Return to search

Evaluierung verschiedener semi-automatischer Segmentierungsverfahren zur Bestimmung des metabolischen Tumorvolumens im Mediastinum beim pädiatrischen Hodgkin-Lymphom

Ziel:
Bei Patienten mit Hodgkin-Lymphom (HL) ist das morphologische Tumorvolumen (GTV) ein wichtiger Prognoseparameter. Zunehmend relevant wird zudem das metabolische Tumorvolumen (MTV) im 18F-FDG PET (PET). Ein einheitlicher Standard zur Bestimmung des MTV existiert noch nicht. Ziel dieser Studie war das MTV mit verschiedenen automatischen Segmentierungsalgorithmen zu messen, jeweils mit dem GTV zu vergleichen und eine Algorithmusempfehlung zu geben.

Methodik:
Bei 63 unbehandelten pädiatrischen HL Patienten mit Mediastinalbefall wurde das MTV mit 19 verschiedenen Segmentierungsverfahren gemessen (13 Region-Growing-Algorithmen (Hermes Hybrid3D Viewer) und sechs iterative Threshold-algorithmen (davon drei voxel- und drei läsionsspezifisch; ABX Rover). Die einzelnen Messungen wurden mit dem manuell im CT gemessenen GTV und dem visuell optimalen metabolischen Volumen (vMTV) verglichen. Potentielle Einflussfaktoren wie der SUVmax, der coefficient of variance (COV) und die Läsionsgröße wurden dokumentiert und der absolute und relative Volumenfehler (VE) wurde bestimmt.

Ergebnisse:
Das GTV (Median: 142ml [5-521ml]) war systematisch größer als das vMTV (Median: 76ml [4-390ml) und als 18 der 19 MTV Segmentierungsmethoden. Das GTV eignet sich deshalb nicht als Referenzstandard für das MTV.
Im Vergleich zum vMTV war der mittlere VE der iterativen Algorithmen kleiner als der der Region-Growing Verfahren. Am geringsten war der VE für einen iterativen voxel-spezifischen Algorithmus (0,7% ±27,4%), die besten Region-Growing Verfahren zeigten größere VE (3SUV: 6,7% ±63,6%; -41%SUVpeak: -5,0% ±41,4%).

Zusammenfassung:
Das GTV ist beim HL nicht der passende Goldstandard zur Evaluation des MTV. Im Vergleich zum vMTV messen iterative Segmentierungsverfahren, insbesondere voxel-spezifische Algorithmen, das MTV exakter und reproduzierbarer als Region-Growing Verfahren.

Identiferoai:union.ndltd.org:DRESDEN/oai:qucosa:de:qucosa:71391
Date03 July 2020
CreatorsFriedrich, Gregor
ContributorsUniversität Leipzig
Source SetsHochschulschriftenserver (HSSS) der SLUB Dresden
LanguageGerman
Detected LanguageGerman
Typeinfo:eu-repo/semantics/acceptedVersion, doc-type:doctoralThesis, info:eu-repo/semantics/doctoralThesis, doc-type:Text
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0018 seconds