Skip to main content

Automatisierte Segmentierung und Unterscheidung von intrakraniellen Aneurysmen

Verbesserung der Robustheit klinischer Risiko-Scores auf Basis von Morphologie und Hämodynamik

Über das Projekt

Das Projekt zielt darauf ab, die Risikoabschätzung und Behandlung unfallgefährdeter intracranialer Aneurysmen durch die Entwicklung automatisierter, bildgebungsbasierter Methoden zu verbessern. Im Mittelpunkt steht die Analyse von Morphologie und Hämodynamik von Aneurysmen mittels computergestützter Simulationen und KI-gestützter Bildverarbeitung. Ziel ist es, die Variabilität und Unsicherheiten bei der Bewertung des Rupturrisikos zu minimieren und somit klinisch relevanten Entscheidungsgrundlagen zu liefern.  

Das Vorhaben umfasst die automatisierte Segmentierung der aneurysmatischen Geometrie sowie die Analyse der hämodynamischen Parameter anhand modernster Bilddaten, um individuelle Prognosen zu verbessern. Dabei werden Zusammenhänge zwischen Morphologie, Fließverhalten und Rupturrisiko systematisch untersucht. Durch die Zusammenarbeit von Kliniken und Ingenieur*innen sollen robuste, klinisch umsetzbare Standards entwickelt werden, um die Früherkennung, Diagnose und Risikoabschätzung bei intracranialen Aneurysmen zu optimieren. Die gewonnenen Erkenntnisse sollen in eine präzise, patientenbezogene Entscheidungsfindung integriert werden und die klinische Behandlung zukünftiger Aneurysmen nachhaltiger verbessern.

Das Projekt zielt darauf ab, die Risikoabschätzung und Behandlung unfallgefährdeter intracranialer Aneurysmen durch die Entwicklung automatisierter, bildgebungsbasierter Methoden zu verbessern. Im Mittelpunkt steht die Analyse von Morphologie und Hämodynamik von Aneurysmen mittels computergestützter Simulationen und KI-gestützter Bildverarbeitung. Ziel ist es, die Variabilität und Unsicherheiten bei der Bewertung des Rupturrisikos zu minimieren und somit klinisch relevanten Entscheidungsgrundlagen zu liefern.

Das Vorhaben umfasst die automatisierte Segmentierung der aneurysmatischen Geometrie sowie die Analyse der hämodynamischen Parameter anhand modernster Bilddaten, um individuelle Prognosen zu verbessern. Dabei werden Zusammenhänge zwischen Morphologie, Fließverhalten und Rupturrisiko systematisch untersucht. Durch die Zusammenarbeit von Kliniken und Ingenieur*innen sollen robuste, klinisch umsetzbare Standards entwickelt werden, um die Früherkennung, Diagnose und Risikoabschätzung bei intracranialen Aneurysmen zu optimieren. Die gewonnenen Erkenntnisse sollen in eine präzise, patientenbezogene Entscheidungsfindung integriert werden und die klinische Behandlung zukünftiger Aneurysmen nachhaltiger verbessern.

Schematische Darstellung

Eine abstrakte Darstellung von neuronalen Verbindungen im menschlichen Gehirn. Bunte Linien in Lila, Blau und Türkis verdeutlichen die Komplexität der neuronalen Netzwerkstruktur und deren Interaktionen. Die Darstellung vermittelt das Konzept von Informationsübertragung und Vernetzung im Gehirn.
Eine abstrakte Darstellung von neuronalen Verbindungen im menschlichen Gehirn. Bunte Linien in Lila, Blau und Türkis verdeutlichen die Komplexität der neuronalen Netzwerkstruktur und deren Interaktionen. Die Darstellung vermittelt das Konzept von Informationsübertragung und Vernetzung im Gehirn.

Schematische Darstellung

Projektinformationen

Keywords

Modellierung, Grundlagenforschung

Kennzahlen

Förderkennzeichen:
GO 1067/18-1
Projekt-ID:
AI4IA
Seite des Projekts:
https://icm.dhzc.charite.de/p/automatisierte-segmentierung-und-unterscheidung-von-intrakraniellen-aneurysmen-448/
Laufzeit:
01.01.2024 bis 31.10.2026
Förderung:

DFG

Status:
aktiv

Ihr Ansprechpartner

Leonid Goubergrits, Prof. Dr.-Ing.

Leitung Kardiovaskuläre Modellierung & Simulation
Ein Mann mit Brille und einem weißen Hemd lächelt in die Kamera. Der Hintergrund ist hell und einfach gestaltet.