Analyse av dynamisk kontrastforsterket MRI av livmorhalssvulster
Master thesis
![Thumbnail](/nmbu-xmlui/bitstream/handle/11250/293972/MSc_Groendahl_2015.pdf.jpg?sequence=4&isAllowed=y)
View/ Open
Date
2015-07-30Metadata
Show full item recordCollections
- Master's theses (RealTek) [1826]
Abstract
Dynamisk kontrastforsterket MR-avbildning (DCE-MRI) beskriver karnettverkets egenskaper i vevet som avbildes. Avbildningen består av en serie MR-bilder tatt i etterkant av en intravenøs injeksjon med kontrastmiddel. Ut ifra denne bildeserien kan den relative signaløkningen RSI(t) som oppstår på grunn av kontrastmiddelet beregnes for hvert volumelement (voksel) av vevet som avbildes. Ved å tilpasse farmakokinetiske modeller til den relative signaløkningen RSI(t) estimeres modellparametere som gir en kvantitativ beskrivelse av vevets egenskaper. DCE-MRI gjenspeiler variasjoner i karnettverket internt i kreftsvulster og gir således et mål på kreftsvulsters heterogenitet. Dette kan potensielt utnyttes i forbindelse med tilrettelagt kreftbehandling, for eksempel ved å gi økt stråledose til tumorområder som predikeres å respondere dårlig på behandling. I denne oppgaven analyseres DCE-MRI av 81 pasienter med lokalavansert livmorhalskreft. Grunnlaget for analysen er en DCE-MRI-studie gjennomført ved Radiumhospitalet i perioden 2001-2004. Den dynamiske avbildningen ble utført i forkant av behandlingsoppstart. Samtlige pasienter mottok så kurativ behandling i form av kombinert kjemo- og stråleterapi. I etterkant av behandlingen er pasientene fulgt opp jevnlig med kliniske undersøkelser, slik at behandlingsutfallet i stor grad er kjent. Hovedmålet med analysene som utføres i denne oppgaven er å undersøke om det er forskjellige områder i kreftsvulstene som har like egenskaper, og om de relative størrelsene til disse områdene kan kobles opp mot behandlingsutfall. Datagrunnlaget som analyseres er den relative signaløkningen RSI(t) og modellparametere fra to farmakokinetiske modeller, henholdsvis Tofts- og Brixmodellen. For å identifisere tumorområder med like egenskaper grupperes vokslene med K-means klyngeanalyse basert på henholdsvis Toftsparameterne, Brixparameterne og RSI(t). For å vurdere sammenhengen mellom tumorområdenes relative størrelser og behandlingsutfall beregnes hver pasients volumandel av den enkelte vokselgrupperingen, hvorpå pasientene deles inn i to grupper etter median volumandel. Dette gir to pasientgrupper med henholdsvis høy og lav volumandel av det aktuelle tumorområdet. Pasientgruppene testes så for forskjell i risiko for tilbakefall av kreftsykdommen. Lokalt tilbakefall, tilbakefall i form av metastaser og tilbakefall total sett undersøkes separat. Analysene viser at K-means klyngeanalyse basert på data fra DCE-MRI kan anvendes til å identifisere tumorområder som er knyttet til behandlingsutfall. For samtlige datasett identifiseres det tumorområder som er signifikant knyttet til tilbakefall av kreftsykdommen. Grupperingen av vokslene basert på Toftsparameterne identifiserer tre ulike tumorområder som er signifikant forbundet med hver sin form for tilbakefall, mens analysen av Brixparameterne resulterer i én vokselgruppering som er signifikant knyttet til både tilbakefall i form av metastaser og tilbakefall totalt. For RSI(t) identifiseres et tumorområde som er signifikant assosiert med lokalt tilbakefall. Dynamic contrast enhanced MR imaging (DCE-MRI) reflects the vasculature of the imaged tissue. The image acquisition consists of a series of MR images taken after an intravenous injection of contrast agent. Based on this image series the relative signal increase RSI(t) which occurs due to the contrast agent can be calculated for each volume element (voxel) of the imaged tissue. Fitting pharmacokinetic models to the relative signal increase RSI(t) results in estimated model parameters that provide a quantitative description of the tissue properties. DCE-MRI reflects variations in the vasculature within tumours and thus provides a measure of tumour heterogeneity. This can potentially be utilized in optimized cancer treatment, for example by increasing the radiation dose to tumour regions that are expected to show poor treatment response. In this Master’s thesis DCE-MRI of 81 patients with locally advanced cervical cancer is analysed. The basis of the analysis is a study of cervical cancer patients performed at the Norwegian Radium Hospital from 2001 to 2004. The dynamic image acquisition was performed prior to treatment. Thereafter all patients received curative radiotherapy with adjuvant chemotherapy. After treatment the patients were followed up regularly with clinical examinations. Due to a long follow-up time the treatment outcome is largely known. The main objective of this thesis is to investigate if there are different regions within the cervical cancers that exhibit homogeneous characteristics, and if the relative sizes of these regions could be associated with treatment outcome. The data analysed is the relative signal increase RSI(t) and the parameters from two different pharmacokinetic models called the Tofts model and the Brix model. To identify tumour regions with similar characteristics, the voxels are grouped by performing K-means clustering based on the Tofts parameters, the Brix parameters and the relative signal increase RSI(t), respectively. To evaluate the association between the relative sizes of the tumour regions and treatment outcome, the volume fraction of the identified tumour regions are calculated for each patient. The patients are divided into two groups according to the median volume fraction, resulting in two groups of patients with low and high volume fraction of the specific tumour region. The patient groups are then tested for the difference in risk of relapse of the disease. Local relapse, metastatic relapse and progression free survival are investigated separately. The analyses show that K-means clustering based on data from DCE-MRI can be used to identify tumour regions that are related to treatment outcome. For all the investigated datasets tumour regions that are significantly related to recurrence of cancer are identified. Classification of the voxels based on the Tofts parameters identify three different tumour regions that are significantly associated with each form of relapse, while the analysis of the Brix parameters results in a group of voxels which are significantly related to both metastatic relapse and progression free survival. The analysis of RSI(t) identifies a tumour region that is significantly associated with local relapse.