Three-dimensional reconstruction of tumor volume and vascular network based on ultrasound data

Pomiar objętości guza nowotworowego jest kluczowym elementem w ocenie skuteczności terapii przeciwnowotworowych i monitorowaniu progresji guza. W niniejszej pracy skupiono się na trójwymiarowej rekonstrukcji objętości pięciu guzów trzustki (PDAC) modeli mysich przy użyciu danych ze zdjęć ultrasonograficznych. W tym celu wykonano ręczną segmentację obrazów USG w dwóch płaszczyznach: poprzecznej i koronalnej. Następnie na podstawie dwuwymiarowych masek, opracowano algorytm, wykorzystujący interpolację liniową oraz algorytm Marching Cubes do wygenerowania siatki przestrzennej guza i obliczenia jego objętości. Uzyskane wyniki obliczeń algorytmu, porównano z pomiarami objętości generowanymi przez program VevoLab oraz pomiarami fizycznymi guza przy użyciu suwmiarki. Analiza wykazała ogólną zgodność pomiarów, w szczególności w płaszczyźnie koronalnej. Mimo niewielkich różnic, pomiary algorytmu były zgodne z pomiarami programu VevoLab. W pracy zwrócono również uwagę na ograniczenia związane z procesem ręcznej segmentacji oraz trudności w rekonstrukcji naczyń krwionośnych guza, co może stanowić punkt wyjścia dla dalszego rozwoju algorytmu.

The measurement of the tumor volume is a key element in evaluating the effectiveness of anticancer therapies and monitoring tumor progression. This study focused on three-dimensional volume reconstruction of five pancreatic tumors (PDAC) in mouse models using data from ultrasound imaging. For this purpose, manual segmentation of USG images was performed in two planes: transverse and coronal. Based on the two-dimensional masks, an algorithm was developed that uses linear interpolation and the Marching Cubes algorithm to generate spatial mesh of the tumor and calculate its volume. The calculated results of the algorithm were compared with volume measurement generated by the VevoLab software and with physical measurements of the tumors taken with a caliper. The analysis showed general agreement between the measurements, particularly in coronal plane. Despite small differences, the algorithm’s results were consistent with those of VevoLab software. The study also pointed out the limitations of manual segmentation process and the challenges related to reconstruction of tumor’s blood vessels, which opens the way for future algorithm development.