Deformable Image Registration for Image-Guided Adaptive Radiation Therapy (IGART) Based on Massive Parallelism and Real-Time Scheduling

Diese Dissertation präsentiert eine innovative Lösung zur Beschleunigung der deformierbaren Bildregistrierung (DIR), einem maßgeblichen Instrument in klinischen Anwendungen wie der medizinischen Bildgebung und der Strahlentherapie, welches eine präzise Ausrichtung und Analyse von Bildern ermöglicht. In Kooperation mit dem Deutschen Krebsforschungszentrum (DKFZ) wird der Ansatz CLAIRE-ROP vorgestellt, welcher auf der schnellen überlappenden Partitionierung basiert und sich den Herausforderungen im Kontext der Multi-GPU-Implementierungen annimmt. Zu den Herausforderungen zählt die hohe Kommunikationszeit ebenso wie die erhöhte Komplexität, welche die Nutzung in klinischen Umgebungen bisher erschwert haben. Das Framework integriert ein einzigartiges Partitionierungsschema, welches eine dynamische Anpassung der Anzahl und Größe der Partitionen ermöglicht und somit eine Echtzeit-DIR innerhalb von Millisekunden gewährleistet. Dies ist die erste Methode, die auf einer Partition ierung basiert und somit in der Lage ist, auch große Fehlanpassungen in medizinischen Bildern mit einer hohen Präzision zu registrieren. Des Weiteren ist unser Ansatz nicht auf die medizinische Bildgebung beschränkt, sondern stellt eine vielseitige Lösung für verschiedene Aufgaben der Bildregistrierung bereit. Die Ergebnisse der Untersuchung belegen, dass die Registrierungszeiten für 4DCT auf dem DIR-Lab-Datensatz durch unsere Methode deutlich verkürzt werden. Dabei werden die Genauigkeiten der bekannten Verfahren, einschließlich der deformierbaren ANTs, beibehalten oder sogar übertroffen. Es sei an dieser Stelle angemerkt, dass unsere Methode hat erfolgreich Bilder aus dem großten offentlich verfugbaren Lungen-Datensatz (512×512×136) in weniger als 0,5 Sekunden registriert und dabei einen Dice-Score von 0,991 erreicht. Der entsprechende Code kann auf GitHub eingesehen werden.