Inhaltszusammenfassung:
In der vorliegenden Dissertation wurde evaluiert, ob die Anwendung des (Cardiac) Vasculature Reconstruction Programms (CAVAREC, Siemens Healthcare, Forchheim, Deutschland) bei Cone-Beam-Computertomographie (CB-CT) der Leber zur Reduktion von Artefakten führt, welche durch Atembewegungen ausgelöst wurden.
Untersucht wurden die CB-CT-Datensätze von insgesamt 70 Patienten, die aufgrund diverser Lebererkrankungen zwischen August 2018 und Januar 2021 in der Abteilung der diagnostischen und interventionellen Radiologie am Universitätsklinikum Tübingen untersucht wurden. Diese waren unterschiedlich stark artefaktbehaftet. Die Nachbearbeitung zur Artefaktreduktion der CB-CT-Rohdatensätze erfolgte mit dem CAVAREC-Algorithmus. Dieser generierte ausgehend vom Originalbild in Schritten von jeweils 100 Iterationsstufen (It.) neue Datensätze bis zu einer maximalen Iteration von 1000 Stufen.
Die Auswertung der Datensätze erfolgte subjektiv und unabhängig voneinander durch drei Fachärzte der diagnostischen und interventionellen Radiologie nach den Kriterien: Bewertung der vorliegenden Bewegungsartefakten (Motion Artifact = MA), Schärfeveränderung der Gefäßdarstellung (Vessel Depiction = VD), Erkennbarkeit des Gefäßbaumes (Vessel Tree = VT) sowie der Gefäßanschluss an den Tumor (To Target = TT). Zudem wurden die durch den Algorithmus neu generierten Artefakte (Newly Created Artifacts = NCA) untersucht und bewertet. Das angewendete Bewertungsschema orientierte sich anhand von Likert-Skalen.
Die Beurteilung der Kriterien MA VD und TT ergab die subjektiv beste Bildwiedergabe zwischen der It. 0300 und It. 0400. Für VT war dies im Bereich zwischen den It. 0200 und It. 0300. Beim Kriterium NCA zeigte sich eine zunehmende Neuerscheinung von Artefakten in den höheren Iterationsstufen. Dies beeinflusste die Bildqualität negativ.
Der CAVAREC-Algorithmus kann eine subjektive Verbesserung der Bildqualität der untersuchten CB-CT Datensätze gewährleisten. Bei höheren Iterationsstufen
[81]
nehmen jedoch gleichzeitig durch den Algorithmus neu generierte Artefakte zu. Generell betrachtet liegt das Optimum der subjektiv ermittelten Bildqualität bei 300 (+/- 100) Iterationsstufen für die mögliche klinische Anwendung.
