Entwicklung einer 4D Multi-Objekt Segmentierung für räumlich-zeitliche MRT-Bildsequenzen. Klinische Anwendung zur Beurteilung von Form- und Funktionsveränderungen des Myokards nach einem Infarkt

• Antragsteller: Dr. Jan Ehrhardt
• Fachliche Zuordnung: Epidemiologie und Medizinische Biometrie/Statistik
• Förderung: Förderung von 2014 bis 2021
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 263745607

Der Herzinfarkt ist trotz jahrelanger medizinischer Forschung immer noch eine der Hauptursachen für vorzeitliche Sterblichkeit in den westlichen Industrienationen. Die Lebensqualität und Prognose für Patienten hängt wesentlich davon ab, ob eine Erholung der Herzmuskelfunktion nach einem akuten Myokardinfarkt stattfindet, oder ob eine Kontraktionsstörung persistiert und zu einer progressiven Verschlechterung der Herzfunktion mit kardialem Remodeling führt. Die frühzeitige Identifizierung von Risikopatienten für ein Remodeling ist wichtig, um umgehend effektive Therapien zur Verhinderung des Remodeling einzuleiten. Das Ziel dieses Antrages ist die Entwicklung von Methoden zur automatischen Detektion, quantitativen Beschreibung und Prädiktion des myokardialen Remodeling in klinischen räumlich-zeitlichen MRT-Datensätzen. Hierzu soll ein Workflow entwickelt werden, der die automatisierte Vorverarbeitung, die modellbasierte 4D Segmentierung und Bewegungsschätzung in den Bilddaten, sowie die Extraktion klinisch relevanter Parameter, deren Analyse und eine geeignete Visualisierung umfasst. Entwicklung und Evaluation dieser Methoden erfolgen anhand eines umfangreichen Kollektivs von Baseline- und Follow-Up-MRT-Datensätzen von Infarktpatienten, die mit klinisch üblichen Aufnahmeparametern akquiriert wurden, sowie anhand von Bilddaten gesunder Probanden. Insgesamt stehen über 360 anonymisierte MRT-Datensätze mit unterschiedlichen MRT-Sequenzen (u.a. Cine MRT, LGE-MRT, T2w-MRT) sowie die manuelle Konturierung der kardialen Strukturen für das Projekt zur Verfügung. Ein zentraler Aspekt ist die Entwicklung eines modellbasierten Ansatzes zur integrierten Segmentierung und Bewegungsschätzung des linken und rechten Ventrikels, der Vorwissen sowohl über die Form- und Formvariabilität als auch über die Bewegung des Herzens berücksichtigt. Ein weiteres zentrales Thema ist die quantitative Analyse und Klassifikation der klinischen Bilddaten basierend auf einem Patientenkollektiv. Hierbei sollen lernbasierte Algorithmen eingesetzt werden, um relevante Parameter aus den Bilddaten und den abgeleiteten Form- und Bewegungsinformationen zu extrahieren und - im Zusammenspiel mit dem modellbasierten Segmentierungs- und Registrierungsverfahren - eine automatisierte Detektion und Prognose des myokardialen Remodeling ermöglichen.

• DFG-Verfahren: Sachbeihilfen
• Beteiligte Personen: Professor Dr. Gerhard Adam; Professor Dr. Karl Wegscheider