Offene Position für Masterarbeit

Hintergrund:

Patienten mit einer vorliegenden Erkrankung der Speiseröhre haben häufig eine lange Krankengeschichte bis zur endgültigen Diagnose ihrer Erkrankung vorzuweisen. Je nach Schwere und Symptomen der Erkrankung werden die Patienten verschiedenen Untersuchungen wie ÖGD, Manometrie, pH-Metrie, CT/MRT, Videofluoroskopie, FEES etc. unterzogen. Während alle Untersuchungsergebnisse Stück für Stück zusammengetragen werden und allmählich die gesamten Aspekte der Erkrankung abbilden, ist es weiterhin äußerst schwierig, die einzelnen Untersuchungsmodalitäten miteinander zu verbinden.

Um eine intuitivere Befundung zu erzielen, soll daher ein kombiniertes Diagnoseverfahren entwickelt werden, welches eine optimale Visualisierung der Speiseröhrenmotilität durch die Kombination dieser verschiedenen Untersuchungen ermöglicht.

Ziel:

Ziel der Arbeit ist die automatische Abbildung von Manometrie-Werten auf die korrespondierenden Sensor-Stellen in Videofluoroskopie (Röntgen) Bildsequenzen, um eine synchronisierte und kombinierte Betrachtung dieser beiden Modalitäten zu erlauben.

Hierfür kommen verschiedene Herangehensweisen (u.a. herkömmliche Ansätze im Bereich Computer Vision, aber auch Deep Learning basierte Methoden) in Betracht, die implementiert, evaluiert und miteinander verglichen werden sollen, um den bestmöglichen Ansatz für das vorliegende Problem zu identifizieren.

Aufgaben:

• Literaturrecherche zu vergleichbaren existierenden Ansätzen
• Sammlung und ggf. Annotation benötigter Trainingsdaten
• Entwicklung, Evaluierung und Vergleich von Methoden zur automatischen Erkennung der Manometrie-Sonde in kinematografischen Bildern und Projektion der Druckwerte auf die korrespondierenden Stellen in den Bildern
• Schriftliche Dokumentation der Vorgehensweisen und der Ergebnisse

Anforderungen:

• Umfassende Kenntnisse in Python
• Fortgeschrittene Kenntnisse in den Bereichen Machine Learning & Computer Vision und Erfahrung mit gängigen Bibliotheken (z.B. Tensorflow/PyTorch, OpenCV, etc.)
• Interesse an Medizin und anwendungsnaher Forschung
• Motivation und eigenständige Arbeitsweise