Bedeutsame Erkenntnisse aus der radiologischen Forschung

Entdecken Sie eine Sammlung von Zusammenfassungen kürzlich durchgeführter Studien, die aktuelle Themen wie strukturierte Befundung, Texturanalyse, Radiomics oder neue Imaging Biomarker beleuchten. Erfahren Sie, welche Rolle mint Lesion™ in diesen Studien gespielt hat, und kontaktieren Sie uns, wenn Sie Fragen zu unserer Softwareplattform haben.

Hier finden Sie eine detaillierte Liste wissenschaftlicher Publikationen, in denen mint Lesion™ eine wesentliche Rolle gespielt hat:

Zu den Publikationen

Drei wichtigen Sequenzen (FLAIR, T2, T1 mit Kontrastmittel) in der Glioblastom-Bewertung

Universitätsklinikum Tübingen: Fortschritte in der Effizienz von MRT bei der Behandlung von Glioblastomen durch Deep Learning

Diese Studie untersucht den Einsatz von Deep Learning (DL) zur Optimierung von MRT-Protokollen für Patient:innen mit Glioblastomen. Glioblastome, die häufigsten und aggressivsten bösartigen Hirntumore bei Erwachsenen, erfordern häufige und detaillierte Überwachungen durch MRTs - ein Prozess, der für schwerkranke Patient:innen aufgrund langer Scanzeiten und möglicher Bewegungsartefakte besonders herausfordernd sein kann. Diese Studie untersucht daher die Effektivität eines DL-optimierten MRT-Protokolls, das sowohl die Untersuchungszeit verkürzen als auch die Bildqualität erhöhen soll.

Es wurden traditionelle Ansätze, wie parallele Akquisitionstechniken (PATs) und Compressed Sensing (CS) eingesetzt, um die Untersuchungszeit zu verkürzen und damit verbundene Herausforderungen zu bewältigen. Diese Methoden haben jedoch ihre Grenzen: PATs können zu einer Verringerung des Signal-Rausch-Verhältnisses proportional zur Quadratwurzel des PAT-Faktors führen, während das CS Bilder erzeugen könnte, die übermäßig geglättet und detailarm wirken.

Die Forscher:innen betonen das Potenzial von DL zur Optimierung von MRT-Protokollen: „Die Integration von DL-Rekonstruktionstechniken (DLR) in die medizinische Bildgebung bietet das Potenzial, die diagnostische Genauigkeit und Effizienz bei Gliompatient:innen zu verbessern. Dennoch ist weitere Forschung erforderlich, um die Qualität der von DL generierten Bilder systematisch zu untersuchen und ihre praktische Anwendung in der klinischen Routine zu optimieren.“

Die Studie umfasste 33 Patient:innen mit histologisch bestätigtem Glioblastom, die einer Hirntumorbildgebung an einem 3-Tesla-MRT-Scanner unterzogen wurden. Zwei erfahrene Neuroradiologen führten unabhängige Bewertungen der Bilddatensätze durch, wobei sie sich auf die subjektive Bildqualität, Diagnosesicherheit, die Tumorsichtbarkeit, das Rauschniveau, Artefakte und die Schärfe konzentrierten. Darüber hinaus haben sie das Tumorvolumen basierend auf den Kriterien der Response Assessment in Neuro-Oncology (RANO) 2.0 gemessen und die Ergebnisse zwischen den beiden Bildgebungstechniken sowie mit verschiedenen klinisch-pathologischen Parametern verglichen.

Die wichtigsten Ergebnisse der Studie umfassen:

  • Zeitersparnis: Die DL-optimierten MRT-Sequenzen reduzierten die Untersuchungszeit im Durchschnitt um 30%, ohne die Bildqualität zu beeinträchtigen.
  • Verbesserte Bildqualität: Die DL-optimierten MRT-Sequenzen zeigten eine überlegene Bildqualität, einschließlich schärferer Bilder, besserer Tumorsichtbarkeit und reduziertem Rauschen, was die diagnostischen Möglichkeiten insgesamt verbesserte. Diese Verbesserungen sind entscheidend zur Bewahrung einer hohen Diagnosesicherheit und -genauigkeit.
  • Erhalt der diagnostischen Genauigkeit: Unter Verwendung der mint Lesion™-Software bestätigte die Studie, dass das DL-optimierte Protokoll die Tumorvolumenmessungen oder die Beurteilung des Ansprechens nicht negativ beeinflusste und somit die Konformität mit bewährten neuroonkologischen Verfahren gewährleistete. Dies wurde durch die RANO 2.0-Kriterien validiert.
  • Praktische Vorteile: Die kürzeren Scanzeiten und die verbesserte Bildqualität sind besonders vorteilhaft für Patient:innen, die Schwierigkeiten haben, während längerer MRT-Verfahren stillzuhalten, da sie die Notwendigkeit von Wiederholungsscans verringern und Bewegungsartefakte minimieren.

Diese Studie unterstreicht das Potenzial von DL-optimierten MRT-Protokollen zur Steigerung der Effizienz und Qualität der Bildgebung bei Glioblastomen und bietet einen vielversprechenden Ansatz für Ärzt:innen und Patient:innen gleichermaßen.

Lesen Sie hier die Originalveröffentlichung: https://www.mdpi.com/2072-6694/16/10/1827

 

Gohla, Georg, Till-Karsten Hauser, Paula Bombach, et al. 2024. „Speeding Up and Improving Image Quality in Glioblastoma MRI Protocol by Deep Learning Image Reconstruction.” Cancers 16.10: 1827.

Ähnliche Inhalte

Ähnliche Inhalte

Virtuelle Untersuchung von menschlichen Lungen auf einem modernen Benutzeroberflächenbildschirm.

Früherkennung des Behandlungserfolgs bei Lungenkrebs mithilfe von Delta-Radiomics-Features

Die Studie der Uniklinik Heidelberg untersucht die Nutzung der diffusionsgewichteten MRTs (DWI), um frühe Therapieergebnisse bei Patient:innen mit…

Bild zeigt als grafischen Abstrakt Bilder aus der Studie, von MRT Aufnahmen bis zur Auswertung der Delta-Radiomics-Texturmerkmale

Universitätsklinikum Heidelberg: Delta-Radiomics-Features von ADC-Karten als frühe Vorhersagevariable des Behandlungserfolgs bei Lungenkrebs

In dieser prospektiven Studie des Universitätsklinikums Heidelberg wurde untersucht, ob Änderungen von radiomischen Merkmalen in diffusionsgewichteten…

Drei wichtigen Sequenzen (FLAIR, T2, T1 mit Kontrastmittel) in der Glioblastom-Bewertung

Optimierung der Bildgebung bei Glioblastomen: Verbesserung der MRT-Effizienz und -Qualität durch Deep Learning

Diese Studie untersucht den Einsatz von Deep Learning (DL) zur Optimierung von MRT-Protokollen bei Patient:innen mit Glioblastomen, mit dem Ziel, die…