Ziel dieser Arbeit war die Erstellung von Imaging-Biomarkern, die robust zwischen fibrosiertem und gesundem Lungengewebe im HR-CT unterscheiden können. Mit Hilfe morphologischer Bildverarbeitungsverfahren sollten die Charakteristika von fibrosiertem Lungengewebe verstärkt und numerisch ausgewertet werden.Hierfür wurden HR-CT-Bilddaten von 78 Patienten mit fibrosiertem Lungengewebe und 23 Patienten mit unauffälligem Lungenparenchym untersucht. Zu Beginn erfolgte eine semiautomatische Segmentierung der Schnittbilder, um anschließend die für fibrosiertes Lungengewebe typischen morphologischen Charakteristika hervorzuheben. Da diese Merkmale bei Lungengesungen nicht vorliegen, führt diese Bearbeitung zu einer Verstärkung der Unterschiede zwischen Patienten mit Lungenfibrose und Lungengesunden. Dazu erfolgte nach der Segmentierung im zweiten Schritt eine Binarisierung durch drei festgelegte Schwellenwertbereiche, um morphologische Charakteristika des Lungengewebes hervorzuheben. Im dritten Schritt wurden diese Merkmale durch vier verschiedene Kombinationen aus Closing- und Opening-Strukturelementen verstärkt.Die Ergebnisse zeigen für alle vier erstellten Parameter statistisch hoch signifikante Gruppenunterschiede. Zur Klassifizierung der insgesamt 39 Datenreihen wurden, auf einer logistischen Regressionsanalyse basierend, die AUC-Werte der ROC-Kurven bestimmt. Eine erste Auswertung erfolgte nach der Binarisierung und eine zweite Auswertung nach der Verstärkung der morphologischen Charakteristika durch Closing- und Opening-Operationen. Schon nach der Binarisierung zeigten sich AUC-Werte bis zu 0,976. Der analysierte Schwellenwertbereich S3-500; -200 HE brachte für die meisten Parameter die prädiktivsten Werte hervor. Der Parameter Cluster-Pixel/CT-Seg-Pixel im Schwellenwertbereich S3 mit einem 5×5 Pixel großem Closing- und einem 3×3 Pixel großem Opening-Strukturelement erreichte einen maximalen AUC-Wert von 0,989.Durch den ersten Arbeitsschritt der Binarisierung konnte im Schwellenwertbereich S3 robust zwischen den Gruppen mit fibrosiertem und gesundem Lungengewebe unterschieden werden. Die Verstärkung der morphologischen Charakteristika konnte eine zusätzliche Verbesserung der AUC-Werte erzielen. Eingebettet in ein Konzept, wie z. B. von Radiomics, stellt dieses Modell einen funktionierenden und robusten Imaging-Biomarker dar.
Verknüpfung zu Publikationen oder weiteren Datensätzen
