Dokument: Ein neuer Algorithmus zur automatisierten Erfassung irreversibel geschädigten ischämischen Hirnparenchyms
| Titel: | Ein neuer Algorithmus zur automatisierten Erfassung irreversibel geschädigten ischämischen Hirnparenchyms | |||||||
| URL für Lesezeichen: | https://docserv.uni-duesseldorf.de/servlets/DocumentServlet?id=46120 | |||||||
| URN (NBN): | urn:nbn:de:hbz:061-20180604-110154-5 | |||||||
| Kollektion: | Dissertationen | |||||||
| Sprache: | Deutsch | |||||||
| Dokumententyp: | Wissenschaftliche Abschlussarbeiten » Dissertation | |||||||
| Medientyp: | Text | |||||||
| Autor: | Dr. Sliwka, Henrik [Autor] | |||||||
| Dateien: |
| |||||||
| Beitragende: | Dr. Turowski, Bernd [Gutachter] PD Dr. med. Beseoglu, Kerim [Gutachter] | |||||||
| Dewey Dezimal-Klassifikation: | 600 Technik, Medizin, angewandte Wissenschaften » 610 Medizin und Gesundheit | |||||||
| Beschreibungen: | Zur Nutzen-Risiko-Abschätzung der individuellen Thrombektomie ist eine Vorhersage der Grenzen des irreversibel geschädigten Hirnparenchyms not-wendig. Die in der Literatur genannten Grenzdefinitionen für irreversibel ge-schädigtes Gewebe in der CT-Perfusion sind überwiegend absolute Schwel-lenwerte. Der Prozess der Infarktentstehung ist jedoch ein dynamischer, lokal stattfindender und von individuellen Faktoren abhängiger Prozess. Ideal wäre deshalb eine individualisierte flexible Infarktgrenzendefinition, die auch die in der Nachbarschaft gemessenen Perfusionsparameterwerte berücksichtigt. In dieser Pilotstudie wird deshalb der prädiktive Wert einer individualisierten und flexiblen Definition für Infarktgrenzen untersucht. Bei 97 Patienten erfolgt ret-rospektiv eine automatische ROI-Analyse entlang eines kortikal/subkortikalen Bandes in den präinterventionellen Tmax- und CBV-Parameterkarten bzw. im postinterventionellen Nativbild. Die Lokalisationen der größten Änderung der auf den Messort bezogenen Tmax/CBV- bzw. Graustufenwerte werden als vorhergesagte bzw. tatsächliche Infarktgrenzen definiert. Die Infarktgröße wird (eindimensional) definiert als Größe ihres Ringsegmentes entlang des ROI-Bandes zwischen den beiden Infarktgrenzen. Als Interferenzstatistik der 97 Wertepaare wird die Loess-Regression, die auch nichtlineare Zusammenhän-ge modellieren kann, berechnet. Die Loess-Regression modelliert für Vorher-sagen bis 47,5 ROIs keinen signifikanten Unterschied zwischen vorhergesag-ter Infarktgröße und tatsächlicher Infarktgröße. Oberhalb von 47,5 ROIs unter-scheiden sich die vorhergesagten Infarktgrößen von der tatsächlichen Infarkt-größe hingegen signifikant (p < 0,05). Dieser nichtlineare Vorher-sagefehler ist hauptsächlich auf drei große Infarkte mit untypischer Ver-schlusslokalisation bei sehr guter Kollateralisierung zurückzuführen. Eine au-tomatisierte Perfusionsanalyse erlaubt somit eine Vorhersage der Grenzen des irreversibel geschädigten Parenchyms auf Basis der Änderung des Quotienten Tmax/CBV für Infarkte, die ein Gefäßterritorium betreffen. Unsere mathemati-schen Infarktgrenzendefinitionen sind objektiv und weitgehen d unabhängig von numerischen Beträgen der Perfusionsparameter. Durch die Berücksichti-gung von Kollateralisierungsstatus und Verschlusslokalisation im Vorher-sagemodell könnte der nichtlineare Vorhersagefehler möglicherweise elimi-niert werden. Die Fragestellung und das Format der Datenausgabe eignen sich ideal zur Anwendung maschinellen Lernens.For the benefit-risk assessment of the individual thrombectomy, a prediction of the borders of the irreversibly damaged brain parenchyma is necessary. The threshold definitions found in the literature for irreversibly damaged tissue in CT-perfusion are almost exceptionally absolute thresholds values. The process of brain infarction, however, is a dynamic, locally occurring process that de-pends on many individual factors. An individualized threshold definition which also takes account of the perfusion parameters measured in the neighborhood would be ideal. In this pilot study, the predictive value of an individualized and flexible definition of infarct borders is investigated.
In 97 patients, an automatic ROI analysis is performed retrospectively along a cortical / subcortical band in the preinterventional Tmax and CBV parameter maps and in the postinterventional native image. The localizations of the larg-est change in the Tmax / CBV and gray scale values related to the measure-ment location are defined as predicted or actual infarction limits, respectively. The infarct size is defined (one-dimensional) as the size of its ring segment along the ROI band between the two infarct limits. The Loess regression, which can also model nonlinear relationships, is calculated as the interference statistics of the 97 pairs of values. The Loess regression model predicts no sig-nificant difference between predicted infarct size and actual infarct size for predictions of infarcts up to a size of 47,5 ROIs. Above 47,5 ROIs, however, the predicted infarct sizes differ significantly from the actual infarct size (p < 0,05). This nonlinear prediction error is mainly due to three large infarcts with untypi-cal occlusion location and very good collateralization. Thus, an automated per-fusion analysis allows a prediction of the limits of the irreversibly damaged pa-renchyma based on the change in the quotas Tmax / CBV for infarcts that are not larger than one vascular territory. By considering collateralization status and closure localization in the prediction model, the nonlinear prediction error could possibly be eliminated. The questionnaire and the format of the data output are ideal for the application of machine learning. | |||||||
| Lizenz: |  Urheberrechtsschutz | |||||||
| Fachbereich / Einrichtung: | Medizinische Fakultät » Institute » Institut für Diagnostische Radiologie | |||||||
| Dokument erstellt am: | 04.06.2018 | |||||||
| Dateien geändert am: | 04.06.2018 | |||||||
| Promotionsantrag am: | 02.11.2017 | |||||||
| Datum der Promotion: | 29.05.2018 |
