PDF herunterladen
Tierarztl Prax Ausg K Kleintiere Heimtiere 2019; 47(01): 5-12
DOI: 10.1055/a-0806-6366
Originalartikel
© Georg Thieme Verlag KG Stuttgart · New York

Radiation therapy planning using MRI-CT fusion in dogs and cats with brain tumors

Strahlentherapieplanung mittels MRT-CT-Fusionierung bei Hunden und Katzen mit Hirntumoren
Julia Buchholz
1   Animal Clinic Hofheim, Hofheim, Germany
,
Eberhard Ludewig
2   Diagnostic Imaging Department for Companion Animals and Horses, University of Veterinary Medicine Vienna (Vetmeduni Vienna), Vienna, Austria
,
Andreas Brühschwein
3   Clinic of Small Animal Surgery and Reproduction, Ludwig-Maximilian University, Munich, Germany
,
Dagmar Nitzl
4   Freelance Radiologist, Zurich, Switzerland
,
Andrea Sumova
5   Anicura Animal Oncology and Imaging Center, Hünenberg, Switzerland
,
Barbara Kaser-Hotz
5   Anicura Animal Oncology and Imaging Center, Hünenberg, Switzerland
› Institutsangaben
Weitere Informationen

Publikationsverlauf

04/18/2018

10/01/2018

Publikationsdatum:
26. Februar 2019 (online)

    Lizenzen und Reprints

Abstract

Introduction Volume definition is a delicate step within the radiation treatment planning process and the precision of defining the volumes to irradiate is important for the success of the radiation treatment. Traditionally, radiation plans are created using computed tomography (CT) studies. Due to its different mechanism of action, magnetic resonance imaging (MRI) is more sensitive for detection of brain lesions. Therefore, using fused images of both imaging modalities should result in a more precise definition of the volumes to irradiate. The feasibility to fuse CT and MRI studies performed at different institutions was tested to subsequently analyse the influence of the fused images on target volume definition.

Materials and methods Fourteen dogs and four cats with brain lesions having MR- and CT-imaging were included. Contrast-enhanced radiotherapy planning CT scans were fused to T1-weighted post-contrast and T2-weighted MRI scans. The gross tumor volume (GTV), the clinical tumor volume (CTV) and the planning target volume (PTV) were delineated on CT- and MRI studies. CT and MRI volumes were compared with regard to volumetric and spatial differences.

Results The mean GTV was larger on MRI than on CT (2.15 vs.1.54 cm3). Also the mean CTV was larger on MRI than on CT (5.34 vs. 4.38 cm3). Consequently, the mean PTV was larger on MRI than on CT (14.20 vs. 10.82 cm3) as well. None of the differences in defined volumes were significant. Fusion images were accepted showing mean errors of 1.32 mm (mean error) and 1.73 mm (maximal error).

Conclusion CT-MRI fusion was feasible especially when defined, reliable, and consistent anatomic landmarks were used as registration points. Volumetric differences between CT and MRI were insignificant. In general, GTV and CTV were easier identified on MRI.

Zusammenfassung

Gegenstand und Ziel Die Präzision, mit der die Bestrahlungsvolumina und damit die Grenzen der Strahlenfelder definiert werden, entscheidet wesentlich über den Erfolg einer Strahlentherapie. Traditionell basiert die Planung auf Datensätzen einer zuvor durchgeführten computertomographischen Untersuchung. Aufgrund anderer Abbildungseigenschaften ist die Magnetresonanztomographie (MRT) der Computertomographie (CT) bei der Darstellung zerebraler Läsionen überlegen. Es ist davon auszugehen, dass durch die Fusion der Daten von CT- und MRT-Studien die Definition der Bestrahlungsvolumina präziser erfolgen kann. Ziel der Untersuchungen war, die Durchführbarkeit der Fusion von Bilddatensätzen aus unterschiedlichen Einrichtungen zu testen, um in der Folge den Einfluss fusionierter Bilder auf die Darstellung der Zielvolumina zu untersuchen.

Material und Methoden In die Studie wurden 14 Hunde und vier Katzen mit Hirnläsionen, bei denen MRT- und CT-Studien vorlagen, eingeschlossen. Fusioniert wurden Datensätze von CTs zur Strahlentherapieplanung nach Kontrastmittelgabe mit T1-gewichteten MRT-Serien nach Kontrastmittelapplikation und mit T2-gewichteten MRT-Serien. Das makroskopische Tumorvolumen (GTV), das klinische Tumorvolumen (CTV) und das Planungszielvolumen (PTV) wurden auf den CT- und MRT-Studien eingezeichnet. CT- und MRT-Volumina wurden bezüglich volumetrischer und räumlicher Unterschiede verglichen.

Ergebnisse Der Mittelwert des GTV war in den MRT-Aufnahmen größer als in den CT-Aufnahmen (2,15 vs.1,54 cm3). Dies galt ebenso für das CTV (5,34 vs. 4,38 cm3). Folglich war auch das Planungszielvolumen im MRT größer als im CT (14,20 vs.10,82 cm3). Keiner der in den definierten Volumina gefundenen Unterschiede erwies sich als signifikant. Fusionsbilder mit einer mittleren Abweichung von 1,32 mm (Mittelwert) und 1,73 mm (Maximum) wurden akzeptiert.

Schlussfolgerung Die CT-MRT-Fusion war vor allem durch die Verwendung von definierten, verlässlichen und übereinstimmenden anatomischen Orientierungshilfen als Registrierungspunkte durchführbar. Volumetrische Unterschiede zwischen den beiden Studien waren nicht signifikant. Generell konnten GTV und CTV einfacher mit den MRT-Serien identifiziert werden.

Key words

Magnetic resonance imaging - computed tomography - oncology - radiology

Schlüsselwörter

Magnetresonanztomographie - Computertomographie - Onkologie - Radiologie
 

  • References

  • 1 Ahmed M, Schmidt M, Sohaib A. et al. The value of magnetic resonance imaging in target volume delineation of base of tongue tumours – A study using flexible surface coils. Radiother Oncol 2010; 94 (02) 161-167
    CrossrefPubMedGoogle Scholar
  • 2 Astner ST, Dobrei-Ciuchendea M, Essler M. et al. Effect of 11C-methionine-positron emission tomography on gross tumor volume delineation in stereotactic radiotherapy of skull base meningiomas. Int J Radiat Oncol Biol Phys 2008; 72 (04) 1161-1167
    CrossrefPubMedGoogle Scholar
  • 3 Battista JJ, Rider WD, Van Dyk J. Computed tomography for radiotherapy planning. Int J Radiat Oncol Biol Phys 1980; 6 (01) 99-107
    CrossrefPubMedGoogle Scholar
  • 4 Christensen NI, Forrest LJ, White PJ. et al. Single institution variability in intensity modulated radiation target delineation for canine nasal neoplasia. Vet Radiol Ultrasound 2016; 57 (06) 639-645
    CrossrefPubMedGoogle Scholar
  • 5 Feng Y, Lawrence J, Cheng K. et al. Invited review – image registration in veterinary radiation oncology: indications, implications, and future advances. Vet Radiol Ultrasound 2016; 57 (02) 113-123
    CrossrefPubMedGoogle Scholar
  • 6 Fox JL, Rengan R, O‘Meara W. et al. Does registration of PET and planning CT images decrease interobserver and intraobserver variation in delineating tumor volumes for non-small-cell lung cancer?. Int J Radiat Oncol Biol Phys 2005; 62 (01) 70-75
    CrossrefPubMedGoogle Scholar
  • 7 Grégoire V, Haustermans K, Geets X. et al. PET-based treatment planning in radiotherapy: a new standard?. J Nucl Med 2007; 48 (Suppl. 01) 68S-77S
    PubMedGoogle Scholar
  • 8 Hill DL, Hawkes DJ, Gleeson MJ. et al. Accurate frameless registration of MR and CT images of the head: applications in planning surgery and radiation therapy. Radiology 1994; 191 (02) 447-454
    CrossrefPubMedGoogle Scholar
  • 9 Hu H, Barker A, Harcourt-Brown T. et al. Systematic review of brain tumor treatment in dogs. J Vet Intern Med 2015; 29 (06) 1456-1463
    CrossrefPubMedGoogle Scholar
  • 10 Jansen EPM, Dewit LGH, van Herk M. et al. Target volumes in radiotherapy for high-grade malignant glioma of the brain. Radiother Oncol 2000; 56: 151-156
    CrossrefPubMedGoogle Scholar
  • 11 Kent MS, Turek MM, Farrelly J. Recent advances in veterinary radiation oncology. Vet Comp Oncol 2018; 16 (02) 167-169
    CrossrefPubMedGoogle Scholar
  • 12 Kent MS, Turek MM, Farrelly J. Recent advances in veterinary radiation oncology. Vet Radiol Ultrasound 2018; 59 (01) 10-12
    CrossrefPubMedGoogle Scholar
  • 13 Kessler ML, Li K, Meyer C. Automated image registration using mutual information for both affine and thin-plate spline geometric transformations. Proceedings XIII: ICCR (Heidelberg, Germany. 2001: 96-98
    PubMedGoogle Scholar
  • 14 Khoo VS, Adams EJ, Saran F. et al. A Comparison of clinical target volumes determined by CT and MRI for the radiotherapy planning of base of skull meningiomas. Int J Radiat Oncol Biol Phys 2000; 46 (05) 1309-1317
    CrossrefPubMedGoogle Scholar
  • 15 Khoo VS, Joon DL. New developments in MRI for target volume delineation in radiotherapy. Br J Radiol 2006; 79: 2-15
    CrossrefPubMedGoogle Scholar
  • 16 LaRue SM, Custis JT. Advances in veterinary radiation therapy: targeting tumors and improving patient comfort. Vet Clin North Am Small Anim Pract 2014; 44 (05) 909-923
    CrossrefPubMedGoogle Scholar
  • 17 Lyons J, Thrall DE, Pruitt AF. Comparison of isodose distributions in canine brain in heterogeneity-corrected versus uncorrected treatment plans using 6 MV photons. Vet Radiol Ultrasound 2007; 48 (03) 292-296
    CrossrefPubMedGoogle Scholar
  • 18 McEntee MC. Veterinary radiation therapy: review and current state of the art. J Am Anim Hosp Assoc 2006; 42 (02) 94-109
    CrossrefPubMedGoogle Scholar
  • 19 Messa C, Di Muzio N, Picchio M. et al. PET/CT and radiotherapy. Q J Nucl Med Mol Imaging 2006; 50 (01) 4-14
    PubMedGoogle Scholar
  • 20 Mosley-Shirazi MA, South CP. How precise is manual CT-MRT registration for cranial radiotherapy planning?. Iran J Radiat Res 2005; 3 (02) 53-62
    PubMedGoogle Scholar
  • 21 Njeh CF. Tumor delineation: The weakest link in the search for accuracy in radiotherapy. J Med Phys 2008; 33 (04) 136-140
    CrossrefPubMedGoogle Scholar
  • 22 Rohrer Bley C, Blattmann H, Roos M. et al. Assessment of a radiotherapy patient immobilization device using single plane port radiographs and a remote computed tomography scanner. Vet Radiol Ultrasound 2003; 44 (04) 470-475
    CrossrefPubMedGoogle Scholar
  • 23 Simpson DR, Lawson JD, Nath SK. et al. Utilization of advanced imaging technologies for target delineation in radiation oncology. J Am Coll Radiol 2009; 6 (12) 876-883
    CrossrefPubMedGoogle Scholar
  • 24 Vaarkamp J. Reproducibility of interactive registration of 3D CT and MR pediatric treatment planning head images. J Appl Clin Med Phys 2001; 2 (03) 131-137
    CrossrefPubMedGoogle Scholar
  • 25 Zou KH, Warfield SK, Bharatha A. et al. Statistical validation of image segmentation quality based on a spatial overlap index. Acad Radiol 2004; 11 (02) 178-189
    CrossrefPubMedGoogle Scholar