Le logiciel OnQ rts (Oncology Systems Limited, Shrewsbury, UK) est un logiciel dédié à faciliter le travail en radio-oncologie en optimisant les informations qui peuvent être tirées des différentes modalités d’imagerie avancée. Le logiciel permet de faire de la segmentation automatique par atlas, de la planification adaptative, du recontour d’images et du recalage rigide et déformable multimodal. Son utilité se retrouve surtout dans les départements dont les charges de travail sont très élevées, car c’est dans ce contexte que ses capacités d’automatisation des tâches peuvent être pleinement exploitées.
1.3.1 Recalage à l’aide d’OnQ rts
Pour effectuer des recalages multimodaux, de la même manière que le fait le logiciel Elastix, le lo- giciel OnQ utilise une stratégie qui utilise l’information mutuelle entre les images CT et CBCT [58]. L’implémentation de l’algorithme de recalage déformable dans le logiciel emploie la métrique d’infor- mation mutuelle point par point [67,68,69]. De plus, comme il est fait en deux étapes avec le logiciel Elastix, la première étape du recalage avec OnQ rts est un recalage rigide. À cette étape, le logiciel ef- fectue des transformations par translation, rotation et mise à l’échelle pour déplacer l’image CT afin de maximiser la similarité avec l’image CBCT. La deuxième étape est le recalage déformable : l’image CT est déformée localement pour maximiser l’information mutuelle et une image recalée peut être produite au besoin. À noter toutefois que, contrairement au logiciel Elastix, le logiciel OnQ produit des images recalée possédant le champ de vue de l’image CBCT plutôt que de l’image CT, ce qui pro- duit des images plus petites. À chacune de des étapes du recalage, une méthode itérative par multiples résolutions, méthode similaire à la pyramide de résolution d’Elastix, est employée pour converger progressivement à chaque palier [62]. Le logiciel OnQ permet de choisir le nombre d’étapes à cette pyramide. Pour cette étude, afin d’optimiser la qualité des recalages, 4 résolutions ont été utilisées, soit le nombre maximal de résolutions possibles par le logiciel.
Contrairement au logiciel Elastix qui emploie un algorithme de déformation paramétrique par B- Splines, le logiciel OnQ fait appel à un algorithme de type demons [70]. Cet algorithme est également basé sur les valeurs d’intensités des voxels dans les images, mais il ne tente pas d’optimiser des para- mètres de déformation. L’algorithme tiré de cette étude alterne entre le calcul des forces à appliquer à la position des demons et un adoucissement des vecteurs de forces par l’application de gaussiennes. Les forces sont appliquées aux noeuds de déformation par ce qui est appelé des demons, par analogie avec les demons de Maxwell en thermodynamique. Dans ce modèle par Maxwell, on assume un gaz composé de deux types de particules et séparé par une membrane semi-perméable qui laisse passer un type de particule d’un côté et l’autre de l’autre côté. Après un certain temps, les deux types de parti- cules sont séparés et c’est l’action de forces effectuées par des demons sur la membrane qui permet au système de conserver son entropie. De manière analogue à l’explication de Maxwell, les contours de l’image CBCT ou les hauts gradients d’intensité représentant des caractéristiques dans l’image sont
semi-perméables et peuvent laisser passer certains voxels. Dans ce cas, pour les images, le calcul des forces se fait par l’étiquetage des voxels des deux volumes : un demon situé dans un voxel de la carac- téristique de l’image à déformer, mais hors de la caractéristique cible, exercera une force de l’intérieur vers l’extérieur de ce volume à déformer. À l’inverse, un voxel à l’intérieur du volume cible subira une force orientée de l’extérieur vers l’intérieur. La polarité des forces dans ce modèle de déformation est importante de manière à diffuser un volume dans un autre et le conserver dans celui-ci une fois qu’il y est déformé. Dans le contexte du recalage de deux images, les caractéristiques seraient superposées et localement déformées suite à l’application de ces forces. En pratique, dans le modèle général des demons, la force n’est pas calculée, mais uniquement le déplacement résultant ~dpour chaque voxel :
~
d=−~v= (s− m)~∇s (~∇s)2+ (m− s)2
(1.10)
Où ~v est la vélocité des pixels dans l’image, une analogie au déplacement d’un pixel dans l’image tiré de la variation de son intensité. Les variables s et m sont les fonctions d’intensité dans les images fixes et mobiles, respectivement. Ces vélocités sont régularisées de manière à obtenir des déplacements locaux pour chaque région de l’image.
1.3.2 Segmentation automatique et déformation des contours
Le logiciel OnQ rts permet, à l’aide de différentes méthodes, de combiner les informations anato- miques provenant d’images prises à différents moments ou avec différentes modalités. Entre autres, le recalage déformable suivi de différentes corrections et traitement de l’image est une méthode bien présente dans le logiciel pour générer de nouvelles images et de nouveaux contours. Dans le cadre de cette étude, des contours du jour ont été générés de manière automatique, c’est-à-dire par les calculs du logiciel, avec la méthode Auto-contouring (AC), la méthode Re-contouring (RC) et la méthode Adaptive Plan(AP).
Les méthodes AC et RC emploient le recalage déformable basé sur un algorithme de demons [70]. Par la suite, les contours recalés subissent un post-traitement et cela produit les contours finaux propagés sur l’image recalée ou sur l’image CBCT [71]. Pour ce qui est de la méthode RC, les contours dé- formés sont ceux de l’image CT tandis que pour la méthode AC, le contour le plus similaire dans un atlas est choisi pour être déformé sur l’image CBCT. Cette comparaison est effectuée à l’aide d’une métrique d’information mutuelle. À noter toutefois que dans le cadre de l’étude, la recherche dans l’atlas a été forcée : l’image qui a été utilisée pour le recalage est l’image CT, ce qui rend la méthode plus similaire à la méthode RC.
En ce qui a trait au post-traitement des contours, il est fait pour un nombre limité d’organes : la vessie, le rectum, la prostate, les vésicules séminales, les têtes fémorales et le contour externe du corps. Ce traitement comprend des algorithmes utilisés pour le seuillage de l’image pour différentes intensités de pixels et l’application d’un filtre morphologique pour détecter les bords des organes. La méthode
AC utilise ce post-traitement sur tous les contours mentionnés ci-dessus, tandis que la méthode RC ne traite que les contours de la vessie et du rectum.
Ce qui différencie la méthode AP de ces précédentes méthodes, c’est qu’elle génère une nouvelle image déformée à partir de l’image CT et qu’il n’y a aucun post-traitement de l’image suite au reca- lage. Cette technique est évaluée parmi les autres surtout pour son habileté à produire une nouvelle image recalée de qualité diagnostique utilisable pour le recalcul des doses du jour. De plus, l’emploi d’une région d’intérêt (Field of View, FOV) a été ajouté dans l’analyse de cette méthode. Cette ré- gion force l’algorithme de recalage à n’utiliser que les pixels à l’intérieur de celle-ci afin de calculer la métrique de similarité, ce qui améliore le recalage dans cette région de plus grand intérêt. La ré- gion rectangulaire incluait tous les organes contourés, à l’exception des têtes fémorales et du contour externe du corps, avec une marge de 20 mm dans les trois axes autour des organes.
1.3.3 Évaluation de la qualité des contours automatiques
L’étude du logiciel OnQ rts tourne autour de la capacité à comparer des recalages pour éventuellement quantifier la déformation de contours en clinique. La manière d’analyser cette capacité consiste à évaluer la qualité des contours produits automatiquement par recalage déformable des contours de planification sur l’image CBCT du jour à l’aide d’indices de similarité. En résumé, pour chaque patient de l’étude, on utilise l’image CT de planification ainsi que les contours des organes sur l’image, comme il est fait en clinique. À cette image s’ajoutent plusieurs images CBCT sur lesquelles l’image CT de planification et ses contours sont recalés. Les contours recalés sur chaque image CBCT et issus de chaque algorithme de recalage sont finalement comparés aux contours tracés manuellement sur les images CBCT. Ces contours, tracés par une résidente en radio-oncologie lors d’un précédent projet sur le recalage déformable utilisant le logiciel Elastix [50] sont considérés comme étant les contours désirés après recalage. Toutefois, étant donné que la variabilité des contours entre médecins peut atteindre, par exemple, entre 10 et 18% pour la prostate et les vésicules séminales [6], il faut spécifier que les contours utilisés lors de l’étude ne sont pas une vérité absolue. Ce sont plutôt des contours représentatifs de ce qu’il est possible d’obtenir manuellement en clinique, et donc ce que nous désirons obtenir de manière automatique à l’aide du logiciel.
Cette analyse est quantitative et utilise les différents indices de similarité inclus dans la section d’ana- lyse du logiciel OnQ rts. Parmi ces indices, 4 sont utilisés pour l’évaluation. Le premier est l’indice de conformité, une métrique souvent utilisée en radiothérapie pour déterminer la superposition de distributions de dose [72]. Il est exprimé comme le rapport entre le volume où se superposent deux structures et la somme de leurs volumes, tel que le montre l’équation1.11:
CI= Vre f∩Vauto
Vre f+Vauto−(Vre f∩Vauto)
(1.11)
Le désavantage de l’indice de conformité est le manque d’information sur la distribution des erreurs dans l’espace. Le second indice utilisé est la distance moyenne à la conformité et est défini par la
moyenne de la distance minimale entre les pixels sur la surface externe d’un contour jusqu’au contour de référence [73]. Cette valeur peut donner un indice sur l’erreur relative entre le contour recalé et le contour manuel sur l’image CBCT, car elle est négative lorsque le contour recalé est trop grand et positive lorsque ce dernier est plus petit que le contour sur l’image CBCT.
La troisième métrique est l’indice de Dice [74], un indice indiquant la superposition de deux volumes et souvent associé avec l’évaluation de la performance d’algorithmes de recalage déformable (voir équation1.12). Comme l’indice de conformité, sa valeur varie entre 0 et 1. Une superposition parfaite de deux contours similaires produit un indice de 1.
Dice= 2 ·Vre f∩Vauto
Vre f+Vauto
(1.12)
Le dernier indice est l’indice d’inclusivité. Il s’agit de la probabilité que chaque voxel du contour généré automatiquement par recalage soit bien un voxel du contour attendu. Cet indice peut également être appelé la spécificité du contour recalé et est défini à l’équation1.13:
Indice Incl=Vre f∩Vauto
Vauto
(1.13)
Tous ces indices sont des métriques de superposition d’un contour sur l’autre. Bien que ce soit l’infor- mation désirée lors d’un recalage, la précision de ces indices varie selon la taille des contours analysés. En effet, comme le montre la figure1.6, pour une même surface qui ne se superpose pas, de grands organes produiront un indice de superposition élevé par rapport à de plus petits organes. Ainsi, même si l’erreur de volume sur la superposition est la même, la taille des structures va influencer les indices. Selon les contours évalués, cette particularité peut faussement laisser croire que la superposition est bonne ou mauvaise alors qu’elle ne l’est pas.