Pro-Mics-BrCa

Nutzen künstlicher Intelligenz in der Analyse morphologischer Bilddaten zur Vorhersage der Krebsinzidenz und des Mutationsstatus bei Patientinnen mit high risk Konstellation für familiären Brust-und Eierstockkrebs

Brustkrebs ist die häufigste Tumorerkrankung von Frauen. Da es bislang keine Präventionsmaßnahmen gibt, setzt man auf die Früherkennung von Tumoren durch Vorsorgeuntersuchungen. In den Vorsorgeuntersuchungen werden Mammographie- und MRT-Daten aufgenommen.

In Pro-Mics-BrCa versuchen wir auf Basis der Bilddaten das Risiko einer Tumorentwicklung in den nächsten Jahren genauer vorherzusagen. Dabei ist eine geringe Falschvorhersagerate wichtig, um unnötige Eingriffe wie Biopsien zu vermeiden und keine Ängste bei Patientinnen zu schüren.

 

Methodisch nutzen wir sowohl klassische Biomarker ( Radiomics) der Bilddaten  als auch moderne Neuronale Netze. Ein wichtiger Baustein ist dabei die Bestimmung von Risiko-Mutationen des Brustgewebes. Langfristig ist unser Ziel, einen Werkzeugkasten zur besseren Vorhersage der Krebsentwicklung zur Verfügung zu stellen.

Kontakt

Tom Koller

Laufzeit

2020-2024 (Beendet)

 

Verschiedene Segmentierungen der Brust auf MRT Daten

Aktuelles

SPIE Medical Imaging Logo
AG Digitale Medizin| Pro-Mics-BrCa|

Kai Geißler präsentiert Poster bei SPIE Medical Imaging in San Diego

Kai Geißler hat das Poster "Deformable current-prior registration of DCE breast MR images on multi-site data" auf der SPIE Medical Imaging: Image Processing in San Diego präsentiert. Der Artikel zeigt die Registrierung von Folgeuntersuchungen.


Verschiedene Segmentierungen der Brust auf MRT Daten
AG Digitale Medizin| Pro-Mics-BrCa|

Ani Ambroladze präsentiert Poster auf BVM Workshop

Ani Ambroladze hat das Poster "CNN-Based Whole Breast Segmentation in Longitudinal High-Risk MRI Study" auf der BVM 2023 in Braunschweig präsentiert. Es ist unser erster Artikel im Projekt "Pro-Mics-BrCa" und zeigt die Brustsegmentierung auf MRT-Bildern.


Projektpartner:innen

Dr. Eva Maria Fallenberg, Dr. Michael Ingrisch et. al. (LMU München)

Dr. Christoph Engel et. al.  (Universität Leipzip)

Prof. Dr. Rita Schmutzler et. al. (Universitätsklinikum Köln)

Prof. Dr. Nico Karssemeijer et. al. (Nijmegen)

Deutsches Konsortium für Familiären Brust- und Eierstockkrebs

 

Forschende

Universität Bremen Grafik

Ani Ambroladze

Forschung

Breast-MRI, Deep Learning

Portät von Horst Hahn
Porträt von Kai Geissler

Kai Geißler°

Forschung

Deep Learning, Med. Image Analysis, Breast-MRI, Uncertainty

Email

Tom Koller in seinem Bürostuhl

Dr.-Ing. Tom Koller

Lehre & Forschung

Modeling & Simulation, Tracking, Anomaly Detection

Email

mehr

Gefördert durch

  • Zur Seite von: Logo der DFG
  • Zur Seite von: Logo des Fraunhofer MEVIS
Aktualisiert von: Tom Koller