18/09/2013 - Entwicklung einer Methode zur automatischen Abgrenzung von Gehirnbereichen in medizinischen Bildern

Menéame

La Europäischer Verband der Logik Difusa und Soft Computing (EUSFLAT) hat bei seinem zweijährlichen Treffen in Mailand letzte Woche die Forschungsarbeiten der Gruppe für künstliche Intelligenz und Annäherung an die Grenzen (GIARA) der Universität von Navarra.

Forscher haben eine Methode entwickelt, die die Abgrenzung von Tumoren in medizinischen Bildern verbessert. "Wenn der Arzt entscheidet, wo das Tumorgewebe vom gesunden Gewebe zu trennen ist, gibt ihm unser Algorithmus die Garantie, dass er nie die schlechteste Wahl treffen wird, weil er automatisch eine verbesserte Lösung anbietet."

Die Autoren der Arbeit waren Aránzazu Jurio, Miguel Pagola, Daniel Paternalin, Nicolás Madrid und Humberto Bustince. Seine Forschung war mit mehr als 200 Arbeiten, die dem Kongress vorgelegt wurden und von denen 16 ausgewählt wurden, und danach die drei Finalisten: Universität der öffentlichen Navarra, Universität Marburg und Ghent University in Belgien.

Die Arbeit konzentriert sich auf die Untersuchung von Bildern von Gehirnen, die durch Magnetresonanz gewonnen werden. Insbesondere haben sie einen Algorithmus entwickelt, um den Prozess der Bildsegmentierung zu verbessern. "Durch die Segmentierung ," erklärt Aránzazu Jurio," trennt sich jedes Objekt, das Teil des Bildes ist. Jeder Pixel wird so analysiert, dass alle, die bestimmte Eigenschaften gemeinsam haben, als Teil desselben Objekts betrachtet werden." Bei medizinischen Bildern ist dieser Prozess für die Abgrenzung von Tumoren von grundlegender Bedeutung, wo, wenn man an Bereiche wie das Gehirn denkt, drei Millimeter Unterschied zwischen Heilung oder Auswirkungen auf Bereiche wie Sprache oder Sehvermögen ausmachen können.

Um zu verstehen, wie der Algorithmus funktioniert, den Forscher entwickelt haben, verwendet Humberto Bustince die folgende Parallele: " Stellen wir uns vor, wir haben durch Magnetresonanz das Bild eines Gehirns und sieben Ärzte, die entscheiden müssen, wie man den Tumor abgrenzt. Aus Erfahrung wissen wir, dass jeder von ihnen den Tumor anders trennen wird. Jetzt, mit der vorgeschlagenen Methode, werden Sie automatisch eine Reihe von Optionen haben, die auf jeden Fall immer die Wahl verbessern, die das Schlimmste der sieben gemacht hätte. Wir haben es geschafft, das Schlimmste zu verbessern, selbst wenn sie die schlechteste Wahl wählen, so wenig wie möglich falsch zu liegen."

Ein multiples Glioblastom, das häufigste und bösartigste der Hirntumoren. (Quelle: SOM Biotech)

In Echtzeit

Ein weiterer Faktor, mit dem Experten für künstliche Intelligenz konfrontiert werden müssen, ist der der zeitlichen Schwankungen, da sich die medizinischen Bilder im Zeitverlauf und in vielen Fällen in einem kurzen Zeit raum unterscheiden. "Alle diese Algorithmen ermöglichen die Anwendung in Echtzeit, da das, was für ein Bild zu einem bestimmten Zeitpunkt nützlich sein kann, vielleicht nicht eine Weile vergangen ist," erklärt Professor Bustince.

In diesem Sinne betont Aránzazu Jurio, dass "der Algorithmus, den wir entwickelt haben, eine Art Konsens zwischen den verschiedenen Funktionen schafft, um eine bessere Lösung zu finden. Sagen wir einfach, er nimmt dem Experten einen Wahlprozess weg, weil es der Algorithmus ist, der automatisch die Funktion wählt."

"Das Problem - Daniel Paternalin ist es - ist, dass es für ein bestimmtes Bild eine Reihe von Funktionen gibt, die der Experte nutzen kann, aber wenn die Segmentierung falsch funktioniert, könnte das Ergebnis sehr schlecht sein. Was wir zu lösen versuchen, ist, dass, wenn Sie falsch funktionieren, das Ergebnis nicht sehr schlecht ist."

Auf dem EUSFLAT-Kongress 2013 vom 11. bis 13. September in Mailand nahmen über 300 Forscher aus ganz Europa teil, die in den Bereichen Logistik Fuzzy, Soft Computing und Anwendungen tätig sind. Humberto Bustince, Professor für Informatik und künstliche Intelligenz, war außerdem verantwortlich für die Durchführung einer der drei Plenarsitzungen: "Die Verarbeitung und Klassifizierung von Bildern unter Verwendung einer Erweiterung von diffusen Sätzen. Erste Erfolge."

_________________________________

UPNA

La Universidad de Castilla-La Mancha ha acogido los días 7 y 8 de octubre una reunión de coordinación de FIREFLY, un proyecto europeo que busca electrificar parte de la cadena de valor de la industria química y reducir su dependencia de los recursos fósiles. El encuentro se celebró en la Facultad de Ciencias y Tecnologías Químicas de Ciudad Real. El...

La Escuela Técnica Superior de Ingeniería Industrial de Barcelona, perteneciente a la Universitat Politècnica de Catalunya, celebra sus 175 años con una exposición que conecta su historia con los desafíos tecnológicos y sociales de las nuevas generaciones de ingenieros. La muestra, inaugurada el 8 de octubre, puede visitarse hasta el 17 de octubre en CASA SEAT, en Barcelona, con entrada...

La Universidad Pontificia Comillas ha reunido a representantes institucionales, académicos y especialistas del sector tecnológico y de defensa para analizar las oportunidades y los desafíos de la inteligencia artificial en la seguridad y la defensa de España. El seminario, celebrado el 7 de octubre y difundido por la Universidad el día 9, fue organizado por la Facultad de Derecho de...

La Universidad Politécnica de Madrid dedica este 9 de octubre una jornada a los retos de integrar el hidrógeno en la industria y el transporte, dos ámbitos en los que la reducción de emisiones exige combinar diferentes soluciones tecnológicas. La Comunidad del Hidrógeno y Pilas de Combustible de la UPM organiza el encuentro en el salón de actos de la...

La ingeniera de telecomunicación Alicia Ramón Catalán es la ganadora del Premio Pioneras_IT 2026, promovido por el Colegio Oficial de Ingenieros de Telecomunicación y la Asociación Española de Ingenieros de Telecomunicación para visibilizar el talento femenino en el sector. La elección, anunciada el 28 de septiembre, culmina una convocatoria cuyo acto de entrega se programó para el 8 de octubre...