q&more
Meine Merkliste
my.chemie.de  
Login  

News

Künstliche Intelligenz verbessert biomedizinische Bildgebung

ETH Zürich / Daniel Razansky

Die optoakustische Bildgebung eignet sich besonders gut, um Blutgefässe sichtbar zu machen.

01.10.2019: ETH-Forscher nutzen künstliche Intelligenz, um bei einer relativ neuen Methode der medizinischen Bildgebung die Bildqualität zu erhöhen. Dadurch lassen sich in Zukunft Krankheiten besser diagnostizieren und kostengünstigere Geräte herstellen.

Wissenschaftler der ETH Zürich und der Universität Zürich haben Methoden des maschinellen Lernens eingesetzt, um die optoakustische Bildgebung zu verbessern. Mit diesem relativ jungen Verfahren der medizinischen Bildgebung können zum Beispiel Blutgefässe im Körperinnern sichtbar gemacht, die Gehirnaktivität untersucht oder Brustkrebs und Hautkrankheiten diagnostiziert werden. Die Bildqualität, die ein Gerät liefert, hängt allerdings stark von seiner Anzahl Sensoren und ihrer Verteilung ab: Je mehr davon, desto besser die Bildqualität. Der neue Ansatz der ETH-Forscher ermöglicht, die Zahl der Sensoren bei gleichbleibender Bildqualität deutlich zu reduzieren. Dadurch können die Gerätekosten reduziert, die Bildgebungsgeschwindigkeit erhöht oder die Diagnose verbessert werden.

Die Optoakustik hat gewisse Ähnlichkeiten zur Ultraschallbildgebung. Bei Letzterer sendet eine Sonde Ultraschallwellen in den Körper, die das Gewebe reflektiert. Sensoren in der Sonde detektieren die zurückgeworfenen Schallwellen, und aus diesen lässt sich ein Bild des Körperinneren erzeugen. Bei der optoakustischen Bildgebung hingegen werden extrem schnelle Laserpulse ins Gewebe geschickt, die dort absorbiert und in Ultraschallwellen umgewandelt werden. Diese werden dann ähnlich wie bei der Ultraschallbilgebung detektiert, um daraus ein Bild zu erstellen.

Bildverzerrungen korrigiert

Die Forscher unter der Leitung von Daniel Razansky, Professor für biomedizinische Bildgebung an der ETH Zürich und der Universität Zürich, suchten nach einer Möglichkeit, die Bildqualität von kostengünstigen Optoakustik-Geräten, die nur wenige Ultraschallsensoren besitzen, zu erhöhen.

Sie nutzten dazu zunächst ein von ihnen selbst entwickeltes hochwertiges Optoakustik-Gerät mit 512 Sensoren, das qualitativ hochstehende Bilder lieferte. Diese liessen sie von einem sogenannten künstlichen neuronalen Netzwerk analysieren. Dabei lernte das Netzwerk die Merkmale der hochwertigen Bilder.

Anschliessend schalteten die Forschenden einen Grossteil der Sensoren aus, so dass nur noch 128 beziehungsweise 32 Sensoren übrigblieben, mit entsprechend negativen Auswirkungen auf die Bildqualität: Weil es an Daten mangelte, durchzogen streifenartige Störsignale das Bild. Wie sich jedoch herausstellte, war das zuvor trainierte Machine-Learning-System mit seinem Algorithmus in der Lage, diese Verzerrungen zu korrigieren. Dadurch erhöhte sich die Bildqualität deutlich und war vergleichbar mit der Qualität einer Messung mit 512 Sensoren.

Bei der Optoakustik erhöht sich die Bildqualität nicht nur mit der Anzahl benutzter Sensoren, sondern auch, wenn das Untersuchungsobjekt aus möglichst vielen unterschiedlichen Richtungen erfasst wird: je grösser der Sektor, in dem die Sensoren rund um das Untersuchungsobjekt angeordnet sind, desto besser die Qualität. Der entwickelte Algorithmus war auch in der Lage, die Qualität von Bildern, die aus nur einem engumfassten Sektor aufgenommen wurden, deutlich zu verbessern. «Dies ist bei klinischen Anwendungen von Bedeutung, denn die benutzten Laserpulse durchdringen nicht den ganzen menschlichen Körper, und die meisten oberflächennahen Teile des menschlichen Körpers kann man nur aus einer Richtung erfassen», erklärt Razansky.

Ärzten die Arbeit erleichtern

Wie die Wissenschaftler betonen, ist ihr Ansatz nicht auf die optoakustische Bildgebung beschränkt. Weil die Technik nicht die Rohdaten analysiert, sondern die fertigen Bilder, eignet sie sich auch für andere Bildgebungsverfahren. «Generell kann man sie dazu verwenden, um mit weniger Rohdaten Bilder von guter Qualität herzustellen», sagt Razansky. Ärzte seien gelegentlich mit Bildgebungsdaten von schlechter Qualität konfrontiert, die sie interpretieren müssten. «Wir zeigen, dass sich mit Methoden der künstlichen Intelligenz solche Bilder verbessern lassen, wodurch sich die Interpretation vereinfacht.»

Für Razansky ist diese Forschungsarbeit ein gutes Beispiel, wozu die derzeit existierenden Methoden der künstlichen Intelligenz angewandt werden können. «Viele Leute meinen, dass KI die menschliche Intelligenz ersetzen könnte. Dies wird meiner Meinung nach jedoch überschätzt, jedenfalls was heutige KI-Methoden angeht», sagt er. «Mit diesen kann man nicht die menschliche Kreativität ersetzen, aber sie eignen sich, um dem Menschen mühsame repetitive Arbeiten abzunehmen.»

Für diese Forschungsarbeit nutzten die Wissenschaftler ein auf kleine Tiere zugeschnittenes Optoakustik-Tomographiegerät, und sie trainierten das Machine-Learning-System mit Bildern von Mäusen. Als nächstes gehe es darum, die Methode bei Optoaktustik-Bildern von Geweben des Menschen anzuwenden, sagt Razansky.

Originalveröffentlichung:
Davoudi N, Deán-Ben XL, Razansky D; "Deep learning optoacoustic tomography with sparse data, Nature Machine Intelligence"; 16. September 2019

Fakten, Hintergründe, Dossiers

  • künstliche Intelligenz
  • Bildgebung
  • Diagnostik
  • maschinelles Lernen
  • Optoakustik
  • künstliche neuronal…
  • Bildgebungsverfahren

Mehr über ETH Zürich

  • News

    Resistenzen können sich auch ohne Antibiotika-Einsatz verbreiten

    Antibiotikaresistenzen verbreiten sich nicht nur dort, wo viel Antibiotika eingesetzt werden, schliessen ETH-Forscher aus Laborexperimenten. Das bedeutet: Um Resistenzen einzudämmen reicht es nicht, den Antibiotikaeinsatz zu reduzieren. Man sollte auch die Verbreitung resistenter Keime bloc ... mehr

    Wie geschickt Proteine zusammenarbeiten

    Bisher wusste man nur wenig über die für unsere Gesundheit so wichtige Zellteilung. Nun hat eine ETH-Forschungsgruppe erstmals alle daran beteiligten Proteine isoliert und untersucht – und damit die Basis für die Erforschung vieler Krankheiten geliefert. In unserem Körper entstehen durch Te ... mehr

    Katalysator für nachhaltiges Methanol

    Wissenschaftler der ETH Zürich und des Mineralölunternehmens Total haben einen neuen Katalysator entwickelt, mit dem Methanol aus CO2 und Wasserstoff hergestellt werden kann. Die Technologie hat realistische Marktchancen und ermöglicht die nachhaltige Produktion von Flüssigtreibstoffen und ... mehr

  • q&more Artikel

    Analytik in Picoliter-Volumina

    Zeit, Kosten und personellen Aufwand senken – viele grundlegende sowie angewandte analytische und diagnostische Herausforderungen können mit Lab-on-a-Chip-Systemen realisiert werden. Sie erlauben die Verringerung von Probenmengen, die Automatisierung und Parallelisierung von Arbeitsschritte ... mehr

    Investition für die Zukunft

    Dies ist das ganz besondere Anliegen und gleichzeitig der Anspruch von Frau Dr. Irmgard Werner, die als Dozentin an der ETH Zürich jährlich rund 65 Pharmaziestudenten im 5. Semester im Praktikum „pharmazeutische Analytik“ betreut. Mit Freude und Begeisterung für ihr Fach stellt sie sich imm ... mehr

  • Autoren

    Prof. Dr. Petra S. Dittrich

    Jg. 1974, ist Außerordentliche Professorin am Department Biosysteme der ETH Zürich. Sie studierte Chemie an der Universität Bielefeld und Universidad de Salamanca (Spanien). Nach der Promotion am Max-Planck-Institut für biophysikalische Chemie in Göttingen war sie Postdoktorandin am ISAS In ... mehr

    Dr. Felix Kurth

    Jg. 1982, studierte Bioingenieurwesen an der Technischen Universität Dortmund und an der Königlich Technischen Hochschule in Stockholm. Für seine Promotion, die er 2015 von der Eidgenössisch Technischen Hochschule in Zürich erlangte, entwickelte er Lab-on-a-Chip Systeme und Methoden zur Qua ... mehr

    Lucas Armbrecht

    Jg. 1989, studierte Mikrosystemtechnik an der Albert-Ludwigs Universität in Freiburg im Breisgau. Während seines Masterstudiums konzentrierte er sich auf die Bereiche Sensorik und Lab-on-a-Chip. Seit dem Juni 2015 forscht er in der Arbeitsgruppe für Bioanalytik im Bereich Einzelzellanalytik ... mehr

q&more – die Networking-Plattform für exzellente Qualität in Labor und Prozess

q&more verfolgt den Anspruch, aktuelle Forschung und innovative Lösungen sichtbar zu machen und den Wissensaustausch zu unterstützen. Im Fokus des breiten Themenspektrums stehen höchste Qualitätsansprüche in einem hochinnovativen Branchenumfeld. Als moderne Wissensplattform bietet q&more den Akteuren im Markt einzigartige Networking-Möglichkeiten. International renommierte Autoren repräsentieren den aktuellen Wissenstand. Die Originalbeiträge werden attraktiv in einem anspruchsvollen Umfeld präsentiert und deutsch und englisch publiziert. Die Inhalte zeigen neue Konzepte und unkonventionelle Lösungsansätze auf.

> mehr zu q&more

q&more wird unterstützt von:

 

Ihr Bowser ist nicht aktuell. Microsoft Internet Explorer 6.0 unterstützt einige Funktionen auf Chemie.DE nicht.