Quantification of lung damage after lung cancer treatment with radiation therapy
Authors
Nielsen, Lone ; Klausen, Christina Schel
Term
4. term
Publication year
2011
Submitted on
2011-06-01
Pages
52
Abstract
Lungekræft er den hyppigste årsag til kræftrelaterede dødsfald, og non-småcellet lungekræft (NSCLC) er den mest almindelige type. CT-skanninger bruges rutinemæssigt til at finde og vurdere tumorer. Over halvdelen af NSCLC-patienter får strålebehandling (RT), som anvender røntgenstråler til at beskadige kræftceller, så de dør eller holder op med at dele sig. For at tage højde for patientbevægelse bestråles et lidt større område end den synlige tumor, hvilket kan skade rask lungevæv. En mulig bivirkning er strålepneumonitis—en betændelsesreaktion, der kan opstå omkring tre måneder efter RT og ses hos cirka 1–20 % af NSCLC-patienter. På CT kan pneumonitis vise sig som pletvise, uklare områder (uens konsolideringer og diffuse slør). De eksisterende visuelle scoringssystemer til at gradere denne skade er inkonsistente og mangler detaljer, hvilket gør diagnostik og opfølgning vanskelig. I dette projekt undersøgte vi, om lungeskade efter RT kan kvantificeres ved hjælp af CT-skanninger taget før behandling (baseline) og cirka tre måneder efter. Vi segmenterede CT-billederne for at isolere lungerne og udførte teksturanalyse, en metode der beskriver mønstrene i vævet. Vi udtrak teksturtræk fra billedets histogram (fordelingen af pixelintensiteter) og gråtoners samforekomstmatrix (hvor ofte intensiteter forekommer ved siden af hinanden). Vi testede derefter, om disse træk kunne skelne mellem patienter med og uden lungeskade ved hjælp af statistiske metoder (MANOVA) og diskriminantanalyse. Testene gav ikke en tydelig adskillelse mellem grupperne. Alligevel er teksturanalyse lovende til kvantificering af lungeskade, og flere faktorer og forbedringer bør undersøges. Billed- og databehandling blev udført med MINC-værktøjer, C-programmering og MATLAB.
Lung cancer is the leading cause of cancer-related deaths, and non-small cell lung cancer (NSCLC) is the most common type. CT scans are routinely used to locate and assess tumours. More than half of NSCLC patients receive radiation therapy (RT), which uses x-rays to damage cancer cells so they die or stop multiplying. To account for patient movement, clinicians irradiate a slightly larger area than the visible tumour, which can unintentionally harm healthy lung tissue. One possible side effect is radiation pneumonitis—an inflammatory reaction that can appear around three months after RT and affects about 1–20% of NSCLC patients. On CT, pneumonitis may show up as patchy, cloudy areas (irregular consolidations and diffuse hazes). Existing visual scoring systems for grading this damage are inconsistent and lack detail, making diagnosis and follow-up difficult. This project explored whether lung damage after RT can be quantified using CT scans taken before treatment (baseline) and about three months after. We segmented the CT images to isolate the lungs and performed texture analysis, a method that describes the visual patterns in the tissue. We extracted texture features from the image histogram (how pixel intensities are distributed) and the gray-level co-occurrence matrix (how often intensity values appear next to each other). We then tested whether these features could distinguish patients with versus without lung damage, using statistical methods (MANOVA) and discriminant analysis. The tests did not yield a clear separation between the two groups. Even so, texture analysis remains promising for quantifying lung damage, and further factors and refinements should be investigated. Image and data processing were implemented using MINC tools, C programming, and MATLAB.
[This abstract was generated with the help of AI]
Keywords
Documents