Mitwirkende

Einführung

Wie im Alltag so nimmt auch in der Medizin und in der Radiologie „Künstliche Intelligenz“ einen immer größer werdenden Stellenwert an. Methoden des Maschinellen Lernens und des Deep Learnings werden zunehmend in der Radiologie unter anderem zur Segmentierung und Objekterkennung bis hin zur Diagnose eingesetzt, darüber hinaus sind diverse Einsätze in der Befundunterstützung denkbar. Zusätzlich bietet das neuartige Feld von „Radiomics“, das sich mit der objektivierbaren Quantifizierung von Bilddaten von der subjektiven Befundung wegbewegt, multiple Forschungsansätze.

In einzelnen, klar definierten Teil- bzw. Anwendungsbereichen nutzen wir diese Neuerungen für wissenschaftliche Arbeiten mit dem Ziel, computerunterstützt eine bessere Diagnostik oder relevante, bisher nicht genutzte Zusatzinformationen zu gewinnen.

Voxelgenaue Milzsegmentation in einem repräsentativen CT-Datensatz mittels Deep-Learning.

Beispiel eines segmentierten Lebertumors in einem axialen CT-Datensatz vor Radiomics-Analyse.

Publikationen

• Fully automated AI-based splenic segmentation for predicting survival and estimating the risk of hepatic decompensation in TACE patients with HCC. Müller L, Kloeckner R, Mähringer-Kunz A, Stoehr F, Düber C, Arnhold G, Gairing SJ, Foerster F, Weinmann A, Galle PR, Mittler J, Pinto Dos Santos D, Hahn F. Eur Radiol. 2022 Sep;32(9):6302-6313. doi: 10.1007/s00330-022-08737-z. Epub 2022 Apr 8.
• Commercial AI solutions in detecting COVID-19 pneumonia in chest CT: not yet ready for clinical implementation? Jungmann F, Müller L, Hahn F, Weustenfeld M, Dapper AK, Mähringer-Kunz A, Graafen D, Düber C, Schafigh D, Pinto Dos Santos D, Mildenberger P, Kloeckner R. Eur Radiol. 2022 May;32(5):3152-3160. doi: 10.1007/s00330-021-08409-4. Epub 2021 Dec 23.
• Predicting survival after transarterial chemoembolization for hepatocellular carcinoma using a neural network: A Pilot Study. Mähringer-Kunz A, Wagner F, Hahn F, Weinmann A, Brodehl S, Schotten S, Hinrichs JB, Düber C, Galle PR, Pinto Dos Santos D, Kloeckner R. Liver Int. 2020 Mar;40(3):694-703. doi: 10.1111/liv.14380. Epub 2020 Jan 26.
• Survival Prediction in Intrahepatic Cholangiocarcinoma: A Proof of Concept Study Using Artificial Intelligence for Risk Assessment. Müller L, Mähringer-Kunz A, Gairing SJ, Foerster F, Weinmann A, Bartsch F, Heuft LK, Baumgart J, Düber C, Hahn F, Kloeckner R. J Clin Med. 2021 May 12;10(10):2071. doi: 10.3390/jcm10102071.
• Radiomics-Based Prediction of Future Portal Vein Tumor Infiltration in Patients with HCC-A Proof-of-Concept Study. Stoehr F, Kloeckner R, Pinto Dos Santos D, Schnier M, Müller L, Mähringer-Kunz A, Dratsch T, Schotten S, Weinmann A, Galle PR, Mittler J, Düber C, Hahn F. Cancers (Basel). 2022 Dec 8;14(24):6036. doi: 10.3390/cancers14246036.

Partner Universitätsmedizin

• 1. Medizinische Klinik
• IMBEI
• Informatik der Johannes Gutenberg Universität Mainz

Externe Partner

• Univ.-Prof. Dr. R. Klöckner, Institut für Interventionelle Radiologie, UKSH – Campus Lübeck