Erforschung neuartiger Ansätze des Deep Learning für die Diffusionsbildgebung
Motivation
Mit Hilfe der Diffusionsbildgebung (basierend auf der Magnetresonanztomographie) können Informationen über den Verlauf neuronaler Bahnen gewonnen werden. Neuronale Bahnen sind wichtige Strukturen im Gehirn, die integrativen Funktionen, z.B. im Bereich der Motorik oder Sensorik, zugeordnet sind. In der Neurochirurgie ist die Diffusionsbildgebung von großem Wert, da bei einer Gehirnoperation im Falle pathologischer Veränderungen (Tumor) die Nervenbahnen nicht verletzt werden dürfen, um neurologischen Defizite zu vermeiden.
Wissenschftliche Fragestellungen
Zentral für die Auswertung von Diffusionsbilddaten ist die Beschreibung der lokalen Diffusionseigenschaften mit einem passenden Modell.
Mit aus den Modellen berechneten skalaren Diffusionsmetriken lassen sich Unregelmäßigkeiten finden und Vergleiche zwischen erkrankten und gesunden Patient*innen ziehen
Komplexere abgeleitete Orientierungsfunktionen können als Grundlage für die Traktographie genutzt werden.
Weitere spezifischere Fragestellungen beschäftigen sich unter anderem mit:
- Harmonisierung: Diffusions-MRT-Aufnahmen unterschiedlicher Scanner können sich stark unterscheiden. Der Unterschied zwischen verschiedenen Scannern ist oft größer als der Unterschied zwischen gesunden und kranken Patient*innen. Eine wichtige Fragestellung ist demnach die Harmonisierung zwischen verschiedenen Scannern, um eine Vergleichbarkeit verschiedener Daten zu ermöglichen.
- Deep Learning Ansätze zur Berechnung von Diffusionseigenschaften: Fortschrittliche Algorithmen und Modelle zur akkuraten Analyse von Diffusions-MRT Daten sind oft auf klinischen Daten, die in begrenzter Zeit aufgenommen werden müssen, nicht anwendbar. Mit Hilfe von Deep-Learning Ansätzen soll es möglich werden akkuratere Ergebnisse auch auf klinischen Daten zu erzielen.
- Traktographie: Mit Hilfe von Traktographie können Faserbahnen in der weißen Materie des Gehirns nicht-invasiv beschrieben werden. So kann nachvollzogen werden, wo und wie Bahnen in der weißen Materie verlaufen und welche Teile des Gehirns sie verbinden. Die Rekonstruktion neuronaler Strukturen aus DT-MRT-Daten ist jedoch aufgrund der Komplexität der vorliegenden Diffusionsinformation nicht trivial. Die Entwicklung und Weiterentwicklung von Tracktographiealgorithmen, auch mit Hilfe von Deep Learning Ansätzen, ist ein fortbestehender Bestandteil der Forschung.
Abschlussarbeiten
Es werden regelmäßig neue Abschlussarbeiten im Bereich Diffusionsbildgebung ausgeschrieben. Neben der Gesamtübersicht gibt es auch noch zahlreiche, noch nicht ausgeschriebene Themen, die gerne im persönlichen Gespräch vorgestellt werden.
Kooperationspartner
- Prof. Dr. Danielle Bassett, Department of Physics and Astronomy, University of Pennsylvania
- Prof. Dr. J. Christopher Edgar, Department of Radiology, Children’s Hospital of Philadelphia, University of Pennsylvania
- Prof. Dr. Ute Habel, Klinik für Psychiatrie, Psychotherapie und Psychosomatik, Uniklinik RWTH Aachen
- Dr. Chuh-Hyoun Na, Klinik für Neurochirurgie, Uniklinik RWTH Aachen
- Dr. Kerstin Jütten, Institut für medizinische Psychologie und medizinische Soziologie, Uniklinik RWTH Aachen
- Prof. Dr. med. Christopher Nimsky, Direktor der Klinik für Neurochirurgie, Universitätsklinikum Gießen und Marburg
- Jun.Prof. Dr. Thomas Schultz, Arbeitsgruppe Visualisierung und Medizinische Bildanalyse, Universität Bonn
- Prof. Dr. med. Wolfgang Grodd, (Emeritus) Klinik für Psychiatrie, Psychotherapie und Psychosomatik, Uniklinik RWTH Aachen
- Dr. med. Georg Neuloh, Klinik für Neurochirurgie, Uniklinik RWTH Aachen
- Dr. rer. nat. Katrin Sakreida, Klinik für Psychiatrie, Psychotherapie und Psychosomatik, Uniklinik RWTH Aachen
Drittmittel
- DFG Sachbeihilfe, “Erforschung neuartiger Ansätze des Deep Learning für die Analyse von Diffusionsbildgebungs-Daten”, Projektnr. 417063796
- DFG IGRK 2150, “Neuronale Grundlagen der Modulation von Aggression und Impulsivität im Rahmen von Psychopathologie”, Projektnr. 269953372
Kontakt
Veröffentlichungen

Fiber Tractography Based on Diffusion Tensor Imaging Compared with High-Angular-Resolution Diffusion Imaging with Compressed Sensing: Initial Experience
In: Neurosurgery 72 (Suppl 1)
Adresse
Lehrstuhl für Bildgebung und BildverarbeitungRWTH Aachen University
Kopernikusstraße 16
52074 Aachen Deutschland
lfb@lfb.rwth-aachen.de
+49 241 80 27860
+49 241 80 22200
By continuing to use the site, you agree to the use of cookies. more information
English translation below.
Die Cookie-Einstellungen auf dieser Website sind so eingestellt, dass sie "Cookies zulassen" sollten, um das bestmögliche Surferlebnis zu erhalten. Sie können diese Website weiterhin nutzen, ohne Ihre Cookie-Einstellungen zu ändern, oder Sie klicken unten auf "Accept" und stimmen der Nutzung der Cookies zu.
In den Cookies werden lediglich die von Ihnen gewählten Spracheinstellungen gespeichert. Bitte lesen Sie auch unsere Datenschutzerklärung.
The cookie settings on this website are set to "allow cookies" to give you the best browsing experience possible. If you continue to use this website without changing your cookie settings or you click "Accept" below then you are consenting to this.
Only your chosen language settings are stored in the cookies. Please also read our privacy policy.