gms | German Medical Science

87th Annual Meeting of the German Society of Oto-Rhino-Laryngology, Head and Neck Surgery

German Society of Oto-Rhino-Laryngology, Head and Neck Surgery

04.05. - 07.05.2016, Düsseldorf

Automatisierte Bewertung von auf konfokaler Laserendomikroskopie (CLE) basierten Bildern des Stimmlippenepithels mittels Mustererkennung

Meeting Abstract

  • corresponding author Andreas Dittberner - Hals-Nasen-Ohrenklinik, Kopf- und Halschirurgie, Erlangen
  • Miguel Goncalves - HNO Uniklinik, Erlangen
  • Christopher Bohr - HNO Uniklinik, Erlangen
  • Heinrich Iro - HNO Uniklinik, Erlangen

Deutsche Gesellschaft für Hals-Nasen-Ohren-Heilkunde, Kopf- und Hals-Chirurgie. 87. Jahresversammlung der Deutschen Gesellschaft für Hals-Nasen-Ohren-Heilkunde, Kopf- und Hals-Chirurgie. Düsseldorf, 04.-07.05.2016. Düsseldorf: German Medical Science GMS Publishing House; 2016. Doc16hnod083

doi: 10.3205/16hnod083, urn:nbn:de:0183-16hnod0830

Published: March 30, 2016

© 2016 Dittberner et al.
This is an Open Access article distributed under the terms of the Creative Commons Attribution 4.0 License. See license information at http://creativecommons.org/licenses/by/4.0/.


Outline

Text

Einleitung: Goldstandard bei der Diagnostik von Läsionen des oberen ADT ist nach wie vor die Untersuchung mit Weißlicht und anschließender invasiver Gewebebiopsie. Zahlreiche optische Verfahren wurden in den letzten Jahren auf ihre Anwendbarkeit und Aussagekraft getestet, die Sicherheit und damit das Patientenüberleben zu verbessern. Die Erkennung epithelialer Veränderungen im Frühstadium, die Abgrenzbarkeit von gesundem Gewebe oder eine Vorhersage der Dignität sind bei allen Verfahren stark untersucherabhängig. Eine Automatisierung in der Beurteilung von optischen Daten ist daher nötig. Ein herausragender Vorteil der CLE ist, dass sie ein noninvasives Verfahren ist.

Material und Methoden: Die CLE basierten Aufnahmen wurden von gesunder und maligner Schleimhaut von 5 Patienten erstellt. Eine histologische Sicherung ist erfolgt. Insgesamt wurden aus 53 Bildsequenzen 4.445 Bilder untersucht. Diese wurden wiederum in 110 Untereinheiten (patches) a 80x80 pixel zerlegt. Den patches werden anhand von gray level co-occurrence matrixes (GLCM) und Local binary patterns (LBP) Texturmerkmale (features) zugeordnet. Diese features werden anhand eines Mustererkennungs-Algorithmus, basierend auf einer Support Vector Machine bzw. einem Random Forest Verfahren bewertet.

Ergebnisse: Die Spezifität und die Sensitivität, ob es sich um malige oder gesunde Schleimhaut handelt beträgt 92,6% und 86,2%.

Schlussfolgerungen: Die automatisierte Bewertung von CLE basierten Bildern schafft eine benutzerunabhängige Aussage, die mit einer hohen Wahrscheinlichkeit dem Untersucher die entscheidende Information liefert. Eine Automatisierung, sofern die Anwendung im klinischen Alltag gelingt, wird für alle im oberen ADT diagnostisch und chirurgisch tätigen Ärzte einen Nutzen bringen.

Der Erstautor gibt keinen Interessenkonflikt an.