Proton Computed Tomography Image Reconstruction Based on the Richardson-Lucy Algorithm

In dit artikel wordt voor het eerst een iteratief beeldreconstructie-algoritme op basis van de Richardson-Lucy-methode voorgesteld voor proton-computertomografie, wat middels Monte Carlo-simulaties bewijst dat een hoge ruimtelijke resolutie en nauwkeurige relatieve stopkrachtmetingen haalbaar zijn.

De kern

Protonen CT: Een nieuwe manier om kanker te zien met een slimme "puzzel-oplosser"

Stel je voor dat je een enorme, complexe puzzel moet maken, maar in plaats van stukjes met afbeeldingen, heb je miljarden onzichtbare deeltjes (protonen) die door een object schieten. Je wilt weten hoe het object er van binnen uitziet, zodat artsen precies kunnen zien waar een tumor zit en hoe ze die kunnen bestrijden zonder de gezonde organen te beschadigen.

Dit is de uitdaging waar deze wetenschappelijke paper over gaat. Hier is de uitleg in simpele taal:

1. Het Probleem: De "Zwarte Doos" van Kankerbehandeling

Kankerbehandeling met protonen (protonentherapie) is heel krachtig. In plaats van röntgenstralen (die door het hele lichaam gaan), gebruiken artsen protonen die precies stoppen op de plek van de tumor. Dit is als een snijder die precies stopt op de rand van een appel, zonder de rest te raken.

Maar er is een probleem: om te weten waar de protonen precies moeten stoppen, moeten artsen heel precies weten hoe "dik" of "dicht" het weefsel is. Huid, bot en tumor hebben allemaal een andere dichtheid. Als je dit niet precies weet, kan de straling te ver gaan (en een gezond orgaan raken) of te vroeg stoppen (en de tumor laten staan).

Huidige CT-scanners gebruiken röntgenstralen. Dat is alsof je probeert een protonenbehandeling te plannen met een kaart die is getekend met een andere soort straal. Het werkt, maar het is niet perfect. De oplossing? Een Protonen CT (pCT). Hierbij gebruik je dezelfde protonen voor het scannen als voor de behandeling.

2. De Uitdaging: De "Dronken" Protonen

Het probleem met protonen is dat ze niet in een rechte lijn gaan. Als ze door weefsel schieten, botsen ze tegen atomen aan en gaan ze een beetje "wankelen" of "dronken" lopen (in de vaktaal: multiple Coulomb scattering).

Stel je voor dat je een bal door een bos van bomen moet gooien. Je weet waar hij de bomen in gaat, maar je weet niet precies welke takken hij raakt onderweg. Als je probeert te reconstrueren waar de bal vandaan kwam, is het lastig.

De meeste oude methoden proberen dit op te lossen door te rekenen met rechte lijnen of door heel veel complexe wiskunde te doen die heel lang duurt.

3. De Oplossing: De "Richardson-Lucy" Puzzel-oplosser

De auteurs van dit paper hebben een nieuwe manier bedacht om deze puzzel op te lossen. Ze gebruiken een algoritme (een computerprogramma) dat is gebaseerd op de Richardson-Lucy-methode.

De analogie:
Stel je voor dat je een onscherpe foto hebt gemaakt van een gezicht. Je weet dat de camera een beetje trilde, dus het beeld is wazig.

• De oude manier: Je probeert de wazigheid wiskundig weg te halen door een simpele formule toe te passen. Soms werkt het, maar vaak krijg je rare ruis of vlekken.
• De nieuwe manier (Richardson-Lucy): Je doet alsof je een slimme detective bent. Je kijkt naar de wazige foto en zegt: "Als dit het gezicht was, zou de foto er dan zo uitzien?"
  • Als het antwoord "nee" is, pas je je idee van het gezicht een beetje aan.
  • Dan kijk je weer: "Als dit het nieuwe gezicht is, zou de foto er dan zo uitzien?"
  • Je herhaalt dit duizenden keren. Bij elke ronde wordt je idee van het gezicht scherper en dichter bij de werkelijkheid.

In dit paper gebruiken ze deze "iteratieve" (herhalende) methode, maar dan voor protonen. Ze simuleren hoe de protonen door een "spooklichaam" (een kunstmatige patiënt) gaan, en laten de computer steeds opnieuw raden hoe de dichtheid eruit moet zien, tot het beeld perfect is.

4. Wat hebben ze ontdekt?

De wetenschappers hebben dit getest met twee soorten "spooklichamen" (phantoms):

1. De "Resolutie-test": Een object met heel fijne lijntjes om te zien hoe scherp de scan kan zijn.
2. De "Dichtheid-test": Een object met verschillende materialen (zoals bot en vet) om te zien of de computer de juiste "dikte" kan meten.

De resultaten:

• Scherpte: Met een ideale detector (een perfecte camera) konden ze een resolutie bereiken die net zo goed is als de beste bestaande methoden. Zelfs met realistischere, goedkopere detectors (die wat minder perfect zijn) was het beeld nog steeds heel goed bruikbaar voor artsen.
• Nauwkeurigheid: De computer kon de dichtheid van het weefsel meten met een foutmarge van minder dan 1%. Dat is precies wat artsen nodig hebben om een veilige behandeling te plannen.
• Snelheid: Het rekenen duurt nog wel even (een paar uur op een krachtige computer), maar de methode werkt. Het is een bewijs dat het kan.

5. Waarom is dit belangrijk?

Dit paper is als het eerste bewijs dat je een auto kunt bouwen die rijdt op water in plaats van benzine. Het is nog niet de auto die je morgen koopt, maar het bewijst dat het principe werkt.

De voordelen van deze nieuwe methode zijn:

• Betere behandelingen: Artsen kunnen de straling nog preciezer richten, waardoor minder gezonde cellen beschadigd worden.
• Goedkopere scanners: De methode werkt goed zelfs met "single-sided" scanners (detectors aan één kant), wat goedkoper en makkelijker te bouwen is dan de dure dubbele scanners die nu worden gebruikt.
• Snellere ontwikkeling: Omdat het algoritme goed werkt op moderne grafische kaarten (zoals in gaming-computers), kan het in de toekomst snel genoeg worden voor gebruik in het ziekenhuis.

Kortom:
De auteurs hebben een slimme, herhalende rekenmethode bedacht die de "dronken" beweging van protonen in kaart brengt. Hierdoor kunnen we in de toekomst veel scherper en veiliger kijken naar tumoren, met als doel de kanker te verslaan zonder de patiënt onnodig pijn te doen. Het is een grote stap in de richting van een betere kankerbestrijding.

Technische samenvatting

Titel: Proton Computertomografie Beeldreconstructie Gebaseerd op het Richardson-Lucy-algoritme

Auteurs: Gábor Bíró et al. (voor de Bergen pCT-samenwerking)
Publicatie: arXiv:2212.00126v3 (17 feb 2026)

---

1. Probleemstelling

Protontherapie is een opkomende en efficiënte kankerbehandeling waarbij de nauwkeurigheid van de stralingsdosisplanning cruciaal is. Een van de grootste uitdagingen is het nauwkeurig bepalen van de relatieve stopkracht (RSP) van weefsels om de Bragg-piek (waar de straling zijn maximale energie afgeeft) correct te positioneren.

• Huidige situatie: Traditionele röntgen-CT wordt gebruikt voor planning, maar introduceert onzekerheden omdat röntgenstraling en protonen verschillend interageren met materie.
• Oplossing: Proton-CT (pCT) systemen gebruiken dezelfde straal als de behandeling, wat de onzekerheid in RSP-metingen aanzienlijk kan verkleinen.
• Technische uitdaging: Protonen ondergaan multiple Coulomb-verstrooiing in weefsel, waardoor hun trajecten niet rechtlijnig zijn. Dit maakt klassieke reconstructie-algoritmen (zoals Filtered Backprojection) ongeschikt. Iteratieve methoden zijn nodig, maar deze zijn vaak computationally demanding en moeten een balans vinden tussen nauwkeurigheid, snelheid en ruis.

2. Methodologie

De auteurs stellen voor het eerst een iteratief beeldreconstructie-algoritme gebaseerd op het Richardson-Lucy (RL) algoritme voor proton-CT.

• Het Algoritme:

  • Het klassieke RL-algoritme, oorspronkelijk ontwikkeld voor astronomie en emissie-tomografie (onder Poisson-statistiek), wordt aangepast voor transmissie-imaging.
  • In plaats van een punt-spreidingsfunctie (PSF) wordt de systeemmatrix $A$ gebruikt, die de interactie tussen protonbanen en voxels beschrijft.
  • De update-regel voor de voxelwaarden ($x_j$) is multiplicatief en garandeert niet-negativiteit:
    $$x_j^{(k+1)} = x_j^{(k)} \frac{1}{\sum_i A_{ij}} \sum_i A_{ij} \frac{y_i}{h_i^{(k)}}$$
    Waarbij $y_i$ de gemeten Water-Equivalent Path Length (WEPL) is en $h_i^{(k)}$ de voorspelde waarde.
  • Dit algoritme is bij uitstek geschikt voor parallelle verwerking op GPU's (Graphics Processing Units).

• Proton-Phantoom Interactie Model:

  • Er wordt gebruik gemaakt van de Most Likely Path (MLP) benadering om de gebogen trajecten van protonen te schatten.
  • Voor een single-sided scanner (alleen downstream detectoren) wordt een vereenvoudigd probabilistisch model gebruikt, gebaseerd op een Gaussische verdeling rond de MLP, om de onzekerheid door verstrooiing en het ontbreken van upstream metingen te modelleren.

• Simulatie Opzet:

  • Monte Carlo simulaties: Gebruikmakend van Geant4/GATE.
  • Phantoms:
    • CTP528: Voor het meten van ruimtelijke resolutie (line pairs per cm).
    • CTP404: Voor het meten van RSP-nauwkeurigheid (dichtheidsresolutie) met inserts van verschillende materialen.
  • Detectorconfiguraties: Drie scenario's werden getest:
    1. Ideaal (geen meetfouten).
    2. Silicium pixel detector (gebaseerd op Bergen pCT ontwerp).
    3. Silicium strip detector (gebaseerd op LLU/UCSC ontwerp).
  • Data: Ongeveer 43 miljoen primaire protonen per slice, met een straal van 230 MeV/u.

3. Belangrijkste Bijdragen

1. Eerste toepassing van RL in pCT: Dit werk introduceert het Richardson-Lucy-algoritme voor de eerste keer specifiek voor proton-CT beeldreconstructie, in plaats van de gebruikelijke Algebraic Reconstruction Technique (ART) varianten.
2. GPU-geoptimaliseerde implementatie: Het algoritme is ontworpen voor hoge prestaties op GPU's, wat essentieel is voor de snelle verwerking van grote datasets (miljoenen protonen) die nodig zijn voor klinische toepassing.
3. Proof-of-Concept voor Single-Sided Scanners: Het onderzoek toont aan dat zelfs met een single-sided scanner (goedkoper, maar minder nauwkeurige trajectmeting), hoge kwaliteit beelden haalbaar zijn door een goed model van de onzekerheid in de systeemmatrix.
4. Wiskundige consistentie: De auteurs tonen aan dat de aangepaste RL-update overeenkomt met een vaste-punt oplossing van een gewogen least-squares functionaal, wat de convergentie en stabiliteit garandeert.

4. Resultaten

De prestaties werden geëvalueerd op basis van ruimtelijke resolutie en RSP-nauwkeurigheid na verwerking van ~43 miljoen protonen:

• Ruimtelijke Resolutie (CTP528):

  • Ideale setup: 4,88 lp/cm (line pairs per cm). Dit komt overeen met 97% van de Nyquist-frequentie voor de gebruikte pixelgrootte (1 mm).
  • Silicium pixel: 3,11 lp/cm.
  • Silicium strip: 2,33 lp/cm.
  • Opmerking: De onzekerheden in de detectoren leiden tot een enigszins vager beeld, maar de resolutie blijft klinisch relevant.

• RSP-Nauwkeurigheid (CTP404):

  • Ideale setup: Gemiddelde relatieve afwijking van -0,66%. Dit voldoet ruimschoots aan de klinische eis van <1% onzekerheid.
  • Silicium pixel: -2,25% afwijking.
  • Silicium strip: -2,64% afwijking.
  • Hoewel de realistische setups een hogere afwijking tonen dan het ideaal, zijn de resultaten veelbelovend en vergelijkbaar met andere state-of-the-art prototypes.

• Snelheid:

  • De volledige reconstructie duurde ongeveer 300 minuten op een enkele NVIDIA 1080 Ti GPU.
  • Visueel bevredigende resultaten werden al bereikt na verwerking van slechts ~10% van de data (4 miljoen protonen, ~20-22 minuten), wat suggereert dat verdere optimalisatie de tijd aanzienlijk kan verkorten.

5. Betekenis en Conclusie

Dit onderzoek levert een sterk proof-of-concept voor het gebruik van Richardson-Lucy-iteraties in proton-CT.

• Klinische relevantie: De methode bereikt ruimtelijke resolutie en RSP-nauwkeurigheid die dicht bij de vereisten voor klinische dosisplanning liggen.
• Kosten-baten: De methode is veelbelovend voor single-sided scanner ontwerpen, die goedkoper en makkelijker te integreren zijn in klinische omgevingen dan dubbelzijdige systemen.
• Toekomstperspectief: Hoewel de huidige resultaten nog niet superieur zijn aan de allerbeste bestaande methoden (zoals bepaalde ART-implementaties), biedt het RL-algoritme aanzienlijke potentie voor verdere optimalisatie. Toekomstig werk zal zich richten op:
  • 3D-reconstructie (huidig werk is 2D).
  • Verdere versnelling via machine learning en geavanceerde parallelle technieken.
  • Verbetering van het probabilistische model voor protontrajecten.

Samenvattend bewijst dit werk dat Richardson-Lucy een competitieve en veelbelovende kandidaat is voor de volgende generatie snelle en nauwkeurige proton-CT beeldreconstructie.