Patienten-adaptive Tumormodelle in der medizinischen Bildverarbeitung

该项目是一项在生理学模型中吸收磁共振断层图像数据的方法研究，是一项患者适应性的手术过程建模。有两个结论：Zunächst zielt es darauf，komplexe Datensätze aus der radiologischen Bildgebung durch physiologische Modelle interpretier bar zu machen。Dies soll in der Diagnose den Zugang zu diagnosisch relevanten Kenngrößen wie Infiltration，Wachstumsgeschwindigkeit，or der Raumforderungerlauben ermöglichen; in der Therapie soll es die Vorhersage von Risikoregionen erlauben.在生物学理论研究中，肿瘤模型是一种真实的临床数据。这两个地方有三个工作岗位。In einem ersten sollen Methoden für eine automatisierte und objektive Aufbereitung der Bilddaten zweier klinischer replaceert en韦尔登.在一个第二次实验中，肿瘤模型韦尔登的基础上，建立了磁共振成像（MRSI）。这是一个新的肿瘤参数化和逆向建模方法，可以在一个韦尔登中进行。在此基础上，基于加权Bayesscher方法的Fokus，通过图形模型的Multiskalenansätze和numerische Löser，可以有效地利用Möglichkeiten进行参数估计。通过韦尔登治疗，建立了基于图像的肿瘤模型，以观察胶质瘤的生长和控制胶质瘤的生长。

Ziel des Projekts ist die Entwicklung von Methoden zur Assimilierung magnetresonanz-tomographischer Bilddaten in physiologische Modelle von Hirntumoren, um eine patienten-adaptive Modellierung des Wachstumsprozesses zu ermöglichen. Es eröffnet damit zwei Richtungen: Zunächst zielt es darauf, komplexe Datensätze aus der radiologischen Bildgebung durch physiologische Modelle interpretier bar zu machen. Dies soll in der Diagnose den Zugang zu diagnostisch relevanten Kenngrößen wie Infiltration, Wachstumsgeschwindigkeit, oder Raumforderungerlauben ermöglichen; in der Therapie soll es die Vorhersage von Risikoregionen erlauben. Darüber hinaus soll das Projekt für die Modellbildung im Bereich der theoretischen Biologie die methodischen Vorraussetzungen schaffen, Tumormodelle an realen klinischen Daten testen zu können. Die Umsetzung dieses Ziels umfasst drei Arbeitsschritte. In einem ersten sollen Methoden für eine automatisierte und objektive Aufbereitung der Bilddaten zweier klinischer Studien implementiert werden. In einem zweiten soll eine verbesserte empirische Grundlage zur Tumor-Modellierung erarbeitet werden, insbesondere unter Verwendung magnetresonanz-spektroskopischer Bilder (MRSI). Dies soll neue Wege zur Parameterschätzung und inversen Modellierung des Tumorwachstums eröffnen, die in einen dritten Schritt untersucht werden. Hierbei soll der Fokus auf der Weiterentwicklung Bayesscher Methoden liegen, die durch Multiskalenansätze und numerische Löser aus dem Bereich der graphischen Modelle besondere Möglichkeiten für eine effiziente Parameter Schätzung bieten. Abschließend soll die bild-basierte Tumor-Modellierung auf den Studiendaten - zur Beobachtung niedergradiger Gliome und zur Kontrolle hochgradiger Gliome nach Strahlentherapie - validiert werden.