Deep Learning zur quantitativen Beurteilung von akuten ischämischen Schlaganfallen im nativen CT

• Antragstellerin: Dr. Sophie Ostmeier
• Fachliche Zuordnung: Klinische Neurologie; Neurochirurgie und Neuroradiologie
• Förderung: Förderung seit 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 517316550

Die native Computer Tomography (NCCT) ist die erste und manchmal einzige Bildgebung, welche die Behandlungsentscheidung eines akuten Schlaganfalls beeinflusst. Sie ist schnell, günstig, weit verbreitet und erfordert kein Kontrastmittel. Das Ziel des Projekts ist die Quantifizierung des akuten ischämischen Schlaganfalls im NCCT mit Deep Learning, um Informationen über das Volumen und den Lokalization zu liefern. Momentan stellt dies eine Herausforderung für Neuroradiologen und regelbasierte Algorithm dar. Insbesondere für Patienten mit akuten Schlaganfällen in Krankenhäusern ohne weiterführende Schlaganfall-Bildgebung (60% der Patienten mit akutem Schlaganfall) könnte die Triage für die hochwirksame endovaskuläre Behandlung (Thrombektomie) verbessert werden. Ziel 1: Bestimmung einer klinisch aussagekräftigen Metrik zur Bewertung eines Deep-Learning-Algorithmus für akute ischämische Schlaganfälle Ziel 2: Optimierung des Deep-Learning-Algorithmus für die Segmentierung des akuten ischämischen Schlaganfalls im NCCT Ziel 3: Modifizierung des Deep-Learning-Algorithmus um manuelle Segmentierungen von drei verschiedenen Neuroradiologen zu nutzen, um die Variabilität in der Grundwahrheit zu verkleinern. Ziel 4: Untersuchung der Korrelation der Algorithmusvorhersagen mit dem endgültigen ischämischen Kernvolumen

• DFG-Verfahren: WBP Stipendium
• Internationaler Bezug: USA
• Gastgeber: Professor Dr. Jeremy Josef Heit, Ph.D.