Im Bereich der medizinischen Bildverarbeitung stellt die präzise Segmentierung und Abgrenzung von anatomischen Strukturen eine zentrale Herausforderung dar. Diese Segmentierung spielt eine entscheidende Rolle in verschiedenen medizinischen Anwendungen, darunter die Vorbereitung von Operationen, die Überwachung des Krankheitsverlaufs und die Identifizierung von pathologischen Merkmalen.

Das Exponat der DFKI-Außenstelle in Lübeck zeigt eine Viewer-Software für medizinische Bilddaten, die Ärzte und Ärztinnen bei der Gewebeklassifikation mit Künstlicher Intelligenz unterstützt.

Fokus der Anwendung ist, eine hochpräzise dreidimensionale Segmentierung von bösartigen Hirntumoren, wie Glioblastomen, durchzuführen.

Dafür haben die Wissenschaftlerinnen und Wissenschaftler aus dem Forschungsbereich Künstliche Intelligenz in der medizinischen Bildverarbeitung ein U-Net, ein leistungsstarkes neuronales Netzwerk, trainiert.  Da es sich dabei um ein überwachtes Lernverfahren handelt, wird im Training mit MRT-Bilddaten gearbeitet, die bereits Expertensegmentierungen enthalten.

Nach erfolgreichem Training wird das optimierte neuronale Netzwerk in die interaktive Anwendung integriert, die dann in der Lage ist, neue, zuvor nicht bekannte MRT-Bilddaten zu segmentieren und auszuwerten.