Deep Brain Vessel Profiler

Im Projekt wurden Verfahren entwickelt, um die wichtigsten Hirngefässe in 3D-Bildgebungen wie CT- und MR-Angiographie automatisch zu erkennen und zu analysieren. Ziel war es, Unterschiede in der Gefässanatomie zwischen Patient:innen sichtbar zu machen und deren Bedeutung für Krankheiten wie Schlaganfälle oder Aneurysmen zu untersuchen.

Grösse, Form und Verbindung der wichtigsten Hirngefässe – insbesondere des sogenannten Arterienrings (englisch: Circle of Willis) – unterscheiden sich von Mensch zu Mensch. Zum Beispiel ist der Arterienring bei den meisten Menschen nicht vollständig ausgebildet. Ob und wie diese Unterschiede Krankheitsverläufe und Behandlungen beeinflussen, wurde bisher kaum systematisch untersucht. Unsere Methode ermöglicht nun erstmals eine automatisierte, skalierbare und vergleichbare Analyse solcher anatomischen Varianten – quasi per Knopfdruck.

Technisch basiert unser Ansatz auf Verfahren des maschinellen Lernens, insbesondere auf sogenannten Convolutional Neural Networks (CNNs). Dafür wurde ein qualitativ hochwertiger Bilddatensatz aus CT- und MR-Angiographien erstellt und zusammen mit Fachpersonen des Universitätsspitals Zürich annotiert. Für die manuelle Markierung der Gefässe kam ein neuartiger Virtual-Reality-Ansatz zum Einsatz. In zwei internationalen Data Challenges (TopCoW 2023 und 2024) haben wir die internationale Forschungsgemeinschaft aktiv eingebunden. Ein besonderes Augenmerk galt der korrekten Rekonstruktion der Gefässstruktur und deren geometrischen Beschreibung.

Ergebnisse im Überblick:

• Entwicklung eines VR-basierten Verfahrens zur Gefässannotation
• Veröffentlichung eines bimodalen, klinisch geprüften Bilddatensatzes (CTA+MRA, ca. 200 Fälle)
• Vergleich und Bewertung verschiedener (von der Community vorgeschlagenen) Rekonstruktionsverfahren
• Eigene Methoden zur Segmentierung, Rekonstruktion und Formbeschreibung der Hauptarterien
• Erste Analysen mit Schlaganfall-Daten – weiterführende Studien sind in Planung

Die entwickelten Tools sind vielseitig einsetzbar: für klinische Fragestellungen, oder als Basis für computergestützte Entscheidungshilfen und biomechanische Modelle.