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!
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.
Chirurgische Eingriffe an der Leber, etwa zur Entfernung von Tumoren, gelten aufgrund der komplexen Struktur der Blutversorgung innerhalb der Leber als besonders schwierig. Für eine erfolgreiche Operation ist die genaue Kenntnis des Verlaufs der Blutgefäße von entscheidender Bedeutung, da sich an ihnen die Schnittführung der Resektion orientiert.
We need you for our brain tumor segmentation project!
Bei der klinischen Entscheidungsfindung werden klinische Richtlinien herangezogen, die auf Evidenzen basieren und Empfehlungen eines Gremiums von Experten beinhalten. Einige der Richtlinien sind auf logischen „Wenn-dann“-Regeln und komplexeren, mehrstufige Regeln aufgebaut. Obwohl diese Regeln als Algorithmus zur Entscheidungsunterstützung formalisiert werden können, liegen die Richtlinien zumeist nur in Textform vor und müssen für die klinische Routine in übersichtliche Handlungsempfehlungen „übersetzt“ werden. Innerhalb der Arbeit soll ein durch Ärzte bedienbarer Prototyp entwickelt werden, der die „Übersetzung“ einer klinischen Richtlinie in einen Algorithmus zur Entscheidungsunterstützung ermöglicht.
In cerebral aneurysm research, CFD simulations allow us to gain a better understanding of the dynamics of the blood flow. The simulated flow is often visualized using integral curves resulting in cluttered “spaghetti plots”. Advanced approaches group similar curves and show only selected representatives (image). These approaches however, fail in showing the clusters’ spatial extent. In this thesis, an interactive approach facilitating a continuous transition between the full set of integral curves and an uncluttered abstracted visualization shall be developed. Browsing back and forth through various levels of abstraction shall allow the user to grasp both, the general structure of the blood flow pattern as well as the spatial extent of individual substructures.
Im Rahmen aktueller Forschungsprojekte werden Aneurysmen und ihre Durchblutung untersucht. Dabei besitzt ein Patient häufig multiple Aneurysmen, welche erst in 3D Bilddaten detektiert werden können. Ziel des Projekts ist der Einsatz von Deep Learning Techniken zur automatischen Aneurysmadetektion basierend auf einer annotierten Trainingsdatenbank. Die Aufgabe eignet sich als Teamprojekt, kann aber auch für eine Hiwistelle oder Abschlussarbeit angepasst werden.
Im Rahmen der Arbeit sollen Stereoverfahren für die 3D-Rekonstruktion von Strukturen aus intraoperativen Endoskopiebildern entwickelt werden. Die Arbeit wird in enger Kooperation zwischen der Fakultät Informatik der OvGU Magdeburg (Dr. Sandy Engelhardt) und der Herzchirurgie des Universitätsklinikums Heidelberg (Prof. De Simone) durchgeführt. Weitere Themen für Abschlussarbeiten sind vorhanden. Melden Sie sich gern bei Interesse.
Zerebrale Aneurysmen sind pathologische Aussackungen der Gefäßwand, welche meistens an den Bifurkationen der großen Hirnarterien auftreten. Die Gefäßwand besitzt an diesen Stellen ein hohes Rupturisiko, was zu starken inneren Blutungen führt und in 60 % der Fälle den Tod des Patienten zur Folge hat. Daher ist eine patientenspezifische Einschätzung des Rupturrisikos nötig. Jedoch hängt die Ruptur von zahlreichen Kriterien ab, deren Zusammenhänge bisher nicht ausreichend verstanden sind. Blutflusssimulationen helfen dabei das patientenspezifische Rupturrisiko zu analysieren. Jedoch handelt es sich dabei um sehr komplexe Daten, was deren Auswertung enorm erschwert. Mit Hilfe von Standardtechniken wie Farbkodierungen und Animationen in 3D versuchen Experten rupturgefährdete Gefäßregionen ausfindig zu machen. Auftretende Verdeckungen machen es jedoch nahezu unmöglich über die Zeit Hochrisikoregionen zu finden. 2D Projektionen der 3D Gefäßgeometrie werden häufig eingesetzt, um verdeckungsfreie Überblicksvisualisierungen zu erzeugen. Jedoch führen derartige Projektionen zu Verzerrungen, die die Datenanalyse erschweren.