Rofo 2022; 194(S 01): S8
DOI: 10.1055/s-0042-1749775
Abstract
Vortrag (Wissenschaft)
Bildverarbeitung/ IT/ Software

Kontrastmittelreduktion in der MRT mit Deep Learning unter Verwendung eines Generative Adversarial Networks in einer experimentellen Tierstudie

Authors

  • J Haubold

    1   Universitätsklinikum Essen, Institut für Diagnostische und Interventionelle Radiologie u, Essen

  • M B Schaarschmidt

    2   Institut für Diagnostische und Interventionelle Radiologie und Neuroradiologie, Universitätsklinikum Essen, Essen

  • Y Li

    2   Institut für Diagnostische und Interventionelle Radiologie und Neuroradiologie, Universitätsklinikum Essen, Essen

  • M J Theysohn

    2   Institut für Diagnostische und Interventionelle Radiologie und Neuroradiologie, Universitätsklinikum Essen, Essen

  • M J Ludwig

    2   Institut für Diagnostische und Interventionelle Radiologie und Neuroradiologie, Universitätsklinikum Essen, Essen

  • M Forsting

    2   Institut für Diagnostische und Interventionelle Radiologie und Neuroradiologie, Universitätsklinikum Essen, Essen

  • F Nensa

    3   Institut für künstliche Intelligenz in der Medizin, Universitätsklinikum Essen, Essen

  • G Jost

    4   MR & CT Contrast Media Research, Bayer AG, Berlin

  • H Pietsch

    4   MR & CT Contrast Media Research, Bayer AG, Berlin

  • R Hosch

    3   Institut für künstliche Intelligenz in der Medizin, Universitätsklinikum Essen, Essen
Further Information
Also available at
 
 

Zielsetzung Reduktion von leberspezifischen Kontrastmittel(CM) in der MRT durch virtuelle Kontrastverstärkung mittels Generative Adversarial Networks(GAN) in einem Großtiermodell.

Material und Methoden Zu drei verschiedenen Zeitpunkten wurden 20 gesunde Göttinger Minischweine einer MRT mit reduzierter Kontrastmitteldosis (lowCM, 0,005mmol/kg, Gadoxetat) und Standarddosis (standardCM; 0,025mmol/kg) (120 Untersuchungen) unterzogen, die eine arterielle, portalvenöse, venöse, 20min und 30min hepatobiliäre Kontrastphase enthielt. Ein Tier musste wegen unvollständiger Untersuchungen ausgeschlossen werden. Drei von 19 Tieren wurden nach dem Zufallsprinzip ausgewählt und für die Validierung zurückbehalten (18 Untersuchungen). Die verbleibenden 16 Tiere (96 Untersuchungen) wurden verwendet, um das GAN für eine Bild-zu-Bild-Konvertierung von lowCM zu standardCM zu trainieren. Anschließend wurden ROI-Messungen in der abdominellen Aorta, der Vena cava inferior, der Pfortader, dem Leberparenchym und der autochthonen Rückenmuskulatur durchgeführt und die CNR berechnet. Zusätzlich wurden in einem visuellen Turing-Test (VTT) die Daten der standardCM und der virtuellen Standarddosis (virtualCM) drei radiologischen Fachärzten vorgeführt, die entscheiden mussten, ob sie beide Datensätze als identisch eingestuft hätten und welche Bilder von der standardCM-Untersuchung stammten.

Ergebnisse Die CNR erhöhte sich signifikant (P<0,0001) in allen Kontrastphasen und unterschied sich nicht signifikant von den standardCM-Untersuchungen (19,8±6,2 lowCM, 34,6±9,8 virtualCM, 38,5±12,8 standardCM). Beim VTT gaben die Prüfer im Durchschnitt an, dass die Sequenzen von standardCM und virtualCM in 96 % der Untersuchungen als identisch eingestuft werden. Die Prüfer konnten in 61 % der Fälle die standardCM-Sequenz als solche identifizieren.

Schlußfolgerungen Diese Machbarkeitsstudie an gesunden Minischweinen zeigt, dass die Menge an hepatobiliärem Kontrastmittel in der MRT bei vergleichbarer Bildqualität um 80 % reduziert werden kann.


Publication History

Article published online:
29 August 2022

© 2022. Thieme. All rights reserved.

Georg Thieme Verlag
Rüdigerstraße 14, 70469 Stuttgart, Germany