Deep Learning-basierte Verarbeitung hämatologischer Bilddaten (DELPHI)

• Antragstellerinnen / Antragsteller: Professor Dr. Edgar Jost; Professorin Dr.-Ing. Dorit Merhof
• Fachliche Zuordnung: Epidemiologie und Medizinische Biometrie/Statistik
• Förderung: Förderung seit 2024
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 527820737

Digitale Zytologie gewinnt für die Hämatologie zunehmend an Bedeutung und stellt für die Erkennung und Quantifizierung von Blutzellen ein unerlässliches Werkzeug dar. Gerade für die Diagnose von Erkrankungen des blutbildenden Systems sind Informationen über die Verteilung der Blutzellen im Knochenmark unerlässlich. Bislang erfolgt die Auswertung ausschließlich manuell, da die automatisierte Analyse hämatopoetischer Zellen aus technischer Sicht verschiedene Herausforderungen mit sich bringt: Mikroskopieaufnahmen des Knochenmarks sind nicht nur stark variabel in Bezug auf das Erscheinungsbild der diversen Zellen und die Färbung der Proben, auch die große Zahl an Zelltypen und zellähnlichen Artefakten stellen Hindernisse da. Weitere Herausforderungen sind der Umgang mit (schwachen) Annotationen, der Mangel an Trainingsdaten und die stark schwankende Anzahl der unterschiedlichen Zelltypen. Im Rahmen des Projekts adressieren wir die oben genannten Herausforderungen in der automatischen Analyse von Mikroskopieaufnahmen des Knochenmarks unter hämatologischen Gesichtspunkten. Dazu wird ein stetig wachsender Datensatz genutzt, der aus der Kooperation der Antragstellerinnen erwächst und hochqualitative Aufnahmen mit Annotationen von medizinischen Experten bereitstellt. Zu Beginn des Projekts untersuchen wir Lösungsansätze für den Umgang mit typischen Problemen der Datenbasis, u.a. Methoden zur Minderung des Einflusses von Variabilität im Datensatz sowie Ansätze zur Beschleunigung von Annotationsprozessen. Anschließend werden die Schwachstellen des Stands der Technik auf den Umgang mit hämatopoetischen Daten adressiert, beispielsweise durch neue Methoden zur Datenaugmentierung mittels generativer Modelle. Für hämatologische Analysen ist eine Aussage über die Sicherheit der Klassenzuordnung zwingend notwendig. Im Antrag werden daher neben Verfahren zur Berechnung einer Sicherheitsangabe auch Techniken analysiert, die Korrekturen durch medizinischen Experten berücksichtigen und in das System zurückführen. Um dies zu ermöglichen und um biologisches Vorwissen adäquat zu integrieren werden hierarchische Netzstrukturen und Trainingsprozesse untersucht. Ein weiterer Fokus liegt auf der Nutzung unannotierter Daten, welche aufgrund ihrer großen Zahl und Variabilität Trainingsprozesse stark bereichern können. Zur klinischen Validierung werden Inter- und Interrater-Studien durchgeführt und die Generalisierbarkeit der methodischen Ansätze auch zusätzlich auf weiteren Datensätzen, die nicht aus der Hämatologie stammen, evaluiert. Neben Publikationen ist auch die wissenschaftliche Veröffentlichung des Quellcodes der Methoden sowie des Datensatzes samt Annotationen geplant. Damit erforscht DELPHI nicht nur automatisierte Lösungsansätze im Bereich der digitalen Zytologie im Knochenmark, sondern liefert auch Erkenntnisse für grundlegende Probleme der medizinischen Bildanalyse.

• DFG-Verfahren: Sachbeihilfen