Quantification of Perfusion in Chest MRI for CF Lung Disease by Artificial Intelligence

Projektleitung: Dr. Urs Eisenmann

Kooperation:

Translational Lung Research Center Heidelberg (TLRC)

Klinik für Diagnostische und Interventionelle Radiologie, Universitätsklinikum Heidelberg

Förderer: Mukoviszidose e.V.

Kurzbeschreibung:

Ziel des Projektes ist die automatisierte Bestimmung der Perfusion in Form eines objektiven Scores aus MRT-Perfusions-Daten der Lunge bei Patienten mit zystischer Fibrose (CF). Mit Hilfe dieses Scores kann der Schweregrad der vorliegenden Erkrankung zuverlässig und objektiv eingestuft und entsprechende therapeutische Maßnahmen getroffen werden. Hierzu soll ein automatisiertes Scoring-Verfahren mit Methoden des Deep Learning entwickelt werden. Wichtig hierbei ist das Training eines dreidimensionalen „Convolutional Neuronal Network“ (CNN) mit MRT-Volumendaten und den zugehörigen bekannten Score-Werten (Goldstandard). Um mit einem derartigen Netz zuverlässige Prädiktionen durchführen zu können, ist eine große Menge an Trainingsdaten notwendig. Weiter soll die Score-Prädiktionen robust gegenüber Bildrauschen sein. Hierzu werden aus den MRT-Sequenzen vor dem Training weitere valide Trainingsdaten mittels Bildtransformationen (wie beispielsweise Spiegelungen, Rotationen und Verschiebungen, etc.) generiert. Anschließend werden diese Daten in einer entsprechenden Struktur dem Netz bereitgestellt um das Training durchzuführen.

Das entstandene Verfahren wird abschließend von radiologischen Experten evaluiert und bewertet.

Laufzeit: 2020-2022

MitarbeiterInnen des Instituts: N. Hagen