AG Künstliche Intelligenz in der Bildgebung

Unsere interdisziplinäre Arbeitsgruppe beschäftigt sich mit zwei Themenschwerpunkten: mit Methoden aus dem Bereich Computer Vision und Künstliche Intelligenz sowie mit der kardiovaskulären Bildgebung.

Wir erforschen existierende und neue Algorithmen aus dem Bereich Computer Vision und der anwendungsbezogenen Künstlichen Intelligenz (KI) einschließlich maschineller Lernverfahren in der medizinischen Bildgebung. Neben Deep-Learning-Methoden liegt ein besonderer Fokus hierbei auch auf dem Themengebiet Radiomics.

Radiomics ist ein Bereich der medizinischen Bildgebung, der sich mit der Extraktion und Analyse von quantitativen Merkmalen aus medizinischen Bildern befasst. Dabei nutzt man Bildanalyse- und Machine-Learning-Technologien, um komplexe Daten aus medizinischen Bildern zu extrahieren und zu analysieren. Ziel ist es, genaue Vorhersagen über Krankheitsverläufe, Prognosen und Behandlungsergebnisse zu treffen.

Wir untersuchen dabei die diagnostische und prognostische Wertigkeit dieser Verfahren in der Bildgebung. Darüber hinaus interessieren wir uns auch für die methodische Weiterentwicklung von Radiomics und anderen Big-Data-Ansätzen sowie für die Standardisierung von neuen Bildgebungs-Biomarkern. In verschiedenen Konsortien beteiligen wir uns an Projekten im Bereich Federated Learning und Swarm Learning.

Der zweite Themenschwerpunkt ist die kardiovaskuläre Bildgebung, hierbei insbesondere die quantitative kardiale Magnetresonanztomographie (MRT). Basierend auf einer langjährigen Forschungserfahrung im Bereich kardialer Mapping-Techniken (insbesondere T1- und T2-Mapping) arbeiten wir auch hier an der methodischen Weiterentwicklung, klinischen Validierung und Translation sowie der Standardisierung von neuen Bildgebungs-Biomarkern. Eine Verknüpfung der beiden Themenfelder KI und quantitative MRT ist hierbei naheliegend und wird extensiv verfolgt. Wir haben die Co-Leitung der Expertengruppe Kardio innerhalb des multizentrischen, BMBF-geförderten RACOON-Projekts inne und planen in diesem Rahmen innerhalb von RACOON Combine verschiedene Projekte zur kardialen MRT im Zusammenhang mit Covid-19.

AutoRadiomics

AutoRadiomics ist ein durch unsere Gruppe entwickeltes, open-source-verfügbares Framework für die reproduzierbare Durchführung von Radiomics-Studien.

Publikation in Frontiers in Radiology aus 2022

Mitglieder der AG Künstliche Intelligenz in der Bildgebung

Univ.-Prof. Dr. med. Bettina Baeßler (Leitung)
Amar Hekalo
Dr. med. Fabian Laqua
Cand. med. Caroline Laqua
Cand. med. Jonathan Maier
Cand. med. Lara Tietz
Cand. med. Piotr Woznicki

Drittmittelförderung

Laufende Projekte Bundesministerium für Bildung und Forschung (BMBF)

2022-24: SWArm learning for Generation and dissemination of high-quality data in oncology (SWAG)

2022-24: RACOON-COMBINE: Entwicklung und Anwendung von bildbasierten Biomarkern für die Prädiktion und Prognoseabschätzung von Patient*innen mit COVID-19

2023-27: Open Medical Inference (OMI) (i.R. Medizininformatikinitiative)

Deutsche Forschungsgemeinschaft (DFG)

2019-22: Detection, segmentation and characterization of lymph node metastases: an integrated approach using deep learning and radiomic analyses on large scale data (SPP Radiomics)

2023-25: DEployment and Evaluation of a Pipeline for automated LymphoNodal profiling and staging: DEEP-LN (SPP Radiomics) - voraussichtlich