Automation of co-registration of pre-clinical RPC-PET images with animal MRI

Abstract

A imagiologia médica é um dos recursos mais utilizados na medicina, sendo as suas principais aplicações no diagnóstico e terapêutica. Imagens obtidas através da fusão de duas modalidades de imagiologia médica apresentam vantagens consideráveis quando comparadas com images provenientes de uma só técnica de imagem, uma vez que combinam informação anatómica com informação funcional.Enquanto a Tomografia por Emissão de Positrões (PET) fornece informações específicas acerca do metabolismo, estudos de Imagiologia por Ressonância Magnética incluem formas anatómicas com elevado contraste, destacando-se o seu desempenho na distinção de tecidos moles. Desta forma, a combinação das duas técnicas fornece parâmetros funcionais combinados com informação espacial adicional. Neste projecto, pretendemos desenvolver uma interface gráfica para a automatização do co-registo de imagens obtidas em estudos de RPC-PET pré-clínico com images de MR animal de forma eficiente. A análise dos pacotes de software disponíveis para este propósito foi feita tendo em conta a amplitude de funcionalidades, a extensibilidade, a portabilidade entre plataformas, o tipo de licença e a possibilidade de aplicação em meio clínico. A plataforma de desenvolvimento do Interactive Data Language (IDL) destacou-se sobre os seus pares cumprindo todos pos requisitos necessários para o desenvolvimento deste projecto. O desenvolvimento do algoritmo de co-registro teve por base o método de medição de pontos de referência, usando a intensidade e a posição dos centroides dos cinco marcadores fiduciais colocados na cama usada em ambos os equipamentos de aquisição de imagem. A matriz da transformação de registo é determinada pela minimização da métrica de semelhança através de um processo de optimização, e aplicada ao volume de RCP-PET. Uma interface gráfica interactiva permite a visualização e manipulação dos volumes co-registados. O algoritmo de fusão foi aplicado a diferentes casos clínicos de imagiologia animal, adquiridos com e sem ratinhos marcados com diferentes radionuclídeos. O desemplenho do programa foi validado qualitativa e quantitativamente, tendo-se obtido um valor médio de TRE (Erro de registo relativamente ao volume alvo) de 1.906 mm. A avaliação das volumes resultantes do processo indica como principal fonte de erro o método de identificação do limiar de intensidade. Por último, foram feitas algumas considerações relativas a potencias melhorias do método desenvolvido.

Medical imaging is one of the most common resources in medicine, where the main applications are within disease diagnosis and monitoring of treatment. Images obtained resorting to two different procedures of medical imaging show considerable advantages when compared with single methods, as both anatomical and functional information are provided with more accuracy. While positron emission tomography (PET) provides a specific metabolic signal, magnetic resonance imaging (MRI) includes anatomical information with superior soft-tissue contrast: the combination of the two methods provides functional parameters and additional spatial information. In this work, we aim at developing a graphical interface for automating the co-registration of images obtained through a pre-clinical RPC-PET system and its image fusion with an animal magnetic resonance system efficiently. Software comparisons were performed considering the breadth of functionality, extensibility, cross-platform portability, and non-restrictive software license, as well as future applicability in clinical settings. It was considered that the Interactive Data Language (IDL) software development package is the one that best fits the current project. The co-registration algorithm is based on the landmarks measurements method grounded on the pixel intensity and the location of the centroids of the five artificial fiducial markers placed on the examination bed used on the two acquisition equipment. The registration transformation is determined by the minimization of the feature-based metrics. After this optimization process, the source image (RCP-PET) is transformed and interpolated. The merged volumes are displayed in a GUI that allows basic volume manipulation steps. The performance of the co-registration was evaluated by testing the algorithm in different datasets acquired with and without small animals (mice) labeled with several radionuclides. The registration results were qualitative and quantitative validated and for the 19 studies successfully merged the mean value for TRE (Target Registration Error) was 1.906 mm. The results obtained suggest that the major error source is related to the fiducial markers and the routine for threshold identification. Finally, considerations on potential improvements to the method are made.