Wissenschaftler des DFG-Forschungszentrums MATHEON und der Charité Campus Buch erhielten Auszeichnung für ein Verfahren zur automatischen Erkennung der Leber in medizinischen Bilddaten.
"Jetzt werden wir schon als die Weltmeister bei der Bildsegmentierung der Leber bezeichnet" freut sich Hans Lamecker, Mathematiker am DFG-Forschungszentrum MATHEON, nach dem Gewinn des Wettbewerbs auf einer internationalen Konferenz in Australien. Aber eigentlich ist der Begriff "Weltmeister" viel zu profan für die Leistung, die der Wissenschaftler gemeinsam mit der Informatikerin Dagmar Kainmueller bei Prof. Peter Deuflhard am Zuse-Institut Berlin (ZIB) und Thomas Lange, Mathematiker bei Prof. Peter M. Schlag an der Charité Campus Buch, vollbracht hat. Denn die durch ihre Arbeit sehr viel leichter und fehlerfreier gewordene Identifizierung der Leber in medizinischen Bilddaten (Bildsegmentierung) ist ein großer Fortschritt für die computer-assistierte Chirurgie und zeigt eindrucksvoll, wie wichtig heutzutage die interdisziplinäre Zusammenarbeit von Mathematikern und Chirurgen ist.
Bei Tumoren in der Leber muss nicht nur das befallene Gewebe identifiziert und mit einem Sicherheitssaum entfernt, sondern auch die räumliche Beziehung der Blutbahnen in der Nähe des Tumors berücksichtigt werden, um Blutungen zu vermeiden. Gleichzeitig soll so schonend wie möglich operiert werden, d.h. wenig gesundes Gewebe verletzt werden. Diese Identifizierung und auch die genaue Abgrenzung der Leberoberfläche aber ist sehr schwierig und wird meist "von Hand" durchgeführt. Dabei versucht ein Medizinisch-Technischer Assistent unter Anleitung eines Radiologen aus über 100 Aufnahmen im Computertomographen eine genaue Abgrenzung der Leber zu benachbarten Strukturen zu zeichnen. Dies ist zum einen zeitaufwendig, zum anderen können die Ergebnisse variieren. Eine vollautomatische Bildsegmentierung dagegen ist insbesondere wegen des Bildrauschens und des geringen Kontrastes zu benachbarten Organen bisher nur in wenigen speziellen Fällen möglich.
Präoperative Segmentierungen sind für eine computergestützte Operation unerlässlich. Sie bilden die Voraussetzung für einen zielgenauen und erfolgreichen Eingriff. Während der Operation müssen die Ärzte laufend das aus den segmentierten Daten erstellte dreidimensionale Modell mit den tatsächlichen aktuellen Daten vergleichen, um nicht unnötig gesundes Gewebe zu schädigen.
Die "10th International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI)" hatte nun einen Wettbewerb ausgeschrieben, um bessere Methoden zur automatischen Bildsegmentierung zu fördern. An dem Wettbewerb haben sich insgesamt 16 Teams aus aller Welt sowohl von Universitäten als auch von großen renommierten Firmen beteiligt. Dabei sollten zehn unbekannte klinische Datensätze in maximal drei Stunden automatisch segmentiert werden. Doch weniger auf die Schnelligkeit kam es dabei an, als vor allem auf die Genauigkeit. "Die Abweichungen von der Realität wurde mit Punkten bewertet. Selbst bei einer Auswertung von Hand, ist nur eine Treffsicherheit von 75 von 100 möglichen Punkten gegeben.", erklärt Hans Lamecker, "wir erreichten aber mit der eigentlich unsicherer eingeschätzten automatischen Bildsegmentierung eine Punktzahl von über 77 Punkten".
Für diese hohe Genauigkeit wurden Hans Lamecker, Dagmar Kainmüller und Thomas Lange beim Wettbewerb in Australien mit dem ersten Preis ausgezeichnet. Verbunden damit ist ein Preisgeld von 1.000 australischen Dollar. Viel wichtiger aber ist die große wissenschaftliche Reputation und die Hoffnung, dass diese Methode künftig in der Industrie in radiologischen Befundungsstationen und chirurgischen Planungs- und Navigationssystemen verwandt wird. An der Klinik von Prof. Schlag wird das Segmentierungsverfahren bereits bei der Planung von Leberoperationen eingesetzt und klinisch zusammen mit seinem OP 2000 Team, zu dem auch Thomas Lange gehört, evaluiert.
Das grundlegende mathematische Verfahren wird am ZIB auch in diversen anderen medizinischen Bereichen wie z. B. der Korrektur von Schädelverformungen bei Säuglingen angewandt. "Im Prinzip erstellen wir ein Modell typischer Leberformen auf Basis einer großen Datenbank individueller Lebern", sagt der Mathematiker. Für die Bildsegmentierung der Leberdaten wird dieses Modell mit den tomographischen Bilddaten abgeglichen und so angepasst, dass es die gesuchte Leberform möglichst gut repräsentiert.
Weitere Auskünfte: Dipl.-Phys. Hans Lamecker, Tel.: 030 841 85 177, e-mail: lamecker@zib.de
http://www.matheon.de
http://www.zib.de/visual/projects/liverSurgery/liverSurgery.frameset.en.html
Präoperative Planung benötigt Segmentierung
None
Beispiel einer Lebersegmentierung
None
Criteria of this press release:
Mathematics, Medicine, Nutrition / healthcare / nursing, Physics / astronomy, Social studies
transregional, national
Research projects, Research results
German
You can combine search terms with and, or and/or not, e.g. Philo not logy.
You can use brackets to separate combinations from each other, e.g. (Philo not logy) or (Psycho and logy).
Coherent groups of words will be located as complete phrases if you put them into quotation marks, e.g. “Federal Republic of Germany”.
You can also use the advanced search without entering search terms. It will then follow the criteria you have selected (e.g. country or subject area).
If you have not selected any criteria in a given category, the entire category will be searched (e.g. all subject areas or all countries).