TranslaTUM/Prof. B. Menze: Schneller Blick unter die Haut

Selbstlernende Algorithmen analysieren medizinische Bilddaten

Bildgebende Verfahren ermöglichen einen detaillieren Blick ins Innere eines Organismus. Doch die Interpretation der Daten ist zeitaufwändig und erfordert viel Erfahrung. Neue Möglichkeiten eröffnen künstliche neuronale Netzwerke. Sie benötigen nur Sekunden, um Ganzkörperscans von Mäusen auszuwerten und die Organe, statt in verschiedenen Schattierungen von Grau, zu segmentieren und in Farbe darzustellen. Dies erleichtert die Auswertung erheblich. Ein interdisziplinäres Forschungsteam hat jetzt selbstlernende Algorithmen entwickelt, die künftig bei der Analyse biowissenschaftlicher Bilddaten helfen können. Im AIMOS-Projekt wurden die Algorithmen mit Hilfe von Mäusebildern trainiert. Kernstück der AIMOS-Software - die Abkürzung steht für AI-based Mouse Organ Segmentation - sind künstliche neuronale Netze, die, wie das menschliche Gehirn, lernfähig sind.
Die Forschungsarbeit wurde am TranslaTUM durchgeführt, dem Zentralinstitut für Translationale Krebsforschung der TUM. Das Institut ist an das Klinikum rechts der Isar angeschlossen und ist spezialisiert darauf, Erkenntnisse in der Krebsforschung durch interdisziplinäre Zusammenarbeit für die Patientenversorgung in der Praxis nutzbar zu machen. Beim Einsatz der neuartigen 3D-Mikroskopie arbeiteten die Wissenschaftler der TUM eng mit Experten am Helmholtz-Zentrum München zusammen.

Kontakt:
Prof. Bjoern Menze (Lehrstuhl für Informatikanwendungen in der Medizin), Leiter der Image-Based Biomedical Modeling Group am TranslaTUM

Zur TUM Pressemitteilung