| Entwicklung eines multimodalen, mehrskaligen Bildgebungssystems zur Früherkennung von Brustkrebs Brustkrebs ist die häufigste krebsbedingte Todesursache
bei Frauen, die zweithäufigste Krebsart weltweit. Die
Entwicklung und das Fortschreiten von Brustkrebs ist ein
dynamischer biologischer und evolutionärer Prozess. Dabei
handelt es sich um ein zusammengesetztes Organsystem,
dessen Transkriptom durch Genaberrationen, epigenetische
Veränderungen, den zellbiologischen Kontext und
Umwelteinflüsse geprägt ist. Wachstum und Reaktion von
Brustkrebs auf eine Behandlung haben eine Reihe von
Merkmalen, die für den einzelnen Patienten spezifisch sind,
beispielsweise die Reaktion des Immunsystems und die
Interaktion mit dem benachbarten Gewebe. Die
Gesamtkomplexität von Brustkrebs ist die Hauptursache für
das derzeitige, unbefriedigende Verständnis seiner
Entwicklung und des Therapieansprechen des Patienten.
Obwohl neuere Ansätze der Präzisionsmedizin, einschließlich
der genomischen Charakterisierung und Immuntherapien,
deutliche Verbesserungen hinsichtlich der Prognose gezeigt
haben, bleibt die richtige Behandlung dieser Krankheit eine
ernsthafte Herausforderung. Die Vision des BIG-THERA-Teams
ist die Verbesserung der individualisierten
Brustkrebsdiagnostik und -therapie mit dem Endziel, die
Lebenserwartung von Brustkrebskranken zu verlängern. Unser
Hauptbeitrag in diesem Zusammenhang ist die Entwicklung
eines multimodalen, multiskalierten Rahmens für die
Früherkennung der molekularen Subtypen von Brustkrebs, der
den Arbeitsablauf der klinischen Diagnose ergänzt und die
frühzeitige Identifizierung von Patienten ermöglicht, die
mit spezifischen Patienten kompatibel sind
Immuntherapeutische Lösungen. | Projektleitung:
Prof. Dr.-Ing. habil. Andreas Maier
Beteiligte:
Sulaiman Vesal, M. Sc., Nishant Ravikumar, Ph.D.
Stichwörter:
Computerunterstützte Diagnose; Tierkrebs; Tiefes Lernen; Brust-Multimodalitäts-Imaging; Brustläsionserkennung, Klassifizierung der Brustkrebserkrankung
Laufzeit: 1.1.2017 - 30.9.2019
Förderer:
FAU Emerging Fields Initiative (EFI)
Kontakt:
Vesal, Sulaiman
Telefon +49 9131 85 27799, Fax +49 9131 85 27270, E-Mail: sulaiman.vesal@fau.de
| | Publikationen |
|---|
Vesal, Sulaiman ; Malakarjun Patil, Shreyas ; Ravikumar, Nishant ; Maier, Andreas: A Multi-task Framework for Skin Lesion Detection and Segmentation. In: Springer International Publishing (Hrsg.) : OR 2.0 Context-Aware Operating Theaters, Computer Assisted Robotic Endoscopy, Clinical Image-Based Procedures, and Skin Image Analysis (International Workshop on Skin Image Analysis(ISIC 2018, Held in Conjunction with MICCAI 2018) Granada, Spain 20.09.2018). 2018, S. 285-293. - ISBN 978-3-030-01201-4
[doi>10.1007/978-3-030-01201-4_31] | | Vesal, Sulaiman ; Ravikumar, Nishant ; Davari, AmirAbbas ; Ellmann, Stephan ; Maier, Andreas: Classification of breast cancer histology images using transfer learning. In: Springer International Publishing (Hrsg.) : Image Analysis and Recognition (15th International Conference on Image Analysis and Recognition Póvoa de Varzim, Portugal 27-29.06.2018). 2018, S. 812-819. - ISBN 978-3-319-93000-8 | | Vesal, Sulaiman ; Ravikumar, Nishant ; Ellmann, Stephan ; Maier, Andreas: Comparative Analysis of Unsupervised Algorithms for Breast MRI Lesion Segmentation. In: Springer Berlin Heidelberg (Hrsg.) : Bildverarbeitung für die Medizin 2018 (Bildverarbeitung für die Medizin Erlangen, Germany 13.03). 2018, S. 257-262. | | Vesal, Sulaiman ; Ravikumar, Nishant ; Maier, Andreas: Dilated Convolutions in Neural Networks for Left Atrial Segmentation in 3D Gadolinium Enhanced-MRI. In: Springer International Publishing (Hrsg.) : Statistical Atlases and Computational Modelling of the Heart (Statistical Atlases and Computational Modelling of the Heart Workshop (STACOM 2018, Held in conjunction with MICCAI 2018) Granada, Spain 16.08.2018). 2018, S. tbd. | Ellmann, Stephan ; Bielowski, Christian ; Wenkel, Evelyn ; Vesal, Sulaiman ; Maier, Andreas ; Uder, Michael ; Bäuerle, Tobias: Ein klinisch anwendbares Neuronales Netzwerk zur Klassifikation suspekter Läsionen in der Mamma-MRT. In: Fortschr Röntgenstr 190 (2018), Nr. 0, S. WISS 401.2
[doi>10.1055/s-0038-1641379] | | Vesal, Sulaiman ; Ravikumar, Nishant ; Maier, Andreas: SkinNet: A Deep Learning Framework for Skin Lesion Segmentation. In: IEEE (Hrsg.) : IEEE Nuclear Science Symposium and Medical Imaging Conference Record (NSS/MIC) (2018 IEEE Nuclear Science Symposium and Medical Imaging (NSS/MIC) Sydney, Australia 10-17.11.2018). 2018, S. tbd. | | Vesal, Sulaiman ; Diaz-Pinto, Andres ; Ravikumar, Nishant ; Ellmann, Stephan ; Davari, AmirAbbas ; Maier, Andreas: Semi-Automatic Algorithm for Breast MRI Lesion Segmentation Using Marker-Controlled Watershed Transformation. In: IEEE (Hrsg.) : 2017 IEEE Nuclear Science Symposium and Medical Imaging Conference Record (NSS/MIC) (IEEE Nuclear Science Symposium and Medical Imaging Conference Record (NSS/MIC) Atlanta, Georgia, USA 21.10-28.10.2017). 2017, S. tbd. |
|