Nach einem Schlaganfall sind bestimmte Bereiche im Gehirn geschädigt und nicht mehr leistungsfähig. Denn der Verschluss von Gefäßen im Gehirn führt dazu, dass bestimmte Bereiche nicht mehr ausreichend oder gar nicht mit Sauerstoff versorgt werden. Dies kann zu sogenannten Läsionen führen. Sie zu erkennen und ihre Folgen abzuschätzen ist mit heutigen Bildgebungstechniken nicht möglich, wäre aber wichtig für die Therapie.
Aktuell arbeiten Forschende an der Technische Universität Kaiserslautern an einer neuen Technik, die solche Läsionen automatisch erkennt und Folgen vorhersagt. Zum Einsatz kommt ein neuronales Netzwerk, das aus den Daten der Computertomografie (CT) und den Erfahrungen von Ärzten lernt. So lassen sich Schädigungen früher aufspüren. Diese Ergebnisse wurden kürzlich auf der Medizintechnikmesse Medica vorgestellt, die vom 15. bis 18. November in Düsseldorf stattfand.
Läsionen sind mit aktuellen Verfahren der Bildgebung schwer zu erkennen. „Sie können sich im Laufe der Zeit stark verändern, indem sie entweder wachsen beziehungsweise schrumpfen“, erläutert Robin Maack, Doktorand in der Arbeitsgruppe „Computer Graphics and Human Computer Interaction“ von Prof. Dr. Hans Hagen an der Technischen Universität Kaiserslautern. „Die finale Läsion ist aber entscheidend für die erfolgreiche Wahl der Behandlung und Rehabilitation eines Patienten.“ Gemeinsam mit seiner Forscherkollegin Dr. Christina Gillmann von der Universität Leipzig arbeitet Maack an einer neuen Methode, mit der solche Schäden künftig früh aufgespürt und ihre Spätfolgen abgeschätzt werden sollen.
Zum Einsatz kommt hier ein sogenanntes neurales Netzwerk. „Das ist ein Verfahren der Künstlichen Intelligenz, mit dem der Computer aus Daten lernen kann“, erklärt Maack die Technik. „Diese speziellen Algorithmen nutzen die Erfahrung der Ärzte, die an vorhandenen Bildern Läsionen einzeichnen, um das Netzwerk zu füttern.“ Mit der Methode analysieren Maack und Gillmann Bilddaten von Computertomografien und sind so in der Lage, neue Daten ohne die Hilfe von Medizinern auszuwerten.
Quelle: Technische Universität Kaiserslautern
