Informatiker der Hochschule Reutlingengewinnt Poster Award auf Medizinkongress der CURAC

WERBUNG
Smartbroker
WERBUNG
Namefruits
WERBUNG
etexter
WERBUNG
Bürobedarf Blitec
WERBUNG
KREDIT.DE
WERBUNG
Become An Actor - eBook
WERBUNG
Redenservice
WERBUNG
Gehaltsvorschuss. Sofort!
WERBUNG
Allensbach University
WERBUNG
thekey.ACADEMY

Ramy Zeineldin, Doktorand an der Fakultät Informatik, stellt Erkenntnisse zur intraoperativen Hirnverformungen, so genannte Hirnverschiebungen vor.

BildToller Erfolg für Ramy Zeineldin, Doktorand an der Fakultät Informatik der Hochschule Reutlingen. Bei der wissenschaftlichen Konferenz der Deutschen Gesellschaft für Computer- und Roboterassistierte Chirurgie, CURAC, wurde seine Arbeit mit dem Best Poster Award der Konferenz ausgezeichnet. In dem Poster unter dem Titel „Towards Automated Correction of Brain Shift – Using Deep Deformable MRI-iUS Registration“ stellt er seine Erkenntnisse zur intraoperativen Hirnverformungen, so genannte Hirnverschiebungen vor. Co-Autor des Posters war unter anderem der Dekan der Fakultät, Prof. Dr. Oliver Burgert. Mit der Preisauszeichnung würdigt die CURAC erneut die wissenschaftliche Arbeit der Fakultät auf dem Gebiet der Medizininformatik, nachdem die Fakultät erst im letzten Jahr als Gastgeber der Wissenschaftskonferenz ausgewählt wurde. In diesem Jahr wurde die Konferenz der CURAC Online durchgeführt. Gastgeber war die Technische Universität Hamburg.

In dem Poster stellt Ramy Zeineldin seine bisherigen Arbeiten und Erkenntnisse zum Thema intraoperative Hirnverformungen, die so genannte Hirnverschiebung vor. Diese beeinträchtigen die Anwendbarkeit von Daten der präoperativen Magnetresonanztomographie (MRT) zur Unterstützung der Verfahren der intraoperativen Ultraschallführung (iUS) bei neurochirurgischen Eingriffen.

Ramy Zeineldin und seine Co-Autoren schlagen einen tiefen, lernbasierten Ansatz für die schnelle und genaue Registrierung von deformierbaren Verformungen von präoperativen MRT- zu iUS-Bildern vor, um die Hirnverschiebung zu korrigieren. Basierend auf der Architektur von 3D-gefalteten neuronalen Netzwerken wurde die vorgeschlagene tiefe MRI-iUS-Registrierungsmethode erfolgreich getestet und an der retrospektiven Auswertung von Hirntumoren (RESECT-Datensatz) evaluiert.

Nach Ansicht von Ramy Zeineldin zeigt die Studie, dass die vorgeschlagene Methode andere Registrierungsmethoden in früheren Studien mit einem durchschnittlichen MSE von 85 übertrifft. Darüber hinaus kann diese Methode drei 3D-MRI-US-Paare in weniger als einer Sekunde registrieren, was die erwarteten Ergebnisse der Gehirnoperation verbessert.

An der Studie und dem Poster, dass federführend von Ramy Zeineldin erstellt wurde, war auch der Dekan der Fakultät Informatik, Prof. Dr. Oliver Burgert als Co Autor beteiligt, der auch für die Medizininformatik an der Fakultät Informatik maßgeblich verantwortlich ist. Weitere Co-Autoren kommen vom Karlsruher Institut für Technologie, Karlsruhe (KIT), der Fakultät für Elektrotechnik (FEE), Universität Menoufia Abteilung für Neurochirurgie, Universität Ulm, Deutschland.

Die Auszeichnung macht nach Einschätzung von Prof. Oliver Burgert zudem deutlich, wie international und vernetzt inzwischen die Forschung und Lehre an der Fakultät Informatik sei. Zudem zeige es, dass die Studiengänge Medizinisch-Technische Informatik und Human Centered Computing eine gute Grundlage für eine spätere erfolgreiche Forschung vermitteln.

Verantwortlicher für diese Pressemitteilung:

Hochschule Reutlingen
Herr Siewe-Reinke Alfred
Alteburgstraße 150
72762 Reutlingen
Deutschland

fon ..: 07121 271 4052
web ..: http://www.informatik-reutlingen.de
email : presse@informatik-reutlingen.de

Pressekontakt:

Hochschule Reutlingen
Herr Siewe-Reinke Alfred
Alteburgstraße 150
72762 Reutlingen

fon ..: 07121 271 4052
web ..: http://www.informatik-reutlingen.de
email : presse@informatik-reutlingen.de

PM-Ersteller
Author: PM-Ersteller

WERBUNG
WERBUNG
WERBUNG
WERBUNG
WERBUNG
WERBUNG
WERBUNG
WERBUNG
WERBUNG
WERBUNG
LoopsterPanel
My Agile Privacy

Diese Website verwendet technische und Profilierungs-Cookies. 

Sie können die Cookies akzeptieren, ablehnen oder anpassen, indem Sie auf die gewünschten Schaltflächen klicken. 

Wenn Sie diese Mitteilung schließen, setzen Sie die Nutzung ohne Zustimmung fort. 

Warnung: Einige Funktionen dieser Seite können aufgrund Ihrer Datenschutzeinstellungen blockiert werden: