English Intern
  • Menschliches Skelett (Computertomographische Darstellung)
Intelligente MR-Diagnose der Leber durch Verknüpfung modell- und datengetriebener Verfahren

Die Teilprojekte

Koordination:

Prof. Dr. Herbert Köstler und Priv.-Doz. Dr. Tobias Wech (UKW)

Zielsetzung:

Schaffung einer Infrastruktur und Datenbank für Test- und Trainingsdaten für das gesamte Verbundprojekt.
Implementierung neuer MR-Pulssequenzen zur Akquise unterabgetasteter Datensätze. Anpassung und Optimierung modellbasierter Rekonstruktionsalgorithmen auf die T2-gewichtete Leberbildgebung.
Validierung rein modell- und rein datenbasierter Techniken bzgl. diagnostischer Relevanz, um diese optimal verknüpfen zu können.
Validierung und Bewertung aller im Verbund entwickelten Verfahren.

Koordination:

Prof. Dr. Bernadette Hahn (Universität Stuttgart)

Zielsetzung:

Systematische Verknüpfung modell- und datengetriebener Verfahren zur beschleunigten Bildrekonstruktion.
Entwicklung dynamischer Rekonstruktionsalgorithmen.
Kombination von datengetriebener Bildrekonstruktion und Bildverarbeitung, um eine direkte Klassifizierung auf Rohdaten zu ermöglichen  (datengetriebene Feature-Rekonstruktion).

Koordination:

Prof. Dr. Andreas Maier (FAU)

Zielsetzung:

Detektion und Bewertung von Leberläsionen mittels Bildanalyse, unterstützt durch automatische, deep learning-basierte Verfahren. Analyse rekonstruierter MR-Bilder, um Eigenschaften der Läsionen (z.B. Kontrastmitteldynamik, visuelles Erscheinungsbild) zu bestimmen. Kombination mit Methoden der Bildrekonstruktion aus B, um eine direkte Klassifizierung auf Rohdaten zu ermöglichen.

Koordination:

Prof. Dr. Alfio Borzì (JMU)

Zielsetzung:

Entwicklung und Validierung von schnellen mehrstufigen und mehrskaligen CNN Algorithmen zur Detektion von Läsionen, Klassifikation, Bildrekonstruktion und Segmentierung.