Automatische Segmentierung von kontrastmittelaufnehmenden Hirntumoren in multispektralen MR-Bilddaten mittels Backpropagation-Netzwerken

In diesem Beitrag werden topologie-optimierte Backpropagation-Netzwerke vorgestellt und evaluiert, die zur neuronalen Segmentierung kontrastmittelaufnehmender, intrakranieller Tumoren und anatomischer Strukturen in registrierten, multispektralen MR-Bildfolgen entwickelt wurden. Für das Training der Netze werden 4-dimensionale Pixelvektoren aus einer Falldatenbank mit 22 interaktiv segmentierten Hirntumoren der Typen Meningeom, Glioblastom sowie Metastase verwendet. Nach der pixelbezogenen Tumorklassifikation wird der Tumor als grö$te 3D Zusammenhangskomponente in der Menge der markierten Pixel extrahiert. In 19 Fällen (86%) konnte ein zur manuellen Segmentierung adäquates Ergebnis durch die automatische Segmentierung erzielt werden. Segmentierungsfehler, die eine interaktive Nachbarbeitung der Segmentierungsergebnisse notwendig machten, traten nur in 3 Fällen (14%) auf und waren auf die relativ geringe Kontrastmittelaufnahme der Tumoren zurückzuführen.