Masterand erhält wissenschaftlichen Preis

Früherkennung von Speiseröhrenkrebs

Robert Mendl, Masterand an der OTH Regensburg, hat auf der renommierten Konferenz „Bildverarbeitung für die Medizin 2017“ den zweiten Platz in der Kategorie „Beste Wissenschaftliche Arbeit“ geschafft. Mendl arbeitet im Labor Regensburg Medical Image Computing an der Früherkennung von Speiseröhrenkrebs.

Robert Mendel

Robert Mendel (3.v.l.), OTH Regensburg, mit PD. Dr. Klaus Maier-Hein vom Deutschen Krebsforschungszentrum (1.v.l.) und Prof. Dr. Heinz Handel, Universität zu Lübeck (1.v.r.). | DKFZ Heidelberg

Wie kann Speiseröhrenkrebs so früh wie möglich erkannt werden? An computerbasierter Diagnoseunterstützung, die dies ermöglicht, arbeiten das Labor Regensburg Medical Image Computing (ReMIC) an der OTH Regensburg unter Leitung von Prof. Dr. Christoph Palm, gemeinsam mit der III. Medizinischen Klinik des Klinikums Augsburg unter der Leitung von Prof. Dr. Helmut Messmann. Dabei kommen Methoden der Medizinischen Bildverarbeitung und des Maschinellen Lernens zum Einsatz.

Ergebnisse in Heidelberg präsentiert

Masterand Robert Mendl vom Labor ReMIC und Kollegen aus Augsburg haben ihre Ergebnisse unlängst auf der Konferenz „Bildverarbeitung für die Medizin 2017“ in Heidelberg vorgestellt. Der Beitrag schaffte unter 70 Einreichungen den zweiten Platz in der Kategorie „Beste Wissenschaftliche Arbeit“ mit einem Preisgeld von 250 Euro.

frühere Diagnose von Tumorerkrankungen

Forscher haben sich zum Ziel gesetzt, in den kommenden vier Jahren ein neues Endoskop zu entwickeln, womit Ärzte Speiseröhrenkrebs einfacher und schneller diagnostizieren können als bisher. Sie erhoffen sich dadurch u.a. weniger Biopsien.

weiterlesen

Deep-Learning-Ansätze verwendet

Mendl ist die Früherkennung von Speiseröhrenkrebs mit Hilfe von Bildverarbeitungsprogrammen in einer Qualität gelungen, die der von erfahrenen Ärzten nahe kommt. Er wandte dabei Deep-Learning-Ansätze an, welche sich als besonders erfolgreich herausgestellt haben. Dabei „lernt“ der Computer aus einem Erfahrungsschatz, der aus vielen Bildern mit bekannter Diagnose besteht. Diese Ansätze der künstlichen Intelligenz werden auch beim autonomen Fahren oder der automatisierten Übersetzung angewendet. (idw, red)