Datenanalyse

Netzwerk-Bildgebung: Bewertung der Achsen zwischen den Organen

Das Verständnis komplexer Krankheiten und die Wahl geeigneter Therapien erfordern ein besseres Verständnis der Kommunikation zwischen den Organen und der Netzwerkeffekte. Heute können molekulare Bildgebungsdaten aus der dynamischen Ganzkörper-PET-Bildgebung (DWB-PET) gewonnen werden, aber es fehlen automatisierte Pipelines für die fortgeschrittene Datenverarbeitung. Wir entwickeln ein ganzes Arsenal von Bildanalysetools, um eine automatische Quantifizierungsplattform für die klinische DWB-PET zu entwickeln, mit der die Signalübertragung zwischen den Organen für ausgewählte, klinisch relevante Szenarien bewertet werden kann.

ENHANCE.PET: Eine Ganzkörper-PET-Bildgebungs Initiative

ENHANCE (Enabling New Horizons for Advanced Networking, Code-sharing, and Education in Total-Body PET Imaging) ist eine Initiative, die sich für die Verbesserung und Entwicklung der weltweiten PET-Bildgebungsgemeinschaft einsetzt. Die Hauptziele der Plattform sind die Erleichterung des Austauschs von Open-Source-Tools, der Zugang zu hochwertigen Ganzkörper-PET-Datensätzen und die Bereitstellung von Bildungsressourcen, die die interdisziplinäre Zusammenarbeit fördern, Forschung beschleunigen und Innovationen auf diesem Gebiet vorantreiben.

ENHANCE.PET | GitHub

MOOSE: Objektive Segmentierung für mehrere Organe

Die genaue Segmentierung mehrerer Organe ist für die quantitative Analyse von Bildgebungsdaten sowie für Fortschritte in der personalisierten Medizin und der Erforschung von Systemkrankheiten von entscheidender Bedeutung. Dies ist jedoch ein zeitaufwändiger Prozess, der viel manuellen Aufwand und klinisches Fachwissen erfordert. MOOSE ist eine datenzentrierte KI-Lösung, die Multilabel-Organsegmentierungen zur Erleichterung der systemischen Ganzkörperforschung erzeugt. Die Pipeline basiert auf nn-UNet und ist in der Lage, 120 einzigartige Gewebeklassen aus einem 18F-FDG-PET/CT-Ganzkörperbild zu segmentieren.

FALCON: Schnelle ALgorithmen zur Bewegungskorrektur

Freiwillige und unfreiwillige Bewegungen sowie Atmung, Herzbewegungen und Veränderungen der Körperposition des Patienten während der PET/CT-Aufnahme können zu Abweichungen zwischen den CT- und PET-Bildern führen, was Bewegungsartefakte und unscharfe Bilder zur Folge hat. FALCON ist eine auf Python basierende Softwareanwendung zur Erleichterung der PET-Bewegungskorrektur, sowohl für Kopf- als auch für Ganzkörperscans. Unser Programm basiert auf dem schnellen "greedy"-Registrierungs-Toolkit, welches als Bildregistrierungsplattform dient.

PUMA: PET Einheitliche Multi-Tracer-Ausrichtung

PUMA ermöglicht die Vorteile des Multiplexings: ein Prozess, der mehrere Tracer-Bilder zu einem einzigen, mehrfarbigen Kompositbild verschmilzt, welches nicht nur das Vorhandensein einer Krankheit, sondern auch deren vielschichtigen physiologischen Kontext offenbart. Der Multiplex-Ansatz bietet einen umfassenderen Überblick und hilft Klinikern, nuancierte Erkenntnisse über Tumore und ihre Mikroumgebung zu gewinnen.

Forschungsgruppen

QIMP Team