Rofo 2025; 197(S 01): S58-S59
DOI: 10.1055/s-0045-1802837
Abstracts
Vortrag (Wissenschaft)
Pädiatrische Radiologie

Automatisierte multimodale Organsegmentierung in der pädiatrischen Radiologie: Ein Ansatz zum Domänenshift für CT- und MR-Bildgebung

Authors

  • M Eicke

    1   Medizinische Hochschule Hannover, Institut für Diagnostische und Intervent, Hannover

  • K Geißler

    2   Fraunhofer-Institut für Digitale Medizin MEVIS, Bremen

  • M B Krüger

    3   Medizinische Hochschule Hannover, Institut für Diagnostische und Interventionelle Radiologie, Hannover

  • J Heepe

    3   Medizinische Hochschule Hannover, Institut für Diagnostische und Interventionelle Radiologie, Hannover

  • H Winther

    3   Medizinische Hochschule Hannover, Institut für Diagnostische und Interventionelle Radiologie, Hannover

  • F Knörr

    4   Universitätsklinikum Hamburg-Eppendorf, Klinik und Poliklinik für Pädiatrische Hämatologie und Onkologie, Hamburg

  • A P Kuhnt

    3   Medizinische Hochschule Hannover, Institut für Diagnostische und Interventionelle Radiologie, Hannover

  • A Bucher

    5   Universitätsklinikum Frankfurt, Klinik für Radiologie und Nuklearmedizin, Frankfurt

  • H J Mentzel

    6   Universitätsklinikum Jena, Institut für Diagnostische und Interventionelle Radiologie, Jena

  • J Herrmann

    7   Universitätsklinikum Hamburg-Eppendorf, Klinik und Poliklinik für Diagnostische und Interventionelle Radiologie und Nuklearmedizin, Hamburg

  • C Benoit

    8   Universitätsklinikum Würzburg, Institut für Diagnostische und Interventionelle Radiologie, Würzburg

  • A Schenk

    3   Medizinische Hochschule Hannover, Institut für Diagnostische und Interventionelle Radiologie, Hannover

  • W Wößmann

    4   Universitätsklinikum Hamburg-Eppendorf, Klinik und Poliklinik für Pädiatrische Hämatologie und Onkologie, Hamburg

  • D Renz

    3   Medizinische Hochschule Hannover, Institut für Diagnostische und Interventionelle Radiologie, Hannover

  • B Lassen-Schmidt

    2   Fraunhofer-Institut für Digitale Medizin MEVIS, Bremen
Further Information
Also available at
 
 

    Zielsetzung In der pädiatrischen Radiologie fehlen ausreichend etablierte Werkzeuge für eine automatisierte Segmentierung von CT- und MRT-Bildern, um den manuellen Aufwand bei der Organvolumetrie und Normwertbestimmung zu reduzieren. Wir präsentieren ein Segmentierungsnetzwerk, das mit einer Global Intensity Non-Linear (GIN-) Augmentation auf einem öffentlich verfügbaren, pädiatrischen CT-Datensatz trainiert wurde und zeigen dessen Potenzial für qualitative Segmentierungen von Thorax- und Abdominalorganen sowie des Spinalkanals in pädiatrischen CT- und MRT-Untersuchungen.

    Material und Methoden Wir haben ein 3D-UNet auf 250 Bildern des öffentlichen Pediatric-CT-Segmentation-Datensatzes trainiert und eine Global Intensity Non-Linear Augmentation integriert, die Domänenshifts ausgleichen und den Transfer auf andere Modalitäten erleichtern soll. Das Modell wurde auf 30 pädiatrischen MRTs und 30 Säuglings-CTs sowie auf 70 zusätzlichen Bildern des öffentlichen CT-Datensatzes evaluiert.

    Ergebnisse Unser GIN-Modell erreicht einen Dice-Score von 0,90±0,11 auf den öffentlichen CT-Daten, 0,73±0,08 auf den Säuglings-CTs und 0,68±0,23 auf den MRT-Bildern. In allen drei Gruppen zeigt sich, dass Lungenflügel, Leber, Milz, Herz und Nieren durchschnittlich bessere Ergebnisse erzielen als Thymus, Pankreas und Spinalkanal. In unserer Evaluation über alle Daten erzielt das GIN-Modell bessere Ergebnisse als TotalSegmentator sowie ein vergleichbares pädiatrisches Segmentierungsmodell ohne GIN-Augmentierung.

    Schlussfolgerungen Unsere Studie zeigt, dass unser GIN-Modell auf pädiatrischen CTs hochqualitative Segmentierungen produziert und auch auf MRTs mit leichten Einschränkungen gute Ergebnisse erzielen kann. Das Netzwerk ist ausreichend robust um in einer größeren Studie zur automatisierten Erstellung von Normwerten für Organvolumina getestet zu werden und so, die klinische Anwendbarkeit umfassender zu evaluieren.


     

    Publication History

    Article published online:
    25 March 2025

    © 2025. Thieme. All rights reserved.

    Georg Thieme Verlag KG
    Oswald-Hesse-Straße 50, 70469 Stuttgart, Germany