MED4D

MED4D ist ein Verbundprojekt der Ruhruniversität Bochum (Prof. Holger Dette, PD Dr. Nicolai Bissantz), der Universität Lübeck (Prof. Jan Modersitzki, Dr. Stefan Heldmann) und der Westfälischen Wilhelms-Universität Münster (Prof. Martin Burger, Prof. Klaus Schäfers, Dr. Hendrik Dirks, Dr. Frank Wübbeling). Gegenstand des Projekts ist die Entwicklung von Algorithmen und deren Anwendung im Bereich der dynamischen tomographischen Bildgebung.

Der Anwendungsbezug wird sichergestellt durch die klinischen Partner Universitätsklinikum Münster und Universitätsklinikum Schleswig--Holstein, den technologischen Partner Siemens Healthineers und den pharmakologischen Partner Novartis.

Das Projekt wird gefördert durch das Bundesministerium für Bildung und Forschung im Rahmen der Hightech-Strategie 2020 Gesundes Leben, betreut durch den Projektträger DESY-Deutsches Elektronen-Synchrotron.

Dieses Projekt läuft vom 1. November 2016 bis zum 30. November 2019. Das Projekt ist abgeschlossen.

Motivation

Die genaue Kenntnis von Prozessen und Entwicklungen gestattet fundamentale Rückschlüsse auf die Funktion und etwaige Pathologien eines lebenden Organismus. Moderne tomographische bildgebende Verfahren erlauben nicht-destruktive und ortsspezifische Einblicke, die allerdings durch Bewegungsartefakte wie Atmung oder Herzschlag erheblich korrumpiert werden können. Dies ist ein Hauptgrund dafür, dass moderne quantitative Bildgebungstechniken, die für das Gehirn bereits Standard sind (Neuroimaging), bisher nur selten auf sich stark bewegende Organe wie Herz, Niere, Lunge oder Leber übertragen wurden.

Diese Übertragung soll in unserem Projekt exemplarisch für Probleme der Positronen–Emissions-Tomographie (PET) und der Magnetresonanz–Bildgebung (MR) kardiovaskulär (Herz–Kreislauf) und renal (Niere) durchgeführt werden.

Beispiel Herz

Bei der Untersuchung des Herzens greifen Medizin, Bildverarbeitung und Mathematik unmittelbar ineinander. Die Medizin formuliert die diagnostische Frage, etwa nach Bewegungsstörungen oder einer verminderten Durchblutung des Herzmuskels. MRT- und CT-Geräte messen dazu Signale aus vielen Richtungen und zu verschiedenen Zeitpunkten. Die Bildverarbeitung korrigiert Bewegungen, trennt anatomische Strukturen und führt die Bildfolgen zusammen. Mathematische Modelle und Rekonstruktionsverfahren lösen das zugrunde liegende inverse Problem: Aus unvollständigen und verrauschten Messdaten entsteht eine räumliche und zeitliche Darstellung, die medizinisch beurteilt werden kann.

Beispiel Niere

Auch bei der Niere beginnt die Bildgebung mit einer medizinischen Aufgabe, etwa der Beurteilung von Organform, Gewebestruktur, Durchblutung oder Funktion. Ultraschall, CT, MRT und nuklearmedizinische Verfahren liefern unterschiedliche Messdaten. Die Bildverarbeitung macht Organränder und innere Strukturen sichtbar, registriert Aufnahmen über die Zeit und vermindert Störungen. Die Mathematik beschreibt die Ausbreitung der Messsignale, stabilisiert die Rekonstruktion und quantifiziert Veränderungen. So werden aus physikalischen Rohdaten belastbare Bilder und Messgrößen, die medizinische Entscheidungen unterstützen.