Advertisement

Der Radiologe

, Volume 59, Issue 11, pp 1019–1034 | Cite as

Quantitative Verfahren in der Sonographie

  • K.-V. JenderkaEmail author
  • S. Delorme
CME
  • 94 Downloads

Zusammenfassung

Standardverfahren zur Erfassung der Echotextur oder der Durchblutung von Geweben sind B‑Bild- und Duplexsonographie. Mikrostruktur und Zusammensetzung des Gewebes beeinflussen Parameter der Echotextur und akustische Parameter wie Schallgeschwindigkeit sowie die frequenzabhängige Dämpfung und Rückstreuung, Parameter der quantitativen Farbduplexsonographie werden von der Hämodynamik in erfassten Gefäßen beeinflusst. Dynamischer kontrastverstärkter Ultraschall und Ultraschallelastographie erlauben eine Quantifizierung der Gewebeperfusion bzw. der Gewebesteifigkeit. B‑Bild-Texturanalyse, Analyse der hochfrequenten Echosignale und quantitative Farbduplexsonographie können Aufschluss über die Mikrostruktur von Geweben und deren Durchblutung geben, sind aber für den klinischen Einsatz zu komplex. Dynamischer kontrastverstärkter Ultraschall und Ultraschallelastographie sind auch unter klinischen Bedingungen robust.

Schlüsselwörter

Parameterbild Texturanalyse/Radiomics Elastographie Perfusionsbildgebung Akustische Gewebeparameter 

Quantitative methods in sonography

Abstract

B‑mode and color Doppler ultrasound are standard radiological methods to quantify tissue echo texture and tissue perfusion. Microstructure and composition of tissue influence echo texture parameters and acoustic parameters, such as speed of sound, attenuation and backscatter and quantitative color Doppler image parameters are influenced by the hemodynamics in depictable vessels. Dynamic contrast-enhanced ultrasound enables quantification of tissue perfusion and ultrasound elastography assists in assessing tissue stiffness. B‑mode texture analysis, analysis of high-frequency echo signals and quantitative color Doppler image analysis are able to contribute to the assessment of tissue microstructure but have so far not been implemented clinically due to their complexity. Dynamic contrast-enhanced ultrasound and ultrasound elastography have proven to be robust under clinical conditions.

Keywords

Parametric image Texture analysis Elastography Perfusion imaging Acoustic parameters of tissue 

Notes

Einhaltung ethischer Richtlinien

Interessenkonflikt

Gemäß den Richtlinien des Springer Medizin Verlags werden Autoren und Wissenschaftliche Leitung im Rahmen der Manuskripterstellung und Manuskriptfreigabe aufgefordert, eine vollständige Erklärung zu ihren finanziellen und nichtfinanziellen Interessen abzugeben.

Autoren

K.-V. Jenderka: A. Finanzielle Interessen: Patente, Geschäftsanteile, Aktien o. ä. an einer im Medizinbereich aktiven Firma: Geschäftsanteile an der Fa. GAMPT mbH, Merseburg. – B. Nichtfinanzielle Interessen: Professur für Physik, Sensor- und Ultraschalltechnik an der Hochschule Merseburg | Mitgliedschaften: DEGUM (stellv. Leiter der Sektion Naturwissenschaft und Technik), DGBMT, DPG, VDI, IEEE. S. Delorme: A. Finanzielle Interessen: Vorträge auf dem Ludwigshafen-Karlsruher Radiologischen Dialog: 17.09.2016, 23.09.2017 | Vortragshonorar von Bracco Deutschland. – B. Nichtfinanzielle Interessen: Radiologe, Deutsches Krebsforschungszentrum Heidelberg | Vorsitzender, Ausschuss Strahlenschutz in der Medizin (A2) und zugleich Mitglied der Strahlenschutzkommission (SSK) beim Bundesumweltministerium, Mitglied in der Ethikkommission der Medizinischen Fakultät Heidelberg, Vizepräsident der Deutschen Gesellschaft für Ultraschall in der Medizin (DEGUM) bis 2014, Mitglied der Deutschen Röntgengesellschaft.

Wissenschaftliche Leitung

Die vollständige Erklärung zum Interessenkonflikt der Wissenschaftlichen Leitung finden Sie am Kurs der zertifizierten Fortbildung auf www.springermedizin.de/cme.

Der Verlag

erklärt, dass für die Publikation dieser CME-Fortbildung keine Sponsorengelder an den Verlag fließen.

Für diesen Beitrag wurden von den Autoren keine Studien an Menschen oder Tieren durchgeführt. Für die aufgeführten Studien gelten die jeweils dort angegebenen ethischen Richtlinien.

Literatur

  1. 1.
    Delorme S, Zuna I (2000) Ad multos annos – 30 Jahre sonographische Gewebedifferenzierung. Ultraschall in Med 21(6):230–232.  https://doi.org/10.1055/s-2000-9126 CrossRefGoogle Scholar
  2. 2.
    Delorme S, Scheer M, Fein M et al (1992) Computergestützte B‑Bildanalyse – Diagnostische Treffsicherheit in der zervikalen Lymphknotendiagnostik. Ultraschall Klin Prax 7:162Google Scholar
  3. 3.
    Fein M, Reinert S, Zuna I et al (1992) Clinical experience with US image texture analysis of enlarged cervical lymph nodes. Radiology 185:400Google Scholar
  4. 4.
    Fein M, Reinert S, Zuna I et al (1992) Quantitative Auswertung der Echotexturmerkmale vergrösserter Halslymphknoten. Ultraschall Klin Prax 7:161Google Scholar
  5. 5.
    Glaser F, Layer G, Zuna I et al (1990) Preoperative assessment of perirectal lymph nodes by ultrasound. Chirurg 61:587–591PubMedGoogle Scholar
  6. 6.
    Haberkorn U, Zuna I, Lorenz A et al (1989) Computerisierte Ultraschallklassifikation verfetteter Lebern. Der Einfluss van strukturellen Merkmalen der Verfettung. Ultraschall Klin Prax 4:16–20Google Scholar
  7. 7.
    Haberkorn U, Zuna I, Zerban H et al (1989) Quantitative Untersuchungen zum Einfluss von Bindegewebs- und Fettstrukturen auf das Ultraschallbild der Leber. RoFo 151:439–442CrossRefGoogle Scholar
  8. 8.
    Haberkorn U, Zuna I, Lorenz A et al (1990) Echographic tissue characterization in diffuse parenchymal liver disease: correlation of image structure with histology. Ultrason Imaging 12:155–170CrossRefGoogle Scholar
  9. 9.
    Jenderka KV, Delorme S (2015) Verfahren der Dopplersonographie. Radiologe 55:593.  https://doi.org/10.1007/s00117-015-2869-x CrossRefPubMedGoogle Scholar
  10. 10.
    Delorme S, Peschke P, Zuna I et al (1999) Sensitivity of color Doppler sonography: an experimental approach. Ultrasound Med Biol 25:541–547CrossRefGoogle Scholar
  11. 11.
    Delorme S, Haberkorn U, Kinscherf R et al (2001) Changes in tumor vascularity during gene therapy monitored with color Doppler US. Ultrasound Med Biol 27:1595–1603CrossRefGoogle Scholar
  12. 12.
    Dietz A, Delorme S, Rudat V et al (2000) Prognostic value of color Doppler and volumetry in head and neck tumors. Otolaryngol Head Neck Surg 122:596–601PubMedGoogle Scholar
  13. 13.
    Huber S, Delorme S, Knopp MV et al (1994) Breast tumors: computer-assisted quantitative assessment with color Doppler US. Radiology 192:797–801CrossRefGoogle Scholar
  14. 14.
    Huber S, Delorme S, Zuna I (1998) Dynamische Erfassung der Kontrastmittelanflutung in der Dopplersonographie: Gegenwärtiger Stand. Radiologe 38:390–393CrossRefGoogle Scholar
  15. 15.
    Huber S, Helbich T, Kettenbach J et al (1998) Effects of a microbubble contast agent on breast tumors: computer-assisted quantitative assessment with color Doppler US – early experience. Radiology 208:485–489CrossRefGoogle Scholar
  16. 16.
    Huber S, Medl M, Helbich T et al (2000) Locally advanced breast carcinoma: computer assisted semiquantitative analysis of color Doppler ultrasonography in the evaluation of tumor response to neoadjuvant chemotherapy (work in progress). J Ultrasound Med 19:601–607CrossRefGoogle Scholar
  17. 17.
    Huber S, Delorme S, Zuna I et al (2001) Fibroadenomas: computer-assisted quantitative evaluation of contrast-enhanced power Doppler apperance with histopathologic correlation. Ultrasound Med Biol 27:3–11CrossRefGoogle Scholar
  18. 18.
    Sarvazyan AP, Urban MW, Greenleaf JF (2013) Acoustic waves in medical imaging and diagnostics. Ultrasound Med Biol 39(7):1133–1146.  https://doi.org/10.1016/j.ultrasmedbio.2013.02.006 CrossRefPubMedPubMedCentralGoogle Scholar
  19. 19.
    Dietrich CF et al (2017) EFSUMB guidelines and and recommendations on the clinical use of liver ultrasound elastography, update 2017 (long version). Ultraschall in Med 38(04):e16–e47.  https://doi.org/10.1055/s-0043-103952 CrossRefGoogle Scholar
  20. 20.
    Tzschätzsch H (2018) Methodes and approaches in ultrasound elastography. In: Sack I, Schaeffter T (Hrsg) Quantification of biophysical parameters in medical imaging. Springer Nature, ChamGoogle Scholar
  21. 21.
    Jenderka KV, Delorme S (2018) Diagnostischer Ultraschall. In: Schlegel W, Karger CP, Jäkel O (Hrsg) Medizinische Physik. Springer, BerlinGoogle Scholar
  22. 22.
    Sandrin L, Tanter M, Gennisson J, Catheline S, Fink M (2002) Shear elasticity probe for soft tissues with 1‑D transient elastography. IEEE Trans Ultrason Ferroelectr Freq Control 49(4):436–446CrossRefGoogle Scholar
  23. 23.
    Palmeri ML, Wang MH, Dahl JJ, Frinkley KD, Nightingale KR (2008) Quantifying hepatic shear modulus in vivo using acoustic radiation force. Ultrasound Med Biol 34(4):546–558.  https://doi.org/10.1016/j.ultrasmedbio.2007.10.009 CrossRefPubMedPubMedCentralGoogle Scholar
  24. 24.
    Nightingale K, McAleavey S, Trahey G (2003) Shear-wave generation using acoustic radiation force: in vivo and ex vivo results. Ultrasound Med Biol 29(12):1715–1723.  https://doi.org/10.1016/j.ultrasmedbio.2003.08.008 CrossRefPubMedGoogle Scholar
  25. 25.
    Song P, Zhao H, Manduca A, Urban MW, Greenleaf JF, Chen S (2012) Comb-push ultrasound shear elastography (CUSE): a novel method for two-dimensional shear elasticity imaging of soft tissues. IEEE Trans Med Imaging 31(9):1821–1832.  https://doi.org/10.1109/TMI.2012.2205586 CrossRefPubMedPubMedCentralGoogle Scholar
  26. 26.
    Bercoff J, Tanter M, Fink M (2004) Supersonic shear imaging: a new technique for soft tissue elasticity mapping. IEEE Trans Ultrason Ferroelectr Freq Control 51(4):396–409.  https://doi.org/10.1109/TUFFC.2004.1295425 CrossRefPubMedGoogle Scholar
  27. 27.
    Tzschätzsch H, Ipek-Ugay S, Guo J, Streitberger K‑J, Gentz E, Fischer T et al (2014) In vivo timeharmonic multifrequency elastography of the human liver. Phys Med Biol 59(7):1641–1654.  https://doi.org/10.1088/0031-9155/59/7/1641 CrossRefPubMedGoogle Scholar
  28. 28.
    Tzschätzsch H et al (2016) Two-dimensional time-harmonic elastography of the human liver and spleen. Ultrasound Med Biol 42(11):2562–2571CrossRefGoogle Scholar
  29. 29.
    Kollmann C, Putzer M (2005) Ultraschallkontrastmittel – physikalische Grundlagen. Radiologe 45(6):503–512CrossRefGoogle Scholar
  30. 30.
    Krix M, Kauczor H‑U, Delorme S (2003) Moderne sonographische Methoden zur Quantifizierung von Gewebeperfusion. Radiologe 43(10):823–830CrossRefGoogle Scholar
  31. 31.
    Greis C (2011) Quantitative evaluation of microvascular blood flow by contrast-enhanced ultrasound (CEUS). Clin Hemorheol Microcirc 29:137–149.  https://doi.org/10.3233/CH-2011-1464 CrossRefGoogle Scholar
  32. 32.
    Maxeiner A et al (2019) Contrast-enhanced ultrasound (CEUS) and quantitative perfusion analysis in patients with suspicion for prostate cancer. Ultraschall in Med 40:340–348.  https://doi.org/10.1055/a-0594-2093 CrossRefGoogle Scholar
  33. 33.
    Opacic T, Dencks S, Theek B et al (2018) Motion model ultrasound localization microscopy for preclinical and clinical multiparametric tumor characterization. Nature Communications 9:1527.  https://doi.org/10.1038/s41467-018-03973-8 CrossRefPubMedPubMedCentralGoogle Scholar
  34. 34.
    Dencks S et al (2019) Clinical pilot application of super-resolution US imaging in breast cancer. IEEE Trans Ultrason Ferroelectr Freq Control 66(3):517–526.  https://doi.org/10.1109/TUFFC.2018.2872067 CrossRefPubMedGoogle Scholar
  35. 35.
    Jenderka KV (2013) Ausbreitung von Ultraschall im Gewebe und Verfahren der Ultraschallbildgebung. Radiologe 53:1137–1150.  https://doi.org/10.1007/s0011701325675 CrossRefPubMedGoogle Scholar
  36. 36.
    Ruiter NV, Zapf M, Dapp R, Hopp T, Kaiser WA, Gemmeke H (2013) First results of a clinical study with 3D ultrasound computer tomography. 2013 IEEE International Ultrasonics Symposium (IUS), Prague, S 651–654  https://doi.org/10.1109/ULTSYM.2013.0168 CrossRefGoogle Scholar
  37. 37.
    André M, Wiskin J, Borup D (2013) Clinical results with ultrasound computed tomography of the breast. In: Mamou J, Oelze M (Hrsg) Quantitative ultrasound in soft tissues. Springer, Dordrecht, S 395–432  https://doi.org/10.1007/978-94-007-6952-6_15 CrossRefGoogle Scholar
  38. 38.
    GAMPT Ultrasonic Solutions Merseburg (2019) Set für Ultraschallversuche im Praktikum – Ultraschall in Physik, Medizin und Technik. http://www.gampt.de/content/cms/downloads/pdf/GAMPT-Sets.pdf. Zugegriffen: 18.08.2019Google Scholar
  39. 39.
    Jenderka K‑V (2004) Resolution improved ultrasound attenuation estimation based on rf-data of spatial compound scans. In: Proceedings of the 2004 IEEE Ultrasonics Symposium, Vol. 3, S 2078–2081  https://doi.org/10.1109/ULTSYM.2004.1418245 CrossRefGoogle Scholar
  40. 40.
    Coila A, Oelze ML (2019) Effects of acoustic nonlinearities on the ultrasonic backscatter coefficient estimation. J Acoust Soc Am 146:85.  https://doi.org/10.1121/1.5115355 CrossRefPubMedGoogle Scholar
  41. 41.
    Köthe L, Wolff I, Schneider I, Pankow D, Jenderka K‑V (2002) In vitro ultrasound attenuation and relative backscatter in the rat liver during carbon tetrachloride administration. In: Proceedings of the 2002 IEEE Ultrasonics Symposium, Vol. 2, S 1321–1324  https://doi.org/10.1109/ULTSYM.2002.1192538 CrossRefGoogle Scholar

Copyright information

© Springer Medizin Verlag GmbH, ein Teil von Springer Nature 2019

Authors and Affiliations

  1. 1.Physik, Sensor- und UltraschalltechnikHochschule Merseburg, FB INWMerseburgDeutschland
  2. 2.Abt. Radiologie (E010)DKFZ – Deutsches KrebsforschungszentrumHeidelbergDeutschland

Personalised recommendations