KI in der Bildgebung

Der Forschungsschwerpunkt des Medical Image and Data Analysis (MIDAS.lab) liegt in der Weiterentwicklung und Translation von Methoden und Anwendungen zur Verarbeitung und Analyse medizinischer Bildgebungsdaten mit Hilfe Künstlicher Intelligenz (KI) und des maschinellen Lernens (ML). Wir erforschen bildgebende Anwendungen und Computertechnologien vor, die zuverlässige, erklärbare und für den Menschen interpretierbare Lösungen bieten, die die Integration von KI-Lösungen in die klinische Praxis ermöglichen und patientenzentrierte Arbeitsabläufe für die umfassende Diagnose und Behandlung von neurologischen, kardiovaskulären und onkologischen Patienten bieten.

Laufende Projekte

Künstliche Intelligenz-basierte Datenverarbeitung

Untersucht wird die Anwendung von KI-Methoden in der Aufnahme, Rekonstruktion, Nachverarbeitung oder Analyse. Wir entwickeln hierzu robuste, spezifische und sensitive KI-Methoden. Die Einbeziehung von KI in die Verarbeitung medizinischer Daten kann dazu beitragen, die Leistung zu verbessern, indem sie (aber nicht nur) die Präzision erhöht, die Servicequalität steigert, die Verarbeitung erleichtert, die Rechenzeiten verkürzt und den Energieverbrauch senkt.

Mit der wachsenden Nachfrage nach medizinischer Bildgebung wird der bildgebende Energieverbrauch und der nachhaltige Betrieb zu einem drängenden Anliegen für radiologische Abteilungen und Praxen. Die Entwicklung effizienter Erfassungsstrategien mit multiparametrischer und dynamischer Bildgebung ist daher unerlässlich. In diesem Zusammenhang ermöglichen neue Bildgebungslösungen und KI-basierte Verarbeitung (Rekonstruktion, Umgang mit Bewegungen, Kontrolle der Bildqualität) eine umfassendere nicht-invasive Charakterisierung von Gewebe und Stoffwechsel.

Ziel ist es, einen verbesserten Workflow mit automatischer Datenverarbeitung zur Ableitung klinischer Biomarker bereitzustellen, die in der Diagnose verwendet werden können.

Patientenzentrierte und epidemiologische Kohortenanalyse

Eine patientenzentrierte Analyse kombiniert Informationen aus Bildgebung, Genetik, Labordaten, Metadaten und Expertenwissen, um klinische Biomarker abzuleiten, die in der Diagnose oder Therapieüberwachung eingesetzt werden können. Im Rahmen großer epidemiologischer Studien ist eine manuelle Bildanalyse aufgrund der überwältigenden Datenmenge oft nicht durchführbar.

Ziel ist es, verbesserte und automatisierte Arbeitsabläufe durch KI-basierte Verarbeitung bereitzustellen und gleichzeitig deren Rolle und Auswirkungen zu untersuchen. Zu diesem Zweck werden kausale und erklärbare Modelle für Segmentierung, volumetrische Messungen, Texturzusammensetzung, biologische Altersschätzung und Vorhersage des Therapieansprechens in verschiedenen Organen, Geweben und Pathologien untersucht. Um eine zuverlässige Bildqualität zu gewährleisten, sind Datenqualitätskontrollen und Korrekturen enthalten. Wir untersuchen die kausalen Zusammenhänge, die zu den KI-basierten Erkenntnissen führen und identifizieren Störfaktoren durch Entflechtung unabhängiger Variablen.

Überführung von KI in klinische Anwendungen

Unser Ziel ist es, modernste KI-Methoden für klinische Anwendungen zu implementieren, um die Kliniker bei ihrer täglichen Arbeit zu unterstützen. Diese Projekte ermöglichen eine automatisierte Verarbeitung, vereinfachte Arbeitsabläufe sowie eine patientenphänotypische Verarbeitung und Analyse. Bildgebende und nicht-bildgebende Daten werden kohärent verarbeitet, um Patienten mit neurologischen, kardiovaskulären und onkologischen Erkrankungen zu analysieren und zu überwachen. Ein Anwendungsbeispiel ist die automatische Analyse von Ganzkörper-Bildgebungsdaten wie z.B. PET-CT. In diesem Zusammenhang haben wir eine ML-Challenge ins Leben gerufen: autoPET.

Aktuelle Forschungsprojekte

Einen Überblick über die aktuellen Forschungsprojekte findet sich hier: MIDAS.lab Projekte