Forum für Wissenschaft, Industrie und Wirtschaft

Hauptsponsoren:     3M 
Datenbankrecherche:

 

Maschinelles Lernen hilft Medizinern

02.11.2016

Um anhand von Bildaufnahmen zu prüfen, wie sich ein Tumor im Laufe einer Krebstherapie entwickelt, sind Ärzte bislang vor allem auf ihr Augenmaß angewiesen. Ein neues Programmpaket von Fraunhofer-Forschern macht Veränderungen in den Bildern sichtbar und erleichtert Medizinern die Arbeit mittels Deep Learning. Die Experten stellen die Software vom 27.11. bis 2.12. auf der weltgrößten Radiologentagung, der RSNA 2016, in Chicago vor.

Ist ein Tumor im Laufe einer mehrmonatigen Behandlung geschrumpft, oder haben sich in der Zwischenzeit gar neue Geschwulste entwickelt? Um Fragen wie diese zu klären, werten Ärzte unter anderem CT- und MR-Aufnahmen aus. Meist werden die Tumoren dabei nur visuell bewertet und neue Geschwulste manchmal übersehen.


Deep-Learning-Methoden helfen Knochenmetastasen zu entdecken, die in der klinischen Praxis übersehen werden können. CT Datensatz zur Verfügung gestellt von Radboudumc, Nijmegen, NL.

Fraunhofer MEVIS

»Unser Programmpaket erhöht die Sicherheit bei der Vermessung und Nachverfolgung der Tumoren«, erläutert Mark Schenk vom Fraunhofer-Institut für Bildgestützte Medizin MEVIS in Bremen. »Die Software kann zum Beispiel erfassen, wie sich das Volumen eines Tumors im Laufe der Zeit verändert und unterstützt beim Aufspüren neuer Geschwulste.« Das Paket ist als Baukastensystem ausgelegt und kann Medizintechnik-Herstellern helfen, die Verlaufskontrolle zu automatisieren.

Der Computer lernt von selbst

Das Besondere: Um die Ergebnisse zu verbessern, verwendet die Software Deep Learning – eine neue Art des maschinellen Lernens, die deutlich über bisherige Ansätze hinausgeht. Hilfreich ist das Verfahren unter anderem für die Segmentierung. So bezeichnen Experten jenen Arbeitsschritt, der bei CT- und MRT-Bildern die genauen Umrisse der Organe erfasst.

Bei den bisher verfügbaren Segmentierungsprogrammen sucht der Rechner nach fest definierten Bildmerkmalen, etwa nach bestimmten Grauwert-Unterschieden. »Doch dabei kommt es nicht selten zu Fehlern«, erläutert Fraunhofer-Forscher Markus Harz. »Die Software ordnet dann Bereiche der Leber zu, die gar nicht zum Organ gehören.« Diese Fehler müssen die Mediziner oft zeitaufwändig korrigieren.

Die neuen Deep-Learning-Ansätze versprechen bessere Ergebnisse und sollen den Ärzten kostbare Zeit sparen. Um die Funktionsweise ihrer selbstlernenden Software zu demonstrieren, trainierten sie die Fraunhofer-Forscher mit Hilfe von CT-Leberaufnahmen von 149 Patienten. Das Ergebnis: Je mehr Datensätze das Programm analysierte, umso besser konnte es die Leberumrisse automatisch identifizieren.

Verborgene Metastasen aufspüren

Ein weiteres Einsatzfeld ist die sogenannte Bildregistrierung. Hier bringt eine Software verschiedene Aufnahmen, die zu unterschiedlichen Zeiten gemacht wurden, so zur Deckung, dass sie die Mediziner direkt vergleichen können. Hierbei kann sie das maschinelle Lernen bei einer besonders schwierigen Aufgabe unterstützen – dem Aufspüren von Knochenmetastasen in Aufnahmen des Oberkörpers, auf denen Hüftknochen, Rippen und Wirbelsäule zu sehen sind. Bislang werden diese Metastasen unter dem in der klinischen Praxis herrschenden Zeitdruck oft übersehen. Deep-Learning-Methoden können helfen, sie zuverlässig zu entdecken und damit die Therapiechancen zu verbessern.

Die Forscher setzen auf eine Kombination zwischen klassischen Ansätzen und Maschinenlernen: »Wir wollen bewusst das vorhandene Fachwissen nutzen, um das Deep Learning möglichst effektiv und zuverlässig einsetzen zu können«, betont Harz. Hierbei kann Fraunhofer MEVIS auf eine langjährige Erfahrung in der Umsetzung in die Praxis bauen: So findet sich ein in Bremen entwickelter Algorithmus für die hochpräzise Registrierung von Lungenbildern bereits heute in den Produkten mehrerer Medizinprodukte-Hersteller.

Weitere Informationen:

https://www.fraunhofer.de/de/presse/presseinformationen/2016/november/maschinell...

Bianka Hofmann | Fraunhofer Forschung Kompakt

Weitere Nachrichten aus der Kategorie Medizintechnik:

nachricht Europaweit erste Patientin mit neuem Hybridgerät zur Strahlentherapie behandelt
19.07.2018 | Universitätsklinikum Heidelberg

nachricht Schonend, schnell und präzise: Innovative Herz-Bildgebung in Freiburg
18.07.2018 | Universitätsklinikum Freiburg

Alle Nachrichten aus der Kategorie: Medizintechnik >>>

Die aktuellsten Pressemeldungen zum Suchbegriff Innovation >>>

Die letzten 5 Focus-News des innovations-reports im Überblick:

Im Focus: Future electronic components to be printed like newspapers

A new manufacturing technique uses a process similar to newspaper printing to form smoother and more flexible metals for making ultrafast electronic devices.

The low-cost process, developed by Purdue University researchers, combines tools already used in industry for manufacturing metals on a large scale, but uses...

Im Focus: Rostocker Forscher entwickeln autonom fahrende Kräne

Industriepartner kommen aus sechs Ländern

Autonom fahrende, intelligente Kräne und Hebezeuge – dieser Ingenieurs-Traum könnte in den nächsten drei Jahren zur Wirklichkeit werden. Forscher aus dem...

Im Focus: Superscharfe Bilder von der neuen Adaptiven Optik des VLT

Das Very Large Telescope (VLT) der ESO hat das erste Licht mit einem neuen Modus Adaptiver Optik erreicht, die als Lasertomografie bezeichnet wird – und hat in diesem Rahmen bemerkenswert scharfe Testbilder vom Planeten Neptun, von Sternhaufen und anderen Objekten aufgenommen. Das bahnbrechende MUSE-Instrument kann ab sofort im sogenannten Narrow-Field-Modus mit dem adaptiven Optikmodul GALACSI diese neue Technik nutzen, um Turbulenzen in verschiedenen Höhen in der Erdatmosphäre zu korrigieren. Damit ist jetzt möglich, Bilder vom Erdboden im sichtbaren Licht aufzunehmen, die schärfer sind als die des NASA/ESA Hubble-Weltraumteleskops. Die Kombination aus exquisiter Bildschärfe und den spektroskopischen Fähigkeiten von MUSE wird es den Astronomen ermöglichen, die Eigenschaften astronomischer Objekte viel detaillierter als bisher zu untersuchen.

Das MUSE-Instrument (kurz für Multi Unit Spectroscopic Explorer) am Very Large Telescope (VLT) der ESO arbeitet mit einer adaptiven Optikeinheit namens GALACSI. Dabei kommt auch die Laser Guide Stars Facility, kurz ...

Im Focus: Diamant – ein unverzichtbarer Werkstoff der Fusionstechnologie

Forscher am KIT entwickeln Fenstereinheiten mit Diamantscheiben für Fusionsreaktoren – Neue Scheibe mit Rekorddurchmesser von 180 Millimetern

Klimafreundliche und fast unbegrenzte Energie aus dem Fusionskraftwerk – für dieses Ziel kooperieren Wissenschaftlerinnen und Wissenschaftler weltweit. Bislang...

Im Focus: Wiener Forscher finden vollkommen neues Konzept zur Messung von Quantenverschränkung

Quantenphysiker/innen der ÖAW entwickelten eine neuartige Methode für den Nachweis von hochdimensional verschränkten Quantensystemen. Diese ermöglicht mehr Effizienz, Sicherheit und eine weitaus geringere Fehleranfälligkeit gegenüber bisher gängigen Mess-Methoden, wie die Forscher/innen nun im Fachmagazin „Nature Physics“ berichten.

Die Vision einer vollständig abhörsicheren Übertragung von Information rückt dank der Verschränkung von Quantenteilchen immer mehr in Reichweite. Wird eine...

Alle Focus-News des Innovations-reports >>>

Anzeige

Anzeige

VideoLinks
Industrie & Wirtschaft
Veranstaltungen

Stadtklima verbessern, Energiemix optimieren, sauberes Trinkwasser bereitstellen

19.07.2018 | Veranstaltungen

Innovation – the name of the game

18.07.2018 | Veranstaltungen

Wie geht es unserer Ostsee? Ein aktueller Zustandsbericht

17.07.2018 | Veranstaltungen

VideoLinks
Wissenschaft & Forschung
Weitere VideoLinks im Überblick >>>
 
Aktuelle Beiträge

Neue Anwendungen für Mikrolaser in der Quanten-Nanophotonik

20.07.2018 | Physik Astronomie

Need for speed: Warum Malaria-Parasiten schneller sind als die menschlichen Abwehrzellen

20.07.2018 | Biowissenschaften Chemie

Die Gene sind nicht schuld

20.07.2018 | Medizin Gesundheit

Weitere B2B-VideoLinks
IHR
JOB & KARRIERE
SERVICE
im innovations-report
in Kooperation mit academics