Das Einzelprojekt DeepNI beschäftigt sich mit Verbesserungen bei der Analyse großer Datensätze aus der medizinischen Bildgebung, insbesondere aus dem neurowissenschaftlichen Bereich. In großen Populationsstudien – beispielsweise in der Demenzforschung – werden oft Bilder des menschlichen Gehirns im sogenannten Magnet-Resonanz-Tomographie-Verfahren (MRT) aufgenommen. Für die Auswertung der MRT-Bilder existieren zwar etablierte Analyse-Pakete, jedoch benötigen diese lange Rechen-zeiten. Insbesondere MRT-Bilder großer Studien lassen sich so häufig nicht mehr auswerten.

Hier setzt DeepNI an: Im Rahmen des Projekts soll eine neue Software-Plattform mit schnelleren Analysemethoden entwickelt werden, die auf Deep-Learning-Techniken basieren. Es ist geplant, erweiterte Funktionalitäten einzubauen, mit denen sich künftig beispielsweise auch hochaufgelöste und multi-modale Bilddaten verarbeiten lassen. Großer Wert wird dabei insbesondere auf eine verbesserte Interpretierbarkeit der Ergebnisse gelegt. Die neuen Algorithmen sollen als Analyse-Paket validiert und für alle interessierten Wissenschaftlerinnen und Wissenschaftler frei zugänglich gemacht werden, indem sie in existierende und weitverbreitete Open-Source-Software integriert werden.

Die neue Software-Plattform wird modernste Bildanalyse-Methoden für den Bereich des Neuro-Imaging zu Verfügung stellen. Diese werden es ermöglichen, auch sehr große Datensätze aus Populationsstudien auszuwerten, so dass neue Anwendungsmöglichkeiten insbesondere in den Bereichen Big Data, Präzisionsmedizin und personalisierte Medizin erschlossen werden können.