KI verbessert Bildgebung
Funktion des Gewebes sichtbar machen
Forschung | ETH-Forscher nutzen künstliche Intelligenz, um bei einer relativ neuen Methode der medizinischen Bildgebung die Bildqualität zu erhöhen. Dadurch lassen sich in Zukunft Krankheiten besser diagnostizieren und kostengünstigere Geräte herstellen.
Wissenschaftler der ETH Zürich und der Universität Zürich haben Methoden des maschinellen Lernens eingesetzt, um die optoakustische Bildgebung zu verbessern. Mit diesem relativ jungen Verfahren der medizinischen Bildgebung können zum Beispiel Blutgefässe im Körperinnern sichtbar gemacht, die Gehirnaktivität untersucht oder Brustkrebs und Hautkrankheiten diagnostiziert werden. Die Bildqualität, die ein Gerät liefert, hängt allerdings stark von seiner Anzahl Sensoren und ihrer Verteilung ab: Je mehr davon, desto besser die Bildqualität. Der neue Ansatz der ETH-Forschenden ermöglicht, die Zahl der Sensoren bei gleichbleibender Bildqualität deutlich zu reduzieren. Dadurch können die Gerätekosten reduziert, die Bildgebungsgeschwindigkeit erhöht oder die Diagnose verbessert werden.
Die Optoakustik (siehe Kasten) hat gewisse Ähnlichkeiten zur Ultraschallbildgebung. Bei Letzterer sendet eine Sonde Ultraschallwellen in den Körper, die das Gewebe reflektiert. Sensoren in der Sonde detektieren die zurückgeworfenen Schallwellen, und aus diesen lässt sich ein Bild des Körperinneren erzeugen. Bei der optoakustischen Bildgebung hingegen werden extrem schnelle Laserpulse ins Gewebe geschickt, die dort absorbiert und in Ultraschallwellen umgewandelt werden. Diese werden dann ähnlich wie bei der Ultraschallbilgebung detektiert, um daraus ein Bild zu erstellen.
Kurz erklärt: Optoakustik Anders als die Optoakustik (oder Photoakustik) bilden viele Bildgebungsverfahren – darunter Ultraschall, Röntgen und MRI – nur die Strukturen des Körperinnern ab. Um zusätzlich funktionelle Informationen zu erhalten, zum Beispiel zum Stoffwechsel, müssen dem Patienten vor der Bildgebung Kontrastmittel oder radioaktive Tracer verabreicht werden. Die optoakustische Methode hingegen liefert auch ohne Kontrastmittel funktionelle und molekulare Informationen, etwa lokale Veränderungen der Blutsauerstoffkonzentration – eine wichtige Information bei der Früherkennung von Krebs – oder den Lipidgehalt von Blutgefässwänden, was der Diagnose von Herzkreislauferkrankungen dient. Weil die bei der optoakustischen Bildgebung genutzten Lichtwellen im Gegensatz zu anderen Wellen den Körper nicht vollständig durchdringen, eignet sich die Methode allerdings nur, um Gewebe bis in eine Tiefe von wenigen Zentimetern unter der Haut zu untersuchen. |
Bildverzerrungen korrigiert
Die Forscher unter der Leitung von Daniel Razansky, Professor für biomedizinische Bildgebung an der Universität Zürich und der ETH Zürich, suchten nach einer Möglichkeit, die Bildqualität von kostengünstigen Optoakustik-Geräten, die nur wenige Ultraschallsensoren besitzen, zu erhöhen.
Sie nutzten dazu zunächst ein von ihnen selbst entwickeltes hochwertiges Optoakustik-Gerät mit 512 Sensoren, das qualitativ hochstehende Bilder lieferte. Diese liessen sie von einem künstlichen neuronalen Netzwerk analysieren. Dabei lernte das Netzwerk die Merkmale der hochwertigen Bilder.
Anschliessend schalteten die Forschenden einen Grossteil der Sensoren aus, so dass nur noch 128 beziehungsweise 32 Sensoren übrigblieben, mit entsprechend negativen Auswirkungen auf die Bildqualität: Weil es an Daten mangelte, durchzogen streifenartige Störsignale das Bild. Wie sich jedoch herausstellte, war das zuvor trainierte Machine-Learning-System mit seinem Algorithmus in der Lage, diese Verzerrungen zu korrigieren. Dadurch erhöhte sich die Bildqualität deutlich und war vergleichbar mit der Qualität einer Messung mit 512 Sensoren.
Ärzten die Arbeit erleichtern
Bei der Optoakustik erhöht sich die Bildqualität nicht nur mit der Anzahl benutzter Sensoren, sondern auch, wenn das Untersuchungsobjekt aus möglichst vielen unterschiedlichen Richtungen erfasst wird: je größer der Sektor, in dem die Sensoren rund um das Untersuchungsobjekt angeordnet sind, desto besser die Qualität. Der entwickelte Algorithmus war auch in der Lage, die Qualität von Bildern, die aus nur einem engumfassten Sektor aufgenommen wurden, deutlich zu verbessern.
Wie die Wissenschaftler betonen, ist ihr Ansatz nicht auf die optoakustische Bildgebung beschränkt. Weil die Technik nicht die Rohdaten analysiert, sondern die fertigen Bilder, eignet sie sich auch für andere Bildgebungsverfahren. »Generell kann man sie dazu verwenden, um mit weniger Rohdaten Bilder von guter Qualität herzustellen«, sagt Razansky. Ärzte seien gelegentlich mit Bildgebungsdaten von schlechter Qualität konfrontiert, die sie interpretieren müssten. »Wir zeigen, dass sich mit Methoden der künstlichen Intelligenz solche Bilder verbessern lassen, wodurch sich die Interpretation vereinfacht.« (me)
Schlagworte: Künstliche Intelligenz, Maschinelles Lernen, Optoakustik
Genannte Firmen: ETH Zürich, Universität Zürich
Lesen Sie mehr zum Thema
