gms | German Medical Science

GMDS 2013: 58. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e. V. (GMDS)

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie

01. - 05.09.2013, Lübeck

Ein regelbasiertes Fuzzy-System zur Gewebeklassifikation in diffusionsgewichteten MRT Bilddaten

Meeting Abstract

  • Stefan Leger - OncoRay – National Center for Radiation Research in Oncology, Dresden, DE
  • Robert Haase - OncoRay, TU Dresden, Dresden, DE
  • Nasreddin Abolmaali - ZIK OncoRay, Molekulare Bildgebung, TU Dresden, Dresden, DE
  • Hans-Joachim Böhme - HTW Dresden, Fak. Informatik/Mathematik, Dresden, DE

GMDS 2013. 58. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e.V. (GMDS). Lübeck, 01.-05.09.2013. Düsseldorf: German Medical Science GMS Publishing House; 2013. DocAbstr.177

doi: 10.3205/13gmds068, urn:nbn:de:0183-13gmds0689

Published: August 27, 2013

© 2013 Leger et al.
This is an Open Access article distributed under the terms of the Creative Commons Attribution License (http://creativecommons.org/licenses/by-nc-nd/3.0/deed.en). You are free: to Share – to copy, distribute and transmit the work, provided the original author and source are credited.


Outline

Text

Einleitung: Die Magnetresonanztomographie (MRT) ist ein wesentliches Diagnoseverfahren für onkologische Fragestellungen. Ein Vorteil der MRT ist z.B. die Möglichkeit unterschiedliche Gewebekontraste mit T1-, T2- oder diffusionsgewichteten Bildern während einer MRT Untersuchung zu erzeugen. Die diffusionsgewichtete MRT erlaubt die Darstellung molekularer Beweglichkeit zu quantifizieren und gewinnt in der onkologischen Diagnostik immer mehr Bedeutung. Durch die Vielzahl an unterschiedlichen Bildsequenzen entstehen schnell große Datenmengen mit weit über 1000 Bildern, z.B. bei einer Ganzkörper-MRT. Um diese Datenmenge schnell und genau auswerten zu können, ist eine automatische Gewebeklassifizierung, welche den Radiologen bei der Diagnose unterstützt, wünschenswert. Zu diesem Zweck wird in dieser Studie untersucht, in wie weit sich ein regelbasiertes Fuzzy-System zur automatischen Klassifikation von Geweben in MRT Bilddaten des Kopfes eignet.

Material und Methodik: Die Datenbasis in dieser Studie bestand aus drei Patientendatensätzen, mit jeweils verschiedenen stark diffusionsgewichteten MRT Bildern des Kopfes. Insgesamt wurden drei verschiedene Diffusionswichtungen (b-Wert) verwendet: b0 = 0 , b500 = 500 und b1000 = 1000 . Die Klassifikation von unterschiedlichen Geweben und Substanzen wie Tumor, Liquor, graue und weiße Gehirnsubstanz sowie Luft wurde anhand der Grauwerte der Bildvoxel bestimmt. Der Grauwert ist die linguistische Variable, welche durch die linguistischen Terme, wie ’hell’, ’dunkel’, ’grau’, ’helles grau’ und ’dunkel grau’ beschrieben wird. Die Initialwerte der linguistischen Terme wurden in den diffusionsgewichteten Bildern von Patient 1 manuell festgelegt. Weiterhin wurden verschiedene Regeln definiert, um Gewebe und Substanzen eindeutig aus den verschiedenen diffusionsgewichteten Bildern klassifizieren zu können. Diese Regeln imitieren den Entscheidungsprozess eines Radiologen bei der Befundung von MRT Bilddaten. Eine Regel kann wie folgt definiert werden: ”Wenn im b0 Bild grau und im b1000 Bild hell dann Tumor”. Die einzelnen linguistischen Terme wurde mittels dem UND-Operator verknüpft. Für den UND-Operator wurden im Rahmen dieser Studie verschiedene mathematische Funktionen verwendet: Fuzzy-Vereinigung, Hamacher-Produktregel, Einstein-Produktregel und die Differenzregel. Somit wird für jede Regel eine gesamt Wahrscheinlichkeit berechnet, die angibt welche Zugehörigkeit ein Voxel zu den einzelnen Gewebeklassen besitzt. Aus diesen Wahrscheinlichkeiten wird der maximale Wert bestimmt, der den Voxel eindeutig zu Gewebeklassen zuordnet.

Ergebnisse: Die Klassifikationsergebnisse von jedem Patienten wurden von erfahrenen Radiologen anhand einer Notenskala von 1 bis 6 bewertet. Der Algorithmus erreichte mit der Anwendung der Hamacher-Produktregel, dass beste Ergebnis mit einem Notendurchschnitt von 3.5 in Kombination mit einem b0 und b1000 Bild, unter den drei Patientendatensätzen.

Diskussion: Mit dem vorgestellten Algorithmus wurde gezeigt, dass grundsätzlich eine Gewebeklassifikation in diffusionsgewichteten MRT Bilddaten des Kopfes, mittels eines regelbasierten Fuzzy-Systems, möglich ist. Es ist zu vermuten, dass eine Verbesserung der Klassifikation erreicht werden kann wenn die Initialwerte der linguistischen Terme in mehreren Patientendatensätzen bestimmt wird.