Computer-Assistierte Detektion von Polypen in der Kolonoskopie

Einleitung: Die Kolonoskopie ist heute das Standardverfahren zur visuellen Untersuchung des Dickdarms. Ziel ist hierbei, Veränderungen am Darmgewebe zu finden, zu erkennen und gegebenenfalls direkt zu behandeln. Polypen stellen hierbei eine besondere Form der Veränderung dar, sie sind i.d.R. gutartig und verursachen keine Beschwerden, können sich aber zu bösartigen Tumoren entwickeln. Daher besteht ein hohes Interesse, diese so früh wie möglich zu erkennen und zu entfernen.

Durch Methoden der Bildverarbeitung ist es möglich, den Untersucher bei der Detektion zu unterstützen und auf mögliche Polypen aufmerksam zu machen.

Material und Methoden: Der Ansatz besteht aus zwei Schritten. Im ersten Schritt wird mit Segmentierungsverfahren das aktuelle Bild in wenige, sinnvolle und zusammenhängende Bereiche zerlegt. Hauptmerkmale sind hierbei Farbe und die Unterscheidung zwischen glattem und strukturiertem Gewebe. Eine gute Segmentierung zeichnet sich dabei durch eine geringe Anzahl an Bildregionen aus, wobei visuell unterscheidbare Regionen im Bild durch unterschiedliche Regionen repräsentiert werden. Anschließend wird jede Bildregion an einen Klassifikator übergeben, der für jede Region verschiedene Merkmale berechnet. Diese Merkmale werden anschließend mit Merkmalsvektoren aus einer annotierten und histologisch gesicherten Fallsammlung verglichen. Der Klassifikator entscheidet anhand der ähnlichsten Vektoren, ob es sich bei der aktuellen Bildregion um einen möglichen Polypen handelt oder nicht. Bei der Entscheidung für einen Polypen werden dessen Koordinaten gespeichert und können anschließend zur Detektionsunterstützung im Endoskopiebild eingeblendet werden. Beispiele für detektierte Polypen finden sich in Abbildung 1.

Abb. 1: Bsp. für detektierte Polypen (weiß= detektiert, rot = Grundwahrheit)

Schlussfolgerung: Die ersten Ergebnisse des Verfahren zeigen, dass beide Teile wichtig sind für ein gutes Detektionsergebnis. Eine gute Segmentierung liefert wenige, aber passgenaue Regionen. Um so genauer die Regionen sind, um so besser kann der Klassifikator im zweiten Schritt die aktuellen Bildregionen mit den Regionen in der Datenbank vergleichen, um zu entscheiden, ob die aktuelle Region einen Polypen beinhaltet oder nicht. Ziel ist es, das Verfahren im Echtzeitbetrieb verwenden zu können. Hier besteht aktuell noch das größte Entwicklungspotenzial welches im Laufe der weiteren Arbeiten ausgeschöpft werden soll.