Nutzung standardisierter Gewebsphantome um eine Deep Learning-basierte Schätzung von optischen Gewebeeigenschaften basierend auf experimentellen photoakustischen Bildern zu ermöglichen

• Antragsteller: Dr. Janek Gröhl
• Fachliche Zuordnung: Medizininformatik und medizinische Bioinformatik ; Medizinische Physik, Biomedizinische Technik
• Förderung: Förderung in 2021
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 458342884

Die photoakustische Bildgebung (PAI) ist eine neue Bildgebungsmodalität, mit der optische Gewebeeigenschaften nicht-invasiv und in Echtzeit gemessen werden können. Eine der vielversprechendsten Anwendungen der Technik ist die Abschätzung der Eigenschaften des funktionellen Gewebes, wie z.B. der Sauerstoffversorgung des Blutes. Eine solche Analyse erfordert die genaue und räumlich aufgelöste Messung der optischen Absorption mit mehreren Wellenlängen. Die Messwerte sind allerdings nicht nur proportional zu den optischen Absorptionseigenschaften, sondern auch zu der Verteilung des Lichtes im Gewebe. Aus diesem Grund ist die Wiederherstellung quantitativer Werte der zugrunde liegenden Absorptions- und Streuungseigenschaften des Gewebes aus rekonstruierten photoakustischen Bildern ein schlecht gestelltes, inverses Problem und stellt eine zentrale rechnerische Herausforderung von PAI dar. Da es praktisch unmöglich ist die tatsächlich zugrunde liegenden Werte der optischen Absorption und Streuung in vivo zu messen, sind Methoden zur Lösung des Problems auf Simulationsdaten aus numerischen Modellen angewiesen. Während es bereits einige spannende Ansätze gab dieses Problem anzugehen, leiden aktuelle Methoden für diese Herausforderung unter einer systematischen "Kluft" zwischen numerischen Modellen und experimentellen Daten.Die zentrale Hypothese dieses Projekts ist, dass das Problem gelöst werden kann, indem eine Kombination aus neuartigen datengetriebenen Ansätzen und fortschrittlichen Phantomen zur Nachahmung von Gewebe genutzt wird. Zu diesem Zweck werden hochmoderne physikalische Vorwärtsmodelle mit einem kürzlich entwickelten Rezept für standardisierte gewebsimitierende Phantome kombiniert, um Paare simulierter und experimenteller photoakustischer Messungen zu erstellen. Der erfasste Datensatz kann verwendet werden, um die zentrale Hypothese zu testen, indem: (1) die Lücke zwischen simulierten und experimentellen Messungen untersucht und quantifiziert wird; (2) datengesteuerter Modelle auf experimentellen Daten auf überwachte Weise [aufgrund der Verfügbarkeit von Informationen über optische Eigenschaften der Grundwahrheit] trainiert werden; und (3) die Machbarkeit der Anwendung des datengesteuerten Inversionsalgorithmus, der auf gewebemimitierenden Phantomen trainiert wurde, auf verschiedene experimentelle In-vitro- und In-vivo-Daten untersucht wird.

• DFG-Verfahren: WBP Stipendium
• Internationaler Bezug: Großbritannien
• Gastgeberin: Professorin Dr. Sarah Bohndiek