NAP
Ziel des Projekts ist es, pathologische Schnitte von Glioblastomen – den häufigsten bösartigen Gehirntumoren mit einer infausten Prognose1 – mit modernen Machine-Learning-Methoden zu untersuchen und so Neuropathologen zu entlasten.
Die Therapieresistenz des Gliobloastoms ist nach momentanen Kentniss der Forschung maßgeblich von der starken Heterogenität abhängig. Eine Bestimmung der Heterogenität ist jedoch ein langwieriger Prozess der nicht Teil der Standarddiagnostik ist. Um diesen Schritt in die Standarddiagnostik zu übernehmen werden im NAP-Projekt Machine Leanring Modelle trainiert, die Hematoxylin and Eosin (HE) eingefärbe Gewebeschnitte automatisch analysieren. Diese HE-Slides werden in der Tumor-Diagnostik standardmäßig erstellt, wodurch keine Zusatzbelastung für das klinische Personal entsteht.
Das Institut für Neuropathologie der TUM stellt dafür die notwendigen Bilddaten zur Verfügung. Die einzelnen Bildszenen der pathologischen Schnitte sind jeweils rund 6,5 Gigabyte groß und haben eine Auflösung von 70.000 mal 40.000 Pixeln.
1Das Glioblastoma multiforme (IDH wt.) (lat. für vielgestaltig) ist der häufigste hirneigene bösartige Tumor (WHO Grad IV) des Erwachsenen. Das mediane Überleben beträgt 15 Monate.
Publikationen
2024
- Hieber, Daniel and Haisch, Nico and Grambow, Gregor and Holl, Felix and Liesche-Starnecker, Friederike and Pryss, Rüdiger and Schlegel, Jürgen and Schobel, Johannes
(2024)
Comparing nnU-Net and deepflash2 for Histopathological Tumor Segmentation. (öffnet neues Fenster)
In: (Proceedings of the) Medical Informatics Europe Conference (MIE), September, 25-29, 2024, Athens, Greece, pp. 606-610.
(Studies in Health Technology and Informatics; 316).
ISBN 9781643685335
Volltext abrufen
2023
- Prokop, Georg and Wiestler, Benedikt and Hieber, Daniel and Withake, Fynn and Mayer, Karoline and Gempt, Jens and Delbridge, Claire and Schmidt-Graf, Friederike and Pfarr, Nicole and Märkl, Bruno and Schlegel, Jürgen and Liesche-Starnecker, Friederike
(2023)
Multiscale quantification of morphological heterogeneity with creation of a predictor of longer survival in glioblastoma. (öffnet neues Fenster)
International Journal of Cancer.
ISSN 1097-0215
Volltext abrufen - Hieber, Daniel and Karthan, Maximilian and Holl, Felix and Prokop, Georg and Märkl, Bruno and Pryss, Rüdiger and Liesche-Starnecker, Friederike and Schobel, Johannes
(2023)
Evaluating the Segment Anything Model for Histopathological Tissue Segmentation. (öffnet neues Fenster)
In: 68. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e. V. (GMDS), 17.-21. September 2023, Heilbronn, Germany, DocAbstr. 159.
Volltext abrufen - Hieber, Daniel and Prokop, Georg and Karthan, Maximilian and Märkl, Bruno and Schlegel, J. and Pryss, Rüdiger and Grambow, Gregor and Schobel, Johannes and Liesche-Starnecker, Friederike
(2023)
Machine learning-based assessment of intratumor heterogeneity in glioblastoma. (öffnet neues Fenster)
In: (Abstracts of the) 20th International Congress of Neuropathology (ICN), September, 13-16, 2023, Berlin, Germany, Abstr. eP-NO-A78.
Volltext abrufen - Hieber, Daniel and Prokop, Georg and Karthan, Maximilian and Märkl, Bruno and Schobel, Johannes and Liesche-Starnecker, Friederike
(2023)
Neural Network Assisted Pathology for Labeling Tumors in Whole-Slide-Images of Glioblastoma. (öffnet neues Fenster)
In: (Abstractband der) 106. Jahrestagung der Deutschen Gesellschaft für Pathologie "Pathology - more than meets the eye", 1.-3. Juni 2023, Leipzig, Germany, p. 218.
Volltext abrufen - Hieber, Daniel and Prokop, Georg and Karthan, Maximilian and Holl, Felix and Kestler, Hans A. and Grambow, Gregor and Märkl, Bruno and Pryss, Rüdiger and Liesche-Starnecker, Friederike and Schobel, Johannes (2023) Towards an Architecture for Collecting a Multidimensional Glioblastoma Dataset. (öffnet neues Fenster) In: (Proceedings of the) IEEE 36th International Symposium on Computer-Based Medical Systems (CBMS), June, 22-24, 2023, L'Aquila, Italy, pp. 904-909. ISBN 9798350312249
Ansprechpartner
Team
Prof. Dr. Johannes Schobel
Daniel Hieber
Maximilian Karthan
PD Dr. Friederike Liesche-Starnecker (UK-Augsburg)
Projektpartner
Institut für Pathologie und molekulare Diagnostik - Universitätsklinikum Augsburg
Finanzierung
/
Projektdauer
Seit Juli 2021
Links
/
