Projekt

Health-e-Child

Das EU-Forschungsprojekt "Health-e-Child" ist Bestandteil des sechsten europäischen Forschungsrahmenprogramms zur Förderung von Forschungsintegration und -koordination innerhalb der Europäischen Union. Für den gesamten Projektzeitraum vom 1. Januar 2006 bis zum 31. Dezember 2009 beläuft sich das Projektbudget auf insgesamt 16,7 Millionen Euro, wovon 12,2 Millionen Euro als Foerdermittel von der EU aufgebracht werden. Ziel des Projektes ist die Entwicklung einer integrierten Healthcare-Plattform für die europäische Pädiatrie. In Form einer dezentralen Wissensbasis soll Wissen aus den verschiedensten Bereichen der medizinischen Praxis und biomedizinischen Forschung integriert werden. Langfristig soll auf diese Weise ungehinderter Zugriff auf eine universelle biomedizinische Wissensbasis zur individualisierten und präventiven Gesundheitsfürsorge, für die medizinische Forschung und Lehre und zur informierten Entscheidungsfindung bereitgestellt werden. Wesentlich für den Aufbau dieser Wissensbasis ist das explizite Projektziel der vertikalen und longitudinalen Datenintegration über alle Abstraktionsebenen medizinischen Wissens hinweg von der molekularen bis zur epidemiologischen Ebene, was ein einheitliches Bild des Gesundheitszustands eines Patienten ermöglichen soll. Der initiale Projektfokus beschränkt sich vorerst auf drei repräsentativ ausgewählte pädiatrische Erkrankungen aus den Bereichen Kardiologie, Rheumatologie und Neuroonkologie. Für diese sollen Ontologien entworfen, Wissen dezentral akquiriert und Applikationen zur Weiterverarbeitung der gewonnenen Daten entwickelt werden. Letztere umfassen vor allem Data Mining- Anwendungen und Entscheidungsunterstützungssysteme.
Die FAU Erlangen-Nürnberg ist Partner im Teilprojekt A6- WP12 (Entscheidungsunterstützungssysteme) und wird zur Entwicklung eines Systems zur Klassifikation und Verlaufsvorhersage von Gehirntumoren bei Kindern beitragen. Im Sinne der vertikalen Datenintegration innerhalb des Health-e-Child-Projekts sollen sowohl Klassifikationsentscheidung als auch Vorhersage auf Basis multispektraler Daten gewonnen werden. Es wird angestrebt, durch das System einen innovativen Beitrag zur künftigen Ausgestaltung der pädiatrischen Diagnostik und Therapieplanung zu leisten. Kurz- und mittelfristiges Ziel der Arbeitsgruppe an der FAU ist die Extraktion aussagekräftiger (Tumor-)Merkmale aus Kernspintomographieaufnahmen, um mögliche Eingabedaten für ein datengetriebenes Entscheidungsunterstützungssystem zu gewinnen. In diesem Zusammenhang stellt die verlässliche und valide Segmentierung des Tumors und der einzelnen Tumorkompartimente einen wesentlichen Vorverarbeitungsschritt für die Quantifizierung spezifischer Krankheitsmerkmale dar.

Projektleitung:
Dr. Martin Huber, Prof. Dr.-Ing. Joachim Hornegger

Beteiligte:
Dipl.-Inf. Dime Vitanovski, Dr.-Ing. Michael Wels

Stichwörter:
Entscheidungsunterstützungssysteme, Datenintegration, Segmentierung

Laufzeit: 1.1.2006 - 30.4.2010

Förderer:
Siemens Corporate Technologies

Kontakt:
Vitanovski, Dime
E-Mail: dime.vitanovski@cs.fau.de

Publikationen

Wels, Michael ; Staatz, Gundula ; Rossi, Andrea ; Huber, Martin ; Hornegger, Joachim: Anisotropic hidden Markov random field modeling for unsupervised MRI brain tissue segmentation and brain tumor detection. In: Lemke, Heinz U. ; Inamura, Kiyonari ; Doi, Kunio ; Vannier, Michael W. ; Farman, Allan G. (Hrsg.) : International Journal of Computer Assisted Radiology and Surgery Volume 2 Supplement 1 (Int J CARS (2007) (Suppl 1)) CARS 2007 Computer Assisted Radiology and Surgery Proceedings of the 21st International Congress and Exhibition (Computer Assisted Radiology and Surgery 21st International Congress and Exhibition Berlin, Germany 27.06.2007-30.06.2007). Bd. 2, 1. Aufl. Berlin : Springer Heidelberg, 2007, S. 457.

Wels, Michael ; Huber, Martin ; Hornegger, Joachim: A Boosting Approach for Multiple Sclerosis Lesion Segmentation in Multi-Spectral 3D MRI. In: Hornegger, Joachim ; Mayr, Ernst W. ; Schookin, Sergey ; Feußner, Hubertus ; Navab, Nassir ; Gulyaev, Yuri V. ; Höller, Kurt ; Ganzha, Victor (Hrsg.) : 3rd Russian-Bavarian Conference on Biomedical Engineering (3rd Russian-Bavarian Conference on Biomedical Engineering Erlangen 2.-3.07.2007). Bd. 1. Erlangen : Union aktuell, 2007, S. 116-120. - ISBN 3-921713-33-X

Wels, Michael ; Huber, Martin ; Hornegger, Joachim: Fully Automated Knowledge-Based Segmentation of the Caudate Nuclei in 3-D MRI. In: Heimann, Tobias ; Styner, Martin ; van Ginneken, Bram (Hrsg.) : 3D Segmentation in the Clinic - A Grand Challenge MICCAI 2007 Workshop Proceedings (10th International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI 2007) Brisbane, QLD, Australien 29.10.2007 - 02.11.2007). 2007, S. 19-27. - ISBN 978-0-643-09523-6

Wels, Michael ; Carneiro, Gustavo ; Brand, Michael ; Huber, Martin ; Hornegger, Joachim ; Comaniciu, Dorin: A Discriminative Model-Constrained Graph Cuts Approach to Fully Automated Pediatric Brain Tumor Segmentation in 3-D MRI. In: Metaxas, Dimitris ; Axel, Leon ; Fichtinger, Gabor ; Székely, Gábor (Hrsg.) : Proceedings of the 11th International Conference on Medical Image Computing and Computer-Assisted Intervention (MICCAI 2008), Part I, LNCS 5241 (11th International Conference on Medical Image Computing and Computer-Assisted Intervention (MICCAI 2008) New York, NY, USA 06.09.2008 - 10.09.2008). Berlin : Springer, 2008, S. 67-75. (Lecture Notes on Computer Science 5241) - ISBN 3-540-44707-5

Wels, Michael ; Huber, Martin ; Hornegger, Joachim: Fully Automated Segmentation of Multiple Sclerosis Lesions in Multispectral MRI. In: Zhuravlev, Yuri I. (Hrsg.) : Pattern Recognition and Image Analysis (OGRW 2007 Ettlingen 20.08.2007 - 23.08.2007). Bd. 18, 2. Aufl. 2008, S. 347-350.

Vitanovski, Dime ; Ionasec, Razvan ; Georgescu, Bogdan ; Huber, Martin ; Taylor, Andrew ; Hornegger, Joachim ; Comaniciu, Dorin: Personalized pulmonary trunk modeling for intervention planning and valve assessment estimated from CT data. In: Wang, Guang-Zhong (Hrsg.) : Proceedings of 12th Internation Conference on Medical Image Computing and Computer-Assisted Intervention (MICCAI 2009 London (UK) 20-24.9.2009). Heidelberg : Springer, 2009, S. 17-25. - ISBN 978-3-642-04267-6

Voigt, Ingmar ; Vitanovski, Dime ; Ionasec, Razvan Ioan ; Tsymbal, Alexey ; Georgescu, Bogdan ; Zhou, Shaohua Kevin ; Huber, Martin ; Navab, Nassir ; Hornegger, Joachim ; Comaniciu, Dorin: Learning discriminative distance functions for valve retrieval and improved decision support in valvular heart disease. In: Haynor, David R. ; Dawant, Benoit M. (Hrsg.) : Proceedings of SPIE Medical Imaging 2010 (SPIE Medical Imaging 2010 San Diego, CA, USA 12.-17.02.2010). Bellingham, WA, USA : SPIE, 2010, S. no pagination.