Helmholtz Munich stellt Framework vor DeepMB ermöglicht hochauflösende optoakustische Bildgebung in Echtzeit

Anbieter zum Thema

Helmholtz Zentrum München - Dt. Forschungszentrum für Gesundheit und Umwelt (GmbH)

Bissantz & Company GmbH

Fujitsu Technology Solutions GmbH

Insider Research

Forscher von Helmholtz Munich und der Technischen Universität München haben Fortschritte bei der hochauflösenden optoakustischen Bildgebung für den klinischen Einsatz erzielt. Ihr Framework DeepMB soll künftig bei der Diagnose und Behandlung verschiedener Krankheiten helfen.

Bildgebende Verfahren wie Ultraschall oder Röntgen sind in der Medizin Alltag. Je nach Gewebe ist jedoch die Auflösung solcher Aufnahmen limitiert. Eine neue Methode namens optoakustische Bildgebung soll hier Abhilfe schaffen. Sie kombiniert Ultraschall mit optischer Bildgebung durch Laserstrahlen und ermöglicht die nicht-invasive Beurteilung einer Vielzahl von Krankheiten. Dazu zählen etwa Brustkrebs, Duchenne-Muskeldystrophie oder entzündliche Darmerkrankungen.

Die praktische Anwendung dieses Verfahrens wird allerdings durch lange Bildverarbeitungszeiten behindert. Forscher des Bioengineering Centers und des Computational Health Centers von Helmholtz Munich und der TU München haben sich deshalb mit der Problematik befasst. Es entstand ein Deep-Learning-Framework (DeepMB), das die Erstellung hochauflösender optoakustischer Bilder in Echtzeit gestattet – ein bedeutender Schritt hin zur klinischen Anwendung der Technologie.

Neuronales Netz im Einsatz

Die multispektrale optoakustische Tomografie (MSOT) nutzt einen Effekt aus, bei dem Schallwellen erzeugt werden, sobald Licht von einem Material absorbiert wird. Entsprechende Geräte fangen diese Schallwellen auf und generieren daraus mittels eines Rekonstruktionsalgorithmus Bilder, die auf dem Scanner-Monitor zu sehen sind. Einfache Echtzeit-Algorithmen liefern hierbei aber nur unzureichende Bildqualität. Komplexere Verfahren benötigen eine sehr lange Verarbeitungszeit und sind deshalb im klinischen Alltag nicht praktikabel.

Das neue neuronale Netzwerk DeepMB kann derartig hochqualitative Bilder nun etwa tausendmal schneller als bisherige Verfahren erzeugen, ohne dabei einen Qualitätsverlust hinnehmen zu müssen. Den Forschern um Prof. Dr. Vasilis Ntziachristos und Dr. Dominik Jüstel gelang dies durch gezieltes Training mit aus verschiedenen realen Bildern generierten Signalen, die wiederum mit rekonstruierten optoakustischen Aufnahmen abgeglichen wurden. Das resultierende Framework sorgt auch für Übertragbarkeit: DeepMB kann alle Patientenscans unabhängig vom Körperteil oder der Krankheit genau rekonstruieren.

Die Publikation der Forschungsergebnisse erfolgte im Fachmagazin Nature.

(ID:49741648)