Fraunhofer-Gesellschaft

Publica

Hier finden Sie wissenschaftliche Publikationen aus den Fraunhofer-Instituten.

The International Radiomics Platform - An Initiative of the German and Austrian Radiological Societies - First Application Examples

Die Internationale Radiomics-Plattform - eine Initiative der Deutschen und Österreichischen Röntgengesellschaften. Erste Anwendungsbeispiele
 
: Overhoff, D.; Kohlmann, P.; Frydrychowicz, A.; Gatidis, S.; Loewe, C.; Moltz, J.; Kuhnigk, J.-M.; Gutberlet, M.; Winter, H.; Völker, M.; Hahn, H.; Schoenberg, S.O.; Attenberger, U.; Bamberg, F.; Baeßler, B.; Barkhausen, J.; Forsting, M.; Furtner-Srajer, J.; Gatidis, S.; Gutberlet, M.; Hahn, H.K.; Herold, C.; Kaindl, A.; Kather, J.; Kikinis, R.; Kohlmann, P.; Krause, B.J.; Krombach, G.; Ladd, M.E.; Langs, G.; Lohwasser, S.; Lotz, J.; Pinto Dos Santos, D.; Prosch, H.; Schoenberg, S.O.; Völker, M.; Winther, H.; Zimmermann, M.; Antoch, G.; Anton, F.; Barkhausen, J.; Dörfler, A.; Körber, F.; Layer, G.; Neumann, S.; Schoenberg, S.O.; Weßling, J.; Wucherer, M.; Forstner, R.; Gizewski, E.R.; Hausegger, K.A.; Heinz, G.; Herold, C.; Loewe, C.; Sorantin, E.; Wicke, K.

:

RöFo. Fortschritte auf dem Gebiete der Röntgenstrahlen und der Nuklearmedizin 193 (2021), No.3, pp.276-288
ISSN: 0340-1618
ISSN: 0936-6652
ISSN: 1433-5972
ISSN: 1438-9029
English
Journal Article
Fraunhofer MEVIS ()

Abstract
Ziel: Die DRG-ÖRG-IRP (Deutsche Röntgengesellschaft-Österreichische Röntgengesellschaft Internationale Radiomics-Plattform) stellt eine web-/cloudbasierte Radiomics-Plattform auf Grundlage einer öffentlich-privaten Partnerschaft dar. Sie bietet die Möglichkeit der gemeinsamen Nutzung von Daten, Annotation, Validierung und Zertifizierung auf dem Gebiet der künstlichen Intelligenz, Radiomics-Analyse und integrierten Diagnostik. In einer ersten Proof-of-Concept-Studie soll die automatisierte Myokardsegmentation sowie die automatisierte myokardiale Late-Gadolinum-Enhancement (LGE)-Detektion mittels radiomischer Bildmerkmale für Myokarditis-Datensätze evaluiert werden.
Material und Methoden: Die DRG-ÖRP-IRP kann zur Erstellung qualitätsgesicherter, strukturierter Bilddaten in Kombination mit klinischen Daten und anschließender integrierter Datenanalyse genutzt werden und zeichnet sich durch die folgenden Leistungskriterien aus: Nutzungsmöglichkeit multizentrischer vernetzter Daten, automatisiert berechnete Qualitätsparameter, Bearbeitung von Annotationsaufgaben, Konturerkennung mittels herkömmlicher Verfahren sowie Verfahren der künstlichen Intelligenz und der Möglichkeit einer gezielten Einbindung von Algorithmen.
In einer ersten Studie wurde ein anhand kardialer CINE-Datensätze vortrainiertes neuronales Netz zur Segmentierung von PSIR-Datensätzen evaluiert. In einem zweiten Schritt wurden radiomische Bildmerkmale zur segmentalen Detektion von LGE der gleichen Datensätze, welche multizentrisch über die IRP zu Verfügung gestellt wurden, angewendet.
Ergebnisse: Erste Ergebnisse zeigen die Vorteile (Datentransparenz, Zuverlässigkeit, breite Einbindung aller Mitglieder, kontinuierliche Evolution sowie Validierung und Zertifizierung) dieses plattformbasierten Ansatzes auf. In der Proof-of-Concept-Studie konnte im Vergleich zur Segmentierung des Myokards durch den Experten das neuronale Netzwerk einen Dice-Koeffizienten von 0,813 nachweisen. Im Rahmen der segmentbasierten myokardialen LGE-Detektion ergab sich ein AUC von 0,73 bzw. ein AUC von 0,79 nach Ausschluss von Segmenten mit unsicherer Annotation.
Die Auswertung und Bereitstellung der Daten findet auf der IRP unter Berücksichtigung der FAT-Kriterien (Fairness, Accountability, Transparency) sowie FAIR-Kriterien (findable, accessible, interoperable, reusable) statt.
Schlussfolgerung: Es konnte gezeigt werden, dass die DRG-ÖRP-IRP als Kristallisationspunkt für die Generierung weiterer Einzel- und Verbundprojekte genutzt werden kann. Die Durchführung von quantitativen Analysen mit Verfahren der künstlichen Intelligenz wird hierbei durch den Plattformansatz der DRG-ÖRP-IRP erheblich erleichtert, da vorab trainierte neuronale Netze integriert und wissenschaftliche Gruppen vernetzt werden können.
In einer ersten Proof-of-Concept-Studie zur automatisierten Segmentation des Myokards sowie zur automatisierten myokardialen LGE-Detektion konnten diese Vorteile erfolgreich angewendet werden.
Somit zeigt sich, dass sich mittels der DRG-ÖRP-IRP strategische Ziele interdisziplinär umsetzen, konkrete alltagstaugliche Proof-of-Concept-Beispiele aufzeigen sowie möglichst partizipativ unter Einbindung aller Gruppierungen eine Vielzahl an Einzel- und Verbundprojekten realisieren lassen.

 

Purpose: The DRG-ÖRG IRP (Deutsche Röntgengesellschaft-Österreichische Röntgengesellschaft international radiomics platform) represents a web-/cloud-based radiomics platform based on a public-private partnership. It offers the possibility of data sharing, annotation, validation and certification in the field of artificial intelligence, radiomics analysis, and integrated diagnostics. In a first proof-of-concept study, automated myocardial segmentation and automated myocardial late gadolinum enhancement (LGE) detection using radiomic image features will be evaluated for myocarditis data sets.
Materials and Methods: The DRG-ÖRP IRP can be used to create quality-assured, structured image data in combination with clinical data and subsequent integrated data analysis and is characterized by the following performance criteria: Possibility of using multicentric networked data, automatically calculated quality parameters, processing of annotation tasks, contour recognition using conventional and artificial intelligence methods and the possibility of targeted integration of algorithms. In a first study, a neural network pre-trained using cardiac CINE data sets was evaluated for segmentation of PSIR data sets. In a second step, radiomic features were applied for segmental detection of LGE of the same data sets, which were provided multicenter via the IRP.
Results: First results show the advantages (data transparency, reliability, broad involvement of all members, continuous evolution as well as validation and certification) of this platform-based approach. In the proof-of-concept study, the neural network demonstrated a Dice coefficient of 0.813 compared to the expert's segmentation of the myocardium. In the segment-based myocardial LGE detection, the AUC was 0.73 and 0.79 after exclusion of segments with uncertain annotation.
The evaluation and provision of the data takes place at the IRP, taking into account the FAT (fairness, accountability, transparency) and FAIR (findable, accessible, interoperable, reusable) criteria.
Conclusion: It could be shown that the DRG-ÖRP IRP can be used as a crystallization point for the generation of further individual and joint projects. The execution of quantitative analyses with artificial intelligence methods is greatly facilitated by the platform approach of the DRG-ÖRP IRP, since pre-trained neural networks can be integrated and scientific groups can be networked.
In a first proof-of-concept study on automated segmentation of the myocardium and automated myocardial LGE detection, these advantages were successfully applied.
Our study shows that with the DRG-ÖRP IRP, strategic goals can be implemented in an interdisciplinary way, that concrete proof-of-concept examples can be demonstrated, and that a large number of individual and joint projects can be realized in a participatory way involving all groups.

: http://publica.fraunhofer.de/documents/N-636986.html