slide

Die Rückfallwahrscheinlichkeit bei Brustkrebs lässt sich noch immer schwer prognostizieren. Gemeinsam mit neun Partnern in der EU führen wir erstmals radiologische, histo-pathologische und klinische Daten der Patientinnen in einem Modell zusammen, um die Prognose für distale Metastasen zu verbessern.

Ein Aortenaneurysma oder gar eine Aortendissektion wird oft als Nebenbefund auf abdominellen CT-Aufnahmen entdeckt. Im Zweifel muss der Patient aber möglichst schnell weiterbehandelt werden. Wir entwickeln eine automatische, KI-gestützte Auswertung aller abdominellen CT-Aufnahmen in der Cloud, die im Fall eines kritischen Befundes den diensthabenden Arzt direkt alarmiert, so dass der Patient priorisiert werden kann.

Ultrawear ist ein tragbares Ultraschall-System, das bei der Physiotherapie von Rücken­schmer­zen zum Einsatz kommt. Dabei hilft unsere KI-gestützte Echtzeitanalyse dem Patienten, seine physiotherapeutischen Übungen richtig auszuführen.

Das System deckt ein breites Spektrum von Ultraschalltherapien ab: von Hyperthermie über thermale Ablation bis hin zu Kavitation. mediri arbeitet in diesem Forschungsprojekt an entscheidenden Softwarekomponenten im Bereich der Bildregistrierung und des Trackings.

CURE-OP ist ein neuartiges Ultraschall­the­ra­piesys­tem zur Polytherapie von Krebs. Es ermöglicht die kombinierte Behandlung mit Ultraschall und ionisierender Strahlung.

mediri leitet das interdisziplinäre Forschungs-Konsortium, das diese Behandlungsmethode einfacher und sicherer machen möchte. In diesem Projekt entwickeln wir das Tracking des Katheters auf Ultraschallbildern während der Behandlung.

Bildquelle: „3D-XGuide: open-source X-ray navigation guidance system” von Ina Vernikouskaya et al. in Int.J. of Computer Assisted Radiology and Surgery (2020)

Operative Eingriffe in der Kardiologie werden zunehmend mittels minimal-invasiver Methoden durchgeführt. Dazu gehören transvaskuläre Interventionen, bei denen die Gefäße als Zugang verwendet werden.

Ein zeitraubendes Verfahren, das bisher nur in akademischen Umgebungen zum Einsatz kam. Im KI4MS-Projekt bringen wir diese wertvolle Technik in die radiologische Praxis. Dazu nutzen wir ein neuronales Netzwerk, das speziell auf die strukturellen Veränderungen trainiert wurde. Weniger als zehn Minuten benötigt diese künstliche Intelligenz, um eine 3D-Karte der Gewebeveränderungen zu berechnen.

Bild: KI4KMU – Beispiel einer KI-gestützten VGM Auswertung, die im Rahmen eines vom baden-württembergischen Wirt­schafts­mi­nis­te­ri­um geförderten Projektes gemeinsam mit der Universitätsmedizin Mannheim und der MedicalSyn GmbH in Stuttgart entwickelt wurde.

Strukturelle Veränderungen durch ent­zünd­liche Prozesse bieten Anzeichen für den zukünftigen Verlauf von Multipler Sklerose und liefern auch für weitere Krankheitsbilder neue Informationen. Der erprobte VGM-Algorithmus visualisiert diese Ver­än­der­ungen und erstellt so eine „Landkarte“ des Gehirns. Die Aus­wer­tung bestimmt dabei Ge­we­be­ver­än­der­ungen mit 100 Mio. Freiheitsgraden.

Bild: KI4KMU – Beispiel einer KI-gestützten VGM Auswertung, die im Rahmen eines vom baden-württembergischen Wirt­schafts­mi­nis­te­ri­um geförderten Projektes gemeinsam mit der Universitätsmedizin Mannheim und der MedicalSyn GmbH in Stuttgart entwickelt wurde.

Wir arbeiten daran, Alzheimer im frühen Stadium auf MR-Bildern zu erkennen. Die künstliche Intelligenz hilft uns dabei, spezifische Muster in der Perfusion des Gehirns zu erkennen und einzuschätzen.