H modynamische Analyse und Klassifikation der Gef strukturen bei Patienten mit zerebralen arterioven sen Malformationen

Hintergrund: Eine zerebrale arterioven se Malformation (AVM) ist eine Gef missbildung im Gehirn, die sich durch das Fehlen eines kapillaren Gef bettes mit abnormem Kurzschluss zwischen dem arteriellen und dem folgendem ven sen System auszeichnet, dem sog. Nidus. Die ver nderten h modynamischen Bedingungen resultieren in neurologischen Ausf llen sowie in dysplastischen Ver nderungen der zu- und abführenden Gef e und daraus folgenden erh hten Blutungsrisiko. Zielsetzung: Für die diagnostische Beurteilung der AVM sind Informationen über die individuelle Gef struktur und die H modynamik von besonderem Interesse. In diesem Beitrag wird ein Verfahren zur Extraktion von Parametern zur Beschreibung der H modynamik pr sentiert. Aufbauend hierauf werden Verfahren zur automatischen Detektion des Nidus der arterioven sen Malformation sowie der zuleitenden (Feeder), ableitenden (Drainagevenen) und en passage“-Gef e vorgestellt. Als Eingabe hierfür dienen hochaufgel ste 3D- sowie zeitlich-r umliche 4D-MRT-Bildsequenzen. Methoden: Bei der vorgestellten Methode wird zun chst in den 3D-MRT-Bilddaten das Gef system semi-automatisch segmentiert. Auf Basis eines neuen Verfahrens zur Charakterisierung der H modynamik durch Bestimmung des Einflusszeitpunktes des Kontrastmittels mittels referenzbasierter Kurvenanpassung wird in einem weiteren Schritt in den zeitlich-r umlichen MR-Bildfolgen für jedes Voxel der zeitliche Signalverlauf analysiert. Zus tzlich wird die Flussgeschwindigkeit des Kontrastmittels diskret approximiert. Anschlie end werden die extrahierten Parameterbilder mittels eines nicht-linearen Registrierungsverfahrens automatisch auf das segmentierte Gef system übertragen. Durch eine kombinierte Analyse der Intensit t, der Geschwindigkeit und des relativen Einflusszeitpunktes des Blutes werden Gef strukturen automatisch charakterisiert. Ergebnisse: Zur Evaluation der vorgestellte Methode standen 19 Datens tze von Patienten mit diagnostizierter AVM zur Verfügung. Durch Anwendung der neuen Methode zur Beschreibung der Einstr mzeitpunkte konnten Artefakte in Form von starken zeitlichen Sprüngen zwischen den Einflusszeitpunkten benachbarter Voxel deutlich verringert werden. Die Detektion des Nidus wurde anhand von manuellen Segmentierungen validiert und ergab eine mittlere Volumenübereinstimmung von ca. 88%. Drainagevenen und Feeder konnten mit einer Genauigkeit von 95% detektiert werden. Schlussfolgerung: Die vorgestellte Methode erm glicht eine robuste automatische Detektion des AVM-Nidus sowie eine Klassifikation der Gef e. Eine visuelle Begutachtung du