neuroRAD 2019 – Hirnvolumetrie mit Open Source ‚Veganbagel’
Eine am Uniklinikum Düsseldorf entwickelte Software erlaubt das automatisierte Kartieren regionaler Abweichungen des Hirnvolumens.
-
Präsentationstag:10.10.2019 0 Kommentare
-
Autor:mh/ktg
-
Sprecher:Julian Caspers, Bernd Turowski, Christian Rubbert – Universitätsklinikum Düsseldorf
-
Quelle:neuroRAD 2019 – Poster
Regionale Abweichungen des zerebralen Volumens im Abgleich zu Normwerten der jeweiligen Altersgruppe einzuschätzen ist aufwendig und befunderabhängig. Einen Ansatz zur automatisierten Hirnvolumetrie bietet die Open Source Software ‚veganbagel’ – eine Abkürzung für: ‚volumetric estimation of gross atrophy and brain age longitudinally’.
Julian Caspers, Bernd Turowski und Christian Rubbert – alle drei sind Oberärzte in der Neuroradiologie am Universitätsklinikum Düsseldorf – präsentierten beim neuroRAD Ergebnisse der automatisierten Hirnvolumetrie mit veganbagel.
Methode
Die geschlechts- und altersabhängigen Vergleichsdaten generierten sie aus 3D T1w MRT-Untersuchungen einer normativen Kohorte von 693 Gesunden im Alter zwischen 16 und 77 Jahren (Daten vom Enhanced Nathan Kline Institute – Rockland Sample).
Durch mehrstufige Bearbeitung der Bilder (Segmentieren der grauen Substanz, Normalisieren, Glätten, Modulieren) gewannen sie für jedes Alter zwischen 18 und 75 Jahren Normwert-Kartierungen der grauen Substanz getrennt nach Männern und Frauen.
Nach derselben Methode bereiteten sie T1-gewichtete MRT-Aufnahmen von 1.334 PatientInnen auf. Diese stammten von der ‚Alzheimer’s Disease Neuroimaging Initiative’ ADNI:
- Altersspanne 55-75 Jahre, mittleres Alter 69 Jahre
- 51% Frauen, 49% Männer
- 204 PatientInnen mit Alzheimer, 646 mit leichter kognitiver Beeinträchtigung, 484 gesunde KontrollprobandInnen
Aus dem Abgleich der ADNI-basierten Maps mit den Normwert-Kartierungen errechneten Caspers und Kollegen Maps, die die Abweichungen zum Normwert farbkodiert darstellen.
Die Autoren beurteilten dann, in wie vielen Fällen sich Atrophie-Maps erstellen ließen und sich Atrophiemuster erkennen ließen.
Ergebnisse
Für 1.299 der 1.334 ADNI-Datensätze (97,4%) wurden erfolgreich Atrophie-Maps erstellt.
Bei den meisten der Alzheimer-PatientInnen war ein temporo-parietales Atrophiemuster klar erkennbar.
Die Bearbeitungszeit für einen einzelnen Datensatz auf einem State-of-the-Art-Server betrug weniger als zehn Minuten.
Fazit
Mit ihrem automatisierten Verfahren lassen sich regionale Abweichungen des Hirnvolumens im Vergleich zur Altersnorm zuverlässig darstellen, so die Autoren. Es könnte das Einschätzen von Hirnatrophie spürbar verbessern und vereinfachen.
