Am 22. August 2022 ging die diesjährige Verleihung des OCG Förderpreises im Rahmen der DEXA 2022-Konferenz in Wien über die Bühne. Die VRVis-Forscherin Theresa Neubauer nahm die Auszeichnung für ihre am VRVis entstandene Masterarbeit "Volumetric Tumor Segmentation on Multimodal Medical Images using Deep Learning" entgegen.
Die Masterarbeit, die aus einem Forschungsprojekt unserer Biomedical Image Informatics-Gruppe hervorgegangen ist, ist ein echtes Best-Practice-Beispiel, wie wissenschaftliche Nachwuchsförderung ebenso wie interdisziplinäre institutionsübergreifende angewandte Forschungsarbeit gelingen kann: Unter der Leitung von Katja Bühler und betreut von Maria Wimmer war das VRVis die wissenschaftliche Heimat von Theresa Neubauer, von wo aus sie in engem weiteren Fachaustausch mit ihren Beteuern Prof. Thomas Beyer von der MedUni Wien und Eduard Gröller von der TU Wien ihre Forschungsarbeit vorangetrieben hat. Dabei ging es Theresa Neubauer vor allem darum, durch innovative Visual-Computing- und KI-Ansätze multimodale Bilder für eine effizientere Tumorerkennung automatisch für eine ganzheitliche Diagnostik zusammenzubringen.
Unter dem Begriff Weichteiltumore werden Tumore verschiedener Gewebe zusammengefasst (Muskulatur, Bindegewebe, Fettgewebe, Nervengewebe). Ein wichtiger Teil ihrer Diagnose sowie der Festlegung einer erfolgreichen Therapie ist die korrekte Beurteilung der Tumore auf medizinischen Scans. Dafür analysiert medizinisches Fachpersonal visuell den Tumor auf MR-, CT- und PET-Scans. Diese Bildaufnahmen nehmen dabei den Tumor in unterschiedlichen anatomischen, funktionalen und molekularen Kontexten auf und liefern somit auch verschiedene Informationen über den Tumor. Denn je nach klinischer Fragestellung – Geht es beispielsweise um die Biopsie, die Radiotherapie oder die Operationsplanung? – sind verschiedene Aspekte und Aufnahmen relevant. Dabei war die Segmentierung von Tumoren bislang eine manuelle und zeitaufwändige Arbeit, die viel Aufmerksamkeit der Radiologinnen und Radiologen in Anspruch nimmt. Automatisierte Werkzeuge können hierbei eine wertvolle Ergänzung im klinischen Alltag sein.
Das Potenzial multimodaler Daten zur Tumorerkennung werden allerdings bis heute nur von wenigen etablierten computergestützten Bild-Segmentierungsmethoden genutzt. Um hier einen wichtigen Beitrag zu leisten, hat Theresa Neubauer, Expertin im Bereich Medical Informatics, im Zuge ihrer Diplomarbeit "Volumetric Tumor Segmentation on Multimodal Medical Images using Deep Learning" eine neue Methode entwickelt, durch die multimodale Informationen verschiedener bildgebender Verfahren für einen ganzheitlichen, optimierten Diagnose-Workflow vereint werden können. Dabei werden Magnetresonanz-, Computertomografie- und Positronen-Emissions-Tomografie-Daten fusioniert, um ein genaueres Bild des Tumors zu bekommen. Die entwickelte Bild-Segmentierungsmethode verwendet maschinelles Lernen (Künstliche Intelligenz), um komplexe Bildmerkmale und Zusammenhänge zwischen den Modalitäten zu lernen und somit den Tumor effizienter und präziser segmentieren zu können.
Wien, 25. August 2022