CONVEA: KI-basierte Bildregistrierung für die universelle klinische Anwendung

CONVEA ist ein Ausgründungsprojekt der AG Medical Deep Learning, das die am Institut entwickelte Bildregistrierungstechnologie ConvexAdam aus der Forschung in die klinische Anwendung überführt.

Die Bildregistrierung ist eine Basistechnologie der medizinischen Bildanalyse: Sie schafft einen räumlichen Zusammenhang zwischen Aufnahmen unterschiedlicher Zeitpunkte, Bildgebungsverfahren oder Patientinnen und Patienten. Dadurch können anatomische Strukturen präzise miteinander verglichen und Veränderungen sichtbar gemacht werden. Die Registrierung bildet damit eine wichtige Grundlage für zahlreiche Anwendungen, etwa die Verlaufskontrolle, Therapieplanung, Bewegungsanalyse oder die Übertragung von Bildinformationen zwischen CT, MRT und weiteren Modalitäten.

 

CONVEA kombiniert medizinische Foundation Models mit optimierungsbasierter Registrierung und automatischer Selbstkonfiguration. So soll eine robuste und skalierbare Technologie entstehen, die über verschiedene Modalitäten, anatomische Regionen und klinische Anwendungsfälle hinweg universell eingesetzt werden kann. Gefördert durch das EXIST-Forschungstransferprogramm entwickelt CONVEA seine Prototypen gemeinsam mit klinischen Partnern in Richtung erster Pilotanwendungen.

EXIST-Forschungstransferförderung (2026–2027) 873.173 €

Ausgewählte Publikationen:

Siebert, H., Großböhmer, C., Hansen, L. & Heinrich, M. P. Convexadam: Self-configuring dual-optimization-based 3d multitask medical image registration. IEEE Transactions on Medical Imaging, 2024.

Projektteam:

Prof. Dr. Mattias Heinrich
Dr. Sabrina Reimers-Kipping
M. Sc. Christoph Großbröhmer
M. Sc. Wiebke Heyer
B. Sc. Juri Rohde