Virtuelle Ameisen zur Segmentierung von Positronen-Emissions-Tomographie Daten: Auswirkungen auf die Receiver Operating Characteristic

R Haase; V Hietschold; M Andreeff; HJ Böhme; N Abolmaali

doi:10.1055/s-0031-1279554

RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren, Inhaltsverzeichnis

Virtuelle Ameisen zur Segmentierung von Positronen-Emissions-Tomographie Daten: Auswirkungen auf die Receiver Operating Characteristic

R Haase ¹, V Hietschold ², M Andreeff ³, HJ Böhme ⁴, N Abolmaali ¹

¹OncoRay, TU Dresden, Biological and Molecular Imaging Group, Dresden
²Universitätsklinikum Carl Gustav Carus, TU Dresden, Institut und Poliklinik für Radiologische Diagnostik, Dresden
³Universitätsklinikum Carl Gustav Carus, TU Dresden, Klinik und Poliklinik für Nuklearmedizin, Dresden
⁴Hochschule für Technik und Wirtschaft Dresden, Fakultät Informatik/Mathematik, Dresden

Abstract

Ziele: Bei der automatisierten Analyse von Positronenemissionstomographie (PET) Daten erschweren geringer Kontrast und hohes Rauschen die reproduzierbare und Observer-unabhängige Segmentierung. Schwellwertverfahren versagen bei zu hohem Rauschen. Wir schlagen ein Verfahren vor, dass PET-Daten mit hohem Rauschanteil so aufbereitet, dass sie mittels Schwellwert segmentierbar sind. Es wurde untersucht, welche Auswirkungen es auf die Receiver-Operating-Characteristic (ROC) hat. Methode: Der Algorithmus nutzt virtuelle Ameisen, die in Regionen mit erhöhter Signalintensität künstliches Pheromon emittieren und damit weitere Ameisen anlocken. So steigt der Kontrast zwischen Zielobjekt und Hintergrund im später segmentierten Pheromonfeld an. Simulierte und experimentelle PET-Phantomdaten wurden unter typischen Kontrast-zu-Rausch-Verhältnissen (CNR) verarbeitet. Originaldaten und Pheromonfelder wurden mittels Schwellwerten segmentiert und die resultierenden Werte für Sensitivität und Spezifität in ROC-Kurven aufgetragen. Als Referenz dienten eine vorgegebene Segmentierung bzw. beim Phantomversuch eine manuelle Segmentierung des PET-Datensatzes mit dem höchsten Kontrast erstellt mithilfe einer korrespondierenden CT. Die Fläche A unter der ROC-Kurve wurde als Indiz für die Güte der bestmöglichen Segmentierung bewertet. Ergebnis: Bei allen simulierten Datensätzen zeigte sich, dass bereits nach wenigen (n <= 10) Iterationen die Fläche auf A > 0,999 angestiegen ist, was auf gute Segmentierbarkeit des Pheromonfeldes hindeutet. Die Verarbeitung der experimentellen Phantomdaten mit einem CNR > 6 führte ebenfalls zu A > 0,999 nach wenigen (n <= 9) Iterationen. Bei den Datensätzen mit CNR < 6 wurde zwar eine Vergrößerung der Fläche gegenüber den Originaldaten erreicht, jedoch nicht A > 0,999. Schlussfolgerung: Da das vorgestellte Verfahren bei PET-Datensätzen mit hohem Rauschen eine Verbesserung der ROC erreicht, empfiehlt es sich, das Verfahren zur Kontrastverbesserung und exakteren Segmentierung von PET-Datensätzen einzusetzen.

Keywords: Positonenemissionstomographie, Ant-Colony-Optimization, Receiver Operating Characteristic

Korrespondierender Autor: Haase R

OncoRay, TU Dresden, Biological and Molecular Imaging Group, Fetscherstr. 74, 01307 Dresden

E-Mail: robert.haase@oncoray.de