Analyse medizinischer Aufnahmen. Medizinische Aufnahmen, wie beispielsweise von MRT-Geräten, stellen nur ein Abbild der Wirklichkeit dar. Abhängig vom Kontrast, der Helligkeit und der Sättigung der Aufnahme können Ärzte nicht immer alle Pathologien eindeutig erkennen. Statt den Patienten mit langen Messverfahren einer unnötigen Strahlenbelastung auszusetzen, verwendet Prof. Schnell Methoden der Künstlichen Intelligenz zur Bildsegmentierung und -rekonstruktion, um die Mess- und Auswertezeit zu verkürzen.
Kompetenzen im Bereich der künstlichen Intelligenz und Data Science
- MRT Methodenentwicklung
- Bildverarbeitung, insbesondere von MRT-Aufnahmen
- Support Vector Machines und Deep Learning
- Entwicklung von Workflows
Prof. Dr. Susanne Schnell
Lehrstuhl Medizinphysik, Universität Greifswald
(Foto: Wally Pruß)
Ausgewählte Projekte
Automatisierte Korrektur von MRT-Aufnahmen
Magnetresonanztomographie (MRT) ist eine einzigartige und extrem flexible Methode um unterschiedlichste Kontraste von Gewebe im Kopf und im ganzen Körper darzustellen. Jedoch sorgen verschiedene Mechanismen für Messfehler, die im Nachgang korrigiert werden müssen. Oft passieren diese Korrekturen manuell und beanspruchen Zeit für die Bildverarbeitung. Manuelle Korrekturen unterliegen zudem Schwankungen aufgrund unterschiedlicher Benutzer oder Erfahrungen. Mittels Methoden der künstlichen Intelligenz, insbesondere dem Deep Learning, untersucht die Arbeitsgruppe um Prof. Schnell, wie MRT-Aufnahmen automatisiert zu korrigieren. Diese Automatisierung ist nicht unbedingt besser als die Arbeit der Experten. Die Experten werden jedoch in ihrer Arbeit unterstützt, wodurch sie sich auf die Auswertung interessanter Bildteile fokussieren können. Durch die Korrektur werden zudem genauere statistische Auswertungen erzielt.
Verbesserte Behandlung von Schlaganfallpatienten mit Atherosklerose
Gefäßverengungen im Gehirn führen häufig zu Schlaganfällen und Herzinfarkten. Um einen weiteren Schlaganfall zu verhindern, verschreiben Ärzte Medikamente. Durch eine zielgerichtete Medikation sinkt somit das Risiko, dass Patienten einen weiteren Schlaganfall erleiden. Nur leider funktioniert diese Behandlung nicht bei allen Patienten und bis zu 12 bis 20% müssen innerhalb eines Jahres wieder ins Krankenhaus mit einem erneuten Schlaganfall. Das Team um Prof. Schnell entwickelt auf Basis von KI-Verfahren Modelle, um die richtige, individuelle Behandlung für jeden Patienten zu entwickeln.