Über 40.000 Mitralklappen Rekonstruktionen werden jedes Jahr in den Vereinigten Staaten durchgeführt. Dabei ist eine genaue Quantifizierung des Mitral Annulus erforderlich. Manuelle Vermessungen benötigen viel Zeit, die besonders in der klinischen Routine sehr wertvoll ist. Wir stellen eine Methode zur semi-automatischen Modellierung und Quantifizierung des Mitral Annulus anhand von 3D Ultraschall Daten vor. Dabei werden Bildinformationen zusammen mit anatomischem Wissen in Form eines Standardmodells genutzt, um selbst in stark verrauschten und unvollständigen Bilddaten ein gutes Ergebnis zu erzielen. Die Methode wurde an Ultraschalldaten von 39 Patienten evaluiert, wobei festgestellt wurde, dass die erzeugten Modelle lediglich um 0.5 mm von der Intra-Observer Variabilität des Experten abweichen. Dabei benötigt die vollständige Durchführung der Methode weniger als eine Minute pro 3D Datensatz.
Die Methode wurde anhand von zeitaufgelösten 3D transösophagealen Ultraschalldaten von 39 Patienten (insgesamt 630 3D Bilder) evaluiert. Bei allen Patienten wurde eine Mitralklappeninsuffizienz diagnostiziert, kombiniert mit diversen anderen Herzerkrankungen und ein chirurgischer Eingriff vorgenommen. Die Aufnahmen wurden von einem Experten abhängig von ihrer Bildqualität in Qualitätskategorien unterteilt: Geringe Qualität, mittlere Qualität und hohe Qualität. Anschließend erstellte der Experte für jeden 3D Datensatz drei Mal unabhängig voneinander ein Modell des MA, indem er die 16 Punkte manuell definierte. Die drei Modelle wurden anschließend zu einem mittleren Modell zusammengefasst und es wurde die Standardabweichung des Experten berechnet. Zur Evaluation wurde nun für jeden 3D Datensatz die vorgestellte Methode mit den beiden Kommissurpunkten aus dem mittleren Modell des Experten initialisiert und die automatische Optimierung durchgeführt. Anschließend wurde die mittlere Distanz der 16 Punkte des resultierenden Modells zu den jeweilig korrespondierenden Punkten im mittleren Experten Modell als Fehlerwert berechnet. Auf dieselbe Weise wurde auch die Standardabweichung des Experten zu jedem 3D Datensatz berechnet. Die Fehlerwerte bzgl. dem mittleren Experten Modell und dem resultierendem Modell der Methode, sowie die Standardabweichung des Experten, wurden für alle Datensätze einer Qualitätskategorie zusammengefasst (siehe Tabelle 1). Mittelt man die Fehlerwerte über alle Bilder, so erhält man den mittleren Fehlerwert von 3.42 mm. Die über alle Bilder gemittelte Standardabweichung des Experten beträgt 2.92 mm.
Tabelle 1: Ergebnisse der Evaluation, kategorisiert nach
Bildqualität der 3D Ultraschalldaten
Bild 1: Volumenvisualisierung eines 3D Ultraschallbildes mitsamt passendem Mitral Annulus Modell 4
Selbst für den Experten ist die genaue Lokalisierung des MA schwierig. Wie man aus Tabelle 1 entnehmen kann, steigt die Intra-Observer Variabilität mit Verschlechterung der Bildqualität. Der Fehlerwert der vorgestellten Methode ist über alle Bilder gemittelt nur geringfügig unter der Standardabweichung des Experten (0.5 mm). Die automatisch erstellten MA Modelle sind also mit den manuell erzeugten Modellen des Experten vergleichbar. Der Zeitaufwand der Methode, inklusive Initialisierung und Optimierung beträgt weniger als eine Minute pro 3D Datensatz. Eine Einbindung in die klinische Routine wäre daher denkbar und ist für die Zukunft angestrebt. Danksagung. Das Projekt wurde vom Graduiertenkolleg 1126 der Deutschen Forschungsgemeinschaft finanziert. Die Autoren möchten sich hierfür bedanken.
Referenzen segmentation from 3d ultrasound using graph cuts.," IEEE Trans Med Imaging 29(9), 1676-87 (2010).