gms | German Medical Science

Die Quantifizierung von Schluckvorgängen ist von großer Bedeutung für die Diagnose und Behandlung von Schluckstörungen. In dieser Studie wird ein tiefes neuronales Netz zur automatischen Verfolgung des Bolus in videofluoroskopischen Aufnahmen entwickelt und evaluiert.

Insgesamt hatten wir Zugriff auf 144 videofluoroskopische Aufnahmen von unbeeinträchtigten Probanden. Aus diesen Aufnahmen konnten wir 461 einzelne Schluckvorgänge extrahieren. Diese Schluckvorgänge wurden annotiert, wodurch der Schluckbrei in jedem Bild der Aufnahme auf Pixelbasis definiert wurde. Diese annotierten Daten wurden verwendet, um ein U-Net zu trainieren, da es aufgrund seiner Architektur besonders für die Segmentierung geeignet ist. Nach dem Training wurde die Leistung des Netzes anhand von Testdaten evaluiert. Die Segmentierung bezeichnet die Abgrenzung des gesuchten Bereichs vom Hintergrund. Die Qualität der Segmentierung wurde anhand des Dice-Koeffizienten (DC) bewertet, der Werte zwischen 0 (schlecht) und 1 (exzellent) annehmen kann. Anschließend wurde der Bolus während des Schluckvorgangs hinsichtlich seiner Form und seines Hauptweges untersucht. Die Form wurde anhand einer Ellipse approximiert und durch die Exzentrizität beschrieben. Für die Bestimmung des zurückgelegten Weges wurde der Masseschwerpunkt des Bolus in jedem Bild des Schluckvorgangs berechnet.

Das entwickelte tiefe neuronale Netz erzielte eine bemerkenswert hohe Genauigkeit bei der Verfolgung des Bolus in videofluoroskopischen Aufnahmen. Es konnte den Bolus präzise über verschiedene Phasen des Schluckvorgangs identifizieren und verfolgen. Durch eine systematische Analyse mit verschiedenen Hyperparametern konnten wir die optimalen Einstellungen ermitteln, was zu einem Dice-Koeffizienten (DC) von 0,86 auf dem Validierungsdatensatz und 0,84 auf dem Testdatensatz führte. Der hohe DC-Wert auf dem Testdatensatz bestätigt die Fähigkeit des neuronalen Netzes, den Bolus auch bei neuen Daten gut vom Hintergrund zu unterscheiden, wie in Abbildung 1A [Abb. 1] gezeigt wird. Der segmentierte Bereich wurde verwendet, um die Form und Kinematik des Bolus zu quantifizieren. In Abbildung 1B [Abb. 1] wird die Analyse der Exzentrizität des Bolus im Verlauf des Schluckvorgangs dargestellt, welche eine deutliche Korrelation zwischen der Bolusform und der aktuellen Schluckphase aufzeigt. Zusätzlich wurde der Massenschwerpunkt des Bolus von seinem ersten Auftreten im Mund bis zum Durchgleiten durch die Speiseröhre betrachtet (siehe Abbildung 1C [Abb. 1]). Die Untersuchung der Verlaufskurve des Bolus über einzelne Schluckvorgänge und verschiedene Probanden hinweg ergab konsistente Ergebnisse.

Die Anwendung eines tiefen neuronalen Netzes ermöglicht eine effiziente und zuverlässige automatische Verfolgung des Bolus in videofluoroskopischen Aufnahmen, was eine präzise Quantifizierung von Schluckvorgängen ermöglicht. Die Ergebnisse deuten darauf hin, dass das entwickelte neuronale Netz eine wertvolle Unterstützung bei der klinischen Bewertung von Schluckstörungen darstellen kann. Eine Automatisierung des Prozesses ermöglicht zudem eine schnelle Analyse großer Datenmengen. Die nachfolgenden Analysen der Bolusform und -kinematik liefern zudem weitere Informationen über Schluckphasen und -verhalten, was eine wichtige Grundlage für eine umfassende Quantifizierung der Schluckphysiologie darstellt. Um die Anwendbarkeit und Zuverlässigkeit dieser Methode in klinischen Umgebungen zu bestätigen, sind jedoch weitere Forschung und Validierung erforderlich. Dies beinhaltet auch, die Evaluation der Leistung des trainierten Netzes auf pathologischen Daten.