Student Offers

Master Thesis: Deep Learning Based Segmentation Task of medical CT-Images based on advanced Preprocessing

Current state:

The chances of success of tumor treatment are highly dependent on the patient’s physical condition. In everyday clinical practice, the patient’s BMI is calculated for this purpose. However, this is a rather inaccurate measure, since the distribution of muscle to fat tissue is a decisive indicator. For a more accurate evaluation, the patient’s CT images must be evaluated. However, this is a time-consuming task.

Scope of the thesis:

This work is intended to address the problem. Currently, data are being acquired in clinical practice and segmented by experts. These are CT data sets in which muscle and fur tissues were segmented in one layer. Your task is to create an automatic segmentation using Deep Learning methods. Subsequently, the segmented regions are to be evaluated with the help of a measure. The explicitly mentioned preprocessing step is to split the given segmentation (symmetry of the body) to provide more data to the network during the learning process. An optional extension would be the automatic selection of the layer in which the evaluation should take place.

We offer:

  • interesting clinically relevant research
  • support in technical questions and writing of the thesis

We expect:

  • good programming skills (Python)
  • knowledge of image processing
  • experience with Deep Learning and frameworks (Pytorch, Tensorflow, Keras)
  • good study achievements

VR: Build your Aneurysm

Virtual simulations are a common possibility to provide neurosurgeons with additional training for cerebral aneurysm clipping. To provide appropriate training, the data/models (in this case aneurysms) have to be realistic and different cases should be included. This can be done by using patient-specific data. The problem is that the data is not always available and there are rare cases, so the user cannot train with many different models. Therefore, we are searching for a student who will implement an application to build own aneurysms that can be included in an existing clipping simulation.

Your task would be to:

  • research existing and similar approaches and acquire some knowledge about cerebral aneurysms
  • implement an interactive application where the user virtually builds aneurysms

The project should be realized in the game engine Unity, thus the following is required:

  • knowledge of basic computer graphics
  • experience with C# (and Unity)

VR: Simulating the opening of the Dura Mater

Virtual simulations are a common possibility to provide neurosurgeons with additional training for cerebral aneurysm clipping. Before opening the brain, the dura mater (cerebral membrane) has to be removed carefully. This process is often missing in clipping simulations.

Your task would be to:

  • research existing and similar approaches
  • implement an interactive virtual reality application where the user removes the dura mater

The project should be realised in the game engine Unity, thus the following is required:

  • knowledge of basic computer graphics
  • experience with C# (and Unity)

Ausschreibung Studentische Hilfskraft

Wir suchen eine studentische Hilfskraft für die Tätigkeit umfasst eine monatliche Arbeitszeit von mind. 20 Stunden.

Einstellungsvoraussetzungen:

  • Gute Kenntnisse in digitaler Bildverarbeitung inbesondere Bildregistrierung
  • Erfahrung im Umgang mit Matlab oder Python, ggf. Erfahrung mit MeVisLab
  • Sehr hohe Motivation
  • Engagement und Teamfähigkeit
  • Strukturiertes und organisiertes Arbeiten

Deine Aufgaben:

  • Entwicklung einer Applikation (z.B. in MeVisLab) zur Registrierung von verschiedenen interventionellen MRT-Bilddatensätzen für die Leber
  • Entwicklung einer Applikation zur Registrierung von histologischen Schnitten zu den individuellen MRT-Datensätzen derselben Leber

Wir bieten Dir:

  • Eine langfristige Anstellungsmöglichkeit mit flexiblen Arbeitszeiten
  • Spannendes Aufgabenfeld mit ausreichender Einarbeitungszeit
  • Bis auf regelmäßige Team-Treffen an der MHH kannst du von überall aus arbeiten

Ausschreibung Studentische Hilfskraft

Wir suchen eine studentische Hilfskraft für die mediznische Visualisierung. Das Anwendungsgebiet sind hier vor allem Aneurysmen des Gehirns. Das sind sackartige, krankhafte Erweiterungen der Blutgefäße welche platzen können und daher möglichst gut untersucht werden müssen. Es gibt verschiedene Aufgaben, z.B. die Visualisierung von künstlich simuliertem Blutfluss oder auch die Darstellung der Aneurysmenwand. Wir haben aber auch die Möglichkeit neue intravaskuläre Bildgebungsmethoden auszuwerten, die höhere Auflösungen als MRT und CT aufweisen. Voraussetzung sind gute Programmierkenntnisse (C++ oder Matlab). Bereits bestehende Erfahrungen mit MeVisLab und VMTK sind hilfreich, aber keine Pflicht.

Anforderungen: Programmiererfahrung in C++ (VTK-Kenntnisse hilfreich) oder MATLAB

Ausschreibung Studentische Hilfskraft

Wir suchen eine studentische Hilfskraft, die vorhandene Methoden zur Klassifikation von Aneurysmen anpasst, um diese automatisch auf einer großen Menge von Datensätzen anzuwenden. Aneurysmen sind abnormale Erweiterungen von Gefäßwänden, die platzen können, was zu schwerwiegenden Folgen für den Patienten führen kann. Um eine optimale Behandlungsstrategie zu finden, müssen zahlreiche Parameter von Aneurysmen untersucht werden. Wir haben mehrere Methoden entwickelt, um diese Parameter automatisch für einzelne Datensätze zu berechnen. Das Ziel ist es unsere Methoden auch auf externe Datenbanken von Aneurysmendatensätzen anzuwenden, um eine verbesserte Analyse dieser zu ermöglichen. Dafür müssen bestimmte Aspekte unserer Methoden angepasst werden. Voraussetzung sind gute Programmierkenntnisse (C# oder C++). Bereits bestehende Erfahrungen mit MATLAB und VTK sind hilfreich, aber keine Pflicht.

Anforderungen: Programmiererfahrung in C# oder C++ (MATLAB und VTK-Kenntnisse hilfreich)

3D Deep learning for wall shear stress prediction of intracranial aneurysms

Wall shear stress is a parameter derived from hemodynamic simulation and can be used in the diagnosis of intracranial aneurysms. We want to train a neural net to predict areas of high wall shear stress in intracranial aneurysms. This is a research oriented topic. Beside familiarization with recent research in deep learning on 3d structures it requires initiative and own ideas to advance the ongoing research.
Material: surface meshes of (artificial) aneurysms and results of hemodynamic simulations
Requirements: Programming experience (python), Experience with deep learning We expect high-qualified students interested in this project (team projects, bachelor or master thesis. Please send your application!

4D-Segmentierung von Herzklappen mit Deep Learning

In einem laufenden Forschungsprojekt zusammen mit der Herzchirurgie des Universitätsklinikums Heidelberg untersuchen wir CNN Deep Learning-Verfahren für die 4D-Segmentierung von Herzklappen auf klinischen Datensätzen. Basierend auf einer annotierten Trainingsdatenbank sollen verschiedene Netzwerke entwickelt und miteinander verglichen werden. Die Aufgabe eignet sich als Teamprojekt, kann aber auch für eine Abschlussarbeit angepasst werden.

Anforderungen: Gute bis sehr gute Kenntnisse in Python und C++, Tensorflow/Keras/Pytorch

Wissenschaftliches Team-/Individualprojekt: Rekonstruktion und Visualisierung von Aneurysmen

Im Rahmen aktueller Forschungsprojekte werden Strömungsverhältnisse und die Wanddicke bei Aneurysmen untersucht. Bisherige Bildgebungs-methoden können die Wanddicke nur unzureichend abbilden. Mit intravaskulärem Ultraschall kann auch die äußere Gefäßwand erfasst werden. Im Rahmen des STIMULATE Projekts wird die Eignung von intravaskulärem Ultraschall zur Beurteilung von zerebralen Aneurysmen untersucht. Das Projekt umfasst die neuartige und spannende Analyse von Gefäßinnen- und außenwand (basierend auf Tierpräparaten), die Evaluation von Stentplatzierungen und Auswertung von Strömungssimulationen.
Für die Segmentierung von Gefäßinnen- und außenwand steht bereits eine Softwarebibliothek zur Verfügung, die an die neuen, speziellen Datensätze angepasst werden soll indem geeignete Parameter ermittelt werden. Für die Visualisierung sind verschiedene Erweiterungen denkbar, z.B. die Darstellung von Streamlines.

Anforderungen

  • Eigenständige Einarbeitung in neues Themengebiet
  • Programmiererfahrung (vorrangig MATLAB, C++ wünschenswert)

Effiziente Visualisierung von Blutgefäßbäumen mit Hervorhebung pathologischer Bereiche

Erkrankungen des Blutkreislaufs gehören zu den am weitesten verbreiteten Krankheiten in Industrienationen. So starben alleine in Deutschland im Jahr 2001 insgesamt 290.000 Personen an Erkrankungen des Herz-Kreislauf-Systems. Zuverlässige Diagnosesysteme und eine Verbesserung bestehender Verfahren sind daher von großer Bedeutung. Eine zentrale Aufgabe stellt hierbei eine geeignete Visualisierung des segmentierten Blutflußbaums beziehungsweise einzelner, erkrankter Abschnitte der Blutgefäße dar.

Diese Diplom-/Masterarbeit ist Teil eines Projekts zur vollautomatischen Segmentierung und Interpretation des arteriellen Gefäßbaums. Hierzu werden Verfahren entwickelt um unter Verwendung von anatomischen Hintergrundwissen, das in einem Referenzmodell abgelegt ist, den Gefäßbaum zu segmentieren. Anschließend soll die Diagnose durch geeignete Interpretation der Segmentierung optimal unterstützt werden. Die Grundlage des Systems sind dabei CT-Bilder, in denen Gefäße durch Kontrastmittel von umgebendem Gewebe hervorgehoben dargestellt werden.

Der Aufgabenbereich dieser Diplom-/Masterarbeit umfasst folgende Punkte:

  • Effiziente Erzeugung eines Oberflächennetzes aus einem Graphen bestehend aus Gefäßmittelpunkten und zugehörigen Konturen
  • 3D Visualisierung des Oberflächennetzes mit Hervorhebung der Abweichungen zwischen Segmentierung und Referenzmodell
  • Visualisierung pathologischer Bereiche, wie Stenosen, Aneurysmen und Kalzifikationen

Voraussetzung für eine erfolgreiche Durchführung der Arbeit sind Kenntnisse der Computergraphik/Visualisierung sowie der Programmierung mit C++, wünschenswert ist außerdem Erfahrung in medizinischer Bildverarbeitung

Literatur: T. Beck, C. Biermann, D. Fritz et al.: “Robust model-based centerline extraction of vessels in CTA data”, Proc. SPIE, Vol. 7259, 2009
S. Grosskopf, C. Biermann, K. Deng et al.: “Accurate, fast, and robust vessel contour segmentation of CTA using and adaptive self-learning edge model”, Proc. SPIE, Vol. 7259, 2009