Article
Automatische Diagnose akuter Ischämie am Patientenbett mit ultraschallbasiertem Bolus Harmonic Imaging
Search Medline for
Authors
-
Adam Maciak
- Universität zu Lübeck, Institut für Signalverarbeitung, Lübeck
-
Günter Seidel
- Universitätskrankenhaus Schleswig-Holstein, Klinik für Neurologie, Lübeck
-
Karsten Meyer-Wiethe
- Universitätskrankenhaus Schleswig-Holstein, Klinik für Neurologie, Lübeck
-
Ulrich G. Hofmann
- Universität zu Lübeck, Institut für Signalverarbeitung, Lübeck
-
Christian Kier
- Universität zu Lübeck, Institut für Signalverarbeitung, Lübeck
| Published: | September 6, 2007 |
|---|
Outline
Text
Ziel: Die Diagnose zerebrovaskulärer Erkrankungen stützt sich zunehmend auf den Einsatz ultraschallbasierter Verfahren [Ref. 1], [Ref. 2], [Ref. 3], [Ref. 4]. Das kontrastmittelgestützte, transkranielle Bolus Harmonic Imaging (BHI) hat hierbei einen hohen Stellenwert [Ref. 5], [Ref. 6], [Ref. 7], [Ref. 8]. Die manuelle Auswertung der aufgezeichneten Bildsequenz erfolgt durch geübte Ärzte und ist zeitaufwendig [Ref. 9], [Ref. 10], [Ref. 11]. Das Ziel der hier beschriebenen drei Verfahren ist die sichere, vollautomatische Erkennung von Perfusionsdefekten des Gehirns.
Material und Methoden: Mit dem BHI werden Ultraschallbildsequenzen aufgezeichnet, die die Kontrastmitteldynamik im Gehirn wiedergeben [Ref. 12], [Ref. 13], [Ref. 14], [Ref. 15]. Diese Bilder werden mit drei verschiedenen Verfahren automatisch ausgewertet. Zum einen wird ein regelbasiertes System beschrieben, welches aus den aufgezeichneteten Ultraschallbildern Parameterbilder extrahiert und diese mit Hilfe von Expertenwissen nach perfundierten und minderperfundierten Gehirnarealen klassifiziert. Zum zweiten erfolgt die Klassifikation der Gehirngebiete unüberwacht mit dem K-Means Verfahren. Hierzu wird jedes der Parameterbilder als eine Dimension des zu klassifizierenden Merkmalsraums betrachtet, so dass eine unüberwachte Segmentierung der minderperfundierten Gehirnbereiche möglich ist. Drittens wird die gesamte Bildsequenz anhand der Kontrastmitteldynamik pixelweise klassifiziert. Hierbei kann darauf verzichtet werden, Parameterbilder extrahieren zu müssen. In allen drei Fällen ist es im Anschluss notwendig, die beim HI auftretenden Streifenartefakte automatisch zu Erkennen[Ref. 16]. Abschließend wird ein Aussagenbild generiert, in dem die gefundenen Minderperfusion markiert ist.
Ergebnisse:
Die drei Verfahren wurden auf einem 26 Patienten umfassenden Kollektiv klinisch validiert. Hierbei hat sich herausgestellt, dass insbesondere die Segmentierung anhand der Kontrastmitteldynamik dazu geeignet ist Minderperfusionen automatisch zu erkennen. Es konnte auf diesem Patientenkollektiv eine Sensitivität von 90% bei einer Spezifität von 100% erzielt werden.
Schlussfolgerungen: Alle drei Verfahren erscheinen geeignet ischämische Gehirngebiete zu erkennen. Hierbei liefert die Klassifikation von Gehirngebieten nach der Kontrastmitteldynamik die besten Ergebnisse, da es robust gegenüber Rauschen ist. Zudem ist es das schnellste Verfahren, da die Extraktion von Parameterbildern entfällt. Eine sichere, vollautomatische Erkennung von Perfusionsdefekten direkt am Patientenbett zur Unterstützung des Arztes ist mit den vorgestellten Verfahren möglich.
Literatur
- 1.
- Burns PN. Harmonic imaging with ultrasound contrast agents. Clinical Radiology. 1996; 51:50.
- 2.
- Eyding J, Wilkening W, Reckhard M. Contrast Burst Depletion Imaging - A new Imaging Procedure and Analysis Method for Semiquantitative Ultrasonic Perfusion Imaging. Stroke. 2002;34(1):77-83.
- 3.
- Della Martina A, Seidel G, Meyer-Wiethe K, Allemann E. Ultrasound Contrast Agents for Brain Perfusion Imaging and Ischemic Stroke Therapy - Instrumentation in Practice. Journal of Neuroimaging. 2005;33(1):1530-7.
- 4.
- Nanda NC, Schlief R. Advances in Echo Imaging Using Contrast Enhancement. Kluwer Academics Publishers; 1993.
- 5.
- Eyding J, Postert T, Wilkening W. Brain perfusion and ultrasonic imaging techniques. European Journal of Ultrasound. 2002;16:91-104.
- 6.
- Seidel G, Meyer-Wiethe K. Harmonic Imaging - Eine neue Methode zur sonographischen Darstellung der Hirnperfusion. Nervenarzt. 2001;72(1):600-10.
- 7.
- Seidel G, Algermissen C, Christoph A, Katzer T, Kaps M. Visualization of brain perfusion using harmonic grey scale and Power Doppler technology: An animal pilot study. Stroke. 2000;31:1728-34.
- 8.
- Grolimund P. Transmission of Ultrasound through the Temporal Bone. Springer-Verlag; 1986.
- 9.
- De Jong N, Frinking PJ, Bouakaz A. Detection Procedures of Ultrasound Contrast Agents. Ultrasonics. 2000;38:87-92.
- 10.
- Wilkening W, Postert T, Federlein J, Kono Y, Mattrey R, Ermert H. Ultrasonic assessment of perfusion conditions in the brain and in the liver. San Juan, Puerto Rico; 2000.
- 11.
- Meves SH, Wilkening W, Thies T, Eyding J, Hälscher T, Finger M, Schmid G, Ermert H, Postert T; Ruhr Center of Competence for Medical Engineering. Comparison between echo contrast agent-specific imaging modes and perfusion-weighted magnetic resonance imaging for the assessment of brain perfusion. Stroke. 2002; 33(1): 2433-7.
- 12.
- Wilkening W. Komzepte zur Signalverarbeitung für die Kontrastmittelspezifische Ultraschallabbildung. 2003.
- 13.
- Wiesmann M, Seidel G. Ultrasound perfusion imaging of the human brain. Stroke. 2000;31:2421-5.
- 14.
- Metzler V, Seidel G, Meyer-Wiethe K, Wiesmann M, Aach T. Perfusion Harmonic Imaging of the Human Brain. San Diego, CA; 2003.
- 15.
- Kier C, Toth D, Schindler LA, Meyer-Wiethe K, Cangür H, Seidel G, Aach T. Cerebral Perfusion Imaging with Bolus Harmonic Imaging. San Diego, CA; 2005.
- 16.
- Maciak A, Kier C, Seidel G, Meyer-Wiethe K. Detecting Stripe Artifacts in Ultrasound Images. Providence, Rhode Island; 2006.
