• search hit 7 of 9
Back to Result List

Bitte verwenden Sie diesen Link, wenn Sie dieses Dokument zitieren oder verlinken wollen: https://nbn-resolving.org/urn:nbn:de:gbv:9-opus-34236

Stellenwert der semi-automatischen Läsionsquantifizierung in der Verlaufsbildgebung der Multiplen Sklerose

  • Multiple Sklerose ist eine chronisch verlaufende neurodegenerative Erkran- kung, welche sich durch herdförmige Läsionen des ZNS manifestiert und zur progredienten Behinderung führt. Die kraniale MR-Bildgebung und die Bestimmung der Läsionslast in T2-gewichteten Sequenzen ist das wichtigste paraklinische Verfahren zur Diagnostik und Verlaufskontrolle der MS. Diese wird in der klinischen Praxis durch visuellen Vergleich zweizeitiger MR- Untersuchungen ermittelt und ist zeitaufwendig und fehleranfällig, weshalb eine automatisierte Erkennung erstrebenswert ist. In dieser Arbeit wurde ein auf Subtraktionsbildern basierter Algorithmus zur semi-automatischen Erfassung von Veränderungen der Läsionslast in T2w, sowie von kontrastverstärkten T1w Datensätzen von Patienten mit einer chronisch demyelinisierenden Erkrankungen des ZNS mit der üblichen visuellen Befundung verglichen. Die hier präsentierte Methode erreicht im T2w Bild die Zuverlässigkeit der üblichen visuellen Befundung. Dahingegen ist sie bei kontrastverstärkten T1w Datensätzen unterlegen. Des Weiteren findet der präsentierte Algorithmus nicht nur neue, subtile Läsionen und geringe Volumenänderungen, sondern auch Signalalterationen ohne Volumenzunahme in vorbestehenden Läsionen, die bisher nicht Bestandteil der Diagnose- und Monitoringsysteme sind und bezüglich dessen einer Evaluation bedürften. In Hinblick auf T2w Datensätze könnte die präsentierte Methode die radio- logische Befundung unterstützen und eine schnellere und sicherere Befun- dung ermöglichen und so die Verlaufsbeobachtung der Krankheit erleichtern. In Zukunft könnten verbesserte Algorithmen, höhere Feldstärken und selbst- lernende Programme eine schnelle und verlässliche Alternative zur zeit- aufwendigen und fehlerbehafteten radiologischen Befundung darstellen und so Diagnose und Verlaufsbeobachtung bei Patienten mit Multipler Sklerose verbessern.
  • Multiple sclerosis is a chronic neurodegenerative disease manifested by focal lesions of the central nervous system leading to progressive disability. Cranial MR imaging and the determination of the lesion load in T2-weighted sequences is the most important paraclinic procedure for the diagnosis and follow-up of MS. This lesion load is determined in clinical practice by visual comparison of two MR examinations and is time-consuming and error-prone, which is why automated recognition is desirable. In this work, an algorithm based on subtraction images for semi-automatic detection of changes in lesion load in T2w, as well as contrast-enhanced T1w data sets of patients with chronic demyelinating diseases of the central nervous system were compared with the usual visual assessment. The method presented here achieves in the T2w image the reliability of the usual visual assessment. On the other hand, it is inferior to contrast-enhanced T1w data sets. Furthermore, the presented algorithm finds not only new, subtle lesions and small volume changes, but also signal alterations without volume increase in pre-existing lesions, which are not yet part of the diagnosis and monitoring systems and would require further evaluation. With regard to T2w data sets, the method presented could support radiological diagnosis and enable faster and more reliable diagnosis, thus facilitating the monitoring of the course of the disease. In the future, improved algorithms, higher field strengths and self-learning programs could provide a fast and reliable alternative to time-consuming and error-prone radiological findings and thus improve diagnosis and follow-up in patients with multiple sclerosis.

Download full text files

Export metadata

Additional Services

Share in Twitter Search Google Scholar
Metadaten
Author: Klaus Schwerdtner
URN:urn:nbn:de:gbv:9-opus-34236
Title Additional (German):Importance of semi-automatic lesion quantification in MR imaging in multiple sclerosis
Referee:PD Dr. André Kemmling, Prof. Dr. Sönke Langner
Advisor:Prof. Dr. Sönke Langner
Document Type:Doctoral Thesis
Language:German
Year of Completion:2019
Date of first Publication:2019/12/11
Granting Institution:Universität Greifswald, Universitätsmedizin
Date of final exam:2019/12/09
Release Date:2019/12/11
Tag:MRI, MRI monitoring, T2 lesion load, White matter hyperintensities, lesion detection, lesion segmentation, multiple sclerosis, semi-automatic detection
GND Keyword:Algorithmus, Kernspintomographie, Multiple Sklerose
Pagenumber:51
Faculties:Universitätsmedizin / Institut für Diagnostische Radiologie
DDC class:600 Technik, Medizin, angewandte Wissenschaften / 610 Medizin und Gesundheit