Intraoperative multisensorische Gewebedifferenzierung in der Onkologie

Eine sinnvolle Fusion der erhobenen multisensorischen Messdaten zur Klassifikation erfordert eine unterlagerte Lösung einiger technischer Probleme. Wo liegen die aufgenommenen Messpunkte? Wie sind die Zusammenhänge im Gewebe? Wie lassen sich die erhobenen Daten fusionieren und klassifizieren? Wie kann über verschiedene Patientinnen und Patienten hinweg gelernt werden? Hierfür wird eine domänenübergreifende Modellierung von Gewebe- und Sensoreigenschaften realisiert und die Schnittstelle zwischen den Schwerpunktgebieten „Sensorik“ und „Klassifikation“ darstellt, in welchem die Sensorinformationen zusammengeführt werden. Als Grundlage zur Gewebedifferenzierung wird vorausgesetzt, dass unterschiedliche Gewebezustände (z. B. benigne und maligne) unterschiedliche Eigenschaften haben, die sich wiederum durch domänenspezifische Gewebeparameter quantifizieren lassen. Es existieren kausale Zusammenhänge zwischen einem abnormen Zellmetabolismus und den optischen Absorptionsspektren oder zwischen den Änderungen im Zellverbund und dem Elastizitäts- bzw. Kompressionsverhalten. Als Konsequenz lässt sich mithilfe der Sensorik-Projekte im Graduiertenkolleg eine Auswahl an relevanten Gewebeparametern ableiten und messtechnisch erfassen, welche die Grundlage der Differenzierung darstellen. Um den Informationsgehalt mehrerer Sensorkanäle zu nutzen, muss das reine Sensorsignal mit einer konsistenten örtlichen Information versehen werden.

Ziel dieses Projekts ist es, mit Hilfe von aktuellen Methoden des maschinellen Lernens, die umfangreichen Datensätze, welche aus den unterschiedlichen Messverfahren resultieren, zu reduzieren und zusammenzuführen, um die Klassifikationsgüte und Robustheit der multimodalen Verfahren zur Gewebedifferenzierung zu erhöhen.