Auszug
In der vorliegenden Arbeit stellen wir ein neues Modell zur Kopplung des Tumormasseeffektes an die, der Wachstumsmodellierung unterliegende, anisotrope Reaktionsdiffusionsgleichung vor. Die Gleichung wird auf einem hochaufgelösten Voxelgitter diskretisiert. Eine Modellierung der Anisotropie des Diffusionsprozesses ermöglicht die Integration von Diffusions-Tensor-Bildgebungsdaten. Die raumfordernde Wirkung des Tumors wird als parametrisches Bildregistrierproblem aufgefasst. Hierbei wird die resultierende Verteilung der Tumorzellkonzentration in die zu optimierende Zielfunktion integriert. Erste qualitative Ergebnisse zeigen, dass eine Minimierung der aufgestellten Zielfunktion zu einer plausiblen Modellierung des Masseeffektes führt.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literaturverzeichnis
Angelini ED, Clatz O, Mandonnet E, et al. Glioma dynamics and computational models: A review of segmentation, registration, in silico growth algorithms and their clinical applications. Curr Med Imaging Rev. 2007;3(4):262–276.
Kansal AR, Torquato S, Harsh GR., et al. Simulated brain tumor growth dynamics using a three-dimensional cellular automaton. J Theor Biol. 2000;203(4):367–382.
Swanson KR, Bridge C, Murray JD, et al. Virtual and real brain tumors: Using mathematical modeling to quantify glioma growth and invasion. J Neurol Sci. 2003;216:l–10.
Clatz O, Sermesant M, Bondiau PY, et al. Realistic simulation of the 3-D growth of brain tumors in MR, images coupling diffusion with biomechanical deformation. Trans Med Imaging. 2005;24(10):1334–1346.
Hogea C, Davatzikos C, Biros G. An image-driven parameter estimation problem for a reaction-diffusion glioma growth model with mass effects. J Math Biol. 2008;27(8):1003–1017.
Swanson KR,, Alvord EC, Murray JD. A quantitative model for differential motility of gliomas in grey and white matter. Cell Profil. 2000;33(5):317–329.
Jbabdi S, Mandonnet E, Duffau H. Simulation of anisotropic growth of low-grade gliomas using diffusion tensor imaging. Magn Reson Med. 2005;54(3):616–624.
Zacharaki EI, Hogea CS, Biros G, et al. A comparative study of biomechanical simulators in deformable registration of brain tumor images. IEEE Trans Biomed Eng. 2008;55(3):1233–1236.
Zacharaki EI, Shen D, Lee SK, et al. ORBIT: A multiresolution framework for deformable registration of brain tumor images. IEEE Trans Med Imaging. 2008;27(8):1003–1017.
Rueckert D, Sonoda LI, Hayes C, et al. Nonrigid registration using free-form deformations: Application to breast MR, images. IEEE Trans Med Imaging. 1999;18(8):712–721.
Collins DL, Zijdenbos AP, Kollokian V, et al. Design and construction of a realistic digital brain phantom. IEE Trans Med Imaging. 1998;17(3):463–468.
Yeo BTT, Vercauteren T, Fillard P, et al. DTI registration with exact finite-strain differential. In: Biomedical Imaging: From Nano to Macro; 2008. p. 700–703.
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2009 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Becker, S., Jungmann, J.O., Mang, A., Buzug, T.M. (2009). Tumor-Wachstumsmodellierung als parametrisches Bildregistrierproblem. In: Meinzer, HP., Deserno, T.M., Handels, H., Tolxdorff, T. (eds) Bildverarbeitung für die Medizin 2009. Informatik aktuell. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-540-93860-6_40
Download citation
DOI: https://doi.org/10.1007/978-3-540-93860-6_40
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-93859-0
Online ISBN: 978-3-540-93860-6
eBook Packages: Computer Science and Engineering (German Language)