Fakultät Informatik und Mathematik
Regensburg Center for Artificial Intelligence
Regensburg Center of Biomedical Engineering
Regensburg Center of Health Sciences and Technology

Prof. Dr. rer nat. Christoph Palm

Deep Learning zur computerunterstützten Früherkennung von Speiseröhrenkrebs aus endoskopischen Bildern

Kooperationspartner

  • Regensburg Medical Image Computing, Ostbayerische Technische Hochschule Regensburg
    • Prof. Dr. Christoph Palm
    • Robert Mendel
    • David Rauber
  • 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

Projekt Barrett (Prof. Palm)

2020 | 2019 | 2018 | 2017

2020

Alanna Ebigbo, Robert Mendel, Andreas Probst, Johannes Manzeneder, Friederike Prinz, Luis Antonio de Souza, João P. Papa, Christoph Palm, Helmut Messmann Real-time use of artificial intelligence in the evaluation of cancer in Barrett’s oesophagus

2019

Alanna Ebigbo, Christoph Palm, Andreas Probst, Robert Mendel, Johannes Manzeneder, Friederike Prinz, Luis Antonio de Souza, João P. Papa, Peter Siersema, Helmut Messmann A technical review of artificial intelligence as applied to gastrointestinal endoscopy: clarifying the terminology
Alanna Ebigbo, Robert Mendel, Andreas Probst, Johannes Manzeneder, Luis Antonio de Souza, João P. Papa, Christoph Palm, Helmut Messmann Artificial Intelligence in Early Barrett's Cancer: The Segmentation Task
Leandro A. Passos, Luis Antonio de Souza, Robert Mendel, Alanna Ebigbo, Andreas Probst, Helmut Messmann, Christoph Palm, João P. Papa Barrett’s esophagus analysis using infinity Restricted Boltzmann Machines
Alanna Ebigbo, Robert Mendel, Andreas Probst, Johannes Manzeneder, Luis Antonio de Souza, João P. Papa, Christoph Palm, Helmut Messmann Computer-aided diagnosis using deep learning in the evaluation of early oesophageal adenocarcinoma
Luis Antonio de Souza, Luis Claudio Sugi Afonso, Alanna Ebigbo, Andreas Probst, Helmut Messmann, Robert Mendel, Christian Hook, Christoph Palm, João P. Papa Learning visual representations with optimum-path forest and its applications to Barrett's esophagus and adenocarcinoma diagnosis

2018

Luis Antonio de Souza, Christoph Palm, Robert Mendel, Christian Hook, Alanna Ebigbo, Andreas Probst, Helmut Messmann, Silke Weber, João P. Papa A survey on Barrett's esophagus analysis using machine learning
Luis Antonio de Souza, Alanna Ebigbo, Andreas Probst, Helmut Messmann, Joao P. Papa, Robert Mendel, Christoph Palm Barrett's Esophagus Identification Using Color Co-occurrence Matrices

2017

Luis Antonio de Souza, Christian Hook, João P. Papa, Christoph Palm Barrett's Esophagus Analysis Using SURF Features
Luis Antonio de Souza, Luis Claudio Sugi Afonso, Christoph Palm, João P. Papa Barrett's Esophagus Identification Using Optimum-Path Forest
Robert Mendel, Alanna Ebigbo, Andreas Probst, Helmut Messmann, Christoph Palm Barrett’s Esophagus Analysis Using Convolutional Neural Networks

 

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.