Automatisierte Detektion und Segmentierung intrakranieller Aneurysmen in CT-Angiografien von Patienten mit subarachnoidaler Blutung durch ein Ensemble faltender neuronaler Netzwerke

Zielsetzung Entwicklung eines faltenden neuronalen Netzwerkes (CNN) zur vollautomatischen Detektion und Segmentierung intrakranieller Aneurysmen in CT Angiografien (CTA) von Patienten mit subarachnoidaler Blutung (SAB).

Material und Methoden Retrospektive Studie an 253 konsekutiven präoperativen CTA von Patienten mit SAB, die 2010-2017 in unserem Institut untersucht wurden. Untersuchungen aus den Jahren 2016-2017 dienten als Trainingsdatensatz (68 Patienten, 79 Aneurysmen), Untersuchungen von 2010-2015 als Testdaten (185 Patienten/216 Aneurysmen). Als Referenz für Training und Validierung dienten die manuellen voxel-basierten Segmentierungen durch einen Neurochirurgen und einen Radiologen. Als Vorverarbeitung der Bilddaten erfolgte die virtuelle Extraktion des VOI (SPM 8) und die Betonung der Hirngefäße. Die Deep Medic CNN Architektur wurde zum Training von 3 unterschiedlichen CNN verwendet, welche anhand differenter Gefäßkontraste trainiert wurden. Daraufhin wurde eine Ensemble-Strategie verwendet um ein finales durch 5-fache Kreuzvalidierung optimiertes CNN zu generieren.

Ergebnisse Im Trainingsdatensatz erreichte das Ensemble-CNN eine Aneurysmadetektion von 72% mit einer mittleren Falsch-Positiv-Rate (FPR) von 0,21 pro Untersuchung. Der DICE Koeffizient zwischen manueller Segmentierung und CNN betrug 0,74, der Volumenkorrelationskoeffizient (VKK) r=0,97. Im Vergleich zu den 3 einzelnen Netzwerken zeigte sich mit dem Ensemble-Ansatz eine Steigerung des DICE Koeffizienten um 37% (0.54 vs 0.74) und eine Reduktion der FPR um 90% (2,1 vs. 0,21 pro Untersuchung). Im unabhängigen Testdatensatz betrug die Sensitivität 82%, die mittlere FPR 0,81, der DICE Koeffizient 0,75, der VKK r=0,9.

Schlußfolgerungen Das hier vorgestellten CNN erlaubt eine robuste Detektion und Segmentierung von Aneurysmen bei SAB Patienten an Bilddaten der klinischen Routine. Mittels der Ensemble CNN Strategie lässt sich die Performance im Vergleich zu einzelnen Netzwerken in Bezug auf die FPR und Detektionsrate relevant verbessern.