Deep Learning zur computerunterstützten Früherkennung von Speiseröhrenkrebs aus endoskopischen Bildern

BarrettBild

 

 

 

 

 

 

 

 

 

 

Kooperationspartner

  • Regensburg Medical Image Computing, Ostbayerische Technische Hochschule Regensburg
    • Prof. Dr. Christoph Palm
    • Robert Mendel
  • III. Medizinische Klinik, Klinikum Augsburg
    • Prof. Dr. Helmut Messmann
    • Dr. Alanna Ebigbo
    • Dr. Andreas Probst
  • Department of Computing, São Paulo State UniversitySão Paulo, Brazil
    • Prof. João Papa, PhD
    • Luis Antonio de Souza Jr.

 

Veröffentlichungen

  • Ebigbo A, Mendel R, Probst A, Manzeneder J, de Souza LA, Papa JP, Palm C, Messmann H: Artificial Intelligence in Early Barrett's Cancer: The Segmentation Task, Endoscopy 51(04), S6, 2019
    doi:10.1055/s-0039-1681187
  • Ebigbo A, Mendel R, Probst A, Manzeneder J, de Souza LA, Papa JP, Palm C, Messmann H: Computer-aided diagnosis using deep learning in the evaluation of early oesophageal adenocarcinoma, Gut, online first, 2018 
    doi:10.1136/gutjnl-2018-317573 
  • de Souza LA, Ebigbo A, Probst A, Messmann H, Papa JP, Mendel R, Palm C: Barrett's Esophagus Identification Using Color Co-occurrence Matrices, In: Conference on Graphics, Patterns and Images (Sibgrapi), 2018 
    http://urlib.net/rep/8JMKD3MGPAW/3RP9Q35
  • de Souza LA, Palm C, Mendel R, Hook C, Ebigbo A, Probst A, Messmann H, Weber S, Papa JP: A survey on Barrett's esophagus analysis using machine learning, Computers in Biology and Medicine 96, 203-213, 2018  
    doi:10.1016/j.compbiomed.2018.03.014
  • de Souza LA, Hook C, Papa, JP, Palm C: Barrett's Esophagus Analysis Using SURF Features. In: K.-H. Maier-Hein, T.M. Deserno, H. Handels, T. Tolxdorff (Hrsg.): Bildverarbeitung für die Medizin 2017, Springer, Berlin, 141-146, 2017 
    doi:10.1007/978-3-662-54345-0_34
  • Mendel R, Ebigbo A, Probst A, Messmann H, Palm C: Barrett's Esophagus Analysis Using Convolutional Neural Networks. In: K.-H. Maier-Hein, T.M. Deserno, H. Handels, T. Tolxdorff (Hrsg.): Bildverarbeitung für die Medizin 2017, Springer, Berlin, 80-85, 2017 
    doi:10.1007/978-3-662-54345-0_23
  • de Souza LA, Afonso LCS, Palm C, Papa JP: Barrett's Esophagus Identification Using Optimum-Path Forest, 30th SIBGRAPI Conference on Graphics, Patterns and Images (SIBGRAPI), 308-314, 2017 
    doi:10.1109/SIBGRAPI.2017.47

Projektbeschreibung

Motivation

Als Reflux bezeichnet man eine Entzündung der Speiseröhre, die durch einen gesteigerten Rückfluss von saurem Mageninhalt in die Speiseröhre (Ösophagus) entsteht. Chronischer Reflux ist die Hauptursache für den Barrett-Ösophagus, eine Läsion der Schleimhaut mit erhöhtem Risiko der Ausbildung von Speiseröhrenkrebs. Die Überlebenschancen von betroffenen Patienten gelten als schlecht, da die Erkrankung meist erst im späten Stadium diagnostiziert wird. Ist eine medikamentöse Standardbehandlung des Refluxes nicht erfolgreich, kann eine endoskopische Untersuchung indiziert sein, um möglichst frühzeitig therapierbare Symptome aufzudecken. Diese ist allerdings nicht unproblematisch, da viele Reflux Patienten endoskopisch-negativ sind, d.h. Schleimhautläsionen trotz vorliegender Erkrankung nicht sichtbar sind (geringe Sensitivität der Untersuchung). Die Signifikanz im Falle eines pathologischen Befunds ist dagegen relativ hoch (hohe Spezifität der Untersuchung). 

 Ziele und Vorgehen

Bei den bildgebenden Verfahren der Diagnostik kommen zunehmend Methoden des Maschinellen Lernens zum Einsatz. Mit Hilfe von Deep Learning Ansätzen soll der Arzt dabei unterstützt werden, Reflux bedingte Schleimhautschädigungen, insbesondere (prä-)kanzerogene Läsionen, bei der Begutachtung endoskopischer Bilder zuverlässig zu erkennen. Aufgrund der maschinellen Auswertung der endoskopischen Bilder sollen Rückschlüsse auf die Ausprägung einer möglichen Erkrankung gezogen werden. Durch Einsatz von Deep Learning konnte in den letzten Jahren mehrfach eine Qualität bei der diagnostischen Auswertung medizinischer Bilder erreicht werden, die den ärztlichen "Goldstandard" nicht nur erreicht, sondern sogar übertrifft. Damit begegnen sich Arzt und Rechner auf Augenhöhe, so dass z.B. künftig der Computer zumindest als Zweitgutachter etabliert werden könnte. 

Home redHighlights blue1Publikationen selektiert blue1Publikationen alle blue1Forschung red