Skip to main content
Top

2020 | OriginalPaper | Hoofdstuk

3 Beeldvorming en intekenen

Auteur : Dr. ir. J. J. Bluemink

Gepubliceerd in: Techniek in de radiotherapie

Uitgeverij: Bohn Stafleu van Loghum

share
DELEN

Deel dit onderdeel of sectie (kopieer de link)

  • Optie A:
    Klik op de rechtermuisknop op de link en selecteer de optie “linkadres kopiëren”
  • Optie B:
    Deel de link per e-mail

Samenvatting

Inhoud – 1 Inleiding – 2 Plaats van de procedure in het RT-proces – 3 CT-beeldvorming – 4 MR-beeldvorming – 5 PET-beeldvorming – 6 Registratie van beelden – 7 Intekenen doelgebied en anatomie/kritische organen – Het bepalen van het doelgebied en de kritieke organen is een noodzakelijke stap in de voorbereiding van het maken van het bestralingsplan. De bepaling vindt plaats op basis van de beeldvormende technieken CT, MR en PET. Voor elk van deze technieken gelden bepaalde radiotherapiespecifieke eisen aan de apparatuur. Deze hebben voornamelijk te maken met het gebruik van de bestralingshulpmiddelen en het belang van geometrisch accurate beelden voor de intekening. Soms wordt een combinatie van de beeldvormende technieken gebruikt. Daarbij is van belang dat de beelden goed op elkaar gelegd (geregistreerd) worden, zodat de informatie van de beelden gecombineerd kan worden bij het intekenen van het doelgebied en de kritieke organen. Intekeningen kunnen handmatig, semiautomatisch of volledig automatisch gegenereerd worden. De intekeningen van de doelvolumes en de contouren van de kritieke organen vormen samen de structure set. Daarnaast is de dichtheidsinformatie van de verschillende weefsels nodig voordat gestart kan worden met het maken van het bestralingsplan.
Literatuur
1.
go back to reference Aselmaa, A., Van Herk, M., Song, Y., et al. (2017). The influence of automation on tumor contouring. Cognition Technology and Work,19, 795.CrossRef Aselmaa, A., Van Herk, M., Song, Y., et al. (2017). The influence of automation on tumor contouring. Cognition Technology and Work,19, 795.CrossRef
2.
go back to reference Van den Broek, W., Barneveld, P., Bruin, N., & Lemstra, C. (red.). (2016). Nucleaire geneeskunde (5e druk). Houten: Bohn Stafleu van Loghum. Van den Broek, W., Barneveld, P., Bruin, N., & Lemstra, C. (red.). (2016). Nucleaire geneeskunde (5e druk). Houten: Bohn Stafleu van Loghum.
3.
go back to reference Bushberg, J. T., Seibert, J. A., Leidholdt, E. M., & Boone, J. M. (2012). The essential physics of medical imaging (3rd ed.). Baltimore, MD: Lippincott, Williams and Wilkins. Bushberg, J. T., Seibert, J. A., Leidholdt, E. M., & Boone, J. M. (2012). The essential physics of medical imaging (3rd ed.). Baltimore, MD: Lippincott, Williams and Wilkins.
4.
go back to reference Hakkert, M., Tempelman, G., Dam, T., Dol-Jansen, J., & Geers-van Gemeren, S. (red.). (2018). Computertomografie (3e druk). Houten: Bohn Stafleu van Loghum. Hakkert, M., Tempelman, G., Dam, T., Dol-Jansen, J., & Geers-van Gemeren, S. (red.). (2018). Computertomografie (3e druk). Houten: Bohn Stafleu van Loghum.
5.
go back to reference Lustberg, T., Van Soest, J., Gooding, M., Peressutti, D., Aljabar, P., Van der Stoep, J., et al. (2018). Clinical evaluation of atlas and deep learning based automatic contouring for lung cancer. Radiotherapy and Oncology,126, 312–317.CrossRef Lustberg, T., Van Soest, J., Gooding, M., Peressutti, D., Aljabar, P., Van der Stoep, J., et al. (2018). Clinical evaluation of atlas and deep learning based automatic contouring for lung cancer. Radiotherapy and Oncology,126, 312–317.CrossRef
6.
go back to reference Oh, S., & Kim, S. (2017). Deformable image registration in radiation therapy. Radiotherapy and Oncology Journal,35(2), 101–111. Oh, S., & Kim, S. (2017). Deformable image registration in radiation therapy. Radiotherapy and Oncology Journal,35(2), 101–111.
7.
go back to reference Owrangi, A. M., Greer, P. B., & Glide-Hurst, C. K. (2018). MRI-only treatment planning: Benefits and challenges. Physics in Medicine and Biology,63(5), 05TR01.CrossRef Owrangi, A. M., Greer, P. B., & Glide-Hurst, C. K. (2018). MRI-only treatment planning: Benefits and challenges. Physics in Medicine and Biology,63(5), 05TR01.CrossRef
8.
go back to reference Pappas, E. P., Alshanqity, M., Moutsatsos, A., et al. (2017). MRI-related geometric distortions in stereotactic radiotherapy treatment planning: Evaluation and dosimetric impact. Technology in Cancer Research and Treatment,16(6), 1120–1129.CrossRef Pappas, E. P., Alshanqity, M., Moutsatsos, A., et al. (2017). MRI-related geometric distortions in stereotactic radiotherapy treatment planning: Evaluation and dosimetric impact. Technology in Cancer Research and Treatment,16(6), 1120–1129.CrossRef
9.
go back to reference Segedin, B., & Petric, P. (2016). Uncertainties in target volume delineation in radiotherapy: Are they relevant and what can we do about them? Radiology and Oncology,50(3), 254–262.CrossRef Segedin, B., & Petric, P. (2016). Uncertainties in target volume delineation in radiotherapy: Are they relevant and what can we do about them? Radiology and Oncology,50(3), 254–262.CrossRef
10.
go back to reference Zuurbier, R., Nahuis, J., Geers-van Gemeren, S., Dol-Jansen, J., & Dam, T. (red.). (2017). Magnetic Resonance Imaging (3rd ed.). Houten: Bohn Stafleu van Loghum. Zuurbier, R., Nahuis, J., Geers-van Gemeren, S., Dol-Jansen, J., & Dam, T. (red.). (2017). Magnetic Resonance Imaging (3rd ed.). Houten: Bohn Stafleu van Loghum.
Metagegevens
Titel
3 Beeldvorming en intekenen
Auteur
Dr. ir. J. J. Bluemink
Copyright
2020
Uitgeverij
Bohn Stafleu van Loghum
DOI
https://doi.org/10.1007/16013_2019_8