https://archiv.ub.uni-marburg.de/diss/z2015/0577/cover.png Medizin Medizin 2015-10-14 ths Prof. Dr. Renz Harald Renz, Harald (Prof. Dr.) 2015 computer-aided diagnosis computer-aided detection This thesis was an attempt to differentiate lung morphology in an asthma mouse model using automatic image-analysis software. The parameters to be examined were volume, mass and the density of the lung. These parameters were evaluated from data, obtained in a previously performed study of an animal experiment. In that study, twelve mice were divided equally into two groups. The first group consisted of mice in the control group that received only a sham treatment. The second group was the asthma group, in which asthma was induced using a well-established acute mouse model. After an initial imaging of both groups, in all mice an artificial asthma attack was induced, which was triggered by methacholine and captured by imaging. The aim was to determine if it is possible to characterize, on the basis of the mentioned three parameters, a change in the lung morphology of the different experimental groups. The first step was the visual evaluation of the obtained images in terms of their visual differences. Therefore, the images of all groups were compared on a workstation with each other. The main idea behind the software development was that the software can only find differences, if differences are detectable in the images. Afterwards, the statistical analysis of the parameters volume, mass, and density were evaluated. The result of statistical analysis showed, that, based on the parameter volume, only four of the six comparison groups could be distinguished from each other by means of sufficiently small p-values. The combination of control group before methacholine treatment vs. asthma group before methacholine treatment and control group after methacholine treatment vs. asthma group after methacholine treatment could not be discriminated from each other based on the p-values. This circumstance can be explained by the fact that the volume of each phenotype is an individual value, which may be very different for each mouse. For the differentiation of the various groups on the basis of the parameter “mass”, no statistically significant differences could be found. This parameter also depends strongly on the phenotype of each mouse, and may highly vary individually, so that it was not possible to define a reasonable parameter based on the “mass”. By the definition of the third parameter, the density, individual differences were normalized. Hence, five of the six pairs could be distinguished from each other by the means of p-value. Only the pair of control group after methacholine treatment vs. asthma group after methacholine treatment was not discriminable. This was due to the effect of meth-acholine, which let the images appear visually identical after its application. The experiments of the present study were performed in 2012 and were completed before the pub- lication of Changani et al. (2013). They were performed completely independently from the publication in the literature. Conclusion: a classification can be successfully performed based on the density parameter. Therefore, an automatic, numerically based data-analysis is possible without subjective influences. The results in terms of classification between different experimental groups in this thesis, are identical to the classification method based of the fractal dimension analysis published by Obert and Coworkers (2015) 5 . Thus, a classification can be made computationally easier using the density evaluation and is therefore preferra- ble. Outlook: an application and evaluation of the software to human data would be the next interesting step, to assist the radiologist at work. In dieser Arbeit wurde der Versuch einer Unterscheidung von Lungenmorphologien in Asthmafragestellungen mittels automatischer Bildanalysesoftware vorgenommen. Die zu untersuchenden Parameter waren das Volumen, die Masse und die Dichte der Lunge. Diese Parameter wurden an zuvor in einer anderen Studie gewonnenen Daten aus einem Tierexperiment getestet. Dort wurden zwölf Mäuse zu gleichen Teilen in zwei Gruppen aufgeteilt. Die erste Gruppe bestand aus Mäusen der Kontrollgruppe, die nur eine Scheinbehandlung erhielt. Bei der zweiten Gruppe handelte es sich um eine Asthma-gruppe, bei der anhand eines etablierten Modells Asthma induziert wurde. Bei allen Mäusen wurde nach der Bildgebung des Grundzustandes ein künstlicher Asthmaanfall mittels Methacholin ausgelöst und in der Bildgebung erfasst. Ziel war es festzustellen, ob anhand der drei genannten Parameter eine Aussage über die Veränderung der Lungemorphologie der verschiedenen experimentellen Gruppen charakterisierbar war. Der erste Schritt war die visuelle Auswertung der gewonnen Bilder hinsichtlich ihrer Unterschiede. Dazu wurden die Bilder aller Gruppen an einer Workstation miteinander verglichen. Der Leitgedanke für die Softwareentwicklung war, dass Software nur dann Unterschiede finden kann, wenn diese auch visuell in den Bildern zu erkennen waren. Anschließend wurden die statistische Auswertung der Parameter Volumen, Masse und Dichte vorgenommen. Das Ergebnis der statistischen Untersuchung zeigte, dass anhand des Parameters Volumen nur vier der insgesamt sechs Vergleichsgruppen mittels des p-Werts voneinander unterschieden werden konnten. Die Kombination aus Kontrollgruppe vor Methacholin vs. Asthmagruppe vor Methacholin und Kontrollgruppe nach Methacholin vs. Asthmagruppe nach Methacholin konnten anhand der p-Werte nicht voneinander abgegrenzt werden. Dieser Umstand ist damit zu erklären, dass das Volumen bei jedem Phänotyp ein individueller Wert ist und somit bei jeder Maus unterschiedlich ausfällt. Zur Differenzierung der verschiedenen Gruppen anhand des Parameters Masse konnten gar keine statistisch signifikanten Unterschiede gefunden werden. Dieser Parameter ist ebenfalls abhängig vom Phänotyp der einzelnen Maus und somit individuell zu unterschiedlich, so dass er keinen nützlichen Messwert zur Beurteilung darstellte. Durch Definition des dritten Parameters, der Dichte, wurden diese individuellen Unterschiede normiert und es konnten fünf der sechs Gruppenpaare mittels des p-Werts voneinander unterschieden werden. Lediglich das Paar Kontrollgruppe nach Methacholin vs. Asthmagruppe nach Methacholin war nicht unterscheidbar. Dies lag an der Wirkung des Methacholins, welches nach Applikation die Bilder optisch gleich erschienen ließ und diese somit nicht voneinander zu unterscheiden waren. Die Experimente der vorliegenden Arbeit wurden 2012 durchgeführt und zeitlich vor dem Erscheinen der Publikation von Changani et al. (2013) abgeschlossen. Sie wurden völlig unabhängig von den Arbeiten in der Literatur durchgeführt. Fazit: eine Klassifizierung kann erfolgreich mit dem Parameter Dichte durchgeführt werden. Damit ist eine automatische, numerisch basierte Datenanalyse ohne subjektive Einflüsse möglich. Die Ergebnisse hinsichtlich der hier angestellten Klassifizierung sind identisch mit der der fraktalen Dimensionsklassifizierung von Obert und Mitautoren (2015). Die Klassifizierung kann durch die Bestimmung der Dichte rechnerisch einfacher vorgenommen werden und ist deshalb einer Klassifizierung nach der fraktalen Di- mension zu bevorzugen. Ausblick: eine Anwendung und Evaluierung der Software an Humandaten wäre der nächste interessante Schritt, um den Radiologen bei der Arbeit zu unterstützen. application/pdf Bronchialasthma urn:nbn:de:hebis:04-z2015-05772 Differenzierung verschiedener Lungenmorphologien in einem experimentellen Maus-Asthmamodell mittels automatischer Bildanalyse asthma bronchiale Medical sciences Medicine Medizin 2015-11-30 monograph opus:6403 doctoralThesis German https://doi.org/10.17192/z2015.0577 Automatische Bildanalyse, Lunge Maus-Asthmamodell, Computergestützte Diagnose Inan, Selcuk Inan Selcuk Differentiation of various lung morphologies in an experimental murine asthma model using automatic image analysis Philipps-Universität Marburg Publikationsserver der Universitätsbibliothek Marburg Universitätsbibliothek Marburg