Segmentierung von Hirngefäßen und Blutflussanalyse in der 4D-Magnetresonanzangiographie bei zerebralen arteriovenösen Malformationen - Untersuchungen zu Hämodynamik und Gewebemarkern

Zur Planung einer invasiven Therapie für Patienten mit Gefäßfehlbildungen des Gehirns, sog. arteriovenöse Malformationen (Abk.: AVM), ist die Abschätzung des individuellen natürlichen Blutungsrisikos von entscheidender Bedeutung. Im Rahmen des Projektes wurden neue Methoden zur Segmentierung von AVMs in 3D-TOF-MRA-Bilddaten sowie zur Analyse des Blutflsuses in 4D-TREAT-MR-Bilddaten entwickelt und zur Auswertung im Rahmen von Studien in ein Softwaresystem namens AnToNIa (Abk. f.: Analysis Tool for Neuro Imaging Data) integriert.  Mithilfe der hier verfügbaren Bildanalyse- und Visualisierungsmethoden ist eine Quantifizierung und dreidimensionale Darstellung des Blutflusses bei AVM-Patienten in hoher räumlicher und zeitlicher Auflösung möglich (Abb. 1).

Abb. 1: Dynamische Darstellung des Bluteinflusses (a-i) auf einem hochaufgelösten 3D-Oberflächenmodell des zerebralen Gefäßsystems

Zur genauen Darstellung und Analyse der räumlichen Struktur des Gefäßsystems im Gehirn konnte durch das neue vierstufige Segmentierungsverfahren unter Einbeziehung von Form- und Intensitätsinformationen eine deutliche Verbesserung gegenüber etablierten Verfahren erreicht werden (Abb. 2). Für die zeitaufgelöste Magnetresonanzangiographie (TWIST/TREAT) wurde ein neues Verfahren der referenzbasierten Kurvenanpassung zur robusten Quantifizierung der Hämodynamik auf Basis von 4D-MRA-Bildsequenzen mit hoher Genauigkeit entwickelt. Im Rahmen einer Monte Carlo Simulation konnte gezeigt werden, dass die Präzision des neuen Verfahrens gegenüber den etablierten Verfahren um 59% gesteigert und dabei die Laufzeit um 33% reduziert werden konnten. Ein weiterer wesentlicher Vorteil des neuen Verfahrens ist die implizite Berücksichtigung der individuellen physiologischen Charakteristika durch die Verwendung einer Referenzkurve.

Abb. 2: 3D-Oberflächenmodell eines zerebralen Gefäßsystems von einem Patienten mit diagnostizierter AVM.
Abb. 3: Farbcodierte Darstellung der extrahierten Werte der Bolus Arrivial Time (BAT) auf einem 3D-Oberflächenmodell (links) und in einer 3D-TOF-MRA-Schicht (rechts). Anhand der BAT-Werte wird erkennbar, welche Gefäße zuerst und welche später durchflossen werden.

 Insgesamt wurden innerhalb des Projektes mehr als 50 Patienten mit der TWIST/TREAT untersucht und die Daten mittels der hier der entwickelten Software analysiert. Zunächst wurde der Zusammenhang zwischen den makrovaskulären Fluss und der mikrovaskulären Perfusion um den Nidus herum untersucht. Die Ergebnisse dieser Untersuchung sprechen für zwei Ebenen der Perfusionsbeeinträchtigung: eine makrovaskulär-territoriale und eine mikrovaskulär-lokale Ebene. Darüber hinaus wurde untersucht, ob sich AVMs mit hohem und niedrigem Blutungsrisiko hinsichtlich ihrer hämodynamischen Parameter unterscheiden. Hierbei zeigte sich statistisch robust, dass hohe arterielle Einflussgeschwindigkeiten einen Risikofaktor für eine AVM-Blutung darstellen. Das visuelle Rating und der Vergleich mit der konventionellen Angiographie sind abgeschlossen. Hierbei zeigte sich, dass die dreidimensionale flusskodierte Sichtweise auf die Daten erhebliche Vorteile bietet. Es wurden drei intranidale Flussmuster identifiziert: homogen, uni¬direktional und heterogen.

Die im Rahmen des Forschungsprojektes entwickelten Verfahren und deren Implementierung in ein benutzerfreundliches Auswertetool bilden zudem die Grundlage für diverse weitere Forschungsarbeiten, insbesondere auf dem Gebiet der Hirngefäßaneurysmen.

Das Projekt wird von der Deutschen Forschungsgemeinschaft gefördert (Ha2355/10-1).

Ausgewählte Publikationen

  1. Forkert N.D.,  Illies T., Goebell E., Fiehler J., Säring D., Handels H.,
    Computer-aided Nidus Segmentation and Angiographic Characterization of Arteriovenous Malformations,
    International Journal of Computer Assisted Radiology and Surgery, 8, 775-786, 2013
  2. Forkert N., Schmidt-Richberg A., Fiehler J., Illies T., Möller D., Säring D., Handels H., Ehrhardt J.,
    3D Cerebrovascular Segmentation combining Fuzzy Vessel Enhancement and Level-sets with Anisotropic Energy Weights,
    Magnetic Resonance Imaging, 31, 2, 262-271, 2013
  3. Forkert N., Fiehler J., Illies T., Möller D., Handels H., Säring D.,
    4D Blood Flow Visualization Fusing 3D and 4D MRA Image Sequences,
    Journal of Magnetic Resonance Imaging, 36, 2, 443-53, 2012
  4. Forkert N., Illies T., Möller D., Handels H., Säring D., Fiehler J.,
    Analysis of the Influence of 4D MRA Temporal Resolution on Time-to-Peak Estimation Accuracy for Different Cerebral Vessel Structures,
    American Journal of Neuroradiology, 33(11), 2103-2109, 2012
  5. Forkert N., Fiehler J., Schönfeld M., Sedlacik J., Regelsberger J., Handels H., Illies T.,
    Intranidal Signal Distribution in Post-contrast Time-of-Flight MRA is Associated with Rupture Risk Factors in Arteriovenous Malformations,
    Clinical Neuroradiology, Epub ahead of print, Aug. 2012, Doi 10.1007/s00062-012-0168-8
  6. Forkert N., Kaesemann P., Treszl A., Siemonson S., Cheng B., Handels H., Fiehler J., Thomalla G.,
    Comparison of 10 TTP and Tmax Estimation Techniques for MR Perfusion-Diffusion Mismatch Quantification,
    American Journal of Neuroradiology, 34, 1697-1703, 2012
  7. Forkert N., Schmidt-Richberg A., Fiehler J., Illies T., Möller D., Handels H., Säring D.,
    Automatic Correction of Gaps in Cerebrovascular Segmentations Extracted from 3D Time-of-Flight MRA Datasets,
    Methods of Information in Medicine, 5, 415-422, 2012
  8. Forkert N. Schmidt-Richberg A., Fiehler J., Illies T., Möller D., Handels H., Säring D.,
    Fuzzy-based Vascular Structure Enhancement in Time-of-Flight MRA Images for Improved Cerebrovascular Segmentation,
    Methods of Information in Medicine, 50, 1, 74-83, 2011
  9. Forkert N., Säring D., Handels H.,
    Automatic Analysis of the Anatomy of Arteriovenous Malformations  using 3D and 4D MRA Image Sequences,
    MedInfo 2010, Kapstadt, South Africa, Studies in Health Technology and Informatics, 160, 1268-72, 2010
  10. Forkert N., Säring D., Fiehler J., Illies T., Möller D., Handels H.,
    Automatic Brain Segmentation in Time-of-Flight MRA Images,
    Methods of Information in Medicine, 48, 5, 399-407, 2009
  11. Dennis Säring, Jens Fiehler, Nils Forkert, Merle Piening, Heinz Handels
    Visualization and Analysis of Cerebral Arteriovenous Malformation Combining 3D and 4D MR Image Sequences,
    International Journal of Computer Assisted Radiology and Surgery, 2, 75-79, 2007

Projektteam

Dipl.-Inf. Nils Folkert (Institut für Medizinische Informatik, UKE Hamburg)
Dr. Dennis Säring (Institut für Medizinische Informatik, UKE Hamburg)
Prof. Dr. Heinz Handels

Kooperationspartner

Prof. Dr. med. Jens Fiehler
Dr. med. Till Illies
Klinik für Neuroradiologische Diagnostik und Intervention, UKE