Lernverfahren für die Prädiktion des klinischen Verlaufs von Schlaganfällen mittels multivariater CT Bilder

Die Behandlung von akuten Hirninfarkten erfordert eine sehr sorgfältige Entscheidungsfindung in kürzester Zeit. Ärzte müssen schnellstmöglich nach Eintreffen des/der Patienten/in und Bildgebung festlegen, welcher Therapiepfad die größtmögliche Überlebenschance bietet und Schädigungen des Gehirns möglichst reduziert. Die Entscheidungen müssen eine Vielzahl von tomographischen 3D-Bilddaten (CT-Perfusionskarten und Infrarotbilder) und weiteren klinischen Indikatoren (Alter, NIHSS, etc.) einbeziehen.

Neue Methoden im Bereich der Bildverarbeitung, der Modellierung und des maschinellen Lernens, welche mit den vielfältigen Schwierigkeiten klinischer Daten umgehen können, sollen während dieses Forschungsprojektes entwickelt, implementiert und getestet werden. Ein umfangreicher Datensatz mit retrospektiven multispektralen Bilddaten von Schlaganfallpatienten steht für die Entwicklung und das Training dieser Modelle zur Verfügung.

Die neuen Algorithmen sollen eingesetzt werden um automatisch eine pixelweise Prädiktionskarte des Gewebes mit Überlebenschancen zu generieren. Dies geschieht in Abhängigkeit der möglichen Therapie (z.B. Gefäßrekanalisation) und ermöglicht eine Einschätzung wie zeitnah ein solcher Eingriff durchgeführt werden muss. Die Arbeit wird in enger Zusammenarbeit mit dem Institut für Neuroradiologie im Kontext des TRAVE-STROKE-Projektes durchgeführt.


Abb. 1: Typische multivariate CT Aufnahme eines Schlaganfallpatienten und automatisch generierte Verlaufsprädiktion.

Das Projekt wird durch die Sektion Medizin in Paketantrages TRAVE Stroke gefördert.

Ausgewählte Publikationen:

  1. Lucas C., Kemmling A., Bouteldja N., Aulmann L.F., Madany Mamlouk A., Heinrich M.P.
    Learning to Predict Ischemic Stroke Growth on Acute CT Perfusion Data by Interpolating Low-Dimensional Shape Representations
    Frontiers in Neurology, 9, 989, 2018
  2. Lucas C., Kemmling A., Madany Mamlouk A., Heinrich M.P.
    Multi-scale neural network for automatic segmentation of ischemic strokes on acute perfusion images
    In: 2018 IEEE 15th International Symposium on Biomedical Imaging (ISBI 2018)2018 IEEE 15th International Symposium on Biomedical Imaging (ISBI 2018), Washington, DC, IEEE, 1118-1121, 2018

  3. Maier O., Menze B.H., von der Gablentz J., Häni L., Heinrich M.P., Liebrand M., Winzeck S., Basit A., Bentley P., Chen L. et al.
    ISLES 2015 - A public evaluation benchmark for ischemic stroke lesion segmentation from multispectral MRI
    Medical Image Analysis 2017

Projektteam:

M.Sc. Christian Lucas
Jun.-Prof. Dr. Mattias P. Heinrich

Kooperationspartner:

Dr. André Kemmling, Institut für Neuroradiologie, Universitätsklinikum Schleswig-Holstein, Lübeck
Dr. Amir Madany-Mamlouk, Institut für Neuro- und Bioinformatik, Universität zu Lübeck

 

ProjectIcon_Lucas.png
Erstellt am 23. Januar 2017 - 11:40 von Heinrich. Zuletzt geändert am 29. Juli 2019 - 11:22 von Kulbe.

Anschrift

Institutssekretariat
Susanne Petersen

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


Gebäude 64 (Informatik)

Ratzeburger Allee 160
23538 Lübeck
Deutschland