DE102014201321A1

DE102014201321A1 - Bestimmung von Läsionen in Bilddaten eines Untersuchungsobjekts

Info

Publication number: DE102014201321A1
Application number: DE102014201321.6A
Authority: DE
Inventors: Peter DANKERL; Matthias HAMMON; Michael Kelm; Michael Sühling; Alexey Tsymbal; Michael Wels; Andreas Wimmer
Original assignee: Siemens AG; Universitaetsklinikum Erlangen
Current assignee: Siemens Healthcare GmbH
Priority date: 2013-02-12
Filing date: 2014-01-24
Publication date: 2014-08-14
Also published as: US20140228667A1

Abstract

Es wird ein Verfahren in der radiologischen Bildgebung zur Bestimmung von Läsionen (L) in Bilddaten (BD) eines Untersuchungsobjekts beschrieben. Das Verfahren umfasst einen Verfahrensschritt zur Bestimmung anatomischer Strukturen (AS) durch hierarchische Zergliederung (HZ) der Bilddaten (BD) des Untersuchungsobjekts. Weiterhin umfasst das Verfahren einen Verfahrensschritt der Bilddatenanalyse (BA) zur Lokalisierung von Läsionskandidaten (LK) in den anatomischen Strukturen (AS). Außerdem umfasst das Verfahren einen Verfahrensschritt zur Bestimmung der Läsionen (L) durch Bewertung und Filterung (BF) der Läsionskandidaten (LK). Darüber hinaus wird eine Bildbearbeitungsstation (BS) in der radiologischen Bildgebung zur Bestimmung von Läsionen (L) in Bilddaten (BD) eines Untersuchungsobjekts sowie eine Bildgebungseinrichtung beschrieben.

Description

Die Erfindung betrifft ein Verfahren in der radiologischen Bildgebung zur Bestimmung von Läsionen in Bilddaten eines Untersuchungsobjekts. Darüber hinaus betrifft die Erfindung eine Bildbearbeitungsstation in der radiologischen Bildgebung zur Bestimmung von Läsionen in Bilddaten eines Untersuchungsobjekts sowie eine Bildgebungseinrichtung und ein Computerprogrammprodukt.
Bildgebende Systeme der Medizintechnik nehmen heute eine bedeutende Rolle bei der Untersuchung von Patienten ein. Die von den bildgebenden Systemen erzeugten Darstellungen der inneren Organe und Strukturen des Patienten werden zu vorbeugenden Untersuchungen (Screening), zur Gewebeentnahme (Biopsie), der Diagnose von Krankheitsursachen, zur Planung von Operationen, bei der Durchführung von Operationen oder auch zur Vorbereitung von therapeutischen Maßnahmen angewandt. Beispiele für solche bildgebenden Systeme sind Ultraschallsysteme, Röntgengeräte, Röntgen-Computertomographie(CT)-Systeme, Positronen-Emissionstomographie(PET)-Systeme, Single-Photon-Emissionstomographie(SPECT)-Systeme oder Magnetresonanz(MR)-Systeme.
Ein Anwendungsgebiet für bildgebende Systeme, welches weiterhin an Bedeutung gewinnt, sind Untersuchungen zur Krebsvorsorge und eine Unterstützung therapeutischer Maßnahmen bei der Behandlung von Krebserkrankungen. Allerdings bleibt trotz verbesserter Bildgebungsgeräte sowie eines vergrößerten Funktionsumfangs der zugehörigen Software-Mittel die Behandlung von Patienten mit einer Krebserkrankung eine große Herausforderung. Untersuchungen in der Europäischen Union bestätigen, dass Krebserkrankungen als Todesursache von Patienten nicht abnehmen, sondern für bestimmte Krebsarten, wie Bauchspeicheldrüsenkrebs oder Lungenkrebs bei Frauen in den letzten Jahren sogar zugenommen haben. Für alle Krebsarten ist generell eine frühzeitige Detektion durch das medizinische Fachpersonal entscheidend für eine erfolgreiche Behandlung der Krebserkrankung. Dabei konnte bereits in [E. A. Krupinski, „Computer-aided detection in clinical environment: benefits and challenges for radiologists", Radiology, 231, 2004, 7–9] gezeigt werden, dass auch die erfahrensten Radiologen durch eine geeignete Rechner- bzw. Software-Unterstützung bei der Interpretation radiologischer Bilddaten bessere Ergebnisse bei der Detektion von Krebserkrankungen erzielen. Abgesehen von der Erkennung von generellen Verletzungen anatomischer Strukturen eines Patienten, den sog. Läsionen, zeigt sich, dass die Beurteilung und Risikobewertung von Läsionen schwierig und fehleranfällig ist, insbesondere wenn es sich um Läsionen mit kleineren Abmessungen handelt, obwohl gerade die frühzeitige Detektion kleinerer Läsionen, also beispielsweise eine Krebserkrankung, die sich in einem Anfangsstadium befindet, wesentlich zur Heilung eines Patienten beitragen kann. Entsprechend fällt der Detektion und Bewertung von Läsionen in der medizinischen Praxis einen hohe Bedeutung zu. Aus Schätzungen ist bekannt, dass die Detektion und Bewertung von Läsionen mehr als 60% der diagnostischen Tätigkeiten des medizinischen Fachpersonals ausmacht. Jedoch kann nicht jede Läsion zuverlässig direkt durch das bildgebende System, dass zur Detektion einer Läsion eingesetzt wurde, bewertet werden.
Es besteht daher ein Bedarf an Lösungen, mit denen sich Läsionen zuverlässig sowie zeit- und kostengünstig detektieren und bewerten lassen. Insbesondere besteht ein Bedarf an Lösungen zur frühzeitigen und sicheren Erkennung kleinerer, maligner (bösartiger) Läsionen bei einer Krebserkrankung, da die Heilungsmöglichkeiten sinken (und die Behandlungsaufwände steigen) je später eine maligne Läsion im Körper des Patienten identifiziert wird.
Bisher sind einzelne, technische Lösungen bekannt, mit denen sich Läsionen im Körper eines Patienten detektieren lassen, beispielsweise die syngo^®-Suite der Siemens AG oder der in [M. Wels, et al., „Multi-stage osteolytic spinal bone lesion detection from CT data with internal sensitivity control", Proc. SPIE Medical Imaging, 2012] beschriebene Prototyp zur Detektion von Metastasen in CT-Bilddaten der Wirbelsäule. Derartige Systeme und Lösungen des Stands der Technik sind dabei isoliert, d.h. optimiert für eine bestimmte anatomische Struktur oder Körperregion und spezialisiert auf die Detektion von Läsionen einer bestimmten Ausprägung einer Krebserkrankung. Aufgrund dieser spezifischen Ausrichtung der bekannten Lösungen gelingt es damit oft nicht, Metastasen im Körper eines Patienten frühzeitig zu detektieren, wenn diese Metastasen von einer primären Krebserkrankung in einer anderen anatomischen Struktur oder einer anderen Körperregion ausgehen. Dies gilt insbesondere für die häufig vorkommenden Metastasen oder malignen Läsionen im Skelett eines Patienten, welche von einer primären Krebserkrankung in der Lunge, in der Brust oder im Dickdarm verursacht wurden.
Es ist daher eine Aufgabe der vorliegenden Erfindung Verfahren und Einrichtungen anzugeben, die die beschriebenen Nachteile des Stands der Technik bei der Detektion von Läsionen vermeiden und nicht auf eine bestimmte Körperregion oder eine anatomische Struktur eines Patienten beschränkt sind.
Diese Aufgabe wird durch ein Verfahren nach Anspruch 1 und eine Bildbearbeitungsstation nach Anspruch 13 gelöst.
Das erfindungsgemäße Verfahren in der radiologischen Bildgebung zur Bestimmung von Läsionen in Bilddaten eines Untersuchungsobjekts umfasst einen ersten Schritt, bei dem anatomische Strukturen durch hierarchische Zergliederung der Bilddaten des Untersuchungsobjektes bestimmt werden. Der Begriff "Untersuchungsobjekt" bzw. "Patient" steht hier und im Folgenden für einen in medizinischer Behandlung befindlichen Menschen oder ein in medizinischer Behandlung befindliches Tier. Dabei sind auch Untersuchungsobjekte mit eingeschlossen, welche keine Erkrankung aufweisen, also auch Menschen, bei denen Bilddaten zur Vorbeugung, z.B. bei einem präventiven Screening zur Krebs-Vorsorge, erzeugt werden. Im Weiteren werden die Begriffe "Untersuchungsobjekt" und "Patient" gleichbedeutend und ohne Einschränkung der Erfindung verwendet. Außerdem wird in der Erfindung nicht zwischen weiblichen und männlichen Patienten unterschieden, sondern einheitlich der männliche Begriff "Patient" verwendet.
Die Bilddaten können durch eine Messung oder Bilddatenaufnahme mit einem System der radiologischen Bildgebung erzeugt worden sein. Beispielsweise kann es sich bei den Bilddaten um ein zweidimensionales Bild eines Körperbereichs des Untersuchungsobjektes handeln, wobei das Bild mit einer in der medizinischen Praxis üblichen Röntgeneinrichtung aufgenommen wurde. Ebenso sind dreidimensionale Aufnahmeverfahren zur Erzeugung der Bilddaten denkbar, also beispielsweise Verfahren mit CT-, PET-, MR-Systemen oder digitale Tomosynthese-Verfahren, wie sie z.B. bei der Mammadiagnostik verwendet werden.
Die anatomischen Strukturen des Untersuchungsobjekts sind dabei neben den Knochen des Skeletts auch nichtknochenartige Strukturen, wie beispielsweise Organe, Gewebe, Muskeln, Bindegewebe, Hautschichten, Nerven oder Blutgefäße. Durch eine hierarchische Zergliederung oder auch Segmentierung der radiologischen Bilddaten werden zum einen einzelne anatomische Strukturen in den Bilddaten identifiziert. Das heißt, dass beispielsweise die Leber oder die Halswirbel eines Patienten in den Bilddaten lokalisiert werden. Darüber hinaus wird durch die hierarchische Zergliederung der Bilddaten die räumliche Beziehung der einzelnen anatomischen Strukturen zueinander bestimmt. Eine derartige Zergliederung der radiologischen Bilddaten ermöglicht in den weiteren Schritten des erfindungsgemäßen Verfahrens eine zuverlässige und effiziente Navigation zu den anatomischen Strukturen. Ebenfalls kann das Ergebnis der hierarchischen Zergliederung auch das medizinische Fachpersonal bei einer sich an das Verfahren anschließenden Navigation zu den durch das Verfahren bestimmten Läsionen unterstützen. Die hierarchische Zergliederung kann dabei zumindest in Teilbereichen des Untersuchungsobjektes parallel ausgeführt werden. Z.B. kann die Zergliederung der Bilddaten im Bereich des rechten Arms parallel zu einer Zergliederung der Bilddaten im Bereich des linken Arms erfolgen. Dadurch reduziert sich die Ausführungsdauer des Verfahrensschritts. Weiterhin ist eine weitest gehende automatisierte Ausführung des Verfahrensschrittes durch entsprechende rechnergestützte Mittel und Verfahren möglich.
Die hierarchische Zergliederung kann innerhalb des erfindungsgemäßen Verfahrens auch durch eine Wissensdatenbasis („knowledge base“) für anatomische Strukturen unterstützt und ergänzt werden. Insbesondere kann eine sog. Ontologie oder ontologische Wissensdatenbasis Informationen zu den Eigenschaften einzelner anatomischer Strukturen und zu den Beziehungen zwischen den einzelnen anatomischen Strukturen bereitstellen. Bevorzugt liegt dabei die Ontologie in einer maschinenlesbaren Darstellung vor, welche für eine rechnergestützte Ausführung der hierarchischen Zergliederung geeignet ist.
In einem zweiten Schritt des erfindungsgemäßen Verfahrens findet eine Bilddatenanalyse zur Lokalisierung von Läsionskandidaten in den zuvor bestimmten anatomischen Strukturen statt. Eine derartige Bilddatenanalyse untersucht die Bilddaten auf Abweichungen gegenüber Referenzdaten, also anatomische Abnormalitäten, welche ein Hinweis auf das Vorliegen einer Läsion sein können. Es ergeben sich somit Läsionskandidaten. Beispielsweise kann eine bestimmte Grauwertstufe in radiologischen Bilddaten auf das Vorhandensein einer Läsion hinweisen. Wiederum ist eine weitest gehende automatisierte Ausführung dieses Verfahrensschrittes durch entsprechende rechnergestützte Mittel und Verfahren möglich und auch bevorzugt.
In einem dritten Schritt des erfindungsgemäßen Verfahrens werden Läsionen durch eine Bewertung und Filterung der Läsionskandidaten bestimmt. Die Läsionskandidaten können dabei durch geeignete Kriterien bewertet und anschließend aufgrund dieser Bewertung gefiltert werden. Die nach dieser Filterung verbleibenden Läsionen stehen anschließend für eine weitere Analyse und Bewertung durch das medizinische Fachpersonal zur Verfügung. Die Filterung kann dabei als Ergebnis für die bestimmten Läsionen neben einer Untermenge der Läsionskandidaten auch alle Läsionskandidaten oder auch keinen der Läsionskandidaten aufweisen. Beispielsweise kann eine Filterung in Abhängigkeit von der Größe der Läsionen erfolgen. Dadurch lassen sich die Läsionen in Größenklassen kategorisieren. Insbesondere wird bei einer mehrfachen Anwendung des Verfahrens an einem Patienten eine Beurteilung des Krankheitsverlaufes durch Bewertung der Ausbreitung von Läsionen und deren Größenwachstum ermöglicht. Die Filterung der Läsionskandidaten findet bevorzugt mit Hilfe von medizinischem Fachwissen statt, wobei das Fachwissen bevorzugt in einer Darstellung repräsentiert wird, welche für eine rechnerunterstützte Verarbeitung geeignet ist.
Es versteht sich, dass die durch das Verfahren bestimmten Läsionen nicht notwendigerweise exakt mit den tatsächlich im Körper des Patienten befindlichen Läsionen übereinstimmen. Bedingt durch Ungenauigkeiten bei der Erzeugung der radiologischen Bilddaten und dem prädiktiven Charakter des Verfahrens handelt es sich bei den durch das Verfahren bestimmten Läsionen nur um Angaben über eine Körperregion, bei der mit einer gewissen Wahrscheinlichkeit eine Läsion zu vermuten ist. Die Eigenschaften des erfindungsgemäßen Verfahrens und dessen Ausführungsformen sollen jedoch dazu beitragen, dass die Wahrscheinlichkeit einer korrekten Detektion einer Läsion gegenüber dem Stand der Technik verbessert wird. Eine exakte Aussage bzw. Bestätigung über das Vorhandensein einer Läsion und deren Eigenschaften kann dann z.B. durch einen operativen Eingriff am Patienten und ggf. eine anschließende Histologie getroffen werden. Mit dem erfindungsgemäßen Verfahren ist jedoch zu erwarten, dass unnötige und unerwünschte operative Eingriffe zur Krebsvorsorge, sog. Biopsien, vermieden oder reduziert werden. Auch für den dritten Verfahrensschritt ist eine weitestgehende automatisierte Ausführung dieses Verfahrensschrittes durch entsprechende rechnergestütze Mittel und Verfahren möglich.
Das erfindungsgemäße Verfahren zeichnet sich dadurch aus, dass es auf alle Körperbereiche eines Patienten anwendbar und nicht auf einen Körperbereich beschränkt ist. Damit lassen sich auch maligne Läsionen an Orten detektieren, an denen sie ein Radiologe möglicherweise nicht vermutet hätte. Dies wiederum kann zu einer frühzeitigen Detektion und damit zu verbesserten Heilungsaussichten sowie einer geringeren Anzahl an belastenden Folgeuntersuchungen beitragen. Weiterhin ist das erfindungsgemäße Verfahren nicht auf eine bestimmte Ausprägung von Läsionen, Krebsarten oder Metastasenformen festgelegt. Dem medizinischen Fachpersonal kann damit ein Verfahren zur Verfügung gestellt werden, das unabhängig von der Krebserkrankung oder der Körperregion einheitlich bedienbar ist und über einen weiten Anwendungsbereich verfügt. Dies ermöglicht letztlich eine effiziente und fehlerunanfällige Bedienung durch das medizinische Fachpersonal. Außerdem greift das Verfahren auf medizinisches Fachwissen oder Wissensdatenbasen zurück, so dass sich die gewünschte hohe Zuverlässigkeit bei der Bestimmung von Läsionen einstellen kann. Darüber hinaus kann durch die teilweise oder auch vollständige Automatisierung des Verfahrens durch eine geeignete Rechnerunterstützung eine Entlastung des medizinischen Fachpersonals erzielt werden.
Das erfindungsgemäße Verfahren zeichnet sich weiterhin dadurch aus, dass die drei Verfahrensschritte die Bilddaten des Untersuchungsobjektes auf unterschiedlichen Abstraktionsebenen bewerten können und damit eine ganzheitliche und umfassende Bestimmung von Läsionen erreicht wird. Beispielsweise wird die Bilddatenanalyse zur Lokalisierung von Läsionskandidaten eher auf einfache Bildverarbeitungsverfahren auf einer niedrigeren Abstraktionsebene zurückgreifen, wie der genannten Auswertung von Graustufen in den Bilddaten. Die Bestimmung der Läsionen durch Bewertung und Filterung dagegen wird eher Verfahren und Wissen einsetzen, dass sich aus einer übergeordneten medizinischen Fachkenntnis ableitet, wie der Kenntnis über bestimmte Krankheitsbilder. Dieser Verfahrensschritt ist damit eher einer höheren Abstraktionsebene zuzuordnen.
Eine erfindungsgemäße Bildbearbeitungsstation in der radiologischen Bildgebung zur Bestimmung von Läsionen in Bilddaten eines Untersuchungsobjekts umfasst eine Strukturbestimmungseinrichtung zur Bestimmung anatomischer Strukturen durch hierarchische Zergliederung der Bilddaten des Untersuchungsobjekts. Weiterhin umfasst die erfindungsgemäße Bildbearbeitungsstation eine Bilddatenanalyseeinrichtung zur Lokalisierung von Läsionskandidaten in den anatomischen Strukturen. Darüber hinaus umfasst die erfindungsgemäße Bildbearbeitungsstation eine Läsionsbestimmungseinrichtung zur Bestimmung der Läsionen durch Bewertung und Filterung der Läsionskandidaten. Die erfindungsgemäße Strukturbestimmungseinrichtung, die erfindungsgemäße Bilddatenanalyseeinrichtung oder die erfindungsgemäße Läsionsbestimmungseinrichtung können dabei teilweise oder vollständig durch Hardware-Komponenten ausgeführt sein, beispielsweise unter Verwendung von Halbleiter-Bausteinen wie ASICs (Application Specific Integrated Circuits), FPGAs (Field Programmable Gate Arrays), oder PLAs (Programmable Logic Arrays). Darüber hinaus kann ein Computerprogrammprodukt, welches direkt in einen Speicher einer programmierbaren Bildgebungseinrichtung ladbar ist, die erfindungsgemäßen Verfahren zumindest teilweise mit Programmcode-Mitteln ausführen, wenn das Computerprogrammprodukt in der Bildgebungseinrichtung ausgeführt wird.
Die abhängigen Ansprüche enthalten jeweils besonders vorteilhafte Ausgestaltungen und Weiterbildungen der Erfindung, wobei eine erfindungsgemäße Bildbearbeitungsstation zur Bestimmung von Läsionen in Bilddaten eines Untersuchungsobjekts analog zu den abhängigen Ansprüchen des erfindungsgemäßen Verfahrens zur Bestimmung von Läsionen in Bilddaten eines Untersuchungsobjekts weitergebildet sein können.
Da das erfindungsgemäße Verfahren einen Verfahrensschritt zur Bestimmung anatomischer Strukturen umfasst, können die weiteren Verfahrensschritte durch die vorhandenen Daten zu den anatomischen Strukturen in vorteilhafter Weise gesteuert werden. Bevorzugt ist das Verfahren so ausgebildet, dass die Lokalisierung der Läsionskandidaten und/oder die Bestimmung der Läsionen durch spezifische Merkmale der anatomischen Strukturen gesteuert wird. Beispielsweise kann ein detektierter osteolytischer Läsionskandidat, der sich in der Nähe einer basivertebralen Vene innerhalb eines Wirbels des Patienten befindet, als physiologisch, also nicht krankhaft klassifiziert und aus der Menge der Läsionskandidaten eliminiert werden. Mit einer derartigen Steuerung des erfindungsgemäßen Verfahrens durch Kenntnis der anatomischen Strukturen ergibt sich eine verbesserte Effizienz und eine reduzierte Anzahl an fehlerhaft prognostizierten malignen Läsionen. Als weiteres Beispiel lassen sich sklerotische und damit gutartige Abnormalitäten („sclerotic degenerations“) nennen, welche dafür bekannt sind, dass sie in der Nähe des kortikalen Knochengewebes auftreten. Entsprechend können diese Abnormalitäten bei Kenntnis der zugehörigen Struktur vorteilhaft aus der Menge der Läsionskandidaten eliminiert werden. Das heißt, dass sich durch die vorausgegangene hierarchische Zergliederung (Segmentierung) ein Beitrag zur Identifikation und Eliminierung von fehlerhaften Läsionsbestimmungen ergibt.
Ebenfalls kann das erfindungsgemäße Verfahren so ausgebildet sein, dass die Lokalisierung der Läsionskandidaten und/oder die Bestimmung der Läsionen durch spezifische Merkmale einer bestimmten Körperregion des Untersuchungsobjektes gesteuert wird. Die sich durch diese Ausführungsform ergebenden Vorteile sind vergleichbar zu den vorgenannten Vorteilen bei einer Steuerung durch spezifische Merkmale der anatomischen Strukturen.
In einer bevorzugten Ausführungsform ist das erfindungsgemäße Verfahren dadurch gekennzeichnet, dass zur Lokalisierung der Läsionskandidaten und/oder zur Bestimmung der Läsionen eine Anzahl an regelbasierten Klassifikatoren verwendet wird, bevorzugt eine Anzahl an wissensbasierten Klassifikatoren, die durch Bilddaten anderer Untersuchungsobjekte trainiert wurden. Mit "Anzahl" wird dabei hier und im Weiteren eine positive natürliche Zahl größer als Null bezeichnet. Insbesondere können die Klassifikatoren so ausgebildet sein, dass sie durch die spezifischen Merkmale der anatomischen Strukturen gesteuert werden. Ein Klassifikator oder auch ein Klassifikationsverfahren weist dabei einem Objekt in den radiologischen Bilddaten aufgrund seiner Eigenschaften eine oder mehrere Klassen zu.
Eine Anzahl an Klassifikatoren kann angewandt werden, um gutartige Veränderungen der Knochenstruktur eines Patienten von malignen Läsionen zu unterscheiden. Beispiele hierfür sind die Unterscheidung zwischen Osteophyten und degenerativer Sklerose von malignen, blastischen Läsionen oder die Unterscheidung zwischen gutartigen Abnormalitäten wie Osteopenie, Osteoporose, Hämangiomen oder Schmorl-Knötchen von malignen lytischen Läsionen. Ein wissensbasierter Klassifikator kann sich dabei durch Regeln auszeichnen, die mit vorhandenen Trainingsbilddaten anderer Patienten erzeugt oder optimiert wurden. Insbesondere kann es sich dabei um Trainingsbilddaten handeln, die durch einen Experten der Medizin annotiert wurden, beispielsweise durch Markierung der Bilddaten und eine entsprechende Klassifikation.
Weiterhin können durch das erfindungsgemäße Verfahren zusätzliche Eigenschaften der jeweiligen anatomischen Struktur bestimmt werden, die für das medizinische Fachpersonal und die weitere Behandlung vorteilhaft einsetzbar sind. Wird beispielsweise durch das erfindungsgemäße Verfahren eine osteolytische Knochenläsion in einem Wirbel bestimmt, dann kann durch das Verfahren ein Hinweis auf eine mögliche Gefahr eines Wirbelbruchs für den betreffenden Wirbel generiert werden. Hierbei können regelbasierte Klassifikatoren und/oder wissensbasierte Klassifikatoren zum Einsatz kommen, die durch Daten anderer Patienten trainiert wurden, wobei in diesem Fall diese Daten Informationen über das Auftreten von Wirbelbrüchen enthalten. Eine derartige Generierung zusätzlicher Information wird auch als nachgeordnete Klassifikation oder Klassifikation zweiter Stufe bezeichnet („secondary classification system“).
In einer bevorzugten Ausführungsform ist das erfindungsgemäße Verfahren dadurch gekennzeichnet, dass die Anzahl an regelbasierten Klassifikatoren eine Anzahl an Falsch-Positiv-Klassifikatoren umfasst, bevorzugt wissensbasierte Falsch-Positiv-Klassifikatoren, die durch Falsch-Positiv-Bilddaten anderer Untersuchungsobjekte trainiert wurden. Unter einem „Falsch-Positiv-Klassifikator“ wird hier ein Klassifikator verstanden, welcher zum Ziel hat, die (positiven) Detektionen (Kandidaten) eines vorangehenden Klassifikators nochmals zu bewerten, um somit Falsch-Positive auszuschließen, ohne dabei die Anzahl der richtigerweise detektierten Läsionen (d.h. die „Wahr-Positiven“) zu verringern. Zum Beispiel kann bei der Detektion von malignen Läsionen in der Wirbelsäule eine Anzahl an Falsch-Positiv-Klassifikatoren angewandt werden, die auf Regeln wie der folgenden Regel basieren: „Eine lytische Läsion wird als gutartige Wirbelläsion klassifiziert, falls es sich um eine Lyse mit geringem Kontrast handelt UND falls sie sich zentral in der rückwärtigen Ebene eines Wirbels befindet“. Mit dieser Regel würden in vorteilhafter Weise Läsionen aus der Menge an Läsionskandidaten eliminiert, welche ansonsten zu einem falsch-positivem Ergebnis, d.h. der Detektion einer tatsächlich gutartigen Läsion als bösartige Läsion führen würden.
In einer weiteren Ausführungsform ist das erfindungsgemäße Verfahren dadurch gekennzeichnet, dass zur Bestimmung der anatomischen Strukturen eine Anzahl an anatomischen Atlanten verwendet wird und/oder eine Anzahl an anatomischen Landmarken in den Bilddaten bestimmt wird. Die anatomischen Atlanten unterstützen dabei die Bestimmung der anatomischen Strukturen und stellen räumliche oder inhaltliche Beziehung zwischen anatomische Strukturen her. Anatomische Landmarken sind dabei im Allgemeinen anatomische Gegebenheiten des Untersuchungsobjekts die besondere Eigenschaften aufweisen oder die leicht in radiologischen Bilddaten identifizierbar sind. Beispiele für anatomische Landmarken sind Augenwinkel, die Nasenspitze, die Brustwarze (Papilla), ein bestimmter Wirbel der Wirbelsäule, oder die vordere Kommisur (anterior commisure, AC) und hintere Kommisur (posterior commisure, PC) des Gehirns.
Beispielsweise können in dem erfindungsgemäßen Verfahren bei der hierarchischen Zerlegung alle Knochen des Skeletts mit Hilfe von anatomischen Atlanten und/oder anatomischen Landmarken in den Bilddaten bestimmt werden und anschließend über eine geeignete anatomische Ontologie eine Klassifikation aller Knochen identifiziert werden. Eine derartige Klassifikation kann dann die Grundlage für die weiteren Schritte des Verfahrens sein, dass heißt die Bestimmung der Läsionskandidaten und/oder der Läsionen steuern. Darüber hinaus kann eine Klassifikation der Knochen des Skeletts des Patienten auch dazu dienen, benachbarte anatomische Strukturen, wie inneres oder subkutanes Fett, Muskeln, Organe oder Gefäße in den Bilddaten zu identifizieren und zu klassifizieren.
Eine weitere Ausführungsform des erfindungsgemäßen Verfahrens ist dadurch gekennzeichnet, dass das Verfahren einen Verfahrensschritt zur Bestimmung pathologischer Abnormalitäten in den anatomischen Strukturen umfasst.
In einer besonders bevorzugten Ausführungsform des erfindungsgemäßen Verfahrens wird die Bilddatenanalyse zur Lokalisierung von Läsionskandidaten vorwiegend pixel- und/oder voxel-basiert ausgeführt. Der Begriff „Pixel“ beschreibt dabei einen Bildpunkt in zweidimensionalen radiologischen Bilddaten, wohingegen ein „Voxel“ („volumetric pixel“) einen Bildpunkt in dreidimensionalen radiologischen Bilddaten bezeichnet. Insbesondere bei der CT-Bildgebung wird durch die Pixel oder Voxel in den Bilddaten angegeben, wie stark die Röntgenstrahlung beim Durchgang durch den Körper des Patienten abgeschwächt wird. Als Skala kommt dabei häufig die sog. Hounsfield-Skala zum Einsatz, wobei bei einer graphischen Ausgabe die Hounsfield-Skalenwerte durch eine Grauwertskala repräsentiert werden. Knochenstrukturen sind dann üblicherweise heller als andere anatomische Strukturen dargestellt, da Knochenstrukturen die Röntgenstrahlung stärker abschwächen.
Entsprechend würde in dieser Ausführungsform des erfindungsgemäßen Verfahrens bei CT-Bilddaten die Bilddatenanalyse vorwiegend auf einer Analyse der Hounsfield-Werte basieren. Ein Läsionskandidat wird beispielsweise dann identifiziert, wenn ein unerwartet hoher Kontrastunterschied in den Bilddaten auftritt. Dabei kann die Analyse wiederum durch Information über die jeweils analysierte anatomische Struktur gesteuert sein, da die Signifikanz von Kontrastunterschieden für die Bestimmung von Läsionen von der jeweiligen anatomischen Struktur abhängt. Es versteht sich, dass sich eine Bilddatenanalyse zur Bestimmung von Läsionskandidaten, die vorwiegend pixel- oder voxel-basiert ausgeführt wird, besonders für eine rechnerunterstützte, automatische Ausführung eignet.
Das erfindungsgemäße Verfahren kann weiterhin bevorzugt einen Verfahrensschritt zur Normalisierung, insbesondere zur räumlichen Normalisierung der anatomischen Strukturen umfassen. Eine Normalisierung ist dann vorteilhaft, wenn es sich um anatomische Strukturen handelt, die mehrfach im menschlichen Körper auftreten und welche sich untereinander oft nur geringfügig unterscheiden. Zu derartigen anatomischen Strukturen zählen die Wirbelknochen der Wirbelsäule, die Fingerknochen der Hand, die Zehenknochen des Fußes aber auch beispielsweise die miteinander korrespondierenden Oberarm- und Oberschenkelknochen. Letztere sind sich dabei bezüglich ihrer Knochendichte, ihrer Struktur, ihrer Durchblutung und ihrer physiologischen Funktionalität sehr ähnlich. Weiterhin bietet sich eine Normalisierung auch bei herznahen arteriellen Gefäßen und zueinander ähnlichen Muskelpartien an.
Eine Normalisierung in den Bilddaten kann dabei zum Beispiel eine Rotation oder eine Skalierung der Bilddaten der anatomischen Struktur umfassen. Durch eine derartige Normalisierung der anatomischen Strukturen vereinfacht sich die technische Umsetzung des erfindungsgemäßen Verfahrens, da anatomiespezifische Verfahrensschritte nicht für jede einzelne anatomische Struktur ausgeführt werden müssen. Vielmehr ist es beispielsweise möglich, Klassifikatoren anzugeben, die auf einen Großteil der Wirbel der Wirbelsäule nach einer entsprechenden Normalisierung anwendbar sind. Handelt es sich dabei um wissensbasierte Klassifikatoren, dann kann durch diese Ausführungsform des erfindungsgemäßen Verfahrens auch die Qualität der Klassifikatoren erhöht werden, da die Trainingsbilddaten dann nicht nur jeweils eine sondern alle zueinander ähnliche anatomische Strukturen umfassen. Ein Klassifikator zur Bestimmung von Läsionen in einem Wirbel der Wirbelsäule kann entsprechend an einer sehr großen Zahl an Wirbeln trainiert werden, wodurch sich die Zuverlässigkeit der Läsionsbestimmung verbessert.
Die genannte Ausführungsform des erfindungsgemäßen Verfahrens basiert dabei u.a. auf der Erkenntnis, dass bei anatomisch ähnlichen Strukturen die Läsionen oftmals an denselben räumlichen Bereichen der anatomischen Struktur entstehen. Diese klinisch bestätigte Erkenntnis gilt sowohl für maligne als auch für gutartige Läsionen, so dass eine derartige Ausführungsform auch für Falsch-Positiv-Detektoren vorteilhaft einsetzbar ist. Darüber hinaus kann eine Normalisierung auch generell für alle Knochenstrukturen durchgeführt werden, beispielweise eine Normalisierung der Hounsfield-Werte bei der CT-Bildgebung. Dadurch lassen sich unerwünschte bildgebungs- oder patientenspezifische Abweichungen bei der Bestimmung der Läsionen reduzieren oder vermeiden.
Eine besonders bevorzugte Ausführungsform des erfindungsgemäßen Verfahrens ist dadurch gekennzeichnet, dass das Verfahren durch spezifische Merkmale des Untersuchungsobjekts gesteuert wird. Derartige Merkmale können sowohl die patientenspezifische Physiologie und Physiognomie umfassen, als auch Krankheitsbilder, die einen unmittelbaren oder auch nur mittelbaren Bezug zur Bestimmung der Läsionen haben. Beispielsweise kann die Schwelle zur Detektion von Läsionskandidaten in den Knochenstrukturen eines Patienten erhöht werden, wenn bekannt ist, dass der Patient an Osteoporose leidet. Dies ist vorteilhaft, weil Osteoporose häufig zu Knochenabnormalitäten führt, die in radiologischen Bilddaten gegenüber malignen Läsionen eine Ähnlichkeit aufweisen. In der Folge kann durch eine derartige Ausführungsform die Anzahl an Falsch-Positiv-Läsionsbestimmungen reduziert werden.
Ein unmittelbarer Bezug zur Läsionsbestimmung liegt vor, wenn bereits die Art einer primären Krebserkrankung bekannt ist. In diesem Fall kann das Verfahren vorteilhaft auf die anatomischen Strukturen beschränkt werden, bei denen für den jeweiligen Krebstyp maligne Läsionen bzw. Metastasen zu erwarten sind. Beispielsweise ist bekannt, dass bei einer Erkrankung durch einen primären Prostata-Krebs die Metastasen ausschließlich in den Knochenstrukturen des Patienten auftreten werden. Entsprechend läßt sich das erfindungsgemäße Verfahren zur Bestimmung von Läsionen in diesem Fall auf die Knochenstrukturen eingrenzen. Im Allgemeinen kann bei dieser Ausführungsform das erfindungsgemäße Verfahren auch direkt patientenspezifische Merkmale aus den radiologischen Bilddaten bestimmen, beispielsweise die durchschnittliche Knochendichte oder die Statur des Patienten oder auch die Art der primären Krebserkrankung.
Das erfindungsgemäße Verfahren kann bevorzugt neben einer Bestimmung von Läsionen eine separierende Klassifikation der Läsionen in gutartige Läsionen und maligne Läsionen umfassen. Es versteht sich wiederum, dass eine derartige Klassifikation durch das Verfahren fehlerbehaftet sein kann, da nur durch einen operativen Eingriff und eine anschließende histologische Untersuchung vollständige Gewissheit über die Art der Läsion erzielt werden kann. Die genannte Klassifikation ist damit eine Aussage über die Wahrscheinlichkeit, dass eine Läsion gut- bzw. bösartig ist. Trotz dieser nicht auszuschließenden Ungenauigkeit ist eine derartige Ausführungsform des Verfahrens aber vorteilhaft, da dadurch vielfach unnötige operative Eingriffe vermeidbar sind.
Neben der separierenden Klassifikation der Läsionen kann das erfindungsgemäße Verfahren auch dadurch gekennzeichnet sein, dass es über Vergleiche mit vorhergehenden radiologischen Bilddaten desselben Patienten die Veränderung der Läsionsabmessungen sowie die zahlenmäßige und räumliche Ausbreitung der Läsionen bestimmt. Insbesondere ist dabei beurteilbar, inwiefern ein Patient auf eine therapeutische Maßnahme anspricht. Ebenfalls kann durch das Verfahren auch ein Therapievorschlag erzeugt werden, ggf. auch unter Einbezug von radiologischen Bilddaten anderer Patienten.
Weiterhin kann das erfindungsgemäße Verfahren dadurch gekennzeichnet sein, dass die Bestimmung der Läsionen eine separierende Klassifikation der Läsionen in blastische und lytische Läsionen umfasst. Eine derartige Klassifikation kann dabei bei einer CT-Bildgebung auf den genannten Grauwertstufen aufsetzen und auch automatisch ausgeführt werden, da sich lytische und blastische Läsionen häufig nicht unwesentlich in den Grauwerten unterscheiden.
Besonders bevorzugt umfassen die Bilddaten des Untersuchungsobjektes bei der Anwendung des erfindungsgemäßen Verfahrens einen Ganzkörperbilddatensatz. Die Verwendung eines Ganzkörperbilddatensatzes trägt in vorteilhafter Weise dazu bei, dass Läsionen auch in den Körperbereichen des Patienten bestimmt werden können, in denen ein medizinscher Fachexperte keine Läsionen vermutet hätte. Entsprechend verbessert sich die Wahrscheinlichkeit der Läsionsdetektion. Zumindest für die hierarchische Zergliederung von CT-Ganzkörperbilddaten sind bereits erste Verfahren durch [S. Seifert, et al., „Hierarchical parsing and semantic navigation of full body CT data", Proc. SPIE Medical Imaging, 2008] bekannt, welche sich als Ausgangspunkt für die erfindungsgemäße Läsionsbestimmung eignen. Dadurch dass das erfindungsgemäße Verfahren nicht auf eine bestimmte Körperregion oder eine bestimmte Krebsart festgelegt ist, läßt sich besonders bei Verwendung von Ganzkörperbilddaten ein universelles, multifunktionales rechnerunterstütztes Läsionsbestimmungs- und Läsionscharakterisierungssystem aus den Merkmalen der Erfindung ableiten.
In einer weiteren Ausführungsform ist das erfindungsgemäße Verfahren dadurch gekennzeichnet, dass das Verfahren Läsionen im Skelett des Untersuchungsobjekts, bevorzugt in der Wirbelsäule des Untersuchungsobjekts bestimmt. Läsionen im Skelett des Patienten treten im Zusammenhang mit einer Vielzahl an Krebserkrankungen auf, beispielsweise Krebserkrankungen der Prostata, der Brust, der Schilddrüse, der Nieren, der Bauchspeicheldrüse und der Lunge. Sie gehen oft einher mit Knochenerkankungen wie Hyperkalzämie, Knochenbrüchen, Rückenmarkkompression, Knochenschmerzen und ähnlichen Schmerzen, die durch eine Kompression der Nerven bedingt sind. Eine zu späte Detektion von Läsionen in den Knochenstrukturen kann daher zu lähmenden Schmerzen, Unbeweglichkeit, neurologischen Behinderungen sowie Lähmungen führen. Metastasen im Skelett des Patienten führen oft auf eine geringe Überlebensdauer mit einem Median-Wert von nur 6 Monaten. Weiterhin ist bekannt, dass Läsionen in Knochen in lytischer Form, in blastischer Form und auch in einer Mischform auftreten können, wodurch sich die Bestimmung der Läsionen erschwert. Dies gilt insbesondere deshalb, weil Läsionen in den Knochen in den Bilddaten oft schwer von den Symptomen anderer Krankheiten, wie Osteophyten oder Osteoporose, zu unterscheiden sind. Ein auf die Bestimmung von Läsionen in Knochenstrukturen abgestimmtes erfindungsgemäßes Verfahren kann damit einen wesentlichen Beitrag zu einer verbesserten Behandlung der Patienten und zu einer Zeit- und Kostenreduktion leisten. Dies gilt insbesondere für eine Kombination dieser Ausführungsform mit der vorgenannten Verwendung von Ganzkörperbilddaten.
Bevorzugt ist das Verfahren dadurch gekennzeichnet, dass die Bilddaten des Untersuchungsobjekts mit einer Computertomographie-Einrichtung, einer Magnetresonanztomographie-Einrichtung oder einer Positronenemissionstomographie-Einrichtung bestimmt werden.
Eine erfindungsgemäße Bildgebungseinrichtung, beispielsweise ein Ultraschallsystem, ein Röntgengerät, ein Mammographie-System, ein Röntgen-Computertomographie(CT)-System, ein Positronen-Emissionstomographie(PET)-System, ein Single-Photon-Emissionstomographie(SPECT)-System oder Magnetresonanz(MR)-System ist durch eine erfindungsgemäße Bildbearbeitungsstation gekennzeichnet.
Eine technische Umsetzung der erfindungsgemäßen Verfahren kann auf verschiedenste Arten und Weisen erfolgen. Insbesondere ist es denkbar, dass eine Umsetzung zumindest teilweise mit Hilfe elektrischer Schaltkreise wie ASICs (Application Specific Integrated Circuits), FPGAs (Field Programmable Gate Arrays), oder PLAs (Programmable Logic Arrays) erfolgt.
Die Erfindung wird im Folgenden unter Hinweis auf die beigefügten Figuren anhand von Ausführungsbeispielen noch einmal näher erläutert. Es zeigen:
1 eine schematische Darstellung einer Ausführungsform des erfindungsgemäßen Verfahrens,
2 mehrere Bilddaten-Beispiele für die erfindungsgemäße Normalisierung anatomischer Strukturen,
3 mehrere Bilddaten-Beispiele für Falsch-Positiv-Klassifikationen von Läsionen,
4 drei Bilddaten-Beispiele zur regelbasierten Klassifikation,
5 Messdaten der räumlichen Verteilung von malignen blastischen Läsionen und von gutartigen Abnormalitäten in normalisierten Wirbeln der Wirbelsäule,
6 zwei Beispiele für die Sensitivität (True-Positive-Rate) als Funktion der Anzahl an Falsch-Positiven pro Volumen bei der Läsionsdetektion,
7 ein Bilddaten-Beispiel der menschlichen Hand, und
8 eine Ausführungsform der erfindungsgemäßen Bildbearbeitungsstation.
Die 1 zeigt eine schematische Darstellung einer Ausführungsform des erfindungsgemäßen Verfahrens, welche in Bilddaten BD eines Untersuchungsobjektes Läsionen L bestimmt. Ausgehend von den Bilddaten BD findet eine hierarchische Zergliederung HZ oder Segmentierung in anatomische Strukturen AS unter Verwendung der Datenbasis DB1 statt. In der Datenbasis DB1 können dabei Informationen zur Identifikation anatomischer Strukturen hinterlegt sein, also beispielsweise charakterisierende Eigenschaften anatomischer Landmarken oder auch Informationen aus anatomischen Atlanten. Die anatomischen Strukturen AS können dabei auch eine Klassifikation (Ontologie, Taxonomie) der anatomischen Strukturen sowie deren räumliche und funktionale Abhängigkeiten untereinander umfassen.
Eine anschließende Bilddatenanalyse BA bestimmt Läsionskandidaten LK unter Verwendung einer weiteren Datenbasis DB2. Diese Datenbasis DB2 kann dabei unter anderem Detektoren bereitstellen, welche in den anatomischen Strukturen AS Läsionskandidaten LK bestimmen. Dabei sind sowohl Detektoren allgemeiner Art als auch Detektoren denkbar, die für bestimmte anatomische Strukturen AS optimiert sind, beispielsweise Detektoren für die Wirbelknochen der Wirbelsäule. Der Bilddatenanalyse BA kann eine Vorverarbeitung („Pre-Processing“) vorgelagert sein, welche beispielsweise eine Normalisierung der anatomischen Strukturen AS durchführt. Weiterhin kann der Bilddatenanalyse auch eine Nachverarbeitung („Post-Processing“) nachgelagert sein, bei der eine erste Filterung der Läsionskandidaten LK stattfindet oder den Läsionskandidaten LK eine Wahrscheinlichkeit zugeordnet wird. Die Nachverarbeitung kann dabei beispielsweise durch andere Merkmale, wie eine mittlere, patienten-spezifische Knochendichte gesteuert werden.
Mit der sich anschließenden Bewertung und Filterung BF werden innerhalb der Läsionskandidaten LK diejenigen bestimmt, die als Ergebnis der Läsionsbestimmung des erfindungsgemäßen Verfahrens als Läsionen L ausgegeben werden. Die Bewertung und Filterung BF setzt dabei Daten und Wissen ein, dass in der Datenbasis DB3 hinterlegt ist. Insbesondere kann die Datenbasis DB3 regel- oder wissensbasierte Klassifikatoren umfassen, die die ermittelten Läsionskandidaten LK verifizieren, bewerten und auf Basis der Bewertung filtern und als bestimmte Läsionen L ausgeben. Dabei kann insbesondere auch eine weitere Klassifikation der Läsionen L erfolgen, beispielsweise eine Separierung in gutartige und maligne Läsionen oder eine Separierung in blastische und lytische Läsionen. Darüber hinaus können nachgeordnete Klassifikatoren oder Klassifikatoren zweiter Stufe Verwendung finden, welche weitere Eigenschaften oder Merkmale der Läsionen L bestimmen, beispielsweise eine Wahrscheinlichkeit für das Auftreten von Knochenbrüchen in den betreffenden anatomischen Strukturen AS.
Die Datenbasen DB1, DB2 und DB3 sind in der hier dargestellten Ausführungsform des erfindungsgemäßen Verfahrens auf unterschiedlichen Abstraktionsniveaus oder -ebenen AE1, AE2 und AE3 eingeordnet. Dabei beschreibt das Abstraktionsniveau AE1 die höchste Abstraktion und die Abstraktionsebene AE3 die niedrigste Abstraktion. Beispielsweise ist die Bilddatenanalyse BA zur Bestimmung der Läsionskandidaten LK oft eher ein Verfahrensschritt, der auf elementaren Bildverarbeitungsverfahren basiert, u.a. der Analyse von Grauwerten und deren räumlichen Kontrasten. Entsprechend handelt es sich bei den in der Datenbasis DB2 hinterlegten Daten und dem hinterlegtem Wissen um Informationen mit relativ geringem Abstraktionsniveau auf der Abstraktionsebene AE3.
Im Gegensatz dazu sind die Daten und das Wissen, welche in der Datenbasis DB3 hinterlegt sind, in der hier gezeigten Ausführungsform auf der höchsten Abstraktionsebene AE1 angeordnet. Dies ergibt sich dadurch, dass bei der Bestimmung der Läsionen L regel- und wissensbasierte Klassifikatoren angewandt werden, die auf medizinischem Wissen und oft jahrelanger klinischer Erfahrung basieren. Dazu zählen auch die genannten Falsch-Positiv-Klassfikatoren.
Die in der Datenbasis DB1 hinterlegten Daten und das in der Datenbasis DB1 hinterlegte Wissen sind auf der mittleren Abstraktionsebene AE2 eingeordnet, da einerseits elementare Bildverarbeitungsverfahren, wie die Analyse von Grauwertkontrasten in den Bilddaten BD zur Anwendung kommen. Andererseits wird auch relativ abstraktes Wissen über die räumlichen und funktionalen Abhängigkeiten anatomischer Gegebenheiten in die Bestimmung der anatomischen Strukturen AS miteinbezogen.
Die 2 gibt mehrere Bilddaten-Beispiele für die erfindungsgemäße Normalisierung anatomischer Strukturen AS wieder. Die Bilddaten BD des Untersuchungsobjektes zeigen ein sagittales Schnittbild durch den Körper, im Wesentlichen im Bereich der Wirbelsäule. Entsprechend dem erfindungsgemäßen Verfahren bzw. der erfindungsgemäßen Bildbearbeitungsstation BS wird die Wirbelsäule und mit ihr die einzelnen Wirbel der Wirbelsäule durch hierarchische Zergliederung HZ als anatomische Strukturen AS in den Bilddaten BD identifiziert. Anschließend findet eine erfindungsgemäße Normalisierung der anatomischen Strukturen AS statt, die in 2 exemplarisch an drei Wirbeln W1, W2, W3 der Wirbelsäule illustriert wird. Bei dem obersten Wirbel W1 handelt es sich um einen Halswirbel W1, bei dem mittleren Wirbel W2 um einen Brustwirbel W2 und bei dem unteren Wirbel W3 um einen Lendenwirbel W3.
Wie in der 2 erkennbar ist, unterscheiden sich die drei Wirbel W1, W2, W3 in ihren Abmessungen und ihrer Ausrichtung. Durch einen erfindungsgemäßen Normalisierungsschritt werden die Bilddaten BD der drei Wirbel W1, W2, W3 durch Rotation und Skalierung in Wirbel in normalisierter Darstellung WN1, WN2, WN3 abgebildet. Diese Normalisierung ermöglicht es, einheitliche Verfahrensschritte zur Läsionsbestimmung für einen Großteil der Wirbel der Wirbelsäule anzugeben. Es ist nicht notwendig, für jede wirbelspezifische Abmessung und Ausrichtung eigene Verfahrensschritte, wie regel- oder wissensbasierte Klassifikatoren bereitzustellen. Darüber hinaus bietet die erfindungsgemäße Normalisierung den Vorteil, dass sich die Anzahl an Trainingsbilddaten vervielfacht, wodurch sich die Qualität des Verfahrens, insbesondere die Qualität wissensbasierter Klassifikatoren verbessert. Neben einer Rotation und Skalierung können weitere Normalisierungsschritte zur Anwendung kommen, beispielsweise eine Normalisierung der Bilddatenauflösung oder eine Normalisierung der Grauwertbereiche bei der CT-Bildgebung.
In 3 sind mehrere Bilddaten-Beispiele für Falsch-Positiv-Klassifikationen von Läsionen L in den Bilddaten BD der Wirbelsäule eines Patienten wiedergegeben. Die oberen vier Bilddaten-Beispiele FL1, FL2, FL3, FL4 zeigen Läsionen L die durch ungeeignete Läsionsbestimmungsverfahren unter Umständen als maligne Läsionen ML in lytischer Form identifiziert werden. Die unteren vier Bilddaten-Beispiele BL1, BL2, BL3, BL4 zeigen Läsionen die durch ungeeignete Läsionsbestimmungsverfahren unter Umständen als maligne Läsionen ML in blastischer Form identifiziert werden. Tatsächlich handelt es sich bei den acht Beispielen an Falsch-Positiv-Klassifikationen FL1, FL2, FL3, FL4, BL1, BL2, BL3, BL4 um gutartige Abnormalitäten.
In der 3 sind die Falsch-Positiv-Klassifikationsbeispiele FL1, FL2, FL3, FL4, BL1, BL2, BL3, BL4 jeweils für die obere und die untere Reihe von links nach rechts in absteigender Häufigkeit ihres typischen Auftretens angeordnet. Bei der lytischen Falsch-Positiv-Klassifikation FL1 handelt es sich um einen Bereich mit Osteoporose, bei FL2 um eine basivertebrale Vene, bei FL3 um ein Schmorl-Knötchen und bei FL4 um ein Hämangiom. Bei der blastischen Falsch-Positiv-Klassifikation BL1 handelt es sich um einen Osteophyten, bei BL2 um degenerative Sklerose und bei BL3 um ein SchmorlKnötchen. Die blastische Falsch-Positiv-Klassifikation BL4 dagegen stellt eine fehlerhafte Klassifikation durch ein ungeeignetes Läsionsbestimmungsverfahren dar, welche durch Bilddaten-Artefakte bewirkt wurde.
Derartige unerwünschte Falsch-Positiv-Klassifikation lassen sich durch Anwendung des erfindungsgemäßen Verfahrens bzw. der erfindungsgemäßen Bildbearbeitungsstation BS reduzieren oder vermeiden, insbesondere dann wenn regel- und/oder wissensbasierte Klassifikatoren eingesetzt werden, die medizinisches Fachwissen oder klinische Erfahrung modellieren, bzw. die durch Trainingsbilddatensätze, wie den in 3 gezeigten Falsch-Positiv-Klassifikationen FL1, FL2, FL3, FL4, BL1, BL2, BL3, BL4 trainiert wurden.
Die 4 zeigt drei Bilddaten-Beispiele FL5, BL5, ML1 zur regelbasierten Klassifikation entsprechend dem erfindungsgemäßen Verfahren bzw. der erfindungsgemäßen Bilddatenbearbeitungsstation BS. Die Bilddaten-Beispiele FL5, BL5, ML1 betreffen dabei wiederum Bilddaten BD aus dem Bereich der Wirbelsäule. Im linken Bilddaten-Beispiel FL5 ist eine Läsion dargestellt, die durch einen regelbasierten Klassifikator entsprechend der Erfindung als Falsch-Positiv-Läsion der lytischen Art FL5 erkannt wurde. Die Läsionserkennung oder bestimmung wurde dabei mit folgender Regel erzielt: „Eine lytische Läsion wird als gutartige Wirbelläsion klassifiziert, falls es sich um eine Lyse mit geringem Kontrast handelt UND falls sie sich zentral in der rückwärtigen Ebene eines Wirbels befindet“.
Im mittleren Bilddaten-Beispiel BL5 der 4 ist eine Läsion dargestellt, die durch einen regelbasierten Klassifikator entsprechend der Erfindung als Falsch-Positiv-Läsion der blastischen Art BL5 erkannt wurde. Die Läsionsbestimmung wurde dabei mit folgender Regel erzielt: „Eine blastische Läsion wird als gutartige Wirbelläsion klassifiziert, falls es sich um eine spitz zulaufende sklerotische Abnormalität handelt UND die Läsion sich am Rand des Wirbels befindet“. Dagegen zeigt das rechte Bilddaten-Beispiel ML1 der 4 eine Läsion, die durch das Verfahren als maligne Läsion ML1 korrekt erkannt wird, da auf sie keine Regel eines erfindungsgemäßen Falsch-Positiv-Klassifikators anwendbar ist.
In der 5 sind Messdaten zur räumlichen Verteilung von malignen blastischen Läsionen ML und von gutartigen Abnormalitäten oder Läsionen GL in normalisierten Wirbeln der Wirbelsäule dargestellt. Dabei wird die räumliche Lage der Läsionen ML, GL in einer zweidimensionalen Darstellung wiedergeben. Das Rechteck WA beschreibt dabei jeweils in allen vier Teilfiguren 51, 52, 53, 54 die Außenlinie der normalisierten, d.h. in ihren Abmessungen auf ein Standard-Rechteck oder einen Standard-Rand WA skalierten Wirbel. Die oberen beiden Teilfiguren 51, 53 zeigen die räumliche Lage der Läsionen ML, GL in axialer Ansicht, die unteren beiden Teilfiguren 52, 54 die räumliche Lage der Läsionen ML, GL in sagittaler Ansicht. Die beiden linken Teilfiguren 51, 52 geben die räumliche Lage maligner Läsionen ML wieder, die beiden rechten Teilfiguren 53, 54 die räumliche Lage gutartiger Läsionen GL.
Es ist der 5 direkt entnehmbar, dass gutartige Läsionen GL wie Osteophyten vorwiegend am Rand WA eines Wirbels auftreten wohingegen maligne Läsionen ML vorwiegend im Inneren eines Wirbels zu finden sind. Diese klinische Kenntnis der typischen räumlichen Verteilung von Läsionen L kann durch das erfindungsgemäße Verfahren, insbesondere nach einer geeigneten Normalisierung der anatomischen Strukturen AS, vorteilhaft zur Bestimmung der Läsionen L eingesetzt werden. Insbesondere lassen sich regel- oder wissensbasierte Klassifikatoren angeben, die Falsch-Positiv-Klassifikationen maligner Läsionen ML am Rand WA eines Wirbel reduzieren oder gänzlich vermeiden.
Die 6 zeigt zwei Beispiele für die Sensitivität W (True-Positive-Rate) als Funktion der Anzahl AF an Falsch-Positiven pro Volumen bei der Läsionsdetektion. Die linke Teilfigur 610 stellt dabei den Verlauf 611, 612 der Sensitivität W für osteolytische Läsionen dar, wohingegen die rechte Teilfigur 620 den Verlauf 621, 622 der Sensitivität W für osteoblastische Läsionen wiedergibt. Die Kurven 611 und 621 zeigen dabei den experimentell gemessenen Verlauf der Sensitivität W bei Verwendung eines wissensbasierten Klassifikators WB. Die Kurven 612 und 622 dagegen zeigen den experimentell gemessenen Verlauf der Sensitivität W ohne Verwendung eines wissensbasierten Klassifikators WB. Dabei handelt es sich um einen Falsch-Positiv-Klassifikator, der durch vorhandene Bilddaten anderer Untersuchungsobjekte, d.h. Trainingsbilddaten TB trainiert wurde. Hierbei wurden insbesondere auch Trainingsbilddaten TB gutartiger Abnormalitäten als Repräsentanten von Falsch-Positiv-Läsionen verwendet.
Es ist der 6 direkt entnehmbar, dass sich durch die erfindungsgemäße Verwendung des wissensbasierten Klassifikators WB die Wahrscheinlichkeit von fehlerhaften und unerwünschten Falsch-Positiv-Klassifikationen maligner Läsionen wesentlich reduzieren läßt. Neben den vorstehend beschriebenen regelbasierten Klassifikatoren, die die räumliche Lage der Läsionen L berücksichtigen und die insbesondere für eine Bestimmung von gutartigen Osteophyten geeignet sind, erweisen sich wissensbasierte Klassifikatoren WB als geeignet zur Separierung zwischen malignen lytischen Läsionen und gutartigen basivertebralen Venen oder gutartiger Osteoporose. Außerdem sind derartige wissensbasierte Klassifikatoren WB geeignet, um zwischen malignen blastischen Läsionen und gutartigen degenerativen Abnormalitäten zu separieren.
Neben den Wirbeln der Wirbelsäule eines Patienten eignen sich auch zahlreiche andere anatomische Strukturen AS des Menschen für eine vorteilhafte Normalisierung innerhalb des erfindungsgemäßen Verfahrens. Beispielhaft ist in 7 eine Gruppe von vier Fingerknochen FK1, FK2, FK3, FK4 in den Bilddaten BD einer Hand gezeigt, welche sich für eine derartige Normalisierung, beispielsweise durch Skalierung, Rotation, Grauwertanpassung und Knochendichte-Standardisierung eignen.
Eine derartige Normalisierung kann dabei jeweils auch die Fingerknochen FK1, FK2, FK3, FK4 der entsprechenden Fingerknochengruppe der zweiten Hand des Patienten mit einschließen. Gegebenenfalls läßt sich die Normalisierung auch auf weitere Gruppen an Fingerknochen erweitern bzw. durch eine gemeinsame Normalisierung mit den Zehenknochen des Fußes ergänzen.
Die 8 zeigt eine Ausführungsform der erfindungsgemäßen Bildbearbeitungsstation BS, welche in den Bilddaten BD des Untersuchungsobjekts Läsionen L bestimmt. Die Bildbearbeitungsstation BS weist eine Strukturbestimmungseinrichtung SB zur Bestimmung anatomischer Strukturen AS durch hierarchische Zergliederung HZ der Bilddaten BD des Untersuchungsobjektes auf. Weiterhin umfasst die Bildbearbeitungsstation BS eine Bilddatenanalyseeinrichtung BE zur Lokalisierung von Läsionskandidaten LK in den anatomischen Strukturen AS sowie eine Läsionsbestimmungseinrichtung LB zur Bestimmung der Läsionen L durch Bewertung und Filterung BF der Läsionskandidaten LK. Sowohl die Bilddatenanalyseeinrichtung BE als auch die Läsionsbestimmungseinrichtung LB können dabei durch wissensbasierte Klassifikatoren WB gesteuert werden, welche durch andere Bilddaten TB trainiert wurden. Die durch die Bilddatenbearbeitungsstation BS bestimmten malignen Läsionen ML1, ML2 können anschließend in den Bilddaten BD, beispielsweise durch ein Rechteck markiert werden, so dass sie für eine weitere Analyse und Bewertung durch einen medizinischen Experten ME zur Verfügung stehen.
Es wird abschließend noch einmal darauf hingewiesen, dass es sich bei den vorhergehend detailliert beschriebenen Verfahren und Bildbearbeitungsstationen lediglich um Ausführungsbeispiele handelt, welche vom Fachmann in verschiedenster Weise modifiziert werden können, ohne den Bereich der Erfindung zu verlassen. Insbesondere können z.B. die erfindungsgemäßen Ausführungsformen des Verfahrens nicht nur für den Körperbereich der Wirbelsäule, sondern auch bei der radiologischen Bildgebung anderer Körperbereiche vorteilhaft eingesetzt werden.
Es wird der Vollständigkeit halber auch darauf hingewiesen, dass die Verwendung der unbestimmten Artikel „ein“ bzw. „eine“ nicht ausschließt, dass die betreffenden Merkmale auch mehrfach vorhanden sein können.
ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Nicht-Patentliteratur

E. A. Krupinski, „Computer-aided detection in clinical environment: benefits and challenges for radiologists“, Radiology, 231, 2004, 7–9 [0003]
M. Wels, et al., „Multi-stage osteolytic spinal bone lesion detection from CT data with internal sensitivity control“, Proc. SPIE Medical Imaging, 2012 [0005]
S. Seifert, et al., „Hierarchical parsing and semantic navigation of full body CT data“, Proc. SPIE Medical Imaging, 2008 [0038]

Claims

Verfahren in der radiologischen Bildgebung zur Bestimmung von Läsionen (L) in Bilddaten (BD) eines Untersuchungsobjekts, umfassend folgende Verfahrensschritte: – Bestimmung anatomischer Strukturen (AS) durch hierarchische Zergliederung (HZ) der Bilddaten (BD) des Untersuchungsobjekts, – Bilddatenanalyse (BA) zur Lokalisierung von Läsionskandidaten (LK) in den anatomischen Strukturen (AS), – Bestimmung der Läsionen (L) durch Bewertung und Filterung (BF) der Läsionskandidaten (LK).
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die Lokalisierung der Läsionskandidaten (LK) und/oder die Bestimmung der Läsionen (L) durch spezifische Merkmale der anatomischen Strukturen (AS) gesteuert wird.
Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass zur Lokalisierung der Läsionskandidaten (LK) und/oder zur Bestimmung der Läsionen (L) eine Anzahl an regelbasierten Klassifikatoren verwendet wird, bevorzugt eine Anzahl an wissensbasierten Klassifikatoren (WB), die durch Bilddaten anderer Untersuchungsobjekte (TB) trainiert wurden.
Verfahren nach Anspruch 3, dadurch gekennzeichnet, dass die Anzahl an regelbasierten Klassifikatoren eine Anzahl an Falsch-Positiv-Klassifikatoren umfasst, bevorzugt wissensbasierte Falsch-Positiv-Klassifikatoren (WB), die durch Falsch-Positiv-Bilddaten anderer Untersuchungsobjekte trainiert wurden.
Verfahren nach einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, dass zur Bestimmung der anatomischen Strukturen (AS) eine Anzahl an anatomischen Atlanten verwendet wird und/oder eine Anzahl an anatomischen Landmarken in den Bilddaten (BD) bestimmt wird.
Verfahren nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, dass die Bilddatenanalyse (BA) zur Lokalisierung von Läsionskandidaten (LK) vorwiegend pixel- und/oder voxel-basiert ausgeführt wird.
Verfahren nach einem der Ansprüche 1 bis 6, dadurch gekennzeichnet, dass das Verfahren einen Verfahrensschritt zur Normalisierung der anatomischen Strukturen (AS) umfasst.
Verfahren nach einem der Ansprüche 1 bis 7, dadurch gekennzeichnet, dass das Verfahren durch spezifische Merkmale des Untersuchungsobjekts gesteuert wird.
Verfahren nach einem der Ansprüche 1 bis 8, dadurch gekennzeichnet, dass die Bestimmung der Läsionen (L) eine separierende Klassifikation der Läsionen (L) in gutartige Läsionen (GL) und maligne Läsionen (ML, ML1, ML2, ML3) umfasst.
Verfahren nach einem der Ansprüche 1 bis 9, dadurch gekennzeichnet, dass die Bilddaten (BD) des Untersuchungsobjekts einen Ganzkörperbilddatensatz umfassen.
Verfahren nach einem der Ansprüche 1 bis 10, dadurch gekennzeichnet, dass das Verfahren Läsionen (L) im Skelett des Untersuchungsobjekts, bevorzugt in der Wirbelsäule des Untersuchungsobjekts bestimmt.
Verfahren nach einem der Ansprüche 1 bis 11, dadurch gekennzeichnet, dass die Bestimmung der Läsionen (L) eine separierende Klassifikation der Läsionen (L) in blastische und lytische Läsionen umfasst.
Bildbearbeitungsstation (BS) in der radiologischen Bildgebung zur Bestimmung von Läsionen (L) in Bilddaten (BD) eines Untersuchungsobjekts mit: – einer Strukturbestimmungseinrichtung (SB) zur Bestimmung anatomischer Strukturen (AS) durch hierarchische Zergliederung (HZ) der Bilddaten (BD) des Untersuchungsobjekts, – einer Bilddatenanalyseeinrichtung (BE) zur Lokalisierung von Läsionskandidaten (LK) in den anatomischen Strukturen (AS), – einer Läsionsbestimmungseinrichtung (LB) zur Bestimmung der Läsionen (L) durch Bewertung und Filterung (BF) der Läsionskandidaten (LK).
Bildgebungseinrichtung mit einer Bildbearbeitungsstation (BS) nach Anspruch 13.
Computerprogrammprodukt, welches direkt in einen Speicher einer programmierbaren Bildgebungseinrichtung ladbar ist, mit Programmcode-Mitteln, um ein Verfahren nach einem der Ansprüche 1 bis 12 auszuführen, wenn das Programm in der Bildgebungseinrichtung ausgeführt wird.