Deep Learning Reconstruction Combined with Ultra-Low Pitch Scanning: A Synergistic Strategy for Helical Artifact Suppression in Low-Dose Abdominal CT

Die medizinische Bildgebung steht seit langem vor einem schwierigen Balanceakt. Um das Innere des menschlichen Körpers klar sehen zu können, verlassen sich Ärzte auf Röntgenaufnahmen, die durch das Gewebe dringen, um ein Bild zu erzeugen. Je klarer das Bild ist, desto einfacher ist es, Probleme wie Tumore oder Entzündungen zu erkennen. Eine höhere Strahlendosis führt jedoch oft zu einem schärferen Bild, was wiederum eigene Risiken birgt, insbesondere für Patienten, die häufige Kontrolluntersuchungen benötigen. Umgekehrt führt eine Senkung der Strahlendosis zur Schonung der Patienten oft zu körnigen, verrauschten Bildern, bei denen feine Details verschwimmen. Im Abdomen wird dieses Problem dadurch verschärft, wie sich der Scanner bewegt. Während die Maschine um den Patienten rotiert, wandert sie spiralförmig vorwärts, um den gesamten Körper zu erfassen. Wenn diese Spirale zu breit oder zu schnell ist, entstehen Lücken in den Daten, die Streifen und Verzerrungen erzeugen, die als helikale Artefakte bekannt sind. Diese Streifen können die empfindlichen Wände des Darms verdecken und es schwierig machen, Erkrankungen wie Morbus Crohn oder Darmverschlüsse zu diagnostizieren. Jahrzehntelang mussten Radiologen zwischen einem schnellen Scan mit niedriger Dosis und schlechter Bildqualität oder einem langsamen, hochwertigen Scan wählen, der den Patienten einer höheren Strahlung aussetzt.

Ein Forschungsteam am Guiqian International General Hospital in China unternahm den Versuch, diesen Zielkonflikt zu überwinden. Sie testeten einen neuen Ansatz, der zwei spezifische Technologien kombiniert, um zu sehen, ob diese gemeinsam das Problem lösen können. Der erste Teil ihrer Strategie besteht darin, die Spiralbewegung des Scanners auf eine „ultra-niedrige“ Geschwindigkeit zu drosseln. Durch die langsamere Bewegung des Scanners werden wesentlich dichtere Daten erfasst, wodurch die Lücken gefüllt werden, die normalerweise diese störenden Streifen verursachen. Der zweite Teil der Strategie nutzt ein modernes Computerprogramm auf Basis von Deep Learning. Im Gegensatz zu älteren Computerprogrammen, die lediglich körnige Bilder glätten, wurde dieses neue Programm mit tausenden echten medizinischen Bildern trainiert. Es lernt, zwischen zufälligem Rauschen, unerwünschten Artefakten und der tatsächlichen Anatomie des Körpers zu unterscheiden. Die Forscher wollten wissen, ob die Verwendung dieser langsamen Scan-Geschwindigkeit zusammen mit dem intelligenten Computerprogramm ein klares, strahlungsarmes Bild des Abdomens erzeugen kann, das besser ist als das derzeit Mögliche.

Um die Antwort zu finden, nahmen die Forscher 90 Patienten in die Studie auf, die aus medizinischen Gründen eine Abdomen-CT benötigten. Sie unterteilten diese Patienten in drei Gruppen, um verschiedene Scan-Methoden zu vergleichen. Eine Gruppe erhielt einen Standard-Scan mit einer konventionellen Geschwindigkeit und einer traditionellen Bildverarbeitungsmethode. Eine zweite Gruppe erhielt einen etwas langsameren Scan, ebenfalls unter Anwendung der traditionellen Methode. Die dritte Gruppe erhielt den ultra-langsamen Scan, wobei diese Gruppe wiederum in zwei Hälften aufgeteilt wurde: Die eine Hälfte wurde mit der traditionellen Methode bearbeitet, die andere Hälfte mit dem neuen Deep-Learning-Computerprogramm. Die Forscher maßen daraufhin alles, vom Ausmaß der Strahlung, die jeder Patient erhielt, bis hin zur Klarheit der fertigen Bilder. Sie untersuchten, wie viel Rauschen in den Bildern vorhanden war, wie gut die Bilder den Kontrast zwischen verschiedenen Geweben darstellten und wie häufig die störenden Streifen auftraten. Zwei erfahrene Radiologen, die nicht wussten, zu welcher Gruppe der jeweilige Patient gehörte, bewerteten die Bilder zudem auf einer Skala von eins bis fünf hinsichtlich der Lesbarkeit und der Detailklarheit.

Die Ergebnisse zeigten, dass die Kombination aus dem ultra-langsamen Scan und dem Deep-Learning-Programm der klare Gewinner war. Diese spezifische Gruppe erhielt von allen Gruppen die niedrigste Strahlendosis, mit durchschnittlich 9,88 Einheiten, im Vergleich zu höheren Dosen in den anderen Gruppen. Viel wichtiger war, dass die erzeugten Bilder signifikant klarer waren. Das Deep-Learning-Programm konnte das körnige Rauschen, das normalerweise Niedrigdosis-Scans plagt, erfolgreich entfernen und die Bilder wesentlich schärfer machen. Die Forscher fanden heraus, dass das Rauschen in diesen Bildern im Vergleich zu den Standard-Scans um mehr als die Hälfte reduziert wurde. Die Streifen und Verzerrungen, die typischerweise die Darmwände verdecken, wurden ebenfalls drastisch unterdrückt. In den Gruppen mit Standard- oder leicht langsameren Geschwindigkeiten traten diese Artefakte in der Mehrheit der Scans auf und machten Teile des Bildes oft schwer interpretierbar. Im Gegensatz dazu zeigten die Gruppe mit dem ultra-langsamen Scan und dem Deep-Learning-Programm diese Artefakte nur in einem kleinen Bruchteil der Fälle. Die Radiologen bewerteten diese Bilder als exzellent und merkten an, dass die Darmwände und die umliegenden Strukturen mit außergewöhnlicher Klarheit sichtbar waren.

Die Studie legt nahe, dass dieser duale Ansatz funktioniert, indem er das Problem von zwei Seiten angreift. Erstens verhindert die langsame Scan-Geschwindigkeit die Entstehung der Artefakte von vornherein, indem sie sicherstellt, dass die Maschine genügend Daten erfasst. Zweitens bereinigt das Deep-Learning-Programm verbleibende Unvollkommenheiten, indem es zwischen echten Körperstrukturen und digitalem Rauschen unterscheidet. Dies ermöglichte es dem Team, die Strahlendosis erheblich zu senken, ohne die Bildqualität zu opfern. Die Forscher merkten an, dass diese Methode besonders nützlich für Patienten ist, die wiederholte Scans benötigen, wie etwa Personen, die chronische Darmerkrankungen überwachen, da sie die gesamte Strahlendosis minimiert, die sie im Laufe ihres Lebens erhalten. Sie wiesen jedoch auch auf eine praktische Einschränkung hin: Da der Scanner sich so langsam bewegt, dauert der Scan länger, um abgeschlossen zu werden. Die durchschnittliche Zeit für diesen ultra-langsamen Scan betrug fast neun Sekunden, was mehr als doppelt so lange ist wie bei einem Standard-Scan. Dies erfordert von den Patienten, über einen längeren Zeitraum den Atem anzuhalten, was für sehr kranke, schmerzgeplagte oder nicht in der Lage, Anweisungen zur Atmung zu befolgen, schwierig sein kann.

Trotz der längeren Scan-Zeit bieten die Ergebnisse einen vielversprechenden Weg für die Abdomen-Bildgebung. Die Forscher kamen zu dem Schluss, dass diese Strategie effektiv die Streifen unterdrückt, die normalerweise Niedrigdosis-Bilder ruinieren, während sie gleichzeitig die Strahlenbelastung niedrig hält. Sie bietet eine Möglichkeit, die komplizierten Details des Verdauungstraktes zu sehen, ohne den üblichen Kompromiss zwischen Sicherheit und Klarheit einzugehen. Obwohl die Studie an einem einzelnen Krankenhaus durchgeführt wurde und sich spezifisch auf die Hohlorgane des Abdomens konzentrierte, deuten die Ergebnisse darauf hin, dass diese Methode ein Standardverfahren für diese Scans werden könnte. Durch die Kombination einer einfachen Anpassung der Scanner-Geschwindigkeit mit fortschrittlicher Computerverarbeitung können Ärzte bald in der Lage sein, sicherere und klarere Diagnosen für die Patienten zu erstellen, die sie am dringendsten benötigen.