Allgemein: 

Arbeiten:   

Galerien:   

Automated Functional Imaging - AFI

Automatisierte Bildgebung für die
standardisierte klinische funktionelle Magnetresonanztomographie (fMRT)

E. Nennig, Abteilung Neuroradiologie, Universitätsklinikum Heidelberg

Abstract

Die funktionelle Magnetresonanztomographie (fMRT) ermöglicht die Abbildung funktioneller Aktivitäten im Gehirn während einer definierten Stimulation des Patienten. Die Stimulation kann hierbei entweder aktiver (Motorik, Sprachgenerierung, n-back-Test) oder passiver (visuell, auditorisch, taktil) Natur sein. Die Nachbearbeitung / Auswertung des fMRT-Bildmaterials am Rechner (PC) ist in der Regel ein mehrstündiger Prozess, der vom Bediener ein großes Maß an Fachwissen und genaue Kenntnis der Auswertesoftware verlangt. Erst nach dieser Nachbearbeitung ist eine Befundung durch den Arzt möglich. Zur Erstellung von Probanden- und Patientenkollektiven und zur Einbindung in den klinischen Alltag wurden die Messprotokolle und die Nachbearbeitung optimiert und standardisiert. Dadurch wurde es möglich, den größten Teil der Auswertung zu automatisieren.

Zur Standardisierung, Vereinfachung und Beschleunigung der Auswertung entstand das Programm „AFI“, das den Benutzer interaktiv durch die Klippen der Auswertung führt und alle automatisierbaren Schritte selbsttätig durchführt. Das Tool unterstützt die Übertragung der Bilddaten vom MR-Scanner an den Auswerterechner, das Sortieren der Bilddaten, das Akquirieren der notwendigen Patienten- und Messdaten, die Anonymisierung der Daten und das Eintragen in eine Anonymisierungsliste. Die Auswertung der fMRT-Rohdaten mit dem Programm „BrainVoyager 2000“ der Firma Brain Innovation B.V. geschieht vollautomatisch, die 2D-Bilder werden analysiert, durchlaufen eine Lagekorrektur und eine Filterung, danach werden in einem mathematischen Korrelationsverfahren die Bereiche mit erhöhter Hirnaktivität markiert. Die berechneten Daten werden als sogenannte 2D-Maps abgespeichert. Um die Bereiche erhöhter Aktivität genau lokalisieren zu können, wird aus den hochauflösenden morphologischen Daten automatisch ein 3D-Projekt kreiert, in das die fMRT-Maps rechnerunterstützt integriert werden. Dieser manuelle Schritt ist notwendig, da die fMRT-Maps bedingt durch die Meßmethode leicht verzerrt sind, der Benutzer wird jedoch interaktiv bei dieser Überlagerung unterstützt. Der hierbei entstandene 3D-Datensatz kann nun bei Bedarf noch ins Talairach-Koordinatensystem transformiert werden. Dieser Schritt wird ebenfalls manuell vorbereitet und interaktiv von „AFI“ unterstützt. Schließlich legt das Tool noch ein Auswerteprotokoll an, sichert die Daten auf CD oder DVD und erstellt ein CD-Cover.

Methoden

Für die fMRT wird das Gehirn des Patienten im Gegensatz zur herkömmlichen MRT nicht nur einmal abgebildet, sondern es werden um die 100 komplette Datensätze pro Messung erstellt. Während dieser Zeit erhält der Patient die spezifische Stimulation, unterbrochen von Ruhephasen (Blockdesign). Der erhöhte Sauerstoffbedarf in den aktivierten Gehirnregionen lässt sich über den „Blood Oxygenation Level Dependent“(BOLD)-Kontrast messen. Indem die Bildmaterialien der Stimulationsphasen mit denen der Ruhephasen mathematisch korreliert werden, erhält man die zur Stimulation korrelierenden Aktivierungsmuster im Gehirn. Zumeist werden 3 – 6 Messungen mit unterschiedlichen Stimulationen nacheinander durchgeführt (z.B. Motorik Hand links, Hand rechts, Fuß links, Fuß rechts, Zunge). Um die hohe Anzahl von Datensätzen in einer dem Patienten zumutbaren Zeitspanne anfertigen zu können, werden die fMRT-Datensätze in einer relativ geringen Auflösung erstellt. Die Abbildungen der Aktivierungsmuster (2D-Maps) werden später auf einen hochauflösenden anatomischen 3D-Datensatz überlagert, um die Aktivierungsmuster im Zusammenhang mit der Gehirnanatomie beurteilen zu können. Die Bildgebung mit gleichzeitiger Stimulation im Blockdesign dauert zwischen 20 und 40 Minuten, während dieser Zeit werden die fMRT-Datensätze und eine hochauflösende morphologische Sequenz erstellt. Wir untersuchen vor allem prä- und postoperative Patienten mit Gehirntumoren sowie Patienten mit chronischen Schmerzen mit Schwerpunkt auf Trigeminusneuralgien, DBS (Deep Brain Stimulation) und SCS (Spinal Cord Stimulation). Unsere Standardprotokolle unterstützen vor allem die taktile somatosensible Stimulation der Finger, Zehen und Lippen, die motorische Stimulation der Finger, Zehen und Zunge, die visuelle Stimulation für Sprachgenerierung und Gedächtnisaufgaben (n-back-Test), sowie die auditorische Stimulation.

Die Auswertung einer fMRT läuft allgemein immer nach folgendem Schema ab (Abb. 1): Nach der MR-Bildgebung (fMRT und 3D-Datensatz) werden die Daten im Dicom-3.0-Format auf den Auswerterechner (PC) übertragen. Dort werden die Daten sortiert, analysiert und bei Bedarf anonymisiert, wenn sie in ein Patienten- oder Probandenkollektiv aufgenommen werden sollen. Die fMRT-Bilddaten müssen anschließend einer Zeit- und Lagekorrektur sowie einer Filterung unterzogen werden, danach werden die schichtbezogenen 2D-Aktivierungsmaps in einem mathematischen Korrelationsverfahren berechnet. Dann werden die 2D-Maps auf eine hochauflösende 3D-Anatomie überlagert, um die Aktivierungen morphologisch exakt zuordnen zu können. Die 2D-Maps werden nun in 3D-Maps konvertiert, damit können die Aktivierungen in der 3D-Anatomie betrachtet werden. Wenn eine Studie mit einem Patienten-/Probandenkollektiv geplant ist, ist es zweckmäßig, die Daten anschließend in das Talairach-Koordinatensystem zu transformieren. Nach der Archivierung der Daten kann nun eine Befundung durch einen Arzt stattfinden. Die manuelle Auswertung einer durchschnittlichen fMRT mit 4 funktionellen Messungen (ohne Messzeit, ohne Befundung) dauert etwa 2:20 Stunden.

Abbildung 1:        Prinzipieller Ablauf der Auswertung einer funktionellen MRT

Die Erarbeitung eines standardisierten Auswertungsschemas für experimentelle und klinische fMRT-Daten ist die Voraussetzung für eine zuverlässige Interpretation klinischer fMRT-Daten, für die Optimierung und Standardisierung klinischer Untersuchungsprotokolle (Paradigmen), für die Erhebung von Referenzdaten an Probandenkollektiven und für die Automatisierung der Auswertungsschritte. Zur Auswertung von fMRT-Daten steht eine Reihe frei verfügbarer Programme (SPM, AFNI, X-BAM,...) und kommerzieller Programme zur Verfügung (BrainVoyager, Medex,...), wobei „SPM“ in der Anwenderschaft eine dominierende Rolle einnimmt, obwohl es lediglich als MatLab-Aufsatz unter Linux und inzwischen auch unter Windows lauffähig ist. Keines der genannten Programme hat eine Zulassung für medizinische Anwendungen, weshalb alle klinischen fMRT-Untersuchungen an Patienten und Probanden nur im Rahmen wissenschaftlicher Studien zur Etablierung und Bewertung der Methode durchgeführt wurden. Wir benutzen das kommerzielle Programm „BrainVoyager 2000“, da es auf unseren Windows-Rechnern ohne zusätzliche Software lauffähig ist, eine gute visuelle Bedienoberfläche bietet, sehr schnell arbeitet und sehr gute Visualisierungsoptionen bietet.

Automatisierung

Das Programm „AFI“ ist in der Lage, alle Daten für die Auswertung zu akquirieren und das Programm „BrainVoyager 2000“ während der Auswertung zu steuern. Daneben erledigt es noch administrative Aufgaben wie das Anonymisieren der Daten, das Führen einer Anonymisierungsliste, Komprimieren und sichern der Ergebnisse und Erstellen von CD-Covern.

Grundsätzlich beginnt jede Datenauswertung mit dem Transfer der Bilddaten vom MR-Scanner zum Auswerterechner. Das Programm „AFI“, das auf dem Auswerterechner installiert ist, öffnet nach dem Programmstart zunächst einen TCP/IP-Empfangskanal, damit die Bilddaten im DICOM-Format vom MR-Scanner über eine Netzwerkverbindung empfangen werden können. Danach werden die Daten automatisch analysiert, sortiert, umbenannt und in entsprechende Unterordner einsortiert. Dabei wird in jedem neu generierten Ordner eine Text-Datei (Dicominfo.txt) erzeugt, die die aus dem DICOM-Header ausgelesenen Daten in Klartext wiedergibt. Zu diesen Daten zählen beispielsweise Patientendaten (Name, Vorname, Geburtsdatum, ID), Daten zur Messung (Datum, Uhrzeit, verwendetes Messprotokoll, Beschreibung der Serie, benutzter MR-Scanner) und zu den enthaltenen Bildern (Auflösung, Pixel Spacing, Schichtdicke, Anzahl der Schichten, Positionen und Orientierung der Schichten). Die Datei dicominfo.txt ermöglicht es auf eine einfache Art und ohne zusätzliche Software diese wichtigen Daten aus dem Dicom-Header jederzeit einzusehen. Im nächsten Schritt werden die übrigen Daten, die nicht aus dem DICOM-Header zu entnehmen sind, interaktiv abgefragt. Dazu zählen eine Kurzdiagnose, die betroffene Hemisphäre, die überweisende Abteilung, die auswertende Person und die Information, ob die Messung in eine Studie aufgenommen werden soll. Für die Aufnahme in eine Studie, die das Einverständnis des Patienten/Probanden erfordert, werden die Messdaten anonymisiert, die Zuordnung zum Patientennamen bleibt lediglich in einer Anonymisierungsliste erhalten. Die Messdaten werden nur noch unter einer Fallnummer weitergeführt, so dass bei einer Auswertung im Rahmen einer medizinischen Studie keine Rückschlüsse auf die Person möglich sind. In der Anonymisierungsliste, eine Excel-Tabelle, die automatisch erweitert und ausgefüllt wird, werden außerdem für jeden Fall tabellarisch eine Kurzdiagnose und alle durchgeführten Messungen aufgeführt, so dass leicht ermittelt werden kann, wie groß das Patientenkollektiv für eine bestimmte Fragestellung ist.

An diesem Punkt der Auswertung wird eine Protokolldatei „Auswerteprotokoll.txt“ erzeugt, diese enthält neben allen akquirierten Patienten- und Messdaten unter anderem die Zuordnung der Messung zu einer Studie, die Namen der generierten Messordner und eine Liste der abgearbeiteten Auswertungsschritte. Neben der Information für den Benutzer kann die Automatisierung „AFI“ das Protokoll auch selbst einlesen und ist damit in der Lage, eine begonnene Auswertung an beliebiger Stelle zu unterbrechen und zu einem späteren Zeitpunkt an genau dieser Stelle wieder fortzusetzen.

Nach diesem Schritt werden die durchgeführten Messungen automatisch analysiert, für alle fMRT-Messungen (meist 4 bis 6) werden die für die Auswertung notwendigen Parameter festgelegt, dazu zählen der Name der Messung, die Zeitdauer, Anzahl und Auflösung der Bilder, erfolgte Stimulation und die Beschreibung des Blockdesigns. Die nun folgende Auswertung der fMRT-Bilddaten geschieht vollautomatisch im Programm „BrainVoyager 2000“, die 2D-Bilder durchlaufen eine Lagekorrektur (3D motion correction), eine Zeitkorrektur (Slice scan time correction) und eine Filterung (Temporal data smoothing), zum Schluss wird aus den Bildern des ersten Volumes eine „pseudo-anatomische“ Ansicht (amr-File) erzeugt, diese imitiert die Kontraste eines T1-gewichteten 3D-Datensatzes und führt damit zu einer wesentlich verbesserten visuellen Darstellung der 2D-Maps (Abb. 2). Daran schließt sich die statistische Auswertung der funktionellen Daten im Block-Design an, wobei eine für die Verzögerung der hämodynamischen Antwort korrigierte Referenzfunktion verwendet wird. Initial wurden statistisch signifikant aktivierte Pixel durch Kreuzkorrelations-Analysen berechnet. Seit in neueren Programmversionen des „BrainVoyager 2000“ das „General Linear Model“ (GLM) implementiert wurde, wird dieses ebenfalls unterstützt. Ergebnis der 2D-Auswertung sind schichtbezogene Karten der funktionellen Aktivierungsmuster, die sogenannten „2D-Maps“. Nun kann man die Aktivierungsmaps auf den niedrig aufgelösten Schichtbildern betrachten (Abb. 2 zeigt das somatosensible Areal S1 nach Stimulation der rechten Hand).

Abbildung 2:        Schichtbezogene 2D-Map, links original, rechts pseudo-anatomische Ansicht

Um die Bereiche erhöhter Aktivität anatomisch exakt lokalisieren zu können, wird aus den morphologischen Daten automatisch ein hochauflösendes 3D-Projekt kreiert. Nach der Neuausrichtung und Isometrierung der 3D-Anatomie muss der Auswerter nun eine der 2D-Maps manuell überlagern. Der manuelle Schritt ist notwendig, da die Maps leichte Verzerrungen enthalten, der Benutzer wird jedoch interaktiv bei dieser Aufgabe unterstützt. Die Überlagerung wird in zwei iterativen Schritten durchgeführt, zunächst wird im ersten Schritt eine approximative Überlagerung bestimmt, die eine Abweichung von maximal 5mm in allen drei Raumrichtungen nicht überschreitet. Dazu wird die 3D-Anatomie dargestellt und die Schichtführung in der sagittalen Ansicht eingeblendet, wobei die aktuell im 4. Quadranten angezeigte Schicht durch eine gelbe Linie hervorgehoben ist (Abb. 3). Der Schwellwert für die Anzeige der aktivierten Areale wird soweit nach unten gesetzt, das quasi das ganze Cerebrum aktiviert (rot) dargestellt wird. Nun kann der Benutzer durch Verschieben der überlagerten Schichten in der coronaren und transversalen Ansicht die rote Markierung möglichst passend auf das Cerebrum verschieben. In Abb. 3 ist die approximative Überlagerung schon durchgeführt.

Abbildung 3:        Approximative Überlagerung mit minimalem Schwellwert

Im zweiten Schritt wird die Überlagerung weiter optimiert, so dass die Abweichungen trotz der Verzerrungen an keinem Punkt 2mm überschreiten sollte. Die Schwelle für die Anzeige der aktivierten Areale wird wieder soweit hochgesetzt, dass die primäre Aktivierung durch den Stimulus optimal dargestellt wird (Abb. 4). Nun wird die Anzeige in schneller Folge zwischen der 3D-Anatomie (Abb. 4, Mitte) und der fMRT-Schichtaufnahme (Abb. 4, rechts) umgeschaltet und dabei die 3D-Anatomie mit den Pfeiltasten feinverschoben, bis die Überlagerung ein Optimum erreicht hat.

Abbildung 4:        Feinüberlagerung, Map auf 3D-Anatomie (Mitte), Map auf fMRT-Bild (rechts)

Das Ergebnis dieser Überlagerung ist zunächst eine Transformationsvorschrift in Form eines trf-Files, das die räumliche Beziehung der fMRT-Messungen zu der 3D-Sequenz beschreibt. Mit Hilfe dieses Files wird nun aus jeder 2D-Map automatisch eine 3D-Map generiert. Neben den statischen 3D-Maps werden auch sogenannte vtc-Files (volume time course) berechnet, sie enthalten die kompletten funktionellen Daten in 3D und sind somit die flexible Basis für Einzelfall-Analysen als auch für Multistudy-Analysen. Nun sind die Daten für eine Befundung durch den Arzt aufbereitet (Abb. 5).

Abbildung5:        3D-Map auf 3D-Anatomie überlagert (Hand rechts S1)

Die 3D-Datensätze können abschließend bei Bedarf ins Talairach-Koordinatensystem transformiert werden. Dieser Schritt muss ebenfalls manuell vorbereitet werden, interaktiv unterstützt von „AFI“. Die Vorbereitung umschließt die Festlegung von 8 Punkten im Cerebrum, den sogenannten Talairach-Referenz-Punkten, die in der 3D-Anatomie markiert werden. Zunächst legt der Benutzer mit einem Fadenkreuz die Commissura anterior fest, diese bildet den Ursprungspunkt des Talairach-Koordinatensystems. Danach muss die Commissura posterior markiert werden, diese liegt nach der ersten Umwandlung, der AC-PC-Transformation, in einer Ebene genau hinter der Commissura anterior. Die folgenden sechs Punkte definieren die Abmessungen des Cerebrum: Der höchste Punkt (superior point), der niedrigste Punkt (inferior point), der vorderste Punkt (anterior point), der hinterste Punkt (posterior point), und die beiden Punkte, die am weitesten links (left point) und rechts (right point) liegen. Zur Kontrolle wird nach der Eingabe der Punkte ein sogenanntes Talairach-Proportionalitätsgitter eingeblendet, es umschließt das gesamte Cerebrum und besitzt zwei Achsen, die durch die Commissura anterior und die Commissura posterior führen (Abb. 6).

Abbildung 6:        Talairach-Proportionalitätsgitter auf 3D-Anatomie

Die Durchführung der Talairach-Transformation der 3D-Anatomie und aller 3D-Maps und das Abspeichern der Ergebnisse führt „AFI“ automatisch aus. Für Talairach-transformierte Datensätze können für jede Aktivierung auch die Euklidischen Koordinaten (x, y, z) in mm und die Talairach-Koordinaten (z. B. dE3) bestimmt werden (Abb. 7).

Abbildung7:        3D-Map (Hand rechts S1) im Talairach-Koordinatensystem

Für die Beurteilung kann eine Aktivierung als ROI (region of interest) markiert werden, damit kann die Korrelation der gemessenen hämodynamischen Antwort zur Referenzfunktion (r), der statistische Fehler (p), die relative BOLD-Kontrast-Signaländerung in Prozent (dS%) und die Anzahl der Voxel im aktivierten Cluster angezeigt werden. In Abb. 8 ist rot die BOLD-Kontrast-Signaländerung im Vergleich zur hämodynamisch korrigierten Zielfunktion (grün) über den einzelnen Wiederholungsmessungen (110 Messungen) dargestellt.

Abbildung 8:        ROI Signal Time Course

Die Anzahl der Voxel, die ein Cluster mindestens enthalten muss, um angezeigt zu werden, kann frei vorgegeben werden. Aufgrund empirischer Erfahrungen halten wir den Wert von 36 Voxeln bei einer Voxelgrösse von 2 x 2 x 5 mm³ für gut geeignet und haben ihn als Standardparameter definiert. Bei dieser Clustergrösse werden zufällig verstreute kleinste Aktivierungen ausreichend unterdrückt, gleichzeitig ist der Cluster noch nicht so groß, dass feine Details in der Anatomie überdeckt würden. Durch einen einfachen Mausklick auf ein spezielles Funktionsfeld kann die Schwelle des Korrelationswertes, der zur farbigen Anzeige einer Aktivierung überschritten werden muss, in r = 0,02 Schritten variiert werden. Dieses Vorgehen eignet sich hervorragend zur Analyse experimenteller und klinischer fMRT-Daten. Typischerweise beginnt die Auswertung bei einem Schwellwert, der so hoch ist, dass keine Aktivierung mehr farbig angezeigt wird. Durch Absenken der Schwelle wird zunächst die im gesamten Gehirn am besten mit der Zielfunktion übereinstimmende Aktivierung angezeigt. Wie die Spitze eines Eisbergs ist diese Aktivierung sehr klein und gut umschrieben, sodass die euklidischen Koordinaten des Aktivitätsmaximums, Korrelation, BOLD-Kontrast-Signaländerung und die gemessene Anzahl der zum Cluster gehörigen Voxel eindeutig bestimmt werden können. Bei intakter zerebraler Anatomie gelingt so auch die exakte Zuordnung des anatomischen Korrelats. Durch weitere Reduktion der Korrelationsschwelle treten ebenso gut definierte Aktivierungen in anderen funktionellen Arealen hinzu, für die die genannten Messwerte bestimmt werden können (Stippich et al. 2000). Gleichzeitig nimmt die Größe der bereits auf höherem Niveau angezeigten Cluster mit sinkendem Schwellwert zu.

Nach Beendigung der Auswertung können alle nicht mehr benötigten Daten, wie z.B. die Original-Dicom-Files komprimiert werden, um anschließend den kompletten Fall auf CD, DVD oder Festplatte zu sichern. Bei der Archivierung wird der Benutzer wiederum interaktiv unterstützt, anschließend wird automatisch ein CD-Cover erstellt und ausgedruckt, das die Fallnummer, alle Messungen, eine Kurzdiagnose, und das Datum der Messung auflistet (Abb. 9).

Abbildung 9:        Automatisch erstelltes CD-Cover

Das Programm „AFI“ arbeitet dialogfeldorientiert, die einzelnen Module wurden in einer Kombination aus den drei Skriptsprachen VBS (Visual Basic Script), Python und AutoIt programmiert. Die Auswertung orientiert sich an vorgegebenen Ordnernamen, in denen die Bilder der einzelnen Messungen gespeichert sind und aus denen das verwendete Mess- und Stimulationsprotokoll eindeutig abgeleitet werden kann.

Einige Module wurden während der Entstehung des Programms auch extrahiert und in abgewandelter Form als einzelne Tools entwickelt. Diese Tools können benutzt werden, wenn der Anwender keine komplette Auswertung durchführen, sondern nur eine kleine Aufgabe automatisch bearbeiten will.

Das erste Tool heißt „Show All Maps“, es kann wie alle Tools über eine Verknüpfung in der Windows-Startleiste einfach gestartet werden. Es bietet zunächst ein Auswahlfenster und fordert den Benutzer auf, einen Fallordner auszuwählen. Wenn der Benutzer nun einen Fallordner mit fMRT-Daten auswählt, öffnet das Tool automatisch das Programm „BrainVoyager 2000“ und stellt die erste fMRT-Messung des Falles dar. Folgende Arbeitsschritte werden dabei durchgeführt: Einladen der 3D-Anatomie, verknüpfen des Volume Time Course (vtc), des Reference Time Course (rtc) und berechnen der GLM-Map (General Linear Model). Alternativ kann auch der 2D-Datensatz (schichtbezogen) mit überlagerter 2D-Map dargestellt werden.

Ein weiteres Tool heißt „Dicom Sort Automatic“ und ordnet beliebige Dicom-Bilddateien nach einzelnen Messungen sortiert in entsprechende Unterordner ein. Der Name des sogenannten Fallordners beinhaltet den Namen und Vornamen des Patienten sowie das Datum der Messung (Beispiel: Mustermann_Hans-20040325), die Unterordner (Messordner) sind benannt nach dem Sequenznamen und der Startzeit der Einzelmessung (Beispiel: 14.41.28_FAST_3_PLANE_PILOT). In jedem Messordner wird eine Datei „Dicominfo.txt“ generiert, diese enthält alle Daten aus dem Dicom-Header, die das Tool während der Verarbeitung ausliest.

Das dritte Tool kreiert aus einer beliebigen Fallordner-Messordner-Struktur ein CD-Cover als Word-Dokument, wie es in Abb. 9 dargestellt ist. Das CD-Cover trägt als Titel den Namen des Fallordners und listet folgende Daten auf: Datum der Messung, Kurzdiagnose, Namen der fMRT-Messordner, Namen sonstiger Messordner.

Das Tool „Zip unused Dicom Files“ ist in der Lage, die Daten eines Fallordners zu komprimieren. Dabei werden in Messordnern, die fMRT-Daten enthalten, alle Dicom-Bilder gepackt. Wenn die fMRT-Daten schon in 3D konvertiert wurden, werden ebenfalls alle „slice time course“(stc)-Dateien gepackt. Diese enthalten die funktionellen Daten 2D-schichtbezogen und werden nach der 3D-Konvertierung nicht mehr benötigt. Das Tool ist in der Lage, obengenannte Bedingungen automatisch zu prüfen.

Schließlich gibt es noch eine Verknüpfung mit dem Dokument „fMRT-Automatisierung2003.doc“, das eine umfangreiche Dokumentation und Anleitung der Automatisierung enthält und dem Benutzer bei der Anwendung unterstützt.

Ergebnisse und Diskussion

Die automatisierte fMRT-Auswertung mit „AFI“ bietet eine standardisierte, robuste, qualitativ gleichbleibende Datenverarbeitung mit einer sehr geringen Fehleranfälligkeit. Sie vereinfacht die  Auswertung für den Benutzer enorm, indem alle automatisierbaren Schritte automatisch ablaufen und die manuellen Schritte mit ausführlichen Anleitungen und Kommentaren unterstützt werden. Nicht zuletzt bietet die Automatisierung eine große Zeitersparnis, die sich anhand einer beispielhaften Standardauswertung quantifizieren lässt. Zum Vergleich wurde eine Standardauswertung mit einer 3D-Anatomie und 4 fMRTs (somatosensible Stimulation der Lippe links / rechts und Hand links / rechts) sowohl manuell als auch automatisch ausgewertet. Die Bilddaten im Dicom-3.0-Format waren zu Beginn der Auswertung schon auf dem Auswerterechner (Standard-PC mit 2,4 GHz, 512 MB RAM) vorhanden.

 
Abbildung 10:      Dauer einer manuellen und automatisierten Auswertung

Die rein manuelle Auswertung mit dem BrainVoyager 2000 dauert 2 Stunden 21 Minuten (Abb. 10, linke Säule). Die automatische Auswertung (Abb. 10, mittlere Säule) dauert insgesamt 1 Stunde 11 Minuten, das ist in etwa die Hälfte der Zeit. Die Zeitersparnis wird noch größer, wenn man nur die Zeitabschnitte betrachtet, in denen der Benutzer Eingaben machen muss. Diese Zeitabschnitte werden in Abb. 10 in Vollton-Farben angezeigt, während Zeitabschnitte, in den die Automatisierung ohne Eingriffe des Benutzers arbeitet, schraffiert dargestellt sind. Bei der manuellen Auswertung muss der Benutzer fast die ganze Zeit das Programm BrainVoyager 2000 bedienen, die Berechnungsphasen des BrainVoyagers z.B. für die Berechnung eines vtc-Files (Volume Time Course) sind zu kurz, um den PC zu verlassen. Lediglich bei der Archivierung der Daten dauert der Brennvorgang für 2 CDs etwa 7 Minuten, während dieser Zeit muss der Benutzer nicht anwesend sein. Bei der Automatisierung werden jedoch alle Eingaben des Benutzers in möglichst großen Blöcken zusammengefasst, so dass möglichst lange Zeiten entstehen, in denen keine Eingaben notwendig sind. Im Vergleich ergibt sich also die reine Arbeitszeit für eine manuelle Auswertung von 134 Minuten (2 Stunden 14 Minuten) gegenüber der automatischen Auswertung von 23 Minuten (Spalte Automatisch 2). Das ist weniger als ein Fünftel des Zeitaufwands der manuellen Auswertung.

Tabelle1:             Zeitaufwand der einzelnen Auswerteschritte

In Tabelle 1 sind die Ergebnisse in Tabellenform dargestellt, die manuellen Arbeitsblöcke sind:

·         Eingabe der Patienten- und Messdaten (3 Min.)

·         Überlagerung der fMRT-Daten auf die 3D-Anatomie (6:30 Min.)

·         Vorbereitung der Talairach-Transformation (5:30 Min.)

·         Archivierung der Daten (CDs beschriften und in den CD-Brenner schieben, 8 Min.)

Die automatisierte Auswertung „AFI“ ermöglicht darüber hinaus eine sehr gute Übersicht über bereits ausgewertete Messungen. In jedem Fallordner existieren zwei Dateien, Dicominfo.txt und Auswerteprotokoll.txt, die es jedem Nutzer ermöglichen, sofort alle mit dem Patient und der Messung zusammenhängenden Daten einzusehen, die von „AFI“ erhoben wurden. Mit einem Blick in das Auswerteprotokoll kann der Nutzer auch erkennen, ob beispielsweise eine Talairach-Transformation durchgeführt wurde. Falls nicht, kann er diese bei Bedarf zu einem beliebigen Zeitpunkt nachholen, alle Daten, die das Programm dafür braucht, sind im Auswerteprotokoll vorhanden.

Die einzelnen, aus dem Programm abgeleiteten eigenständigen Tools, die weiter oben beschrieben wurden, sind für den Anwender oft nützlich, sie sparen als kleine automatische Helfer viel Zeit.  

Ausblick

Die beschriebene Software „AFI“ ist seit ca. 3 Monaten in der radiologischen Klinik der Universitätsklinik Heidelberg im Einsatz, im Rahmen eines von der KFG geförderten Forschungsprojektes werden hier Ergebnisse aus der fMRT ausgewertet und validiert. Die Software „AFI“ verfügt über alle im Artikel beschriebenen Eigenschaften, sie arbeitet stabil und liefert sehr gute Ergebnisse. Momentan wird gerade an der zweiten Version gearbeitet, diese enthält eine graphische Oberfläche und wird plattformunabhängig unter den Betriebssystemen Windows, Linux und MacOS lauffähig sein. Der Benutzer kann die Messprotokolle selbst editieren und neue erstellen, die visuelle, taktile und auditorische Stimulation soll integriert werden. Somit sind die Stimulationsparadigmen automatisch sowohl in der Stimulationseinheit als auch in der Auswertung bekannt, das reduziert den Aufwand beim Erstellen neuer Messprotokolle erheblich und löst die Synchronisationsprobleme zwischen Messung und Auswertung bei „Event related“-Messungen auf elegante Weise. Die Verwaltung der Patienten- und Messdaten in einer SQL-Datenbankstruktur bietet erweiterte Möglichkeiten für Such- und Zugriffsfunktionen und führt damit zu einer hohen Transparenz der Daten. Ein Image-Viewer für Bilddaten im Dicom-3.0- und Analyze-Format ermöglicht die visuelle Darstellung aller Bilddaten. Es ist vorstellbar, weitere Programme zur fMRT-Auswertung zu steuern, beispielsweise SPM (Statistical Parametric Mapping). Für die weitere Automatisierung der Auswertung gibt es einige aktuelle Arbeiten, die sich mit der Entzerrung von EPI-Bildern und der automatischen Überlagerung auf die 3D-Anatomie beschäftigen. Sobald entsprechende Ergebnisse vorliegen, werden diese auch in für die Automatisierung berücksichtigt werden. Es ist denkbar, damit in ein paar Jahren eine vollautomatische fMRT-Automatisierung zu realisieren.

Die fMRT-Auswerteprogramme „BrainVoyager 2000“ und „SPM“ sind bislang nur für Forschungszwecke einsetzbar, sie besitzen keine Zulassung nach dem Medizinproduktegesetz. Sobald die funktionelle MRT jedoch im klinischen Einsatz am Patienten als Diagnosesystem eingesetzt werden kann, ist es wünschenswert, dass die beschriebene Automatisierung der Auswertung ebenfalls eine Zulassung nach dem Medizinproduktegesetz erhält.