Die Abteilung Artificial Intelligence in Medical Imaging forscht an modernen Technologien und Methoden der künstlichen Intelligenz zur Verarbeitung medizinischer Bilddaten, insbesondere Gehirn MRT Bilder. Ein Ziel ist die automatische Analyse großer längsschnittlicher Patienten- und Bevölkerungsstudien, z.B. der Rhineland Studie, zur Quantifizierung von Behandlungseffekten, zur frühzeitigen Erkennung struktureller krankheitsbedingter Veränderungen sowie zur Identifikation von Risiko- und Schutzfaktoren neurodegenerativer Erkrankungen. Des Weiteren werden im wachsenden Bereich der klinischen Präzisionsmedizin neue Methoden benötigt, die z.B. mit Hilfe des maschinellen Lernens eine computergestützte individuelle Diagnose und Prognose und damit individuell zugeschnittene Behandlungen in frühen Erkrankungsstadien ermöglichen.

Unsere Projekte werden in einem multidisziplinären Ansatz in enger Kooperation mit den Neurowissenschaftlern und MR-Physikern am DZNE sowie mit unseren nationalen und internationalen Kooperationspartnern verfolgt, z.B. an der Universitätsklinik Bonn, der Harvard Medical School und dem Massachusetts Institute of Technology.

Einer unserer Forschungsschwerpunkte ist die Entwicklung fortschrittlicher berechnender Verfahren für die automatische Extraktion präklinischer Biomarker aus nichtinvasiven MRT-Bildern wie z.B. die Größe, Dicke oder geometrische Form von neuroanatomischen Strukturen im menschlichen Gehirn, insbesondere im Bereich der Großhirnrinde, der subkortikalen Strukturen sowie der Weißen Substanz. Unsere Methoden, die in den Open-Source Software Paketen FastSurfer und FreeSurfer in tausenden Forschungslaboren und großen Imaging-Studien weltweit zum Einsatz kommen, ermöglichen dabei die Messung subtiler Veränderungen, die z.B. im Frühstadium neurodegenerativer Erkrankungen auftreten. Hierfür entwickeln wir gezielt fortschrittliche Neuronale-Netz-Architekturen, die sowohl sehr effizient, ressourcenschonend und extrem schnell genaue Messdaten liefern. Dabei gehen wir weit über die sonst übliche Proof-of-concept Forschung hinaus und stellen der medizinischen Forschern und Anwendern gründlich validierte Methoden zur Verfügung. 

Weiterführende Links:

• Deep-MI (Reuter) Lab Webseite: https://deep-mi.org 
• FastSurfer: http://fastsurfer.org
• Athioula A. Martinos Center for Biomedical Imaging: Martin Reuter 
• Harvard Medical School / Massachusetts General Hospital: Martin Reuter 
• Massachusetts Institute of Technology: http://reuter.mit.edu