Die Leistungsfähigkeit präziser Segmentierungen in KI-gesteuerten Lösungen für die medizinische Bildgebung

Verbesserung der medizinischen KI-Segmentierung für Präzision und Innovation

Der Segmentierungsprozess medizinischer KI umfasst die präzise Identifizierung und Abgrenzung eines Interessenbereichs (ROI) innerhalb eines Bildes. Bei der medizinischen Bildsegmentierungs-KI können diese ROIs Läsionen, Organe, gesundes Gewebe oder Strukturen umfassen, die in einer oder mehreren Bildgebungsmodalitäten abgegrenzt werden, wie beispielsweise Magnetresonanztomographie (MRT), Computertomographie (CT) oder Positronen-Emissions-Tomographie (PET).

Präzision bei Quibim: Weiterentwicklung KI-gestützter Lösungen 

Bei Quibim Die Präzision bei der Segmentierung medizinischer KI ist von größter Bedeutung. Unsere präzisen Lösungen für die medizinische Ausbildung und Forschung liefern hochwertige Segmentierungsergebnisse, die als Schlüsselelemente bei der Charakterisierung der Aggressivität und Heterogenität von Tumoren dienen und sich letztendlich auf die Entwicklung des Patienten auswirken. Diese Segmentierungen sind auch für die Entwicklung KI-gestützter Lösungen von entscheidender Bedeutung, die Vorhersagen sowohl auf Läsions- als auch auf Patientenebene treffen können.

Aus diesem Grunde In jeder Studie, die wir in unserem Unternehmen durchführen, wird ein standardisierter Segmentierungsprozess systematisch umgesetzt. Dies führt zur Definition reproduzierbarer und standardisierter Protokolle, die auf jeden spezifischen Anwendungsfall abgestimmt sind. Nicht nur die Segmentierung einer Läsion ist wichtig, sondern auch die der umgebenden Organe und Gewebe. Beispielsweise Bei KI-gesteuerten Lösungen zur Vorhersage des Gesamtüberlebens (OS) bei Lungenkrebs wird nicht nur der ROI der Läsion berücksichtigt, sondern auch nahegelegene Strukturen wie Lunge, Herz, Knochen/Kalzium, Leber, Metastasen usw.

Herausforderungen bei der KI zur Segmentierung medizinischer Bilder

Es gibt viele Faktoren, die die Genauigkeit der medizinischen KI-Segmentierung erheblich beeinflussen, wie räumliche Auflösung und Kontrastauflösung, Bildrauschen sowie Variabilität in Form, Textur und Wahrnehmung von Pathologien¹Dies unterstreicht, wie wichtig es ist, vor Beginn der Bildverarbeitung Qualitätskontrollen durchzuführen.

Das Segmentierungstraining für KI-Modelle erfordert präzise Beschriftungen oder Anmerkungen, um zuverlässige Ergebnisse zu gewährleisten. Es umfasst eine Reihe von Aufgaben zur Auswahl von Bildern, die eine ausreichende diagnostische Qualität aufweisen und für die Segmentierung geeignet sind. Zu den Aufgaben gehört unter anderem die Auswahl der besten Sequenz für die Segmentierung nach Kriterien wie räumlicher Auflösung und Kontrastauflösung, Signal-Rausch-Verhältnis, Artefaktfreiheit und ROI-Abdeckung. Nach dieser Qualitätskontrolle folgt die Segmentierung und Ermittlung des ROI.

Das Schöne an dieser Segmentierung ist ihre Voxel-für-Voxel-Ausführung, die dreidimensionale Einblicke in den ROI bietet. Dieser Ansatz übertrifft herkömmliche Kriterien, die auf Durchmessermessungen beruhen, und liefert so eine umfassendere und differenziertere Darstellung des untersuchten Gewebes.

Qualitätskontrolle und die Zukunft des KI-gesteuerten Segmentierungsprozesses

Erkennen der entscheidenden Rolle der Segmentierung in KI-gesteuerte Lösungen, Quibim hat sich entschieden, diesen entscheidenden Schritt bei der Herstellung von KI-Algorithmen durch ein engagiertes Team anzugehen, das für sorgfältige Qualitätskontrollen und eine präzise medizinische KI-Segmentierung verantwortlich ist. Dies gewährleistet die strikte Einhaltung höchster Qualitätsstandards, die sich direkt auf die Leistung unserer KI-gestützten automatisierten Segmentierungstools sowie unserer prädiktiven und prognostischen Algorithmen auswirken. Diese Prozesse bilden den Ausgangspunkt und markieren die erste Interaktion mit den bildgebenden Untersuchungen. Sie schaffen die Grundlage für die erfolgreiche Entwicklung der innovativen medizinischen Bildgebungslösungen von Quibim.

Zusätzlich zu dem oben genannten Zweck, Unsere validierten Segmentierungen dienen als unschätzbare Datenbanken, die das Training von KI-Modellen verbessern. Diese Datenfülle ermöglicht es unserem Unternehmen, sich weiterzuentwickeln und proprietäre automatische Segmentierungsalgorithmen zu entwickeln, die auf modernster medizinischer KI-Segmentierungstechnologie basieren. Unser Engagement für Präzision und fortschrittliche KI-basierte Lösungen stellt sicher, dass unsere Lösungen weiterhin an der Spitze der medizinischen Bildgebungsentwicklung stehen.

Durch den Einsatz präziser KI zur Segmentierung medizinischer Bilder treiben wir den Fortschritt im Gesundheitswesen voran und ermöglichen präzise Lösungen für die medizinische Ausbildung, Diagnostik und Patientenversorgung. Quibim ist weiterhin bestrebt, durch unermüdliche Innovation und präzisionsorientierte Methoden die Zukunft der KI-gestützten medizinischen Bildgebung zu gestalten.

1-Segmentierung der zentralen Zone, der peripheren Zone der Prostata und der Samenbläschen in der axialen T2-weißen Magnetresonanztomographie.
2-Ganzkörper-18-FDG-PET/TC-Bildgebungsuntersuchung eines Patienten mit DLBCL in der Koronalebene (links) und Segmentierungsmaske, bei der jede Läsion eine eindeutige Bezeichnung hat (rechts).
3, 4-Segmentierung der linken Lungentumormasse auf axialen Computertomographieschnitten mit 3D-Rekonstruktion.
5-Segmentierung verschiedener anatomischer Strukturen in einer Koronalebene in einer Computertomographie-Studie.

Referenzen

1. deSouza NM, van der Lugt A, Deroose CM, et al. Standardisierte Läsionssegmentierung zur bildgebenden Biomarkerquantifizierung: eine Konsens-Empfehlung von ESR und EORTC. Insights Imaging. 2022;13(1):159. Veröffentlicht 2022 Okt 4. doi:10.1186/s13244-022-01287-4

Autoren

Raúl Yebana – Bildanalysemanager

Víctor Climent – ​​Bildanalysetechniker