Zurück zur vorherigen Seite
illustration_1_best_paper_award_MIDL_hes_so_valais
Friday, 19. July 2019 - 14:52

Siders – Forschende des Instituts Wirtschaftsinformatik der HES-SO Valais-Wallis haben anlässlich der Konferenz MIDL (International Conference on Medical Imaging with Deep Learning), die kürzlich in London stattfand, den Best Paper Award erhalten.  

Das Team rund um Prof. Adrien Depeursinge des Instituts Wirtschaftsinformatik ist seit 12 Jahren im Bereich der medizinischen Bildverarbeitung mit Deep Learning tätig und beweist damit, dass die Forschung im Wallis eine vielversprechende Zukunft vor sich hat. Anlässlich der internationalen Konferenz MIDL 2019 wurden Vincent Andrearczyk, Valentin Oreiller, Julien Fageot und Adrien Depeursinge, alles Forschende an der HES-SO Valais-Wallis, mit dem Best Paper Award ausgezeichnet. An dieser Konferenz, die vom 8. bis 10. Juli in London stattfand, nehmen jedes Jahr weltweit führende Informatiker und Radiologen teil. 

Hilfsmittel für Ärzte

Das Forschungsteam ist in erster Linie in der Auswertung von Röntgenaufnahmen tätig, mit dem Ziel alle Elemente dieser multidimensionalen Bilder zu nutzen, um den Ärzten die Diagnose zu erleichtern. Damit dieses Informatiktool für den Arzt eine Hilfe darstellt, muss die Maschine lernen, welche Elemente analysiert werden müssen. Hierfür muss sie in der Lage sein, Gewebestrukturen und Anomalien unter allen möglichen Blickwinkeln zu erkennen. Dies trifft beispielsweise auf die Analyse von Tumoren zu, wo gewisse Gewebestrukturen (Tumorränder, vaskuläre Anomalien) willkürlichen Rotationen unterliegen.    

Ein einmaliger Ansatz: Deep Learning und 3D-Analyse

Die Forschenden haben zahlreiche Aufnahmen von Lungenrundherden ausgewertet, die von Prof. Xavier Montet des Universitätsspitals Genf vorbereitet wurden. Anhand davon konnte ein mathematisches Modell entwickelt werden, mit dem Lungenanomalien unter verschiedenen Blickwinkeln dreidimensional analysiert werden können. Das Ziel der Forschenden war die Entwicklung eines Ansatzes zur automatischen Auswertung grosser Bildmengen, um z. B. gewisse Krebsunterarten und ihre Reaktion auf die Behandlung vorauszusehen. Die im Deep Learning benutzten Convolutional Networks eignen sich dafür besonders gut.

Zusammenarbeit mit der EPFL und den Universitätsspitälern von Lausanne und Genf

Die Resultate dieser Forschungsarbeiten beruhen auf einer langjährigen Zusammenarbeit mit der EPFL (Prof. Unser), dem Universitätsspital Lausanne (CHUV, Prof. Prior) und dem Universitätsspital Genf (HUG, Prof. Montet). Diese Arbeiten wurden im Rahmen des Projekts VISIBLE (205320_179069) vom Schweizerischen Nationalfonds (SNF) unterstützt.