<< Volver atrás

Tesis:

Development of techniques for surgical planning in breast cancer treatment

  • Autor: ALFANO, Felicia

  • Título: Development of techniques for surgical planning in breast cancer treatment

  • Fecha: 2023

  • Materia:

  • Escuela: E.T.S. DE INGENIEROS DE TELECOMUNICACION

  • Departamentos: INGENIERIA ELECTRONICA

  • Acceso electrónico: https://oa.upm.es/72770/

  • Director/a 1º: LEDESMA CARBAYO, María Jesús

  • Resumen: Breast cancer is the most common cancer among women worldwide. In 2020, there were 2.3 million newly diagnosed female breast cancer cases, representing almost one in four of all cancers in women. Screening programs and imaging improvements have increased the detection of clinically occult non-palpable breast lesions for which the treatment of choice is breast conserving surgery (BCS). Preoperative imaging has limited utility as a surgical guidance tool because images are acquired in signifcantly diferent orientations than the typical patient setup for surgery. Therefore, a localization of occult breast lesions is needed prior to the intervention. In this Thesis, we developed diferent approaches to estimate the localization of the tumor in the surgical position, which may provide alternatives or complementary techniques to current preoperative localization methods used in clinical practice. The aim of the developed approaches is to align preoperative imaging data in the prone position with intraoperative data in the supine position using the surface of the patient acquired in the operating room. The frst approach proposed is based on a novel method to perform a surface driven registration for large deformations using automatically obtained landmarks to transform the prone preoperative volume to the surgical space and to estimate the tumor localization. The second approach consists of a novel biomechanical model of the breast under the efect of gravity that integrates a visco-hyperelastic constitutive model to simulate the prone to supine pose transformation and estimate the tumor position. Finally, we designed a novel methodology to learn the large deformation of the breast from the preoperative to intraoperative position using a surface-tovolume deep learning based registration approach decreasing signifcantly the computation time required to localize the tumor position. These proposals have been developed and evaluated with a cohort of 67 retrospective cases of breast cancer that include imagining information both in prone and supine positions. The results obtained have demonstrated that the proposed methodologies have the potential to be used as complementary or alternative methods for tumor prelocalization in the surgery or therapy of breast cancer. RESUMEN El cáncer de mama es el cáncer más frecuente en mujeres en todo el mundo. En el año 2020, se diagnosticaron 2,3 millones de nuevos casos de cáncer de mama en mujeres, lo que representa casi uno de cada cuatro cánceres femeninos. Los programas de cribado y las mejoras en el diagnóstico por imagen han aumentado la detección de lesiones mamarias no palpables para las que el tratamiento de elección es la cirugía conservadora de la mama. El diagnóstico por imagen preoperatorio tiene utilidad limitada como herramienta para guiar la cirugía, ya que las imágenes se adquieren en posiciones muy diferentes con respecto a la posición de la cirugía. Por lo tanto, es necesario localizar las lesiones mamarias ocultas antes de la intervención. En esta Tesis doctoral, hemos desarrollado diferentes aproximaciones para estimar la localización del tumor en la posición quirúrgica, que pueden proporcionar técnicas alternativas o complementarias a los actuales métodos de localización preoperatoria utilizados en la práctica clínica. El objetivo de los enfoques desarrollados es alinear los datos de imagen preoperatorios en posición prona con los datos intraoperatorios en posición supina utilizando la superficie de la paciente adquirida en el quirófano. El primer enfoque propuesto se basa en un nuevo método para realizar un registro guiado por la superficie para grandes deformaciones utilizando puntos de referencia obtenidos automáticamente para transformar el volumen preoperatorio en decúbito prono al espacio quirúrgico y estimar la localización del tumor. El segundo enfoque consiste en un nuevo modelo biomecánico de la mama bajo el efecto de la gravedad que integra un modelo constitutivo viscohiperelástico para simular la transformación de la postura prona a supina y estimar la posición del tumor. Por último, hemos diseñado una nueva metodología para aprender la gran deformación de la mama desde la posición preoperatoria a la intraoperatoria utilizando un enfoque de registro basado en el aprendizaje profundo de superficie a volumen que disminuye significativamente el tiempo de cálculo necesario para localizar la posición del tumor. Estas propuestas han sido desarrolladas y evaluadas con una cohorte de 67 casos retrospectivos de cáncer de mama que incluyen información de imagen tanto en posición prona como supina. Los resultados obtenidos han demostrado que las metodologías propuestas tienen potencial para ser utilizadas como métodos complementarios o alternativos para la prelocalización tumoral en la cirugía o terapia del cáncer de mama.