Advertisement

Die fraktale Dimension als Bildverarbeitungsparameter im CT bei Alzheimer-Demenz

  • C. Besthorn
  • R. Zerfaß
  • F. Hentschel
Article

Zusammenfassung

CT-Bilder von fünf Alzheimer-Patienten und fünf Kontrollen in Höhe des Foramen interventriculare wurden auf einen PC übertragen und mit eigens entwickelten Programmen weiterverarbeitet. Die Kortexrandkontur, das heiß die Grenzlinie zwischen Hirnoberfläche und extrazerebralem intrakranialem Liquor, wurde rechnerisch bestimmt und mit Hilfe der fraktalen Dimension quantifiziert. Die fraktale Dimension ist hierbei als Komplexitätsindex zu interpretieren. Als Ergebnis zeigen Alzheimer-Patienten eine signifikant höhere fraktale Dimension, da die bei gesunden Kontroll-personen wenig komplexe Kortexrandkontur durch kompensatorische Erweiterung der Liquorräume im Verlauf der Erkrankung zunehmend komplexer wird.

Fractal dimension as image processing parameter in CT scans in Alzheimer’s disease

Summary

Cranial CT scans from 5 patients with Alzheimer’s disease and 5 controls in the level of the foramen interventriculare were transferred to a PC, where further image processing was accomplished by a newly developed programm. The contour of the border line between cortical tissue and extracerebral intracranial CSF was computed and the fractal dimension of that line was determined. Here, the fractal dimension can be interpreted as an index of complexity. Alzheimer patients had a significantly enlarged fractal dimension of the CSF brain border line. This results from the smooth CSF brain contour of healthy controls becoming more and more complex by enlarged extracerebral CSF spaces during the development of Alzheimer’s disease.

Key Words

Fractal dimension Alzheimer’s disease Image processing Brain atrophy Cranial CT Quantitative CT parameters 

Literatur

  1. 1.
    Aitken, P. G., T. Sauer, S. J. Schiff: Looking for chaos in brain slices. J. Neurosci. Meth. 59 (1995), 41–48.CrossRefGoogle Scholar
  2. 2.
    Anmuth, J. C., G. Goldberg, N. H. Mayer: Fractal dimension of electromyographic signals recorded with surface electrodes during isometric contractions is linearly correlated with muscle activation. Muscle & Nerve 17 (1994), 953–954.CrossRefGoogle Scholar
  3. 3.
    Besthorn, C., H. Sattel, C. Geiger-Kabisch, R. Zerfaß, H. Förstl: Parameters of EEG dimensional complexity in Alzheimers disease. Electroenceph. clin. Neurophysiol. 95 (1995), 84–89.PubMedCrossRefGoogle Scholar
  4. 4.
    Bullmore, E., M. Brammer, I. Harvey, R. Persaud, R. Murray, M. Ron: Fractal analysis of the boundary between white matter and cerebral cortex in magnetic resonance images: a controlled study of schizophrenic and manic-depressive patients. Psychol. Med. 24 (1994), 771–781.PubMedCrossRefGoogle Scholar
  5. 5.
    Folstein, M. F., S. E. Folstein, P. R. McHugh: „Mini-Mental State”: a practical method for grading the cognitive state of patients for the clinician. J. Psychiat. Res. 12 (1975), 189–198.PubMedCrossRefGoogle Scholar
  6. 6.
    Förstl, H., S. Biedert, F. Hentschel, C. M. Abrahams, C. Geiger-Kabisch, H. Sattel, C. Besthorn, R. Zerfass, O. Czech, U. Mönning, C. Masters, K. Beyreuther: Diagnose- und Suszeptibilitätsmarker der Alzheimer-Krankheit, oder — wie sinnvoll ist die klinische Diagnostik der primär degenerativen Demenz. Psycho 21 (1995), 122–126.Google Scholar
  7. 7.
    Förstl, H., P. Fischer: Diagnostic confirmation, severity, and subtypes of Alzheimer’s disease. A short review on clinico-pathological correlates. Europ. Arch. Psychiat. clin. Neurosci. 244 (1994), 252–260.CrossRefGoogle Scholar
  8. 8.
    Gasser, T., W. Köhler, C. Jennen-Steinmetz, L. Sroka: The analysis of noisy signals by nonparametric smoothing and differentiation. IEEE Trans. bio-med. Engng BME-33 (1986), 1129–1133.CrossRefGoogle Scholar
  9. 9.
    Hentschel, F.: Bildgebende Diagnostik bei dementiellen Erkrankungen. Klin. Neuroradiol. 4 (1994), 131–146.Google Scholar
  10. 10.
    Hentschel, F., R. Zerfaß, H. Förstl: Morphometrische Unterschiede im kranialen Computertomogramm zwischen Patienten mit Alzheimer-Demenz und normalem Altern. Klin. Neuroradiol. 5 (1995), 61–70.Google Scholar
  11. 11.
    McKhann, G., D. Drachmann, M. Folstein, R. Katzman, D. Price, E. M. Stadlan: Clinical diagnosis of Alzheimer’s disease: report of the NINCDS-ADRDA Work Group under the auspices of Department of Health and Human Services Task Force on Alzheimer’s Disease. Neurology 34 (1984), 939–944.PubMedGoogle Scholar
  12. 12.
    Mandelbrot, B. B.: The fractal geometry of nature. W. H. Freeman, New York 1983.Google Scholar
  13. 13.
    Peitgen, H.-O., H. Jürgens, D. Saupe: Chaos and fractals. New frontiers of science. Springer, New York 1992.Google Scholar
  14. 14.
    Sandor, T., F. Jolesz, J. Tiemann, R. Kikinis, K. Jones, M. Albert: Comparative analysis of computed tomography and magnetic resonance imaging scans in Alzheimer patients and controls. Arch. Neurol. 49 (1992), 381–384.PubMedGoogle Scholar
  15. 15.
    Sattel, H., C. Gelger-Kabisch, C. Besthorn, U. Schreiter-Gasser, R. Zerfaß, F. Hentschel, H. Förstl. Kognitive Leistungsprofile (HDS, CAMCOG) bei wahrscheinlicher Alzheimer-Demenz und bei Kontrollprobanden mit und ohne subjektive Gedächtnisstörungen. Z. Geronto-psych. Psychiat. 7 (1994), 17–28.Google Scholar
  16. 16.
    Smith, T. G., T. N. Behar: Comparative fractal analysis of cultured glia derived from optic nerve and brain demonstrate different rates of morphological differentiation. Brain Res. 634 (1994), 181–190.PubMedCrossRefGoogle Scholar

Copyright information

© Urban & Vogel 1997

Authors and Affiliations

  • C. Besthorn
    • 2
  • R. Zerfaß
    • 2
  • F. Hentschel
    • 1
  1. 1.Abteilung für NeuroradiologieZentralinstitut für Seelische GesundheitMannheim
  2. 2.Diese Arbeit wurde gefördert von der Deutschen Forschungsgemeinschaft, SFB 258, Projekt K2 und der SAP AGWalldorf

Personalised recommendations