Rofo 2017; 189(S 01): S1-S124
DOI: 10.1055/s-0037-1600414
Vortrag (Wissenschaft)
Onkologische Bildgebung/Onkologie
Georg Thieme Verlag KG Stuttgart · New York

Die Hauptkomponentenanalyse von ADC-Histogrammen als prädiktiver Faktor im HCC

G Kaissis
1   Klinikum rechts der Isar, Institut für diagnostische und interventionelle Radiologie, München
,
F Ettlinger
2   Technische Universität München, Lehrstuhl für Informatikanwendungen in der Medizin & Augmented Reality, München
,
F Ahmaddy
1   Klinikum rechts der Isar, Institut für diagnostische und interventionelle Radiologie, München
,
P Chakrabarti
2   Technische Universität München, Lehrstuhl für Informatikanwendungen in der Medizin & Augmented Reality, München
,
P Christ
2   Technische Universität München, Lehrstuhl für Informatikanwendungen in der Medizin & Augmented Reality, München
,
B Menze
2   Technische Universität München, Lehrstuhl für Informatikanwendungen in der Medizin & Augmented Reality, München
,
W Weichert
3   Klinikum rechts der Isar, Institut für Pathologie, München
,
E Rummeny
1   Klinikum rechts der Isar, Institut für diagnostische und interventionelle Radiologie, München
,
R Braren
1   Klinikum rechts der Isar, Institut für diagnostische und interventionelle Radiologie, München
› Author Affiliations
Further Information

Publication History

Publication Date:
23 March 2017 (online)

Also available at
 

Zielsetzung:

Der Einfluss der intra- und interindividuellen Tumorheterogenität als prognostischer Faktor wird zunehmend auch für das HCC diskutiert. Einzelne Studien haben die Möglichkeit der Tumorsubgruppenklassifizierung anhand der Bildgebung aufgezeigt. Ziel dieser Studie war die Anwendung einer Hauptkomponentenanalyse auf Diffusionsgewichteten-MRT (DW-MRT) Daten zur Bestimmung der Wertigkeit in Bezug auf das Gesamtüberleben.

Material und Methodik:

78 HCCs wurden in kontrastverstärkten T1w (Spätphase) und DW-MRT Datensätzen identifiziert. Tumor-, Leber-, Nieren- und Aortenkonturen wurden in beiden Datensätzen manuell segmentiert und automatisch koregistriert. Histogramme der ADC Maps wurden mittels Hauptkomponentenanalyse bezüglich Intensität, Mittelwert, Standardabweichung, Skewness und Kurtosis bewertet.

Ergebnisse:

T1w und ADC Datensätze konnten in allen Fällen erfolgreich koregistriert werden. Die Hauptkomponentenanalyse zeigte die höchste Varianz für die Parameter "Skewness" und "Kurtosis". Anhand der Hauptkomponentenanalysen konnten Gesamtüberlebensgruppen differenziert werden.

Schlussfolgerungen:

Die automatische Bildkoregistrierung ist möglich und kann zur Extraktion präziser ADC-Histogramminformationen aus der Tumorregion verwendet werden. Mittels Hauptkomponentenanalyse der ADC Histogrammdaten können Gesamtüberlebensgruppen unterschieden werden. Diese Arbeit belegt, dass primär nicht-intuitive Merkmale der ADC-Map mit dem Gesamtüberleben im HCC korrelieren.