Förderprojekte

Förderbeginn 01.07.2023

Integration bekannter Operatoren in ein tiefes neuronales Netzwerk zur Verbesserung der HR-pQCT Knochendarstellung

Prof. Dr. Andreas Maier
Friedrich-Alexander-Universität Erlangen-Nürnberg
Lehrstuhl für Informatik 5 (Mustererkennung)

Prof. Dr. Andrew Burghardt
University of California, San Francisco
School of Medicine

Dieses interdisziplinäre Forschungsprojekt ist eine Zusammenarbeit zwischen dem Labor von Prof. Dr. Maier an der Friedrich-Alexander-Universität Erlangen- Nürnberg und dem Labor von Prof. Dr. Burghardt an der Universität von Kalifornien, San Francisco. Die gemeinsame Arbeit konzentriert sich auf die Anwendung und Verbesserung der hochauflösenden peripheren quantitativen Computertomographie (HR-pQCT) - einer klinisch relevanten Technologie zur Darstellung von Knochenstrukturen und zur Beurteilung von Krankheiten wie Osteoporose. Prof. Dr. Maiers Labor hat das Framework PYRO-NN entwickelt, das bekannte Operatoren in Tensorflow einbettet, um neuronale Netzwerke für die CT- Bildrekonstruktion end-to-end trainierbar zu machen. In Zusammenarbeit mit Prof. Dr. Burghardt wird dieses Framework angepasst und auf HR-pQCT angewendet. Ein wesentlicher Teil dieses Prozesses ist die Integration der ATRACT-Methode - eine Rekonstruktionsmethode für kleine Volumen mit Messfeldbeschränkung - in PYRO-NN. Ziel ist es, die Bildrekonstruktion und - interpretation zu optimieren. Das erwartete Ergebnis dieser Forschung sind grundlegende Verbesserungen der räumlichen Auflösung von HR-pQCT-Bildern und eine erhöhte Genauigkeit in der klinischen Interpretation und Diagnose.