Zum Inhalt

Automated Feeder-Detection Software for Renal Cell Carcinoma Embolization: A Retrospective Evaluation of Detection Rate Using Transarterial Time-Resolved Computed Tomography Angiography

  • 27.11.2023
  • Techniacal Note
Erschienen in:

Abstract

Purpose

To evaluate the detection rate of feeding arteries in renal cell carcinoma with automated feeder-detection software and determine the optimal imaging phase for accurate feeder detection with transarterial time-resolved computed tomography angiography.

Materials and Methods

The performance of automated feeder-detection software was retrospectively evaluated using transarterial renal time-resolved computed tomography angiography images of 15 renal cell carcinomas (mean size, 22.1 mm); the images were obtained via the renal artery using a hybrid angio-CT system with 320-row computed tomography, across nine phases with 0.5-s intervals over a contrast delay time of 1.0–5.0 s. Automated feeder-detection software was applied to each phase in all tumors (135 image series in total). The feeder-detection rate (i.e., sensitivity) in each phase was evaluated, and the number of false feeders demonstrated by the software was counted for each tumor.

Results

A total of 22 feeders were identified. The feeder-detection rate was the highest (95.5% [21/22]) at delay times of 1.5 s and 2.0 s and lower in later phases. At delay times of 1.0 s and 1.5 s, the software demonstrated no or only a few (≤ 3) false feeders in 93.3% (14/15) of the tumors. In later phases, however, many (≥ 4) false feeders were observed in > 50% of tumors.

Conclusion

The automated feeder-detection software showed a favorable feeder-detection rate and may be useful in transarterial embolization for renal cell carcinoma. The optimal delay time to avoid the demonstration of false feeders and achieve a high detection accuracy was 1.5 s.

Level of Evidence IV

Case Series.

Graphical Abstract

Titel
Automated Feeder-Detection Software for Renal Cell Carcinoma Embolization: A Retrospective Evaluation of Detection Rate Using Transarterial Time-Resolved Computed Tomography Angiography
Verfasst von
Yusuke Matsui
Koji Tomita
Mayu Uka
Noriyuki Umakoshi
Takahiro Kawabata
Kazuaki Munetomo
Shoma Nagata
Akira Kurozumi
Ayako Ujifuku
Toshihiro Iguchi
Takao Hiraki
Publikationsdatum
27.11.2023
Verlag
Springer US
Erschienen in
CardioVascular and Interventional Radiology / Ausgabe 1/2024
Print ISSN: 0174-1551
Elektronische ISSN: 1432-086X
DOI
https://doi.org/10.1007/s00270-023-03611-x
Dieser Inhalt ist nur sichtbar, wenn du eingeloggt bist und die entsprechende Berechtigung hast.

Neu im Fachgebiet Radiologie

Weniger Intervallkarzinome mit KI-unterstützter Mammografie

Die MASAI-Studie beschäftigt sich seit Längerem mit den Folgen des Einsatzes künstlicher Intelligenz beim Lesen von Screeningmammogrammen. Nun liegt eine neue Auswertung vor. Darin geht es um Intervallkarzinome.

Beeinflusst KI das Burnout-Risiko in der Radiologie?

Ein Review zweier US-amerikanischer Radiologen fasst die bisherige Studienlage zum Einsatz künstlicher Intelligenz in der Radiologie zusammen. Die verfügbaren Daten liefern bislang ein uneinheitliches Bild zum Einfluss von KI auf Burnout und dessen zentrale Ursachen.

Vermeiden Sie diese 5 Fehler bei Zahlenangaben im Patientengespräch!

US-Forschende haben fünf gängige Fehler identifiziert, die Behandelnden unterlaufen können, wenn sie mit Patientinnen und Patienten über Risiken und Zahlen sprechen. Vorschläge, wie’s sich besser machen lässt, liefern die Forscherinnen und Forscher gleich mit.

Dilatierte Aorta ascendens: Mehr Überwachung = mehr Sicherheit?

US-Radiologinnen und -Radiologen haben retrospektiv Fälle ihrer Einrichtung ausgewertet und kommen zu dem Schluss, dass mehr Surveillance bei erweiterter Aorta ascendens nicht immer hilfreich ist: In der Mehrzahl der Fälle blieben die Dilatationen stabil – und um die seltenen Fälle mit späterer Dissektion besser identifizieren zu können, müssten andere Faktoren noch stärker berücksichtigt werden.

Update Radiologie

Bestellen Sie unseren Fach-Newsletter und bleiben Sie gut informiert.

Bildnachweise
Zwei erfahrene Ärzte arbeiten an Computer/© alvarez / Getty Images / iStock (Symbolbild mit Fotomodell), Radiologin untersucht Mammogramm am Computer/© Framestock / stock.adobe.com (Symbolbild mit Fotomodell), Aufklärung einer Patientin/© Kanjana / stock.adobe.com (Symbolbild mit Fotomodell)