Projekte

Bildaufnahme und Spektroskopie zur Oberflächenanalyse

Am Lehrstuhl wird aktuell ein hochpräzises und vielseitiges optisches Messsystem entwickelt, das „Combined High-Resolution Imaging and Spectroscopy System“ (CHRISS). Dieses System soll im Bereich der Material- und Oberflächenanalyse (von z.B. Stahl) eingesetzt werden und sowohl hochauflösende Oberflächenbilder als auch präzise Spektraldaten gewinnen. Dazu wird ein Mikrometer-genau steuerbarer Dreiachsroboter mit Kamerasystem und Spektrometern mit Bild- und Signalverarbeitung kombiniert, um ein „smartes“ Messgerät mit vielseitigen Einsatzgebieten zu erhalten.

Weitere Details hier und Kontakt zu Tobias Hegemann.

Medizinische Bildverarbeitung am Hüftgelenk

Dieses Projekt beschäftigt mit der Verarbeitung von medizinischen Datensätzen des Hüftgelenks um die Begutachtung von Krankheitsbildern des Hüftgelenks zu erleichtern.

Das menschliche Hüftgelenk ist ein Kugelgelenk, bestehend aus dem Gelenkkopf des Oberschenkelknochens (Femur) und der Gelenkpfanne (Acetabulum), die von den drei knöchernen Anteilen des Beckenknochens gebildet wird.

An diesem Gelenk kann eine Funktionsbeeinträchtigung der Gelenkbeweglichkeit, ein sog. Femoroazetabuläres Impingement (FAI), aufgrund von knöchernen Deformationen auftreten, die am Übergang von Femurkopf zum -schaft (Cam-Impingement) oder am Acetabulum (Pincer-Impingement) vorgefunden werden können.

Ein weiteres Krankheitsbild ist das Absterben von Knochenzellen am Hüftkopf, die sog. Hüftkopfnekrose, die u.a. aus einer unzureichenden Blutversorgung der betroffenen Areale, z.B. aufgrund von Einklemmungen der Blutgefäße, resultieren kann.

In diesem Projekt sollen die knöchernen Anteile des Hüftgelenks aus 3D MRT Datensätzen lokalisiert und als 3D Modell extrahiert werden, um eine anschließende auf den Patienten zugeschnittene Bewegungssimulation (nicht Bestandteil dieses Projektes) zu ermöglichen. Zudem sollen anatomische Kenngrößen, die für die Diagnose von FAI förderlich sein können, aus der Segmentierung automatisch extrahiert werden.

Da während der operativen Ausräumung der Nekroseareale Röntgenbilder zur Navigation herangezogen werden, in denen die nekrotischen Areale jedoch häufig nicht ausreichend von gesundem Knochengewebe zu unterscheiden sind, sollen die Areale aus 3D MRT Datensätzen, in denen die Bereiche eindeutig zu identifizieren sind, extrahiert und auf die 2D Röntgenbilder (mit unterschiedlichen Aufnahmeperspektiven) projiziert werden.
Hierfür ist es ebenfalls zunächst notwendig, die Hüftknochen (sowohl in den MRT als auch Röntgendatensätzen) zu lokalisieren und zu segmentieren, um anschließend eine Projektion von MRT auf Röntgenbild berechnen zu können. Zudem ist soll das Nekroseareal am Hüftkopf im 3D MRT Datensatz lokalisiert und segmentiert werden, um die Klassifizierung des Nekrosestadiums zu erleichtern.

Bei Interesse kontaktieren Sie bitte Duc Duy Pham.

Medizinische Bildverarbeitung - Gefäßsegmentierung

Mein Forschungsgebiet ist die Medizinische Bildverarbeitung mit dem humanen Gefäßsystem als aktuellem Fokus. Ein Anwendungsfeld betrifft den Prozess der Angiogenese (Neubildung von Gefäßstrukturen unter Einwirkung diverser chemischer Agenten), welcher im Bereich der Krebsforschung sowie für die Wunden- und Haarregeneration aktuell untersucht wird. Die automatische Charakterisierung des Fortschritts der Angiogenese mithilfe überwachter und unüberwachter Lernverfahren impliziert die Extraktion und Selektion der dafür am besten geeigneten Merkmale und würde die Auswahl der wirkvollsten Substanzen zur Tumorbekämpfung erleichtern. Ein zweites Anwendungsfeld betrifft die Diagnose und Therapie von Aortenkalzifikationen oder -dissektionen. Dabei geht es um die automatische Segmentierung der Aorta, der Vermessung des verengten Lumens und die Extraktion der Dissektionsmembran in Bildern der 3D Computertomographie. In einem dritten Anwendungsfeld gehen unterschiedliche Erkrankungen wie Diabetes bzw. deren Vorstufen mit einer Modifikation der Blutgefäßstruktur im Auge einher. Deswegen erlaubt die Segmentierung und Mustererkennung innerhalb von Retinabildern zwischen verschiedenen Stadien der Erkrankungen zu differenzieren.

Weitere Details hier und Kontakt zu Cosmin Adrian Morariu.

Frühere Projekte

Druckversion
© Universität Duisburg-Essen, Lehrstuhl Intelligente SystemeLogin