Projekt

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 ; : 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 ; : 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 ; : 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 ; : 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 ; ; 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 ; : 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 ; : 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.