Bildfusion verbessert fast alles ...
... jedenfalls Diagnose, Therapieplanung und Monitoring
Das Zusammenführen von unterschiedlichen Informationen aus mehreren Modalitäten oder aus nur einer Modalität über einen längeren Zeitraum ist das Anliegen der Bildfusion.
In der Forschung schon relativ weit gediehen, eröffnet sie für eine Reihe von Erkrankungen diagnostisch und therapeutisch große Fortschritte für Patienten und Mediziner. Seit knapp 20 Jahren forscht das Fraunhofer-Institut für Bildgestützte Medizin MEVIS in Bremen sehr erfolgreich über das Thema und ist auch in zwei neue EU-Forschungsprojekte involviert, die die Früherkennung und das Therapiemonitoring bei Brustkrebs in Zukunft noch wesentlich verbessern könnten.
Ein prominentes Beispiel für die Bildfusion ist die Mammadiagnostik. Meist steht dabei die multimodale Bildgebung im Vordergrund, also die Korrelation der Informationen aus verschiedenen Modalitäten. „In der Mammadiagnostik gibt es komplementäre Informationen in den verschiedenen Bildgebungsverfahren, die teilweise aufeinander aufbauend in der Klinik erhoben werden. Durch das Zusammenführen dieser Informationen aus Mammographie, Ultraschall und MRT erhält der Arzt bei Bedarf die größtmögliche Klarheit über die Diagnose“, erklärt Prof. Dr. Horst Karl Hahn, kommissarischer Leiter von Fraunhofer MEVIS. Allerdings hat man hier mit dem Problem zu kämpfen, dass sich die Konfiguration des Gewebes je nach Untersuchungsverfahren deutlich unterscheidet. Bei der Mammographie wird das Gewebe von oben nach unten oder auch seitlich komprimiert, wohingegen im Ultraschall das Gewebe üblicherweise gegen die Brustwand gedrückt wird. Die wesentliche Herausforderung der Bildfusion besteht also darin, diese Deformationen auszugleichen.
Der Algorithmus, der fast immer dahintersteht, ist eine Bildregistrierung, die Identifizierung der räumlichen Bezüge zweier Bilder zueinander. Manchmal werden die Bilder dafür überlagert, manchmal bleiben sie aber auch nebeneinander bestehen und ein synchronisiertes Fadenkreuz zeigt per Mausklick die einander korrespondierenden Areale an. Für die räumliche Korrelation von Bildern der Brust hat sich das Finite-Element-Modell bewährt, das besonders größere Deformationen von Weichgewebe modellieren, simulieren, vorhersagen und ausgleichen kann.
Eine besondere Rolle spielt die Bildfusion auch in der Operationsunterstützung. Hier geht es um die Frage, wie präoperative Bilddaten, die zur Planung und Risikoanalyse gedient haben, auch hochaufgelöst während des Eingriffs dem Operateur zur Verfügung stehen können. „Hier ist die Fusion ganz besonders schwierig, weil der Körper partiell geöffnet ist und im Vergleich zur präoperativen Situation bei geschlossenem Kör- per, Deformationen und Bewegungen auftreten können. Auch die Herstellung dieser Korrelation ist ein Registrierungsproblem, bei dem wir in den vergangenen Jahren große Fortschritte gemacht haben, um die Bildfusion in der intraoperativen Anwendung zu ermöglichen“, schildert Hahn.
Seit etwa einem halben Jahr ist das Institut am ASSURE-Projekt beteiligt, bei dem es um die Frage geht, wie die Brustkrebsfrüherkennung durch eine bessere Ausnutzung der zur Verfügung stehenden Bildmodalitäten noch effektiver werden kann. Besonders röntgendichtes Brustgewebe ist in zweierlei Hinsicht ein Risiko für Brustkrebs: Zum einen besteht eine höhere Inzidenz und zweitens steigt das Risiko, dass ein vorhandener Tumor aufgrund der bereits im gesunden Gewebe mehrfach überlagerten hellen Bildstrukturen übersehen wird. In dem Projekt werden Richtlinien entwickelt und unter gesundheitsökonomischen Gesichtspunkten optimiert, die je nach Patientenrisiko unterschiedliche diagnostische Pfade vorsehen. Sofern dabei mehrere Modalitäten zum Einsatz kommen, etwa Mammographie und MRT oder Ultraschall, leistet wieder die Bildfusion einen wichtigen Beitrag.
Noch weitaus wichtiger ist die Bildfusion aber in dem Forschungsprojekt VPH-PRISM. Unter der wissenschaftlichen Koordination von Prof. Hahn arbeiten die Forscher in einer Vorstudie mit 200 Patientinnen an einem Verfahren, wie radiologische Bilddatensätze mit denen aus der digitalen Pathologie fusioniert, also um die räumliche Korrelation mit mikroskopischen Daten angereichert werden können. „Es bestehen große Erwartungen an die quantitative multidisziplinäre Gewebecharakterisierung als bessere Basis für Therapieentscheidungen. Wir korrelieren quantitative Parameter, um Fallgruppen abzuleiten und zu lernen, bei welchen Situationen welche Therapie am wirksamsten ist“, fasst der Wissenschaftler den Forschungsansatz zusammen.
Weitere Informationen zu den Forschungsprojekten finden Sie unter:
www.assure-project.eu
www.vph-prism.eu
www.hamam-project.eu
IM PROFIL
Prof. Dr. Horst Karl Hahn begann nach dem Physikstudium an der Universität Heidelberg und der Promotion in Informatik an der Universität Bremen bei Prof. Dr. Heinz-Otto Peitgen als wissenschaftlicher Mitarbeiter beim Forschungszentrum MeVis Research, wo er initial die Forschungsgruppe Neuroimaging leitete. 2006 wurde er Forschungsdirektor und Vizepräsident des Instituts. 2007 berief ihn die Jacobs University Bremen zum Professor für medizinische Visualisierung. Seit 2012 ist er kommissarischer Leiter von Fraunhofer MEVIS. Horst Karl Hahn ist Koordinator und wissenschaftlicher Leiter mehrerer aktueller und abgeschlossener Forschungsprojekte und gewähltes Mitglied der Fraunhofer Vintage Class. Er ist verheiratet und Vater von drei Kindern.
30.05.2013
