Kurzfassung. Fettleibigkeit ist ein verbreitetes Problem in der westlichen Welt und kann Krankheiten wie Krebs, Typ-2-Diabetes und HerzKreislauf-Erkrankungen auslo¨sen. In den vergangenen Jahren wurde die Magnetresonanztomographie (MRT) zu einer praktikablen Methode, um die Menge und Verteilung des Fettgewebes im Ko¨rper zu messen. Die manuelle Analyse ist besonders bei Ganzko¨rperdaten ein zeitaufwendiger Prozess. Dieses Paper stellt ein semi-automatisches Verfahren vor, dass die unterschiedlichen Fettgewebsarten im gesamten Ko¨rper mit geringem Benutzeraufwand quantifiziert. Dabei werden statistische Formmodelle und morphologische Operatoren verwendet, um die verschiedenen Arten des Fettgewebes zu trennen, und um das Knochenmark zu detektieren. Die Methode wurde an 15 Ganzko¨rper-MRT-Daten getestet. Das Ergebnis der Segmentierung des totalen Fettgewebes erreichte eine volumetrische U¨ berlappung von (93; 7 5; 5)% und einen Volumenunterschied von (7; 3 6; 4)% gegenu¨ber dem Goldstandard.
Herzinfarkte, Schlaganfa¨lle und Krebserkrankungen sind die
Haupttodesursachen in Deutschland. In der wissenschaftlichen Literatur gibt es umfangreiche
Hinweise darauf, dass das Auftreten dieser Krankheiten von Lebensstilfaktoren
wie Rauchen, Erna¨hrung, ko¨rperlicher Aktivita¨t und der Entwicklung des
Ko¨rpergewichts bzw. der Ko¨rperfettmasse maßgeblich mitbestimmt werden.
Untersuchungen von prospektiven Studien zur Rolle von U¨bergewicht und Adipositas
beruhen jedoch fast ausnahmslos auf einfachen Messzahlen wie Relativgewicht
(Body Mass Index) oder Bauchumfang. Diese Maße sind angena¨herte
Scha¨tzungen von allgemeiner oder regionaler Fettleibigkeit. Weiterhin ist bekannt, dass
die Verteilung des Fettgewebes im Ko¨rper, die durch konventionelle
Messmethoden nicht bestimmt werden kann, mit dem metabolischen Syndrom von
Adipositas korreliert [
Ganzko¨rperaufnahmen wurden an 15 Probanden (5 Ma¨nner, 10 Frauen) mit
einem 1,5T Avanto MRT von Siemens durchgefu¨hrt. Alle Probanden wurden in
Ru¨ckenlage mit Armen neben dem Ko¨rper abgebildet. Um die Arme vom Ko¨rper
zu trennen wurden Keile verwendet. Desweiteren wurden Spulen um den
gesamten Ko¨rper angelegt, um das Signal-zu-Rausch-Verha¨ltnis zu maximieren und
um den Patienten zu stabilisieren. Sechs bis acht angrenzende Bildabschnitte
waren no¨tig um den gesamten Ko¨rper abzubilden. Die Auflo¨sung eines
Bildabschnittes betra¨gt 384 288 64 Voxel, mit einer Auflo¨sung von 1; 3 1; 3 3 mm.
Fu¨r die Aufnahme wurde die Vibe Dixon-Sequenz [
Die Generierung der Ganzko¨rperdaten aus den einzelnen Bildabschnitten
sowie die Korrektur der Dixon-Artefakte wird in [
Das Fettgewebe (AT) wird bereits durch die Vibe-Dixon-Sequenz hell im Bild
dargestellt, wa¨hrend das andere Gewebe dunkel ist (Abb. 1a). Demzufolge ist
ein einfacher Schwellwert fu¨r die Segmentierung von AT ausreichend. Fu¨r die
Berechnung einer optimalen Grenze zwischen Hintergrund und Fettgewebe wird
die Technik von Otsu verwendt. Da Knochenmark hauptsa¨chlich aus Fettzellen
besteht, wird es hierdurch gleichermaßen als AT klassifiziert (Abb. 1c). Das
Volumen des viszeralen Fettgewebes (VAT) befindet sich zwischen dem Bereich der
oberen Spitze der Lunge und dem Beckenknochen sowie zwischen der inneren
Bauchwand und der Wirbelsa¨ule. Um das Bauchfett aus AT zu extrahieren wird
eine bina¨re Maske des Abdomens (Abb. 1d) mit Hilfe eines statistischen
Formmodells (SSM) [
Das vorgestellte Verfahren wurde an 15 Ganzko¨rperdaten evaluiert. Eine durchschnittliche Berechnungszeit von 2 Minuten pro Datensatz wurde mit einem Standard Computer (Intel Core Quad 2,66GHz, 4GB RAM) erreicht. Die Entfernung der Arme unter den Achseln erfolgte an 13 Probanden korrekt. Die automatische Wahl des Schwellwertes fu¨r die Segmentierung des Fettgewebes war bei allen Probanden erfolgreich, wobei die Ergebnisse von einem medizinischen Experten u¨berpru¨ft wurden. Um den Einfluss der interaktiven Initialisierung des Formmodells auf das Ergebnis der VAT Segmentierung beurteilen zu ko¨nnen, haben wir einen Sensibilita¨ts-Test durchgefu¨hrt. Dabei wurde das optimale Zentrum des Modells um 2; 5 cm in x-, y- und z-Richtung verschoben und die Ergebnisse mit dem Segmentierungsergebnis der zentralen Position verglichen. Wir erreichten eine durchschnittliche volumetrische U¨ berschneidung (Dice Koeffizient, DCE = jXjXj+\YjYjj 100) von (98; 13 1; 04)% sowie einen Volumenunterschied von (1; 95 2; 65)%. Zur Beurteilung der Ergebnisse der VAT, SAT und TAT Segmentierung wurden je Ganzko¨rperdatensatz vier Bildschichten ausgewa¨hlt: zwei aus dem Bauchraum (na¨he Leber und Becken), eine aus dem Ober- und eine andere aus dem Unterschenkel. Ein Experte hat das viszeraleund subkutane Fettgewebe mit Hilfe des interaktiven Segmentierungs-Moduls aus MITK (www.mitk.org) segmentiert und mit den Ergebnissen aus der vorgestellten Methode verglichen. Fu¨r die Segmentierung von VAT erreichten wir einen durchschnittlichen DCE Wert von (89; 0 5; 2)% und einen relativen Volumenfehler von (9; 4 6; 4)%. Bei SAT erzielten wir eine ho¨here U¨ berlappung von (96; 06 3; 88)% und einen relativen Volumenfehler von (6; 25 6; 22)%. Das Ergebnis der U¨ berschneidung der TAT Segmentierungen betrug (93; 7 5; 5)% und erreichte einen Volumenunterschied von (7; 3 6; 4)%. 4
Aufgrund des limitierten Sichtfeldes des MRT Gera¨tes mu¨ssen die Arme entfernt werden. Ursache fu¨r die zwei Misserfolge war, dass wa¨hrend der Bildaufnahme keine Keile, die die Arme vom Ko¨rper trennen, verwendet wurden. Durch das Entfernen der Arme geht ein großer Anteil des subkutanen Fettgewebes verloren. Eine Abscha¨tzung des Verlustes von SAT sollte in einer separaten Studie untersucht werden. Die Initialisierung des statistischen Formmodells fu¨r die Segmentierung von VAT erfolgt interaktiv durch den Benutzer. Anhand des Sensibilita¨t Tests wurde jedoch gezeigt, dass die Ergebnisse der VAT Segmentierung trotz Verschiebung der Ausgangsposition des Modells sehr robust sind. Demzufolge ist
Wald et al. eine grobe und schnelle Initialisierung ausreichend um konsistente Ergebnisse zu erzielen. Eine automatische Initialisierung des Modells im Abdomen ist dennoch in Zukunft denkbar. Auch wenn wir bereits mit 5 Trainingsdaten gute Ergebnisse der Abdomen Segmentierung erzielen, ist eine gro¨ßere Anzahl von Daten fu¨r die Erstellung des Formmodells wu¨nschenswert. Der morphologische Ansatz zur Segmentierung des subkutanen Fettgewebes ohne Knochenmark war bis auf den Kniebereich erfolgreich. An den Knien gibt es keine Muskulatur zwischen Hautfett und Knochen und dadurch vereinen sich die Grauwerte von Knochenmark und SAT. Folglich wird das Knochenmark als SAT definiert. Werden die Ergebnisse der vorgestellten Methode mit dem Goldstandard verglichen, so erhalten wir einen relativ großen Fehler bei der Segmentierung von VAT. Die Abweichung von 11% ko¨nnte allerdings eine Verbesserung gegenu¨ber der manuellen Methode sein. Denn wie bereits beschrieben, liegt das viszerale Fettgewebe im Bauchraum und besteht hauptsa¨chlich aus kleineren Anteilen. Das Ergebnis einer groben Segmentierung durch den Experten ko¨nnte daher stark von den Ergebnissen der feinen VAT-Segmentierung unserer Methode abweichen. Zusammengefasst liefert unsere Methode vergleichbare Ergebnisse wie der Goldstandard und kann aufgrund der hohen Zeitersparnis große epidemiologische Studien zur Untersuchung der Beziehung zwischen Adipositas (insbesondere den Anteil von VAT) zu chronischen Erkrankungen unterstu¨tzen.
Literaturverzeichnis