Förderprojekte

Förderbeginn 01.07.2020

Automatisches Wundscoring mittels nicht-invasiver Bildgebung und künstlicher Intelligenz

Dr.-Ing. Daniel Stromer
Friedrich-Alexander-Universität Erlangen-Nürnberg
Lehrstuhl Informatik 5, Mustererkennung

Dr. Jesse V. Jokerst
University of California, San Diego
School of Engineering

Geschwüre schädigen Haut und Gewebe des Menschen und entwickeln sich zu chronischen Wunden, die sowohl für das Gesundheitssystem als auch für die Patienten eine große Belastung darstellen. Mehr als 6,5 Millionen US-Bürger (DE: ca. 2 Millionen) sind davon betroffen und verursachen Kosten für die medizinische Infrastruktur in Höhe von etwa 25 Milliarden US-Dollar (DE: ca. 4 Milliarden EUR) jährlich. In einer früheren Arbeit haben wir gezeigt, dass die Kombination von Photoakustik- und Ultraschallbildgebung in der Lage ist, chronische Wunden nicht-invasiv zu erfassen. Die Detektion selbst muss mit dem bloßen Auge erfolgen, was ziemlich komplex ist, da die betroffenen Stellen großflächig sein können. Das Ziel unseres Projekts ist die gemeinsame Entwicklung eines Prototypens mit Hilfe von künstlicher Intelligenz, der den Forscher/Arzt bei der Erkennung von Wunden oder gesunden Segmenten innerhalb dieser Bilddaten unterstützen kann. Insbesondere werden wir nicht-invasiv gewonnene Daten von Kleintieren verwenden und ein tiefes neuronales Netz trainieren, um die Aufgabe der automatischen Klassifikation zu lösen. Um das Netzwerk zu speisen, müssen Expertenannotationen von hoher Qualität gemacht werden, um eine hohe Leistung des Klassifikators und eine valide Bewertung zu gewährleisten. Neuronale Netze haben bei solchen Bildklassifikationsaufgaben im medizinischen Bereich hervorragende Ergebnisse gezeigt und können sogar FDA-Zulassung erhalten. Die Ergebnisse können als Triagingmethode für die Wundbeurteilung dienen, so dass Physiker eine Liste von akuten Fällen erhalten, auf die sie sich konzentrieren können und die auch in der häuslichen Pflege eingesetzt werden können. In einem zweiten Schritt soll das Projekt auf Humandaten sowie auf Staging der Wunden ausgedehnt und die Zusammenarbeit zwischen den Partnerlabors intensiviert werden.