Pit-Pattern Klassifikation von Colonläsionen mittels Wavelet Textur Analyse

Einleitung: Mittels Zoom- und Chromoendoskopie lassen sich bei Veränderungen im Colon nach der Kudo Klassifikation sechs Pit Pattern (I, II, IIIL, IIIS, IV, IV) unterscheiden. Diese Einteilung erlaubt eine Unterscheidung zwischen normaler, hyperplastischer, adenomatöser und maligne transformierter Mukosa. In den Händen von Experten ist so eine Entscheidung über das weitere therapeutische Vorgehen bei solchen Veränderungen möglich. Unser Ziel ist die Entwicklung von Algorithmen zur computerbasierten Klassifikation von Colonläsionen.

Methodik: Insgesamt wurden 257 Zoombilder nach Färbung mit Indigokarmin und optischer Vergrößerung (150-fach, Olympus Evis Exer CF-Q160ZI/L) aufgenommen und zur Analyse übertragen. Die Analyse der Bilder erfolgte nach Aufsplittung in die einzelnen Farbkanäle bzw. nach Konvertierung in Graustufen. Weitere Schritte umfassen: 1) Anwendung eines Gaussian Blur, 2) Berechnung der lokalen Varianz über das Bild, 3) Histogrammequalisierung, 4) Pyramidale Waveletpacket Zerlegung (DWT) des Resultates oder durch Local Discriminant Bases (LDB)sowie schließlich 5) die Analyse der Verteilungscharakteristika nach der k-Nearest Neighbour Klassifikation (k-NN) bzw. mithilfe von Support Vector Machines (SVM). Die Einteilung der Ergebnisse erfolgt einerseits nach der Pit Pattern Klassifikation nach Kudo, andererseits nach einer Unterteilung in zwei Klassen (nicht-neoplastisch und neoplastisch).

Ergebnisse: Bei einer Unterteilung in zwei Klassen lassen sich mittels LDB k-NN und DWT-SVM Erkennungsraten von derzeit 75% erreichen. Die Einteilung in Pit Pattern nach der Kudo Klassifikation liefert derzeit noch sehr inkonsistente Ergebnisse, wobei die Erkennunsgraten für das Pit Pattern I am höchsten liegen.

Diskussion: Obwohl die Erkennungsraten noch unter der von Experten liegen, zeigt unser Ansatz erstmals, dass eine computerbasierte Analyse von Pit Pattern nach der Kudoklassifikation möglich ist. Eine Echtzeitentscheidungshilfe bezüglich des Managementes von Läsionen im Colon ist mithilfe eines Computerprogrammes denkbar.

Literatur: 1) Shin-Ei Kudo et al. Colorectal tumorous and pit pattern. Journal of Clinical Pathology, 47:880–885, 1994. 2) Shin-Ei Kudo et al. Diagnosis of colorectal tumorous lesions by magnifying endoscopy. Gastrointestinal Endoscopy, 44(1):8–14, July 1996. 3) M. Häfner et al.. Pit pattern classification of zoom-endoscopic colon images using wavelet texture features. Proceedings of the International Conference on Advances in Medical Signal and Image Processing. MEDSIP 2006.