Bildbasierte Unterscheidung kolorektaler Polypen und Hintergrundgewebe mittels Farbtexturanalyse

Einleitung: Die Früherkennung von Darmpolypen zur Vorbeugung von Karzinomen ist Ziel von Vorsorgeuntersuchungen. Die Mehrheit der Darmkarzinome und -krebsfälle entwickelt sich aus Polypen. Im Hinblick auf die Früherkennung und Diagnose kolorektaler Polypen ist die vollständige Koloskopie die aussagefähigste Methode zur Untersuchung. Da mittels der Endoskopie Polypen bereits in einem frühen Stadium erkannt und entfernt werden können, kann dadurch eine Reduktion der Karzinominzidenz erzielt werden.

Die Untersuchung mit dem Koloskop stellt eine bildbasierte Methode dar, deshalb liegt es nahe, den Untersucher durch die automatische Auswertung der Bilder und Bildsequenzen bei der Detektion und Diagnose von Polypen zu unterstützen. Ziel dieser Pilotstudie ist die Evaluierung von Möglichkeiten, Polypen in koloskopischen HD-Bildsequenzen automatisch von nicht-neoplastischem Gewebe zu unterscheiden.

Material & Methoden: Koloskopische Untersuchungen von 115 Patienten erfolgten mit einem HD System (Olympus CF-H180). Für alle Fälle wurden Bildsequenzen mit klar sichtbaren Polypen aufgenommen und histologisch validiert. Es wurden 275 Einzelbilder extrahiert. Basierend auf den histologischen Ergebnissen wurden manuell 554 Bildregionen in 2 Klassen (278 Polypen, 276 Hintergrund) annotiert. Zur bildbasierten Unterscheidung von Polypen und Hintergrund wurde evaluiert, mit welchen Farbtexturanalyse-Verfahren sich Polypen am besten charakterisieren und bestmöglich vom Hintergrund unterscheiden lassen. Untersucht wurden unterschiedliche Verfahren zur Charakterisierung von Gewebe (Statistiken 1. und 2. Ordnung, statistisch-geometrische Merkmale, Spektralenergien, Wavelet-Transformation). Zudem wurden diese Ansätze unter Verwendung verschiedener Eingangsparameter untersucht. Zur Klassifikation und Evaluierung wurde ein Nächster-Nachbar-Klassifikator verwendet. Für jedes Experiment wurden Gesamtklassifikationsraten, Vertauschungsmatrizen sowie Einzelklassifikationsraten pro Klasse ermittelt.

Ergebnisse: Auf der Basis einer n-fachen Kreuzvalidierung (leaving-One-Out) wurde mit statistisch-geometrischen Merkmalen eine maximale diagnostische Gesamtklassifikationsleistung von 86% (Sens.:85%, Spez.:87%) erzielt, d.h. eine korrekte Unterscheidung von Polypen zu normalem Gewebe bezüglich der histologischen Analyse. Sowohl die höchste erreichbare Sensitivität von 86% (Gesamt:84%, Spez.: 82%) als auch die höchste erreichbare Spezifität von 92% (Gesamt:77%, Sens.:63%) wurden mit statistischen Merkmalen 2. Ordnung ermittelt.

Die Ergebnisse zeigen, dass sich Polypen unter Nutzung von Texturverfahren gut vom umliegenden Gewebe unterscheiden lassen. Damit ergeben sich die Grundlagen, in Zukunft Polypen automatisch in koloskopischen Bildern mittels digitaler Bildanalyse zu erkennen.