Der Forschungsschwerpunkt „Medical Image processing, Modelling And Simulation“ (kurz MIMAS) umfasst einen Querschnitt hochdynamischer Forschungsthemen welche, nicht zuletzt durch aktuelle technologische Fortschritte, in medizinischen Anwendungsfeldern stark an Bedeutung gewinnen.

Medical Image processing: Die Verarbeitung und Visualisierung von medizinischen Bilddaten spielt eine entscheidende Rolle in der Diagnostik, Dokumentation, Falldarstellung und Ausbildung. Bilddaten in der Medizin (Fotografie, 3D Bilderfassung, Röntgenbilder, Computertomographie, Magnetresonanztomographie, Digitale Subtraktions¬angiographie, Ultraschall, Optische Kohärenztomographie, Positronen-Emissions-Tomographie) entstehen in immer größeren Mengen und besserer Qualität.

Modelling: Die Modellierung im allgemeinsten Sinne beschreibt die vereinfachte Abbildung der Realität. Im Kontext der Medizin sind die Modelle stark an der klinischen Relevanz, Anwendbarkeit und den verfügbaren Daten orientiert. Modelle reichen dabei von 3D Körperoberflächenmodellen bis hin zu Blutflussmodellen, welche die physikalische Interaktion zwischen Blut und Gefäßwand beschreiben.

Simulation: Einerseits ermöglicht die Simulation von Abläufen im menschlichen Körper medizinischen Experten sowie Unternehmen im Bereich der Medizintechnik die gezielte Evaluierung verschiedener Ansätze und Methoden. Ein Beispiel hierfür stellt die Blutflusssimulation dar, welche es ermöglicht, die Rupturgefahr eines Aneurysmas zu beurteilen. Andererseits kann durch die Simulation von Abläufen des medizinischen Handelns eine Trainings- und Ausbildungsmöglichkeit für Mediziner in Form eines medizinischen Simulators abgebildet werden.

Diese Themenfelder stehen in sehr engem Zusammenhang. Medizinische Bilddaten bilden oftmals die Grundlage für die Modellierung, Modelle bilden wiederum die Grundlage für medizinische Bildverarbeitung und Informationsextraktion sowie für die Simulation von Abläufen im menschlichen Körper.

Auch die verwendeten Basistechnologien und –methoden der Themenfelder zeigen vielfältige Überlappungen. GPU (graphics processing unit) basierte parallele Berechnungen haben in den letzten Jahren den Siegeszug von Deep Learning in der Bildverarbeitung ermöglicht. GPU-basierte Berechnungen stellen aber auch die Basis für die Simulation von Abläufen im menschlichen Körper dar. Physiologische Interaktionen bedürfen aber entsprechender Modelle (Organe, Blutgefäße), welche mittels Segmentierungsmethoden aus medizinischen Bilddaten extrahiert werden. Die Registrierung – Errechnung einer Transformation, welche zwei Datensätze (Modell, Bild, Volumen) in geometrische Übereinstimmung bringt – ermöglicht die Nutzung mehrerer Datenquellen (Bilddaten und Modell) sowie den Transfer von Informationen zwischen verschiedenen Daten-Domänen. Die Informationsextraktion (Merkmalsberechnung) erfolgt in allen Themenfeldern in unterschiedlicher Weise. In der Bildverarbeitung werden Bildmerkmale (Textur, Helligkeit, Kanteninformation) extrahiert, welche direkt oder als Input für weitere Verfahren verwendet werden können. Aus Modellen können beispielsweise geometrische Eigenschaften bestimmt werden. Die Simulation, am Beispiel von Blutfluss, ermöglicht es, Informationen wie Verwirbelungen oder Wandscherspannungen zu errechnen.

Vision des Forschungsschwerpunktes ist es, diese Themen anhand konkreter Forschungshypothesen für medizinische Fragestellungen verfügbar zu machen. Das gemeinsame Ziel aller Arbeiten ist die weitere Verbreitung von individualisierter und evidenzbasierter Medizin. Dazu müssen aktuelle Methoden aus der Forschung frühzeitig mit medizinischen Fachexperten weiterentwickelt werden. Nur so kann sichergestellt werden, dass mittelfristig aktuelle Methoden zum Wohle der Patientinnen und Patienten auch in der klinischen Praxis eingesetzt werden.