Die diesem Projekt erfolgt die Entwicklung, Implementierung und Evaluation von Methoden und Applikationen des maschinellen Lernens für die CT Bildrekonstruktion, Bildanalyse, sowie Planung und Navigation von Interventionen. Diese Methoden sollen umfassend auf die Daten und Ergebnisse der klinischen Arbeitspakete Kardiologie, Onkologie und Pädiatrische Radiologie angewendet werden.
Mittels digitaler CT werden große Mengen komplexer multidimensionaler Daten erzeugt, deren Auswertung ein hohes Maß an Expertise, spezialisierte Software, sowie intelligente Systeme zur Datenaufbereitung und -analyse erfordert. Dies eröffnet verschiedene wissenschaftliche Betätigungsfelder, welche in der Konsequenz auch von hoher Relevanz in Bezug auf eine wirtschaftliche Verwertung sind. Im Wesentlichen sollen folgende Themengebiete bearbeitet werden:
Maschinelles Lernen zur Datenakquisition und Datenrekonstruktion. Hierbei geht es um eine möglichst effiziente Erzeugung tomographischer Bilder in hoher diagnostischer Bildqualität inklusive quantitativer/spektraler Informationen, bei möglichst geringer Strahlenexposition. Beispielhaft betrifft dies die Reduktion der Rekonstruktionszeiten, Verminderung von Bildartefakten, Verbesserung der räumlichen Auflösung und optimale Nutzung der spektralen Bildinformationen.
- Softwarelösungen und Maschinelles Lernen für die klinische Bildanalyse. Dieses Themenfeld betrifft die Entwicklung und Bereitstellung von neu entwickelten Programmen zur effizienten Darstellung und Auswertung komplexer Bilddaten. Dies ist Voraussetzung für die sinnvolle klinische Nutzung der Modalität. Einen besonderen Teilaspekt stellt hier die Entwicklung automatisierter Auswertealgorithmen mittels künstlicher Intelligenz dar.
- Entwicklung von Software und peripherer Hardware zur Planung und Navigation bildgesteuerter Interventionen. Die digitale CT bietet potentiell eine deutlich differenziertere Identifikation von Zielstrukturen, welche diagnostisch und/oder therapeutisch bildgesteuert und minimalinvasiv erreicht werden sollen. Dies erfordert die Entwicklung intelligenter Lösungen zur Steuerung dieser Interventionen, z.B. zur Bildfusion, 3D-Visualisierung, oder automatischen Navigation.
