Computer-assistierte Diagnostik für die Bronchoskopie

Einleitung: Zur Diagnose und Einstufung von Lungentumoren werden meist komplementäre Untersuchungsmethoden wie Lungenradiografie und Bronchoskopie eingesetzt. Langfristiges Ziel unserer Arbeiten ist zu prüfen, ob ein System der Computer-assistierten Diagnose (CAD) für die Bronchoskopie einen Beitrag in der Lehre oder eine Unterstützung im Routinebetrieb bieten kann. Als erster Schritt wurde die Klassifikationsleistung des CAD-Systems an einer Stichprobe untersucht.

Methodik: Die Basis des CAD-Systems bildet eine Datenbank mit annotierten Endoskopiebildern. Aktuell umfasst diese 490 Bilder von 240 Patienten. In jedem Bild wurden durch einen Arzt Regionen markiert und einer von drei Klassen zugeordnet: normal (182 Regionen), chronische Bronchitis (205 Regionen) und Tumor (177 Regionen). Die Zuordnung zur Klasse Tumor stützt sich auf die Histologie.

Jede Bildregion wird durch einen Merkmalsvektor repräsentiert, der durch verschiedene Verfahren aus der Farb- und Strukturverteilung der Bilder berechnet wird. Zur Erstellung eines Diagnosevorschlags für eine neue unbekannte Region wird für diese zunächst ein solcher Merkmalsvektor berechnet. Dann werden die k nächsten Nachbarn im Merkmalsraum aus der Datenbank bestimmt und als ähnlichste Fälle visualisiert. Der neuen Region wird die Klasse zugewiesen, die die Mehrheit der nächsten Nachbarn aufweist.

Entscheidend für die Klassifikationsleistung des CAD-Systems ist die Auswahl charakteristischer Merkmale anhand derer die Klassen zuverlässig unterschieden werden können. Zur Auswahl und Evaluierung der Merkmale wurde die Datenbank in eine Lerndatenbank (305 Regionen) und eine Testdatenbank (259 Regionen) aufgeteilt.

Ergebnisse: In der Tabelle sind die Klassifikationsraten des CAD-Systems für zwei Merkmalssätze basierend auf dem Leaving-One-Out Verfahren angewandt auf die Testdatenbank angegeben. Die Rate berechnet sich aus der Anzahl der richtig klassifizierten Regionen einer Klasse dividiert durch die Gesamtanzahl der Regionen dieser Klasse. Der Merkmalssatz Standard besteht aus drei verschiedenen Merkmalsgruppen: statistische Merkmale basierend auf Summen- und Differenz-Histogrammen; Merkmale, die nach Anwendung eines Gaborfilter auf die Bildregion berechnet werden, sowie statistische geometrische Merkmale, die nach einer Binarisierung der Bildregion mit verschiedenen Schwellwerten bestimmt werden. Aus dem Merkmalssatz Standard wurde anhand der Lerndatenbank eine optimierte Untergruppe bestimmt (Merkmalssatz Optimiert). Die Evaluierung erfolgte auf der Testdatenbank. Hier zeigt sich, dass vor allem die Rate der Klasse Tumor erhöht werden konnte.

Tab. 1: Klassifikationsraten

Merkmale	Rate normal	Rate chron. Bron.	Rate Tumor	Gesamtrate
Standard	95%	81%	61%	80%
Optimiert	96%	84%	81%	87%