的肝功能障碍的患者中更为显着。此外, 正常组织毒性限制了剂量的进一步增加,以提高临床效益。这个问题预计 当将 SBRT 扩展到更广泛的患者群体时,例如那些肿瘤尺寸较大的人。 几种新兴的成像方法已显示出提高图像制导精度的潜力,但也 遇到了挑战。迄今为止,还没有一种方法能够准确、可靠、符合临床需要。 肝脏 SBRT 的可翻译图像指导。最近,我们课题组在这方面取得了突破性进展 使用标准 CBCT 平台重建元素成分图像。采用 kVp 开关 技术,一种具有空间和光谱图像正则化的新型图像重建方法,以及 基于稀疏字典的元素分解方法,我们在元素组成方面实现了约 3% 的准确度 正如在幻影研究中所测试的那样。我们也积累了丰富的高质量重建经验 呼吸运动下的 CBCT 图像。有了这些成功,本研究的总体目标是 开发一种新型元素分辨和运动补偿 (ERMC-) CBCT 来对碘造影剂进行成像 在标准治疗计划 CT 扫描中仅使用 20% 造影剂注射以实现精确(不确定性 <2mm) 肝脏 SBRT 中的图像引导。我们将追求三个具体目标(SA):SA1。开发整体 ERMC- CBCT 系统。 SA2。通过模型研究优化扫描参数。 SA3。对 10 个患者病例进行研究 测试基于ERMC-CBCT的图像引导的安全性、可行性和肿瘤定位精度。这 该项目的创新点是一种新颖的 ERMC-CBCT 系统及其在临床重大问题上的应用 肝脏 SBRT 中肿瘤定位的研究。除了显着提高定位精度和 因此,保留正常组织和增加剂量的临床潜力,我们的项目也具有重要意义 充分利用 CBCT 的潜力来完成许多其他高级图像引导任务和定量研究 应用程序。 ERMC-CBCT系统是在传统CBCT平台上开发的,是目前应用最广泛的 放射治疗中可用的图像引导平台,确保其可翻译性。

项目成果

期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ patent.updateTime }}

Xun Jia其他文献

Xun Jia的其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

{{ truncateString('Xun Jia', 18)}}的其他基金

Adversarially Based Virtual CT Workflow for Evaluation of AI in Medical Imaging
基于对抗性的虚拟 CT 工作流程,用于评估医学影像中的人工智能
  • 批准号:
    10391652
  • 财政年份:
    2022
  • 资助金额:
    $ 6.68万
  • 项目类别:
Next generation small animal radiation research platform
下一代小动物辐射研究平台
  • 批准号:
    10680056
  • 财政年份:
    2022
  • 资助金额:
    $ 6.68万
  • 项目类别:
Adversarially Based Virtual CT Workflow for Evaluation of AI in Medical Imaging
基于对抗性的虚拟 CT 工作流程,用于评估医学影像中的人工智能
  • 批准号:
    10592427
  • 财政年份:
    2022
  • 资助金额:
    $ 6.68万
  • 项目类别:
Human-like automated radiotherapy treatment planning via imitation learning
通过模仿学习制定类似人类的自动放射治疗计划
  • 批准号:
    10406863
  • 财政年份:
    2021
  • 资助金额:
    $ 6.68万
  • 项目类别:
Human-like automated radiotherapy treatment planning via imitation learning
通过模仿学习制定类似人类的自动放射治疗计划
  • 批准号:
    10610971
  • 财政年份:
    2021
  • 资助金额:
    $ 6.68万
  • 项目类别:
Intelligent treatment planning for cancer radiotherapy
癌症放疗智能治疗计划
  • 批准号:
    10190850
  • 财政年份:
    2019
  • 资助金额:
    $ 6.68万
  • 项目类别:
Intelligent treatment planning for cancer radiotherapy
癌症放疗智能治疗计划
  • 批准号:
    10593946
  • 财政年份:
    2019
  • 资助金额:
    $ 6.68万
  • 项目类别:
Intelligent treatment planning for cancer radiotherapy
癌症放疗智能治疗计划
  • 批准号:
    10593946
  • 财政年份:
    2019
  • 资助金额:
    $ 6.68万
  • 项目类别:
Intelligent treatment planning for cancer radiotherapy
癌症放疗智能治疗计划
  • 批准号:
    10363727
  • 财政年份:
    2019
  • 资助金额:
    $ 6.68万
  • 项目类别:
Next generation small animal radiation research platform
下一代小动物辐射研究平台
  • 批准号:
    10895120
  • 财政年份:
    2018
  • 资助金额:
    $ 6.68万
  • 项目类别:

相似国自然基金

随机阻尼波动方程的高效保结构算法研究
  • 批准号:
    12301518
  • 批准年份:
    2023
  • 资助金额:
    30 万元
  • 项目类别:
    青年科学基金项目
大规模黎曼流形稀疏优化算法及应用
  • 批准号:
    12371306
  • 批准年份:
    2023
  • 资助金额:
    43.5 万元
  • 项目类别:
    面上项目
基于任意精度计算架构的量子信息处理算法硬件加速技术研究
  • 批准号:
    62304037
  • 批准年份:
    2023
  • 资助金额:
    30 万元
  • 项目类别:
    青年科学基金项目
分布式非凸非光滑优化问题的凸松弛及高低阶加速算法研究
  • 批准号:
    12371308
  • 批准年份:
    2023
  • 资助金额:
    43.5 万元
  • 项目类别:
    面上项目
基于物理信息神经网络的雷达回波资料反演蒸发波导算法研究
  • 批准号:
    42305048
  • 批准年份:
    2023
  • 资助金额:
    30 万元
  • 项目类别:
    青年科学基金项目

相似海外基金

High-Resolution Lymphatic Mapping of the Upper Extremities with MRI
使用 MRI 进行上肢高分辨率淋巴图谱分析
  • 批准号:
    10663718
  • 财政年份:
    2023
  • 资助金额:
    $ 6.68万
  • 项目类别:
A clinical platform for ultrasound-augmented laparoscopy
超声增强腹腔镜临床平台
  • 批准号:
    10586776
  • 财政年份:
    2023
  • 资助金额:
    $ 6.68万
  • 项目类别:
Remote Kinesiology for Improving Human Health with Auto-locating Compliant Motion Tracking Stickers and Artificial Intelligence
通过自动定位兼容运动跟踪贴纸和人工智能来改善人类健康的远程运动机能学
  • 批准号:
    10751952
  • 财政年份:
    2023
  • 资助金额:
    $ 6.68万
  • 项目类别:
High-Resolution Lymphatic Mapping of the Upper Extremities with MRI
使用 MRI 进行上肢高分辨率淋巴图谱分析
  • 批准号:
    10663718
  • 财政年份:
    2023
  • 资助金额:
    $ 6.68万
  • 项目类别:
C2: Data Science
C2:数据科学
  • 批准号:
    10705969
  • 财政年份:
    2023
  • 资助金额:
    $ 6.68万
  • 项目类别:
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了