Suchen

Forscher der Uni Saarland wollen bildgebende Verfahren weiterentwickeln Mit KI die Leistung von MRT- und CT-Geräten steigern

| Autor: Julia Mutzbauer

Bildgebende Verfahren wie die Magnetresonanz-Tomografie (MRT) oder die Computertomografie (CT) sind aus der modernen medizinischen Diagnostik nicht mehr wegzudenken, da sie eine bessere Darstellung der Weichteilstrukturen ermöglichen. Nun wollen Wisschenaftler der Universität des Saarlandes und der Universitäten Bremen und Erlangen mithilfe von maschinellem Lernen die Leistungsfähigkeit der dafür benötigten Geräte deutlich steigern.

Firmen zum Thema

Im Rahmen des Projekts „DELETO – Deep Learning in Tomography” wollen Wissenschaftler die Leistungsfähigkeit von MRT- und CT-Geräten mitthilfe von maschinellem Lernen steigern
Im Rahmen des Projekts „DELETO – Deep Learning in Tomography” wollen Wissenschaftler die Leistungsfähigkeit von MRT- und CT-Geräten mitthilfe von maschinellem Lernen steigern
(© Image Supply Co – stock,adobe.com)

In einem gemeinsamen Forschungsprojekt wollen Wissenschaftler aus Saarbrücken, Erlangen und Bremen sowie weitere Partner aus Industrie und Gesundheitssektor mathematische Methoden entwickeln, die bildgebende tomographischen Verfahren entscheidend voranbringen. Das Forscherteam um Professor Thomas Schuster von der Universität des Saarlandes blicken dabei insbesondere auf das sogenannte „Deep Learning“.

Die Universität des Saarlandes erklärt dazu: „Mit diesem Begriff beschreiben Experten Algorithmen, die imstande sind – aus simulierten oder gemessenen Trainingsdaten – ein komplexes Geflecht, bestehend aus Eingabe-, Ausgabe- und inneren Schichten zu entwickeln, das als eine Art künstliches neuronales Netz funktioniert. Auf diese Weise können Computer zum Beispiel Handschriften oder Gesichter erkennen. Von Deep Learning spricht man, wenn die verwendeten neuronalen Netze nicht aus wenigen, sondern vielmehr aus mehreren hundert inneren Schichten bestehen“.

Die Mathematiker möchten mit dieser Methode zum einen die in der klinischen Diagnostik weit verbreitete Magnetresonanz-Tomografie verbessern, zum anderen Modellunsicherheiten in der Messgeometrie der Hochdurchsatz-Nano-Computertomografie, die in der Materialprüfung zum Einsatz kommt, mittels erlernter Methoden beheben.

Zwar sei die Magnetresonanz-Tomografie in der jüngeren Vergangenheit deutlich verbessert worden, jedoch seien exakte Visualisierungen zeitabhängiger Prozesse, wie sie zum Beispiel bei kardiologischen Untersuchungen wichtig sind, online derzeit noch außerhalb des Machbaren. Mithilfe von simulierten wie real erstellten Scans sollen neuronale Netze trainiert werden, die die Effizienz derzeitiger Rekonstruktionsmethoden signifikant steigern, heißt es dazu.

Für die Wissenschaftler ist gleichfalls von großer Bedeutung, dass sie nicht nur die Anwendungen in diesen speziellen Fällen weiter vorantreiben können, heißt es weiter. „Es geht auch darum, die mathematische Grundlagenforschung auf dem Gebiet der inversen Probleme voranzubringen. Ein inverses Problem liegt immer dann vor, wenn aus gemessenen Daten Größen berechnet werden sollen, die nicht direkt beobachtbar sind. Die Künstliche Intelligenz dringt auch in dieses Teilgebiet der Mathematik ein. Daher ist dieses Projekt auch für die mathematische Fundierung von KI-Methoden zur Lösung inverser Probleme selbst von großer Bedeutung“, erläutert Thomas Schuster.

Das Bundesministerium für Bildung und Forschung (BMBF) unterstützt das Projekt „DELETO – Deep Learning in Tomography” ab April 2020 mit rund 800.000 Euro für drei Jahre. Rund 350.000 Euro davon fließen an die Universität des Saarlandes.

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Kontaktieren Sie uns über: support.vogel.de (ID: 46409412)