« Forschungslandschaft: Projekte

Die Aufgabe der CT-Rekonstruktion, bei der es um die Bestimmung eines zugrunde liegenden 3D-Volumens aus einer Reihe von Projektionen geht, entspricht der Lösung eines riesigen Systems linearer Gleichungen. Moderne Deep-Learning-Methoden bieten ein effektives Werkzeug zur Lösung solcher Aufgaben.

Bisher wird bei CT-Scans immer ein kompletter Satz von Röntgenprojektionen des Untersuchungsobjekts erfasst, wobei die Tatsache außer Acht gelassen wird, dass es sich um ein und denselben Patienten handeln kann, der mehrfach und/oder wiederholt untersucht wird.
Darüber hinaus führen vollständige CT-Scans zu identisch hohen Dosen ionisierender Strahlung sowie zu langen Scan-Dauern.

Vorwissen, wie z.B. verallgemeinerbare Informationen über die menschliche Anatomie oder auch die Verfügbarkeit individueller Daten aus vorangegangenen, patientenspezifischen Scans, werden derzeit nicht berücksichtigt.
Dies gilt insbesondere für bildgesteuerte Eingriffe wie das Einführen einer Nadel in einen Tumor zum Zwecke der Ablation. Die damit verbundenen Aufnahmen unterscheiden sich lediglich in der Position der Nadel - eine Information, die im Rahmen einer geeigneten Einstellung auch aus einer einzigen Projektion ableitbar ist.

In diesem Teilprojekt soll untersucht werden, ob die CT-Rekonstruktion mittels Deep-Learning-Methoden die Abbildung und Erkennung kleinster Veränderungen der Szene auf Basis einer möglichst geringen Anzahl relevanter Projektionen erlaubt.
Gegebenenfalls ergeben sich daraus deutlich reduzierte Strahlendosen in Verbindung mit kürzeren Scan-Zeiten, die eine Echtzeit-Bildgebung bei Eingriffen ermöglichen.