Software zur automatischen Quantifizierung von Belüftungszuständen bei akutem Lungenversagen in
dynamischen CT-Aufnahmen der Lunge[1]

Zusammenfassung.

Ziel: Dichteanalysen in dynamischen CT-Aufnahmen erlauben eine zeitlich hochaufgelöste Quantifizierung ventilierter, überblähter und atelektatischer Lungenareale. Eine automatische Segmentierung des Lungenparenchyms mit anschließender Dichteauswertung ist bei dem hohen Bilderaufkommen eine unabdingbare Voraussetzung für einen klinischen Einsatz dieser Methode. Material und Methode: Um eine automatische Lungensegmentation bei gesunden und ARDS-Lungen zu erreichen, wurde ein Algorithmus entwickelt, der (a) verschiedene Dichtemasken und (b) anatomisches Expertenwissen kombiniert, um das Herz, das Zwerchfell und die Thoraxwandstrukturen von belüftetem und atelektatischem Lungenparenchym zu trennen. Mit Zustimmung der zuständigen Tierschutzkommission wurde die Software an CT-Untersuchungen von 8 anästhesierten und kontrolliert beatmeten Schweinen vor und nach Lavage-ARDS-Induktion erprobt. Die Aufnahmen erfolgten in einer Schicht ca. 2 cm oberhalb des Zwerchfells (zeitliche Auflösung 100 ms, Schichtdicke 1 mm, hochauflösender Rekonstruktionsalgorithmus). In 120 CT-Aufnahmen wurden die Gesamtpixelzahl und die Mittlere Lungendichte (MLD) nach automatischer und nach interaktiver Lungensegmentierung verglichen. Ergebnisse: Die Software konnte alle Bilddatensätze (DICOM-Format) problemlos einlesen. Es zeigte sich eine hohe Übereinstimmung zwischen der automatischen und der interaktiven Lungensegmentation (R² = 0,99 für Gesamtpixelzahl und MLD). Die anfänglich häufigste Fehlerquelle stellte die Klassifikation von Atelektasen als extrapulmonale solide Strukturen dar. Schlussfolgerung: Wir stellen eine Software zur automatischen Segmentierung von Lungenparenchym in gesunden und ARDS-Lungen vor. Belüftete Lungenareale und Atelektasen werden hierbei mit hoher Genauigkeit detektiert. Die vorgestellte Software erlaubt eine absolute Quantifizierung von Ventilations- und Rektrutierungsphänomenen unter kontrollierter Beatmung. Sie kann damit zur Optimierung von Beatmungsparametern bei Patienten mit ARDS dienen.

A software tool for automatic image-based ventilation analysis using dynamic chest CT-scanning in healthy and in ARDS lungs.

Purpose: Density measurements in dynamic CT image series of the lungs allow one to quantify ventilated, hyperinflated, and atelectatic pulmonary compartments with high temporal resolution. Fast automatic segmentation of lung parenchyma and a subsequent evaluation of it's respective density values are a prerequisite for any clinical application of this technique. Material and Methods: For automatic lung segmentation in thoracic CT scans, an algorithm was developed which uses (a) different density masks, and (b) anatomic knowledge to differentiate heart, diaphragm and chest wall from ventilated and atelectatic lung parenchyma. With Animal Care Committee approval, the automated technique was tested in 8 anaesthetized ventilated pigs undergoing dynamic CT before and after induction of lavage-ARDS. Images were acquired in one supradiaphragmatic, cross-sectional slice (temporal resolution of 100 ms; slice thickness of 1 mm, high resolution reconstruction algorithm). In 120 CT images the total pixel number and the calculated MLD from the automatically segmentated lung were compared to the values obtained from an interactive lung segmentation. Results: The software tool was able to read all image series (DICOM standard). Automatic and interactive segmentation were in high agreement (R² = 0.99 for the total number of pixels and the MLD). Originally, the most frequent error was misclassification of atelectasis as extrapulmonary solid tissue. Conclusion: An automatic software tool is presented for lung segmentation in healthy lungs and in ARDS. Aerated lung and atelectasis were identified with high accuracy. This post-processing tool allows for a quantitative, CT based assessment of ventilation and recruitment processes in the lung. Thus, it may help to optimize ventilation patterns in patients with ARDS.

Software - Computertomographie (CT) - Quantifizierung - Lunge, Ventilation - Lunge, Dichte - Adult Respiratory Distress Syndrome (ARDS)

Software - Computed tomography (CT) - Quantitative - Lung, ventilation - Lung, density - Adult Respiratory Distress Syndrome (ARDS)

Literatur

• 1 Neumann P, Berglund J E, Mondejar E F, Magnusson A, Hedenstierna G. Effect of different pressure levels on the dynamics of lung collapse and recruitmention oleic-acid-induced lung injury.  Am J Respir Crit Care Med. 1998;  158 1636-1643
• 2 Markstaller K, Eberle B, Kauczor H-U, et al. Determination of temporal dynamics of lung aeration by dynamic CT: Comparison of porcine lungs before and after lavage ARDS.  Br J Anaesth. (in press); 
• 3 Lachmann B, Robertson B JV. In vivo lung lavage as an experimental model of respiratory distress syndrome.  Acta Anaesthesiol Scand. 1980;  24 231-236
• 4 Puybasset L, Cluzel P, Gusman P, et al. Regional distribution of gas and tissue in acute respiratory distress syndrome. I. Consequences for lung morphology.  Int Care Med. 2000;  6 857-869
• 5 Kauczor H-U, Heitmann K, Heussel C P, Marwede D, Uthmann T, Thelen M. Automatic detection and quantification of ground glass opacities on high resolution CT using multiple neural networks: comparison with a density mask.  Am J Roentgenol. 2000;  175 1329-1334
• 6 Heitmann K R, Kauczor H-U, Mildenberger P, Uthmann T, Perl J, Thelen M. Automatic detection of ground glass opacities on lung HRCT using multiple neural networks.  Eur Radiol. 1997;  7 1463-1472
• 7 Heussel C P, Hafner B, Lill J, Thelen M, Kauczor H U. Diagnostik der trachealen Instabilität: Spiral-CT in Inspiration und Exspiration und respiratorische cine-CT.  Fortschr Röntgenstr. 2000;  172 115-121
• 8 Kauczor H U, Buchenroth M, Heussel C P, Mayer E. Computertomographische Funktionsuntersuchung der Lunge nach einseitiger Lungentransplantation mit axialer und koronarer Akquisition.  Fortschr Röntgenstr. 1996;  164 441-449
• 9 Kramer S S, Hoffman E A. Physiologic imaging of the lung with volumetric high-resolution CT.  J Thorac Imaging. 1995;  10 280-290
• 10 Neumann P, Berglund J E, Fernandez Mondejar E, Magnusson A, Hedenstierna G. Dynamics of lung collapse and recruitment during prolonged breathing in porcine lung injury.  J Appl Physiol. 1998;  85 1533-1543
• 11 Beier J, Liebig T, Bittner R, Troger J, Wust P, Schedel H, Fleck E, Kaiser D. Computertomographische Methoden zur dreidimensionalen Darstellung intrapulmonaler Raumforderungen aus CT- und MR-Bildern.  Pneumologie. 1996;  50 672-678
• 12 Zagers R, Vrooman H, Aarts N, Stolk J, Schultze Kool L, van Vorthuisen E. Quantitative analysis of computed tomography scans of the lungs for the diagnosis of pulmonary emphysema. A validation study of a semiautomated contour detection technique.  Invest Radiol. 1995;  30 552-562
• 13 Malbousson L, Busch C, Puyasset L, Lu Q, Cluzel P, Rouby J. Role of the heart and the loss of aeration characterizing lower lobes in acute respiratory distress syndrome. CT scan ARDS study group.  Am J Respir Crit Care Med. 2000;  161 2005-2012
• 14 Kauczor H U, Heussel C P, Fischer B, Klamm R, Mildenberger P, Thelen M. Assessment of lung volumes using helical CT at inspiration and exspiration: Comparison with pulmonary function tests.  ALR. 1998;  171 1091-1095
• 15 Markstaller K, Kauczor H-U, Eberle B, et al. Multirotations-CT während kontinuierlicher Beatmung: Vergleich unterschiedlicher Dichtebereiche bei gesunden Lungen und im Lavage-ARDS Modell.  Fortschr Roentgenstr. 1999;  170 575-580
• 16 Heußel C P, Hafner B, Thelen M, Kauczor H-U. Computed Tomography of the Trachea: Paired Inspiratory/Exspiratory Spiral-CT and Cine-CT during Respiration.  Eur Radiol. 2000;  10 (S1) 273

1 Diese Studie wurde von der Deutschen Forschungsgemeinschaft (DFG TH 315/9-2) gefördert