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 |
|
| Thema der Promotion | Deep-Learning basierte Charakterisierung von Hirntumoren in der MRT-Bildgebung |
| Voraussichtliche Dauer (in Monaten) | 1 |
| davon in Vollzeit (in Monaten) | 10 |
| 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 | |
