Liver cancer is the sixth most common cancer worldwide and the most common cause of death from cancer in Vietnam. In this project, we focus on liver intervention for liver cancer treatment using the radiofrequency ablation (RFA) method. Potential future technology for RFA liver intervention includes: liver vessel segmentation, liver image registration and liver ablation zone segmentation.

The main problem of vessel segmentation and ablation zone segmentation is the inconvenience to use due to manual or semi-automatic interaction and time consumption. For liver image registration, no reference framework of quantitative performance comparison of different liver registration methods exists to date for RFA liver intervention due to the use of different datasets and performance metrics.

To develop better methods for RFA liver intervention, our approach to improving quality, processing time, and automation is to use a special class of deep learning methods called convolutional neural networks (CNNs), in which we propose to take into account structural prediction. In terms of performance, we also propose a new reference framework of performance comparison of liver registration methods by taking into account information about internal sections of the liver. Experimental data will be collected from the Eramus Medical Center (The Netherlands) and Bach Mai Hospital. The proposed methods will contribute to improve the quality of RFA liver cancer intervention.

Ung thư gan là loại ung thư phổ biến thứ sáu trong các loại ung thư ở trên thế giới và lànguyên nhân hàng đầu dẫn đến tử vong trong các loại ung thư ở Việt Nam. Đề tài này tập trung vào điều trị ung thư gan bằng can thiệp (liver intervention) sử dụng phương pháp song radio cao tần (RFA). Trọng tâm nghiên cứu gồm: tách vùng mạch máu của gan (liver vessel segmentation), ghép ảnh gan (liver image registration) và tách vùng bị tiêu hủy (liver ablation zone segmentation). Khó khăn chính của tách vùng mạch máu gan và tách vùng bị tiêu hủy là các phương pháp hiện tại tương đối bất tiện, đòi hỏi tương tác nhiều từ phía bác sỹ và tương đối mất thời thời gian. Với ghép ảnh gan, hiện tại vẫn chưa có một phương pháp ghép ảnh gan được sử dụng trực tiếp trong can thiệp gan RFA bởi hạn chế về tính tự động và thời gian xử lý. Hướng cải thiện chất lượng can thiệp gan RFA nhóm chúng tôi nhắm đến đó là giảm thời gian xử lý và tăng tự động hóa trong khi vẫn đảm bảo về độ chính xác, với hướng tiếp cận sử dụng công nghệ trí tuệ nhân tạo mà thành phần cốt lõi là mạng nơ-ron tích chập (CNN: convolutional neural network).

Ảnh 3D phân tách các vùng gan (đỏ sẫm), tĩnh mạch gan (tím), động mạch gan (hồng) và khối u (đỏ tươi) từ ảnh CT của một bệnh nhân bị ung thư gan nguyên phát

Other information

PI: Dr. Luu Manh Ha, AVITECH