EUVIMEDEUVIMED entdecken
Crossref

Multi-Reader-gestützte manuelle Segmentierung der tief infiltrierenden Endometriose in der Becken-MRT: Ein Referenzdatensatz für KI-basierte Analysen

A Moser, V D Vu, P Ehte, V Krenn, P Michaelides, H T Chen, G Krombach, S Harth

RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren · 01.04.2026 · 198 (S 01 S 01) · S91-S92

DOI: 10.1055/s-0046-1817689 ↗

Kurz gefasst

Fachartikel in der Zeitschrift RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren, erschienen am 01.04.2026. Verfasst von A Moser und 7 weiteren Autor:innen.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Zielsetzung Die tief infiltrierende Endometriose (TIE) ist eine chronische gynäkologische Erkrankung, die vorwiegend Beckenstrukturen infiltriert und eine Herausforderung für die klinische Entscheidungsfindung darstellt. Die MRT ermöglicht eine nicht-invasive Kartierung der TIE, jedoch erschweren die heterogene Läsionsmorphologie und variable Signalintensitäten eine konsistente Abgrenzung. Ziel dieser Studie war es, ein Multi-Reader-Segmentierungsframework auf sagittalen T2-gewichteten MRT-Bildern zu etablieren, um ein robustes Ground-Truth-Datenset für Anwendungen der Künstlichen Intelligenz (KI) zu generieren. Material und Methoden Es wurden 20 anonymisierte Becken-MRT-Datensätze von Patientinnen mit radiologisch gesicherter TIE aus einer größeren institutsinternen Kohorte ausgewählt. Sagittale T2-gewichtete Fast-Spin-Echo-(FSE)-Sequenzen wurden unabhängig von fünf geschulten Annotator:innen entsprechend der #Enzian-Klassifikation (Kategorien A–C, FA–FI, FU) segmentiert. Alle Annotationen wurden anschließend durch eine strukturierte Konsensuskorrektur durch einen erfahrene Radiologen mit über 10 Jahren Erfahrung in der gynäkologischen MRT-Bildgebung überprüft. Die Interobserver-Variabilität wurde mittels Cohen’s κ, gewichteten κ, Fleiss’ κ und Kendall’s W bewertet.

Ergebnisse

Alle 20 Datensätze wurden erfolgreich von fünf unabhängigen Leser:innen segmentiert. Die statistische Analyse zeigte eine Variabilität zwischen den individuellen Annotationen, mit einer verbesserten Übereinstimmung nach der Konsensuskorrektur. Das Multi-Reader-Design reduzierte subjektive Verzerrungen, spiegelte diagnostische Unsicherheiten wider und lieferte einen klinisch relevanten Referenzstandard.

Schlussfolgerungen

Das vorgestellte Multi-Reader-Segmentierungsframework schafft ein hochwertiges Ground-Truth-Datenset für sagittale T2-gewichtete MRT-Aufnahmen der TIE. Es unterstützt die reproduzierbare KI-Entwicklung, erleichtert die automatisierte #Enzian-Klassifikation und trägt zur Standardisierung der Befundung in der gynäkologischen Bildgebung bei. Publication History Article published online: 22 April 2026 © 2026. Thieme. All rights reserved. Georg Thieme Verlag KG Oswald-Hesse-Straße 50, 70469 Stuttgart, Germany

Zitieren

APA

Moser, A., Vu, V. D., Ehte, P., Krenn, V., Michaelides, P., Chen, H. T., Krombach, G., & Harth, S. (2026). Multi-Reader-gestützte manuelle Segmentierung der tief infiltrierenden Endometriose in der Becken-MRT: Ein Referenzdatensatz für KI-basierte Analysen. RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren, 198(S 01 S 01), S91-S92. https://doi.org/10.1055/s-0046-1817689

Vancouver

Moser A, Vu VD, Ehte P, Krenn V, Michaelides P, Chen HT, et al. Multi-Reader-gestützte manuelle Segmentierung der tief infiltrierenden Endometriose in der Becken-MRT: Ein Referenzdatensatz für KI-basierte Analysen. RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren. 2026;198(S 01 S 01):S91-S92. doi:10.1055/s-0046-1817689

BibTeX
@article{Moser2026,
  author = {Moser, A and Vu, V D and Ehte, P and Krenn, V and Michaelides, P and Chen, H T and Krombach, G and Harth, S},
  title = {Multi-Reader-gestützte manuelle Segmentierung der tief infiltrierenden Endometriose in der Becken-MRT: Ein Referenzdatensatz für KI-basierte Analysen},
  journal = {RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren},
  year = {2026},
  volume = {198},
  number = {S 01 S 01},
  pages = {S91--S92},
  doi = {10.1055/s-0046-1817689}
}
Kostenlos starten →