Forschungsthemen

Erklärbare Entscheidungen

Ein Deep Learning-basiertes Klassifikationsergebnis eines radiologischen Bildes, etwa in Kategorien wie "krank" oder "gesund", ist für den Nutzer bzw. die Nutzerin zunächst nicht nachvollziehbar. Neuronale Netze agieren als "Black Box" – die gelernten Merkmale eines Bildes, die zur Entscheidung des Netzwerkes führen, sind für den Menschen nicht interpretierbar.

VRVis entwickelt Methoden, die die Grundlagen für solche Entscheidungen eines neuronalen Netzes für den Nutzer bzw. die Nutzerin sichtbar machen. Diese Methoden geben nicht nur medizinischem Fachpersonal ein zusätzliches Feedback über die Sicherheit der Entscheidung, sondern helfen auch Entwicklerinnen und Entwickler, die Qualität des trainierten Netzwerkes zu überprüfen.

Tuberkulose-Detektion durch KI-gestützte Screenings

Um medizinisches Fachpersonal bei Patientenscreenings zur Erkennung von Tuberkuloseinfektionen zu unterstützen, hat VRVis gemeinsam mit Agfa Healthcare eine Deep Learning-basierte Anwendung entwickelt. Diese hilft gerade bei großen Patientenzahlen, erkrankte Personen schneller zu identifizieren, und so weitere Diagnose und Behandlungsabläufe zu optimieren.

Segmentierung und Annotation von Blutgefäßen

Arteriosklerose ist laut WHO weltweit die Todesursache Nummer 1. Eine detaillierte Analyse von Blutgefäßen in 3D-Angiographien sind im Allgemeinen sehr zeitaufwändig. VRVis hat gemeinsam mit AGFA Healthcare mehrere Methoden zur effizienten semi- und vollautomatischen Segmentierung von peripheren und koronaren Blutgefäßen, sowie deren semantischer Annotation, entwickelt, die teilweise sowohl prämiert als auch hochkarätig publiziert, patentiert und in Produkte unseres Kunden integriert wurden.

Auswahl an Publikationen

Generelle Ansätze zur Merkmalsdetektion und Segmentierung von Organen

VRVis hat etliche grundlegende Methoden zur medizinischen Bildanalyse entwickelt und patentieren lassen. Darunter vielzitierte KI-Methoden zur gleichzeitigen Segmentierung mehrerer Objekte auf Röntgenbildern, sequenzielle Segmentierungsverfahren für CT-Bilddaten, effiziente Feature-Detektionsverfahren, sowie mehrere Grundlagenmethoden für statistische Form- und Texturmodelle, die z.B. auch heute noch in Kombination mit KI-Methoden für komplexe Aufgaben in der Organsegmentierung zur Anwendung kommen.

Auswahl an Publikationen

Vollautomatische semantische Annotation der Wirbelsäule

Die Wirbelsäule ist ein wichtiges Referenzsystem im menschlichen Körper, um bei einer radiologischen Untersuchung die Lage von Pathologien zu beschreiben. Dafür muss die anatomische Bezeichnung für jeden sichtbaren Wirbel im Bild bekannt sein. Diese muss in vielen Ländern von Radiologinnen und Radiologen manuell auf dem Bild eingetragen werden – eine zeitaufwändige Arbeit, die Radiologinnen und Radiologen zusätzlich zur eigentlichen Diagnose in einem knappen Zeitrahmen erledigen müssen. VRVis hat eine Gruppe von Algorithmen entwickelt, die menschliche Wirbel auf verschiedenen MR- und CT-Scans unabhängig vom Bildausschnitt vollautomatisch erkennen und anatomisch korrekt annotieren kann. Diese wichtige maschinelle Vorarbeit erleichtert Radiologinnen und Radiologen die Arbeit und verschafft mehr Zeit für die Diagnoseerstellung.

Auswahl an Publikationen

Herzanalyse

Herz-Kreislauf-Erkrankungen sind heute auch in Österreich die häufigste Todesursache. Eine detaillierte Analyse von (zeitabhängigen) 3D-Bilddaten des schlagenden Herzens und der Koronararterien eines Patienten ist extrem zeitaufwändig. Vollautomatische Methoden, die die Quantifizierung von Pathologien des Herzens erleichtern, können daher stark zur Beschleunigung der Befundung durch den Radiologen bzw. die Radiologin beitragen. VRVis hat bereits mehrere Lösungen für die Segmentierung der Herzkammern auf CT- und MR-Bildern sowie eine prämierte Lösung zur vollautomatischen Segmentierung von Koronararterien entwickelt.

Auswahl an Publikationen

Mehrere Patente zu KI

Aus unserer hauseigenen Grundlagenforschung sind in Verbindung mit unserer anwendungsorientierten Forschungsarbeit für unseren Unternehmenspartner Agfa Healthcare viele Patente für KI-basierte Lösungen entstanden, beispielsweise zur vollautomatischen Segmentierung und Annotation von Blutgefäßen oder menschlichen Wirbeln. Erfahren Sie hier mehr über unsere Patente.