Einzelprojekt

BRAIN-MRX - Entwicklung und Validierung eines neuartigen generativen KI-Frameworks zur Synthese fehlender Magnetresonanztomographie (MRT)-Sequenzen bei der Bildgebung von Hirntumoren zum Zweck der Tumorsegmentierung

Förderkennzeichen: 01KD2422
Fördersumme: 49.999 EUR
Förderzeitraum: 2024 - 2025
Projektleitung: Dr. Barbara Wichtmann
Adresse: Rheinische Friedrich-Wilhelms-Universität Bonn, Universitätsklinikum, Klinik für Neuroradiologie
Venusberg-Campus 1
53127 Bonn

Das Gesamtziel des Projekts BRAIN-MRx ist die Entwicklung und Validierung eines neuartigen generativen KI-Frameworks zur Synthese fehlender Magnetresonanztomographie (MRT)-Sequenzen bei der Bildgebung von Hirntumoren zum Zweck der Tumorsegmentierung. Die Ergebnisse sollen als Open-Source-Software veröffentlicht werden, um die breite Anwendung und Weiterentwicklung in Forschung und Klinik zu ermöglichen. In der klinischen Praxis basieren radiologische Befunde auf multiparametrischen MRT-Scans (mpMRT), die mehrere Bildvolumina umfassen. Allerdings können MRT-Untersuchungen aus verschiedenen Gründen unvollständig oder teilweise von nicht diagnostischer Qualität sein, was eine Herausforderung für die klinische Beurteilung und die Anwendung von KI-Algorithmen zur Tumorsegmentierung darstellt. BRAIN-MRx wird verschiedene KI-Architekturen untersuchen, darunter Generative Adversarial Networks (GANs), Diffusionsmodelle, U-Netz-Varianten, transformatorbasierte Modelle, Hybridmodelle und flussbasierte Modelle. Ziel ist es, fehlende MRT-Sequenzen aus vorhandenen Sequenzen zu synthetisieren und die Leistung dieser synthetischen Daten in der Tumorsegmentierung zu bewerten. Für die Untersuchung dieser Forschungsidee wird der Brain Tumor Segmentation (BraTS)-Datensatz, der Glioblastom-Datensatz der University of Pennsylvania (UPenn-GBM) sowie den Preoperative Diffuse Glioma MRI-Datensatz der University of California San Francisco (UCSF-PDGM) verwendet, die bereits akribisch zusammengestellt, strukturiert und annotiert wurden und umfangreiche mpMRT-Scans aus mehreren Institutionen umfassen. Die Ergebnisse sollen schließlich als Open-Source-Software inklusive Lizenz veröffentlicht werden, um eine weite wissenschaftliche sowie kommerzielle Anwendung und Weiterentwicklung zu ermöglichen.