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., Maier O., Heinrich M.P.
    Shallow fully-connected neural networks for ischemic stroke-lesion segmentation in MRI
    BVM 2017

  2. 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

  3. Kemmling A., Flottmann F., Forkert N.D. et al.
    Multivariate dynamic prediction of ischemic infarction and tissue salvage as a function of time and degree of recanalization
    Journal of Cerebral Blood Flow & Metabolism 2015

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 24. Februar 2017 - 11:05.

Anschrift

Institutssekretariat
Susanne Petersen

Neue Rufnummer:
Tel+49 451 3101 5601
Fax+49 451 3101 5604


Gebäude 64 (Informatik)

Ratzeburger Allee 160
23538 Lübeck
Deutschland