Rofo 2020; 192(S 01): S19
DOI: 10.1055/s-0040-1703162
Vortrag (Wissenschaft)
Herzdiagnostik/Gefäßdiagnostik
© Georg Thieme Verlag KG Stuttgart · New York

Vollautomatische Quantifizierung der Volumina und Funktion des linken Ventrikels in der kardialen MRT: Evaluation eines Deep-Learning basierten Algorithmus

B Böttcher
1   Universitätsmedizin Rostock, Institut für Diagnostische und Interventionelle Radiologie, Kinder- und Neuroradiologie, Rostock
,
E Beller
1   Universitätsmedizin Rostock, Institut für Diagnostische und Interventionelle Radiologie, Kinder- und Neuroradiologie, Rostock
,
A Busse
1   Universitätsmedizin Rostock, Institut für Diagnostische und Interventionelle Radiologie, Kinder- und Neuroradiologie, Rostock
,
F Streckenbach
1   Universitätsmedizin Rostock, Institut für Diagnostische und Interventionelle Radiologie, Kinder- und Neuroradiologie, Rostock
,
M Weber
1   Universitätsmedizin Rostock, Institut für Diagnostische und Interventionelle Radiologie, Kinder- und Neuroradiologie, Rostock
,
F Meinel
1   Universitätsmedizin Rostock, Institut für Diagnostische und Interventionelle Radiologie, Kinder- und Neuroradiologie, Rostock
› Author Affiliations
Further Information

Publication History

Publication Date:
21 April 2020 (online)

 
 

    Zielsetzung Ziel war die Untersuchung der Leistung eines deep-learning basierten Algorithmus zur vollständig automatisierten Quantifizierung der Volumina und Funktion des linken Ventrikels in der kardialen MRT.

    Material und Methoden Retrospektiv wurden Kardio-MRT Untersuchungen von 50 Patienten (74% Männer, mittleres Alter 57 Jahre) analysiert. Die häufigsten Indikationen waren vermutete oder bekannte koronare Herzerkrankung, Myokarditis oder Kardiomyopathien. An diesen Datensätzen wurde eine vollautomatische Volumetrie zur Erfassung der linksventrikulären Volumina und Funktion mittels eines deep-learning basierten Algorithmus durchgeführt. Die Analyse wurde anschließend durch einen für kardiovaskuläre Bildgebung spezialisierten Radiologen korrigiert, sofern dies nötig wurde. Zudem wurden die Aufnahmen von Ärzten manuell volumetrisch ausgewertet. Dabei wurde die benötigte Zeit erfasst. Anschließend wurden die verschiedenen Ergebnisse verglichen.

    Ergebnisse Die vollautomatische volumetrische Analyse der Datensätze wurde bei allen Patienten erfolgreich in einer mittleren Zeit von 8,4 Sekunden durchgeführt. Einschließlich der Kontrolle und Korrektur durch einen Experten dauerte die Erhebung im Mittel 110 Sekunden. Die manuelle Auswertung der Datensätze benötigte im Mittel 3,5 Minuten (Facharzt) bzw. 9 Minuten (Assistent). Verglichen mit den experten-korrigierten Ergebnissen zeigt der vollautomatische Algorithmus eine mittlere Abweichung von -2,1% für das enddiastolische Volumen, +3% für das endsystolische Volumen und -7,5% für die Ejektionsfraktion. Die häufigste Abänderung betraf die Inklusion oder Exklusion von Schichten im Bereich des Apex oder der Herzbasis des linken Ventrikels.

    Schlußfolgerungen Der deep-learning basierte Algorithmus erlaubt eine vollautomatische Quantifizierung der linksventrikulären Volumina und Funktion mit einer guten Genauigkeit. Für präzise Ergebnisse sind jedoch Korrekturen notwendig. Die experten-korrigierte vollautomatische Volumetrie ist im Vergleich zur manuellen Vermessung sehr viel zeitsparender.


    #