Rofo 2024; 196(S 01): S57-S58
DOI: 10.1055/s-0044-1781636
Abstracts
Vortrag (Wissenschaft)
Thoraxradiologie

Analyse mediastinaler Lymphknoten mittels neuronaler Netze: Ein Vergleich von zusätzlichen Eingabebildern mit anatomischem Vorwissen zur verbesserten Fokussierung des Netzwerks

Y Elser
1   UKSH Lübeck, Klinik für Radiologie und Nuklerarmedizi, Lübeck
,
S Schierholz
2   Klinik für Chirurgie UKSH, Campus Lübeck, Lübeck
,
M Sieren
3   Klinik für Radiologie und Nuklearmedizin UKSH, Campus Lübeck, Institut für Interventionelle Radiologie, Lübeck
,
S Engelson
4   Institut für medizinische Informatik, Universität Lübeck, Lübeck
,
L Berkel
5   Klinik für Radiologie und Nuklearmedizin UKSH, Campus Lübeck, Lübeck
,
J Ehrhardt
6   Institut für medizinische Informatik, Lübeck
,
H Handels
4   Institut für medizinische Informatik, Universität Lübeck, Lübeck
,
T Kepp
7   Deutsches Forschungszentrum für künstliche Intelligenz
,
J Niemeijer
8   Deutsches Zentrum für Luft und Raumfahrt
› Author Affiliations
 

Zielsetzung Die Beurteilung von Lymphknotenmetastasen des Mediastinums spielen für eine genaue Krebsstadieneinteilung des Lungenkarzinoms und die Behandlungsstrategie eine zentrale Rolle. Eine Segmentierung befallener Lymphknoten im CT wird durch ihre große Heterogenität erschwert. Ziel dieser Studie ist die Einführung eines neuronalen Netzwerks zur automatischen Segmentierung von Lymphknotenmetastasen im Mediastinum und die Untersuchung des Einflusses verschiedener anatomischer Zusatzinformationen auf die Netzwerkfokussierung.

Material und Methoden Die Bilddaten für die Studie stammen aus drei verschiedenen Datensätzen und insgesamt 119 Thorax- und Abdominal-CT-Bilder enthalten. Als Netzwerkarchitektur wurde ein modifiziertes nnU-Net verwendet. Die Eingabedaten wurden um weitere Bilder mit verschiedenen anatomischen Zusatzinformationen ergänzt: eine Distanzkarte in Bezug auf eine Referenzanatomie, ein probabilistischer Lymphknotenatlas und Segmentierungsmasken ausgewählter anatomischer Strukturen. Um die Distanzkarte und den Lymphknotenatlas zu erzeugen, wurde eine vorgelagerte Atlas-zu-Patienten-Registrierung durchgeführt. Die Segmentierungsmasken ausgewählter anatomischer Strukturen wurden mithilfe eines bestehenden Segmentierungstools erstellt. Es wurden Modelle mit unterschiedlichen Kombinationen zusätzlich Eingaben trainiert und über fünf Folds gemittelt. Zur Bewertung der Segmentierungsgenauigkeit wurden die Dice-Ähnlichkeitskoeffizienten berechnet.

Ergebnisse Die Ergebnisse zeigten, dass die Segmentierungsgenauigkeit, die sich in der DSC widerspiegelt, zwischen 0,6369 und 0,6483 bei den Modellen lag, die verschiedene anatomische Zusatinformationen verwendeten und unterscheidet sich nur marginal vom Dice des Modells, welches nur auf CT trainiert wurde und 0,6477 betrug.

Schlussfolgerungen Die Untersuchung der Verwendung von anatomischem Vorwissen zur Steuerung der Fokussierung des neuronalen Netzes bei der Segmentierung mediastinaler Lymphknoten ergab keine signifikante Verbesserung der Segmentierungsgenauigkeit.



Publication History

Article published online:
12 April 2024

© 2024. Thieme. All rights reserved.

Georg Thieme Verlag
Rüdigerstraße 14, 70469 Stuttgart, Germany