Rofo 2022; 194(S 01): S11
DOI: 10.1055/s-0042-1749783
Abstract
Vortrag (Wissenschaft)
Experimentelle Radiologie

Vorhersage der Röntgenbildqualität des oberen Sprunggelenks mittels Tiefenbildtechnik und künstlicher Intelligenz – eine Kadaverstudie

Autoren

  • F Leal dos Reis

    1   Universitätsklinikum Schleswig-Holstein, Campus Lübeck, Klinik für Radiologie und Nuklearmedizin, Lübeck

  • M Laufer

    2   Institut für Neuro- und Bioinformatik, Universität zu Lübeck, Lübeck

  • D Mairhöfer

    2   Institut für Neuro- und Bioinformatik, Universität zu Lübeck, Lübeck

  • H Gerdes

    3   Klinik für Radiologie und Nuklearmedizin, Universitätsklinikum Schleswig-Holstein, Lübeck

  • J Preuss

    3   Klinik für Radiologie und Nuklearmedizin, Universitätsklinikum Schleswig-Holstein, Lübeck

  • T Käster

    4   Pattern Recognition Company GmbH, Lübeck

  • E Barth

    2   Institut für Neuro- und Bioinformatik, Universität zu Lübeck, Lübeck

  • T Martinetz

    2   Institut für Neuro- und Bioinformatik, Universität zu Lübeck, Lübeck

  • J Barkhausen

    3   Klinik für Radiologie und Nuklearmedizin, Universitätsklinikum Schleswig-Holstein, Lübeck

  • A Bischof

    3   Klinik für Radiologie und Nuklearmedizin, Universitätsklinikum Schleswig-Holstein, Lübeck

  • M Sieren

    3   Klinik für Radiologie und Nuklearmedizin, Universitätsklinikum Schleswig-Holstein, Lübeck
Weitere Informationen
Auch verfügbar auf
 

Zielsetzung Die korrekte Ausrichtung der Patientenanatomie vor der Röntgenröhre ist elementar für die diagnostische Qualität des resultierenden Röntgenbildes. Tiefenbild (Time-of-Flight;

ToF) Kameraaufnahmen gepaart mit künstlicher Intelligenz (KI) bieten das Potenzial, die zu untersuchende Anatomie vor der Strahlenexposition zu erfassen und die Röntgenbildqualität zu prognostizieren. Röntgenaufnahmen niedriger Qualität könnten so verhindert werden. Das Ziel der Studie war der Machbarkeitsnachweis einer KI gestützten Qualitätsvorhersage der Röntgenbildqualität des oberen Sprunggelenks (OSG) mit Hilfe einer Kadaverstudie durch ToF-Aufnahmen.

Material und Methoden Für die Qualitätsvorhersage durch die ToF-Aufnahmen werden Trainingsdatenpaare aus ToF-Aufnahme und Röntgenbildbewertung benötigt. Mittels eines anatomischen Kadaverpräparates des OSG wurden 123 Bilddatenpaare aufgenommen. Die Qualität der Röntgenbilder wurde durch einen Radiologen semiquantitativ mit 1 (ausgezeichnet), 2 (akzeptabel), 3 (nicht akzeptabel) bewertet. Der Datensatz wurde zehnmal im Verhältnis 80:20 in Trainings-/Testgruppe aufgeteilt, um ein Deep Convolutional Neural Network (EfficientNet-B0) für die Qualitätsvorhersage aus Tiefenbilddaten zu trainieren. Eine Abweichung von <0,5 von der Bewertung des Radiologen wurde als Übereinstimmung gewertet.

Ergebnisse Der Algorithmus erreichte eine Vorhersagegenauigkeit von 87%±0,05 sowie einen Pearson Korrelationskoeffizienten von 0,85±0,06. Der mittlere absolute Fehler der semiquantitativen Bewertung betrug 0,14±0,05, die mittlere quadratische Abweichung 0,12±0,05.

Schlußfolgerungen Diese Studie belegt die Machbarkeit einer Qualitätsvorhersage von Röntgenbildern des OSG auf Basis von Tiefenbildtechnik, bevor es zu einer Strahlenexposition kommt. Perspektivisch könnte dieses Assistenzsystem die Qualität von Röntgenbildern verbessern und die Strahlenexposition durch Reduzierung von Wiederholungsaufnahmen verringern.



Publikationsverlauf

Artikel online veröffentlicht:
29. August 2022

© 2022. Thieme. All rights reserved.

Georg Thieme Verlag
Rüdigerstraße 14, 70469 Stuttgart, Germany