Maschinelles Lernen zur teilautomatisierten Interpretation von medizinischen 3D Bilddaten

Innerhalb der interdisziplinären Forschergruppe aus Wissenschaftlern der Charité sowie der Beuth-Hochschule erlebe ich einen faszinierenden und ergebnisreichen Arbeitsalltag. Das sehr kollegiale und offene Team besteht aus Ärzten, Informatikern, Mathematikern und Physikern sowie Studierenden der Beuth Hochschule.  

Am Fachbereich II der Beuth Hochschule werden in Zusammenarbeit mit Radiologen der Charité die Möglichkeiten und Grenzen des maschinellen Lernens zur automatischen Interpretation von 3D Bilddaten untersucht, wie sie bei der medizinischen Computertomographie oder Magnetresonanztomographie gewonnen werden. Rein mathematische Algorithmen sind zumeist nicht in der Lage, die Einzelstrukturen oder Objekte, welche der Mensch als solche wahrnehmen und interpretieren kann, von einander zuverlässig abzugrenzen. Dies liegt an Messartefakten und Rauschen, welche im Allgemeinen nicht in einfacher Weise aus den Bilddaten „herausgerechnet“ werden können. Aus diesem Grund versucht man das menschliche Lernen in neuronalen Netzen nachzuahmen und erreicht mittlerweile vielversprechende Ergebnisse.

Ziel ist es, mittels künstlicher Intelligenz Ärzte dabei zu unterstützten, effizienter und zuverlässiger Diagnosen zu stellen. Solche Systeme müssen anhand von existierenden Bilddaten-Kohorten grundlegend trainiert werden und lernen im laufenden Betrieb durch die durch die Ärzte gestellten Diagnosen kontinuierlich hinzu. Es ist inzwischen wissenschaftlich bestätigt, dass in Spezialfällen die Ergebnisse der KI die Zuverlässigkeit des humanen „Kollegen“ deutlich übertrifft – insbesondere auch bezüglich der quantitativen Bewertung.  

Das Praktikum an der Beuth Hochschule in Berlin ermöglichte mir den Einblick in einer der wichtigsten zukunftsorientierten medizin-physikalischen Forschungsgebiete. Ich habe mich intensiv bei der Trainingsbilddatenvorbereitung für die automatische Segmentierung der Wirbelsäule (Wirbel und Bandscheiben) aus 3D MRT Bilddaten beschäftigt. Neben den Methoden der Bildbearbeitung habe ich mich dabei der Programmiersprache Python auseinandergesetzt, da sich die Forschungsgruppe auf eine Python-basierte  KI-Entwicklungsumgebung verständigt hat. Unter Anleitung eines sehr engagierten Teams aus Ingenieuren, Physikern, Informatikern und Ärzten sammelte ich fächerübergreifende Erfahrungen in Bezug auf die humane Physiologie und konnte mein Basiswissen über künstliche Intelligenz ausbauen.

Kontakt: Prof. Dr. Rainer Schneider