Das Verbundprojekt MDLMA beschäftigt sich mit Verbesserungen bei der biomedizinischen Bilddaten-Analyse durch KI. Ziel dabei ist es, ein sogenanntes generalistisches Deep-Learning-Framework zu entwickeln. Dieses Programmiergerüst soll so benutzerfreundlich ausgestaltet sein, dass künftig bei ähnlich gelagerten Analysen und Fragestellungen kein oder zumindest weniger fremdes Expertenwissen benötigt wird.

Es ist geplant, die einzelnen Bilddaten-Bearbeitungsschritte – Bildverbesserung, Segmentierung und Registrierung – zunächst einzeln am Beispiel von biologisch abbaubaren Knochenimplantaten konkret zu betrachten und dafür passende Deep-Learning-Ansätze zu nutzen. Anschließend sollen neue Methoden entwickelt werden, die die unterschiedlichen komplementären Analyseschritte miteinander kombinieren und so Wissen über die einzelnen Analyseaufgaben hinweg transferieren. Schließlich sollen generische Strukturen innerhalb der entwickelten Netzwerk-Architektur identifiziert werden, um ein vereinheitlichtes datengesteuertes Deep-Learning-Framework zu entwerfen, das auf viele verschiedene Bereiche und Aufgaben anwendbar ist. Es ist vorgesehen, die entwickelten Methoden und Werkzeuge mithilfe zahlreicher Datensätze aus vorklinischen Studien und klinischen Anwendungen zu validieren.