Beim Prostatakarzinom handelt es sich, auf Deutschland bezogen, eindeutig um die häufigste Krebserkrankung und die dritthäufigste Krebstodesursache bei Männern. Neben diversen Umwelt- und Lifestyle-Faktoren konnte das Patientenalter als weiterer zentraler Risikofaktor identifiziert werden. Allerdings liegt als onkologische Besonderheit ein Großteil der Prostatakarzinome in einem klinisch inapparenten Stadium vor und hat daher keinen Einfluss auf die Lebensqualität und erwartung des betroffenen Mannes. Daraus leiten sich wiederum besondere Herausforderungen an mögliche Screeningprogramme und die verschiedenen Therapiekonzepte ab, da die Gefahr einer Überdiagnose und Übertherapie droht. Dabei reichen die momentan etablierten, kurativen und unter anderem vom Tumorstadium abhängigen Therapieoptionen von einer engmaschigen Befundkontrolle (Active Surveillance) bis hin zu einer radikalen Entfernung der Prostata.
Grundlage für die Diagnosestellung und Therapieentscheidung bildet dabei das histologische Gleason Grading des Pathologen. Im Allgemeinen beruht das Gleason Grading auf einer Analyse der Mengenanteile verschiedener histologischer Muster und einer morphologischen Beschreibung der Drüsenarchitektur, wobei die Summe der beiden häufigsten Wachstumsformen einen Score ergibt. Unter anderem in Übereinstimmung mit dem rezidivfreien Überleben werden im aktuellen Gleason Grading die Kombinationen aus fünf histologischen Wachstumsmustern zu fünf Malignitätsgruppen zusammengefasst und unterschieden. Aufgrund der relativ subjektiven qualitativen und quantitativen Beurteilung durch den Pathologen, weist das Gleason Grading trotz aller Anpassungen und Verbesserungen teils noch erhebliche Defizite in der intra und interindividuellen Reproduzierbarkeit auf. Aufgrund der auf einer Beschreibung der Drüsenmorphologie beruhenden Beurteilung des Prostatakarzinoms kann die medizinische Bildverarbeitung nicht nur durch die immensen Möglichkeiten der Musterextraktionsalgorithmen den Pathologen in seinem Arbeitsprozess beziehungsweise seiner Entscheidungsfindung unterstützen und insbesondere zu einer Standardisierung und Verbesserung der Reproduzierbarkeit beitragen.
In der vorliegenden Arbeit wird das Gleason Grading unter Anwendung expliziter histopathologischer Kenntnisse durch morphometrische Deskriptoren der medizinischen Bildverarbeitung abgebildet. Der hier etablierte Algorithmus gliedert sich in drei Abschnitte. Zunächst werden mit Hilfe diverser vorverarbeitender Bildbearbeitungsschritte die Drüsenepithelien aus den digitalisierten H&E gefärbten Schnitten von Nadelstanzbiopsien der Prostata extrahiert, um diese anschließend im zweiten Abschnitt der Tumordetektion zuführen zu können. Hierbei werden verschiedene Malignitätskriterien des Prostatakarzinoms unter bildmorphologischen Gesichtspunkten miteinander verknüpft und eine Identifikation der tumorösen Strukturen vorgenommen. Im dritten Abschnitt werden die gefundenen Tumorareale mittels zweier morphometrischer Deskriptoren verschiedenen Malignitätsstufen zugeordnet.:Bibliographische Beschreibung 3
Inhaltsverzeichnis 4
1 Einführung und Motivation zur Arbeit 6
1.1 Intention 6
1.2 Vorarbeiten 8
1.3 Forschungsstand 13
2 Pathologie des Prostatakarzinoms 18
2.1 Anatomie und Physiologie der Prostata 18
2.2 Ätiologie und Pathogenese 20
2.3 Diagnostik 22
2.4 Grading 27
2.5 Therapie 35
3 Methoden für ein formbasiertes Grading 41
3.1 Überblick 41
3.2 Vorverarbeitung 43
3.2.1 Skalierung 43
3.2.2 Farbseparierung 43
3.2.3 Histogrammanpassung 46
3.2.4 Kantenerhaltende Glättung 48
3.2.5 Binarisierung der Epithelien 50
3.3 Detektion 53
3.3.1 Wanddickenmessung 53
3.3.2 Formbetrachtung 60
3.3.3 Nachbarschaftsanalyse 61
3.4 Klassifikation 62
3.4.1 Inverse Kompaktheit 62
3.4.2 Lochanzahl 64
4 Material 68
4.1 Probenart und -gewinnung 68
4.2 Pilotdatensatz 70
4.3 Kohorte 70
5 Ergebnisse 73
5.1 Pilotdatensatz 76
5.2 Kohorte 81
6 Diskussion 85
7 Ausblick 92
8 Zusammenfassung 94
9 Literaturverzeichnis 97
Appendix 114
A.1 Abbildungsverzeichnis 114
A.2 Tabellenverzeichnis 117
A.3 Eigene Beiträge 118
A.4 Programmcode 119
Erklärung über die eigenständige Abfassung der Arbeit 124
Lebenslauf 125
Danksagung 126
| Identifer | oai:union.ndltd.org:DRESDEN/oai:qucosa:de:qucosa:33309 |
| Date | 21 February 2019 |
| Creators | Greim, Timo Klaus |
| Contributors | Universität Leipzig |
| Source Sets | Hochschulschriftenserver (HSSS) der SLUB Dresden |
| Language | German |
| Detected Language | German |
| Type | info:eu-repo/semantics/publishedVersion, doc-type:doctoralThesis, info:eu-repo/semantics/doctoralThesis, doc-type:Text |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0019 seconds