TP4: Anwendung, Implementation und Validierung
Teilprojektleiter
Prof. Dr. J. Modersitzki, Prof. Dr. K. Schäfers, Dr. F. Wübbeling
Projektmitarbeiter
Dr. Benjamin Wacker, Fjedor Gaede, Julian Johannes Kuhlmann
Projektpartner
Siemens Healthineers, Novartis, Universitätsklinikum Münster, Universitätsklinikum Schleswig-Holstein
Kontakt
Zielsetzung
Das Teilprojekt TP4 bildet die Schnittstelle zwischen den theoretischen Projekten TP1, TP2 und TP3 einerseits und den Anwendungspartnern (Kliniker, Novartis, Siemens) andererseits.
TP4 übernimmt die von den klinischen Projektpartnern gelieferten Bilder und Rohdaten aus funktionalem MR, PET/CT und PET/MR, bereitet sie mit den bereits vorliegenden Datendefinitionen für die Nutzung im Gesamtprojekt auf und stellt sie in normierter und anonymisierter Form allen Teilprojekten zur Verfügung. Das Teilprojekt erweitert die existierenden Forschungsplattformen zur Emissionstomographie und Registrierung für die Verarbeitung zeitkontinuierlicher Bewegungsinformationen. Zusammen mit den Teilprojekten TP1, TP2 und TP3 werden die dort entwickelten Algorithmen implementiert. Innerhalb des Teilprojektes werden diese mittels Phantommessungen validiert und zusammen mit den klinischen Projektpartnern auf deren klinische Relevanz hin evaluiert.
Input (von Projektpartnern)
Siemens Healthineers: Zugriff auf Dokumentationen, Rohdaten, Algorithmen und Werkzeuge zur Normierung und Korrektur von Daten (bereits vorhanden). Enge Zusammenarbeit bei der Bewertung der Realisierbarkeit und Marktfähigkeit im klinischen Umfeld. Im Rahmen eines Projekts zur (diskreten) Bewegungskorrektur auf Siemens Biograph mit externen und internen Markern werden auch neue Algorithmen zur klinischen Bewegungskorrektur als Prototypen zur Verfügung gestellt.
Novartis: Projektbegleitung durch Formulierung von Anforderungen und Bewertung der Algorithmen im Hinblick auf den Nutzen in der pharmakologischen Forschung.
klinische Institute: Überlassung von existierenden Datensätzen. Durchführung von Experimenten zur und Unterstützung bei der Validierung. Einbringung der medizinischen Expertise (Radiologie/Nuklearmedizin/Nephrologie).
Output (an Projektpartner)
Lieferung von prototypischen Implementationen der erarbeiteten Algorithmen. Unterstützung bei der industriellen Implementierung (Siemens , Novartis).Technische Hilfestellung bei der Verarbeitung von Daten (TP1-3). Bereitstellung einer Testumgebung.
Vorarbeiten
Alle Projektbeteiligten arbeiten seit Jahren in der Implementation der Bewegungskorrektur medizinischer Daten, insbesondere grundlegend an der Registrierung medizinischer Bilder und Bildrekonstruktion. Die entwickelten Methoden sind Grundlagen vieler Arbeiten zur Bewegungskorrektur.
Zur mathematischen Rekonstruktion in der PET verwenden wir die offenen Forschungsplattformen emrecon und FAIR. emrecon wurde von den Teilprojektleitern zusammen mit Dr. T. Kösters (jetzt Siemens Healthineers) seit 2005 entwickelt. Es implementiert moderne Rekonstruktionsverfahren der Emissionstomographie, etwa OSEM mit variationellen Regularisierungstermen wie Total Variation, auf allen im Projekt zur Verfügung stehenden Scannern, insb. Siemens mCT (PET/CT) und Siemens mMR (PET/MR). Zur Implementation von Algorithmen zur Bewegungskorrektur wird in emrecon die in Lübeck entwickelte und frei verfügbare FAIR Toolbox [36] genutzt [29].
FAIR und emrecon bilden die algorithmische Grundlage für die Anwendungen der Emissionstomographie in diesem Projekt. Die bisherige Arbeit mit emrecon und FAIR führte zu einer Reihe von gemeinsamen Publikationen
der Teilprojektleiter.
Arbeitsprogramm
Für das Projekt wird die direkte Verarbeitung zeitkontinuierlicher Datenströme (Listmode) und zeitkontinuierlicher Bewegungs– und Aktivitätsmodelle in emrecon für klinische Scanner realisiert. Diese ist numerisch aufwändig, hier wird auf GPU–Ebene parallelisiert werden [59]. Die bereits existierenden Algorithmen zur gleichzeitigen Bestimmung von Bewegung und Aktivität werden auf dieser Basis implementiert.
In FAIR sind bereits prototypische 4D Elemente enthalten, diese müssen für das Projekt sowohl methodisch als auch konzeptionell stringent umgesetzt werden. Wichtige im TP4 zu realisierende Schritte sind ein geeignetes Datenmodell und Regularisierung.
Das Datenmodell muss eine gute Multiskalen– und Multiresolutionsstrategie (Analyse von optimalen Orts- und Zeit-Diskretisierungen) ermöglichen, um gute Konvexifizierungsstrategien abbilden zu können. Die in FAIR realisierte Regularisierung umfasst derzeit parametrische, quadratische sowie Hyper-elastische Regularisierung von 2D und 3D Vektorfeldern, diese sind auf zeitabhängige Vektorfelder zu erweitern.
Zur Bestimmung von optimalen, algorithmus–spezifischen Parametern (Auflösung der Daten, Daten-Pyramide, Glättungsparameter, etc.) wird eine adäquate Testumgebung implementiert. Zur Visualisierung kann dazu auf die im EIMI entwickelte offene klinische Visualisierungssoftware MEDgical zurückgegriffen werden.