Künstliche Intelligenz verbessert Bildgebung

Wissenschaftler der ETH Z¨¹rich und der Universit?t Z¨¹rich haben Methoden des maschinellen Lernens eingesetzt, um die optoakustische Bildgebung zu verbessern. Mit diesem relativ jungen Verfahren der medizinischen Bildgebung k?nnen zum Beispiel Blutgef?sse im K?rperinnern sichtbar gemacht, die Gehirnaktivit?t untersucht oder Brustkrebs und Hautkrankheiten diagnostiziert werden. Die Bildqualit?t, die ein Ger?t liefert, h?ngt allerdings stark von seiner Anzahl Sensoren und ihrer Verteilung ab: Je mehr davon, desto besser die Bildqualit?t. Der neue Ansatz der ETH-Forschenden erm?glicht, die Zahl der Sensoren bei gleichbleibender Bildqualit?t deutlich zu reduzieren. Dadurch k?nnen die Ger?tekosten reduziert, die Bildgebungsgeschwindigkeit erh?ht oder die Diagnose verbessert werden.

Die Optoakustik (siehe Kasten) hat gewisse ?hnlichkeiten zur Ultraschallbildgebung. Bei Letzterer sendet eine Sonde Ultraschallwellen in den K?rper, die das Gewebe reflektiert. Sensoren in der Sonde detektieren die zur¨¹ckgeworfenen Schallwellen, und aus diesen l?sst sich ein Bild des K?rperinneren erzeugen. Bei der optoakustischen Bildgebung hingegen werden extrem schnelle Laserpulse ins Gewebe geschickt, die dort absorbiert und in Ultraschallwellen umgewandelt werden. Diese werden dann ?hnlich wie bei der Ultraschallbilgebung detektiert, um daraus ein Bild zu erstellen.

Bildverzerrungen korrigiert

Die Forschenden unter der Leitung von Daniel Razansky, Professor f¨¹r biomedizinische Bildgebung an der Universit?t Z¨¹rich und der ETH Z¨¹rich, suchten nach einer M?glichkeit, die Bildqualit?t von kosteng¨¹nstigen Optoakustik-Ger?ten, die nur wenige Ultraschallsensoren besitzen, zu erh?hen.

Sie nutzten dazu zun?chst ein von ihnen selbst entwickeltes hochwertiges Optoakustik-Ger?t mit 512 Sensoren, das qualitativ hochstehende Bilder lieferte. Diese liessen sie von einem sogenannten k¨¹nstlichen neuronalen Netzwerk analysieren. Dabei lernte das Netzwerk die Merkmale der hochwertigen Bilder.

Anschliessend schalteten die Forschenden einen Grossteil der Sensoren aus, so dass nur noch 128 beziehungsweise 32 Sensoren ¨¹brigblieben, mit entsprechend negativen Auswirkungen auf die Bildqualit?t: Weil es an Daten mangelte, durchzogen streifenartige St?rsignale das Bild. Wie sich jedoch herausstellte, war das zuvor trainierte Machine-Learning-System mit seinem Algorithmus in der Lage, diese Verzerrungen zu korrigieren. Dadurch erh?hte sich die Bildqualit?t deutlich und war vergleichbar mit der Qualit?t einer Messung mit 512 Sensoren.

Bei der Optoakustik erh?ht sich die Bildqualit?t nicht nur mit der Anzahl benutzter Sensoren, sondern auch, wenn das Untersuchungsobjekt aus m?glichst vielen unterschiedlichen Richtungen erfasst wird: je gr?sser der Sektor, in dem die Sensoren rund um das Untersuchungsobjekt angeordnet sind, desto besser die Qualit?t. Der entwickelte Algorithmus war auch in der Lage, die Qualit?t von Bildern, die aus nur einem engumfassten Sektor aufgenommen wurden, deutlich zu verbessern. ?Dies ist bei klinischen Anwendungen von Bedeutung, denn die benutzten Laserpulse durchdringen nicht den ganzen menschlichen K?rper, und die meisten oberfl?chennahen Teile des menschlichen K?rpers kann man nur aus einer Richtung erfassen?, erkl?rt Razansky.

?rzten die Arbeit erleichtern

Wie die Wissenschaftler betonen, ist ihr Ansatz nicht auf die optoakustische Bildgebung beschr?nkt. Weil die Technik nicht die Rohdaten analysiert, sondern die fertigen Bilder, eignet sie sich auch f¨¹r andere Bildgebungsverfahren. ?Generell kann man sie dazu verwenden, um mit weniger Rohdaten Bilder von guter Qualit?t herzustellen?, sagt Razansky. ?rzte seien gelegentlich mit Bildgebungsdaten von schlechter Qualit?t konfrontiert, die sie interpretieren m¨¹ssten. ?Wir zeigen, dass sich mit Methoden der k¨¹nstlichen Intelligenz solche Bilder verbessern lassen, wodurch sich die Interpretation vereinfacht.?

F¨¹r Razansky ist diese Forschungsarbeit ein gutes Beispiel, wozu die derzeit existierenden Methoden der k¨¹nstlichen Intelligenz angewandt werden k?nnen. ?Viele Leute meinen, dass KI die menschliche Intelligenz ersetzen k?nnte. Dies wird meiner Meinung nach jedoch ¨¹bersch?tzt, jedenfalls was heutige KI-Methoden angeht?, sagt er. ?Mit diesen kann man nicht die menschliche Kreativit?t ersetzen, aber sie eignen sich, um dem Menschen m¨¹hsame repetitive Arbeiten abzunehmen.?

F¨¹r diese Forschungsarbeit nutzten die Wissenschaftler ein auf kleine Tiere zugeschnittenes Optoakustik-Tomographieger?t, und sie trainierten das Machine-Learning-System mit Bildern von M?usen. Als n?chstes gehe es darum, die Methode bei Optoaktustik-Bildern von Geweben des Menschen anzuwenden, sagt Razansky.