Dokument_5.

Aus dem Institut für Medizinische Physik
Friedrich-Alexander-Universität Erlangen-Nürnberg
Direktor: Prof. Dr. Willi A. Kalender, Ph.D.
Bildgebende Charakterisierung und
Quantifizierung der Angiogenese
bei Arthritis mittels µCT im Mausmodell
Inaugural-Dissertation
zur Erlangung der Doktorwürde
der Medizinischen Fakultät
der Friedrich-Alexander-Universität
Erlangen-Nürnberg
(Dr. rer.biol.hum.)
vorgelegt von
Svitlana Gayetskyy
aus Dnipropetrovsk, Ukraine
Erlangen, 2013
Gedruckt mit Erlaubnis der
Medizinischen Fakultät der Friedrich-AlexanderUniversität Erlangen-Nürnberg
Dekan:
Prof. Dr. med. Dr. h.c. Jürgen Schüttler
Klinik für Anästhesiologie
Referent:
Prof. Dr. Klaus Engelke
Institut für Medizinische Physik
1.Korreferent:
Prof. Dr. Willi A. Kalender
Institut für Medizinische Physik
2.Korreferent:
Prof. Dr. Günther Greiner
Lehrstuhl für Informatik 9 (Graphische
Datenverarbeitung)
Tag der mündlichen Prüfung:
18.06.2013
Meinen Eltern, Großeltern, Ehemann und Tochter
v
Inhaltsverzeichnis
1 Einleitung
1
2 Grundlagen
3
2.1 Medizinische Grundlagen
3
2.1.1 Rheumatoide Arthritis
3
2.1.2 Angiogenese
7
2.1.3 Interaktion zwischen Arthritis und Angiogenese
7
2.2 Verfahren zur Bildgebung der Vaskularisierung
8
2.2.1 Mikroskopie
8
2.2.2 Laser-Doppler-Fluss Untersuchungen
9
2.2.3 Magnetresonanzangiographie
10
2.2.4 CT-Angiographie
11
2.2.5 Zusammenfassung
12
2.3 Durchgeführte Studien: Stand der Technik
14
2.3.1 Angiogenese bei Arthritis
14
2.3.2 Vaskularisierungsparameter
17
2.3.3 Zusammenfassung
18
2.4 Gefäßsegmentierungsverfahren
18
2.4.1 Globale Schwellwertverfahren
19
2.4.2 Volume Growing Verfahren
19
2.4.3 Aktive Konturen
21
2.4.4 Hesse-Matrix
21
3 Bildgebung
3.1 µCT-Scanner
25
25
3.1.1 Aufnahmegeometrie
25
3.1.2 Bildqualität
26
3.2 Kontrastmittel
27
4 Segmentierung
33
4.1 Einleitung
33
vi
4.2 Vorbereitende Schritte
34
4.2.1 Initiale Gefäßsegmentierung
36
4.2.2 Knochensegmentierung
37
4.3 Definition des Auswertevolumens
38
4.3.1 Segmentierung des globalen Auswertevolumens
38
4.3.2 Segmentierung des Kniegelenkspaltes
40
4.3.3 Definition der Segmentierungs- und Analyse-VOIs
41
4.4 Gefäßsegmentierung
42
4.4.1 Lokales adaptives Schwellwertverfahren (LAT)
42
4.4.2 Multi-Skalen (MS) Verfahren
45
4.4.3 Hybrid MSLAT-Verfahren
49
5 Berechnung der quantitativen Parameter
51
5.1 Modell-abhängige Parameter
51
5.2 Modell-unabhängige Parameter
52
5.3 Zusammenfassung
54
6 Digitales Gefäßmodell
57
7 Validierung
63
7.1 Gefäßbaummodell
63
7.1.1 Berechnungsgenauigkeit
63
7.1.2 Topologische Veränderungen
71
7.1.3 Änderung der Bildqualität
76
7.2 Einfluss von RA auf Vaskularisierung im Mausmodell
80
7.3 Reproduzierbarkeit Inter- / Intraoperator-Vergleich
84
7.4 Diskussion
86
8 Zusammenfassung und Ausblick
91
Abkürzungsverzeichnis
93
Danksagung
95
Literaturverzeichnis
97
Lebenslauf
108
vii
Zusammenfassung
Einleitung: Angiogenese ist ein wichtiger pathophysiologischer Prozess
bei chronischen Entzündungsreaktionen, insbesondere bei rheumatoider
Arthritis und beeinflusst zusammen mit der Entzündung den
Krankheitsverlauf. Die quantitative Messung von Veränderungen der
Vaskularisierung könnte die Frühdiagnose der Krankheit und
Verlaufskontrolle unter Therapie verbessern. Das Ziel dieser Arbeit ist eine
in-vitro Quantifizierung der pathologischen Veränderungen der
Vaskularisierung der Kniegelenkkapsel einer Maus mittels mikrocomputertomographischer (µCT) Bildgebung.
Material und Methoden: Für die Untersuchung der Vaskularisierung
wurden 7 humane Tumornekrosefaktor transgene (hTNFtg) - (Modell der
rheumatoiden Arthritis) und 7 Wildtyp-Mäusen verwendet. Für die
Darstellung des Gefäßnetzes wurden beide Gruppen mit dem bleihaltigen
Kontrastmittel Microfil MV-122 (FlowTechInc) über die Aorta perfundiert
und 24 Stunden zwecks Aushärtung des Kontrastmittels im Kühlraum
aufbewahrt. Anschließend wurden die Kniegelenke entnommen.
Die Proben wurden mit hochauflösender µCT bei 70 kV und 140 µA
aufgenommen. 3D-Volumina wurden mit einer isotropen Voxelgröße von
15 µm und 600 Projektionen rekonstruiert.
Vor der Segmentierung und Quantifizierung der Gefäße wurden mehrere
vorbereitende Schritte durchgeführt. Wegen der Ähnlichkeit der
Intensitätswerte des Kontrastmittels und des Knochens wurden zunächst
die
Knochen
segmentiert
und
aus
dem
Auswertevolumen
ausgeschlossen. Als nächstes wurde ein anatomisch relevantes
Auswertevolumen definiert, das den Vergleich zwischen unterschiedlichen
Mäusen unabhängig von deren Größe sowie der Probenorientierung
ermöglicht. Hierfür wurde der Kniegelenkspalt segmentiert und in seinem
Zentrum eine Kugel berechnet, die den Gelenkspalt komplett beinhaltet.
Die Segmentierung erfolgte als eine Kombination von zwei
unterschiedlichen
Segmentierungsverfahren:
Intensitäts(lokales
adaptives Schwellwertverfahren) und formbasiert- (Multi-SkalenVerfahren).
Für die Quantifizierung der Vaskularisierung wurden mehrere
Analyseparameter
(mittlere
Gefäßdicke,
Gefäßdichte,
Gefäßdichteverteilung, Gefäßoberfläche, mittlerer Gefäßabstand und
viii
mittlere Anzahl der Gefäße pro Volumeneinheit) definiert.
Segmentierungsvolumen wurde in vier Auswertevolumina unterteilt.
Das
Ergebnisse: In drei von vier Auswertevolumina konnte eine signifikant
erhöhte Gefäßdichte sowie eine signifikant größere Gefäßoberfläche bei
den hTNFtg-Mäusen gegenüber den Wildtyp-Mäusen gemessen werden.
In den gleichen Auswertevolumina war bei den hTNFtg-Mäusen der
mittlere Gefäßabstand signifikant kleiner und Anzahl der Gefäße pro mm³
signifikant größer. Das Gesamtvolumen (Gefäße und Weichteilgewebe)
war aufgrund von Knochenerosionen in allen vier Auswertevolumina bei
hTNFtg-Mäusen
erhöht,
allerdings
nicht
signifikant.
Im
Kniegelenkspaltvolumen konnten die topologischen Veränderungen in der
Gefäßstruktur bei kranken Mäusen nachgewiesen werden: statt weniger
dicker
mehr
dünne
Gefäße,
Gefäßvolumenabnahme,
Gesamtvolumenzunahme.
Schlussfolgerung: Mit Hilfe von Analyseparametern wurden viele
signifikante Unterschiede zwischen zwei Mausgruppen festgestellt. Darauf
aufbauend können weitere topologische Analyseparameter (Anzahl der
Abzweigungen, Länge jedes Gefäßsegments, Winkel der Abzweigung,
etc.) untersucht werden. Außerdem sollen aufgrund des geringen
Kontrasts getrennte Gefäßsegmente durch entsprechende Algorithmen
verbunden werden.
Die nächsten Schritte wären die Überprüfung der Wirkung von
Medikamenten auf die Vaskularisierung sowie die Untersuchung von
Veränderungen in der Vaskularisierung in frühen Krankheitsstadien
(Frühdiagnose).
ix
Summary
Introduction: Angiogenesis is an important pathophysiological process of
chronic inflammation, especially in rheumatoid arthritis. Quantitative
measurement of changes in vascularization may improve the early
diagnosis of disease and monitoring of therapy. The aim of this work is an
in vitro quantification of pathological changes in the vascularization of the
knee joint capsule in a mouse model using micro-computed tomography
(µCT) imaging.
Materials and Methods: For the study 7 human tumor necrosis factor
transgenic (hTNFtg) mice (model of rheumatoid arthritis) and 7 wild-type
mice were used. For the imaging of the vascular network, both groups
were treated with the lead-containing contrast agent Microfil MV-122
(FlowTechInc) perfused via the aorta. After hardening of the contrast
agent during 24 hour in a cooling chanber, the knee joints were excised for
imaging. The samples were scanned with high-resolution µCT at 70 kV
and 140 uA. 3D volumes were reconstructed with an isotropic voxel size of
15 microns from 600 projections.
Because of the similarity of the intensity values between contrast agent
and bone, the bone has to be excluded from the volume of interest (VOI),
which is used for the vessel segmentation. An anatomically relevant VOI
was defined that allowed the comparison between different mice,
regardless of size and the sample orientation. For this purpose the knee
joint gap was segmented, and a bounding sphere was positioned in its
center.
The vessel segmentation was carried out as a combination of two different
methods: Intensity (local adaptive thresholding) and form-based (multiscale method). For the quantification of the vascularization several
analysis parameters (average vessel thickness, vessel density, vessel
density distribution, vessel surface, vessel spacing and vessel number per
unit volume) were used. The vessel segmentation VOI was divided into
four concentric spherical shells serving as volumes of interest.
Results: In three out of four of the VOIs vascular density significantly
increased, and a significantly larger vessel surface was observed in the
hTNFtg mice compared to the wild type mice. In the same VOIs vessel
number was significantly smaller and vessel spacing was significantly
greater in the hTNFtg mice. In hTNFtg mice total volume (vessels and soft
tissue) was increased due to bone erosions in all four VOIs, although not
x
significantly. In the joint gap VOI, topological changes of the vascular
structure were detected in hTNFtg mice: thinner vessels, vascular volume
decrease, total volume increase.
Conclusions: New software for the analysis of inflamed knee joint of
mouse was developed and significant differences between the two mice
groups were observed. Based on the analysis further topological
parameters (number of branches, length of each vessel segment, the
bifurcation angle, etc.) can be investigated. In addition, due to insufficient
contrast separated vessel segments should be connected by appropriate
algorithms.
Einleitung
1
1 Einleitung
Arthritis ist eine entzündliche Gelenkerkrankung, die u.a. durch eine
Vermehrung der Gelenkflüssigkeit charakterisiert werden kann und zum
Gelenkknorpel- und Knochenabbau führt [42, 103]. Angiogenese ist die
Gefäßneubildung aus bereits existierenden Blutgefäßen und findet unter
normalen Bedingungen (im Embryo) oder als Begleitsymptom einer
pathologischen Veränderung [80] statt.
Angiogenese und Entzündung interagieren miteinander und beeinflussen
das Fortschreiten und den Verlauf der rheumatoiden Arthritis. Die neuen
Blutgefäße entstehen in der Gelenkflüssigkeit, um die wachsende
Gelenkkapsel zu versorgen [76]. Das Eindringen der Blutgefäße in den
Knorpel wird von der Abtragung der Knorpelmatrix begleitet. Die
Entzündung breitet sich durch den Transport von Entzündungsfaktoren
durch die neu gebildeten Gefäße aus.
Um den Zusammenhang zwischen dem Verlauf der rheumatoiden Arthritis
(RA) und der Bildung neuer Gefäße zur Versorgung der entzündeten
Zellen mit Nährstoffen quantitativ zu untersuchen, wurde in dieser Arbeit
ein Mausmodell (humane Tumornekrosefaktor transgene Mäuse (hTNFtg)
[74]) verwendet. Das Mausmodell ist ein geeignetes Modell, um die
pathologischen Veränderungen im Verlauf der RA zu untersuchen [2, 43,
60, 77]. Unterschiedliche Beobachtungen an Tiermodellen (Maus, Ratte)
mit
Arthritis
zeigten
eine
erhöhte
Vaskularisierung1
des
Entzündungsgewebes [76, 108]. Diese Studien sind aber auf die
Untersuchung histologischer Schnitte oder einer speziell leicht
zugänglichen
Untersuchungsregion
(Hoffa-Fettkörper)
limitiert.
Voraussetzung ist weiterhin die vorherige Dekalzifizierung des Knochens.
Es wurden keine standardisierten Auswerteparameter festgelegt, um die
Änderungen in der Vaskularisierung im Verlauf der RA zu messen und die
Information über die Gefäßbaumstruktur wurde bis jetzt nicht
berücksichtigt.
Das Ziel dieser Arbeit bestand in der Charakterisierung und
Quantifizierung der Angiogenese bei Arthritis mittels geeigneten
bildgebenden Verfahren im Mausmodell.
Die vorliegende Arbeit gliedert sich wie folgt:
1
die Gesamtheit der Gefäßversorgung eines Organs oder Gewebes (Duden)
2
Einleitung
In Kapitel 2 werden die medizinischen Grundlagen der RA und der
Angiogenese sowie deren Interaktion erläutert. Weiterhin werden
bildgebende Verfahren für die Vaskularisierung bei RA vorgestellt.
Außerdem werden die Ergebnisse bisher durchgeführter Studien
zusammengefasst.
In Kapitel 3 wird die in-vitro 3D µCT-Bildgebung der Kniegelenke der Maus
erläutert.
In Kapitel 4 wird das Gefäßsegmentierungsverfahren vorgestellt.
In Kapitel 5 wird die Berechnung der quantitativen Parameter erläutert.
In Kapitel 6 wird die Simulation eines geeigneten Gefäßbaummodells für
die Validierung des entwickelten Segmentierungsverfahrens vorgestellt.
In Kapitel 7 werden die entwickelten Segmentierungsverfahren validiert
und die Genauigkeit der Analyseparameter bestimmt. Zwei Mausgruppen
werden mit einander verglichen,
Abschließend folgen in Kapitel 8 Zusammenfassung und Ausblick.
Grundlagen
3
2 Grundlagen
2.1 Medizinische Grundlagen
• Rheumatoide Arthritis
• Angiogenese
• Interaktion zwischen Arthritis und Angiogenese
2.2 Verfahren zur Bildgebung
2.3 Durchgeführte Studien
2.4 Gefäßsegmentierungsverfahren
• Globale Schwellwertverfahren
• Volume Growing Verfahren
• Aktive Konturen
• Hesse-Matrix
2.1 Medizinische Grundlagen
2.1.1 Rheumatoide Arthritis
Pathogenese
RA ist eine heterogene entzündlich-rheumatische Gelenkerkrankung, die
in frühen Stadien klinisch sehr unterschiedlich verlaufen kann. Des
Weiteren ist ihr Verlauf stark patientenabhängig [17].
RA zeichnet sich durch die Entzündung und das Anschwellen des Pannus
(Synovia) (siehe Abbildung 1), die Produktion von Autoantikörpern,
Knorpel- und Knochenabbau, sowie systemische Erkrankungen der
vaskularen, pulmonalen und psychologischen Systeme [58, 62, 85, 86,
90] aus. Proliferierendes und invasiv wachsendes „Pannusgewebe“ führt
zur
Knorpelund
Knochenzerstörung
und
damit
zur
Funktionseinschränkung der betroffenen Gelenke.
Erosive Veränderungen von Knochen entwickeln sich innerhalb der ersten
Jahre und in einigen Fällen sogar innerhalb der ersten 3 Monate nach
Beschwerdebeginn. Dauert die Entzündung länger als 3 Monate, so
erhöht sich die Wahrscheinlichkeit einer Gelenkdestruktion. In diesem Fall
bleiben die Knochenveränderungen bestehen und stellen die erneute
4
Medizinische Grundlagen
Grundlage für das Auftreten einer Entzündung dar. Die Frühdiagnose und
Behandlung der RA ist eines der national und international viel diskutierten
Themen im Gesundheitsbereich [17].
Abbildung
1:
Schematischer
Krankheitsverlauf
rheumatoiden Arthritis (Bildquelle NIAMS)
a) Gesundes Gelenk
der
b) Krankes Gelenk
Abbildung 1: Schematischer Krankheitsverlauf der rheumatoiden Arthritis
(Bildquelle NIAMS2)
Diagnostik
Die Diagnose der RA basiert im Wesentlichen auf anamnestischen und
klinischen Befunden, ergänzt durch den Einsatz bildgebender Verfahren
und gezielter Labordiagnostik [93]. Bei den Laboruntersuchungen werden
Entzündungswerte, wie Blutsenkungsgeschwindigkeit (BSG) und das
C-reaktive Protein (CRP), Rheumafaktoren und Antikörper gegen
cyclische itrullinierte Peptide (Anti-CCP-Antikörper) bestimmt, die
auch als prognostische Indikatoren für den Krankheitsverlauf verwendet
werden können.
Für
die
bildgebende
Diagnostik
wird
die
konventionelle
Röntgendiagnostik, die Magnetresonanztomographie (MRT) mit und
ohne Kontrastmittelverstärkung sowie die Arthrosonographie unter
Nutzung der Dopplersonographie verwendet [93]. Konventionelle
Röntgendiagnostik mit Film- oder Flachbilddetektoraufnahmen wird
zunehmend
durch
Computertomographie
und
hochauflösende
Computertomographie erweitert, die die Darstellung der Knorpel- und
Knochenzerstörung in Form von Erosionen (HR-pQCT [20, 110]),
Gelenkspaltverschmälerung sowie subchondralen Zysten ermöglichen
(Abbildung 2).
2
NIAMS: National Institut of Arthritis and Musculosceletal and Skin Deseases
Grundlagen
5
Allerdings sind die frühen Weichteilgewebeveränderungen, wie
Schwellung, synoviale Proliferationen und Ergussbildung mittels
röntgenbasierter Verfahren nur schwer zugänglich was in einigen
Krankheitsfällen die Verwendung von MRT und Arthrosonographie
unverzichtbar macht.
a)
b)
c)
Abbildung 2: Knochenerosionen bei Aufnahmen unterschiedlicher
Modalitäten: a) Fingeraufnahme mit HR-pQCT (Voxelgröße 0,12
mm) [20]; b) Kniegelenkaufnahme mit MRT (Voxelgröße 0,4 x 0,4 x
0,4 mm) [19]; c) Kniegelenkaufnahme mit CT (Voxelgröße 0,4 x 0,4
x 1,0 mm) [19]
6
Medizinische Grundlagen
Eine frühe Diagnose der RA erhöht die Wahrscheinlichkeit, das Ausmaß
an Gelenkschäden durch geeignete therapeutische Ansätze zu
begrenzen.
Therapie
Es gibt drei Grundprinzipien der Therapie [93]:
1. Aufhalten der Gelenkzerstörung mittels krankheitsmodifizierender
Medikamente, die in der Lage sind, den Krankheitsprozess
aufzuhalten oder zu verlangsamen.
2. Linderung des Schmerzes mittels medikamentöser Therapie oder
physikalischer Maßnahmen.
3. Erhalt der Funktionalität der Gelenke mit Hilfe einer erfolgreichen
Behandlung der zugrunde liegenden Entzündung, die in der Regel
durch Krankengymnastik, Ergotherapie und ggf. Psychotherapie
ergänzt wird.
Das Ziel der Therapie ist nicht mehr nur die Linderung der
Begleitsymptome, sondern vielmehr eine möglichst schnelle und
komplette Remission3.
Epidemiologie
Der Anteil der an RA erkrankten Erwachsenen in westlichen Ländern
beträgt 0,5 – 1% [90]. Die Prävalenz der RA ist bei Frauen dreimal höher
als bei Männern, steigt mit zunehmenden Alter und erreicht ihr Maximum
bei Frauen älter als 65 Jahre.
„Die volkswirtschaftlichen Kosten der Erkrankung können in direkte und
indirekte Kosten unterteilt werden. Während sich die direkten Kosten aus
den konkreten medizinischen Behandlungen der RA ergeben, spiegeln die
indirekten Kosten die Folgen der Erkrankung wider, wie sie z.B. durch
Erwerbsunfähigkeit entstehen. In Deutschland betragen die jährlichen
Kosten pro Patient etwa 5.000 Euro und entstehen zur einen Hälfte durch
stationäre Maßnahmen wie Krankenhausaufenthalte und zur anderen
Hälfte vorwiegend durch Medikamente, Arztbesuche sowie diagnostische
und therapeutische Maßnahmen. Mit jährlich etwa 10.000 Euro pro Patient
sind die indirekten Kosten doppelt so hoch.“ 4
3
4
Rückgang, vorübergehendes Nachlassen von Krankheitssymptomen (Duden)
Deutsche Gesellschaft für Rheumatologie
Grundlagen
7
2.1.2 Angiogenese
Unter Angiogenese versteht man die Gefäßneubildung durch Sprossungsoder Spaltungsvorgänge aus bereits existierenden Blutgefäßen [80].
Angiogenese ist in einigen Fällen ein natürlicher Prozess [1, 10]:
•
•
•
Beim Embryo (Vaskulogenese)
Bei der Wundheilung
Im Rahmen des Menstruationszyklus der Frau [67]
In allen anderen Fällen stellt die Angiogenese eine pathologische
Veränderung dar. Im Verlauf einiger Krankheiten (Krebs, RA) benötigt die
Gewebeproliferation mehr Nährstoffe und Sauerstoff zum Wachstum. Um
diesen Bedarf zu decken, werden neue Gefäße gebildet.
Die Möglichkeit anatomische Prozesse durch die Steuerung der
Angiogenese zu beeinflussen, wurde in den letzen 40 Jahren verstärkt als
neue Therapieoption, primär im Tiermodell, untersucht, z.B. die
Stimulation der Gefäßneubildung im Falle einer ischämischen
Herzkrankheit, einer peripheren Gefäßerkrankung und der Wundheilung
[35, 95]. Die Behandlung von Krankheiten wie Krebs, RA oder
Augenleiden könnte dagegen von einer Hemmung der Angiogenese
profitieren [26, 64, 69].
2.1.3 Interaktion zwischen Arthritis und Angiogenese
Das Hauptmerkmal der RA ist die Entzündung der synovialen Flüssigkeit
sowie die Vermehrung des Pannusgewebes. Angiogenese und
Entzündung interagieren miteinander [6, 94, 104]. Die Entzündung
stimuliert die Angiogenese, die wiederum die Entzündung anregt. In der
Regel wird die Entzündung immer von einer Angiogenese begleitet, die
allerdings auch ohne Entzündung auftreten kann.
Das ist sowohl beim Tumorwachstum als auch beim wachsenden Pannus
bei RA der Fall [73].
Diese beiden Krankheiten besitzen viele
gemeinsame Merkmale: Hyperplasie, Ödeme, Angiogenese und
Invasivität. Der Einsatz anti-angiogenetischer Medikamente zur
Einschränkung des Tumorwachstums wird zurzeit intensiv erforscht. Da
Angiogenese auch bei RA auftritt, könnte hier eine analoge Therapie eine
positive Wirkung haben [68].
8
Verfahren zur Bildgebung der Vaskularisierung
2.2 Verfahren zur Bildgebung der Vaskularisierung
Es existieren unterschiedliche Bildgebungsverfahren für die Visualisierung
der Vaskularisierung in Menschen und Tieren.
2.2.1 Mikroskopie
Intravitalmikroskopie
Die intravitale Fluoreszenzmikroskopie ist ein etabliertes Verfahren für die
Untersuchung der Organdurchblutung [100]. Sie ermöglicht den Zugang
zu den mikrohämodynamischen Parametern und leukozyt-endothelialen
Zellinteraktionen in vivo.
Zur Darstellung der Leukozyten wird ein Fluoreszenzmarker injiziert.
Durch die Verwendung unterschiedlicher Fluoreszenzmarker für in vivo
Untersuchungen können Änderungen im Gefäßdurchmesser, die
funktionale Kapillardichte sowie die leukozyt-endotheliale Zellinteraktion
abgeschätzt werden. Diese Methode ist von der Größe und Zugänglichkeit
der untersuchten Region abhängig und liefert keine 3D Information
(Abbildung 3a). Die Methode ist minimal invasiv und wird oft zusammen
mit Arthroskopie5 [87] durchgeführt.
Histologische Untersuchungen
Bei der Untersuchung mit Intravitalmikroskopie können kleine
Gewebeproben (Biopsie) entnommen und histologisch untersucht werden
[23]. Dabei werden aus der Untersuchungsregion dünne Gewebeschnitte
hergestellt und unter einem Mikroskop untersucht oder mit Hilfe einer
speziellen Kamera digitalisiert und mit entsprechenden Analysetools
ausgewertet. Dieses Verfahren ist auf die Untersuchung der 2D-Schichten
a)
b)
Abbildung
3:
Gefäßdarstellung
mit
a)
Intravitaler
Fluoreszenzmikroskopie (Bildquelle [96]) und b) mit digitalisierten
histologischen Schnitten (Bildquelle [23])
5
Minimal invasive Technik zur Diagnostik und Therapie in der Orthopädie
Grundlagen
9
limitiert (Abbildung 3b).
2.2.2 Laser-Doppler-Fluss Untersuchungen
Human
Laser-Doppler-Fluss (LDF) Untersuchungen werden seit 1985 bei
Patienten zur Untersuchung des Blutflusses angewendet. Die Methode
stellt ein nichtdestruktives und wiederholbares in vivo-Verfahren dar [3, 28,
65, 84]. Diese Technik liefert keine absoluten Werte (Berechnung des
mittleren Blutflusses), hat aber gute lokale Auflösung (moorLDI2 Laser
Doppler Imager6: eine Fläche von 5cm x 5cm bis zu 50cm x 50cm mit 256
x 256 Pixel), abhängig von der Untersuchungsfläche. Außerdem ist sie
sinnvoll für die Beobachtung von Perfusionsänderungen durch
unterschiedliche Reizsignale. Ein Beispiel des Untersuchungsaufbaues
eines Laser-Doppler-Fluss Imaging Systems für Patienten ist in Abbildung
4 dargestellt.
Abbildung
4:
Laser-Doppler-Fluss
Imaging System (moorLDI2 Laser
Doppler Imager
Abbildung 4: Laser-Doppler-Fluss Imaging System (moorLDI2 Laser
Doppler Imager) Bildquelle: Moor Instruments
Tiermodell
Die gleiche Art der Blut-Fluss-Untersuchung wird auch in präklinischer
Forschung an Tiermodellen durchgeführt. Für kleine Proben ist eine
maximale Auflösung von 100 µm möglich (moorLDI2-HR High Resolution
Laser Doppler Imager: Fläche von 2,5cm x 2,5cm bis zu 25cm x 25cm mit
6
Moor Instruments
10
Verfahren zur Bildgebung der Vaskularisierung
b)
a)
Abbildung 5: Laser-Doppler-Fluss Untersuchung einer Maus: a)
Typischer Untersuchungsaufbau, [51] b) Visualisierung des
Blutflusses einer Maus [63]
256 x 256 Pixel). Ein Beispiel des typischen Untersuchungsaufbaues einer
Laser-Doppler-Fluss-Messung an einer Maus ist in Abbildung 5 zu sehen.
2.2.3
Magnetresonanzangiographie
Human
Die Magnetresonanztomographie (MRT) ist eine komplexe Technologie,
die auf der Anwendung starker Magnetfelder, der Übertragung von
Hochfrequenzwellen und der Detektion von Hochfrequenzsignalen von
angeregten Wasserstoff-Protonen basiert [38].
Nach der Gabe eines geeigneten Kontrastmittels werden Blutgefäße in
MRT-Aufnahmen sichtbar. Dieses Verfahren wird als MR-Angiographie
bezeichnet.
MR-Angiographie wird als diagnostisches Verfahren bei ischämischen
Gefäßkrankheiten,
Stenose,
Aneurysmen
und
peripheren
a)
10 cm
b)
1 cm
Abbildung 6: MR-Angiographie der Tumorvaskularisierung bei a)
einem Patient; b) einer Ratte (Bildquelle [98])
Grundlagen
11
Gefäßmissbildungen eingesetzt [98]. In der Tumordiagnostik wird MRAngiographie nicht nur für diagnostische Zwecke sondern auch zur
Beobachtung der therapeutischen Wirkung von anti-angiogenetischen
Medikamenten verwendet. Räumliche Auflösungen von 0,5 und 1,5 mm
lassen sich mit moderner MRT erziehen. In Abbildung 6a ist eine MRAngiographie eines Patienten mit einem Tumor dargestellt.
Tiermodell
Die hochauflösende MR-Angiographie kann im Kleintier als in-vivo
Verfahren verwendet werden. Damit lassen sich Gefäße bis zu einem
Durchmesser von 100 µm darstellen (Abbildung 6b).
2.2.4 CT-Angiographie
Human
Analog zu MR-Angiographie ist die CT-Angiographie ein röntgenbasiertes
etabliertes Verfahren zur Darstellung der Gefäße.
Die CT-Angiographie (CTA) ist eine Spezialanwendung der CT und basiert
auf der intravenöser Injektion eines Kontrastmittels für die hohe
Gefäßkontrastierung gefolgt von einer CT-Aufnahme. Die typische
Voxelgröße beträgt bei einem klinischen CT-Scanner 0,5 bis 1 mm. Ein
Beispiel der CT-Angiographie-Aufnahme der Pateientenbeine ist in
Abbildung 7a zu sehen.
Tiermodell
Für die Untersuchung der Organvaskularisierung in kleinen Tieren
entwickelte
sich
ein
bildgebendes
Verfahren,
das
aus
Kontrastmittelperfusion
und
der
Verwendung
des
Mikro-
a)
10 cm
b)
1 cm
Abbildung 7: CT-Angiographie a) eines Patienten (Bildquelle
[105]), b) einer Maus nach Dekalzifizierung (Bildquelle [21])
12
Verfahren zur Bildgebung der Vaskularisierung
Computertomographie (µCT)-Scanners besteht [21] (Abbildung 7b).
Ein großer Unterschied zwischen µCT- und klinischen CT-Scannern
besteht in der Ortsauflösung. Die maximal erreichbare Ortsauflösung liegt
bei µCT-Scannern im Bereich zwischen 5 µm und 50 µm. Typisch für die
µCT sind kleinere Proben und eine längere Aufnahmezeit, die abhängig
von der gewählten Auflösung im Bereich zwischen Minuten und Stunden
liegt [22, 57]. Abhängig von der erwünschten Auflösung, der Art des
Scanners und des Kontrastmittels werden Untersuchungen in-vivo oder invitro durchgeführt. Im Unterschied zu µMR können damit die Gefäße unter
100 µm Durchmesser dargestellt werden.
2.2.5 Zusammenfassung
In der Tabelle 1 sind die wichtigsten Eigenschaften der
Bildgebungsverfahren
zur
Visualisierung
der
Vaskularisierung
zusammengefasst. Daraus folgt, dass µCT wegen der vergleichbar guter
Auflösung, niedriger Kosten und der Möglichkeit der Darstellung von
räumlichen Zusammenhängen für die Bildgebung der Vaskularisierung im
Mausmodell geeignet ist.
Tabelle 1: Zusammenfassung der Methoden zur vaskularen Bildgebung
Mikroskopie
Verfahren
Intravital Fluoreszenz
Mensch/
Kleintiermodell
Vorteile
Nachteile
3-5 µm dicke Gefäße sichtbar
Histologische
Schnitte
Schnittdicke ab 1
µm
• In-vivo
• Minimal Invasiv
• Hohe Auflösung
• Hohe Auflösung
• Standardverfahren
• Keine 3D Information
• Limitation durch die Größe
• In-vitro
• Keine 3D
und Zugänglichkeit der
untersuchten Region
Information
Grundlagen
13
Verfahren
Laser- Doppler-Fluss Untersuchungen
Mensch
Auflösung 0,2 – 2 mm
Kleintiermodell
Auflösung 0,1 – 1 mm
Vorteile
•
•
•
In-vivo
Hohe Auflösung
Änderungen des Blutflusses gut messbar
Nachteile
•
•
Keine absoluten Werte
2D
Verfahren
Mensch
Kleintiermodell
MR-Angiographie
Auflösung 0,5 – 1,5 mm
hochauflösende MRT oder Mikro-MRT: Auflösung 0,1
mm
Vorteile
•
•
•
In-vivo (wiederholbar, nicht destruktiv)
Hohe Auflösung
3D Information
Nachteile
•
•
Teuer
Auflösung ist nicht ausreichend für Darstellung
von Gefäßen unter 100 µm
14
Durchgeführte Studien: Stand der Technik
Verfahren
Mensch
Kleintiermodell
Vorteile
Nachteile
CT-Angiographie
Auflösung 0,5 – 1 mm
µCT: Auflösung 5 – 50 µm
•
•
µCT hat höhere Auflösung als Mikro-MRT
3D Information
•
Auflösung ist schlechter als bei mikroskopischen
Untersuchungen
Auflösung hängt von der Größe der untersuchten
Region ab
•
2.3 Durchgeführte Studien: Stand der Technik
Bisher wurden mehrere Untersuchungen
unterschiedlichen Krankheiten durchgeführt.
zur
Angiogenese
bei
2.3.1 Angiogenese bei Arthritis
Untersuchungen im Patient
In [42] wurde die Angiogenese mit Hilfe von Arthroskopie und
Fluoreszenzmikroskopie an Patienten mit RA untersucht. Kniegelenke
wurden mit Hilfe eines optischen Systems an einem Arthroskop untersucht
und ein Bereich mit maximaler Entzündungsaktivität für die histologische
Untersuchung entnommen. Es wurde eine Vielzahl von unreifen (neu
gebildeten) Gefäßen sowie,
trotz der erhöhten makroskopischen
Durchblutung, ein Sauerstoffmangel nachgewiesen. Das deutet auf die
Dysregulation der neu gebildeten Gefäße und die daraus resultierende
krankhafte Morphologie der Gefäße. Weitere Untersuchungen [52, 78]
begrenzten sich im Wesentlichen auf die Untersuchung der
Synovialmembran.
Untersuchungen im Tiermodell
Um die Wirkung anti-angiogenetischer Medikamente auf die
Kniedurchblutung quantitativ zu bestimmen, wurden in [8] die Änderungen
der
Gesamtvaskularisierung
in
den
axialen
Schnitten
von
Grundlagen
15
Mauskniegelenken im Krankheitsverlauf untersucht. Dafür wurden die
Kniegelenke
in
7
µm
dünne
Schichten
prepariert.
Ein
Synovialmembrangewebe enthaltender zentraler Schnitt sowie zwei
weitere Schnitte mit Abstand von ±200 µm wurden für die Analyse
verwendet. Die Vaskularisierung wurde mit Hilfe eines speziellen
Gefäßmarkers (9F1) visualisiert und funktionale (aktiv in der
Oxygenierung) Gefäße wurden mit Hilfe eines fluoreszenten
Perfusionsmarkers (Hoechst 33342) detektiert. Es wurden folgende
Parameter gemessen: Fläche der Synovia ( ), Anzahl der Blutgefäße
(
), Anzahl der perfundierten Gefäße (
) und der daraus
berechneten Größen: Perfusionsanteil (
=
/
), Gefäßdichte
(
=
/ ) und Dichte der perfundierten Gefäße (
=
/ ).
Die Messungen zeigten eine Vergrößerung des synovialen Bereichs im
Verlauf der Krankheit und eine Erhöhung der Gesamtanzahl der Gefäße
sowie der Anzahl der perfundierten Gefäße:
mm²
1/mm²
1/mm²
KG7
0,3 ±
0,2*
70 ± 5*
60 ± 5*
0,65 ±
0,1*
320 ± 80*
200 ± 60
RA
2,1 ±
0,3
1000 ±
200
400 ±
100
0,4 ±
0,1
550 ± 20
220 ± 50
*p < 0,05
In einer anderen Studie [12] wurde der Zusammenhang zwischen
synovialer Entzündung in RA und Angiogenese am Mausmodell
untersucht. Die Quantifizierung der Angiogenese erfolgte mittels
histologischer Untersuchungen. Für jede Maus wurden drei nicht
aufeinander folgende Schnitte in jedem Knie untersucht. Die Bereiche, die
außerhalb der Synovia lagen, wurden von der Gesamtfläche subtrahiert.
Für die Berechnung der synovialen Gefäßdichte wurden die synovialen
Gefäße gezählt und auf die Gesamtfläche der Synovia normiert. Im
Verlauf der RA nahm die Vaskularisierung zu, womit sich ein signifikanter
Zusammenhang zwischen der Gelenkdurchblutung und den klinischen
Kriterien für die Klassifizierung der RA ergab.
7
Kontrollgruppe
16
Durchgeführte Studien: Stand der Technik
1/mm²
KG
28-50*
RA
45-65
*p < 0,05
In [88] und [76] wurden die angiogenetischen Prozesse im Verlauf der RA
mit Hilfe eines Intravitalmikroskopes am Mausmodell untersucht.
In [88] wurde über die Quantifizierung der Gefäßdichte in drei Kategorien
berichtet: funktionale Kapillardichte (
, Gefäße ∅ < 10 µm),
bei
funktionale Gefäßdichte (
, Gefäße ∅> 10 µm) und
Gefäßen mit angiogenetischen Eigenschaften (zusammengerollte Gefäße,
plötzliche Durchmesseränderung, etc.). Die Untersuchungen wurden im
Synovialgewebe zum Teil in-vivo (Intravitalmikroskopie: transversale
Schnitt durch die Patellarsehne nach der Hautresektion für den Zugang
zum Hoffa-Fettkörper) zum Teil in-vitro (Histologische Schnitte)
durchgeführt. Für die Untersuchungen wurden drei Regionen gewählt. Die
Anzahl der Mikrogefäße (
), die durch histologische Untersuchungen
ermittelt wurde, war bei RA Mäusen signifikant erhöht. Die Unterschiede
bei FCD zwischen gesunden und kranken Mäusen waren nicht signifikant.
FVD war bei kranken Mäusen signifikant erhöht.
cm/cm²
cm/cm²
cm/cm²
1/mm²
KG
337 ± 9
61 ± 5*
12 ± 2*
133 ± 16*
RA
359 ± 13
135 ± 10
79 ± 17
297 ± 25
*p < 0,05
In [76] wurde darauf hingewiesen, dass histologische Untersuchungen bei
der Ermittlung der synovialen Gefäße sehr nützlich sind, jedoch keine
Information darüber liefern, ob die existierenden Gefäße funktionsfähig
sind.
Für
Untersuchung
der
synovialen
Blutgefäße
mit
Intravitalmikroskopie wurde die bereits beschriebene Methode verwendet.
Funktionale Kapillardichte (
) wurde als Gesamtlänge aller
durchbluteten Kapillaren pro Untersuchungsfläche definiert und in
/ ²
gemessen. Außerdem wurde der Diameter der synovialen Kapillaren ( )
bestimmt.
Die Intravitalmikroskopie zeigte eine Reduzierung der FCD bei RA sowie
eine Erhöhung des Kapillardurchmessers. Die Funktionalität der
Grundlagen
17
Mikrogefäße war eingeschränkt und die Mikrovaskularisierung mangelhaft.
Somit hat die Stabilisierung der Gefäße ein großes Potential zur
Verbesserung der Behandlung von RA.
cm/cm²
µm
KG
320,3 ± 9,76*
5,5 ± 0,08*
RA
286,7 ± 8,23
5,77 ± 0,07
*p < 0,05
2.3.2 Vaskularisierungsparameter
Vaskularisierung von Knochen wurde im Verlauf anderer Krankheiten wie
Krebs, Osteoporose, Ischämie, etc. in mehreren Studien untersucht [24,
46, 47, 66, 89, 99].
Die weiteren verwendeten Parameter für die Quantifizierung der
Vaskularisierung sind in Tabelle 2 zusammengefasst.
Tabelle 2: Weitere verwendete Vaskularisierungsparameter
Gefäßvolumen pro Gewebevolumen
[66]
Gefäßdicke
/
%
Häufigkeitsverteilung der Gefäßdurchmesser
Mittlere Anzahl der Gefäße pro Gewebefläche
2D
=
/
1/
Gefäßfläche/ Gewebefläche
²
Gefäßvolumen/Gewebevolumen
[24]
Gefäßoberfläche
3D
Gefäßanzahl .
= 0,5 ∙ (
Gefäßdicke . ℎ = 2 ∙ (
Gefäßabstand . " = 2 ∙ (
⁄
⁄
−
/
)1/
)μ
)⁄
Gefäßvolumen/Gesamtvolumen
[5]
2D
Gefäßdicke . ℎ = 2/
Gefäßanzahl .
=(
/
/
/
%
%
μ
/
)/ . ℎ
Gefäßabstand . " = 1/ . − . ℎ
18
Gefäßsegmentierungsverfahren
Gefäßvolumen
[18]
2D
Gefäßdurchmesser
³
Gefäßvolumenanteil %
2.3.3 Zusammenfassung
Aus den durchgeführten Studien folgt:
•
•
keine standardisierte Vorgehensweise bei der Untersuchung der
Angiogenese bei RA
o Untersuchung unterschiedlicher Auswerteregionen
o Verwendung unterschiedlicher Parameter
kein Verfahren zur 3D-Quantifizierung der Angiogenese bei RA
Aus diesen Gründen bestand das Ziel dieser Arbeit unter anderen in:
•
•
der Definition eines reproduzierbaren, benutzerunabhängigen
anatomisch relevanten Auswertevolumens
der Wahl der quantitativen Parameter, die die Änderungen in der
Vaskularisierung messen können
2.4 Gefäßsegmentierungsverfahren
Die Segmentierung von Gefäßen ist seit mehreren Jahren ein wichtiges
Forschungsthema. Für die Untersuchung der Durchblutung von Organen,
Gefäßkrankheiten, Tumorvaskularisierung, Retinagefäße etc. wurden
bereits mehrere unterschiedliche Verfahren entwickelt. Folgende
Schwierigkeiten treten bei der Gefäßsegmentierung auf:
•
•
Änderungen der Gefäßdicke im Gefäßverlauf
Verrauschte Daten erlauben keine eindeutige Identifikation der
Grenze zwischen Gefäßen und umliegendem Gewebe
Es gibt unterschiedliche Arten der Gefäßsegmentierungsverfahren:
•
•
Punktbasiert: Jeder Voxel wird aufgrund seines Intensitätswerts
klassifiziert.
Hierbei
werden
typischerweise
globale
Zusammenhänge vernachlässigt (Globale Schwellwertverfahren [5,
24, 66, 89])
Regionenbasiert:
Es
werden
unter
Verwendung
einer
Entscheidungsregel zusammenhängende Regionen segmentiert
(Volume Growing Verfahren [33, 47, 91])
Grundlagen
•
•
19
Kanten- und Konturbasiert: Objektbeschreibung über Gestalt,
Extraktion der umgebenden Flächen (Gradientenfilter, Kantenfilter,
Aktive Konturen, Level Sets [16, 55, 56, 92])
Wissens- und Modellbasiert: Integration von problemspezifischem
Wissen, wie Form, Größe, etc. (Point Distribution Model, HesseMatrix [13, 27, 44, 48, 53, 59, 75, 83, 97, 101, 109])
2.4.1 Globale Schwellwertverfahren
Diese sehr einfachen und weitverbreiteten Segmentierungsverfahren
basieren auf der Verwendung intensitätsabhängiger Schwellwerte. Die
Idee dahinter ist einfach: alle Voxel, deren Intensitätswerte höher als der
gesetzte Schwellwert sind, werden als Gefäßvoxel klassifiziert. Die
Schwierigkeiten bei diesen Verfahren liegen in der Auswahl der Schwelle
sowie Intensitätsunterschieden in den unterschiedlich großen Gefäßen
aufgrund von Rauschen und Partialvolumen-Artefakten. Ein Beispiel der
Wirkung
der
Schwellwertvariation
auf
die
Ergebnisse
der
Gefäßsegmentierung in einem Mausknie ist in Abbildung 8 zu sehen. Wird
die Schwelle zu niedrig gesetzt, werden viele Weichteilgewebevoxel, die
wegen des Rauschens höhere Intensitätswerte haben, als Gefäße
klassifiziert. Wird die Schwelle zu hoch gesetzt, werden viele kleine
Gefäße, die aufgrund von Partialvolumen-Artefakten niedrigere
Intensitätswerte haben, als Weichteilgewebe klassifiziert.
2.4.2 Volume Growing Verfahren
Beim Volume Growing Verfahren wird unter Verwendung eines
Ähnlichkeitskriteriums nach einem zusammenhängenden Bereich gesucht.
1000
1400
1100
1500
1200
1600
1300
1700
Abbildung 8: Ergebnis der Gefäßsegmentierung bei Verwendung
unterschiedlicher Schwellwerte im Mausknie (Volume Rendering)
20
Gefäßsegmentierungsverfahren
Zunächst wird ein Saatpunkt gesucht (Abbildung 9) von dem ausgehend
eine
vordefinierte
Nachbarschaft
(6,
18,
26)
nach
dem
Ähnlichkeitskriterium untersucht wird. Es existieren unterschiedliche
Ähnlichkeitskriterien [61], z.B.:
•
•
•
•
Vergleich mit dem Saatpunkt: Intensität jedes Nachbarvoxels wird
mit der des Saatpunkts verglichen (Problem bei verrauschten
Daten, da sich hierbei die Werte von Gefäßvoxeln unterscheiden)
Vergleich mit dem Nachbarvoxel, der bereits zur Region gehört
(Problem beim Auslaufen aus der Region)
Vergleich mit statistischen Merkmalen (Mittelwert der Region):
Berechnung des Mittelwerts für den bereits segmentierten Bereich
und Aktualisierung des Mittelwerts nach dem Hinzufügen eines
neuen Voxels
Vergleich
mit
statistischen
Merkmalen
(Mittelwert
und
Standardabweichung der Region): Die zu untersuchenden Voxel
werden mit dem Mittelpunkt und der Standardabweichung des
bereits segmentierten Bereichs verglichen.
Zusätzlich können viele andere Ähnlichkeitskriterien definiert werden.
Nach der Untersuchung aller Nachbarvoxel, erhält man
Segmentierungsergebnis einen zusammenhängenden Bereich.
Saatpunktsuche
Ist das
Ähnlichkeitskriterium
erfüllt?
ja
nein
ja
Gibt es weitere
Nachbarn?
nein
Ausgabe
Abbildung 9: Schematischer Verlauf des Volume Growing
Verfahrens (links), Ergebnis des Region Growing Verfahrens mit
einem lokal adaptiven Schwellwert (rechts)
als
Grundlagen
21
2.4.3 Aktive Konturen
Das
Aktive
Konturen
Verfahren
ist
ein
weit
verbreitetes
Segmentierungsverfahren in medizinischen Anwendungen [92].
Aktive Konturen arbeiten mit elastischen Konturmodellen, um das zu
segmentierende Objekt einzugrenzen [32]. Eine initiale Kontur wird von
unterschiedlichen Kräften deformiert, bis ein Gleichgewicht erreicht wird.
Es werden hierzu unterschiedliche Kraftmodelle verwendet. Die Aktive
Kontur passt sich dann unter dem Einfluss innerer Kräfte, bestimmt
durch die Definition der Kontur, und äußerer Kräfte, bestimmt durch die
Bilddaten selber, dem gesuchten Objekt an. Die inneren Kräfte halten die
Oberfläche der Kontur glatt, die äußeren Kräfte ziehen die Aktive Kontur
zu den entsprechenden Objektbegrenzungen in den Bilddaten hin [37].
Geodätische aktive Konturen sind ein typisches kantenbasiertes
Verfahren, das nach einer optimalen Objektgrenze sucht, indem die
Energiefunktion über alle geschlossenen Kurven oder Flächen minimiert
wird [11]. Das Ziel ist eine geschlossene Kurve
zu finden, die die
folgende Energie minimiert [70], dabei kann als Nullstellenmenge einer
vorzeichenbehafteten Abstandsfunktion % definiert werden.
= &(', ()|%(', () = 0*
+%
= - ∙ .(|∇0|)(1 + 3)|∇%| + 4 ∙ ∇.(|∇0|) ∙ ∇%
+,
(2.1)
(2.2)
1 ist die mittlere Krümmung, 3 ist ein konstant entweder expandierender
oder schrumpfender Term, 0 - Grauwertbild, ∇0- Bildgradient, .: 60, ∞) →
ℜ: ist die streng fallende Funktion zur Kantendetektion und die konstante
Parameter - und 4.
Die Methode kann durch unterschiedliche Kraftterme erweitert werden.
Die Hauptschwierigkeit bei Aktiven Konturen besteht in dem Erstellen der
initialen Kontur. Außerdem sind oft einige Benutzerinteraktionen
erforderlich.
2.4.4 Hesse-Matrix
Ein weiteres verbreitetes Verfahren für die Gefäßsegmentierung ist eine
auf Eigenwerten und Eigenvektoren basierte Klassifizierung. Die Basis für
die Klassifizierung eines Voxels stellt in diesem Fall die Hesse-Matrix dar,
die aus partiellen Ableitungen zweiten Grades besteht:
22
Gefäßsegmentierungsverfahren
+''
; = <+'(
+'=
DE@
DEB
+'(
+((
+(=
+'=
+(=>
+==
(2.3)
Die Hesse-Matrix beschreibt die lokalen
Intensitätsvariationen zweiten Grades in
der Nachbarschaft eines Punktes oder einer
3D-Struktur. Die Eigenwerte |?@ | ≥ |?B | ≥
|?C | und Eigenvektoren DE@ , DEB , DEC der HesseMatrix ermöglichen eine Aussage über die
geometrische Form einer 3D-Struktur. Der
Eigenvektor D@ der zu dem maximalen
Eigenwert ?@ gehört, zeigt, in welche
Richtung der Wert der Ableitung zweiten
Grades den maximalen Wert annimmt.
Aufgrund der Eigenwerte können drei
Strukturen beschrieben werden:
DEC
Abbildung 10: Richtung der
Eigenvektoren der HesseMatrix in einem Zylinder
1. Kugelähnliche Struktur: |?@ | ≈ |?B | ≈ |?C |, |?C | ≫ 0
2. Flächenähnliche Struktur: |?B | ≈ |?C | ≈ 0, |?@ | ≫ |?B |
3. Zylinderähnliche Struktur: |?C | ≈ 0, |?@ | ≈ |?B | ≫ |?C | (Abbildung 10)
Basierend auf dieser Klassifikation wurden unterschiedliche ResponseFunktionen verwendet, um den Kontrast zwischen den Gefäßen und
Weichteilgewebe zu erhöhen, z.B. HI [44, 109], HJ [27], HK [82]:
W
U
R M (x, y, z, σ;λ@ , λB , λC ) =
YZ[[
(|?@ | + |?B |)
DX
V
2
U
0,
T
|\] |
^\_] :\__ :\_`
[Zac
b,
= (0,57, 0,71)
|?@ | ≥ |?B | ≥ |?C |
h
?@ , ?B , ?C < 0
efge,
(2.4)
Grundlagen
jk1 − D
lZ
HJ (?@ , ?B , ?C ) =
|\` |
|\] |
kZ
o
n
|\_ |Bm_ o D Bp_ q|\] \_ | r1
0,
−D
23
∑ \_
kZ t _t o
Ba
- = v = 0,5
= 0,25 ∙ 0wxy
u,
?@ , ?B < 0h
efge,
(2.5)
|?@ | ≥ |?B | ≥ |?C |
HK (?@ , ?a ) = \_]
WD kZB(m] \z)_ o
U
VD
U
T
\_]
kZ
o
B(m_ \z )_
0
?@ ≤ 0, ?a ≠ 0
?@ > 0, ?a ≠ 0
?a = 0
h
?a = min(−?B , −?C )
-@ = 0,5
(2.6)
-B = 2,0
?@ ≥ ?B ≥ ?C
Diese Funktionen können als Filter zur Kontrastverstärkung der Gefäße
verwendet werden. Dafür wird für jeden Voxel die gewählte ResponseFunktion berechnet und als Ergebnis wird ein kontrastverstärktes Volumen
gespeichert. Für die anschließende Gefäßsegmentierung wird ein
Klassifizierungsverfahren benötigt.
Es wurden unterschiedliche Parameter ( , -, v) verwendet, die abhängig
von den gegebenen Problemen variiert werden können.
In dieser Arbeit wurde HK verwendet (siehe Abschnitt 4.4.2).
Die
Vorteile
und
Nachteile
der
unterschiedlichen
Gefäßsegmentierungsverfahren sind in Tabelle 3 zusammengefasst.
24
Gefäßsegmentierungsverfahren
Tabelle
3:
Vorteile
und
Gefäßsegmentierungsverfahren
Verfahren
Globaler
Schwellwert
Volume
Growing
Aktive
Konturen
Nachteile
Vorteile
unterschiedlichen
Nachteile
• Einfache Implementierung
• Schnelle Berechnung
• Rauschanfälligkeit
• Suche nach optimalem
• Schnelle Berechnung
• Nur wenig Interaktion nötig
• Hohe Wahrscheinlichkeit
Schwellwert
des „Auslaufens“
• Rauschanfälligkeit
• Unterschiedliche Variationen
• Kein "Auslaufen"
• Begrenzung der
• Vergabe der initialen Kontur
• Mehrere Iterationen nötig
• Suche nach einem
• Höhere
• Begrenzung der
• Verwendung von a-priori-
• Lange Rechenzeit
• Mehrere Iterationen nötig
• Keine Klassifizierung
• Suche nach der passenden
Untersuchungsregion
Rauschunabhängigkeit
Kontrastverstärkung
mit HesseMatrix
der
Wissen (Form)
• Verwendung der Information
über die Grauwertverteilung
passenden Kraftmodell
Untersuchungsregion
Response-Funktion
Bildgebung
25
3 Bildgebung
Für die Darstellung des Gefäßnetzes wurde die µCT-Angiographie
verwendet. Für die Angiographie werden zwei Komponenten benötigt: ein
µCT-Scanner und ein geeignetes Kontrastmittel.
3.1 µCT-Scanner
3.1.1 Aufnahmegeometrie
Abbildung 11: FORBILD-Scanner
(Bildquelle
Kegelstrahlgeometrie mit Flachbilddetektor
[54]):
Der in der vorliegenden Arbeit verwendete FORBILD µCT-Scanner
(Abbildung 11 [22]) mit Kegelstrahlgeometrie wurde an der FriedrichAlexander-Universität Erlangen-Nürnberg gebaut. Die zu untersuchende
Probe wird auf einem Drehteller positioniert und um die Rotationachse
rotiert. Für eine Änderung der Ortsauflösung kann die Probe in kleinerer
oder größerer Entfernung zur Röntgenröhre positioniert werden. Je kleiner
die Probe desto höher ist die erreichbare Auflösung. Um eine möglichst
gute Ortsauflösung im µCT-Scanner zu erreichen, wurden nur
Kniegelenke mit umgebendem Weichteilgewebe präpariert und für die
Untersuchung verwendet. Nach der Probenvorbereitung wurden die Knie
mit dem µCT-Scanner bei einer Beschleunigungsspannung von 70 kV und
einem Röhrenstrom von 140 µA aufgenommen. Die Scanzeit betrug ca.
20 Minuten pro Datensatz. Die rekonstruierten 3D Datensätze hatten eine
26
µCT-Scanner
isotrope Voxelgröße von 15 µm bei einer Maus (30 µm bei einer Ratte).
Nach der Rekonstruktion werden im Datensatz die nicht kalibrierten CTWerte gespeichert.
3.1.2 Bildqualität
„Bildqualität ist ein zentraler Begriff bei der Bewertung jedes bildgebenden
Systems. Die erste Frage ist meist, wie „scharf“ das Bild ist. Die
Verunschärfung wird durch die Punktbildfunktion des Systems
beschrieben. Dieses Bild wird durch Rauschen und ggf. durch
Artefaktanteile überlagert, die die Erkennbarkeit der einzelnen Strukturen
behindern können“ [40].
Bildpunktrauschen
„Jeder Messwert ist prinzipiell mit einer Unsicherheit behaftet, so auch die
Messung der Schwächung in der CT. Dieser Fehler ist durch die
Schwankungen in der Zahl der Röntgenquanten im Detektor bedingt. Man
spricht deshalb auch von „Quantenrauschen“. Die rauschbedingten Fehler
in der Messung der Intensität gehen in die berechneten
Schwächungswerte ein und pflanzen sich über die Bildrekonstruktion bis
ins Bild fort. Hier sind sie als Bildpunktrauschen oder Pixelrauschen
erkennbar. Das Bildpunktrauschen wird als Standardabweichung der
Werte eines Auswertebereichs bezüglich ihres Mittelwertes ermittelt.“ [40]
Das
Rauschen
wirkt
sich
auf
die
Homogenität
der
Intensitätswerteverteilung aus und ist ein Störfaktor bei der
Unterscheidung zwischen Gewebetypen.
Teilvolumenartefakte
„Teilvolumenartefakte treten auf, wenn Strukturen mit hohem Kontrast nur
teilweise in die Schicht hineintragen, da in jedem Detektorelement
unweigerlich eine Mittelung über die Strahlintensitäten erfolgt, statt über
die Schwächungswerte.“ [40] Aufgrund der Teilvolumenartefakte und
Rauschens können dünne Gefäße (Gefäße mit einem Durchmesser unter
30 µm) von Weichteilgewebe kaum unterschieden werden.
Strahlaufhärtung
„Strahlaufhärtungsartefakte sind dadurch bedingt, dass das breite
polychromatische Spektrum der Röntgenstrahlung energieabhängig
unterschiedlich stark geschwächt wird und dadurch für dickere Objekte
und insbesondere bei knöchernen Strukturen die mittlere Energie des
Spektrums ansteigt.“ [40] Dieser Artefakt ist in Bereichen nah am Knochen
klar zu erkennen und äußert sich in erhöhten Intensitätswerten der nah
Bildgebung
27
am Knochen liegenden Weichteilgewebevoxel. Ein Beispiel der Artefakte
im CT-Datensatz ist in Abbildung 12 zu sehen.
Abbildung 12: Beispiel der
unterschiedlichen
BildArtefakte:
im
weißen
Rechteck ist Inhomogenität
der Intensitätswerte zu sehen
(Rauschen
oder
dünne
Gefäße), weiße Pfeile zeigen
auf die Strahlaufhärtungsartefakte (dunkle Streifen
zwischen den Knochen und
Aufhellung nah am Knochen)
3.2 Kontrastmittel
Für die Darstellung der Gefäße mit µCT ist ein Kontrastmittel nötig, das
die Gefäße homogen ausfüllt und über die hohen Absorptionswerte
verfügt. Ein aus der Literatur bekanntes und für diese Zwecke oft
verwendetes Kontrastmittel ist Microfil-MV (FlowTechInc) [57].
Microfil
Microfil-MV ist ein bleihaltiges Kontrastmittel, das zum Ausfüllen und
Einfärben
mikrovaskularer
und
anderer
Bereiche
in-vitro
Abbildung 13: Rattenknie mit den mit Microfil 2008 gefüllten Gefäßen
28
Kontrastmittel
Abbildung 14: Ergebnis der Gefäßsegmentierung in der Rattentibia
Gewebeuntersuchungen verwendet wird8. Microfil ermöglicht die
Visualisierung der Gefäßarchitektur in unterschiedlichen Organen zwecks
der Untersuchung der normalen und pathologischen Strukturen.
Das Ziel dieser Arbeit besteht in der Quantifizierung der Vaskularisierung
des Knochens. Als erstes wurde versucht die Durchblutung innerhalb des
Knochens zu untersuchen. Aus diesem Grund wurde im Jahr 2008 eine
Charge des Microfil-MV 122 bestellt und für die Untersuchung einer Ratte
verwendet. Die im Kontrastmittel enthaltenen Bleipartikel zeichneten sich
im rekonstruierten Volumen durch hohe Intensitätswerte aus. Für die
Perfusion wurde die Ratte anästhesiert und deren Brustkorb geöffnet.
Zunächst wurde das Blut aus den Gefäßen durch ein Lösungsmittel
ersetzt. Anschließend wurde das Kontrastmittel unter Druck in die Gefäße
perfundiert. Durch das Auftreten einer Gelbverfärbung der Organe sowie
des Herzens durch die gelbe Farbe des Kontrastmittels war sichergestellt,
dass die Gefäße mit dem Mittel gefüllt waren. Nach der Perfusion wurde
die Ratte 24 Stunden in einem Kühlraum aufbewahrt. Dadurch wurde das
8
FlowTechInc
Bildgebung
a)
29
b)
Knochen
•‚„ =3662
Gefäß
‚•ƒ =3168
Abbildung 15: a) Maximum Intensity Projection Aufnahmen des
Kniegelenks einer Maus. b) Schnitt mit angegebenen Intensitätswerten
(Mittelwerte) für Knochen und Gefäße
Aushärten des Kontrastmittels in den Gefäßen sichergestellt. Das
Zusammenmischen
mehrerer
Substanzen
(Kontrastmittel,
Verdünnungslösung, Mittel für Viskosität) führte nach einiger Zeit zu einer
gewünschten gummiartigen Konsistenz des Kontrastmittels.
In den rekonstruierten Datensätzen waren die Intensitätswerte der
Gefäße9 deutlich höher als die von Knochen (im Mittel lagen die
Intensitätswerte der Gefäße bei 12000 und die vom Knochen bei 7000,
Abbildung 13), so dass die Gefäße innerhalb des Knochens mit MultiSkalen-Verfahren (4.4.2) segmentiert werden konnten (Abbildung 14).
Nach den ersten erfolgreichen Versuchen, wurde für die Untersuchung der
Mäuse eine neue Charge des Kontrastmittels bestellt. Allerdings konnte
kein vergleichbarer Kontrast mehr hergestellt werden.
In Abbildung 15a ist das Kniegelenk einer Maus als Maximum-IntensityProjection (MIP) Bild dargestellt. Bei einem MIP-Bild wird für jeden Voxel
der maximale Intensitätswert aus allen Projektionen in einer
vorgegebenen Richtung aus dem 3D Volumen ermittelt und auf ein 2DBild projiziert. In Abbildung 15b ist ein sagittaler Schnitt durch das Knie
abgebildet sowie die Intensitätswerte von einem Gefäß- und einem
Knochenvoxel angegeben. Um die Intensitätsunterschiede zwischen
Knochen und Gefäßen zu erhöhen, wurden zwei weitere Ansätze
ausprobiert.
9
kontrastmittelgefüllte Gefäße, im weiteren einfach Gefäße
30
Kontrastmittel
Angiofil
Für die Darstellung der Gefäße wurde ein Jod-haltiges Kontrastmittel
Angiofil verwendet [30, 31].
Um die Aufnahme einer kompletten Maus zu ermöglichen, wurde ein µCT
Scanner (TomoScope 30 s, VAMP GmbH, Erlangen, Germany) [39]
verwendet. Die Ortsauflösung lag hier bei 50 µm. In Abbildung 16 sind
Ausschnitte aus dem rekonstruierten Volumen in der Form von MIPBildern dargestellt. In Abbildung 16a sind beide Kniegelenke zu sehen,
wobei keine Gefäße zu erkennen sind. In Abbildung 16b sind Herz, Aorta
und Gefäße im Bereich der Leber klar zu erkennen.
Microfil mit Bleifluoridzusatz
Als
weitere
Möglichkeit
zur
Kontrastverstärkung
wurde
die
Bleikonzentration im Kontrastmittel durch die Zugabe eines
Bleifluoridpulvers mit einer Partikelgröße von ca. 5 µm erhöht.
Unterschiedliche Konzentrationen von Bleipartikeln wurden Microfil
beigemischt und für die Perfusion der Proben verwendet. Die
abgeschnittenen Kniegelenke wurden in diesem Fall beim Aushärten
rotiert, da sich die schwereren Bleipartikel sonst an der Gefäßwand
abgesetzt hätten. Nach dem Aushärten und Scannen waren trotz dieser
Rotation eine Inhomogenität in der Partikelverteilung sowie eine
Absetzung des Bleis zu beobachten. Bei Verwendung einer kleineren
Menge des Zusatzes wurden die Gefäße nicht vollständig ausgefüllt. Bei
a)
b)
Abbildung 16: MIP der Ganzkörperaufnahme einer Maus mit Injektion
des Angiofils: a) Im Kniebereich sind keine Gefäße sichtbar; b) Im Brust
und Bauchbereich sind das Herz, Aorta und Lebergefäße klar zu sehen.
Bildgebung
31
einer Erhöhung der Konzentration des Zusatzes erfolgte eine verbesserte
Ausfüllung der Gefäße. Allerdings erwies sich hierbei die Verabreichung
des Kontrastmittels als schwierig, da das Mittel sehr dickflüssig wurde
wodurch viele Mikroembolisationen entstanden. Zur Veranschaulichung
sind in Abbildung 17 zwei Aufnahmen mit unterschiedlichen
Konzentrationen (zusätzlich 1g und 2g) von Bleifluorid zu sehen.
Geplante Vorgehensweise
Da diese zusätzlich durchgeführten Untersuchungen zu keiner
Kontrastverbesserung führten, war eine Untersuchung der Gefäße
innerhalb des Knochens nicht möglich. Außerdem war die Untersuchung
der Vaskularisierung außerhalb des Knochens aufgrund der bisherigen
durchgeführten Studien interessanter und wichtiger im Bezug zu den
pathologischen Veränderungen während RA, die durch die synoviale
Entzündung verursacht wurden. Aus diesem Grund wurde in dieser Arbeit
die Vaskularisierung außerhalb des Knochens untersucht und quantifiziert.
a)
b)
Abbildung 17: Untersuchung der Verwendung von Bleifluorid als Zusatz
zu dem Microfil-Kontrastmittel mit unterschiedlicher Konzentration: a)
niedrige Konzentration (1g) und b) höhere Konzentration (2g). Beide
Bilder stellen die MIP Aufnahmen des Kniegelenks einer Maus dar.
32
Kontrastmittel
Segmentierung
33
4 Segmentierung
4.1 Einleitung
4.2 Vorbereitende Schritte
•
•
Initiale Gefäßsegmentierung
Knochensegmentierung
4.3 Definition des Auswertevolumens
•
•
•
Segmentierung des globalen Auswertevolumens
Segmentierung des Kniegelenkspaltes
Definition der Segmentierungs- und Analyse-VOIs
4.4 Gefäßsegmentierung
•
•
•
Lokales adaptives Schwellwertverfahren (LAT)
Multi-Skalen (MS) Verfahren
Hybrid MSLAT-Verfahren
4.1 Einleitung
Die Segmentierung der Gefäße erfolgte in mehreren Stufen (siehe
Abbildung 18):
•
•
•
Segmentierung der einzelnen Knochen
Festlegen
der
anatomisch
relevanten
Gefäßsegmentierung
Gefäßsegmentierung
VOIs
für
die
In den nächsten Abschnitten werden die einzelnen Schritte näher
erläutert.
34
Vorbereitende Schritte
Knochensegmentierung
Berechnung des
Auswertevolumens
Gefäßsegmentierung
Abbildung 18: Schematische Darstellung der notwendigen Schritte zur
Gefäßsegmentierung
4.2 Vorbereitende Schritte
Ein CT-Datensatz des Kniebereichs einer Maus enthält Luft,
Weichteilgewebe, Gefäße (Kontrastmittel) und Knochen (trabekulärer und
kortikaler Knochen). Aufgrund unterschiedlicher Absorptionseigenschaften
dieser Bestandteile variieren die Intensitätswerte im Datensatz. Die
Verteilung der Intensitätswerte kann in einem Histogramm dargestellt
werden (Abbildung 19). Im Histogramm sind nur zwei klare Peaks sichtbar
(Luft und Weichteilgewebe). Da dünne Gefäße auf Grund des
Teilvolumenartefakts deutlich niedrigere Intensitätswerte als dickere
Gefäße haben und einige Weichteilgewebevoxel auf Grund des
Rauschens im Datensatz eine erhöhte Intensität haben, kann kein
globales Schwellwertverfahren für die Segmentierung der Gefäße
verwendet werden. Es gibt mehrere Probleme, die die Segmentierung der
Gefäße erschweren:
Segmentierung
35
Luft
Knochen
Gefäße/
Kontrastmittel
Weichteilgewebe
Luft
180
60
0
600
1200
36000
24000
12000
0
240
Weichteilgewebe
300
Weichteilgewebe und Gefäße
360
120
Gefäße und Knochen
Häufigkeit, x10³
420
1500 2000 2500 3000 3500 4000
Knochen
;…xy
CT-Werte
Knochen und Gefäße
1800
2400
3000
3600
4200
4800
5400
Abbildung 19: Abbildung und Histogramm des kompletten Datensatzes
mit einem vergrößerten Ausschnitt aus dem Bereich Gefäße/Knochen
•
•
•
die Ähnlichkeit der Intensitätswerte des Knochens und der Gefäße
Rauschen und Teilvolumenartefakte
Strahlaufhärtung nah am Knochen
Demzufolge ist das Entfernen des Knochens ein notwendiger
vorbereitender Schritt. Die aus der Literatur bekannte übliche Methode
besteht in der Dekalzifizierung des Knochens. Die Probe wird über längere
Zeit in einem mit Säure gefüllten Behälter aufbewahrt und es kommt zur
Erosion des Kalziums im Knochen. Dadurch verlieren die Knochen an
36
Vorbereitende Schritte
Setzen des Saatpunktes
BildausschnittBerechnung
Initiale Gefäßsegmentierung
• Schwellwert Ermittlung
• Klassifikation
• Opening
Knochensegmentierung
Abbildung 20: Schematische Darstellung der Grundschritte für die
Knochensegmentierung
Dichte und Stabilität [9]. Die Methode ist mit viel Aufwand verbunden. Aus
diesem Grund wurde in dieser Arbeit eine Software-basierte semiautomatische Segmentierung und Entfernung des Knochens aus dem
Datensatz entwickelt.
Für Gefäße ab einem Durchmesser von 75 µm (5 Voxel) ist eine initiale
Segmentierung möglich. Gefäße unter 75 µm müssen anschließend bei
Bedarf aus der Knochensegmentierung manuell entfernt werden.
Also besteht die Segmentierung der Knochen aus zwei Grundschritten
(siehe Abbildung 20): der initialen Gefäßsegmentierung und der
anschließenden Segmentierung des Knochens.
4.2.1 Initiale Gefäßsegmentierung
Als erstes wird vom Benutzer ein Saatpunkt in einem der zu
segmentierenden Knochen (Tibia, Femur, Fibula, Patella) sowie in den
Menisken gesetzt. Anschließend wird aus dem Histogramm der maximale
Intensitätswert (;wxy ) ermittelt und davon abhängig zwei Schwellen ( †‡ˆ
und ‰Š‹‰ ) bestimmt:
Segmentierung
37
†‡ˆ
‰Š‹‰
= 0,2 ∙ ;…xy
= 0,65 ∙ ;…xy
Die Faktoren 0,2 und 0,65 wurden an Hand
der Analyse von mehreren µCT-Datensätzen
empirisch ermittelt. Im Bereich zwischen
und
befinden
sich
die
†‡ˆ
‰Š‹‰
Intensitätswerte von Gefäßen sowie des
trabekulären Knochens. Im nächsten Schritt
werden im Datensatz alle Voxel, deren
Intensitätswerte sich innerhalb des Intervalls
Œ †‡ˆ , ‰Š‹‰ • befinden, markiert, (siehe
Abbildung 21a). Um hierdurch segmentierte
Voxel auszuschließen, die in trabekulären
VOI liegen, wird ein Opening mit einem
sphärischen Strukturelement mit einer Größe
von 5 Voxel ausgeführt. Als Ergebnis bleiben
nur die großen Gefäße10 segmentiert (siehe
Abbildung 21b blau). Diese können vor der
Knochensegmentierung
ausgeschlossen
werden.
(4.1)
(4.2)
a)
Intervall
Schwellen
b)
Opening
4.2.2 Knochensegmentierung
Die Segmentierung des Knochens erfolgt
basierend auf einem bereits entwickelten
Verfahren [54] in drei Schritten:
•
•
•
10
Abbildung 21: Einzelne
Schritte
der
initialen
Gefäßsegmentierung
Volume Growing
o Von dem gesetzten Saatpunkt ausgehend innerhalb eines
Bildausschnitts (enthält Tibia, Femur, Fibula oder Patella)
o Automatische Berechnung der Schwellwerte
o 3D Volume Growing
Kombinierte morphologische Operationen
o Dilatation
o Hole-filling
o Erosion
Bei Bedarf besteht die Möglichkeit der manuellen Korrektur
Ab 75 µm (hier 5 Voxel)
38
Definition des Auswertevolumens
In jedem Knochen (Tibia, Femur, Fibula, Patella) und zusätzlich in allen
Menisken wird ein Saatpunkt gesetzt und die Knochensegmentierung
ausgeführt. Falls die dünnen Gefäße mit dem Knochen zusammen
segmentiert wurden, besteht die Möglichkeit einer manuellen Korrektur.
Als Ergebnis wird ein Knochenvolumen gespeichert ( •0•‡‘’ ).
4.3 Definition des Auswertevolumens
Zum Vergleich der Vaskularisierung in Tieren werden anatomische vom
Benutzer unabhängige reproduzierbare Auswertevolumina (VOI) benötigt.
Bei RA ist die Entzündung in der Synovia lokalisiert (Abbildung 1 auf Seite
4). Aus diesem Grund wurden in dieser Arbeit zwiebelschalenartige
Auswertevolumina definiert, die im Zentrum des Gelenkspaltes lokalisiert
sind ( •0“x ”•†’ ).
Vor der Berechnung der Auswertevolumina werden zwei vorbereitende
Schritte durchgeführt: 1) Segmentierung des globalen Auswertevolumens
( •0–‡Š‘— ) und 2) Segmentierung des Kniegelenkspaltes.
4.3.1 Segmentierung des globalen Auswertevolumens
Zur Definition von
•0“x ”•†’ sind zunächst
auszuschließen (Abbildung 19, Seite 35):
•
•
weitere
Strukturen
Luft, die die Probe umschließt
Kontrastmittel, das bei der Perfusion an die Haut gelangte11 und
gleiche Intensitätswerte wie die Gefäße innerhalb des Kniegelenks
aufweist
Um diese Bereiche auszuschließen, wird ein
globales Auswertevolumen •0–‡Š‘— berechnet.
Die Berechnung erfolgt in mehreren Schritten
(siehe Abbildung 23).
Setzen des Saatpunktes
Vor der Segmentierung wird ein Saatpunkt im
zentralen Bereich des Kniegelenkspaltes gesetzt
(Abbildung 22), um •0–‡Š‘— im Zentrum des
Gelenkspaltes zu positionieren. Von diesem
Punkt ausgehend werden 300 Schichten nach
11
Abbildung 22: Setzen
des Saatpunktes im
zentralen Bereich des
Gelenkspaltes
Durch das kaum vermeidbare Ausfließen des Kontrastmittel aus dem Herz und durch
das Anfassen der Probe mit den verschmutzen Handschuhen
Segmentierung
39
oben und nach unten in =-Richtung berechnet und als Gelenkgrenze
definiert.
Ausschluss der Luft und des Kontrastmittels
Um die Luft und das Kontrastmittel an der Hautoberfläche auszuschließen,
wird ein globales Intervallschwellwertverfahren verwendet. Es werden die
Voxel segmentiert, deren Intensitätswerte sich innerhalb des Intervalls
6 Š˜ , “ ™.
xŠ˜
“
= 0,1 ∙ ;…xy
= 0,2 ∙ ;…xy
(4.3)
(4.4)
Wert 0,1 ist wieder ein empirisch festgelegter Wert. Alle Voxel mit
Intensitätswert kleiner als Š˜ werden als Luftvoxel klassifiziert und aus
dem •0–‡Š‘— ausgeschlossen (Abbildung 23a).
Suche einer zusammenhängenden Region
Nach dem Ausschluss des Kotrastmittels bleiben die Voxel im •0–‡Š‘— , die
zum Probenhalter gehören, in dem die Proben gescannt wurden. Um
diese Voxel aus dem Volumen auszuschließen wird von dem gesetzten
Saatpunkt ausgehend ein Volume Growing Verfahren mit einer 6erNachbarschaft gestartet, wodurch ein großer zusammenhängender
Bereich bestimmt wird. Die hierbei nicht erfassten kleineren Bereiche
werden von der Segmentierung ausgeschlossen (Abbildung 23b).
Füllen aller entstandenen Löcher
Wegen des Ausschließens der Luft- und Kontrastmittelvoxel entstehen im
•0–‡Š‘— die Löcher. Die Gründe dafür sind:
•
•
Es gibt innerhalb des Kniegelenkes Bereiche, die Luft enthalten
Es wurden alle Gefäße bei Kontrastmittelsegmentierung
ausgeschlossen
Aus diesen Gründen müssen die entstandenen Löcher wieder gefüllt
werden. Dafür wird an dem segmentierten Bereich ein bereits entwickeltes
Verfahren Hole-Filling ausgeführt [41]. Anschließend wird •0•‡‘’ aus
•0–‡Š‘— ausgeschlossen (Abbildung 23c).
40
Definition des Auswertevolumens
a)
Ausschluss der Luft und
des Kontrastmittels:
Globale Intervallschwelle
b)
Volume Growing
c)
Füllen aller entstandenen
Löcher
Abbildung
23:
Weichteilgewebes
Zwischenschritte
•0–‡Š‘—
für
die
Segmentierung
des
4.3.2 Segmentierung des Kniegelenkspaltes
Ausgangspunkt für die Segmentierung des Kniegelenkspaltes (KGS) sind
die Segmentierungen der Tibia und des Femurs [4]. Diese werden zu
einem binären Volumen vereint (Abbildung 24a •0šJ ) worauf ein Closing
angewendet wird. Durch das Closing wird der Spalt zwischen Femur und
Tibia gefüllt (Abbildung 24b •0šJ“ ).
Im nächsten Schritt wird von •0šJK •0šJ subtrahiert (Abbildung 24c).
•0›œK = •0šJ“ \ •0šJ
(4.5)
Da in diesem Schritt neben dem Gelenkspalt auch andere kleinere
Volumina detektiert wurden, wird im letzten Schritt per Volume Growing
Verfahren nach dem maximalen zusammenhängenden Bereich gesucht.
Als Ergebnis erhält man den segmentierten Gelenkspalt
•0›œK
(Abbildung 24d).
Segmentierung
a)
41
b)
•0šJ
c)
d)
Subtraktion
Volume
Growing
•0šJ“
Closing
Abbildung 24: Einzelne
Kniegelenkspaltes
Schritte
der
Segmentierung
•0›œK
des
4.3.3 Definition der Segmentierungs- und Analyse-VOIs
Nach der Segmentierung von •0›œK wird in dessen Schwerpunkt ein
kugelförmiges •0“x ”•†’ erzeugt, dessen Größe von der maximalen
Ausdehnung ›œK des •0›œK abhängt (Suche nach einer KugelBounding-Box). Durch die Wahl von verschiedenen Skalierungsfaktoren
( žŸD), können unterschiedlich große konzentrische Kugeln erzeugt
werden (Abbildung 25). Dabei wird H›œK = ›œK ⁄2 mit dem
Skalierungsfaktor multipliziert. Für die Segmentierung wird
žŸD = 2,5
verwendet, um die Gelenkkapselform zu approximieren. Um bereits
ausgeschlossene Volumina ( •0•‡‘’ , Luft, Kontrastmittel an der
Hautoberfläche) zu berücksichtigen, wird •0“x ”•†’ als Schnittmenge von
a)
b)
•0“x
•0“x
”•†’
d)
•0“x
c)
•0“x
”•†’
”•†’
e)
”•†’
•0“x
”•†’
Abbildung 25: Definition des
•0“x ”•†’ für Gefäßsegmentierung.
Abhängig von dem Skalierungsfaktor ( žŸD) kann die Größe des
•0›•‹’† variiert werden: a) žŸD = 0,5; b) žŸD = 1; c)
žŸD = 1,5; d)
žŸD = 2; e) žŸD = 2,5
42
Gefäßsegmentierung
•0–‡Š‘— und sich selbst berechnet:
•0@
•0B
•0C
”•†’
= •0“x
•0¡
•0“x
KGS
Abbildung 26: 4 unterschiedliche
Auswertevolumina
•0C = •0“x
•0–‡Š‘—
”•†’
(4.6)
•0“x ”•†’ wird für die Analyse in vier
unterschiedliche Volumina aufgeteilt
(Abbildung 26), um die Homogenität
der Vaskularisierung
in den
unterschiedlichen
Regionen
der
Kapsel zu untersuchen.
•0C , •0B
•0–‡Š‘—
und
•0@ stellen von
begrenzte Hohlkugeln dar. Das •0¡
ist die Kugel mit einem Radius H›œK .
Die Volumina werden wie folgt
berechnet:
”•†’ \¢£.DŸ(H
= 2,0 ∙ H›œK )
•0B = ¢£.DŸ(H = 2,0 ∙ H›œK )\¢£.DŸ(H = 1,5 ∙ H›œK )
•0@ = ¢£.DŸ(H = 1,5 ∙ H›œK )\¢£.DŸ(H›œK )
(4.7)
•0¡ = 1.0 ∙ H›œK
4.4 Gefäßsegmentierung
Für die Segmentierung der Gefäße wurden zwei unterschiedliche
Verfahren verwendet und miteinander verglichen. Die Segmentierung
erfolgt in •0“x ”•†’ , um ein möglichst großes zusammenhängendes
Gefäßvolumen zu erfassen.
4.4.1 Lokales adaptives Schwellwertverfahren (LAT)
Für die Untersuchung der Intensitätsverteilung in •0“x ”•†’ wurde ein
Histogramm erzeugt (Abbildung 27). Im Histogramm ist nur ein klarer Peak
im Bereich des Weichteilgewebes zu erkennen. Eine klare Trennlinie
(Schwellwert) zwischen Gefäßen und Weichteilgewebe existiert nicht.
Somit wird die Verwendung eines globalen Schellwertverfahrens zur
Gefäßsegmentierung ausgeschlossen. Stattdessen wird ein lokales
adaptives Verfahren, das die Information der Umgebung des zu
untersuchenden Voxels vor dessen Klassifizierung berücksichtigt,
Segmentierung
†‡ˆ
Weichteilgewebe
2000
1500
1000
500
0
Weichteilgewebe oder Gefäße
;¦e,f Dž1
2500
Häufigkeit
43
̅
0¥
600
¥
1200
‰Š‹‰
Gefäße
1800
2400
3000
;¦e,f¨ž'
;…xy
3600
CT-Werte
Abbildung 27: Histogramm der Verteilung der Intensitätswerte im
•0“x ”•†’
verwendet. Die Segmentierung der Gefäße erfolgt mittels eines Volume
Growing Verfahrens (schematische Darstellung Abbildung 28).
†‡ˆ
‰Š‹‰
berechnet. Dafür wird
̅
eine Gaußkurve in das Histogramm gefittet und daraus Mittelwert 0¥
(;¦e,f Dž1) und Standardabweichung
¥ für Intensitätswerte der
Weichteilgewebevoxel berechnet. Außerdem wird aus dem Histogramm
der maximale Wert (;wxy ) bestimmt.
Zunächst werden zwei Schwellen
†‡ˆ
und
̅ + 2 ∙
= 0¥
‰Š‹‰
¥
= 0,65 ∙ ;wxy
(4.8)
(4.9)
Formel (4.8) wird nach der "68 - 95 - 99,7 Regel“ berechnet. 0,65 ist ein
empirischer Wert (4.2.1), der nach der Untersuchung mehrerer Daten
festgelegt wurde. Die Variationen des Wertes änderten nicht das
Segmentierungsergebnis. Diese zwei Schwellwerte erlauben die erste
Klassifizierung: wenn der Intensitätswert 0y§I des Voxels sich außerhalb
des Intervalls Œ †‡ˆ , ‰Š‹‰ • befindet, wird er als Weichteilgewebevoxel bzw.
als Gefäßvoxel klassifiziert (Formel (4.10)).
44
Gefäßsegmentierung
Berechnung der
Schwellwerte †‡ˆ , ‰Š‹‰ und
Homogenitätskriteriums µ
Wurde ein Saatpunkt
gefunden?
nein
ja
Homogenitätskriterium
erfüllt?
nein
ja
ja
Gibt es Nachbarn?
nein
Ende
Abbildung 28: Schematischer Verlauf der Gefäßsegmentierung
D.h. es wird für jeden zu untersuchenden Voxel die Funktion ©(0y§I )
aufgerufen:
-Dgg0y§I <
©ª0y§I « = ¬-Dgg0y§I ≥
efge,,
®D¦ ℎ,D¦Ÿ.D-D¯D
h
°D©äß
‰Š‹‰ ,
.(0 ̅ , SD)
†‡ˆ,
(4.10)
Für die Voxel, deren Intensitätswerte sich innerhalb des Intervalls
befinden, wird eine zusätzliche Funktion .(0 ̅ , ) benötigt (Formel (4.12)).
In dieser Funktion wird die Intensitätswertverteilung in der 26Nachbarschaft des Voxels untersucht. In dieser Nachbarschaft werden der
Mittelwert 0 ̅ sowie die Standardabweichung
berechnet und deren
Verhältnis mit dem berechneten Homogenitätsmaß µ verglichen (Formel
(4.11)). µ wird benötigt, um den Einfluss des Rauschens auf die
Klassifizierungsergebnisse zu minimieren. Aus diesem Grund wird µ als
Verhältnis des Bildrauschens zum Signal berechnet:
µ =
¥
̅
0¥
=
1
H
(4.11)
Segmentierung
45
0̅
< - ∙ µ,
SD
efge,,
.(0 ̅ , SD) = ¬-Dgg
- = 1.0
°D©äß
®D¦ ℎ,D¦Ÿ.D-D¯D
h
(4.12)
Für Volume Growing Verfahren wird der erste Voxel automatisch gesucht,
der dem Klassifikationskriterium entspricht. Von diesem Saatpunkt
ausgehend wird nach einem zusammenhängen Gefäß gesucht. Sobald
ein Voxel erreicht ist, der keine Nachbarvoxel besitzt, die den
Klassifikationskriterien entsprechen, wird nach einem neuen Saatpunkt
gesucht, bis keine weiteren Saatpunkte vorhanden sind. Zwei Beispiele
der Gefäßsegmentierung in •0“x ”•†’ sind in Abbildung 29 dargestellt.
Da das Rauschniveau in den Bildern sehr hoch ist, (Signal-RauschVerhältnis zwischen 2,8 und 4,0) und in den knochennahen Bereichen
Weichteilgewebevoxel mit ebenfalls hohen Intensitätswerten vorkommen,
wäre ein Segmentierungsverfahren sinnvoll, das nicht nur von den
Intensitätswerten der Voxel abhängt, sondern zusätzlich die Form der
Gefäße als Klassifizierungskriterium nutzt. So ein derartiges
Segmentierungs-verfahren wird im folgenden Kapitel vorgestellt.
4.4.2 Multi-Skalen (MS) Verfahren
Ausgehend von [44, 82] wurde ein Multi-Skalen-Verfahren implementiert.
Dieses Verfahren basiert auf den Eigenwerten der Hesse-Matrix, die aus
Ableitungen ersten und zweiten Grades besteht (Abschnitt 2.4.4). Das Ziel
des Verfahrens ist die Erhöhung des Kontrasts zwischen Gefäßen und
Abbildung 29: Ergebnis der Segmentierung der Gefäße im •0“x
zwei unterschiedlichen Datensätzen
”•†’
in
46
Gefäßsegmentierung
·=º
· = ¸¹
· = º¹
·=»
Abbildung 30: Einfluss der Variation der Größe des Filterkernels für GaußGlättung auf einem mit Kontrastmittel gefüllten Schlauch
Weichteilgewebe. Für die Kontrastverstärkung der Gefäße wurde
HK (?@ , ?a ) (2.6) als Response-Funktion verwendet. Diese Formel stellt eine
vereinfachte Formel der HJ (?@ , ?B , ?C )-Funktion (2.5) dar und wird vom
Insight Segmentation and Registration Toolkit (ITK) in einer
optimierten parallelisierten Form zu Verfügung gestellt.
Wegen des Bildrauschens ist die Intensitätsverteilung im Gefäß nicht
homogen. Die Werte der Hesse-Matrix zeigen die Intensitätsänderung in
einer Umgebung. Falls die Umgebung nicht homogen ist, werden die
Ableitungen durch die lokalen Intensitätsschwankungen beeinflusst. Um
die Homogenität der Intensitätswerte im Gefäß zu erreichen, wird eine
Glättung mit einem Gauß-Filter benötigt. Allerdings beeinflusst die Größe
Für ¶Š , ¦ = 1. . 5
Berechnung der Hesse-Matrix
; für jeden Voxel
Berechnung für jeden
Voxel HK (?@ , ?a )
nein
Ist der neu berechnete
Wert größer als der Wert in
(¦ − 1) Iteration?
ja
Speichern im
Ergebnis
Ende
Abbildung 31: Schematischer Verlauf des Multi-Skalen Verfahrens
Segmentierung
47
Abbildung 32: Originale Intensitätswerteverteilung (links) im •0“x ”•†’
(Knochen
ausgeschlossen)
und
(rechts)
Ergebnis
der
Kontrastverstärkung als maximaler Wert der Response-Funktion bei
unterschiedlichen Skalen
der Gauß-Filter-Maske die Ergebnisse. Die Verwendung einer kleinen
Maske verbessert die Homogenität der Intensitätswerte dünner Gefäße
(unter 45 µm und 3 Voxel) aber bei den dicken Gefäßen bleibt die
Inhomogenität erhalten (Abbildung 30). Wählt man dagegen eine große
Maske, werden die dünnen Gefäße kaum sichtbar sein. Um die dünnen
und dicken Gefäße zu glätten, wird ein iteratives Multi-Skalen-Verfahren
verwendet, bei dem die Größe der Glättungsmaske ¶ variiert wird
(Abbildung 31). Anzahl der Iterationen (maximales ¶) hängt von der Dicke
des dicksten Gefäßes ab und kann nach Bedarf variiert werden.
Für jedes ¶ wird für jeden Voxel ein Wert der Response-Funktion
berechnet und mit dem maximalen Wert der Funktion in diesem Voxel aus
den vorherigen Iterationen verglichen. Im Falle eines neuen Maximums
wird der neue Wert als Ergebnis gespeichert. Somit erhält man nach allen
Iterationen den maximalen Wert der Response-Funktion in jedem Voxel.
Nach Untersuchung mehrerer Datensätze wurde ¶ von 1 bis 5 verwendet,
¶ kann bei Bedarf verändert werden.
Die berechnete Response-Funktion verbessert den Kontrast der Gefäße,
liefert aber keine Segmentierung (Abbildung 32). Dafür wird ein
Histogramm aus den Response-Funktion-Werten im •0“x ”•†’ erstellt
(Abbildung 33).
48
Gefäßsegmentierung
2000
Häufigkeit
1500
1000
500
R-Werte, x10³
0
10
20
30
40
50
60
Abbildung 33: Histogramm der maximalen Response-Funktion-Werte aus
unterschiedlichen Skalen innerhalb •0“x ”•†’
Im Histogramm ist nur ein Peak sichtbar. Um einen Schwellwert aus dem
Histogramm zu berechnen, wird ein k-Means Clustering Verfahren
verwendet [102]. Im •0“x ”•†’ befinden sich zwei Klassen: Gefäße und
Weichteilgewebe. Das Ziel des Verfahrens ist, alle Voxel im •0“x ”•†’ der
"richtigen" Klasse zuzuordnen. Es wird ein Maß der Klassenzugehörigkeit
definiert (in diesen Fall der minimale Abstand) und darauf basierend die
Klassenaufteilung durchgeführt. Der Maß der Zugehörigkeit basiert auf der
Kenntnis der Zentren der Klassen. Klassenzentrum ist ein Mittelwert, der
aus allen zu der Klasse gehörenden Voxel berechnet wird. Da am Anfang
die Information über die Klassenaufteilung fehlt, werden zwei initiale
Zentren gesetzt und dann mit dem Maß verglichen. Anschließend erfolgt
die initiale Klassenaufteilung. Nach der Aufteilung werden die neuen
Zentren und wiederum die neue Aufteilung berechnet. Das Verfahren läuft
solange, bis sich keine Änderungen bei den Klassenzentren sowie
Klassenaufteilung ergeben. Nach Beendigung der iterativen Suche stehen
zwei Klassenzentren fest. Schließlich werden alle Voxel ihrer zugehörigen
Klasse zugewiesen. Um einzelne nicht zusammenhängende Voxel
auszuschließen, wird ein Opening mit einem Strukturelement von der
Größe von einem Voxel durchgeführt.
Das Ergebnis der Segmentierung ist in Abbildung 34 zu sehen.
Segmentierung
49
Abbildung 34: Ergebnis der Gefäßsegmentierung mit Multi-SkalenVerfahren im •0“x ”•†’ in zwei unterschiedlichen Datensätzen
4.4.3 Hybrid MSLAT-Verfahren
Das LAT-Verfahren ist einfach zu implementieren und schnell
auszuführen. Dieses Verfahren passt sich an das Signal-RauschenVerhältnis und dank seiner adaptiven Anpassung an die Umgebung an. Es
entstehen weniger Unterbrechungen im Gefäßbaum als beim MSVerfahren, das keine lokale Adaption enthält. Das LAT-Verfahren zeigte
sich für die Gefäßsegmentierung auch in weiteren Untersuchungen (siehe
Kapitel 7) als geeignet.
Allerding haben einige nah am Knochen liegenden Weichteilgewebe-voxel
aufgrund der Strahlaufhärtung (Abschnitt 3.1.2) deutlich höhere
Intensitätswerte als die Voxel, die weiter entfernt vom Knochen liegen.
Aus diesem Grund ist die Verwendung des LAT-Verfahrens nah am
Knochen nicht möglich (Abbildung 35).
a)
b)
)
Abbildung 35: a) Ergebnis des LAT-Verfahrens; b) Ergebnis des MSVerfahrens
50
Gefäßsegmentierung
ƒ½•º¾ Das
MS-Verfahren
verwendet
zusätzliches Wissen über die Form der
Gefäße und kann im Bereich des
Knochens besser zwischen Gefäßen
und Weichteilgewebe unterscheiden.
Allerdings
entstehen
viele
Unterbrechungen im Gefäßbaum.
ƒ½•¸¾ Aus diesen Gründen ist eine
Kombination dieser Verfahren sinnvoll.
Abbildung
36:
Zwei
unterschiedliche Regionen für
Gefäßsegmentierung:
•0@K
(grün) für LAT- und •0BK (rot)
für MS-Verfahren
Zuerst wird ein nah am Knochen
liegendes Volumen berechnet. Dafür
wird •0•‡‘’ mit einer Maske von
Größe 15 dilatiert ( •0•‡‘’¼ ).
•0BK
und •0@K werden dann wie folgt
berechnet:
•0BK = •0•‡‘’¼ \ •0•‡‘’
•0@K = •0“x
”•†’ \
•0BK
(4.13)
In •0BK wird das Segmentierungsergebnis des MS-Verfahrens und in
•0@K Ergebnis des LAT-Verfahrens gespeichert (Abbildung 36). Das
Ergebnis der Segmentierung stellt ein kombiniertes Gefäßvolumen dar
(Abbildung 37).
a)
b)
c)
Abbildung 37: Ergebnisse der Gefäßsegmentierung: a) LAT; b) MS und c)
MSLAT
Berechnung der quantitativen Parameter
51
5 Berechnung der quantitativen Parameter
•
•
Modell-abhängige Parameter
Modell-unabhängige Parameter
Zur Messung der Vaskularisierung im Kniegelenk ist ein quantitatives Maß
notwendig.
Als erster Parameter wurde ein volumetrischer Gefäßvolumenanteil
(Gefäßdichte) wie folgt berechnet:
⁄
,
mit
als Anzahl der als Gefäß segmentierten Voxel und
Gesamtanzahl der Voxel in den Auswertevolumina.
(5.1)
als
Als zweiter Parameter wurde die Gefäßoberfläche
verwendet. Sie ist
als Summe aller Voxel, die auf der Grenze zwischen Gefäß- und NichtGefäß-Voxeln liegen, definiert.
In
den
bereits
durchgeführten
Studien
wurden
mehrere
Vaskularisierungsparameter verwendet (Abschnitt 2.3, Tabelle 2).
Diese Parameter wurden aus der Histomorphometrie direkt übernommen.
Ursprünglich wurden diese Parameter für 2D-Schnitte verwendet. Um die
gleichen Parameter auf 3D-Daten zu übertragen, sind Modell-Annahmen
notwendig. Allerdings können aus den 3D-Daten die 3D-Parameter direkt
gemessen werden. Aus diesen Gründen gibt es zwei Arten von
Parametern: Modell-abhängige (3D unter Modell-Annahmen) und Modellunabhängige Parameter (direkt gemessene Parameter).
5.1 Modell-abhängige Parameter
Diese Parameter werden zur Analyse trabekulären Knochens in den
histologischen Schnitten verwendet [15, 71]. Hierbei wird der trabekuläre
Knochen durch ein Platten- oder Stabmodell approximiert. Da Gefäße eine
zylinderähnliche Form besitzen, kann für ihre Charakterisierung ebenfalls
ein Stabmodell verwendet werden
[24, 72]. Die in dieser Arbeit
verwendeten modellabhängigen Parameter sind in Tabelle 4 aufgelistet.
52
Berechnung der quantitativen Parameter
Tabelle 4: Berechnung der Modell-abhängigen Parameter
Parameter
Stabmodell
Gefäßdicke . ℎ
. ℎ = 4/ l
(Vessel Thickness)
Gefäßanzahl .
(Vessel Number)
Gefäßabstand . "
(Vessel Spacing)
5.2
.
4
= Àl ∙
Á
. " = . ℎ ∙ <À
n
n/ . ℎ
4/Á ∙
− 1>
Modell-unabhängige Parameter
Modell-unabhängige
berechnet werden.
Parameter
können
direkt
aus
den
3D-Daten
Skelett-basierte Parameter
Gefäße stellen keine idealen Zylinder dar, sondern verfügen über
unterschiedliche Krümmung, variable Dicke und eine beliebige Anzahl von
Abzweigungen. Aus diesem Grund kann ein einfaches Stabmodell die
Gefäße nicht optimal beschreiben. Zur Berücksichtigung der tatsächlichen
geometrischen Eigenschaften von Gefäßen ist ein dynamisches Modell
notwendig.
Um die Gefäßdicke zu berechnen, wird die Gefäßmittellinie bestimmt. Die
Bestimmung der Mittellinie kann mittels zwei unterschiedlicher Verfahren
erfolgen.
Fitten einer Kugel mit maximalem Durchmesser
Ein klassischer Ansatz, der auch für die Berechnung der quantitativen 3D
Parameter bei trabekulärem Knochen verwendet wird, ist die Suche der
maximalen, in die Struktur passenden Kugel [34] (Abbildung 38).
Der trabekuläre Knochen wird hierbei als Kombination von Kugeln
unterschiedlicher Radien dargestellt. Die gleiche Vorgehensweise wird zur
Bestimmung der Gefäßdicke verwendet [25, 36, 50].
Berechnung der quantitativen Parameter
53
c
Abbildung 38: Berechnung der quantitativen Parameter für trabekulären
Knochen a) Trabekuläre Dicke (Tb.Th); b) Trabekulärer Abstand (Tb.Sp)
und c) Trabekelanzahl (1/Tb.N) (Bildquelle [7, 45])
Die Suche nach der Mittellinie wird in mehrere Schritte aufgeteilt [79]:
•
•
•
•
Berechnung der euklidischen Distanztransformation [14, 81]
Berechnung der Mittellinie
Berechnung der lokalen Dicke
Berechnung der mittleren Dicke und der Standardabweichung
Für die Berechnung des Gefäßabstandes ( . ") werden die Kugeln in den
Gefäßzwischenräumen positioniert. Da Gefäße eine weniger regelmäßige
Verteilung als Trabekel haben, kann dieses Verfahren für die Berechnung
des Gefäßabstandes und der Gefäßanzahl nur in •0¡ und •0@
verwendet werden. In •0B und •0C werden die Abstände zwischen den
Gefäßen immer größer und es ist unmöglich die passenden Kugeln zu
finden, die zwischen die Gefäße passen.
Thinning Ansatz
Ein weiterer Ansatz zur Bestimmung der Gefäßdicke ist die Berechnung
des Skeletts mit Hilfe eines Thinning Verfahrens [49]. Bei diesem
Verfahren werden die Grenzvoxel (Gefäß – Nicht-Gefäß-Grenze), die die
topologischen Bedingungen (im Folgenden definiert) erfüllen, iterativ
entfernt, so dass eine kleine Menge zusammenhängender Voxel
übrigbleibt. Zu den topologischen Bedingungen zählen:
•
•
Erhalten der Anzahl der zusammenhängenden Objekte
Erhalten der Hohlräume und Löcher im Originalobjekt
54
Berechnung der quantitativen Parameter
a)
b)
Abbildung 39: Ergebnis der Skelettberechnung bei Mäusen a) WT-Maus
und b) RA-Maus
Nach der Skelettberechnung (Abbildung 39, Abbildung 40) wird die
Euklidische Distanztransformation (DT) (Abbildung 41) berechnet. Dabei
wird für jeden Skelettvoxel der dazugehörige DT-Wert ermittelt, woraus
sich die mittlere, minimale und maximale Gefäßdicke sowie die
Standardabweichung berechnen lassen.
Die zwei vorgestellten Methoden zur Berechnung der Gefäßdicke werden
im Kapitel 7 miteinander verglichen.
5.3 Zusammenfassung
Es wurde also eine Vielzahl von Parametern gewählt, die als
Analyseparameter der Vaskularisierung in der Kniegelenkkapsel einer
Abbildung 40: Ergebnis der Skelettberechnung an Testmodellen
Berechnung der quantitativen Parameter
55
b)
a)
Abbildung 41: a) Segmentierte Gefäße als Binärvolumen; b) Ergebnis der
quadratischen euklidischen Distanztransformation
Maus denkbar verwendbar wären. Diese Parameter sind in der Tabelle 5
zusammengefasst.
Tabelle 5: Definierte Analyseparameter für Kniegelenk-vaskularisierung
Mittlere Gefäßdicke
. ℎ¼š
Kugel-Fitting-Verfahren (5.2)
. ℎšš
. ℎ‡Ã
Thinning-Verfahren (5.2)
Stabmodell (5.1)
Modell-unabhängige Parameter
/
Gefäßvolumen/Gewebevolumen
Gefäßoberfläche
Mittlerer Gefäßabstand
. "¼š
. "‡Ã
Kugel-Fitting-Verfahren (5.2)
Stabmodell (5.1)
Mittlere Anzahl der Gefäße pro Volumenelement
.
.
¼š
‡Ã
Kugel-Fitting-Verfahren (5.2)
Stabmodell (5.1)
56
Berechnung der quantitativen Parameter
Digitales Gefäßmodell
57
6 Digitales Gefäßmodell
Um die in Kapitel 4 vorgestellten Verfahren zur Gefäßsegmentierung
miteinander zu vergleichen und zu bewerten, wurde eine
Simulationssoftware entwickelt, die Gefäßbaummodelle generiert. Dabei
werden die topologischen Eigenschaften des arteriellen Baums einer
Ratte [106, 107] berücksichtigt (angenommen gelten auch für eine Maus):
Charakteristische Gefäßbaumeigenschaften
•
•
•
•
Die häufigste Form einer
Abzweigung ist die Aufteilung
eines
Gefäßes
in
zwei
Gefäßsegmente.
Winkel (Abbildung 42 Ä@ , ÄB ),
die
den
Verlauf
zweier
Tochterarterien in Relation zur
Abbildung 42: Unterschiedliche
Mutterarterie definieren, sollen
Winkeln
bei
einer
folgende Parameter minimieren:
Gefäßabzweigung [106]
o Blutvolumen
in
der
Abzweigungsregion
o Pumpleistung, die für
den Blutfluss durch die
Abzweigung notwendig ist
o Scherkräfte zwischen dem bewegten Blut und dem
Endothelgewebe
Teilt sich eine Mutterarterie in zwei unterschiedlich große
Tochterarterien auf, so bildet die größere Tochterarterie einen
kleineren Winkel zur Mutterarterie als die kleinere (Ä@ < ÄB ).
Die meisten Abzweigungen liegen in einer Ebene (Abbildung 42,
Idealfall: Å → 0°, in der Praxis meistens: 0° < Å < 10°)
Geometrischer Aufbau
Zunächst wurden für alle Gefäßbäume feste Parameter festgelegt:
Anfangsposition, Anfangsdurchmesser (∅K—x˜— ) und Anfangsorientierung
(3EwŠ‘ , 3Ew’à , 3Ewxy ). Mit Hilfe eines Zufallszahlengenerator (ZZG) wurde
anschließend eine maximale Baumtiefe bzw. maximale Anzahl der
Bifurkationen (30-50) gewählt.
58
Digitales Gefäßmodell
3Ew’Ã
b)
a)
-
3EwŠ‘ȆÃ
3EwŠ‘
3EwŠ‘Ç’ˆ
Ä
3Ewxy
Ä
Abbildung 43: Geometrischer Aufbau des Gefäßbaummodells: a)
Einzelnes Gefäßsegment; b) Gefäßbaumstück
Der Gefäßbaum wurde dann in zwei Schritten erzeugt:
•
•
Erzeugung des einzelnen Gefäßsegments (Abbildung 43a) in drei
Schritten:
o Segmenteigenschaften mit ZZG festlegen
Länge (20-40 Voxel)
Krümmungswinkel - (15°- 45°)
Krümmungsrichtung (rechts, links)
o Berechnung der Segmentmittelpunkte
Segmentverlauf in Richtung von 3EwŠ‘ unter
Berücksichtigung des Krümmungswinkels
Anpassung der Orientierungsvektoren an die neue
Krümmung
o Erzeugen und Ausfüllen der Kreise, definiert durch
3Ew’Ã , 3Ewxy
Erzeugung der Abzweigungen (Abbildung 43b): zufällige
Unterscheidung zwischen zwei Abzweigungstypen (Abbildung 44)
o Typ 1 (Abbildung 44a):
Festlegen des Durchmesserverhältnisses (ZZG 40%60% von altem Durchmesser, z.B. ∅Ç’ˆ] = 0,6 ∙ ∅Ȇà ,
∅Ç’ˆ_ = 0,4 ∙ ∅Ȇà )
Winkel Å (0°-15°)
Abzweigungswinkel Ä (15°-25°)
Berechnung der Position der zwei neuen
Segmentmittelpunkte
Berechnung der Orientierungsvektoren
Digitales Gefäßmodell
a)
59
b)
Abbildung 44: Zwei Arten von Abzweigungen: a) Aufteilung in zwei
ungefähr gleich große Segmente; b) Entstehung eines kleineren
Segments
o Typ 2 (Abbildung 44b):
Festlegen
des
Durchmessers
des
neuen
Gefäßsegments (10%-30% von altem Durchmesser,
z. B. ∅Ç’ˆ] = 0,1 ∙ ∅Ȇà , ∅Ç’ˆ_ = 0,9 ∙ ∅Ȇà )
Änderung
des
Durchmessers
des
alten
Gefäßsegments
Festlegen
der
Position
der
neuen
Segmentmittelpunkte (rechts, links)
Abzweigungswinkel Ä (30°- 55°)
Winkel Å (0°-15°)
Nachdem der Gefäßbaum generiert wird, wird ein Hole-Filling-Verfahren
verwendet, um die Löcher zwischen den approximierten Kreisen zu füllen.
Simulation einer CT-Aufnahme
Nach der geometrischen Konstruktion eines Gefäßbaums werden CTAufnahmen folgendermaßen simuliert:
•
•
•
Die Werte der Gefäßvoxel und Nichtgefäßvoxel werden auf die aus
den Histogrammuntersuchungen der realen Daten ermittelten
Intensitätswerte, die entweder dem Kontrastmittel in den Gefäßen
oder Weichteilgewebe entsprechen, gesetzt. In Abbildung 45a ist
ein Beispiel eines Gefäßbaums dargestellt. Im zugehörigen
Histogramm ist zu erkennen, dass nur zwei Werte im Datensatz
vorkommen
Simulation des Teilvolumenartefakts (3.1.2, Seite 26) durch
Glättung mit einem Gaußfilter von Größe 3 (Abbildung 45b)
Hinzufügen von gaussförmigem Rauschen (3.1.2) zum Erzeugen
der realistischen (aus den realen Datensätzen berechnet) SignalRausch-Verhältnisses von 3,8 (Abbildung 45c)
60
Digitales Gefäßmodell
Beispiele generierter Gefäßbaumen sind in Abbildung 46 zu sehen.
Häufigkeit
a)
680
2500
CT-Werte
680
2500
CT-Werte
2500
CT-Werte
Häufigkeit
b)
Häufigkeit
c)
680
Abbildung 45: Simulation einer CT-Aufnahme: a) Setzen der Gefäß- und
Weichteilgewebevoxel auf realistische Werte; b) Simulation des
Teilvolumenartefaktes mittels Glättung und c) Hinzufügen von Rauschen
61
46
81
28
91
54
40
Abbildung 46: Beispiele simulierter CT-Aufnahmen von generierten
Gefäßbäumen mit angegebener Anzahl der Abzweigungen
62
Validierung
63
7 Validierung
7.1 Gefäßbaummodell
• Berechnungsgenauigkeit
• Topologische Veränderungen
• Änderung der Bildqualität
7.2 Einfluss von RA auf Vaskularisierung im Mausmodell
7.3 Reproduzierbarkeit Inter- / Intraoperator-Vergleich
7.4 Diskussion
7.1 Gefäßbaummodell
Mit Hilfe der generierten Gefäßbaummodelle (GBM) wurden die
verwendeten Segmentierungsverfahren (MS, LAT) miteinander verglichen.
Außerdem wurde zusätzlich ein erweitertes globales Schwellwertverfahren
(GT) zum Vergleich verwendet. Bei GT wurde nach Verwendung einer
globalen Schwelle noch ein Opening mit einer Maskengröße von 1
durchgeführt, um singuläre Rauschvoxel zu entfernen.
7.1.1 Berechnungsgenauigkeit
Zunächst wurden zehn unterschiedliche GBM erzeugt, wobei für jeden
Baum die Dicke jedes einzelnen Gefäßsegments sowie seine Länge
gespeichert wurde. Um die Genauigkeit der Berechnung zu überprüfen,
wurden die GBM vor der Simulation der endlichen Auflösung und
Verrauschen (Abschnitt 6) mit den drei o.g. Verfahren segmentiert.
Gefäßvolumen
Als erstes wurde die Richtigkeit der Berechnung des Gefäßvolumens
untersucht. In Abbildung 47 sind die wahren Werte aus zehn generierten
GBM als rote Punkte aufgetragen.
64
Validierung
Anzahl der zusammenhängenden
Segmente
Gefäßvolumen, mm³
0,13
20
0,11
16
0,09
12
0,07
8
0,05
4
0,03
0
1
2
3
Original
4
5
6
LAT
7
8
9
10
Modell
MS
GT
1
2
3
Original
4
5
6
LAT
7
8
9 10
Modell
MS
GT
Abbildung 47: Vergleich der wahren (Original: rot) und der
berechneten Werte (LAT, MS, GT) für Gefäßvolumen und der Anzahl
der zusammenhängenden Segmente
Die Werte vom LAT-Verfahren (blau) stimmen mit den wahren Werten fast
überein. Die berechnete Abweichung liegt beim LAT-Verfahren im Schnitt
bei 0,45%. Beim GT-Verfahren (pink) liegt die Abweichung im Schnitt bei
8%. Die größte Abweichung wurde bei MS-Verfahren (grün) gemessen
(Schnitt bei 60%). Der Grund dafür ist die Verwendung der Glättung beim
MS-Verfahren, um die Homogenität in verrauschten Daten zu erhöhen.
Allerdings wurden die GBM noch nicht verrauscht und die Glättung ist
nicht nötig. Das hat zu Folge, dass die Gefäße wegen der Glättung beim
MS-Verfahren größeren Durchmesser haben und das Gefäßvolumen
überschätzt wird.
Konnektivität des Gefäßbaums
Ein GBM stellt einen verbundenen Gefäßbaum dar. Die Konnektivität des
Gefäßbaums wurde als nächstes untersucht. Für jedes segmentierte GBM
wurde die Anzahl der zusammenhängenden Segmente berechnet
(Abbildung 47). Bei LAT- und MS-Verfahren blieb die Konnektivität des
Baums erhalten. Beim GT-Verfahren lag die mittlere Anzahl der
zusammenhängenden Segmente bei 6. Der Grund dafür ist ein Opening,
das zum Entfernen der Rausch-Voxel verwendet wird. In den Modellen mit
vielen Abzweigungen entstehen somit die Unterbrechungen in dünnen
Gefäßen.
Validierung
65
Mittlere Gefäßdicke
In Tabelle 5 auf Seite 55 sind die drei Analyseparameter definiert, die für
die Berechnung der mittleren Gefäßdicke verwendet wurden: . ℎ¼š ,
. ℎšš und . ℎ‡à . Diese berechneten Werte können mit den wahren
Werten verglichen werden. In Abbildung 48 sind die Ergebnisse der
Berechnung der mittleren Gefäßdicke aus den mit drei unterschiedlichen
Segmentierungsverfahren (LAT, MS und GT) segmentierten GBM
dargestellt.
Mittlere Gefäßdicke, mm
0,2
Original
0,17
LAT_V.Th_DT
LAT_V.Th_TT
0,14
LAT_V.Th_Rod
0,11
MS_V.Th_DT
MS_V.Th_TT
0,08
MS_V.Th_Rod
GT_V.Th_DT
0,05
GT_V.Th_TT
0,02
1
2
3
4
5
6
7
8
9
10
GT_V.Th_Rod
Modell
Abbildung 48: Vergleich des wahren Wertes (Original: rot) der mittleren
Gefäßdicke und aus GBM berechneter Parameter (Stabmodell – Rod,
Kugelfitten – DT, Thinning – TT) nach der Gefäßsegmentierung mit
LAT-, MS- und GT-Verfahren
Aus
der
Graphik
folgt,
dass
. ℎšš
unabhängig
von
Segmentierungsverfahren die kleinste Abweichung von den wahren
Werten hat (gemittelt über alle Modelle LAT 21%, MS 97%, GT 30%). Die
anderen beiden Parameter überschätzen die Gefäßdicke um mehr als das
doppelte. Bei . ℎ‡à lag die Abweichung bei 212% (LAT), 242% (MS)
und 255% (GT) zu den wahren Werten. Bei . ℎ¼š war sie bei 156%
(LAT), 273% (MS) und 200% (GT). Von den drei Parametern für
Bestimmung der mittleren Gefäßdicke ist somit
. ℎšš am besten
geeignet. Aus diesem Grund wird im Folgenden nur dieser Parameter für
die Gefäßdicke benutzt.
66
Validierung
Mittlere relative Differenz zu
den wahren Gefäßdicken, %
40
LAT
MS
GT
30
20
10
Gefäßdicke, µm
0
24 48 72 96 120 144 168 192 216 240
Abbildung 49: Vergleich der mittleren
relativen Differenz zu den wahren
Dicken
in
Abhängigkeit
von
Gefäßdicken
weggelassen.
Ê.š‰
=Ë
Für
die
Berechnung
der
Genauigkeit von
. ℎšš in
Abhängigkeit
vom
Segmentierungsverfahren
und
Gefäßdicke wurde für jeden
berechneten Gefäßmittelpunkt die
relative Differenz ( Ê.š‰ in Formel
(7.1)) zu der wahren Gefäßdicke
im diesen Punkt ermittelt und
nach der wahren Gefäßdicke
sortiert. Diese Differenzen wurden
dann über alle zehn GBM
gemittelt und in Abbildung 49
dargestellt. Für die Gefäßdicke
von 24 µm und 48 µm lag die
Differenz beim MS-Verfahren bei
entsprechend 156% und 67%.
Diese Werte wurden zwecks
besserer Darstellung in der Grafik
. ℎ• − . ℎ¥
Ë ∙ 100%
. ℎ¥
(7.1)
In GBM war die mittlere Ê.š‰ für LAT- und GT-Verfahren gleich groß (über
alle Gefäßdicken gemittelt entsprechend 13,4% und 13,6%). Bei beiden
Verfahren wurden die 24 µm dicken Gefäße mit 29-35% überschätzt. Der
Grund dafür liegt bei den Berechnungsverfahren. Entweder wird bei der
Skelettsuche
mit
dem
Thinning-Verfahren
nicht
genau
der
Gefäßmittelpunkt
getroffen
oder
die
berechneten
Distanztransformationswerte entsprechen nicht 100% der wahren Dicke.
Um die Genauigkeit der Skelett-Berechnung mit Thinning-Verfahren zu
untersuchen, wurde der Abstand von den berechneten Skelettpunkten zu
den wahren Gefäßmittelpunkten berechnet. Beim LAT-Verfahren waren
die Skelettpunkte im Mittel um 0,63 Voxel verschoben. Beim GT-Verfahren
und
MS-Verfahren lag die
Abweichung von
den wahren
Gefäßmittelpunkten bei entsprechend 0,57 und 0,98 Voxel.
Beim MS-Verfahren war
Ê.š‰ im Durschnitt am größten (39%)
insbesondere bei 24 µm dicken Gefäßen (156%).
Validierung
67
Kumulierte Häufigkeit der Gefäßdicken im Modell 1
120%
Kumulierte Häufigkeit
100%
80%
60%
Original
LAT
MS
GT
40%
20%
Gefäßdicke, µm
24
36
48
60
72
84
96
108
120
132
144
156
168
180
192
204
216
228
240
252
264
0%
Abbildung 50: Kumulierte Häufigkeit der Gefäßdicken im Modell 1 der
wahren (rot) und mit LAT- (blau), MS- (grün) und GT-Verfahren (pink)
berechneten Gefäßdicken
In Abbildung 50 ist die kumulierte Häufigkeit der wahren Gefäßdicken und
der berechneten Gefäßdicken aus dem Modell 1 dargestellt. Daraus
erkennt man, dass die Gefäßdicke von 24 µm unabhängig von
Segmentierungsverfahren überschätzt wurde. Bei den anderen
Gefäßdicken wurde der Fehler kleiner. Beim MS-Verfahren waren die
Differenzen am größten. In wahren Modellen gab es keine Gefäße mit
einer Dicke von 36 µm. Es wurden aber viele Gefäße von dieser Dicke
vom LAT- und GT-Verfahren bestimmt. Beim MS-Verfahren wurde die
Kurve noch mehr verschoben.
Außerdem wurde verglichen, wie viele Gefäßmittelpunkte von allen
Verfahren bestimmt wurden:
Original
Anzahl der Mittelpunkte
Relative Differenz zu Original 6%™
1653
-
LAT
MS
GT
1680 1678 1738
1,6
1,5
5
Daraus folgt, dass es bei allen Segmentierungsverfahren mehr
Gefäßmittelpunkte bestimmt wurde, als es tatsächlich gab. Der Grund
dafür liegt in der Skelett-Berechnung. Die Positionsabweichung
berechneter Mittelpunkte zu den wahren Mittelpunkten wurde bereits
untersucht. Da es keinen großen Unterschieden in der Anzahl der
68
Validierung
Mittelpunkte gab, ist die Verschiebung der Kurve auf die Überschätzung
der dünnen Gefäße zurückzuführen.
Hinzufügen des Rauschens und Simulation einer realistischen
Auflösung
Anschließend wurde bei den GBM realistische endliche Auflösung und
Rauschen simuliert. Diese GBM wurden wieder segmentiert und
analysiert.
Gefäßvolumen
In Abbildung 51 sind die Berechnungsergebnisse dargestellt. Beim LATVerfahren wird das Gefäßvolumen im Schnitt um 75% überschätzt. Dafür
gibt es zwei Gründe: 1) nach der Simulation der endlichen Auflösung der
GBM wird der Gefäßdurchmesser größer; 2) wegen der Änderung des
Rauschniveaus wird die Schwelle für die adaptive Klassifizierung (Formel
(4.11) auf Seite 44) an das Signal-Rauschen-Verhältnis angepasst. Steigt
das Rauschen, wird die adaptive Schwelle erhöht. Beim GT-Verfahren
liegt die mittlere Abweichung von den wahren Werten bei 25%
(überschätzt) und beim MS-Verfahren bei 14% (unterschätzt).
Konnektivität
Gefäßvolumen, mm³
0,15
0,13
Anzahl der zusammenhängenden
Segmente
100
80
0,11
60
0,09
40
0,07
20
0,05
0,03
0
1
2
3
Original
4
5
LAT
6
7
8
9 10
Modell
MS
GT
1
2
3
Original
4
5
6
LAT
7
8
9 10
Modell
MS
GT
Abbildung 51: Vergleich der wahren und der berechneten Werte (LAT,
MS, GT) für Gefäßvolumen und der Anzahl der zusammenhängenden
Segmente
Nach der Berücksichtigung der realen Auflösung und Hinzufügen des
Rauschens (Abbildung 51) wurde die Konnektivität nur vom LATVerfahren erhalten (im Schnitt 1,9 Segmente). Mit dem MS- und GT-
Validierung
69
Verfahren konnte kein zusammenhängender Baum segmentiert werden.
Im Schnitt ergaben sich beim MS- 14 und beim GT 41 Unterbrechungen.
Mittlere Gefäßdicke
Nach dem Hinzufügen von Rauschen und Simulation der endlichen
Auflösung wurden die Gefäßdicken von allen Verfahren überschätzt (im
Mittel beim LAT um 29%, beim MS um 23 % und beim GT um 29%
Abbildung 52). Beim GT-Verfahren ist Ê.š‰ relativ konstant bei allen
Gefäßdicken. Beim LAT-Verfahren ist
Ê.š‰ maximal bei den dünnen
Gefäßen (88% bei 24 µm und 49% bei 48 µm), wird aber mit
zunehmender Gefäßdicke immer kleiner (11% bei 240 µm). Beim MSVerfahren werden die dünnen Gefäße überschätzt (40% bei 24 µm), die
dicken Gefäße unterschätzt (44% bei 240 µm) und bei den mittleren
Gefäßen bleibt Ê.š‰ unter 30%. Bei der Skelettpunkte-Berechnung erhöht
sich der mittlere Fehler beim LAT- und GT-Verfahren (1,55 Voxel und 1,57
Voxel). Beim MS-Verfahren wird der Fehler kleiner (0,9 Voxel). Beim MSVerfahren verbessert sich die Richtigkeit der Berechnungen im Vergleich
zu den GBM ohne Verschlechterung der Bildqualität.
Mittlere Gefäßdicke, mm
0,08
Mittlere relative Differenz zu
den wahren Gefäßdicken, %
100
LAT
0,07
MS
GT
75
0,06
0,05
50
0,04
25
0,03
0,02
Original
LAT
240
216
9 10
Modell
MS
GT
192
8
168
7
144
6
120
5
96
4
72
3
48
2
24
0
1
Gefäßdicke, µm
Abbildung 52: Vergleich der wahren Gefäßdicke und der mittleren relativen
Differenz zu den wahren Dicken in Abhängigkeit von Gefäßdicken
berechnet nach LAT-, MS- und GT-Segmentierung
In Abbildung 53 ist die kumulierte Häufigkeit der wahren und berechneten
Gefäßdicken nach der Simulation der endlichen Auflösung und
Hinzufügen des Rauschens im Modell 1 dargestellt. Auch hier werden die
24 µm dicken Gefäße am meistens überschätzt. Am besten wird die
kumulierte Häufigkeit vom MS-Verfahren approximiert. Beim LAT-
70
Validierung
Verfahren erhöht sich die Richtigkeit für Gefäßdicke ab 60 µm. Beim GTVerfahren bleibt die Differenz am größten. Erst bei den Gefäßdicken ab
192 µm wird die Richtigkeit bei allen Segmentierungsverfahren maximal.
120%
Kumulierte Häufigkeit der Gefäßdicken im Modell 1
100%
60%
Original
LAT
MS
GT
40%
20%
264
252
240
228
216
180
168
156
144
132
120
108
96
84
72
60
48
36
24
204
Gefäßdicke, µm
0%
192
Kumulierte Häufigkeit
80%
Abbildung 53: Kumulierte Häufigkeit der wahren (rot) und mit LAT(blau), MS- (grün) und GT-Verfahren (pink) berechneten Gefäßdicken
im verrauschten und geglätteten Modell 1
Es wurde wieder die Anzahl der berechneten Gefäßmittelpunkte
verglichen:
Original
Anzahl der Mittelpunkte
Relative Differenz zu Original 6%™
1653
-
LAT
MS
GT
1678 1358 1680
1,5
18
1,6
Daraus folgt, dass bei LAT- und GT-Verfahren die Anzahl der Mittelpunkte
ungefähr gleich ist. Beim MS-Verfahren wurden 18% wenige Mittelpunkte
bestimmt. Demzufolge wurden beim MS-Verfahren einige Gefäße
verloren.
Zusammenfassung
Aus diesen Untersuchungen folgt:
•
LAT- und GT-Verfahren ermöglichen die genauere Berechnung
des Gefäßvolumens im nicht-verrauschten und nicht-geglätteten
GBM
Validierung
•
•
•
71
LAT-Verfahren ermöglicht durch die adaptive Anpassung an die
Umgebung das bessere Erhalten des Baumzusammenhangs als
globales MS- und GT-Verfahren
Für die Berechnung der Gefäßdicke soll . ℎšš verwendet
werden
Die Gefäßdicke der dünnsten Gefäße (24 µm) wurde unabhängig
vom Segmentierungsverfahren am meisten überschätzt
7.1.2 Topologische Veränderungen
Abbildung 54: Beispiel der Gefäßdickenänderung in zwei GBM: oben
das originale GBM und unten GBM mit der vergrößerten Gefäßdicke
Bei Angiogenese wird das bestehende Gefäßsystem verändert. Es
werden neue Gefäße gebildet, die Gefäßdicke kann sich ändern. Als
nächstes wird die Fähigkeit der definierten Analyseparameter überprüft,
die Änderungen im Gefäßsystem zu messen. Dabei wurden die folgenden
Änderungen durchgeführt:
•
•
Variation der Gefäßdicke
Hinzufügen neuer Abzweigungen
72
Validierung
Es wurden immer zwei Aspekte untersucht: die Richtigkeit der
Berechnung und die Fähigkeit des Verfahrens die entstehenden
topologischen Änderungen zu messen.
Gefäßdickenvariation
Für die berechneten Modelle wurden die Kreisdurchmesser verdoppelt.
Dafür werden die gespeicherten GBM wieder eingelesen und mit neuen
Durchmessern verändert (Beispiel der veränderten GBM in Abbildung 54).
Die veränderten GBM wurden mit drei Verfahren segmentiert und
analysiert.
Richtigkeit
Als erstes wurde die Richtigkeit der Berechnung untersucht, indem die
relative Differenz der berechneten zu den wahren Parameterwerten nach
der Änderung bestimmt wurde ( š˜•’ÌÍÎ ). Um die Änderung der Richtigkeit
in Abhängigkeit von dem Gefäßdurchmesser zu untersuchen, wurde die
mittlere Differenz zwischen den Werten vor Änderung der Gefäßdicke
angegeben ( š˜•’ÏÐÑ ). Die berechneten Differenzen wurden über alle zehn
GBM gemittelt und in Tabelle 6 dargestellt. Aus der Tabelle folgt, dass die
Differenzen zu den wahren Werten mit zunehmender Gefäßdicke kleiner
werden und die Richtigkeit der Berechnung sich erhöht. Auch die
Konnektivität des Gefäßbaums wurde von allen Segmentierungsverfahren
meist erhalten.
Tabelle 6: Mittlere relative Differenz der berechneten zu den wahren
Werten vor ( š˜•’ÏÐÑ ) und nach ( š˜•’ÌÍÎ ) der Änderung der Gefäßdicke
6%™
š˜•’ÏÐÑ
š˜•’ÌÍÎ
Gefäßvolumen
Gefäßdicke
LAT MS GT LAT MS GT
Anzahl der Segmente
LAT
MS
GT
79
13
23
38
24
45
3,3
17,6
52
23
17
7
22
20
41
1
1,1
1,1
Änderungsmessung
Als nächstes wurde die Fähigkeit der Verfahren untersucht, topologische
Änderungen im Gefäßbaum zu messen. Dafür wurde die wahre relative
Differenz ( š˜•’ ) sowie die relative Differenz zwischen berechneten
Werten ( “‡w •—’à ) berechnet.
Validierung
73
Die berechneten Differenzen wurden über alle zehn GBM gemittelt und in
Tabelle 7 zusammengefasst.
Tabelle 7: Mittlere relative Differenz der berechneten Werte ( “‡w •—’à )
und wahren Werte ( š˜•’ ) vor und nach der Verdoppelung der Gefäßdicke
6%™
š˜•’
“‡w •—’Ã
Gefäßvolumen
Gefäßdicke
300
100
LAT
MS
GT
LAT
MS
GT
174
282
248
77
94
98
Aus der Tabelle folgt, dass alle Segmentierungsverfahren die Änderung
erfasst haben. Allerdings wurden die Änderungen beim LAT-Verfahren
unterschätzt. Der Grund dafür ist die Überschätzung von Gefäßvolumen
und Gefäßdicke vor den Änderungen. Nach der Verdoppelung der
Gefäßdicke wurde die Richtigkeit der Berechnungen erhöht und damit
wurde der Unterschied zweier berechneter Werte kleiner als der wahre
Unterschied.
Hinzufügen von Gefäßabzweigungen
In den generierten GBM wurden zusätzliche Abzweigungen hinzugefügt,
um
die
während
angiogenetischer
Prozesse
stattfindenden
Gefäßbaumveränderungen zu simulieren. Eine neue Abzweigung wurde
immer in der Mitte eines Gefäßsegments hinzugefügt. Die neu
hinzugefügten Abzweigungen hatten kleine Gefäßdicken (24-48 µm). In
Abbildung 55 gibt es zwei Beispiele des GBM nach dem Hinzufügen von
Abzweigungen. Danach hat sich die Anzahl der Abzweigungen fast
verdoppelt (123 statt 59 und 293 statt 135).
Auch hier wurden die Richtigkeit der Berechnungen sowie die Fähigkeit
unterschiedlicher Segmentierungsverfahren untersucht, die hinzugefügten
Unterschiede im Gefäßbaum zu messen.
Richtigkeit
Die Ergebnisse der mittleren Differenzen vor ( š˜•’ÏÐÑ ) und nach dem
Hinzufügen der zusätzlichen Abzweigungen ( š˜•’ÌÍÎ ) sind in Tabelle 8
dargestellt. Aus der Tabelle folgt, dass die Richtigkeit der Berechnungen
mit dem LAT-Verfahren schlechter wird. Der Grund dafür ist die
Überschätzung der dünnen Gefäße, die zusätzlich hinzugefügt wurden,
74
Validierung
um die Angiogenese zu simulieren. Bei den anderen Verfahren ändert sich
die Richtigkeit kaum.
Tabelle 8: Mittlere relative Differenz der berechneten zu den wahren
Werten vor ( š˜•’ÏÐÑ ) und nach ( š˜•’ÌÍÎ ) dem Hinzufügen der
Abzweigungen
6%™
š˜•’ÏÐÑ
š˜•’ÌÍÎ
Gefäßvolumen
Gefäßdicke
LAT MS GT LAT MS GT
Anzahl der Segmente
LAT
MS
GT
79
13
23
38
24
45
3,3
17,6
52
116
12
27
50
32
48
3,3
70
99
Bei der Untersuchung der Konnektivität des Gefäßbaums wurden mit MSund GT-Verfahren viele Unterbrechungen festgestellt. Beim LAT-
59
135
123
293
Abbildung 55: Beispiel der Änderung der Anzahl der Abzweigungen in
zwei GBM: oben das originale GBM und unten GBM nach dem
Hinzufügen der neuen Abzweigungen. Die Zahlen geben die Anzahl
der Abzweigungen an
Validierung
75
Verfahren ergaben sich keine Änderungen.
Fähigkeit der Änderungsmessung
Die Ergebnisse der mittleren relativen Differenz zwischen wahren (
und berechneten Werten ( “‡w •—’à ) sind in Tabelle 9 dargestellt.
š˜•’ )
Tabelle 9: Mittlere relative Differenz der berechneten Werte ( “‡w •—’à )
und wahren Werte ( š˜•’ ) vor und nach dem Hinzufügen der
Abzweigungen
6%™
š˜•’
“‡w •—’Ã
Gefäßvolumen
Gefäßdicke
16,8
15,8
LAT
MS
GT
LAT
MS
GT
39
16
19
9,6
11
14,6
Daraus folgt, dass mit allen Segmentierungsverfahren die Änderungen im
Gefäßbaum quantitativ gemessen werden konnten. Hier wurden allerdings
nur die relativen qualitativen Änderungen untersucht. Demzufolge können
die großen Änderungen gemessen werden aber wie groß sie sein sollen,
um sie noch messen zu können, soll noch untersucht werden.
Zusammenfassung
Aus den durchgeführten Untersuchungen folgt:
•
•
•
•
Bei den topologischen Änderungen konnten die Änderungen in
berechneten Werten festgestellt werden
Mit zunehmender Gefäßdicke verbessert sich die Richtigkeit sowie
die Fähigkeit aller Segmentierungsverfahren, die Konnektivität des
Baums zu erhalten
Nach dem Hinzufügen neuer Abzweigungen entstanden nach der
Segmentierung mit MS- und GT-Verfahren viele Unterbrechungen
Das LAT-Verfahren überschätzt die Gefäßdicke und Gefäßvolumen
bei dünnen Gefäßen (24 µm), passt sich aber im Falle der neuen
Abzweigungen besser an und ermöglicht die bessere Konnektivität
des Gefäßbaums als die anderen zwei Verfahren
SRV 4,8
¶
Häufigkeit
680
2500
CT-Werte
SRV 3,8
Ò
680
¶
SRV 4,3
Ò
¶
680
2500
CT-Werte
SRV 3,4
Häufigkeit
Ò
Häufigkeit
Validierung
Häufigkeit
76
Ò
2500
CT-Werte
680
¶
2500
CT-Werte
Abbildung 56: Beispielhistogramm eines GBMs mit dem Rauschen der
unterschiedlichen Stärke (gleiches Signal Ò und unterschiedliches
Rauschen ¶)
7.1.3 Änderung der Bildqualität
Änderung des Signal-Rausch-Verhältnisses
Weiterhin wurde der Einfluss des Rauschens auf die Ergebnisse der
verwendeten Segmentierungsmethoden untersucht. Bei allen MausDatensätzen wurde zuerst Signal-Rausch-Verhältnis (SRV) gemessen.
Dafür wurde für jeden Datensatz ein Histogramm erstellt. Durch das Fitting
einer Gausskurve in das Histogramm wurden Mittelwert Ò und
Standardabweichung ¶ berechnet. SRV ließ sich wie folgt berechnen:
H =
Ò
¶
(7.2)
In den realen Datensätzen (Mausdaten) schwankte SRV zwischen 3 und
4,8. Aus diesem Grund wurde zu den zehn existierenden GBM
gaussförmiges Rauschen unterschiedlicher Stärken hinzugefügt
(Abbildung 56). Damit ergaben sich 5 Gruppen des SRV (4,8, 4,3, 3,8, 3,4,
3).
Alle GBM wurden segmentiert und analysiert. Die relative Differenz der
berechneten Parameterwerte zu den Parameterwerten aus den GBM mit
besten SRV (4,8)
KÂÊ wurde berechnet und in Abbildung 57 und
Abbildung 58 dargestellt.
Validierung
77
Relative Differenz
Gefäßvolumen, %
35
Relative Differenz
Gefäßoberfläche, %
35
30
30
25
25
20
20
15
15
10
10
5
5
0
0
4,8
4,3
LAT MS
3,8
GT
3,4
4,8
3
SRV
4,3
LAT
3,8
MS
3,4
3
SRV
GT
Abbildung 57: Relative Differenz zu den aus GBM mit SRV 4,8 berechneten
Werten für Gefäßvolumen und Gefäßoberfläche
Für Gefäßvolumen und Gefäßoberfläche (Abbildung 57) waren die
Differenzen für das LAT-Verfahren am kleinsten (maximal bei 5%). Beim
GT-Verfahren lag die maximale Differenz bei 10%. Die höchste Differenz,
die beinahe linear mit dem zunehmenden Rauschen anstieg, wurde beim
MS-Verfahren berechnet (maximaler Wert 32%).
Relative Differenz
Gefäßdicke, %
20
Anzahl der
zusammenhängenden
Segmente
80
16
60
12
40
8
20
4
0
0
4,8
LAT
4,3
MS
3,8
GT
3,4
3
SRV
4,8
LAT
4,3
MS
3,8
3,4
3
SRV
GT
Abbildung 58: Relative Differenz zu den aus GBM mit SRV 4,8
berechneten
Werten
für
Gefäßdicke,
Anzahl
der
zusammenhängenden Segmente bei GBM mit unterschiedlichen
SRV
78
Validierung
Bei der Berechnung der mittleren Gefäßdicke (Abbildung 58) lagen die
mittleren Differenzen beim LAT-Verfahren unter den Differenzen vom GTVerfahren. Die maximale Differenz vom MS-Verfahren lag bei 7%. Die
Konnektivität des Gefäßbaums blieb am besten mit LAT-Verfahren
erhalten. Am meisten Unterbrechungen sind beim GT-Verfahren
entstanden.
Änderung der Ortsauflösung
Es folgte die Untersuchung des Einflusses der Ortsauflösung auf die
Analyseparameter. Dafür wurde ein Downsampling der GBM durchgeführt.
Neben der ursprünglichen Voxelgröße von 12 µm wurden die fünf
zusätzlichen Voxelgrößen 13,34 µm, 15 µm, 17,14 µm, 20 µm und 24 µm
simuliert. In diesen neuen Datensätzen wurden alle drei
Segmentierungsverfahren durchgeführt und Analyseparameter berechnet.
Es wurde wieder die relative % Differenz zu den bei der besten Auflösung
(12 µm) berechneten Parametern bestimmt (Abbildung 59 und Abbildung
60).
Relative Differenz
Gefäßvolumen, %
100
Relative Differenz
Gefäßoberfläche, %
40
80
30
60
20
40
10
20
0
12
13,4
15
17,14
20
24
0
12
13,4
15
Voxelgröße, µm
LAT
MS
GT
17,14
20
24
Voxelgröße, µm
LAT
MS
GT
Abbildung 59: Relative Differenz zu den aus GBM mit Voxelgröße 12 µm
berechneten Werten für Gefäßvolumen und Gefäßoberfläche
Für die Segmentierung mit MS-Verfahren war die Variation der maximalen
Größe der Gauss-Filter-Maske notwendig, weil die Gefäße wegen der
Verkleinerung der Voxelgröße immer kleiner wurden und die Verwendung
von dem zu breiten Gauss-Filter zu der deutlichen Übersegmentierung
führte. Aus diesem Grund mussten für unterschiedliche Voxelgröße
unterschiedliche maximalen Masken verwendet werden (5, 4, 4, 3, 3, 3).
Validierung
79
Bei der Berechnung der Gefäßoberfläche (Abbildung 59) variierten die
Werte ungefähr gleich (LAT: 4-27%, MS: 8-31% und GT: 7-39%). Beim
Gefäßvolumen dagegen war die Variation der Parameterwerte bei allen
Verfahren unterschiedlich. Die maximale Variation wurde beim MSVerfahren gemessen (10-95%). Mit zunehmender Voxelgröße nimmt das
berechnete Gefäßvolumen zu. Der Grund dafür ist die notwendige
Variation der Größe der Gauss-Filter-Maske. Die kleinste Variation zeigt
das GT-Verfahren (2-7%), wobei das Gefäßvolumen mit der
zunehmenden Voxelgröße abnimmt. Der Grund dafür ist bei der
Untersuchung der Anzahl der zusammenhängenden Segmente sichtbar.
Während bei LAT und MS-Verfahren mit der zunehmenden Voxelgröße
die Anzahl der Segmente zunimmt, nimmt die Anzahl der Segmente beim
GT-Verfahren ab, da immer weniger Segmente segmentiert werden.
Die kleinsten relativen Differenzen bei der Gefäßdicke (Abbildung 60)
wurden beim LAT-Verfahren gemessen (3-9%). Bei den anderen zwei
Verfahren waren die Differenzen ungefähr gleich (MS: 11-70%, GT: 966%). Insgesamt wurden mit zunehmenden Voxelgröße die Gefäßdicken
von allen Segmentierungsverfahren überschätzt.
Relative Differenz
Gefäßdicke, %
80
80
60
60
40
40
20
20
0
Anzahl der
zusammenhängenden
Segmente
0
12
13,4
LAT
15
MS
17,14
20
24
Voxelgröße, µm
GT
12
13,4
LAT
15
MS
17,14
20
24
Voxelgröße, µm
GT
Abbildung 60: Relative Differenz zu den aus GBM mit Voxelgröße 12
µm
berechneten
Werten
für
Gefäßdicke,
Anzahl
der
zusammenhängenden Segmente bei GBM mit unterschiedlichen SRV
Zusammenfassung
Aus der Untersuchungen der Wirkung der Änderung der Bildqualität folgt:
•
Dank des lokalen adaptiven Charakters des LAT-Verfahren, der
eine Rausch-Niveau-Anpassung ermöglicht, zeigte das Verfahren
80
Validierung
•
•
im Mittel eine kleinere Variation von den Parametern ( ,
und
Anzahl der Gefäßsegmente) nach der Änderung des SRV in GBM
Für die Verwendung des MS-Verfahren nach der Änderung der
Voxelgröße war die vorherige manuelle Änderung der Anzahl der
maximalen Iterationen (maximale Gauss-Maske) notwendig, um
eine sinnvolle Segmentierung durchzuführen
Bei der Segmentierung mit dem GT-Verfahren bei dem GBM mit
den maximalen Voxelgröße wurden viele kleine Gefäße verloren.
7.2 Einfluss von RA auf Vaskularisierung im Mausmodell
Um die Fähigkeit der vorgestellten Analyseparameter zur quantitativen
Messung
von
pathologischen
Veränderungen
in
der
Kniegelenkkapselvaskularisierung bei RA zu untersuchen, wurden zwei
Gruppen von Mäusen betrachtet. Datensätze von 7 gesunden (WT) und 7
a) a)
b) b)
c) c)
d) d)
e) e)
Abbildung 61: Ergebnis der Gefäßsegmentierung in unterschiedlichen
Regionen: a) •00, b) •01, c) •02, d) •03 und e) Gesamt-KugelVOI in WT- (links) und hTNFtg- (rechts) Maus
Validierung
81
kranken (hTNFtg) Mäusen wurden nach deren Präparation mit dem µCTScanner aufgenommen (vgl. Abschnitt 3) und anschließend segmentiert
(Abbildung 61). Danach wurden die Analyseparameter berechnet. Um die
Unterschiede in den Analyseparametern zwischen beiden Gruppen auf
Signifikanz zu überprüfen wurden zweiseitige t-Tests durchgeführt
(Tabelle 10).
Tabelle 10: Analyseparameter (Mittelwert ± Standardabweichung) für zwei
Mausgruppen (WT und hTNFtg) abhängig vom Auswertevolumen
6
6
³™
/
6%™
²™
. ℎ
6μ ™
. "¼š
™
6
. "‡Ã
™
6
.
61/
.
61/
¼š
™
‡Ã
™
•0¡
•0@
•0B
•0C
WT
5,6 ± 2,1
17 ± 4,4
30 ± 4,4
35 ± 5,4
RA
6,9 ± 1,9
20 ± 6,6
33 ± 8
39 ± 7,8
WT
6,2 ± 0,3²
2,1 ± 0,1²
1,1 ± 0,1²
1,4 ± 0,1²
RA
3,3 ± 1,7
3,2 ± 0,1
1,8 ± 0,1
2,4 ± 0,1
WT
6,5 ± 3,4
8,2 ± 3²
9 ± 3,8²
12 ± 5,4²
RA
6,4 ± 2,2
18,7 ± 9
16 ± 7,6
22 ± 7,7
WT
80 ± 18²
71 ± 19²
56 ± 12
57 ± 10
RA
58 ± 14
61 ± 13
65 ± 22
64 ± 13
WT
0,8 ± 0,1
1,1 ± 0,1³
-
-
RA
0,8 ± 0,1
0,9 ± 0,1
-
-
WT
0,6 ± 0,2
0,9 ± 0,2³
1,1 ± 0,2²
1,1 ± 0,3²
RA
0,5 ± 0,1
0,6 ± 0,1
0,9 ± 0,2
0,8 ± 0,1
WT
1,2 ± 0,2
1,0 ± 0,1³
-
-
RA
1,3 ± 0,2
1,1 ± 0,1
-
-
WT
1,3 ± 0,3
1,0 ± 0,2³
0,8 ± 0,1²
0,8 ± 0,2³
RA
1,5 ± 0,2
1,5 ± 0,3
1,0 ± 0,2
1,5 ±0,1
¹:0,01 ≤ " < 0,05, ²:0,001 ≤ " < 0,01, ³:" < 0,001
In den Auswertevolumina •01, •02 und •03 sind Gefäßdichte
( / ) und Gefäßoberfläche ( ) in hTNFtg-Mäusen signifikant erhöht.
Der Abstand zwischen den Gefäßen ( . "‡à ) war in •01, •02 und
•03 signifikant kleiner, die Anzahl der Gefäße pro mm ( . ‡à )
signifikant größer als bei den hTNFtg-Mäusen im Vergleich zu den WTMäusen. Die mittlere Gefäßdicke ( . ℎ) war in •02 und •03 in beiden
Gruppen ungefähr gleich groß. Im Gesamtvolumen ( ) ergaben sich
keine signifikanten Unterschiede zwischen beiden Gruppen.
82
Validierung
2500
1500
VOI 1
VOI 0
2000
1200
1500
900
WT
RA
WT
1000
300
500
0
0
30
60
90
120
150
180
210
240
270
300
330
360
3000
4500
VOI 2
RA
30
75
120
165
210
255
300
345
390
435
480
600
VOI 3
3600
2400
2700
1800
WT
RA
12500
480
435
390
345
300
255
0
210
0
165
900
75
600
120
1800
30
1200
RA
30
60
90
120
150
180
210
240
270
300
330
360
390
420
WT
Gesamtvolumen
10000
7500
WT
RA
5000
2500
30
45
60
75
90
105
120
135
150
165
180
195
210
225
240
255
270
285
300
315
330
345
360
375
390
0
Abbildung 62: Gefäßdickenverteilung bei einer WT- und einer RA (hTNFtg)Maus in unterschiedlichen Auswerteregionen
In
•00 wurde eine erniedrigte mittlere Gefäßdicke sowie prozentuale
Gefäßdichte ( / ) bei hTNFtg-Mäusen gefunden.
Um diese Unterschiede zu interpretieren, wurden zusätzlich die
Gefäßdichteverteilungen in den unterschiedlichen Auswertevolumina
Validierung
83
sowie in der gesamten segmentierten Region berechnet und graphisch
dargestellt (Abbildung 62).
Aus den Diagrammen ist ersichtlich, dass in
•00 topologische
Veränderungen im Gefäßsystem im Verlauf der Krankheit (RA) entstanden
sind. Die Anzahl der dünnen Gefäße zwischen 30-45 µm ist bei RAdeutlich höher als bei der WT-Maus. Bei 60 µm Gefäßdicke wird die
Anzahl gleich und ab 75 µm wird es immer weniger Gefäße von dieser
Dicke bei RA-Maus. In den anderen Volumina sieht die Verteilung anders
aus. Es gibt die gleichen Gefäßdicken, allerdings ist die Anzahl von allen
Gefäßdicken bei RA-Maus höher als bei WT. Außerdem bei der Änderung
der mittleren Gefäßdicke ändert sich auch das Gefäßvolumen. Wenn ein
Gefäß als mehrere nacheinander folgende Kreise dargestellt wird, kann
sein Volumen aus den Kreisflächen berechnet werden (Formel (7.3)):
= ÁÔ B
‘’ˆ
Ô‘’ˆ = 0,725 ∙ Ô
= Á ∙ (0,725 ∙ Ô)B = 0,52 ∙ ÁÔ B
(7.3)
Demzufolge reduziert sich das Gefäßvolumen bei der Reduktion der
Gefäßdicke.
Zusammenfassung
Die Untersuchung der unterschiedlichen Mausgruppen ergab bei hTNFtgMäusen:
•
•
•
Die
signifikante
Änderung
des
Gesamtvolumen Höhere Anzahl dünnerer Gefäßen Zunahme der Gefäßanzahl Gefäßvolumens
pro
84
Validierung
7.3 Reproduzierbarkeit Inter- / Intraoperator-Vergleich
Um die Abhängigkeit der Analyseparameter von der Benutzerinteraktion
zu untersuchen, wurde ein Inter- und Intraoperator-Vergleich durchgeführt
[29]. Für den Interoperator-Vergleich wurden sechs Datensätze von
jeweils
drei
Benutzern
analysiert
und
anschließend
der
Variationskoeffizient Â…K wie folgt berechnet:
'̅ = 1
Ç
Õ 'Š (7.4)
ŠÖ@
1
=×
Õ('Š − '̅ )B −1
=
Â…K
Ç
'̅
(7.5)
ŠÖ@
∙ 100%
w
= ×Õ
ØÖ@
B
Ø
(7.6)
(7.7)
Für den Intraoperator-Vergleich wurden sechs Datensätze von einem
Benutzer je dreimal analysiert. Der größte Anteil der Benutzerinteraktion
wird bei der Knochensegmentierung benötigt. Einige Gefäße verlaufen
nah am Knochen, daher werden sie bei der Knochensegmentierung
miterfasst
und
müssen
anschließend
manuell
aus
der
Knochensegmentierung wieder ausgeschlossen werden. Aus diesem
Grund ergaben sich teils starke Schwankungen in den Parameterwerten
für den Intra- (0,74 - 5,01%) und den Inter-Operator-Vergleich (0,62 6,02%) (Tabelle 11).
Die größten Variationen ergaben sich bei der Berechnung der
/
(zwischen 2,04-3,3% bei Intra- und 2,77-6,0% bei Inter-OperatorVergleich). Auch
zeigte die große Schwankungen (Intra: 2,04-5,01%,
Inter: 2,91-6,02%). Diese beiden Parameter hängen von dem Ergebnis der
Segmentierung ab. Wird ein Gefäß mit den Knochen segmentiert oder ein
Knochenteil als Gefäß, wirkt sich das auf die Berechnung von diesen zwei
Parametern. Bei . ℎ war die Variation nicht sehr hoch. Die Modell-
Validierung
85
abhängigen Parameter hängen von der Variation des Gefäßvolumens und
Gefäßoberfläche ab und variieren entsprechend.
Tabelle 11: Variazionskoeffizienten
Vergleich
6
³™
•0¡
Â…K
in % für den Inter-Intra-Operator
•0@
•0B
•0C
Inter
2,5
2,2
1,5
1,7
6%™
Intra
1,6
0,6
1,0
1,6
Inter
6,0
3,0
2,8
4,7
Intra
3,3
2,0
2,6
2,5
Inter
6,0
2,9
4,1
4,9
. ℎ
6μ ™
Intra
5,0
2,5
2,0
4,1
Inter
3,1
1,8
3,7
4,7
Intra
2,4
1,8
1,3
1,3
Inter
2,0
1,5
-
-
Intra
1,3
1,4
-
-
Inter
3,9
2,2
5,0
3,1
Intra
2,7
2,0
2,0
2,6
Inter
2,0
1,5
-
-
Intra
1,3
1,4
-
-
Inter
2,8
1,8
5,6
2,8
Intra
2,2
1,8
1,8
2,2
/
6
²™
. "¼š
™
6
. "‡Ã
™
6
.
61/
.
61/
¼š
™
‡Ã
™
Außerdem ergab sich eine höhere Variation im •00 als in den anderen
Volumina. Der Grund dafür sind die Menisken, die sich im diesen VOI
befinden und zusammen mit nah verlaufenden Gefäßen segmentiert und
ausgeschlossen werden. Diese ausgeschlossenen Gefäße müssen bei
Bedarf aus dem •0•‡‘’ manuell ausgeschlossen werden.
Rechenzeit
Die komplette Analyse eines Datensatzes besteht wie beschrieben aus
mehreren Schritten:
1. Segmentierung des Knochens benötigt je nach Datensatz die
maximalste Benutzerinteraktion (ab 3 Minuten)
2. Berechnung des •0–‡Š‘— benötigt vom Benutzer nur das Setzen
eines Saatpunktes und die Berechnung erfolgt automatisch und
86
Validierung
3.
4.
5.
6.
7.
dauert 45 Sekunden. Das Ergebnis kann nach Bedarf manuell
verbessert werden
Berechnung des Kniegelenkspaltes •0›œK erfolgt automatisch und
dauert 14 Sekunden
Berechnung des Auswertevolumens •0“x ”•†’ erfolgt automatisch
und dauert 6 Sekunden
Segmentierung der Gefäße in •0“x ”•†’ erfolgt automatisch und
dauert 115 Sekunden. Auch hier besteht die Möglichkeit einer
manuellen Korrektur
Berechnung der Auswertevolumina •00, •01, •02 und •03
erfolgt automatisch und dauert 8 Sekunden
Berechnung der Analyseparameter erfolgt automatisch und dauert
9 Minuten
Insgesamt
dauert
die
Auswertung
je
nach
Aufwand
der
Benutzerinteraktion 15 Minuten oder länger. Alle Berechnungen wurden
auf folgendem Computer durchgeführt:
Prozessor
Intel Xeon CPU E31270, 3,40 GHz, 4 core
Arbeitsspeicher
16,0 GB
Systemtyp
64-Bit Betriebssystem
7.4 Diskussion
In dieser Arbeit wurde zum ersten Mal die 3D quantitative Analyse der
Vaskularisierung im Mausmodell mittels µCT Daten entwickelt. Dafür
wurde ein neues 3D Analysevolumen definiert und eine neuartige
Kombination zweier existierenden Segmentierungsverfahren entwickelt.
Für die Validierung des Segmentierungsverfahrens und die Untersuchung
der Richtigkeit der Analyseparameter wurde ein Programm entwickelt, das
beliebige digitale Gefäßbaummodelle erzeugen und modifizieren kann. Mit
der
entwickelten
Analysesoftware
wurden
anschließend
zwei
Mausgruppen untersucht und die Differenzen der Analyseparameter
wurden statistisch verglichen.
In der Literatur gibt es keine Definition von der Untersuchungsregion, die
für die Messung der Änderungen in der Vaskularisierung im Verlauf der
RA verwendet wurde. Unterschiedliche Autoren verwendeten
unterschiedliche Regionen, unterschiedliche Untersuchungstechniken und
unterschiedliche Analyseparameter. Insgesamt folgte aus der
Literaturrecherche, dass angiogenetische Veränderungen im Verlauf der
Validierung
87
RA in der Synovia zu erwarten sind. In µCT-Aufnahmen kann die
synoviale Membran, die Synovia von dem umgebenden Gewebe und
Muskeln abgrenzt, wegen des Kontrastmangels nicht dargestellt werden.
Aus diesem Grund wurde mit einem kugelförmigen Volumen die Form der
Synovia und Gelenkkapsel approximiert. Dieses Volumen wurde abhängig
von der Größe und Zentrum des Kniegelenkspalts erzeugt und
positioniert. Somit konnte ein reproduzierbares von einem Benutzer
unabhängiges Untersuchungsvolumen berechnet werden, das für
unterschiedlich große Tiere verwendet werden kann.
Die Gefäßsegmentierung erfolgte nach dem Ausschließen des Knochens
und sollte zwischen Gefäßen und Weichteilgewebe unterscheiden. Die
Verwendung eines Intensitätswertbasierten adaptiven Volume Growing
Verfahrens erhöhte die Anpassungsvariation an die unterschiedlich
verrauschten Datenstrukturen. Allerdings konnte dieses Verfahren in den
nah am Knochen liegenden Bereichen wegen der Bildartefakte
(Teilvolumenartefakt, Strahlaufhärtung) nicht verwendet werden. Aus
diesem Grund wurde ein Modellbasiertes Segmentierungsverfahren in
diesen kritischen Bereichen verwendet. Wegen des Bildrauschens und
des Teilvolumenartefaktes entstanden in den segmentierten Gefäßen viele
Unterbrechungen. Ein weiterer Grund könnte ungleichmäßiges
Gefäßausfüllen mit Kontrastmittel sowie Gefäßfehlbildungen bei den
hTNFtg-Mäusen sein. Die unverbundenen Gefäßsegmente können
eventuell mit entsprechenden Algorithmen verbunden werden.
Für die Analyse der segmentierten Gefäße wurden die aus der Literatur
bekannten Parameter verwendet, die auch in der Histomorphometrie für
die Knochenanalyse verwendet werden. Es wurden Modell-abhängige
sowie Modell-unabhängige Parameter bestimmt. Bei der Validierung der
Messgenauigkeit der Gefäßdicke zeigte
. ℎšš die kleinsten
Abweichungen von dem wahren Wert. Aus diesem Grund wurde für die
Berechnung der Gefäßdicke in weiteren Untersuchungen nur dieser
Modell-unabhängige Parameter verwendet.
Die Untersuchung zweier Mausgruppen zeigte viele signifikante
Unterschiede zwischen hTNFtg- und WT-Mäusen. Aus der Literatur ist bei
RA bekannt:
•
•
•
•
Signifikante Vergrößerung des synovialen Bereichs
Signifikant erhöhte Anzahl der Gefäße (∅ > 10μ )
Kein Unterschied in der Anzahl der Kapillaren (∅ < 10μ ) [88]
Signifikante Reduktion der Anzahl der Kapillaren (∅ < 10μ )
sowie Erhöhung des Kapillardurchmessers [76]
88
Validierung
Aus den zwei letzten Punkten ist es ersichtlich, wie widersprüchlich einige
Ergebnisse sind. Das kommt anscheinend wegen der Unterschiede in der
Untersuchungsregion zu Stande. Wegen der Auflösung von 15 µm
konnten in dieser Arbeit keine Kapillare dargestellt werden. Aus diesem
Grund wurden nur die Gefäße untersucht. Es wurden vier unterschiedliche
Auswertevolumina definiert, um die Homogenität der Änderungen in
unterschiedlichen Volumen zu untersuchen. Insgesamt konnte die
Erhöhung des Gesamtvolumens in allen Untersuchungsvolumina in der
RA-Gruppe gemessen werden, diese Erhöhung war aber nicht signifikant.
Ein Parameter, der in allen Volumina signifikant unterschiedlich war, ist die
Gefäßdichte (Gefäßvolumen pro Gesamtvolumen). In den drei äußeren
Volumina war die Gefäßdichte bei RA signifikant erhöht und im inneren
Volumen (enthält den Gelenkspalt) signifikant erniedrigt. Als erstes schien
das Ergebnis im Widerspruch zu den aus der Literatur vorgestellten
Ergebnissen, die eine signifikante Erhöhung der Gefäßdichte bei RA
berichtet haben. Allerdings konnten die Ergebnisse nicht direkt verglichen
werden, da die Untersuchungsbereiche sich sehr unterscheiden. Um
diesen
Widerspruch
besser
zu
verstehen,
wurden
weitere
Analyseparameter miteinander verglichen. Die Gefäßoberfläche war bei
der RA-Gruppe in den drei äußeren Volumina signifikant erhöht. Im
inneren Volumen waren die Gefäßoberflächen in beiden Gruppen gleich.
Die größere Gefäßoberfläche deutet auf mehr Gefäße. Die mittlere
Gefäßdicke war in den zwei äußersten Volumina in beiden Gruppen gleich
und in den zwei inneren Volumina in der RA-Gruppe signifikant kleiner als
in WT-Gruppe. Die Reduktion der mittleren Gefäßdicke bedeutet die
Erhöhung der Anzahl der dünnen Gefäße. Die Reduktion der mittleren
Gefäßdicke und des Gefäßvolumens bei RA bei gleichzeitig identischer
Gefäßoberfläche beider Gruppen bedeutet folgende Änderungen in der
Vaskularisierung bei RA: die wenigen dicken Gefäßen im
Gelenkspaltvolumen werden durch vielen dünnen Gefäßen ersetzt.
Dadurch reduziert sich die mittlere Gefäßdicke und das Gefäßvolumen,
die Gefäßoberfläche bleibt dagegen unverändert. Auch die Untersuchung
der Gefäßdickenverteilung bestätigte diese Annahmen. Allerdings fehlt die
Bestätigung dieser Annahmen durch die anderen Studien, die wegen der
bereits erwähnten Unterschiede in der Auswertungstechnik kaum
vergleichbar sind.
Auf jedem Fall müssen weiteren Untersuchungen durchgeführt werden,
um diese Ergebnisse zu bestätigen oder zu widerlegen.
Die größte Schwierigkeit bei der Gefäßsegmentierung liegt in der
Ähnlichkeit der Intensitätswerte des Knochens und des Kontrastmittels.
Um die Gefäße überhaupt segmentieren zu können, muss der Knochen
Validierung
89
entfernt werden. Das wird laut Literatur mit Hilfe von Dekalzifizierung der
Proben erreicht. Um diese aufwendige Prozedur nicht durchführen zu
müssen, wurde mit Hilfe von früher entwickelten Verfahren versucht, die
Knochen algorithmisch auszuschließen. Das Ausschließen von Knochen
benötigt die meiste Benutzerinteraktion von dem ganzen entwickelten
Verfahren zur Gefäßquantifizierung. Es müssen je nach Datensatz mehr
oder weniger manuelle Korrekturen durchgeführt werden. Die kleinen
Gefäße, die an den Menisken entlang verlaufen, müssen aus der
Knochensegmentierung entfernt werden. Es wurde versucht mit
unterschiedlichen Schwellen und zusätzlichen morphologischen
Operationen diesen Nachbearbeitungsbedarf zu reduzieren, jedoch ohne
großen Erfolg. Mit dem Intensitätswertebasierten Volume Growing war es
unmöglich, die Gefäße und Knochen klar und voll automatisch zu trennen.
Eine
Verbesserungsmöglichkeit
könnte
die
Modell-basierte
Segmentierung des Knochens sein. Die Entwicklung solches Verfahrens
war aber nicht Teil dieser Arbeit, die nur Segmentierung und
Quantifizierung der Gefäße beinhaltete.
Ein weiteres Problem ist die lange Rechenzeit bei der Berechnung
Gefäßskeletts. Diese Berechnungen können aber mit Hilfe
Parallelisieren
beschleunigt
werden. Allerdings
benötigen
Berechnungen keine Benutzerinteraktion und können automatisiert
einem Script-Programm ausgeführt werden.
des
von
die
mit
90
Validierung
Zusammenfassung und Ausblick
91
8 Zusammenfassung und Ausblick
In der vorliegenden Arbeit wurde ein automatisches Verfahren zur
Segmentierung
und
Quantifizierung
der
Vaskularisierung
der
Kniegelenkkapsel im Mausmodell vorgestellt.
Durch eine semiautomatische Knochensegmentierung
und den
Ausschluss des Knochens aus der Segmentierungsregion ist die
Dekalzifizierung des Knochens vor der Gefäßsegmentierung nicht mehr
nötig.
Eine anatomisch relevante Kugel-VOI für die Gefäßsegmentierung
erlaubt den Vergleich zwischen unterschiedlichen Mäusen unabhängig
von der Orientierung und Probengröße.
Die Kombination zweier unterschiedlicher Segmentierungserfahren
(Intensitäts- (LAT) und formbasiert (MS)) ermöglicht eine niedrige Rauschund Auflösungsabhängigkeit.
Es wurden verschiedene quantitative Parameter definiert,
die
Veränderungen in der Vaskularisierung in untersuchten Regionen
messen.
Um die Segmentierungsverfahren und die Analyseparameter zu
verifizieren, wurde ein Simulationstool entwickelt, das Gefäßbaummodelle
unterschiedlicher räumlicher Verteilungen erzeugen kann. Bei diesen
Modellen wurden die Gefäßdicke und die Anzahl der Abzweigungen
variiert, um Veränderungen in Analyseparametern quantitativ zu
untersuchen. Für die Berechnung der mittleren Gefäßdicke stellte sich das
Thinning-basierte Verfahren als am genaueste heraus. Bei den
Segmentierungsverfahren zeigte das LAT-Verfahren die höchste
Richtigkeit.
Zwei Mausgruppen (WT- und hTNFtg) wurden untersucht und
miteinander verglichen. Es ergaben sich viele signifikante Unterschiede
zwischen beiden Gruppen.
Da in den Segmentierungsergebnissen aufgrund einer limitierten
Ortsauflösung und möglicherweise auch einer nicht vollständigen
Gefäßausfüllung durch das Kontrastmittel noch einige Unterbrechungen
im Gefäßbaum entstehen, wäre ein zusätzliches Verfahren sinnvoll, das
die
fehlenden
Gefäßstücke
rekonstruiert
und
damit
einen
zusammenhängenden Gefäßbaum erzeugt.
92
Zusammenfassung und Ausblick
Da für die Analyseparameterberechnung bereits ein Skelett der
segmentierten Gefäße berechnet wurde, könnten die bereits verwendeten
Analyseparameter durch zusätzliche topologische Parameter erweitert
werden. Dies könnten die Anzahl der Abzweigungen, die Länge jedes
einzelnen Gefäßsegments, der Winkel der Abzweigung, der Typ der
Abzweigung und weitere Parameter sein.
Als nächster Schritt wäre die Untersuchung der Wirkung von antiangiogenetischen Medikamenten auf die Vaskularisierung zu empfehlen.
Abkürzungsverzeichnis
Abkürzungsverzeichnis
µCT Micro-Computertomographie
Anti-CCP-Antikörper Antikörpern gegen cyclische citrullinierte Peptide
BSG Blutgeschwindigkeit
CRP C-reaktive Protein
CT Computertomographie
CTA CT-Angiographie
DT Distanztransformation
FCD Funktionale Kapillardichte
FVD Funktionale Gefäßdichte, Funktionale Gefäßdichte
GBM Gefäßbaummodell
GS Globales Schwellwertverfahren
hTNFtg humane Tumornekrosefaktor transgene Mäuse
ITK Insight Segmentation and Registration Toolkit
KGS Kniegelenkspalt
LAT Lokales adaptives Schwellwertverfahren
LDF Laser-Doppler-Fluss
MIP Maximum-Intensity-Projection
MRT Magnetresonanztomographie, Magnetresonanz-tomographie
MS-Verfahren Multi-Skalen-Verfahren
NIAMS National Institut of Arthritis and Musculosceletal and Skin
Deseases
RA Rheumatoide Arthritis
93
94
SRV Signal-Rauschen-Verhältnis
TV Total Volume
V.D Vessel Density
V.N Vessel Number
V.S Vessel Surface
V.Sp Vessel Spacing
V.Th Vessel Thickness
VOI Volume of Interest
ZZG Zufallszahlengenerator
Abkürzungsverzeichnis
Danksagung
95
Danksagung
An dieser Stelle möchte ich mich beim Prof. K. Engelke für sehr
spannende und interessante Aufgabestellung und seine immer
unterstützende und nette Art bedanken. Ich bedanke mich auch beim Prof.
W.A. Kalender für sein immer offenes Ohr, seine beeindruckende Liebe
zur Wissenschaft und Hilfebereitschaft. Ich bin sehr stolz an seinem
Institut gearbeitet zu haben. Mein besonderer Dank geht an Torsten
Löwitz, der mich beim Schreiben und bei der Korrektur dieser Arbeit
unterstützt hat. Außerdem bedanke ich mich bei meiner Arbeitsgruppe:
Oleg Museyko, Dominique Töpfer, Bastian Gerner und Alexander
Mühlberg für Unterstützung, für eine tolle Arbeitsatmosphäre und schöne
zusammen verbrachten Stunden. Ich werde euch sehr vermissen. Mein
großer Dank geht an Johannes Käßer für die schnellst vorbereiteten
Proben und Marek Karolczak für die Unterstützung bei der Bedienung des
µCT-Scanners. Ich bedanke mich bei Natalia, Torsten, Zhenzhen und
Qiang für die netten Mittagsstunden. Es waren drei sehr schöne Jahre, die
ich immer in Erinnerung behalten werde. Vielen Dank an alle IMPMitarbeiter, ich werde euch nicht vergessen.
96
Danksagung
Literaturverzeichnis
97
Literaturverzeichnis
1.
Adair, T.H. and J.P. Montani, in Angiogenesis2010: San Rafael (CA).
2.
Adipue, I.A., J.T. Wilcox, C. King, C.A. Rice, K.M. Shaum, C.M. Suard,
E. Brink, S.D. Miller, and E.J. McMahon, Characterization of a novel and
spontaneous mouse model of inflammatory arthritis. Arthritis Res Ther,
2011. 13(4): p. R114.
3.
Amarasekera, H.W., M.L. Costa, P. Foguet, S.J. Krikler, U. Prakash, and
D.R. Griffin, The blood flow to the femoral head/neck junction during
resurfacing arthroplasty: a comparison of two approaches using Laser
Doppler flowmetry. J Bone Joint Surg Br, 2008. 90(4): p. 442-5.
4.
Barnabe, C., E. Szabo, L. Martin, S.K. Boyd, and S.G. Barr,
Quantification of small joint space width, periarticular bone
microstructure and erosions using high-resolution peripheral quantitative
computed tomography in rheumatoid arthritis. Clin Exp Rheumatol, 2013.
5.
Bolland, B.J., J.M. Kanczler, D.G. Dunlop, and R.O. Oreffo, Development
of in vivo muCT evaluation of neovascularisation in tissue engineered
bone constructs. Bone, 2008. 43(1): p. 195-202.
6.
Bonnet, C.S. and D.A. Walsh, Osteoarthritis, angiogenesis and
inflammation. Rheumatology (Oxford), 2005. 44(1): p. 7-16.
7.
Bouxsein, M.L., S.K. Boyd, B.A. Christiansen, R.E. Guldberg, K.J.
Jepsen, and R. Muller, Guidelines for assessment of bone microstructure
in rodents using micro-computed tomography. J Bone Miner Res, 2010.
25(7): p. 1468-86.
8.
Buma, P., M. Groenenberg, P.F. Rijken, W.B. van den Berg, L. Joosten,
and H. Peters, Quantitation of the changes in vascularity during arthritis
in the knee joint of a mouse with a digital image analysis system. Anat
Rec, 2001. 262(4): p. 420-8.
9.
Callis, G. and D. Sterchi, Decalcification of Bone: Literature Review and
Practical Study of Various Decalcifying Agents. Methods, and Their
Effects on Bone Histology. Journal of Histotechnology, 1998. 21(1): p. 4958.
10.
Carmeliet, P., L. Moons, and D. Collen, Mouse models of angiogenesis,
arterial stenosis, atherosclerosis and hemostasis. Cardiovasc Res, 1998.
39(1): p. 8-33.
98
Literaturverzeichnis
11.
Caselles, V., R. Kimmel, and G. Sapiro, Geodesic Active Contours.
International Journal of Computer Vision, 1997. 22(1): p. 61-79.
12.
Clavel, G., C. Valvason, K. Yamaoka, D. Lemeiter, L. Laroche, M.C.
Boissier, and N. Bessis, Relationship between angiogenesis and
inflammation in experimental arthritis. Eur Cytokine Netw, 2006. 17(3):
p. 202-10.
13.
Conversano, F., R. Franchini, C. Demitri, L. Massoptier, F. Montagna, A.
Maffezzoli, A. Malvasi, and S. Casciaro, Hepatic vessel segmentation for
3D planning of liver surgery experimental evaluation of a new fully
automatic algorithm. Acad Radiol, 2011. 18(4): p. 461-70.
14.
Cuisenaire, O., Distance transformations: fast algorithms and applications
to medical image processing, 1999.
15.
Day, J.S., M. Ding, A. Odgaard, D.R. Sumner, I. Hvid, and H. Weinans,
Parallel plate model for trabecular bone exhibits volume fractiondependent bias. Bone, 2000. 27(5): p. 715-20.
16.
Deschamps, T., P. Schwartz, D. Trebotich, P. Colella, D. Saloner, and R.
Malladi, Vessel segmentation and blood flow simulation using Level-Sets
and Embedded Boundary methods. International Congress Series, 2004.
1268(0): p. 75-80.
17.
Detert, J., H. Bastian, and G.R. Burmester, [Update of early arthritis and
early rheumatoid arthritis]. Dtsch Med Wochenschr, 2005. 130(33): p.
1891-6.
18.
Ding, W.G., W.H. Yan, Z.X. Wei, and J.B. Liu, Difference in intraosseous
blood vessel volume and number in osteoporotic model mice induced by
spinal cord injury and sciatic nerve resection. J Bone Miner Metab, 2012.
30(4): p. 400-7.
19.
Dohn, U.M., B.J. Ejbjerg, M. Hasselquist, E. Narvestad, M. Court-Payen,
M. Szkudlarek, J. Moller, H.S. Thomsen, and M. Ostergaard, Rheumatoid
arthritis bone erosion volumes on CT and MRI: reliability and
correlations with erosion scores on CT, MRI and radiography. Ann
Rheum Dis, 2007. 66(10): p. 1388-92.
20.
Dominique Töpfer, S.F., Oleg Museyko, Georg Schett, Klaus Engelke,
Segmentation and quantification of bone erosions in high resolution
peripheral quantitative computed tomography datasets of the
metacarpophalangeal joints of patients with rheumatoid arthritis. 2013.
21.
Duvall, C.L., W.R. Taylor, D. Weiss, and R.E. Guldberg, Quantitative
microcomputed tomography analysis of collateral vessel development
Literaturverzeichnis
99
after ischemic injury. Am J Physiol Heart Circ Physiol, 2004. 287(1): p.
H302-10.
22.
Engelke, K., M. Karolczak, A. Lutz, U. Seibert, S. Schaller, and W.
Kalender, [Micro-CT. Technology and application for assessing bone
structure]. Radiologe, 1999. 39(3): p. 203-12.
23.
FEI, An introduction to electron microscopy, 2010.
24.
Fei, J., F. Peyrin, L. Malaval, L. Vico, and M.H. Lafage-Proust, Imaging
and quantitative assessment of long bone vascularization in the adult rat
using microcomputed tomography. Anat Rec (Hoboken), 2010. 293(2): p.
215-24.
25.
Fei, Z., R. Bhotika, P.R.S. Mendonca, N. Krahnstoever, and J.V. Miller.
Adaptive intensity models for probabilistic tracking of 3D vasculature. in
Biomedical Imaging: From Nano to Macro, 2010 IEEE International
Symposium on. 2010.
26.
Fonsatti, E., M. Altomonte, M.R. Nicotra, P.G. Natali, and M. Maio,
Endoglin (CD105): a powerful therapeutic target on tumor-associated
angiogenetic blood vessels. Oncogene, 2003. 22(42): p. 6557-63.
27.
Frangi, A.F., W.J. Niessen, R.M. Hoogeveen, T. van Walsum, and M.A.
Viergever, Model-based quantitation of 3-D magnetic resonance
angiographic images. IEEE Trans Med Imaging, 1999. 18(10): p. 946-56.
28.
Fredriksson, I., M. Larsson, and T. Stromberg, Measurement depth and
volume in laser Doppler flowmetry. Microvasc Res, 2009. 78(1): p. 4-13.
29.
Gluer, C.C., G. Blake, Y. Lu, B.A. Blunt, M. Jergas, and H.K. Genant,
Accurate assessment of precision errors: how to measure the
reproducibility of bone densitometry techniques. Osteoporos Int, 1995.
5(4): p. 262-70.
30.
Grabherr, S., F. Doenz, B. Steger, R. Dirnhofer, A. Dominguez, B.
Sollberger, E. Gygax, E. Rizzo, C. Chevallier, R. Meuli, and P. Mangin,
Multi-phase post-mortem CT angiography: development of a standardized
protocol. Int J Legal Med, 2011. 125(6): p. 791-802.
31.
Grabherr, S., A. Hess, M. Karolczak, M.J. Thali, S.D. Friess, W.A.
Kalender, R. Dirnhofer, and V. Djonov, Angiofil-mediated visualization of
the vascular system by microcomputed tomography: a feasibility study.
Microsc Res Tech, 2008. 71(7): p. 551-6.
32.
Heimann, T., Optimierung des Segmentierungsvorgangs und Evaluation
der Ergebnisse in der medizinischen Bildverarbeitung, 2003, Deutsches
Krebsforschungszentrum Heidelberg mbi, Technical Report.
100
Literaturverzeichnis
33.
Heinzer, S., T. Krucker, M. Stampanoni, R. Abela, E.P. Meyer, A.
Schuler, P. Schneider, and R. Muller, Hierarchical microimaging for
multiscale analysis of large vascular networks. Neuroimage, 2006. 32(2):
p. 626-36.
34.
Hildebrand, T. and P. Rüegsegger, A new method for the modelindependent assessment of thickness in three-dimensional images. J
Microsc, 1997. 185(1): p. 67-75.
35.
Hinkel, R., C. Lebherz, M. Fydanaki, A. Wuchrer, C. El-Aouni, M.
Thormann, E. Thein, C. Kupatt, and P. Boekstegers, Angiogenetic
potential of ad2/hif-1alpha/vp16 after regional application in a preclinical
pig model of chronic ischemia. Curr Vasc Pharmacol, 2013. 11(1): p. 2937.
36.
Hua, L. and A. Yezzi, Vessels as 4-D Curves: Global Minimal 4-D Paths
to Extract 3-D Tubular Surfaces and Centerlines. Medical Imaging, IEEE
Transactions on, 2007. 26(9): p. 1213-1223.
37.
Hüner, K. Aktive Konturen. 2002.
38.
Jiang, Y., J. Zhao, D.L. White, and H.K. Genant, Micro CT and Micro MR
imaging of 3D architecture of animal skeleton. J Musculoskelet Neuronal
Interact, 2000. 1(1): p. 45-51.
39.
Kachelriess, M., K. Sourbelle, and W.A. Kalender, Empirical cupping
correction: a first-order raw data precorrection for cone-beam computed
tomography. Med Phys, 2006. 33(5): p. 1269-74.
40.
Kalender, W.A., Computertomographie, 2000, München: Publicis MCD
Werbeagentur GmbH.
41.
Kang, Y., 3D Quantitative Computed Tomography (QCT) of the Proximal
Femur, in Institute for medical physics2002, University Erlangen.
42.
Kennedy, A., C.T. Ng, M. Biniecka, T. Saber, C. Taylor, J. O'Sullivan,
D.J. Veale, and U. Fearon, Angiogenesis and blood vessel stability in
inflammatory arthritis. Arthritis Rheum, 2010. 62(3): p. 711-21.
43.
Korb-Pap, A., A. Stratis, K. Muhlenberg, B. Niederreiter, S. Hayer, F.
Echtermeyer, R. Stange, J. Zwerina, T. Pap, H. Pavenstadt, G. Schett, J.S.
Smolen, and K. Redlich, Early structural changes in cartilage and bone
are required for the attachment and invasion of inflamed synovial tissue
during destructive inflammatory arthritis. Ann Rheum Dis, 2012. 71(6): p.
1004-11.
44.
Korfiatis, P.D., C. Kalogeropoulou, A.N. Karahaliou, A.D. Kazantzi, and
L.I. Costaridou, Vessel tree segmentation in presence of interstitial lung
Literaturverzeichnis
101
disease in MDCT. IEEE Trans Inf Technol Biomed, 2011. 15(2): p. 21420.
45.
Laib, A. and P. Ruegsegger, Comparison of structure extraction methods
for in vivo trabecular bone measurements. Comput Med Imaging Graph,
1999. 23(2): p. 69-74.
46.
Langer, M., R. Prisby, Z. Peter, R. Boistel, M.H. Lafage-Proust, and F.
Peyrin, Quantitative investigation of bone microvascularization from 3D
synchrotron micro-computed tomography in a rat model. Conf Proc IEEE
Eng Med Biol Soc, 2009. 2009: p. 1004-7.
47.
Langer, M., R. Prisby, Z. Peter, A. Guignandon, M.H. Lafage-Proust, and
F. Peyrin, Simultaneous 3D Imaging of Bone and Vessel Microstructure in
a Rat Model. Nuclear Science, IEEE Transactions on, 2011. 58(1): p. 139145.
48.
Law, M.W. and A.C. Chung, A deformable surface model for vascular
segmentation. Med Image Comput Comput Assist Interv, 2009. 12(Pt 2):
p. 59-67.
49.
Lee, T.C., R.L. Kashyap, and C.N. Chu, Building Skeleton Models via 3-D
Medial Surface Axis Thinning Algorithms. CVGIP: Graphical Models and
Image Processing, 1994. 56(6): p. 462-478.
50.
Li, H., A. Yezzi, and L. Cohen, 3D multi-branch tubular surface and
centerline extraction with 4D iterative key points. Med Image Comput
Comput Assist Interv, 2009. 12(Pt 2): p. 1042-50.
51.
Limbourg, A., T. Korff, L.C. Napp, W. Schaper, H. Drexler, and F.P.
Limbourg, Evaluation of postnatal arteriogenesis and angiogenesis in a
mouse model of hind-limb ischemia. Nat Protoc, 2009. 4(12): p. 1737-46.
52.
Lindblad, S. and E. Hedfors, Intraarticular variation in synovitis. Local
macroscopic and microscopic signs of inflammatory activity are
significantly correlated. Arthritis Rheum, 1985. 28(9): p. 977-86.
53.
Lo, P., J. Sporring, H. Ashraf, J.J. Pedersen, and M. de Bruijne, Vesselguided airway tree segmentation: A voxel classification approach. Med
Image Anal, 2010. 14(4): p. 527-38.
54.
Lu, J., Advanced Methods for the Quantification of Trabecular Bone
Structure and Density in Micro Computed Tomography Images, in
Medizinische Fakultät2011, Friedrich-Alexander-Universität ErlangenNürnberg: Shaker Verlag Aachen 2011. p. 93.
55.
Manniesing, R. and W. Niessen, Local Speed Functions in Level Set Based
Vessel Segmentation, in Medical Image Computing and Computer-
102
Literaturverzeichnis
Assisted Intervention – MICCAI 2004, C. Barillot, D. Haynor, and P.
Hellier, Editors. 2004, Springer Berlin Heidelberg. p. 475-482.
56.
Manniesing, R., B.K. Velthuis, M.S. van Leeuwen, I.C. van der Schaaf,
P.J. van Laar, and W.J. Niessen, Level set based cerebral vasculature
segmentation and diameter quantification in CT angiography. Med Image
Anal, 2006. 10(2): p. 200-14.
57.
Marxen, M., M.M. Thornton, C.B. Chiarot, G. Klement, J. Koprivnikar,
J.G. Sled, and R.M. Henkelman, MicroCT scanner performance and
considerations for vascular specimen imaging. Med Phys, 2004. 31(2): p.
305-13.
58.
McInnes, I.B. and G. Schett, The pathogenesis of rheumatoid arthritis. N
Engl J Med, 2011. 365(23): p. 2205-19.
59.
Mille, J. and L.D. Cohen. 3D CTA image segmentation with a generalized
cylinder-based tree model. in Biomedical Imaging: From Nano to Macro,
2010 IEEE International Symposium on. 2010.
60.
Misharin, A.V., G.K. Haines, 3rd, S. Rose, A.K. Gierut, R.S. Hotchkiss,
and H. Perlman, Development of a new humanized mouse model to study
acute inflammatory arthritis. J Transl Med, 2012. 10: p. 190.
61.
Morse, B.S., Segmentation, in Lecture2000: Brigham Young University.
62.
Muller-Ladner, U., T. Pap, R.E. Gay, M. Neidhart, and S. Gay,
Mechanisms of disease: the molecular and cellular basis of joint
destruction in rheumatoid arthritis. Nat Clin Pract Rheumatol, 2005. 1(2):
p. 102-10.
63.
Niiyama, H., N.F. Huang, M.D. Rollins, and J.P. Cooke, Murine model of
hindlimb ischemia. J Vis Exp, 2009(23).
64.
Norden, A.D., J. Drappatz, and P.Y. Wen, Novel anti-angiogenic therapies
for malignant gliomas. The Lancet Neurology, 2008. 7(12): p. 1152-1160.
65.
Notzli, H.P., K.A. Siebenrock, A. Hempfing, L.E. Ramseier, and R. Ganz,
Perfusion of the femoral head during surgical dislocation of the hip.
Monitoring by laser Doppler flowmetry. J Bone Joint Surg Br, 2002.
84(2): p. 300-4.
66.
Nyangoga, H., P. Mercier, H. Libouban, M.F. Basle, and D. Chappard,
Three-dimensional characterization of the vascular bed in bone metastasis
of the rat by microcomputed tomography (MicroCT). PLoS One, 2011.
6(3): p. e17336.
Literaturverzeichnis
103
67.
Paleolog, E.M., Angiogenesis in rheumatoid arthritis. Arthritis Res, 2002.
4 Suppl 3: p. S81-90.
68.
Pan, R., Y. Dai, X. Gao, and Y. Xia, Scopolin isolated from Erycibe
obtusifolia Benth stems suppresses adjuvant-induced rat arthritis by
inhibiting inflammation and angiogenesis. Int Immunopharmacol, 2009.
9(7-8): p. 859-69.
69.
Pandya, N.M., N.S. Dhalla, and D.D. Santani, Angiogenesis—a new target
for future therapy. Vascul Pharmacol, 2006. 44(5): p. 265-274.
70.
Paragios, N. and R. Deriche, Geodesic active contours and level sets for
the detection and tracking of moving objects. Pattern Analysis and
Machine Intelligence, IEEE Transactions on, 2000. 22(3): p. 266-280.
71.
Parfitt, A.M., C.H. Mathews, A.R. Villanueva, M. Kleerekoper, B. Frame,
and D.S. Rao, Relationships between surface, volume, and thickness of
iliac trabecular bone in aging and in osteoporosis. Implications for the
microanatomic and cellular mechanisms of bone loss. J Clin Invest, 1983.
72(4): p. 1396-409.
72.
Peyrin, F., D. Attali, C. Chappard, and C.L. Benhamou, Local plate/rod
descriptors of 3D trabecular bone micro-CT images from medial axis
topologic analysis. Med Phys, 2010. 37(8): p. 4364-76.
73.
Pickens, S.R., M.V. Volin, A.M. Mandelin, 2nd, J.K. Kolls, R.M. Pope,
and S. Shahrara, IL-17 contributes to angiogenesis in rheumatoid arthritis.
J Immunol, 2010. 184(6): p. 3233-41.
74.
Puchner, A., S. Hayer, B. Niederreiter, A. Hladik, S. Blueml, M. Bonelli,
C. Scheinecker, J. Smolen, and K. Redlich, Effects of 18betaGlycyrrhetinic acid in hTNFtg mice - a model of rheumatoid arthritis.
Wien Klin Wochenschr, 2012. 124(5-6): p. 170-6.
75.
Qian, X., M.P. Brennan, D.P. Dione, W.L. Dobrucki, M.P. Jackowski,
C.K. Breuer, A.J. Sinusas, and X. Papademetris, A non-parametric vessel
detection method for complex vascular structures. Med Image Anal, 2009.
13(1): p. 49-61.
76.
Raatz, Y., S. Ibrahim, M. Feldmann, and E. Paleolog, Gene expression
profiling and functional analysis of angiogenic markers in murine
collagen-induced arthritis. Arthritis Res Ther, 2012. 14(4): p. R169.
77.
Redlich, K., B. Gortz, S. Hayer, J. Zwerina, N. Doerr, P. Kostenuik, H.
Bergmeister, G. Kollias, G. Steiner, J.S. Smolen, and G. Schett, Repair of
local bone erosions and reversal of systemic bone loss upon therapy with
anti-tumor necrosis factor in combination with osteoprotegerin or
104
Literaturverzeichnis
parathyroid hormone in tumor necrosis factor-mediated arthritis. Am J
Pathol, 2004. 164(2): p. 543-55.
78.
Reece, R.J., J.D. Canete, W.J. Parsons, P. Emery, and D.J. Veale, Distinct
vascular patterns of early synovitis in psoriatic, reactive, and rheumatoid
arthritis. Arthritis Rheum, 1999. 42(7): p. 1481-4.
79.
Remy, E. and E. Thiel, Exact medial axis with euclidean distance. Image
and Vision Computing, 2005. 23(2): p. 167-175.
80.
Risau, W., Mechanisms of angiogenesis. Nature, 1997. 386(6626): p. 6714.
81.
Saito, T. and J.-I. Toriwaki, New algorithms for euclidean distance
transformation of an n-dimensional digitized picture with applications.
Pattern Recognition, 1994. 27(11): p. 1551-1565.
82.
Sato, Y., S. Nakajima, N. Shiraga, H. Atsumi, S. Yoshida, T. Koller, G.
Gerig, and R. Kikinis, Three-dimensional multi-scale line filter for
segmentation and visualization of curvilinear structures in medical
images. Med Image Anal, 1998. 2(2): p. 143-68.
83.
Schaap, M., T. van Walsum, L. Neefjes, C. Metz, E. Capuano, M. de
Bruijne, and W. Niessen, Robust shape regression for supervised vessel
segmentation and its application to coronary segmentation in CTA. IEEE
Trans Med Imaging, 2011. 30(11): p. 1974-86.
84.
Schemitsch, E.H., M.J. Kowalski, and M.F. Swiontkowski, Evaluation of
a laser Doppler flowmetry implantable fiber system for determination of
threshold thickness for flow detection in bone. Calcif Tissue Int, 1994.
55(3): p. 216-22.
85.
Schett, G., Rheumatoid arthritis: inflammation and bone loss. Wien Med
Wochenschr, 2006. 156(1-2): p. 34-41.
86.
Schett, G. and S.L. Teitelbaum, Osteoclasts and Arthritis. J Bone Miner
Res, 2009. 24(7): p. 1142-1146.
87.
Schmidt, K., Arthroskopische Eingriffe, in Rheumaorthopädie2005,
Steinkopff. p. 361-365.
88.
Schmitt-Sody, M., J. Landes, S.P. Zysk, C. Pellengahr, F. Krombach, H.J.
Refior, K. Messmer, and A. Veihelmann, Quantitative assessment of
angiogenesis in murine antigen-induced arthritis by intravital
fluorescence microscopy. J Vasc Res, 2003. 40(5): p. 460-6.
89.
Schneider, P., T. Krucker, E. Meyer, A. Ulmann-Schuler, B. Weber, M.
Stampanoni, and R. Müller, Simultaneous 3D visualization and
Literaturverzeichnis
105
quantification of murine bone and bone vasculature using micro-computed
tomography and vascular replica. Microsc Res Tech, 2009. 72(9): p. 690701.
90.
Scott, D.L., F. Wolfe, and T.W. Huizinga, Rheumatoid arthritis. Lancet,
2010. 376(9746): p. 1094-108.
91.
Sekiguchi, H., N. Sugimoto, S. Eiho, T. Hanakawa, and S. Urayama,
Blood vessel segmentation for head MRA using branch-based region
growing. Syst. Comput. Japan, 2005. 36(5): p. 80-88.
92.
Shang, Y., R. Deklerck, E. Nyssen, A. Markova, J. de Mey, X. Yang, and
K. Sun, Vascular active contour for vessel tree segmentation. IEEE Trans
Biomed Eng, 2011. 58(4): p. 1023-32.
93.
Strunk, J., U. Lange, and U. Muller-Ladner, [Rheumatoid arthritis]. Dtsch
Med Wochenschr, 2005. 130(30): p. 1761-8; quiz 1769-72.
94.
Szekanecz, Z., T. Besenyei, G. Paragh, and A.E. Koch, Angiogenesis in
rheumatoid arthritis. Autoimmunity, 2009. 42(7): p. 563-73.
95.
Toyama, K., O. Honmou, K. Harada, J. Suzuki, K. Houkin, H. Hamada,
and J.D. Kocsis, Therapeutic benefits of angiogenetic gene-modified
human mesenchymal stem cells after cerebral ischemia. Exp Neurol, 2009.
216(1): p. 47-55.
96.
Vajkoczy, P., A. Ullrich, and M.D. Menger, Intravital fluorescence
videomicroscopy to study tumor angiogenesis and microcirculation.
Neoplasia, 2000. 2(1-2): p. 53-61.
97.
van 't Klooster, R., P.J. de Koning, R.A. Dehnavi, J.T. Tamsma, A. de
Roos, J.H. Reiber, and R.J. van der Geest, Automatic lumen and outer wall
segmentation of the carotid artery using deformable three-dimensional
models in MR angiography and vessel wall images. J Magn Reson
Imaging, 2012. 35(1): p. 156-65.
98.
van Vliet, M., C.F. van Dijke, P.A. Wielopolski, T.L. ten Hagen, J.F.
Veenland, A. Preda, A.J. Loeve, A.M. Eggermont, and G.P. Krestin, MR
angiography of tumor-related vasculature: from the clinic to the microenvironment. Radiographics, 2005. 25 Suppl 1: p. S85-97; discussion S978.
99.
Vandoorne, K., J. Magland, V. Plaks, A. Sharir, E. Zelzer, F. Wehrli, B.A.
Hemmings, A. Harmelin, and M. Neeman, Bone vascularization and
trabecular bone formation are mediated by PKB alpha/Akt1 in a genedosage-dependent manner: in vivo and ex vivo MRI. Magn Reson Med,
2010. 64(1): p. 54-64.
106
Literaturverzeichnis
100.
Veihelmann, A., G. Szczesny, D. Nolte, F. Krombach, H.J. Refior, and K.
Messmer, A novel model for the study of synovial microcirculation in the
mouse knee joint in vivo. Res Exp Med (Berl), 1998. 198(1): p. 43-54.
101.
Wörz, S., 3D Parametric Intensity Models for the Localization of 3D
Anatomical Point Landmarks and 3D Segmentation of Human
Vessels2006: Akademische Verlagsgesellschaft Aka.
102.
Xiong, H., J. Wu, and J. Chen, K-means clustering versus validation
measures: a data-distribution perspective. IEEE Trans Syst Man Cybern B
Cybern, 2009. 39(2): p. 318-31.
103.
Yannaki, E., A. Papadopoulou, E. Athanasiou, P. Kaloyannidis, A.
Paraskeva, D. Bougiouklis, P. Palladas, M. Yiangou, and A.
Anagnostopoulos, The proteasome inhibitor bortezomib drastically affects
inflammation and bone disease in adjuvant-induced arthritis in rats.
Arthritis Rheum, 2010. 62(11): p. 3277-88.
104.
Yoo, S.A., H.J. Yoon, H.S. Kim, C.B. Chae, S. De Falco, C.S. Cho, and
W.U. Kim, Role of placenta growth factor and its receptor flt-1 in
rheumatoid inflammation: a link between angiogenesis and inflammation.
Arthritis Rheum, 2009. 60(2): p. 345-54.
105.
Young, P.M., P.M. Mostardi, J.F. Glockner, T.R. Vrtiska, T. Macedo, C.R.
Haider, and S.J. Riederer, Prospective comparison of cartesian acquisition
with projection-like reconstruction magnetic resonance angiography with
computed tomography angiography for evaluation of below-the-knee
runoff. J Vasc Interv Radiol, 2013. 24(3): p. 392-9.
106.
Zamir, M. and S. Phipps, Network analysis of an arterial tree. J Biomech,
1988. 21(1): p. 25-34.
107.
Zamir, M., S.M. Wrigley, and B.L. Langille, Arterial bifurcations in the
cardiovascular system of a rat. J Gen Physiol, 1983. 81(3): p. 325-35.
108.
Zhao, Q., X. Shen, W. Zhang, G. Zhu, J. Qi, and L. Deng, Mice with
increased angiogenesis and osteogenesis due to conditional activation of
HIF pathway in osteoblasts are protected from ovariectomy induced bone
loss. Bone, 2012. 50(3): p. 763-70.
109.
Zhou, C., H.P. Chan, B. Sahiner, L.M. Hadjiiski, A. Chughtai, S. Patel, J.
Wei, J. Ge, P.N. Cascade, and E.A. Kazerooni, Automatic multiscale
enhancement and segmentation of pulmonary vessels in CT pulmonary
angiography images for CAD applications. Med Phys, 2007. 34(12): p.
4567-77.
110.
Zhu, T.Y., J.F. Griffith, L. Qin, V.W. Hung, T.N. Fong, A.W. Kwok, P.C.
Leung, E.K. Li, and L.S. Tam, Bone density and microarchitecture:
Literaturverzeichnis
107
relationship between hand, peripheral, and axial skeletal sites assessed by
HR-pQCT and DXA in rheumatoid arthritis. Calcif Tissue Int, 2012.
91(5): p. 343-55.
108
Lebenslauf
Lebenslauf
Name
Svitlana Gayetskyy, geb.
Nadeyeva
Geburtsdatum
17.07.1984
Geburtsort
Sotschi, Russland
Schulabschluss
09.1991 – 05.2001
Mittelschule (Hochschulreife)
Studium
09.2001 – 06.2003
Geoinformationssysteme und
Technologien,
Bergbauuniversität Ukraine
(Abitur)
10.2004 – 09.2009
Studium Informatik an der FAU
Erlangen-Nürnberg
Schwerpunkt: Graphische
Datenverarbeitung
Berufstätigkeit
12.2006 – 03.2010
HiWi bei Fraunhofer IIS in der
Abteilung EZRT
04.2010 – 04.2013
Doktorandin am Institut für
Medizinische Physik