Segmentierung von Blutgefa strukturen in koloskopischen NBI-Bilddaten

Abstract

Kurzfassung. Bei der arztlichen Einschatzung von Dickdarmpolypen kommt das neue Verfahren Narrow Band Imaging zum Einsatz. Hierbei wird der Kontrast der charakteristischen Blutgefa e durch Modikation der Beleuchtung deutlich angehoben, wodurch diese dann als Entscheidungsgrundlage herangezogen werden konnen. Aufbauend auf diesem Verfahren ist eine automatische Segmentierung der Blutgefa e und Klassi kation der Dickdarmpolypen moglich. In diesem Paper werden Verbesserungen fur die Blutgefa segmentierung des von Stehle et al. vorgeschlagenen Verfahrens erlautert und Ergebnisse im Vergleich dargestellt. Es zeigt sich, dass sowohl die Qualitat der Segmentierung als auch die Ergebnisse der automatisierten Klassi kation deutlich gesteigert werden konnten.

-

Darmkrebs ist sowohl die zweitha¨ufigste Krebsart als auch die zweitha¨ufigste Krebstodesursache in Deutschland [ 1 ]. Bei ungefa¨hr 36.000 Frauen und 37.000 Ma¨nnern wird jedes Jahr Darmkrebs neu diagnostiziert. Etwa 28.000 Patienten sterben pro Jahr an der Erkrankung, wobei sich dies gleichma¨ßig auf Frauen und Ma¨nner verteilt.

Es konnte gezeigt werden, dass bei entsprechender Vorsorge und rechtzeitiger Therapie im Fru¨hstadium eine deutliche Steigerung der 5-Jahres- U¨berlebensrate erreichbar ist. Hierzu kann die Darmwand wa¨hrend einer endoskopischen Untersuchung (Koloskopie) visuell inspiziert und Polypen entfernt (Polypektomie) werden. Da allerdings jede Polypektomie Risiken wie z.B. Blutungen oder Rupturen der Darmwand mit sich bringt [ 2 ], ist es sinnvoll, nur potentiell bo¨sartige Polypen zu entfernen.

Daher wurde das Narrow Band Imaging (NBI) entwickelt, welches mit Hilfe von Licht in zwei unterschiedlichen Wellenla¨ngen die Blutgefa¨ßstrukturen auf Polypen deutlich hervorhebt [ 3 ]. Anhand dieser Strukturen ist eine Unterscheidung zwischen Adenomen und Hyperplasten mit einer hohen Genauigkeit mo¨glich [ 4 ].

Basierend auf diesen Erkenntnissen wurde ein Verfahren zur automatischen Klassifikation von Dickdarmpolypen von Stehle et al. [ 5 ] entwickelt. Zuerst werden hierbei in den NBI-Bilddaten durch Reflexionen an der nassen Darmwand auftretende u¨berbelichtete Stellen im Bildmaterial, sogenannte Glanzlichter, automatisch maskiert [ 6 ]. Nachfolgend wird die Polypenoberfla¨che im Bild interaktiv markiert und die Blutgefa¨ße in dieser Region-Of-Interest (ROI) automatisch segmentiert. Hierzu schlagen Stehle et al. eine Kombination aus Kovesis Phasensymmetriefilter [ 7 ] und Sethians Fast Marching [ 8 ] vor. Die Ergebnisse des Phasensymmetriefilters werden hierbei sowohl dazu genutzt, die Saatpunkte als auch die Kostenfunktion fu¨r das Fast Marching zu generieren. Das Fast Marching liefert die finale Blutgefa¨ßsegmentierung, auf deren Grundlage Merkmale fu¨r die Klassifikation der Dickdarmpolypen gewonnen werden. Auf einem Datensatz aus 289 Polypen, die mit NBI aufgenommen wurden, erreicht das Verfahren eine Genauigkeit von 78,3 %. Die Sensitivita¨t von 80,1 % macht deutlich, dass vor allem an der Erkennung von Adenomen noch Verbesserungen no¨tig sind, damit keine Adenome im Ko¨rper verbleiben. Die Spezifita¨t von 77,2 % zeigt, dass ein Großteil der Hyperplasten vom System bereits richtig erkannt und zum Verbleib vorgeschlagen wird. Fu¨r einen Einsatz im medizinischen Bereich werden jedoch eine Sensitivia¨t und Spezifita¨t von jeweils u¨ber 90 % angestrebt. 2

Material und Methoden

Eine Untersuchung der Zwischenergebnisse des Verfahrens zeigt, dass es Verbesserungspotenzial bei der Glanzlichtentfernung und Blutgefa¨ßsegmentierung gibt. Die bereits angesprochenen Glanzlichter entstehen durch die Reflexion von Licht, dass koaxial zum Blickwinkel des Endoskops in den Darm gesendet wird. Die Darmwand ist feucht und wirft das Licht teilweise direkt zuru¨ck. Diese u¨berbelichteten Stellen beinhalten keine Information und werden daher entfernt [ 6 ]. In Abb. 1(a) ist das so verarbeitete NBI-Bild gezeigt. Es zeigt sich jedoch bei genauer Betrachtung, dass bei einer einfachen Maskierung der entsprechenden Bereiche im Ergebnisbild des Phasensymmetriefilters Randeffekte auftreten ko¨nnen (Abb. 1(b)). Hier sind mittig sternfo¨rmige Sto¨rungen sichtbar, die im Ergebnis des Phasensymmetriefilters durch die starken Kontraste der Glanzlichter entstehen ko¨nnen. Eine Fu¨llung der ermittelten Bereiche mit dem mittleren Grauwert der umliegenden Pixel und anschließende Tiefpassfilterung des Glanzlichtbereichs schließt die Lu¨cken im Bild und verhindert unerwu¨nschte Effekte

Abb. 1. Vergleich der Segmentierungsergebnisse des dargestellten Polypen (links) mit dem Verfahren nach Stehle et al. [ 5 ] und dem neuen Verfahren. bei der Anwendung der nachfolgenden Filterung (Abb. 1(c), rechts). Weiterhin liefert das Verfahren nach Stehle et al. [ 5 ] nicht immer vollsta¨ndig zufriedenstellende Ergebnisse bei der Blutgefa¨ßsegmentierung. Insbesondere die Nutzung des Fast Marching von Sethian [ 8 ] wirkt sich ha¨ufig negativ auf das Ergebnis aus. Es ist schwer mo¨glich, auf dem stark variierenden Bildmaterial aus der NBIKoloskopie ein einheitliches Abbruchkriterium fu¨r das Fortschreiten der Front beim Fast Marching zu definieren. Das Verfahren liefert daher ha¨ufig deutlich unregelma¨ßige Segmentierungen.

Die Ergebnisse des Phasensymmetriefilters von Kovesi [ 7 ], die im Verfahren von Stehle et al. [ 5 ] lediglich als Ausgangspunkt fu¨r die Bestimmung der Kostenfunktion und der Saatpunkte genutzt werden, enthalten zum Einen sehr detaillierte Informationen der einzelnen Gefa¨ße, jedoch zum Anderen jedoch auch viel Rauschen und einige Fehldetektionen. Um die detailierten Informationen besser zu nutzen und die Probleme zu beseitigen, die aus dem Fast Marching resultieren, wird ein dreistufiger Ansatz eingesetzt, der auf dem Hystereseverfahren von Canny [ 9 ] beruht.

In der ersten Stufe werden sa¨mtliche Strukturen wie bisher markiert, was Details, feine Vera¨stelungen der Gefa¨ße und Artefakte mit einschließt. Der genutzte Schwellwert ist in dieser Stufe sehr niedrig, um die feinen Strukturen und Zusammenha¨nge zu erhalten (Abb. 2(b)).

In der zweiten Stufe werden durch Anpassung der Parameter von Kovesis Phasensymmetriefilter [ 7 ] lediglich niederfrequente Gefa¨ßstrukturen markiert und die Filterergebnisse zusa¨tzlich mit einem hohen Schwellwert gefiltert. Auf diese Weise werden die kontrastreichen, starken Gefa¨ßteile, welche sich deutlich von der Polypenoberfla¨che abheben, erkannt. Durch die gewa¨hlten Einstellungen werden die Gefa¨ßstrukturen allerdings nur unvollsta¨ndig abgebildet (Abb. 2(b)).

Die Ergebnisse der ersten zwei Stufen sind als Eingangsgro¨ßen den durch unterschiedlich gewa¨hlte Schwellwerte erstellten Ergebnissen beim Canny-EgdeDetektor [ 9 ] sehr a¨hnlich und ko¨nnen daher idealerweise, wie von Canny vorgeschlagen, mit Hilfe einer Hystereseoperation kombiniert werden. In der dritten Stufe werden die niederfrequenten Strukturen aus dem zweiten Ergebnis, a¨hnlich einer Hysterese, mit den angrenzenden Pixeln aus dem ersten Durchlauf um Detailinformationen erga¨nzt und vervollsta¨ndigt, so dass sich geschlossene Gefa¨ßstrukturen ergeben. Die Ergebnisse sind in Abb. 2(d) abgebildet. Die so ermittelten Blutgefa¨ße ko¨nnen in den weiteren von Stehle et al. [ 5 ] beschriebenen

Tabelle 1. Ergebniss der Klassi kation von 289 Polypen fur beide Verfahren im Vergleich.

Neues Verfahren

Stehle et al.

Klassifikationsrate

Sensitivita¨t

Spezifita¨t 83,4% 90,4% 73,7% 78,3% 80,1% 77,2% Schritten als Grundlage fu¨r die Berechnung der Merkmale zur Klassifikation der Dickdarmpolypen eingesetzt werden. 3

Ergebnisse

Die Evaluierung wird auf einer Datenbank mit 289 Bilder von Polypen der diagnostisch relevanten Gro¨ße von unter 10 mm, die unter NBI-Beleuchtung aufgenommen wurden, durchgefu¨hrt. Fu¨r sa¨mtliche Polypen liegen neben den Bilddaten auch die Ergebnisse einer histologischen Untersuchung vor, welche als Goldstandard herangezogen werden. In Abb. 3 werden beispielhaft Segmentierungsergebnisse fu¨r zwei Polypen jeweils fu¨r das Verfahren von Stehle et al. [ 5 ] und fu¨r das vorgeschlagene Verfahren neben dem Originalbild gezeigt. Deutlich wird hier, dass das neue Verfahren mit den Verbesserungen eine wesentlich detailgetreuere Darstellung der Blutgefa¨ße ermo¨glicht.

In Tab. 1 sind die Ergebnisse der automatisierten Klassifikation nach Merkmalsextraktion und Leave-One-Out-Klassifikation mittels Support Vector Machine (SVM) gelistet. Vier ausgewa¨hlte Merkmale der Polypen, die sich auf den Segmentierungen nach Stehle et al. [ 5 ], als charakteristisch erwiesen haben, wurden auf Basis der Blutgefa¨ßsegmentierungen der beiden Verfahren berechnet. Es wird in Tab. 1 deutlich, dass die Klassifikationsgenauigkeit durch die Verbesserungen um mehr als 5% zugenommen hat. Die deutlichste Vera¨nderung ist bei

Abb. 3. Blutgefa segmentierungen auf zwei Polypen fur beide Verfahren im Vergleich. der Sensitivita¨t mit einer Steigerung von u¨ber 10% zu verzeichnen. Anzumerken ist allerdings, dass die Spezifita¨t um 3,5% abgenommen hat. 4

Diskussion

Insgesamt ist die Steigerung der Genauigkeit durch die vorgeschlagenen Schritte deutlich. Die Abb. 3 zeigt, dass die Blutgefa¨ßstrukturen detailgetreuer dargestellt werden mit dem vorgeschlagenen Verfahren, als dies mit dem Algorithmus von Stehle et al. [ 5 ] mo¨glich war. Die Ergebnisse der Klassifikation auf Basis der segmentierten Gefa¨ßstrukturen auf 289 Polypen in Tab. 1 zeigen, dass die ermittelten Blutgefa¨ße und die darauf berechneten Merkmale die Polypen besser beschreiben. Fu¨r die Weiterentwicklung des Projektes mit Hinblick auf die erforderliche Performance im medizinischen Einsatz sind mehrere Ansa¨tze vorgesehen. Eine Evaluierung auf Basis einer handsegmentierten Ground Truth, die dann auch als Maßstab fu¨r weitere Verbesserungen dienen kann, sollte erstellt werden. Weiterhin sind zusa¨tzliche Modifikationen wie z.B. eine Nachfilterung der segmentierten Strukturen, um fehlerhaft als Blutgefa¨ße erkannte Strukturen auszuschließen, geplant. Abschließend soll eine klinische Evaluierung durchgefu¨hrt werden.

Literaturverzeichnis

References

1. des Bundes G. Krebs in Deutschland 2005-2006 - Hau gkeiten und Trends. Robert Koch Institut, Gesellschaft der epidemiologischen Krebsregister in Deutschland e .V.; 2010 .

2. Heldwein W , Dollhopf M , Rosch T, et al. The Munich polypectomy study (MUPS): prospective analysis of complications and risk factors in 4000 colonic snare polypectomies . Endoscopy . 2005 ; 37 ( 11 ): 1116 { 22 .

3. Gono K , Obi T , Yamaguchi M , et al. Appearance of enhanced tissue features in narrow-band endoscopic imaging . J Biomed Opt . 2004 ; 9 ( 3 ): 568 { 77 .

4. Tischendorf JJW , Wasmuth HE , Koch A , et al. Value of magnifying chromoendoscopy and narrow band imaging (NBI) in classifying colorectal polyps: a prospective controlled study . Endoscopy . 2007 ; 39 ( 12 ): 1092 { 6 .

5. Stehle T , Auer R , Gross S , et al. Classi cation of colon polyps in NBI endoscopy using vascularization features . Proc SPIE . 2009 ; 7260 :2s1{ 12 .

6. Stehle T. Removal of specular re ections in endoscopic images . Acta Polytechnica . 2006 ; 46 ( 4 ): 32 { 6 .

7. Kovesi P . Image features from phase congruency . Videre . 1999 ; 1 ( 3 ):2{ 26 .

8. Sethian J. A fast marching level set method for monotonically advancing fronts . In: Proc Nat Acad Sci . vol. 93 ; 1996 . p. 1591 { 5 .

9. Canny J. A computational approach to edge detection . IEEE Trans Pattern Anal Mach Intell . 1986 ; 8 ( 6 ): 679 { 98 .