Bolus Harmonic Imaging zur automatischen Erkennung ischämiebedingter Perfusionsdefizite im Gehirn

Zusammenfassung Ziel: Die Diagnose zerebrovaskulärer Erkrankungen stützt sich zunehmend auf den Einsatz ultraschallbasierter Verfahren. Das kontrastmittelgestützte, transkranielle Bolus Harmonic Imaging (BHI) hat hierbei einen hohen Stellenwert. Die Auswertung der aufgezeichneten Bildsequenz erfolgt durch geübte Ärzte jedoch manuell und ist somit zeitaufwendig. Das Ziel der hier beschriebenen drei Verfahren ist die sichere, vollautomatische Erkennung von Perfusionsdefekten des Gehirns. Material und Methoden: Mit dem BHI werden Ultraschallbildsequenzen aufgezeichnet, die die Kontrastmitteldynamik im Gehirn wiedergeben. Diese Bilder werden mit drei verschiedenen Verfahren automatisch ausgewertet. Zum einen wird ein regelbasiertes System beschrieben, welches aus den aufgezeichneten Ultraschallbildern Parameterbilder extrahiert und diese mithilfe von Expertenwissen nach perfundierten und minderperfundierten Gehirnarealen klassifiziert. Zum zweiten erfolgt die Klassifikation der Gehirngebiete unüberwacht mit dem K-Means-Verfahren. Hierzu wird jedes der Parameterbilder als eine Dimension des zu klassifizierenden Merkmalsraums betrachtet, sodass eine unüberwachte Segmentierung der minderperfundierten Gehirnbereiche möglich ist. Drittens wird die gesamte Bildsequenz anhand der Kontrastmitteldynamik pixelweise klassifiziert. Hierbei kann darauf verzichtet werden, Parameterbilder extrahieren zu müssen. In allen drei Fällen ist es im Anschluss notwendig, die beim HI auftretenden Streifenartefakte automatisch zu erkennen. Abschließend wird ein Aussagenbild generiert, in dem die gefundenen Minderperfusionen markiert sind. Ergebnisse: Die drei Verfahren wurden auf einem 26 Patienten umfassenden Kollektiv klinisch validiert. Hierbei hat sich herausgestellt, dass insbesondere die Segmentierung anhand der Kontrastmitteldynamik dazu geeignet ist, Minderperfusionen automatisch zu erkennen. Es konnte auf diesem Patientenkollektiv eine Sensitivität von 100 % bei einer Spezifität von 100 % erreicht werden. Schlussfolgerungen: Alle drei Verfahren erscheinen geeignet, ischämische Gehirngebiete zu erkennen. Hierbei liefert die Klassifikation von Gehirngebieten nach der Kontrastmitteldynamik die besten Ergebnisse, da sie robust gegenüber Rauschen ist. Zudem ist es das schnellste Verfahren, da die Extraktion von Parameterbildern entfällt. Es ist notwendig, die Sensitivität und Spezifität auf einem größeren Patientenkollektiv zu validieren. Eine sichere, vollautomatische Erkennung von Perfusionsdefekten direkt am Patientenbett scheint somit möglich zu sein. Abstract Purpose: The diagnosis of ischemic stroke relies increasingly on the usage of ultrasound-based methods. One of the recent methods is the transcranial, contrast agent-based Bolus Harmonic Imaging (BHI) method. The captured image sequence is manually examined by clinical experts thus resulting in a time-consuming procedure. The purpose of this study is to evaluate three different methods to analyze BHI image sequences automatically for the detection of ischemic brain tissue. Materials and Method: BHI captures an image sequence that provides information on the dynamic behavior of the ultrasound contrast agents. This image sequence is analyzed using three different procedures. First a system relying on expert knowledge is used to determine perfusion defects. This procedure requires parametric images, which are previously extracted from the image sequence. The parameter images are then categorized by an unsupervised classification method in well-perfused and ischemic tissue by regarding the parametric images as features describing the perfusion. Thirdly, the whole image sequence can be interpreted as a pixel-by-pixel behavior out of contrast agents. The dynamic curve of each pixel can be automatically classified as perfused and ischemic tissue by the K-Means method without extracting parametric images. In all three cases a closing step is necessary for the accurate interpretation of the results. Transcranial ultrasound imaging produces typical stripe artifacts that have to be detected and eliminated. A result image is then created and provides a conclusion about perfusion reduction in brain tissue. Results: All three methods have been validated on the basis of 26 patients by clinical experts. The segmentation on the contrast agent kinetics has proven to be most effective. According to our patient database, it provides the highest detection accuracy, resulting in a sensitivity of 100 % and a specificity of 100 %. Conclusion: The presented methods seem to be adequate for detecting ischemic brain tissue. The classification of contrast agent kinetics provides the best results and has further advantages. It is robust with respect to noise and the calculation is fast because the extraction of parametric images is omitted. The very high sensitivity and specificity must be validated in a larger patient population. Reliable and automated detection of perfusion defects at the bedside seems to be possible.