Deep-Learning basierte Charakterisierung von Hirntumoren in der MRT-Bildgebung

zurück zur Angebotsübersicht

Anbieter der Doktorarbeit

Klinik / Institut / Zentrum Neurologische Klinik - Neuroradiologie
Doktorvater / -mutter Prof. Dr. med. Martin Bendszus
Ansprechpartner Dr. med. Philipp Kickingereder
Kontakt (E-Mail-Adresse) philipp.kickingereder@med.uni-heidelberg.de

Beschreibung der Arbeit

Art der Arbeit
  • klinisch retrospektiv
Thema der Promotion Deep-Learning basierte Charakterisierung von Hirntumoren in der MRT-Bildgebung
Voraussichtliche Dauer (in Monaten) 9-12
davon in Vollzeit (in Monaten) 12
Startzeitpunkt ab sofort
Methoden

Processing von Neuro-MRT-Daten (FSL, Shell-Skripte, Docker-Container etc) Entwicklung und Training von Deep-Learning Algorithmen (Python) Statistische Modellierung (R)

Zielsetzung

Die Anwendung von auf KI basierenden Computeralgorithmen wird zukünftig die Analyse radiologischer Bilddaten in der Medizin entscheidend beeinflussen. In den letzten Jahren konnte unsere Forschungsgruppe (Computational Neuroimaging - http://AI.neuroradiologie-heidelberg.de bzw. http://neuroAI-HD.org) zusammen mit nationalen und internationalen Kooperationspartnern Methoden zur KI-gestützten Hochdurchsatzanalyse von radiologischen Bilddaten entwickeln und etablieren. Es handelt sich um ein klinisch-translationales Projekte, in dem es um die Entwicklung und Anwendung von Deep-Learning Algorithmen zur automatisierten Analyse von MRT-Daten bei Patienten mit Hirntumoren geht. Das Projekt baut auf hochaktuelle eigenen Vorarbeiten (u.a. Kickingereder et al. Lancet Oncology 2019) und bietet die Möglichkeit Deep-Learning Algorithmen mit umfassenden MRT-Daten (in Kooperation mit der European Organization for Research and Treatment of Cancer - www.eortc.org/research_field/brain/ zu entwickeln.

Rahmenbedingungen

Strukturierte Betreuung

Progress Reports Enge Einbindung in den SFB-1389 sowie SPP 2177 der Deutschen Forschungsgemeinschaft (Journal Clubs, Seminare) - siehe https://www.dkfz.de/de/presse/pressemitteilungen/2019/dkfz-pm-19-24c3-Gemeinsam-gegen-Hirntumoren-DKFZ-an-neuem-SFB-beteiligt.php bzw. http://www.spp-radiomics.de/

Anforderungen

2 Freisemester Sehr gute IT-Kenntnisse (Erfahrung mit Python und idealerweise Deep-Learning-Frameworks z.B. PyTorch, Tensorflow, Keras etc.)

Finanzielle Unterstützung

Hiwi-Job

Autorenschaft

Erst- und Koautorschaften

Anmerkungen
Flyer

zurück zur Angebotsübersicht