Die Optimierung von CT-Protokollen bei klinisch verwendeten CT ist wichtig um eine ausreichende Bildqualität bei geringmöglichster Dosis zu gewährleisten. Dazu werden im Rahmen dieses Projekts folgende Teilprojekte durchgeführt:

DDC-Methode

Die Difference Detail Curve (DDC) - Methode soll zur Evaluation und Optimierung klinischer CT-Scanprotokolle verwendet werden. Dabei müssen einerseits geeignete Phantome, andererseits geeignete Algorithmen (Software) zur Analyse entwickelt werden. Im Rahmen dieses Teilprojektes sollen neue Phantome für Schädel / Hirn- sowie Thorax Scans entwickelt und getestet werden. Dabei muss die Methode an neue iterative Rekonstruktionsverfahren angepasst werden. Es soll zudem geprüft werden, ob die Human Observers durch einen Model Observer oder durch Machine Learning - Verfahren ersetzt werden können.

Model based data analysis

Für die Berechnung der Patientendosis oder der Aktivität in der Nuklearmedizin, Radioonkologie und Radiologie, müssen entsprechende pharmakokinetische oder dynamische Modelle entwickelt und verifiziert werden. Diese Modell müssen z.T an Monte-Carlo (MC) -Modelle gekoppelt werden. Im Rahmen dieses Teilprojektes sollen MC-Methoden, Delay Differential - Equations sowie andere geeignete mathematische Verfahren geprüft und eingesetzt werden, um entsprechende Modelle zu entwickeln. Modellverifikation und Parametersuche erfordern neue Ansätze der modell-basierten Datenanalyse. Dafür sollen neue Ansätze wie die Aproximate Baysian Computation (ABC) -Methode geprüft werden.

Python Image lab

Die Teilprojekte DDC-Methode und Model-Based-Data-Analysis erfordern eine für Forschungszwecke geeignete Plattform mit entsprechenden Tools (Software). In Abstimmung mit dem Klinikpartner (KSA) wurde beschlossen, für diese Umgebung eine Python-basierte Lösung zu entwickeln. Neben Image Processing müssen Algorithmen zur zeitaufgelösten Quantifizierung wesentlicher Bildparameter und zur Modellbildung entwickelt werden.

Strahlenschutz Konzept

Die rasante technologische Entwicklung (e.g. Einsatz von AI in der Diagnostik) sowie neue gesetzliche Vorgaben bedingen neue Ansätze, wie der Strahlenschutz im klinischen Umfeld effizient, zielführend und kostengünstig umgesetzt werden kann. Die Anpassung der DDC-Methode auf AI in der Radiologie ist ein Beispiel für eine Technologie, welche neben der Phantom- und Methodenentwicklung eine entsprechende Implementierung in die klinische Routine bedingt (QA-Konzepte etc.). Im Rahmen dieses Teilprojektes sollen entsprechende Konzepte entwickelt und evaluiert werden.