Reduktion der Kontrastmitteldosis bei der Mamma-MRT durch Künstliche Intelligenz – Eine Machbarkeitsanalyse unter Nutzung von Generative Adversarial Networks
RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren · 01.04.2023 · 195 (S 01 S 01) · S38
DOI: 10.1055/s-0043-1763045 ↗Kurz gefasst
Fachartikel in der Zeitschrift RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren, erschienen am 01.04.2023. Verfasst von G Müller-Franzes und 6 weiteren Autor:innen.
Abstract (Originalsprache)
Zielsetzung Die Kontrastmittel (KM)-unterstützte MRT der Mamma ist die sensitivste Methode zur Brustkrebsdetektion. Obwohl durch exzellente Verträglichkeit charakterisiert, wäre es dennoch erstrebenswert, die KM-Dosis zu reduzieren bei Kompensation durch Methoden der Bildnachverarbeitung. Ziel dieser Studie war, ein Generative Adversarial Network (GAN) zur Synthese von Subtraktionsbildern zu nutzen und die Bildqualität durch Mamma-Radiologen zu bewerten. Material und Methoden In dieser retrospektiven Studie wurden 9757 bzw. 200 Mamma MRT-Untersuchungen des Universitätsklinikums Aachen als Training- bzw. Testset verwendet, die eine axiale T2-gewichtete TSE-Sequenz vor und axiale T1-gewichtete GRE-Sequenzen vor und nach gewichtsadaptierter Applikation eines Kontrastmittels umfassten. Ein GAN (Pix2PixHD) wurde trainiert, um die subtrahierten KM-Bilder anhand der folgenden Sequenzen vorherzusagen: native T1- und T2-gewichtete Bilder, sowie Subtraktionsbilder bei denen durch Addition von Rauschen eine um 75% reduzierte KM-Dosis simuliert wurde. Die Validierung erfolgte stufenweise durch zwei erfahrene Mamma-Radiologen, die zufällig vorgelegte Subtraktionsbilder als „real“ oder „synthetisiert“ einschätzten und echte und synthetisierte Subtraktionsbilder mit KM-anreichernden Läsionen nebeneinander hinsichtlich deren Übereinstimmung (über Likert-Skalen von 0 [keine Übereinstimmung] bis 5 [maximal]) bewerteten. Statistische Tests erfolgten mittels Bootstrapping. Ergebnisse Die Radiologen bestimmten zu 49±3% korrekt, ob es sich um ein echtes oder synthetisiertes Bild handelte. Die Übereinstimmung der Läsionen zwischen realen und synthetisierten Subtraktionsbildern wurde als sehr gut (4,3±0,04, p
Zitieren
APA
Müller-Franzes, G., Nolte, T., Nebelung, S., Huck, L., Dethlefsen, E., Kuhl, C., & Truhn, D. (2023). Reduktion der Kontrastmitteldosis bei der Mamma-MRT durch Künstliche Intelligenz – Eine Machbarkeitsanalyse unter Nutzung von Generative Adversarial Networks. RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren, 195(S 01 S 01), S38. https://doi.org/10.1055/s-0043-1763045
Vancouver
Müller-Franzes G, Nolte T, Nebelung S, Huck L, Dethlefsen E, Kuhl C, et al. Reduktion der Kontrastmitteldosis bei der Mamma-MRT durch Künstliche Intelligenz – Eine Machbarkeitsanalyse unter Nutzung von Generative Adversarial Networks. RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren. 2023;195(S 01 S 01):S38. doi:10.1055/s-0043-1763045
BibTeX
@article{MllerFranzes2023,
author = {Müller-Franzes, G and Nolte, T and Nebelung, S and Huck, L and Dethlefsen, E and Kuhl, C and Truhn, D},
title = {Reduktion der Kontrastmitteldosis bei der Mamma-MRT durch Künstliche Intelligenz – Eine Machbarkeitsanalyse unter Nutzung von Generative Adversarial Networks},
journal = {RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren},
year = {2023},
volume = {195},
number = {S 01 S 01},
pages = {S38},
doi = {10.1055/s-0043-1763045}
}
EUVIMED