Artsen kunnen driedimensionale beelden beter interpreteren dankzij een methode die Paul de Bruin bedacht tijdens zijn promotieonderzoek. De Bruin kwam er bovendien achter dat de vorm van een polsbotje wel eens verantwoordelijk kan zijn voor polsklachten.
Artsen maken veel gebruik van MRI- en CT-scans. Uit zo’n medische scanner komen afbeeldingen van lichaamsdelen die artsen alleen maar plak voor plak kunnen bekijken. “Ze moeten in hun hoofd een model maken van hoe anatomische objecten er in het lichaam uitzien”, aldus Paul de Bruin van de basiseenheid computer graphics (EWI). “De uitdaging is om bestaande methoden te verbeteren en nieuwe manieren te verzinnen om deze afbeeldingen makkelijker te interpreteren.”
De Bruin werkte tijdens zijn promotie aan ‘deze uitdaging’ en maakte een visualisatiemethode waarmee doktoren veel makkelijker kunnen in- en uitzoomen op een stuk bot of om spierweefsel heen kunnen kijken. “Op die manier kun je beter zien hoe een gewricht in elkaar steekt dan uit de ruwe data van de CT-scan blijkt”, aldus De Bruin, die deze maand promoveerde.
Visualisatie begint bij segmentatie. Hiermee groepeert een deskundige alle gelijksoortige data van een CT-scan, bijvoorbeeld alle punten van een stuk bot. CT-beelden geven de doorlaatbaarheid voor röntgenstraling aan. Een punt is zwart als het veel straling doorlaat, zoals lucht. Een punt is wit als het veel straling tegenhoudt, een stuk bot bijvoorbeeld. “Zo bekijk je alleen het bot waarin je geïnteresseerd bent. Het weefsel om het bot heen heb je virtueel weggesneden”, vertelt De Bruin.
Aan de hand van CT-beelden gaf De Bruin aan welke datapunten bij een polsbotje horen en welke niet. De scheiding tussen de datapunten gaf hij aan met een oppervlak. Aan de hand daarvan kon hij een nieuw oppervlak maken van de afzonderlijke polsbotjes. “Het maken van deze oppervlakken is niet nieuw. Mijn bijdrage zit in het genereren van oppervlakken die niet alleen nauwkeurig zijn, maar ook van hoge kwaliteit zijn. En dat maakt ze zeer geschikt voor nabewerking zoals simulatie en de eindige-elementenmodellering.”
Twee knoppen
Onderzoekers in het Amsterdams Medisch Centrum (AMC) denken erover om De Bruins visualisatiemethode te gaan gebruiken. “Intussen sleutel ik verder aan deze methode, omdat hij nog uit onderzoekssoftware bestaat. Het segmenteren moet sneller en handiger, want anders gebruiken artsen het niet. Een arts wil een apparaat met twee knoppen: één voor hard en zacht en één knop voor aan en uit.”
Verder analyseerde De Bruin 103 rechterpolsen en 107 linkerpolsen van 134 patiënten uit het AMC. Op grond hiervan maakte hij een statistisch vormmodel dat bestaat uit een gemiddeld polsbot en variaties daarvan. De Bruin ontdekte dat onder die 134 patiënten twee verschillende typen van het onderste polsbotje bestaan, het zogeheten os lunatum of halvemaanvormige botje. “Het vermoeden dat er twee typen zijn, bestaat al langer, maar het zou interessant zijn als we de vorm van de polsbotjes kunnen koppelen aan polsklachten, zoals een instabiele pols.”
De Bruin denkt dat deze vondst ook op het onderzoek naar andere botten of weefsels van toepassing kan zijn. “Dan zegt de dokter straks: de patiënt heeft als middenkootje botvorm ‘type 2a’, wat duidt op afwijking X. Zo kan een arts afwijkingen relateren aan botvorm. Dokters hebben daar natuurlijk interesse in.”
Maar voordat de vorm van botten te verbinden is aan bepaalde klachten, moeten enorme hoeveelheden datasets worden gemaakt. Bovendien is er nog een praktisch probleem: segmenteren is saai. “Studenten willen liever niet segmenteren. Logisch, want de student die mij hielp, heeft twee weken nodig gehad om één polsbotje van 134 patiënten te doen. Maar ja, hij is wel co-auteur van het artikel dat we over dit werk hebben geschreven.”
Met de methode van Paul de Bruin kunnen doktoren in- en uitzoomen op een stuk bot of weefsel. Volgens de promovendus zien artsen zo beter hoe een gewricht in elkaar steekt dan op een CT-scan. (Illustratie: Paul de Bruin)
Artsen maken veel gebruik van MRI- en CT-scans. Uit zo’n medische scanner komen afbeeldingen van lichaamsdelen die artsen alleen maar plak voor plak kunnen bekijken. “Ze moeten in hun hoofd een model maken van hoe anatomische objecten er in het lichaam uitzien”, aldus Paul de Bruin van de basiseenheid computer graphics (EWI). “De uitdaging is om bestaande methoden te verbeteren en nieuwe manieren te verzinnen om deze afbeeldingen makkelijker te interpreteren.”
De Bruin werkte tijdens zijn promotie aan ‘deze uitdaging’ en maakte een visualisatiemethode waarmee doktoren veel makkelijker kunnen in- en uitzoomen op een stuk bot of om spierweefsel heen kunnen kijken. “Op die manier kun je beter zien hoe een gewricht in elkaar steekt dan uit de ruwe data van de CT-scan blijkt”, aldus De Bruin, die deze maand promoveerde.
Visualisatie begint bij segmentatie. Hiermee groepeert een deskundige alle gelijksoortige data van een CT-scan, bijvoorbeeld alle punten van een stuk bot. CT-beelden geven de doorlaatbaarheid voor röntgenstraling aan. Een punt is zwart als het veel straling doorlaat, zoals lucht. Een punt is wit als het veel straling tegenhoudt, een stuk bot bijvoorbeeld. “Zo bekijk je alleen het bot waarin je geïnteresseerd bent. Het weefsel om het bot heen heb je virtueel weggesneden”, vertelt De Bruin.
Aan de hand van CT-beelden gaf De Bruin aan welke datapunten bij een polsbotje horen en welke niet. De scheiding tussen de datapunten gaf hij aan met een oppervlak. Aan de hand daarvan kon hij een nieuw oppervlak maken van de afzonderlijke polsbotjes. “Het maken van deze oppervlakken is niet nieuw. Mijn bijdrage zit in het genereren van oppervlakken die niet alleen nauwkeurig zijn, maar ook van hoge kwaliteit zijn. En dat maakt ze zeer geschikt voor nabewerking zoals simulatie en de eindige-elementenmodellering.”
Twee knoppen
Onderzoekers in het Amsterdams Medisch Centrum (AMC) denken erover om De Bruins visualisatiemethode te gaan gebruiken. “Intussen sleutel ik verder aan deze methode, omdat hij nog uit onderzoekssoftware bestaat. Het segmenteren moet sneller en handiger, want anders gebruiken artsen het niet. Een arts wil een apparaat met twee knoppen: één voor hard en zacht en één knop voor aan en uit.”
Verder analyseerde De Bruin 103 rechterpolsen en 107 linkerpolsen van 134 patiënten uit het AMC. Op grond hiervan maakte hij een statistisch vormmodel dat bestaat uit een gemiddeld polsbot en variaties daarvan. De Bruin ontdekte dat onder die 134 patiënten twee verschillende typen van het onderste polsbotje bestaan, het zogeheten os lunatum of halvemaanvormige botje. “Het vermoeden dat er twee typen zijn, bestaat al langer, maar het zou interessant zijn als we de vorm van de polsbotjes kunnen koppelen aan polsklachten, zoals een instabiele pols.”
De Bruin denkt dat deze vondst ook op het onderzoek naar andere botten of weefsels van toepassing kan zijn. “Dan zegt de dokter straks: de patiënt heeft als middenkootje botvorm ‘type 2a’, wat duidt op afwijking X. Zo kan een arts afwijkingen relateren aan botvorm. Dokters hebben daar natuurlijk interesse in.”
Maar voordat de vorm van botten te verbinden is aan bepaalde klachten, moeten enorme hoeveelheden datasets worden gemaakt. Bovendien is er nog een praktisch probleem: segmenteren is saai. “Studenten willen liever niet segmenteren. Logisch, want de student die mij hielp, heeft twee weken nodig gehad om één polsbotje van 134 patiënten te doen. Maar ja, hij is wel co-auteur van het artikel dat we over dit werk hebben geschreven.”
Met de methode van Paul de Bruin kunnen doktoren in- en uitzoomen op een stuk bot of weefsel. Volgens de promovendus zien artsen zo beter hoe een gewricht in elkaar steekt dan op een CT-scan. (Illustratie: Paul de Bruin)
Comments are closed.