Im Rahmen der Strahlungstherapie bei Krebspatienten mit Tumoren im Magendarmtrakt wird vor der Behandlung ein MRT durchgeführt. Manuell wird daraufhin die Lage der Organe eingezeichnet. Dies ist notwendig, damit das Bestrahlungsgerät auf den Tumor ausgerichtet werden kann und andere Organe verschont bleiben.
Da eine solche Therapie über eine längere Zeit wiederholt werden muss, ist dies mit hohem Aufwand verbunden. Die Lage der Organe verändert sich sowohl bei der Atmung als auch von Tag zu Tag. So muss vor jeder Behandlung ein neues MRT durchgeführt und die Organe manuell eingezeichnet werden.
Der MRI-Use Case automatisiert diesen Prozess, indem er die Lage der Organe erkennt und markiert. Hierfür wurde das neuronale Netz „U-Net“ mit 38.000 MRT-Bildern trainiert.
Der Entwickler des MRI-Use Cases Michael Fuchs absolviert momentan seinen Master in Informatik und ist seit April 2022 Teil des ITC. „Auf der Suche nach einem Thema für meinen ersten Use Case bin ich auf eine competition auf kaggle zum Thema MRTs gestoßen. Während meines Studiums hatte ich Vorlesungen zu Bild- und Videoanalysen mit KI und da ich Interesse an beidem hatte, wurde dies mein Use Case“, berichtet Michael. „Semantic Segmentation und die Entwicklung der Web-App mit Java und Angular für den Use Case waren beides neue Erfahrungen für mich, daher hab ich sehr viel gelernt.“
Tech Stack
Technologien: Python, Tensorflow, Keras, Java, Spring Boot, Angular
Das Modell zur Segmentierung der MRT-Bilder wurde in Python mithilfe von Tensorflow und Keras trainiert. Ein Spring Boot Backend stellt Login-Funktionalitäten bereit und ermöglicht die Interaktion mit dem trainierten Modell. Eine Web App, die mit Angular realisiert wurde, ermöglicht den Upload von MRT-Bildern und zeigt nach der Analyse mit dem Modell die Lage der Organe an.
