Spektral-Computertomographie zur Quantifizierung von Fett und Eisen als klinisch prognostische Parameter

Projekt 04FMTHH20

Spektral-Computertomographie zur Quantifizierung von Muskelfett und
Eisenablagerungen im Knochenmark als klinisch prognostische
Parameter

Ausgangssituation

Die in Deutschland nach wie vor häufigste Schnittbildgebung, die Computertomographie (CT), ermöglicht es seit der Einführung der Dual-Source Dual-Energy CT (ds-DECT) seit 2006 prinzipiell, Elemente und Gewebe in klinischen Untersuchungen zu quantifizieren. Dies ergibt sich aus den element- bzw. materialspezifischen, energieabhängig differenten Abschwächungskoeffizienten. Die Eignung von ds-DECT Techniken zur Materialquantifizierung im klinischen Alltag ist jedoch eingeschränkt, da es sich um quellenbasierte Spektraloptionen handelt, deren Energiespektren vor Durchführung jeder Untersuchung aktiv angepasst werden müssen. Hingegen gestattet die Dual-Energy Spektral-CT, die 2017 in die Klinik eingeführt wurde, die retrospektive Quantifizierung verschiedener Materialien auf Basis eines mit standardisierter Röhrenspannung generierten Datensatzes, ohne zusätzliche Strahlenbelastung.

Während die Eignung der ds-DECT zur Iodquantifzierung und zur Fett- und Eisenquantifizierung für einzelne Organe demonstriert wurde, fehlt es für die Dual-Energy Spektral-CT an Techniken, Studien, Methoden und Software.

Zielsetzung

Primäres Ziel dieser interdisziplinären Zusammenarbeit zwischen UKE und TUHH ist die Entwicklung von Phantomen, Methoden, Analysealgorithmen und Software zur Fettquantifizierung und Eisenquantifizierung in Patienten durch die Dual-Energy Spektral-CT und Validierung dieser mittels Magnetresonanzspektroskopie (MRT) und Magnetresonanz-Relaxometrie.
Perspektivisch soll der Einfluss der erhobenen Messwerte auf das klinische Outcome der Patientinnen und Patienten untersucht werden.

Der Spektral-Computertomograph (CT) (a); materialspezifische Abschwächungskoeffizienten für Fett, Weichgewebe und Knochen in Abhängigkeit von der keV (b); Referenz-Magnetresonanztomograph (c).

Vorgehensweise

Die Vorgehensweise sieht vor, über Phantommessungen die notwendigen Methoden und Software zu entwickeln, um langfristig im Rahmen von Patientenstudien die Fett- und Eisenquantifizierung mittels Dual-Energy Spektral-CT zu validieren. Um die Eignung der entwickelten Algorithmen für patientenähnliche dreidimensionale Strukturen zu prüfen, werden selbstentwickelte und mittels 3D-Druck im Institut für Biomedizinische Bildgebung angefertigte Phantome verwendet. Es erfolgen Phantommessungen mit Konzentrationsreihen aus Fett,  Calciumkarbonat und Eisen. Die Erstellung der Phantominhalte erfolgt in Zusammenarbeit mit dem Institut für Biochemie und Molekulare Zellbiologie des UKE. Abschließend erfolgen Phantommessungen in zertifizierten MRT und CT kompatiblen Prüfkörpern.

Die Entwicklung der Methoden und Algorithmen erfolgt auf den rekonstruierten Dual-Energy Spektral-CT Bildern. Dazu werden automatische Segmentierungstools für die jeweiligen Körperregionen entwickelt. Auf den segmentierten Daten werden Auswertungen zur Quantifizierung vorgenommen und mit den Messergebnissen der Referenzbildgebung verglichen. Die Bilddaten werden zusätzlich mit den energieabhängigen Abschwächungskurven gewichtet, um eine verbesserte Differenzierung der einzelnen Stoffe zu ermöglichen. Abschließend werden die elementspezifischen, farblich kodierten Bilddaten mit den CT-Bildern koregistriert.

Nach Softwareentwicklung und Validierung der Dual-Energy Spektral-CT Messergebnisse durch die MRT an Phantomen folgen erste Messungen am Patienten. Positiv beschiedene Ethikanträge der Ethikkommission der Ärztekammer Hamburg liegen vor. Eingeschlossen werden Patientinnen und Patienten, die aus klinischer Indikation CT Untersuchungen des Abdomens benötigen. Sämtliche Patienten erhalten zusätzlich eine MRT-Untersuchung ohne Kontrastmittel.


Publikationsliste

Molwitz I, Campbell GM, Yamamura J, Knopp T, Toedter K, Fischer R, Wang ZJ, Busch A, Ozga AK, Zhang S, Lindner T, Sevecke F, Grosser M, Adam G, Szwargulski P. Fat Quantification in Dual-Layer Detector Spectral Computed Tomography: Experimental Development and First In-Patient Validation. Invest Radiol. 2022 Feb 10. doi: 10.1097/RLI.0000000000000858. Epub ahead of print. PMID: 35148536


Deep Learning Methoden für die AR-Ultraschall geführte Punktion von Strukturen

Projekt 03FMTHH20

Deep Learning Methoden für die AR-Ultraschall geführte Punktion von Strukturen

Ausgangssituation

Punktionen sind ein essentieller Bestandteil therapeutischer und diagnostischer medizinischer Maßnahmen. Die Präzision der Nadelführung, die Adjustierung der Nadelausrichtung und die Diskriminierung zwischen Zielstrukturen und vulnerablen Strukturen sind nicht nur für den Punktionserfolg, sondern insbesondere auch in Hinblick auf mögliche Punktionskomplikationen von hoher Bedeutung. Zur Visualisierung der Zielstrukturen und präzisen Platzierung der Nadelspitze im Zielgebiet werden heutzutage häufig bildgebende Verfahren, wie der Ultraschall (US) oder andere Modalitäten der Schnittbildgebung eingesetzt. Die korrekte Durchführung von Punktionen setzt allerdings eine große Erfahrung und hohe Expertise des durchführenden Arztes voraus.

Das sichere Handling von Ultraschallkopf und Nadel erfordert eine gute Hand-Auge-Koordination und visuell-räumliches Wahrnehmungsvermögen. Auch die Einhaltung steriler Punktionsbedingungen muss hierbei berücksichtigt werden und erfordert ein hohes Maß an Training. Abweichungen von der Norm in anatomischen Strukturen erschweren die Orientierung und Navigation im Gewebe.

Beispiele für Komplikationen sind z.B. arterielle Fehlpunktionen bei der Anlage venöser Katheter, Nervenläsionen bei Regionalanästhesieverfahren oder die Verletzung von Bauchorganen bei Aszitespunktionen.

Zu untersuchen ist, ob eine Unterstützung via Augmented Reality (AR) die Präzision von Punktionen optimieren und somit die Komplikationsrate reduzieren kann.

Zielsetzung

Unser Ziel ist es, im Rahmen des vorgestellten Projektes ein prototypisches System zu evaluieren, welches die US-Bild geführte Punktion mittels AR unterstützt. Vor Beginn einer Punktion wird ein 3D-US-Übersichtsscan der Zielregion erstellt. Hierbei werden die Bewegungen des Ultraschallkopfes sowie die der untersuchten Oberflächenstruktur mit Hilfe der stereoskopischen Kameras der AR-Brille verfolgt. Auf Basis dieser Bewegungsprofile werden die 2D-US-Bilddaten zu einem 3D-US-Scan zusammengesetzt.

Anschließend erfolgt der übliche Punktionsvorgang, wobei die aktuellen 2D-US-Bilddaten durch den 3D-US-Scan augmentiert werden. Automatisch segmentierte anatomische Strukturen aus dem 3D-US-Scan werden unter der Hautoberfläche in 3D gerendert und dienen als Landkarte zur weiteren Positionierung von Ultraschallkopf und Nadel. Zusätzlich kann eine optimale Positionierung des Schallkopfes und eine zugehörige Nadeltrajektorie für eine bestimmte Zielregion bzw. -position angezeigt werden. Dieses System soll kurzfristig in der Ausbildung am Phantom sowie in der Supervision und langfristig im klinischen Alltag einsetzbar sein.

Darstellung des Punktionsvorgangs mit AR-Ultraschall Unterstützung. (A) Zu Beginn der Punktion wird ein 3D-US-Scan erzeugt, wobei der Behandler mit dem Ultraschallkopf in einem Zielbereich verschiedene Positionen abfährt. Das erzeugte 3D-Volumen wird im nächsten Schritt (B) genutzt, um an der Position eines neuen 2D-US-Scans die anatomischen Strukturen (rot – Gefäß, blau – Zielstruktur) mit Hilfe der AR-Brille in 3D unter der Hautoberfläche zu rendern. Schließlich werden Vorschläge für eine optimierte US-Position und Nadeltrajektorie angezeigt (C).

Vorgehensweise

Zu Beginn erfolgt der Aufbau eines Punktionsphantoms, welches realistische haptische Eindrücke und US-Bilddaten während des Punktionsvorgangs erzeugt und eine quantitative Beurteilung der Präzision der Punktion gewährleistet.

Anschließend folgt die Untersuchung maschineller Lernverfahren zur Zusammensetzung eines 3D-US-Übersichtscans basierend auf den 2D-US-Daten. Hierfür sollen unter anderem die Informationen des stereoskopischen Trackings von Hautoberfläche und Ultraschallkopf genutzt werden.

Der dritte Meilenstein besteht in der Untersuchung maschineller Lernverfahren zum 3D Rendering anatomischer Strukturen (im Modell z.B. Blutgefäße oder große Nerven). Die Strukturen sollen in den 3D-US-Bilddaten automatisiert segmentiert und anschließend anhand der Positionsinformationen des aktuellen 2D-US-Bildes bzw. des Schallkopfes positioniert werden.

Schließlich werden Methoden des maschinellen Lernens evaluiert, um nach Vorgabe einer Zielstruktur mithilfe der AR-Brille eine optimale Positionierung von Schallkopf und Nadel anzuzeigen.

Im Rahmen dieses Projektes werden wir die entwickelten Methoden zunächst im Rahmen eines Experimentalaufbaus evaluieren. In Simulationsstudien folgt die Überprüfung von Sicherheit und Machbarkeit der Methode in einem Proof-of-Concept-Ansatz, welche durch Ärzte verschiedener Ausbildungsstufen am Trainingsphantom durchgeführt werden.


Beteiligte

Johanna Sprenger, M.Sc.
Projektleitung TUHH, Entwicklung und Evaluation der Methoden
Institut für Medizintechnische und Intelligente Systeme
TUHH

Sarah Latus, M.Sc.
Stellv. Projektleitung, Organisation
Institut für Medizintechnische und Intelligente Systeme
TUHH

Prof. Dr.-Ing. Alexander Schlaefer
Institut für Medizintechnische und Intelligente Systeme
TUHH

Dr. med. Philipp Breitfeld
Projektleitung UKE
Arbeitsgruppe Informationsmanagement
Klinik für Anästhesiologie
UKE

Prof. Dr. med. Christian Zöllner
Klinik für Anästhesiologie
UKE

 


Publikationsliste

2021

  • S. Latus, J. Sprenger, M. Neidhardt, J. Schadler, A. Ron, A. Fitzek, M. Schlüter, P. Breitfeld, A. Heinemann, K. Püschel, A. Schlaefer (2021). Rupture detection during needle insertion using complex OCT data and CNNs. IEEE Transactions on Biomedical Engineering. 68 (10), 3059-3067.
  • M. Neidhardt, S. Gerlach, M.-H. Laves, S. Latus, C. Stapper, M. Gromniak, A. Schlaefer (2021). Collaborative robot assisted smart needle placement. Current Directions in Biomedical Engineering. 7. (2), 472-475
  • S. Latus, P. Breitfeld, M. Neidhardt, W. Reip, C. Zöllner, A. Schlaefer (2020). Boundary prediction during epidural punctures based on OCT relative motion analysis. EUR J ANAESTH. 2020 (Volume 37 | e-Supplement 58 | June 2020)
  • L. Bargsten, A. Schlaefer (2020). SpeckleGAN: a generative adversarial network with an adaptive speckle layer to augment limited training data for ultrasound image processing. International Journal of Computer Assisted Radiology and Surgery. 15 (9), 1427-1436.


Auswirkungen von Typ 2 Diabetes Mellitus auf das Frakturverhalten und die biomechanischen Eigenschaften im kortikalen Knochen

Projekt 02FMTHH20

Auswirkungen von Typ 2 Diabetes Mellitus auf das Frakturverhalten und die biomechanischen Eigenschaften im kortikalen Knochen

Ausgangssituation

Bei der metabolischen Erkrankung Typ 2 Diabetes Mellitus besteht eine Unempfindlichkeit der Zellen gegenüber des Hormons Insulin. Aufgrund der alternden Gesellschaft, einem zunehmend gesetzten Lebensstil sowie erhöhtes Vorkommen von Übergewicht steigt die Prävalenz von Typ 2 Diabetes Mellitus weiter an. Im Verlauf der Krankheit kann es zu Schädigungen des kardiovaskulären Systems, der Nieren und Nerven kommen. Zusätzlich geht Typ 2 Diabetes Mellitus mit einem erhöhten Frakturrisiko einher, dessen Ursachen bislang unzureichend erforscht sind. Dieses liegt auch an der Tatsache, dass entsprechende Technologien das Frakturrisiko bei Diabetes nicht darstellen können. Patienten mit Typ 2 Diabetes Mellitus zeigen oft trotz erhöhtem Frakturrisiko eine normale oder sogar erhöhte Knochenmineraldichte auf. Da die Diagnose eines erhöhten Frakturrisikos bisher auf der Bestimmung der Knochenmineraldichte basiert, wird die Diagnose von Diabetes Patienten mit erhöhtem Frakturrisiko erschwert. Entscheidende Knochenmaterialqualitätsparameter können jedoch nicht ohne weiteres mit den aktuell vorhandener Medizintechnik und klinischen Bildgebungsmodalitäten quantifiziert werden. Zur Bestimmung der zugrundeliegenden Mechanismen der diabetischen Knochenkrankheit sind daher Analysen am Knochengewebe erforderlich, um Daten erheben zu können welche dann in die Verbesserung der medizinisch-technischen Diagnosemöglichkeiten einfließen können.

Zielsetzung

Obwohl es bereits erste Studien gibt, welche die Veränderungen der Knochenmaterialqualität unter Typ 2 Diabetes Mellitus analysieren, fehlt es bislang an direkten Korrelationen zwischen Knochenmaterialqualitätsparametern und dem Frakturverhalten von diabetischen Knochen. Aus diesem Grund sollen in diesem Projekt die Kollagen- und Mineraleigenschaften, als maßgebliche Bestandteile der Knochenmatrix, mit der Bruchzähigkeit und dem Kriechverhalten der diabetischen Knochenmatrix korreliert werden, um die veränderte Knochenmatrix mit dem Frakturverhalten zu verstehen.

Vorgehensweise

Um das Frakturverhalten von Knochen im Labor zu ermitteln, werden zunächst Bruchzähigkeitstests in an diabetischen und gesunden Knochen durchgeführt. Für die Festigkeit des Knochens spielt der Mineralgehalt eine entscheidende Rolle. Daher werden die Knochendichte und der Mineralgehalt der Probe mit Hilfe von hochauflösender Bildgebung bestimmt. Zur Untersuchung des Verhaltens des Knochens unter Belastung, werden die Knochenproben mit einer Indenterspitze punktiert. Aufgrund der verschiedenen Methoden kann das Frakturverhalten mit Informationen zur Knochenmaterialqualität (Mineralisation, Knochendichte, Steifigkeit) korreliert und so der Einfluss von Diabetes Mellitus auf die Eigenschaften der Knochenmatrix näher definiert werden. Ziel ist es die Haupteinflussfaktoren zu identifizieren, die mit dem Frakturrisiko bei Diabetes korrelieren. Diese Faktoren sollen dann in die Diagnoseprotokolle von aktuellen medizinisch-technischen Bildgebungssystemen implementiert werden, um die Knochengesundheit von Diabetespatienten genauer zu beobachten und langfristig zu schützen.


Publikationsliste

To be added.


Hydrogels and aerogels with tunable stiffness for endothelial cell culture

Projekt 01FMTHH20

Hydrogels and aerogels with tunable stiffness for endothelial cell culture

Ausgangssituation

Blood and lymphatic vessels are lined by endothelial cells (ECs) which constantly interact with their luminal and abluminal extracellular environments. These interactions confer physical forces on the endothelium, such as shear stress, stretch and matrix stiffness, to mediate biological responses. Physical forces are often altered during disease, driving abnormal EC behaviour and pathology. Therefore, it is critical to understand the mechanisms by which ECs respond to physical forces. Traditionally, ECs in culture are grown in the absence of flow on stiff substrates such as plastic or glass. These cells are not subjected to the physiological forces that ECs endure in vivo, thus the results of these experiments often do not mimic those observed in the body. The Frye lab investigates how changes in extracellular matrix (ECM) stiffness regulates endothelial behaviour in development and disease.

Although a wide range of physical and chemical hydrogel gelation methods have been developed, it still remains challenging to combine desired chemistry, pore topology and microstructure, mechanical properties, long-term stability and sterilizability. Furthermore, scalability, i.e. ability to process hydrogels at a pilot and industrial scale, should not be left aside. To circumvent these challenges, the Gurikov lab is developing gentle methods towards gelation using pressurized carbon dioxide as gelation trigger. The use of CO2 strengthens the hydrogel resulting in self-standing gels even at low polymer concentration and therefore can provide a convincing solution to mimic a more physiological environment for 2D and 3D EC culture.

Zielsetzung

Our overall aim is to develop a new class of biopolymer-based hydrogel matrices which possess controllable stiffness and can thereby closely mimic physiological conditions for the growth of ECs in culture. We aim to develop an inexpensive and scalable processing of soft hydrogels, which can be utilized for sterile 2D and 3D cell culture applications. Furthermore, we aim to convert hydrogels into their solid form, into so called aerogels, to maintain a long shelf life time. Comprehensively, we will establish structure-performance relationships from comprehensive structural characterization of the hydro- and aerogels to an in-depth characterization of blood and lymphatic EC behaviour on hydrogels and aerogels.

Vorgehensweise

We will generate alginate-based and hybrid polymer hydrogels within physiological and pathological stiffness ranges and achieve homogeneous polymer distribution through carbon dioxide-induced gelation. To control EC adhesion, additional biopolymers and RGD peptides will be integrated. Hydrogels will be processed into aerogels through a established procedure (water is exchanged with ethanol followed by supercritical drying). Hydrogel and aerogels will be subjected to structural characterization using Scanning Electron Microscopy, nitrogen sorption analysis and microscale stiffness measurements via Atomic Force Microscopy and nano-indentation.

We will characterize blood and lymphatic EC behaviour on (2D) and within (3D) our novel hydrogel matrices. To this end, we will study EC morphology and cell-matrix adhesions and cell-cell junctions using confocal and super-resolution microscopy. In parallel, we will analyse mRNA expression in ECs cultured on/in different hydrogels and correlate expression data with our stiffness RNAseq database. To functionally characterize EC behaviour, we will study migration and sprouting capacity of ECs on/in different stiffness matrices and assess the regulation of EC monolayer permeability via the hydrogel microenvironment. If successful, our novel hydrogels could provide a more physiological basis for in vitro cell culture of several other adherent cell types.


Beteiligte

Dr. Pavel Gurikov
Head of the Laboratory for Development and Modelling of Novel Nanoporous Materials
Institute of Thermal Separation Processes
TUHH

Prof. Dr.-Ing. Irina Smirnova
Institute of Thermal Separation Processes
TUHH


Publikationsliste

To be added.