MIDL 2021

 
International Conference on
Medical Imaging with Deep Learning
5. bis 7. Juli 2021

Bundesministerium für Wirtschaft und Technologie

KI-SIGS-Projekt iAuge: Homecare Augendiagnostik und intelligente Bildauswertung in der Augenheilkunde

Das Projekt iAuge ist ein Teilprojekt des überregionalen Verbundprojektes „KI-Space für intelligente Gesundheitssysteme“ (KI-SIGS). In Kooperation von Partnern an den Universitäten Lübeck, Kiel und Bremen, dem Universitätsklinikum Schleswig-Holstein (UKSH) sowie der Fa. Visotec GmbH und der UniTransferKlinik aus Lübeck werden neue KI-basierte Lösungen zur ophthalmologischen Diagnostik erarbeitet. Wesentliches Ziel der Arbeiten am Institut für Medizinische Informatik (IMI) ist die Entwicklung von optimierten Deep Neural Networks für die automatische KI-basierte Auswertung von dreidimensionalen OCT-Bildern (OCT: Optical Coherence Tomography) zur verbesserten Versorgung von Patienten mit Augenerkrankungen. Das Projekt wird vom Bundesministerium für Wirtschaft und Energie von 2020-2023 gefördert.

Im Rahmen des Teilprojektes iAuge soll eine KI-Plattform für die Unterstützung der integrierten Versorgung von Patienten mit Augenerkrankungen wie z.B. der häufig auftretenden, altersbedingten Makuladegeneration (AMD) und der Retinopathia Centralis Serosa (RCS) etabliert werden. Neben der KI-Unterstützung der multimodalen Bildanalyse beim Augenarzt bzw. in der Klinik soll eine Deep-Learning-basiertes automatisierte Datenanalyse für eine völlig neuartige Homecare-OCT-Anwendung realisiert und auf der KI-SIGS-Plattform integriert werden. Dies soll dem Patienten eine Krankheitskontrolle zu Hause ermöglichen, wodurch eine wesentliche Therapieverbesserung insbesondere bei AMD-Patienten erwartet wird. Die kontinuierliche häusliche Kontrolle anhand Homecare-OCT-Bilder wird durch das am IMI entwickelte KI-System Verschlechterungen des Augenzustandes zu Hause automatisch erkennen und so individuell optimale Behandlungszeitpunkte ermitteln.

Ein technologisch neuartiger, mobiler OCT-Scanner wird von der Fa. Visotec GmbH zusammen mit dem Medizinischen Laserzentrum Lübeck GmbH für den Homecare-Bereich entwickelt (Abb. 1). Zusammen mit der Universitätsaugenklinik Kiel wurde die Technologie an unterschiedlichen Patientenkollektiven validiert und mit bereits etablierten, hochauflösenden OCT-Scannern verglichen. Die Fa. Visotec GmbH wird Bilddaten von Patienten zur Entwicklung der Algorithmen zur Verfügung stellen und strebt die Vermarktung des Gesamtsystems an. Die große Datenmenge der 3-dimensionalen, täglich aufgenommenen Bilddaten erfordern neue intelligente, effiziente, Deep-Learning-basierte Auswertungsalgorithmen.  Das IMI konzipiert und entwickelt hierfür problemoptimierte Deep-Learning-Netzwerke und Bildverarbeitungsalgorithmen, die relevante AMD-Biomarker (Abb. 2) in den Bilddaten des Homecare-OCT quantitativ erfassen sowie ihre zeitlichen Veränderungen und Relevanz zur Therapiesteuerung bewerten. Zusätzlich werden vorhandene, in der Klinik erhobene OCT-Bilder in den Entwicklungsprozess mit einbezogen. Parallel werden am Institut für Biomedizinische Optik (BMO) Rekonstruktionsverfahren weiterentwickelt, um Bewegungen auszugleichen und relevante Strukturen mit verbesserter Qualität darzustellen. Das für die Homecare-Anwendung notwendige kompakte und kostengünstige Design sowie eine selbstständige Nutzung durch meist ältere Patienten mit reduziertem Visus stellen besondere Anforderungen an Bedienung und Auswertung der Daten. Ein optimiertes Benutzerinterface für das Homecare-OCT-Gerät wird in Kooperation mit Prof. Schöning (Uni Bremen) entwickelt. In Kooperation mit der UniTransferKlinik Lübeck wird der praktische Einsatz des Systems über die zentrale KI-Plattform unterstützt und ein einsatzfähiger Demonstrator für die entwickelten KI-Methoden etabliert.

Abb. 1: Handgehaltener OCT-Scanner

Abb. 2: Vergleich zweier Netzhautscans desselben AMD-Patienten mit Pigmentepithelabhebungen zwischen dem Spectralis OCT von Heidelberg Engineering (oben) und dem Homecare-OCT von Visotec (unten).

Projektteam:

M.Sc. Timo Kepp
Prof. Dr. Heinz Handels

Kooperationspartner:

Prof. Dr. Gereon Hüttmann
Institut für Biomedizinische Optik (BMO) der Universität zu Lübeck

Prof. Dr. Johann Roider, Dr. Claus von der Burchard
Klinik für Ophthalmologie, UKSH Campus Kiel (UKSH Kiel)

Prof. Dr. Johannes Schöning
AG Human Computer Interaction, Universität Bremen (Uni Bremen)

Prof. Dr. Reinhard Koch, Monty Santarossa, Universität Kiel
Multimedia Information Processing Group, Universität Kiel (Uni Kiel)

Prof. Dr. Martin Leucker, Dr. Tim Suthau
UniTransferKlinik, Lübeck (UTK)

Helge Sudkamp
Fa. Visotec GmbH, Lübeck

iAuge_Logo_80x80.png
Erstellt am 8. Juni 2020 - 11:00 von Kulbe. Zuletzt geändert am 13. Juli 2020 - 9:13 von Kulbe.

Mammo3D – Vollautomatische Detektion und Visualisierung korrespondierender Strukturen und Läsionen in 2D/3D-Bilddaten der weiblichen Brust für die multimodale Mammodiagnostik

Zur sicheren Befundung des invasiven Mammakarzinoms wird die Mammographie als zentrales bildgebendes Verfahren eingesetzt.  Zur genaueren Differenzierung der Diagnose werden weitere Verfahren wie die Magnetresonanztomographie und die Tomosynthese oder Mammographieaufnahmen mit abweichender Einspannung (CC und MLO) hinzugezogen. Um die nachfolgende Diagnose zu erleichtern, wäre eine zusammenhängende und korrelierte Auswertung der verschiedenen medizinischen Bilddaten einer Patientin wünschenswert.

Ziel dieses Projektes ist es, korrespondierende Strukturen in den erfassten Bilddaten weitgehend automatisch zu detektieren und anschließend für die multimodale Mammadiagnostik nutzbar zu machen.
Die methodischen Schwerpunkte des Projektes liegen dabei in der multimodalen und multidimensionalen Registrierung und Korrespondenzbestimmung. Eine weitere Herausforderung bildet die Entwicklung von Deformationsmodellen der Brust, da die Brust der Patientin bei der Akquirierung der verschiedenen Bilddaten unterschiedlich starken Deformationen unterliegt (Abb. 1).

Das Projekt wird in Zusammenarbeit mit der Firma IMAGE Information Systems Europe Ltd durchgeführt und  im Rahmen des Zentralen Innovationsprogramms Mittelstand des Bundesministeriums für Wirtschaft und Technologie gefördert.

Abb.:1 Illustration der angestrebten Korrespondenzfindung in Mammographien, Tomosynthese- und MRT-Bilddaten einer Patientin.

Ausgewählte Publikationen:

  1. Krüger J, Ehrhardt J, Bischof A, Handels H
    Simulation of Mammographic Breast Compression in 3D MR images using ICP-based B-Spline Deformation for Multimodality Breast Cancer Diagnosis.
    International Journal of Computer Assisted Radiology and Surgery. In Press
  2. Krüger J, Ehrhardt J, Bischof A, Handels H
    Breast Compression Simulation using ICP-based B-Spline Deformation for Correspondence Analysis in Mammography and MRI Datasets.
    Image Processing, SPIE Medical Imaging 2013. :8669-48,1D1-1D8. 2013
  3. Krüger J, Ehrhardt J, Bischof A, Handels H
    Evaluation of a B-Spline-based Breast Compression Simulation for Correspondence Analysis between MRI and Mammographic Image Data.
    Workshop on Breast Image Analysis - In conjunction with the 16th International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI 2013) 17-24, 2013
  4. Ehrhardt J., Krüger J., Bischof A., Handels H.
    Automatic Correspondence Detection in Mammogram and Breast Tomosynthesis Images.
    Image Processing, SPIE Medical Imaging 2012. 8314:831421-1-831421-8. 2012
  5. Krüger J., Ehrhardt J., Bischof A., Barkhausen J., Handels H.
    Automatische Bestimmung von 2D/3D-Korrespondenzen in Mammographien und Tomosynthese-Bilddaten.
    Bildverarbeitung für die Medizin 2012, Informatik aktuell, 99-104, 2012

Projektteam:

M. Sc. Matthias Wilms
M. Sc. Julia Krüger

Dr. Jan Ehrhardt
Prof. Dr. Heinz Handels

Kooperationspartner:

Arpad Bischof und Prof. Dr. med. Jörg Barkhausen
Klinik für Radiologie und Nuklearmedizin
Universitätsklinikum Schleswig-Holstein

Andreas Berger
IMAGE Information Systems Europe Ltd.

Mammo3D_Icon.png
Erstellt am 24. November 2011 - 18:23 von Wrage. Zuletzt geändert am 26. Juni 2014 - 16:44.

Studium

Medizinische Informatik
an der Uni Lübeck studieren

Informationen für
Interessierte
u. Einsteiger

Anschrift

Institutssekretariat
Susanne Petersen

Tel+49 451 3101 5601
Fax+49 451 3101 5604


Gebäude 64 (Informatik)

Ratzeburger Allee 160
23538 Lübeck
Deutschland