Kurzbeschreibung

In der modernen Onkologie gewinnen nicht-invasive tomographische Bildgebungstechnologien an Bedeutung. Die Gruppe Biologische und Molekulare Bildgebung am OncoRay arbeitet an der Entwicklung und Validierung klinischer Bildgebungsverfahren, die biologische Prozesse von Tumoren in vivo visualisieren und quantifizieren können. Ein Thema für Informatiker, die auf diesem Gebiet arbeiten, ist die Entwicklung genauer Segmentierungsalgorithmen zur Zielvolumenabgrenzung und Volumenanalyse. In diesem Projekt wird ein automatischer Segmentierungsalgorithmus basierend auf der Optimierung von Ameisenkolonien für die kontrastarme Positronen-Emissions-Tomographie (PET) entwickelt. Insbesondere bei der Analyse kontrastarmer PET-Datensätze ist die Abgrenzung eines Zielvolumens nicht trivial (siehe Abbildung 1). Nach ersten vielversprechenden Ergebnissen der Segmentierung von Phantomdatensätzen wird der Ansatz weiter entwickelt, um auf Patientendatensätze angewendet zu werden.
In der aktuellen Untersuchung geht es um

• Was ist der minimale Kontrast, bei dem der Algorithmus die Datensätzen noch erfolgreich segmentieren kann?
• Was ist die Mindestgröße eines Zielobjektes, damit dieses durch das Verfahren erkannt werden kann?
• Wie kann das Verfahren auf Zielobjekte in Strukturen, wie sie in einer biologischen Umgebung erwartet werden, angewendet werden?
• Wie lässt sich eine Leistungssteigerung durch Code-Optimierung und Parallelisierung erreichen?
• Wie kann die Variabilität, Reproduzierbarkeit und Wiederholbarkeit des Algorithmus verbessert werden, um eine klinische Interpretation zu ermöglichen?
• Welche Bilddaten aus anderen bildgebenden Verfahren (Computertomographie, Magnetresonanz) müssen in den Segmentierungsprozess einbezogen werden, um die Qualität der Abgrenzung zu verbessern?